Beruflich Dokumente
Kultur Dokumente
Dc Max H i1
Fi
, H i Fi
Este valor se compara con el valor crtico que se encuentra en una tabla. Se
rechaza la hiptesis nula si Dc es mayor que el valor de tabla para el nivel de
confianza y el tamao de muestra que se estn considerando.
4.1
1.6
4.3
3.1
3.8
3.5
3.1
3.4
3.7
3.2
4.5
3.3
3.6
4.4
2.6
3.2
3.8
2.9
3.2
3.9
3.7
3.1
3.3
4.1
3.0
3.0
4.7
3.9
1.9
4.2
2.6
3.7
3.1
3.4
3.5
3.5 y 0.7
F.REL.ACM
F(X)
H i1
H i Fi
Fi
------------------------------------------------------------------------1.60000
0.02500
0.0033
0.0033
0.02
0
17
1.90000
0.05000
0.0111
0.0139
0.03
0
89
2.20000
0.07500
0.0317
0.0183
0.04
0
33
2.50000
0.10000
0.0766
0.0016
0.02
0
34
2.60000
0.15000
0.0993
0.0007
0.05
0
07
2.90000
0.17500
0.1957
0.0457
0.02
0
07
3.00000
0.22500
0.2375
0.0625
0.01
0
25
3.10000
0.32500
0.2839
0.0589
0.04
0
11
3.20000
0.40000
0.3341
0.0091
0.06
0
59
3.30000
0.47500
0.3875
0.0125
0.08
0
75
3.40000
0.55000
0.4432
0.0318
0.10
*
0
68
3.50000
0.60000
0.5000
0.0500
0.10
0
00
3.60000
0.62500
0.5568
0.0432
0.06
0
82
3.70000
0.70000
0.6125
0.0125
0.08
0
75
3.80000
0.75000
0.6659
0.0341
0.08
0
41
3.90000
0.80000
0.7161
0.0339
0.08
0
39
4.10000
0.85000
0.8043
0.0043
0.04
0
57
4.20000
0.87500
0.8414
0.0086
0.03
0
36
4.30000
0.90000
0.8735
0.0015
0.02
0
65
4.40000
0.92500
0.9007
0.0007
0.02
0
43
4.50000
0.95000
0.9234
0.0016
0.02
0
66
4.70000
1.00000
0.9568
0.0068
0.04
------------------------------------------------------------------------0
32
y n=40.
0.05
Como Dc p DT , no se rechaza la hiptesis nula de que los datos se ajustan a una
distribucin normal con 3.5 y 0.7
2
ih
1
W
a j,n xnj1 x j
ns2 i1
A
ns
2
2
Donde:
2
i n
ns X
2
i
1
xi
Los coeficientes
n
2
Si n es par. Si no,
h n 1
2
es el valor ordenado en
EJEMPLO
Contrastar la hiptesis de que los datos siguientes provienen de una distribucin
normal: (20, 22, 24, 30, 31, 32, 38). Para aplicar el test calcularemos los valores
a j,
a17= 0.6233
a27= 0.3031
a37= 0.1401
Por lo tanto, A ser:
A a17 x7 x1 a27 x6 x2 a37 x5 x2
= 0.6233. (18) + 0.3031 (10) + 0.1401(7)=15.2311
Como:
2
s = 34.9796,
ns = 244.8571
A = 231.9864
El estadstico resultante ser:
= 231.9864 = 0.9474
244.8571
El valor de para n=7 y un nivel de significacin de 0.05 es, 0.803, menor que el
obtenido, por lo que aceptamos la hiptesis de normalidad.
Esta prueba es aplicada para evaluar el ajuste a cualquier distribucin de probabilidades. Se basa
en al comparacin de la distribucin de probabilidades acumulada emprica (resultado de los
datos) con la distribucin de probabilidades acumulada terica (definida por H0).
