ESTADÍSTICA INFERENCIAL

Bondad de Ajuste
Kolmogorov – Smirnov(K-S)
Profesora: Eva María Mera Intriago

Escuela Superior Politécnica del Litoral

“Impulsando la sociedad del conocimiento”
Facultad de Ciencias Naturales y Matemáticas Guayaquil, noviembre 13 de 2017
 El procedimiento de Kolmogorov y
Smirnov para Bondad de Ajuste

• El procedimiento de Kolmogorov y Smirnov al

igual que el Método Ji-Cuadrado de Pearson,
permite determinar si la muestra con la que se
realiza un estudio proviene de una determinada
Distribución de Probabilidades.
• Kolmogorov y Smirnov es un procedimiento no
parámetrico

Estadística Inferencial 14/12/2017 2

 Bondad de Ajuste: Contraste de
Hipótesis Kolmogorov y Smirnov

• El Contraste de Hipótesis para Bondad de Ajuste lucirá

como se presenta a continuación.

H0: La Muestra X ha sido tomada de una población X

que tiene Distribución específica F0

vs.

H1: No es verdad que la Distribución de la población X

de la que se ha tomado la Muestra X sea F0

Estadística Inferencial 14/12/2017 3

 Bondad de Ajuste: Contraste de
Hipótesis Kolmogorov y Smirnov

• Con (1 - a)100% de Confianza, la Hipótesis Nula del

Contraste, debe ser rechazada si

ˆ
Dn  Max F(x)  F0 (x)  Dn,α
Distribución Distribución
F-Empírica Acumulada

• Dn se denomina Estadístico de Kolmogorov

• La Tabulación de Dn se encuentra en la Tabla Dn,a ,
tabulación realizada por Smirnov.

Estadística Inferencial 14/12/2017 4

Estadística Inferencial 14/12/2017 5
 Bondad de Ajuste: Kolmogorov y Smirnov
Ejercicio

H0: El dado es legal

vs.
H1: No es cierto H0

Ó
 1
 6 ; x = 1, 2, 3, 4, 5, 6
H0: P(X = x) = 

0 ; resto de x
vs.
H1: No es cierto H0

Estadística Inferencial 14/12/2017 6

 Bondad de Ajuste: Kolmogorov y Smirnov
Ejercicio

• Determinemos la Distribución Empírica F̂(x) :

0 ; x 1 No. De
Frecuencia
Frecuencia
 15 Cara acumulada
103 ; 1 x  2
 32 1 15 15
 ; 2x3
103 2 17 32
 51 ; 3x4
F̂(x)  103 3 19 51
 65
103 ; 4x5 4 14 65
 86
103 ; 5x6 5 21 86

103 ; x6 6 17 103
103
Estadística Inferencial 14/12/2017 7
 Bondad de Ajuste: Kolmogorov y Smirnov
Ejercicio

• Determinemos la Distribución Acumulada de X F0(x):

0 ; x 1 No. De Cara P(X = x)
1
6 ; 1 x  2
2
1 1/6
 ; 2x3 2 1/6
6
3 ; 3x4 3 1/6
F(x)   6
4
6 ; 4x5 4 1/6
5 5 1/6
6 ; 5x6
 6 1/6
6 ; x6
6
Estadística Inferencial 14/12/2017 8
 Bondad de Ajuste: Kolmogorov y Smirnov
Ejercicio

• n = 103
X: No.
Cara
Frecuencia F̂(x) F̂(x) F0(x) = P(X  x) F̂(x)  F0 (x)

1 15 15/103 0.146 1/6 0.020

2 17 32/103 0.311 2/6 0.021
3 19 51/103 0.495 3/6 0.005
4 14 65/103 0.631 4/6 0.036
5 21 86/103 0.835 5/6 0.003
6 17 103/103 1.000 6/6 0.001
ˆ
Max F(x)  F0 (x)
Estadística Inferencial 14/12/2017 9
 Lectura de la
Tabla E

1.2239
Dn =103,α = 0.10   0.121
103

Estadística Inferencial 14/12/2017 10

 Bondad de Ajuste: Kolmogorov y Smirnov
Ejercicio
Siendo
1.2239
Dn =103,α = 0.10   0.121
103
Valor p
1.3581 a = 0.10
Dn =103,α = 0.05   0.133
103 a = 0.05
a = 0.01
1.6276
Dn =103,α = 0.01   0.160
103
0,000
*
0,040 0,080 0,120 0,160 0,200

Ocurriendo que:
Esto nos lleva a un
ˆ
Max F(x)  F0 (x)  0.036 Valor p >> 0.10
Por lo tanto: Existe evidencia estadística para no rechazar la
Hipótesis Nula, esto es, El dado es legal.
Estadística Inferencial 14/12/2017 11
 Ejemplo 8.12
Método de Kolmogorov - Smirnov

Los siguientes datos son tomados de la bitácora de un

consultor profesional que para un Estudio de Tráfico
observa la cantidad de vehículos que cada minuto “pasan”
en una sola dirección, de una calle que alimenta una de
las avenidas que envía tráfico al “Puente de la Unidad
Nacional” en Guayaquil; el período es de una hora y las
sesenta anotaciones efectuadas se presentan a
continuación:

xT = ( 3 1 3 1 2 2 5 2 4 2 4 1 2 1 3 3 0 2 7
4 1 2 2 1 2 3 5 5 1 2 3 2 1 2 4 1 2 2 5 5 1
2 6 1 4 3 4 7 3 3 2 1 0 4 3 4 3 1 7 4)

Estadística Inferencial 14/12/2017 12

 …viene Ejemplo 8.14

Nos preguntamos “¿Es razonable suponer que la variable

X = “número de vehículos de cuatro o más ruedas que
circulan por el sitio bajo observación”, se puede modelar
como una Variable Aleatoria Poisson con l = 2.4 vehículos
por minutos?.”

Resolver el problema utilizando el procedimiento de

Kolmogorov y Smirnov.

Estadística Inferencial 14/12/2017 13

 …viene Ejemplo 8.14

Desarrollo. La Muestra Ordenada es:

yT = ( 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3
3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 5
5 5 5 5 6 7 7 7)

H0: X es una Variable Aleatoria Poisson con l = 2.4

vs.

H 1:  H 0
Estadística Inferencial 14/12/2017 14
 …viene Ejemplo 8.12

Determinemos F̂(x) : X Frecuencia

Frecuencia
acumulada
0 ; x 0
2 0 2 2
 60 ; 0  x 1
 15 ; 1 x  2
1 13 15
60
 31 2 16 31
 60 ; 2 x 3
 42
F̂(x)   60 ; 3 x  4 3 11 42
 51 ; 4 x 5
 60 4 9 51
 56
60 ; 5 x  6 5 5 56
 57
 60 ; 6 x 7
6 1 57
1 ; x 7
7 3 60
Estadística Inferencial
n=6014/12/2017 15
 Distribución Empírica

Estadística Inferencial 14/12/2017 16

 …viene Ejemplo 8.14

Tabulemos:
e-2.4 2.4x
P(X = x) = ; S  0,1, 2,...
x!

x F̂(x) F0 (x) = P(X  x) F̂(x) - F0 (x)

0 2/60 = 0.0333 0.0907 0.0574
1 15/60 = 0.2500 0.3084 0.0584
2 31/60 = 0.5166 0.5697 0.0531
3 42/60 = 0.7000 0.7787 0.0787
4 51/60 = 0.8500 0.9041 0.0541
5 56/60 = 0.9333 0.9643 0.0310
6 57/60 = 0.9500 0.9884 0.0384
7 60/60 = 1.0000 0.9966 0.0034

ˆ
Max F(x)  F0 (x)
Estadística Inferencial 14/12/2017 17
 …viene Ejemplo 8.14
Siendo
1.2239
Dn = 60,α = 0.10   0.158
60
Valor p
1.3581 a = 0.10
Dn = 60,α = 0.05   0.1753
60 a = 0.05
a = 0.01
1.6276
Dn = 60,α = 0.01   0.210
60 0,000
* 0,100 0,200 0,300

Ocurriendo que:
Esto nos lleva a un
ˆ
Max F(x)  F0 (x)  0.0787 Valor p > 0.10
Concluimos que no existe evidencia estadística para rechazar
H0 ya que el valor p > 0.10
Estadística Inferencial 14/12/2017 18
 REFERENCIAS BIBLIOGRÁFICAS

• ZURITA, G. (2010), “Probabilidad y Estadística,

Fundamentos y Aplicaciones”, Segunda Edición,
Ediciones del Instituto de Ciencias Matemáticas ESPOL,
Guayaquil, Ecuador.

Estadística Inferencial 14/12/2017 19