PRUEBA DE LAS
CORRIDAS
Mauro Delboy Ph.D(c)
Prueba de las corridas
Se utiliza para determinar secuencias, patrones
sistemáticos, cambios secuenciales, etc., que denoten
tendencias predecibles.
Ejemplos de estas secuencias son los cambios en los
índices de la bolsa de valores, las decisiones de compra de
los consumidores en una presentación, los niveles de
consumo después de una campaña de publicidad, los votos
hacia un candidato después de un debate televisado, etc.
Prueba de las corridas
Se asigna un signo + para un “éxito", y un
signo - para un "fracaso". De esta forma se tiene
una cadena de + y de -. Por ejemplo, para la
siguiente secuencia de + y de -:
++--+++---+--+++--+
Prueba de las corridas
Cada grupo de + y de - se identifica como una corrida. En la
secuencia mostrada existen 19 observaciones, 9 corridas, 10
"éxitos"(signos +), 9 "fracasos"(signos -).
El número de corridas en una secuencia se usa como un
estadístico para determinar si existe aleatoriedad o no, en una
secuencia de observaciones.
El número de corridas en una secuencia no-aleatoria tiende a
ser muy diferente al de una aleatoria de la misma longitud.
Prueba de las corridas
Los patrones de + y - no aleatorios muestran
movimientos persistentes en la misma dirección
(tendencias que continúan durante muchos
períodos). Esta clase de patrones sistemáticos
produce muy pocas corridas.
Prueba de las corridas
Por ejemplo:
+++++++------
Otros patrones no aleatorios, se dan cuando existe una
excesiva frecuencia de cambios abruptos de dirección.
+-+-+-+-+-+-+
Prueba de las corridas
Para cualquier secuencia, el menor número de
corridas es de 2. La mayor cantidad de corridas que
puede existir es dos veces el numero de
observaciones en la mas pequeña de las dos
categorías.
Prueba de las corridas
Cálculo de la probabilidad
Si el número de observaciones es mayor de 20 y el
número de + y - son cada uno mayor de 10, la
distribución de probabilidad de R se puede
aproximar a la distribución normal, y en
consecuencia se puede usar la Tabla de Áreas Bajo
la Curva Normal (Tabla Z).
Prueba de las corridas
Aproximando
la distribución normal a la distribución
hipergeométrica, R tiene una media o valor esperado
de:
Donde:
: número de signos positivos
número de signos negativos
Prueba de las corridas
Desviación estándar responderá a la siguiente
figura:
El estadístico z será:
Donde r será el número de corridas
Prueba de las corridas
Procedimiento para determinar la aleatoriedad de
corridas.
Enunciar : La serie sigue un proceso aleatorio.
Enunciar La serie no es un proceso aleatorio
Determinar nivel de significancia
Calcular estadístico Z, media y desviación estándar
Conclusiones
Prueba de las corridas
Prueba de las corridas nos ayuda a evaluar
variables dicotómicas como se verá en el siguiente
ejemplo:
Prueba de las corridas
Suponga que usted tiene un stand de comida por el cual pasa
un grupo de 52 compradores potenciales. Lo que interesa es
evaluar si los clientes siguen una distribución aleatoria o no
para evaluar las estrategias de venta.
Si se sigue una distribución aleatoria, se fijará cierta cantidad
de cajeros. Sin embargo, si la llegada de clientes no sigue una
distribución aleatoria, la cantidad de cajeros puede variar de
acuerdo a si llegan mas clientes en el día que en la noche.
Prueba de las corridas
La secuencia es la siguiente:
++-++---+++---+++---++++----+++---+++----+++---++
++-
Siendo + un éxito y siendo – un fracaso.
Con un nivel de 1% de significancia determine si la
llegada de clientes es aleatoria.
Prueba de las corridas
Solución:
++-++---+++---+++---++++----+++---+++----+++---++
++-
Se tiene 27 ventas facturadas, 25 no ventas, y 18
corridas.
La secuencia es un proceso aleatorio
La secuencia no es un proceso aleatorio
Prueba de las corridas
Nivel
de significancia = 0.01/2=0.005
0.5-0.005=0.495
Z de tablas = 2.58 (-2.58 <–> 2.58)
Calculamos Media, Desviación estándar y Z
26.96
Prueba de las corridas
2 𝑛1 𝑛2
𝜇 𝑅= +1
𝑛1+𝑛 2
3.56
Prueba de las corridas
-2.52
Prueba de las corridas
No
Rechazo
de la Ho
Prueba de las corridas
No se Rechaza Ho con un 99% de confiabilidad, lo
cual implica que la variable dicotómica modelada
sigue una distribución aleatoria.