Hiptesis
:
La variable no sigue una distribucin Normal
2
Estadstico de Prueba:
2
A n S
S
n
1
ln F
Yi
2i
ln 1F Y
i1
n1i
de
si A2 es mayor
AT2
0.1
0.6
31
0.0
5
0.7
52
0.0
25
0.8
73
0.01
1.0
35
Ejemplo:
Pruebe si los siguientes datos se distribuyen o no en forma normal
0.2
5
0.5
00.4
0.0
0
0.1
00.0
0.7
0
0.2
60.6
0.1
0.5
5
0.2
0
0.1
0.1
0.6
0.0
5
0.0
0.2
0.1
0.5
6
0,
Los datos no siguen una distribucin Normal 0,
0.4
0.3
2
22
22
i1
S=
i=1
22 x
i
i
2
x 1
i
0.3708
n 1
n
(2i1)1
3
5
7
9
1
1
3
1
5
1
7
1
9
2
1
2
3
2
5
2
7
2
9
3
1
3
3
5
3
7
3
9
4
1
4
3
TOTA
L
Yi
0.6
0.6
-0.4
-0.4
-0.3
0.2
-0.1
-0.1
-0.1
0.1
-0.0
0.0
0.0
0
0.0
5
0.1
0
0.2
0
0.2
5
0.2
6
0.5
0
0.5
5
0.5
6
0.7
0
Yn+
1-i
0.7
0
0.5
6
0.5
5
0.5
0
0.2
6
0.2
5
0.2
0
0.1
0
0.0
5
0.0
-0
-0.04
-0.05
-0.10
0.10
-0.14
-0.15
-0.20
0.30
-0.40
-0.40
-0.64
0.65
F(Y
i)
0.03
98
0.04
22
0.14
03
0.14
03
0.20
92
0.29
48
0.34
29
0.35
29
0.39
37
0.39
37
0.44
64
0.45
70
0.50
00
0.55
36
0.60
63
0.70
52
0.74
99
0.75
84
0.91
12
0.93
10
0.93
45
0.97
05
F(Yn+1
-i)0.970
1F(Yn+1-i)
0.0295
ln(F(Y
i))-
5
0.934
5
0.931
0
0.911
2
0.758
4
0.749
9
0.705
2
0.606
3
0.553
6
0.500
0
0.457
0
0.446
4
0.393
7
0.393
7
0.352
9
0.342
9
0.294
8
0.209
2
0.140
3
0.140
3
0.042
2
0.039
8
0.0655
0.0690
0.0888
0.2416
0.2501
0.2948
0.3937
0.4464
0.5000
0.5430
0.5536
0.6063
0.6063
0.6471
0.6571
0.7052
0.7908
0.8597
0.8597
0.9578
0.9602
3.224
3.166
-1.964
-1.964
-1.564
1.221
-1.070
-1.042
-0.932
0.932
-0.807
-0.783
-0.693
0.591
-0.500
-0.349
-0.288
0.277
-0.093
-0.071
-0.068
0.030
ln(1-F(Yn+1i)) -3.522
-2.726
-2.674
-2.422
-1.420
-1.386
-1.221
-0.932
-0.807
-0.693
-0.611
-0.591
-0.500
-0.500
-0.435
-0.420
-0.349
-0.235
-0.151
-0.151
-0.043
-0.041
Si
0.307
0.803
-1.054
-1.395
-1.221
1.304
-1.354
-1.346
-1.344
1.404
-1.353
-1.437
-1.356
1.340
-1.233
-1.084
-0.956
0.813
-0.411
-0.395
-0.207
0.138
22.25
A 22 22.253 0.2532
Este valor es menor inclusive al valor crtico correspondiente a
el supuesto de normalidad de los datos
PRUEBA DE RYAN-JOINER
Esta prueba es una modificacin de la prueba de Kolmogorov-Smirnov donde se le da ms peso a las
colas de la distribucin que la prueba de Kolmogorov-Smirnov.
En estadstica, la prueba de Ryan -Joiner es una prueba no paramtrica sobre si, los datos de una
muestra provienen de una distribucin especfica.
La frmula para el estadstico determina si los datos (observar que los datos se deben
ordenar) vienen de una distribucin con funcin acumulativa F.
Esta prueba evala la normalidad calculando la correlacin entre sus datos y las puntuaciones
normales de sus datos. Si el coeficiente de correlacin se encuentra cerca de 1, es probable que la
poblacin sea normal. La estadstica de Ryan-Joiner evala la solidez de esta correlacin; si se
encuentra por debajo del valor crtico apropiado, usted rechazar la hiptesis nula de normalidad en la
poblacin.
Ecuacin:
A2= N S
Usos:
La prueba de Ryan - Joiner es usada para probar si una muestra viene de una distribucin especfica.
Ejemplo:
En la prctica, se tienen valores reales de promedio diferentes de cero y con desviacin estndar
diferentes de uno, para determinar la probabilidad o rea bajo la curva, se determina el nmero de
desviaciones estndar Z entre algn valor X y la media de la poblacin o de la muestra X como
sigue:
X X
s
El departamento de personal de una empresa requiere que los solicitantes a un puesto en cierta
prueba alcancen una calificacin de 500. Si las calificaciones de la prueba se distribuyen
normalmente con media 485 y desviacin estndar 30 Qu porcentaje de los solicitantes
pasar la prueba?
Buscamos el valor correspondiente Z en las tablas de distribucin normal estndar. Z 0.5 = 0.69146 =
69.146%. Donde la probabilidad de que la calificacin sea menor a 500 es P (X <= 500). Dado que el
P ( X 500)
porcentaje pedido es
la solucin es 1-0.69146 =0.3085, por tanto slo 30.85% de los
participantes pasarn la prueba.
