Calidad II

UNIVERSIDAD TÉCNICA DE MANABÍ
FACULTAD DE CIENCIAS MATEMATICAS FISICAS Y QUIMICAS
NOMBRE: PALMA CHILA JHON ANTHONY

CARRERA: INGENIERIA QUIMICA
MATERIA: CALIDAD II PARALELO: A
Un caso específico de ajuste a una distribución teórica es la correspondiente a la distribución

normal. Este contraste se realiza para comprobar si se verifica la hipótesis de normalidad
necesaria para que el resultado de algunos análisis sea fiable, como por ejemplo para el
ANOVA.
Para comprobar la hipótesis nula de que la muestra ha sido extraída de una población con
distribución de probabilidad normal se 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 estadístico de prueba es la máxima diferencia:
𝐷 = max|𝐹𝑛(𝑥) − 𝐹𝑜(𝑥)|
Siendo Fn(x) la función de distribución muestral y Fo(x) la función teórica o correspondiente

a la población normal especificada en la hipótesis nula.
La distribución del estadístico de Kolmogorov-Smirnov es independiente de la distribución

poblacional especificada en la hipótesis nula y los valores críticos de este estadístico están
tabulados. Si la distribución postulada es la normal y se estiman sus parámetros, los valores
críticos se obtienen aplicando la corrección de significación propuesta por Lilliefors.
PRUEBA DE SHAPIRO-WILK
Cuando la muestra es como máximo de tamaño 50 se puede contrastar la normalidad con la

prueba de shapiro Shapiro-Wilk. Para efectuarla se calcula la media y la varianza muestral,
S2, y se ordenan las observaciones de menor a mayor. A continuación se calculan las
diferencias entre: el primero y el último; el segundo y el penúltimo; el tercero y el
antepenúltimo, etc. y se corrigen con unos coeficientes tabulados por Shapiro y Wilk. El
estadístico de prueba es:
𝐷2
𝑊=
𝑛𝑆 2
donde D es la suma de las diferencias corregidas.
Se rechazará la hipótesis nula de normalidad si el estadístico W es menor que el valor crítico

proporcionado por la tabla elaborada por los autores para el tamaño muestral y el nivel de
significación dado.
La secuencia para realizar los contrastes de normalidad es:
 Analiza
 Estadísticos Descriptivos
 Explorar
PRUEBA CHI-CUADRADO
Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis
nula de la prueba Chi-cuadrado postula una distribución de probabilidad totalmente
especificada como el modelo matemático de la población que ha generado la muestra.
Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para cada valor
o intervalo de valores se indica la frecuencia absoluta observada o empírica (Oi). A
continuación, y suponiendo que la hipótesis nula es cierta, se calculan para cada valor o
intervalo de valores la frecuencia absoluta que cabría esperar o frecuencia esperada (Ei=n·pi
, donde n es el tamaño de la muestra y pi la probabilidad del i-ésimo valor o intervalo de
valores según la hipótesis nula). El estadístico de prueba se basa en las diferencias entre la
Oi y Ei y se define como:
Este estadístico tiene una distribución Chi-cuadrado con k-1 grados de libertad si n es
suficientemente grande, es decir, si todas las frecuencias esperadas son mayores que 5. En la
práctica se tolera un máximo del 20% de frecuencias inferiores a 5.
Si existe concordancia perfecta entre las frecuencias observadas y las esperadas el estadístico
tomará un valor igual a 0; por el contrario, si existe una gran discrepancia entre estas
frecuencias el estadístico tomará un valor grande y, en consecuencia, se rechazará la hipótesis
nula. Así pues, la región crítica estará situada en el extremo superior de la distribución Chi-
cuadrado con k-1 grados de libertad.
EJEMPLO
Con los datos correspondientes a la variable Trans de la encuesta Enctrans.sav y con

referencia a los encuestados que viven en Barcelona, se quiere comprobar si su distribución
en cuanto al tipo de transporte utilizado se adapta a los resultados de un estudio realizado por
el Ayuntamiento de Barcelona, que son los siguientes: el 40% de los desplazamientos al
trabajo se realizan en metro; 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. Para ello, se crea una nueva variable, Trans2, a partir de
Trans con las siguientes categorías: Metro, Bus, Privado (que resultará de agregar Coche y
Moto) y Otros (que agrupará Tren y Otros).Una vez creada la nueva variable, con la secuencia
Analizar > Pruebas no paramétricas > Chi-cuadrado se llega al cuadro de diálogo en donde
se selecciona la variable Trans2 y se introduce en Valores esperados las frecuencias relativas
de cada categoría según la hipótesis nula correctamente ordenadas: 0,4 para la categoría 1;
0,3 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 modificar el número de categorías. El valor del estadístico Chi-
cuadrado permite rechazar la hipótesis nula para niveles de significación superiores 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 alumnos 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 realizan 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> K-S de 1 muestra. Se selecciona la variable Pla de
la base de datos Encinf.sav y se indica que la Distribución de contraste es uniforme.
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 alumnos 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 variable 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 0,000. Enconsecuencia se rechaza la hipótesis de normalidad.
El gráfico Q-Q normal ratifica la conclusión anterior, ya que los valores observados no se
situan sobre la recta esperada bajo el supuesto de normalidad.
Bibliografía
Educacion. (04 de Abril de 2019). Ub.edu. Obtenido de Ub.edu:
http://www.ub.edu/aplica_infor/spss/cap5-2.htm
Educacion. (04 de Abril de 2019). Ub.edu. Obtenido de Ub.edu:

http://www.ub.edu/aplica_infor/spss/cap5-5.htm
Solis, D. (s.f.). Análisis Cuantitativo del Riesgo y Estadisticas I.

Calidad II

Cargado por

Copyright:

Formatos disponibles

Calidad II

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Calidad II

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TÉCNICA DE MANABÍ

FACULTAD DE CIENCIAS MATEMATICAS FISICAS Y QUIMICAS

NOMBRE: PALMA CHILA JHON ANTHONY

Un caso específico de ajuste a una distribución teórica es la correspondiente a la distribución

Cuando la prueba Kolmogorov-Smirnov kolmogorov se aplica para contrastar la hipótesis de

Siendo Fn(x) la función de distribución muestral y Fo(x) la función teórica o correspondiente

La distribución del estadístico de Kolmogorov-Smirnov es independiente de la distribución

Cuando la muestra es como máximo de tamaño 50 se puede contrastar la normalidad con la

Se rechazará la hipótesis nula de normalidad si el estadístico W es menor que el valor crítico

La secuencia para realizar los contrastes de normalidad es:

Con los datos correspondientes a la variable Trans de la encuesta Enctrans.sav y con

La distribución de frecuencias de la variable Trans es:

Con la información correspondiente a la variable Pla de la base de datos Encinf.sav, se desea

Para realizar la prueba de bondad de ajuste Kolmogorov-Smirnov la secuencia a seguir

Los resultados son:

Para realizar la prueba de normalidad la secuencia a seguir es Analizar> Estadísticos

Los resultados obtenidos son:

Educacion. (04 de Abril de 2019). Ub.edu. Obtenido de Ub.edu:

Solis, D. (s.f.). Análisis Cuantitativo del Riesgo y Estadisticas I.

También podría gustarte