S.E.P. S.E.S. T.N.
INSTITUTO TECNOLÓGICO DE TOLUCA
Ingeniería Industrial
Estadística Inferencial I
Pruebas de bondad paramétricas y no
paramétricas
Alumno: Hernández García Victoria
Maestro: Campos Beltrán Luis
METEPEC, ESTADO DE MÉXICO, NOVIEMBRE DE 2024
Prueba de Kolmogorov – Smirnov
Tipo de prueba no paramétrica. 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.
Se puede aplicar sobre una muestra para comprobar si una variable (por ejemplo, las
notas académicas o los ingresos) se distribuye normalmente.
Prueba de Anderson – Darling
Mide el área entre la línea ajustada basada en la distribución normal y la función de
distribución empírica que se basa en los puntos de los datos. El estadístico de Anderson-
Darling es una distancia elevada al cuadrado que tiene mayor ponderación en las colas de
la distribución.
Puede ser utilizado para comprobar si los datos satisfacen el supuesto de normalidad para
una prueba t. También se lo puede definir como aquel estadístico no paramétrico que es
utilizado para probar si un conjunto de datos muéstrales provienen de una población con
una distribución de probabilidad continua específica, por lo general, de una distribución
normal. Esta prueba se basa en la comparación de la función de la distribución acumulada
empírica de los resultados de la muestra con la distribución esperada si los datos fueran
normales.
Prueba de Ryan – Joiner
Esta prueba evalúa la normalidad calculando la correlación entre sus datos y los valores
normales de sus datos. Si el coeficiente de correlación está cerca de 1, la población
probablemente es normal.
La estadística de Ryan-Joiner evalúa la fuerza de esta correlación; si es menos que el
valor apropiado crítico, usted rechazará la hipótesis nula de normalidad demográfica. Esta
prueba es similar a la prueba de normalidad Shapiro-Wilk. (está basado en la regresión y la
correlación).
Prueba de Shappiro – Wilk
Prueba estadística que se utiliza para evaluar si un conjunto de datos sigue una
distribución normal. Esta prueba es una de las más utilizadas y es considerada una de las
más fiables para evaluar la normalidad. Esta herramienta compara los datos recopilados
con una distribución normal teórica, y determina si existe una diferencia significativa entre
los dos. Si los datos se asemejan significativamente a la distribución normal, se concluye
que los datos son normales. Por otro lado, si existe una diferencia significativa, se concluye
que los datos no son normales.
Se utiliza para determinar si los datos provienen de una distribución normal o no. Es útil en
el análisis de datos que tienen una muestra pequeña o moderada (menos de 50), ya que
es más precisa que otras pruebas en estos casos. Además, es una prueba no paramétrica,
lo que significa que no requiere conocer el valor de los parámetros de la distribución
normal subyacente.
Bibliografía
- Ruiz, L. (2019) Prueba de Kolmogórov-Smirnov: qué es y cómo se usa en
estadística. [Link]
- Flores, C. & Flores, K. (2021) PRUEBAS PARA COMPROBAR LA NORMALIDAD
DE DATOS EN PROCESOS PRODUCTIVOS: ANDERSON-DARLING, RYAN-
JOINER, SHAPIRO-WILK Y KOLMOGÓROV-SMIRNOV.
[Link]
%20estadístico%20de%20bondad%20de,los%20puntos%20de%20los%20datos%2
D.
- Luna, J. (2014) Prueba Ryan-Joiner. [Link]
joiner/
- Blanca (2023) Prueba de Shapiro-Wilks ¿Cómo se mide la normalidad de datos?
Ejemplos de aplicación. [Link]
