Professional Documents
Culture Documents
Presenta:
Ramss Marco Antonio Zapata Acevedo/Katy Hernandez/Fatima Reyes
Materia:
Estadstica Inferencial.
Profesor(a):
Ing. Industrial
Saln:
#9
Tarea de:
Distribuciones
Para calcular si una distribucin dada se ajusta a un conjunto de datos, se pueden utilizar las
siguientes pruebas:
Prueba de Kolmogrov-Smirnov
Criterio de Cramr-von Mises
Prueba de Anderson-Darling
Test de ShapiroWilk
Test de chi cuadrado
Criterio de Informacin de Akaike
Pruebas no parametricas
Cuando se analizan datos medidos por una variable cuantitativa continua, las pruebas estadsticas de
estimacin y contraste frecuentemente empleadas se basan en suponer que se ha obtenido una
muestra aleatoria de una distribucin de probabilidad de tipo normal o de Gauss. Pero en muchas
ocasiones esta suposicin no resulta vlida, y en otras la sospecha de que no sea adecuada no resulta
fcil de comprobar, por tratarse de muestras pequeas. En estos casos disponemos de dos posibles
mecanismos: los datos se pueden transformar de tal manera que sigan una distribucin normal, o bien
se puede acudir a pruebas estadsticas que no se basan en ninguna suposicin en cuanto a la
distribucin de probabilidad a partir de la que fueron obtenidos los datos, y por ello se
denominan pruebas no paramtricas (distribution free), mientras que las pruebas que suponen una
distribucin de probabilidad determinada para los datos se denominan pruebas paramtricas.
Las inferencias en cuanto a las medias son en general robustas, por lo que si el tamao de muestra es
grande, los intervalos de confianza y contrastes basados en la t de Student son aproximadamente vlidos,
con independencia de la verdadera distribucin de probabilidad de los datos; pero si sta distribucin no
es normal, los resultados de la estimacin sern poco precisos.