Professional Documents
Culture Documents
AO 2014
_______________________________________________________________
Hasta ahora nos ocupamos de pruebas de hiptesis estadsticas acerca de
parmetros de una poblacin como , y . En este punto consideraremos pruebas
para analizar si una poblacin tiene una distribucin terica especfica.
Las hiptesis que se plantean en una prueba de bondad de ajuste son las siguientes:
Ho) La distribucin de la variable es una distribucin especfica, postulada por el que
realiza la prueba.
Ha) La distribucin de la variable es diferente de la postulada en Ho.
PRUEBA JI-CUADRADA
Extractado del libro Probabilidad y Estadstica para ingenieros, 6ta. Edicin.
Autores:
La prueba se basa en qu tan buen ajuste tenemos entre la frecuencia con que
ocurren las observaciones en cada clase de una muestra observada y las frecuencias
esperadas para las mismas clases obtenidas a partir de una distribucin hipottica.
x = 1,2, ... , 6
Suponga que el dado se lanza 120 veces y que se registra cada resultado
obtenindose las frecuencias que se dan en la Tabla 1. Tericamente, si el dado est
balanceado, la frecuencia esperada para
1
20
2
22
3
17
4
18
5
19
6
24
20
20
20
20
20
20
=
2
i =1
(oi - ei )2 / ei
El nmero de grados de libertad que se asocia con la distribucin ji cuadrada que aqu
se utiliza es igual a (k 1), pues solo hay (k 1) frecuencias de celdas libremente
determinadas. Es decir, una vez que se determinan las frecuencias de (k 1) celdas,
queda determinada la frecuencia para la k-sima celda.
Si
las
frecuencias
observadas
estn
cerca
de
las
frecuencias
esperadas
2 obs =
(20 - 20)2 (22 - 20)2 (17 - 20)2 (18 - 20)2 (19 - 20)2 (24 - 20)2
+
+
+
+
+
= 1,7
20
20
20
20
20
20
Las frecuencias esperadas para las siete clases que se listan en la tabla, se obtienen
al calcular las reas bajo la curva normal hipottica que caen entre los diversos lmites
de clase. Por ejemplo, los valores z que corresponden a los lmites de la cuarta clase
son:
z1 =
2, 95 - 3,5
= - 0,79
0,7
z2 =
3, 45 - 3,5
= - 0,07
0,7
1,45-1,95
clase
Frecuencia
observada
(oi)
Frecuencia
esperada
(ei)
1,95-2,45
2,45-2,95
2,95-3,45
3,45-3,95
15
10
3,95-4,45
7
0,5
2,1
4,45-4,95
8
5,9
10,3
10,7
8,5
3,5
10,5
0,05
En muchas situaciones slo tenemos razones para suponer que la variable aleatoria
que se est muestreando tiene una distribucin de cierto tipo, sin que podamos
especificar los valores de los parmetros (como se hizo en el ejemplo de las bateras).
Por ejemplo, podemos saber que ciertas condiciones del problema en estudio pueden
conducirnos a un tipo de distribucin para la variable de inters (Poisson, Exponencial,
Normal, etc.) pero no tenemos especificados los valores de los parmetros de dichas
distribuciones.
OBSERVACION IMPORTANTE
A diferencia de las pruebas de hiptesis referidas a parmetros, en las pruebas de
bondad de ajuste la hiptesis de inters es la nula y no la alternativa. En
consecuencia, la probabilidad de error tipo II () cobra especial inters.
Si el tamao muestral es pequeo o si hay muchas clases (celdas), puede resultar
muy elevada, aunque se satisfaga la regla general de que todas las frecuencias
esperadas sean al menos 5. Por ese motivo, la prueba de bondad de ajuste
presentada puede resultar poco potente.
Existen otras pruebas de bondad de ajuste basadas en criterios para medir las
distancias entre las frecuencias observadas y esperadas diferentes al que se usa en
la prueba ji-cuadrada.
Cuando se trata de probar la normalidad de una variable, una prueba ms potente que
la ji-cuadrada es la prueba de Anderson-Darling (AD), que es la que utiliza Minitab.
RECORDAR:
Cuando queremos saber si la distribucin de donde proviene la muestra observada es
normal, antes de llevar adelante la prueba de Anderson Darling debemos aplicar
herramientas de anlisis de datos como: