Instituto Tecnológico de

Aguascalientes
Ingeniería Industrial
Verano 2021
Estadística Inferencial I
Docente: M.C.A. Damian Muñoz Ibarra
Unidad 1
Alumna: Montserrat de Jesús Morales García
No. Control 20150145

Fecha de entrega
21 de julio del 2021
 INSTITUTO TECNOLOGICO DE AGUASCALIENTES
Departamento de Ingeniería Industrial
Estadística Inferencial I
Actividad Cuestionario: Conceptos fundamentales de las pruebas de
bondad de ajuste.

INSTRUCCIONES: Leer cuidadosamente cada pregunta, se entregan con los

siguientes apartados:
Debe de tener atributos como limpieza, orden y entregado en fecha indicada.
Todos los puntos anteriores se califican, así como las respuestas a las
preguntas.

I. Complementa las siguientes preguntas:

1. ¿Qué es una prueba de bondad de ajuste?

Es una prueba en la que se comparan los resultados de una muestra
aleatoria con los esperados al observar si la hipótesis nula es correcta. Dicha
comparación se hace mediante la clasificación de datos de diferentes
categorías y comparando las frecuencias esperadas con las frecuencias
observadas. Para obtener un error tipo 1, la hipótesis nula es rechazada si
existe una diferencia significativa entre las frecuencias esperadas y las
observadas
2. ¿Por qué son importantes?
Son importantes ya que nos permiten comparar los datos de una muestra con
los datos esperados.
3. ¿Cuál es el estadístico de prueba que usan?

4. Describe los tipos de las pruebas de bondad de ajuste.

Paramétricas
Análisis Ji-Cuadrada: nos permiten probar si más de dos proporciones de
población pueden ser consideradas iguales.
Prueba de la bondad del ajuste: La prueba se basa en el nivel de ajuste que
existe entre la frecuencia de ocurrencia de las observaciones en una muestra
observada y las frecuencias esperadas que se obtienen a partir de la
distribución hipotética.
No Paramétricas
 Pruebas de Kolmogorov-Smirnoff: Son pruebas no paramétricas que se
utilizan para probar la concordancia entre una distribución acumulada
observada de valores muestrales y una función de distribución continua
determinada. Emplea la diferencia absoluta máxima D entre los valores de la
distribución acumulada de una muestra aleatoria de tamaño n y una
distribución teórica determinada. Esta prueba es, en general, más eficiente
que la Chi-cuadrada para pruebas de bondad de ajuste en muestras
pequeñas, sin embargo, esta prueba no es aplicable a distribuciones
discretas.
Prueba de Anderson -Darling Dada a conocer en 1954, la prueba de
Anderson-Darling tiene como propósito corroborar si una muestra de datos
proviene de una población con una distribución de probabilidad específica.
Es una modificación a la prueba de Kolmogorov-Smirnov (K-S) y da más peso
para las colas que la prueba de K-S. La prueba de K-S es distribución libre
en el sentido del que los valores críticos no dependen la distribución
específica que esta siendo probada. La prueba de Anderson-Darling hace
uso de la distribución específica en los valores críticos interesados. Esto tiene
la ventaja de permitir una prueba más sensitiva y la desventaja que los
valores críticos deben estar calculados para cada distribución.

5. El número de grados de libertad para el tipo de prueba chi cuadrada se

obtienen como sigue: v = k − m . K y M que significan?

K = número de clasificaciones en el problema.

m = número de parámetros estimados a partir de los datos muestrales para

obtener los valores esperados.

6. Relaciona ambas columnas.

( PC ) Estadístico de prueba
k
( oi − e i ) 2
0 = 
2

i =1 ei
(KS) Pruebas de ( AC )Tiene como propósito corroborar si
Kolmogorov- una muestra de datos proviene de una
población con una distribución de
Smirnoff
probabilidad específica, da más peso a
las colas
( AD )Estadístico de prueba
 
An2 = − n +  ( 2i − 1)ln F ( y i ) + ln(1 − F ( y n+ 1− i ))
1 n
 n i =1 
(AD) Prueba de ( KS ) Esta prueba es, en general, más
Anderson -Darling eficiente que la Chi-cuadrada para
 pruebas de bondad de ajuste en
muestras pequeñas, sin embargo esta
prueba no es aplicable a distribuciones
discretas.
( KS ) Estadístico de prueba
 
D0 = Máx Fobs − Fesp
(PC) Pruebas de Chi- ( PC ) Usada para determinar si un
Cuadrada conjunto de frecuencias observadas de
una muestra se ajustan a un conjunto
correspondiente de frecuencias
esperadas o teóricas
Introduccion:

En este ensayo se examinarán pruebas de hipótesis en las que la característica

que se desconoce es alguna propiedad de la forma funcional de la distribución
que se muestrea. Además, se discutirán pruebas de independencia de dos
variables aleatorias en las cuales la evidencia muestral se obtiene mediante la
clasificación de cada variable aleatoria en un cierto número de categorías. Este
tipo de prueba recibe el nombre de bondad de ajuste. Para un tamaño específico
del error de tipo I, la hipótesis nula será rechazada si existe una diferencia
suficiente entre las frecuencias observadas y las esperadas.

La hipótesis alternativa es compuesta y a veces no suele estar identificada. El

resultado es que la función potencia es difícil de obtener. En consecuencia, una
prueba de bondad de ajuste no debe usarse por sí misma para aceptar la
afirmación de la hipótesis nula.

En el siguiente ensayo hablaremos sobre la unidad cuatro llamada pruebas de

bondad de ajuste que tiene como objetivo que al terminar la unidad el alumno
aplicará las diferentes pruebas de bondad de ajuste a un conjunto de datos y
contrastará los resultados de cada prueba.
La Prueba de Bondad de Ajuste Chi Cuadrado es la prueba de bondad de ajuste
más utilizado. En general una prueba de bondad de ajuste se utiliza para
discriminar si una colección de datos o muestra se ajusta a una distribución
teórica de una determinada población. En otras palabras, nos dice si la muestra
disponible representa (ajusta) razonablemente los datos que uno esperaría
encontrar en la población.
La prueba de bondad de ajuste chi cuadrado puede ser utilizado para trabajar
tanto con distribuciones discretas como, por ejemplo, la Distribución de Poisson
o la Distribución Binomial como así también con distribuciones continuas (por
ejemplo, Distribución Normal, Distribución Exponencial, etc). Esto a diferencia
 de las pruebas de bondad de ajuste Kolmogorov Smirnov y Anderson Darling
que sólo pueden ser utilizados para trabajar con distribuciones continuas.
En el fascículo anterior analizamos las pruebas de significación estadística y
observamos que existen varias pruebas que nos permiten encontrar una
diferencia estadística entre un supuesto valor del parámetro poblacional y la
evidencia obtenida por una muestra. Para optar por alguna de ellas debíamos
tener en cuenta entre otros aspectos: el tipo de variables que estamos
estudiando.
Esta vez vamos a referirnos a variables que se han medido a nivel nominal. Es
decir, que sus valores representan categorías o grupos en una variable. Puede
ser el caso de cuántas personas están a favor o en contra de un candidato
político. En este caso tenemos dos categorías o grupos: los que van por el sí y
los que van por el no. Puede tratarse de otra variable como nivel de satisfacción
respecto al sabor de la comida. En este caso las personas contestan según tres
categorías 1. Si satisfecho, 2. No satisfecho, y 3. Indeciso. Otras variables
semejantes son el género o sexo de la persona, la marca de pasta dental
preferida.
Hipótesis sobre una distribución uniforme
En las pruebas de bondad de ajuste se desea conocer si las muestras aproximan
distribuciones específicas.
La Prueba de Hipótesis para medias usando Distribución Normal se usa cuando
se cumplen las siguientes dos condiciones:
Es posible calcular las medias y la desviación estándar a partir de la muestra.
El tamaño de la muestra es mayor o igual a 30.
Una tabla de contingencia es una herramienta utilizada en la rama de la estadística,
la cual consiste en crear al menos dos filas y dos columnas para representar datos
categóricos en términos de conteos de frecuencia.

Esta herramienta, que también se conoce como tabla cruzada o como tabla de dos
vías, tiene el objetivo de representar en un resumen, la relación entre diferentes
variables categóricas.
La tabla de contingencia es una de las herramientas analíticas más útiles y un pilar
de la industria de la investigación de mercados.

Procedimiento en una prueba de hipótesis

• Plantear
H0) Hipótesis nula, con la que se contrastan los datos
de la muestra.
H1) Hipótesis alternativa.
• Fijar un estadístico de prueba T.
• Fijar el o los valores críticos para el estadístico de prueba, que
delimitan la zona de rechazo. (valor α).
• Tomar la muestra y calcular el estadístico de prueba.
• ¿Los datos evidencian que la hipótesis nula es falsa?
• Sí. Se rechaza la hipótesis nula.
• No. No se rechaza la hipótesis nula.

Test chi-cuadrado
No se utilizan los valores de las observaciones sino las frecuencias.
Se compara la distribución de las frecuencias de los datos observados con las
frecuencias según la distribución teórica supuesta.
fo : frecuencia observada.
fe : frecuencia esperada.

La prueba de Kolmogórov-Smirnov es una propia perteneciente a la estadística,

concretamente a la estadística inferencial. La estadística inferencial pretende
extraer información sobre las poblaciones.

Se trata de una prueba de bondad de ajuste, es decir, sirve para verificar si las
puntuaciones que hemos obtenido de la muestra siguen o no una distribución
normal. Es decir, permite medir el grado de concordancia existente entre la
distribución de un conjunto de datos y una distribución teórica específica. Su objetivo
es señalar si los datos provienen de una población que tiene la distribución teórica
especificada, es decir, lo que hace es contrastar si las observaciones podrían
razonablemente proceder de la distribución especificada.
En neonatología, la prueba de Silverman y Anderson es un examen que valora la
dificultad respiratoria de un recién nacido, basado en cinco criterios. Cada
parámetro es cuantificable y la suma total se interpreta en función de dificultad.

Conclusión:
Con la práctica podemos realizar suposiciones sobre el valor de algún parámetro
estadístico. Estas proposiciones se deben contrastar con la realidad (mediante el
muestreo de datos) para tomar una decisión entre aceptar o rechazar la suposición.
Estos supuestos se denominan Hipótesis y el procedimiento para decidir si se
aceptan o se rechazan se llama prueba de hipótesis o de significación. Una prueba
de hipótesis es una herramienta de análisis de datos muy importante para la toma
de decisiones, que puede en general formar parte de un experimento comparativo
más completo entre un supuesto y la realidad.

Referencias Bibliográficas:
• http://cloud.aguascalientes.tecnm.mx/moodle/pluginfile.php/386362/m
od_resource/content/0/Pruebas%20de%20%20bondad.pdf
• http://cloud.aguascalientes.tecnm.mx/moodle/pluginfile.php/386361/m
od_resource/content/0/Pruebas%20de%20Bondad%20de%20Ajuste.pd
f