El documento describe diferentes pruebas estadísticas para evaluar si una muestra se ajusta a una distribución teórica específica, como la normal. Explica la prueba de Kolmogorov-Smirnov para evaluar la normalidad, y provee ejemplos de su aplicación para comprobar si las variables siguen distribuciones uniforme o normal.
0 calificaciones0% encontró este documento útil (0 votos)
108 vistas4 páginas
El documento describe diferentes pruebas estadísticas para evaluar si una muestra se ajusta a una distribución teórica específica, como la normal. Explica la prueba de Kolmogorov-Smirnov para evaluar la normalidad, y provee ejemplos de su aplicación para comprobar si las variables siguen distribuciones uniforme o normal.
El documento describe diferentes pruebas estadísticas para evaluar si una muestra se ajusta a una distribución teórica específica, como la normal. Explica la prueba de Kolmogorov-Smirnov para evaluar la normalidad, y provee ejemplos de su aplicación para comprobar si las variables siguen distribuciones uniforme o normal.
El documento describe diferentes pruebas estadísticas para evaluar si una muestra se ajusta a una distribución teórica específica, como la normal. Explica la prueba de Kolmogorov-Smirnov para evaluar la normalidad, y provee ejemplos de su aplicación para comprobar si las variables siguen distribuciones uniforme o normal.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 4
CONTRASTES DE NORMALIDAD
Un caso específico de ajuste a una distribución teórica es la correspondiente a la distribución normal. Este contraste se realiz comprobar si se verifica la hipótesis de normalidad necesaria para que el resultado de algunos análisis sea fiable, como por ej para el ANOVA.
Para comprobar la hipótesis nula de que la muestra ha sido extraída de una población con distribución de probabilidad norm puede realizar un estudio gráfico y/o analítico.
PRUEBA DE KOLMOGOROV-SMIRNOV
Cuando la prueba Kolmogorov-Smirnov kolmogorov se aplica para contrastar la hipótesis de normalidad de la población, el esta de prueba es la máxima diferencia:
siendo Fn(x) la función de distribución muestral y Fo(x) la función teórica o correspondiente a la población normal especificada
hipótesis nula.
La distribución del estadístico de Kolmogorov-Smirnov es independiente de la distribución poblacional especificada en la hipótes
y los valores críticos de este estadístico están tabulados. Si la distribución postulada es la normal y se estiman sus parámetro valores críticos se obtienen aplicando la corrección de significación propuesta por Lilliefors.
KOLMOGOROV SMIRNOV La prueba de Kolmogorov-Smirnov para una muestra es un procedimiento de "bonda
ajuste", que permite medir el grado de concordancia existente entre la distribución de un conjunto de datos distribución teórica específica. Su objetivo es señalar si los datos provienen de una población que tiene la distrib teórica especificada, es decir, contrasta si las observaciones podrían razonablemente proceder de la distrib especificada. Ejemplo. Muchas pruebas paramétricas requieren que las variables se distribuyan de forma norm prueba de Kolmogorov-Smirnov para una muestra se puede utilizar para comprobar si una variable (por ejemplo n se distribuye normalmente. Estadísticos. Media, desviación típica, mínimo, máximo, número de casos no perdi cuartiles.
EJEMPLO
Ejemplo 1. Con los datos correspondientes a la variable Trans de la encuesta Enctrans.sav y con referencia a los encuestados que viv
Barcelona, se quiere comprobar si su distribución en cuanto al tipo de transporte utilizado se adapta a los resultados de un e realizado por el Ayuntamiento de Barcelona, que son los siguientes: el 40% de los desplazamientos al trabajo se realizan en m el 30% en autobús; el 20% en transporte privado y 10% otros medios.
La distribución de frecuencias de la variable Trans es:
En este caso para realizar el contraste Chi-cuadrado es necesario definir las cuatro categorías contempladas en la hipótesis nula ello, se crea una nueva variable, Trans2, a partir de Trans con las siguientes categorías: Metro, Bus, Privado (que resultará de ag
Coche y Moto) y Otros (que agrupará Tren y Otros).Una vez creada la nueva variable, con la secuencia Analizar > Prueb paramétricas > Chi-cuadrado se llega al cuadro de diálogo en donde se selecciona la variable Trans2 y se introduce en V esperados las frecuencias relativas de cada categoría según la hipótesis nula correctamente ordenadas: 0,4 para la categoría
para la 2; 0,2 para la 3 y 0,10 para la 4. Al aceptar se obtienen los siguientes resultados: Como todas las categorías presentan frecuencia esperada mayor que 5 se puede aplicar el contraste Chi-cuadrado sin modif
número de categorías. El valor del estadístico Chi-cuadrado permite rechazar la hipótesis nula para niveles de significación supe al 2,7%. Así pues, al 5% de significación se llega a la conclusión de que la distribución del tipo de transporte que utilizan los alu no se adapta a la publicada por el ayuntamiento.
Ejemplo 2.
Con la información correspondiente a la variable Pla de la base de datos Encinf.sav, se desea comprobar si la valoración que re
los alumnos del plan de estudios sigue una distribución uniforme.
Para realizar la prueba de bondad de ajuste Kolmogorov-Smirnov la secuencia a seguir es Analizar > Pruebas no paramétricas de 1 muestra. Se selecciona la variable Pla de la base de datos Encinf.sav y se indica que la Distribución de contraste es unifor
Los resultados son:
A la vista de los resultados se concluye que no se puede rechazar la hipótesis de que la valoración asignada por este grupo de alu
al plan de estudios es uniforme para cualquier nivel de significación inferior al 7,1%.
Ejemplo 3.
Con la base de datos Encinf.sav, se desea comprobar si la variable gasto presenta una distribución normal.
Para realizar la prueba de normalidad la secuencia a seguir es Analizar> Estadísticos Descriptivos> Explorar. Se selecciona la va Gasto y en el cuadro de diálogo correspondiente a los Gráficos se activa la opción Gráficos con pruebas de normalidad.
Los resultados obtenidos son:
El estadístico de prueba Kolmogorov-Smirnov con la correción de Lilliefors presenta un nivel de significación igual a 0 Enconsecuencia se rechaza la hipótesis de normalidad. El gráfico Q-Q normal ratifica la conclusión anterior, ya que los v observados no se situan sobre la recta esperada bajo el supuesto de normalidad.