Otra forma es tomando la Z como negativa con P(Z <= -0.5) = 0.3085.
PRUEBA DE KRUSKAL-WALLIS
, donde:
en el grupo
es el promedio de
exactamente
.
es
. Luego
, donde
repetidos, y
que tiene
Procedimiento general:
Planteamiento de hiptesis
Calcular el estadstico de prueba
. Si algn
es pequeo (
Regla de decisin
Conclusiones Prueba de Kruskal-Wallis
Ejemplo
La manufacturera A recluta y contrata personal para su equipo gerencial en tres escuelas
diferentes. Se dispone de calificaciones de desempeo en muestras independientes de cada una
de las escuelas. Se dispone de calificaciones de 7 empleados de la escuela A, 6 de la B y 7 de la
C. La calificacin de cada gerente est en escala de 0 a 100. El lmite superior es la mxima
nota.
A
25
70
60
85
95
90
80
B
60
20
30
15
40
35
C
50
70
60
80
90
70
75
Determinar si las tres escuelas son idnticas en cuanto a las evaluaciones de desempeo.
Planteamiento de Hiptesis
Ho: Las poblaciones son idnticas en trminos de las evaluaciones de desempeo.
Ha: Las dos poblaciones no son idnticas en trminos de las evaluaciones de desempeo.
Ordenar todos los datos en forma ascendente.
Asignar rangos a los datos ordenados.
Ubicar los rangos asignados de acuerdo a la clasificacin original (escuelas)
Sumar las columnas de rangos
Usar la siguiente ecuacin para el clculo de K.
Escuela
B
B
A
B
B
B
Calificacion
15
20
25
30
35
40
Rango
1
2
3
4
5
6
C
A
B
C
A
C
C
C
A
C
A
A
C
A
50
60
60
60
70
70
70
75
80
80
85
90
90
95
7
9
9
9
12
12
12
14
15.15
15.15
17
18.5
18.5
20
8
9
10
11
12
13
15
16
15.5
18
19
18.5
Reordenamiento de Rangos
ESCUELA A
25
70
60
85
95
90
80
RANGO
3
12
9
17
20
18.5
15.5
95
ESCUELA B
60
20
30
15
40
35
RANGO
9
2
4
1
6
5
27
W=
Regla de decisin Si
X 2c
X 2tab se rechaza Ho
ESCUELA C
50
70
60
80
90
70
75
RANGO
7
12
9
15.5
18.5
12
14
88
Con base en esta muestra, obtener una nueva sucesin binaria, segn el criterio siguiente:
Ho: Si rj es menor o igual a 0.50 entonces asignarle a rj el smbolo 0.
Ha: Si rj es mayor a 0.50 entonces asignarle a rj el smbolo 1.
0.31
0.81
0.48
0.01
0.60
0.26
0.34
0.70
0.31
0.07
0.06
0.33
0.49
0.77
0.04
0.43
0.92
0.25
0.83
0.68
0.97
0.11
0.00
0.18
0.11
0.03
0.59
0.25
0.55
Comparando los nmeros aleatorios segn el criterio establecido, se obtiene la siguiente sucesin
binaria. Leyendo de izquierda a derecha se agrupan los smbolos del mismo tipo para formar las
corridas.
0
FE
FO
(FE-FO)2/FE
8.000
0.125
3.875
0.197
1.875
0.008
0.906
0.010
0.438
0.721
Como para las longitudes de corrida i = 2, 3, 4, 5; las frecuencias observadas son menores o igual a
cinco, agrupamos estas longitudes de corridas en una sola longitud de corrida.
i
FE
FO
(FE-FO)2/FE
0.125
>=2
7.04
0.936
2
0
X = 1.061
El valor en tablas de X21.5%= 3.84; entonces no se puede rechazar la independencia de los nmeros
aleatorios.
0.31
0.81
0.48
0.01
0.60
0.26
0.34
0.70
0.31
0.07
0.06
0.33
0.49
0.77
0.04
0.43
0.92
0.25
0.83
0.68
0.97
0.11
0.00
0.18
0.11
0.03
0.59
0.25
0.55
Obsrvese que la ltima celda se deja en blanco, pues no hay con qu nmero comparar. (Aqu N =
29)
Longitud de
corrida i
FE
FO
(FE-FO)2/FE
11.500
11
0.020
5.083
0.001
1.400
0.257
0.292
0.005
FE
FO
(FE-FO)2/FE
11.500
11
0.020
>=2
6.483
0.004
2
0
X = 0.024
Como el valor calculado de 0.024 es menor que el valor en tablas de Ji-cuadrada X21.5%= 3.84, no se
puede rechazar la independencia de los nmeros aleatorios.