Scribd
Cargar
129 vistas2 páginas

Pruebas de Normalidad

Este documento describe tres pruebas comunes de normalidad: la prueba de Anderson-Darling, la prueba de Kolmogorov-Smirnov y la prueba de Ryan-Joiner. Cada prueba compara los datos de la muestra con una distribución normal esperada para determinar si los datos provienen de una población normal. La prueba de Anderson-Darling tiende a ser la más efectiva para detectar desviaciones en las colas de la distribución.

Cargado por

cristian Iladoy Bolanos Villanueva
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
129 vistas2 páginas

Pruebas de Normalidad

Este documento describe tres pruebas comunes de normalidad: la prueba de Anderson-Darling, la prueba de Kolmogorov-Smirnov y la prueba de Ryan-Joiner. Cada prueba compara los datos de la muestra con una distribución normal esperada para determinar si los datos provienen de una población normal. La prueba de Anderson-Darling tiende a ser la más efectiva para detectar desviaciones en las colas de la distribución.

Cargado por

cristian Iladoy Bolanos Villanueva
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

PRUEBAS DE NORMALIDAD

Los resultados de la prueba indican si usted debe rechazar o no puede rechazar la hipótesis

nula de que los datos provienen de una población distribuida normalmente. Puede realizar

una prueba de normalidad y producir una gráfica de probabilidad normal en el mismo

análisis. La prueba de normalidad y la gráfica de probabilidad suelen ser las mejores

herramientas para evaluar la normalidad.

1. Tipos de pruebas de normalidad

Los siguientes son tipos de pruebas de normalidad que puede utilizar para evaluar la

normalidad.

1.1. Prueba de Anderson-Darling

Esta prueba compara la función de distribución acumulada empírica (ECDF) de

los datos de la muestra con la distribución esperada si los datos fueran normales.

Si la diferencia observada es adecuadamente grande, usted rechazará la hipótesis

nula de normalidad de la población.

1.2. Prueba de normalidad de Ryan-Joiner

Esta prueba evalúa la normalidad calculando la correlación entre los datos y las

puntuaciones normales de los datos. Si el coeficiente de correlación se encuentra

cerca de 1, es probable que la población sea normal. El estadístico de Ryan-

Joiner evalúa la fuerza de esta correlación; si se encuentra por debajo del valor

crítico apropiado, usted rechazará la hipótesis nula de normalidad de la

población. Esta prueba es similar a la prueba de normalidad de Shapiro-Wilk.

1.3. Prueba de normalidad de Kolmogorov-Smirnov

Esta prueba compara la función de distribución acumulada empírica (ECDF) de

los datos de la muestra con la distribución esperada si los datos fueran normales.
Si esta diferencia observada es adecuadamente grande, la prueba rechazará la

hipótesis nula de normalidad de la población. Si el valor p de esta prueba es

menor que el nivel de significancia (α) elegido, usted puede rechazar la hipótesis

nula y concluir que se trata de una población no normal.

2. Comparación de las pruebas de normalidad de Anderson-Darling,

Kolmogorov-Smirnov y Ryan-Joiner

Las pruebas de Anderson-Darling y Kolmogorov-Smirnov se basan en la función de

distribución empírica. La prueba de Ryan-Joiner (similar a la prueba de Shapiro-

Wilk) se basa en regresión y correlación.

Las tres pruebas tienden a ser adecuadas para identificar una distribución no normal

cuando la distribución es asimétrica. Las tres pruebas distinguen menos cuando la

distribución subyacente es una distribución t y la no normalidad se debe a la

curtosis. Por lo general, entre las pruebas que se basan en la función de distribución

empírica, la prueba de Anderson-Darling tiende a ser más efectiva para detectar

desviaciones en las colas de la distribución. Generalmente, si la desviación de la

normalidad en las colas es el problema principal, muchos profesionales de la

estadística usarían una prueba de Anderson-Darling como primera opción.

Consultado de:

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-

statistics/supporting-topics/normality/test-for-normality/

También podría gustarte