UNIVERSIDAD SEÑOR DE SIPAN USS

FACULTAD DE INGENIERÍA, ARQUITECTURA Y URBANISMO

ESCUELA PROFESIONAL DE INGENIERIA CIVIL

TEMA:

PRUEBAS DE BONDAD DE AJUSTE

INTEGRANTES:
- TORRES PEDRAZA HEGGEL SCOTTY
- SECLEN PÉREZ JUAN
- ZEÑA SEMPERTEGUI WALTER
- ZAMORA TERNERO RONAL
- ALARCON ORTIZ WALTER
- FUENTE QUEVEDO EDUARDO
- RENATO MARTINEZ SARRIN
DOCENTE:
- ING. TEPE GASTULO CARLOS MANUEL
CURSO:

- HIDROLOGIA
GRUPO:

- Nº 06

USS 1
 UNIVERSIDAD SEÑOR DE SIPAN USS

PRUEBAS DE BONDAD DE AJUSTE

1. DEFINICION ........................................................................................................................ 3

2. AJUSTE GRAFICO............................................................................................................ 3

3. PRUEBA DE CHI – CUADRADO (X2) ........................................................................... 6

CRITERIO DE DECISIÓN: ................................................................................................... 7

VENTAJAS Y LIMITACIONES: ........................................................................................... 8

Ejemplo 1:............................................................................................................................... 8

Solución:................................................................................................................................. 9

4. PRUEBA DE SMIRNOV - KOLMOGOROV ............................................................... 12

VENTAJAS Y LIMITACIONES .......................................................................................... 14

Ejemplo 2:............................................................................................................................. 16

Solución:............................................................................................................................... 16

5. APENDICE ........................................................................................................................ 23

Tabla A.1 Área de la distribución normal entre 0 y Z ..................................................... 23

Tabla A.2 Distribución normal acumulada ....................................................................... 24

Tabla A.8 Valores de x2 en función de la proporción del área que queda a la

derecha de la ordenada levantada por ellos. ................................................................... 24

6. BIBLIOGRAFIA ................................................................................................................ 25

USS 2
 UNIVERSIDAD SEÑOR DE SIPAN USS

PRUEBAS DE BONDAD DE AJUSTE

1. DEFINICION

Las pruebas de bondad de ajuste, consiste en comprobar gráfica y

estadísticamente, si la frecuencia empírica de la serie analizada, se ajusta a una
determinada función de probabilidades teórica seleccionada a priori, con los
parámetros estimados con base en los valores muéstrales.

Las pruebas estadísticas, tienen por objeto medir la certidumbre que se obtiene
al hacer una hipótesis estadística sobre una población, es decir, calificar el hecho
de suponer que una variable aleatoria, se distribuya según una cierta función de
probabilidades.

Las pruebas de bondad de ajuste más utilizadas son:

 Ajuste grafico
 Ajuste Estadístico
o Chi – cuadrado
o Smirnov – Kolmogorov

2. AJUSTE GRAFICO

El ajuste grafico se puede realizar de las siguientes formas:

 Comparar gráficamente el histograma o función densidad empírica de la

serie de datos, con la función densidad teórica y decidir visualmente, si
hay o no ajuste de acuerdo a la similitud o diferencia de ambos (figura 1)

USS 3
 UNIVERSIDAD SEÑOR DE SIPAN USS

Función densidad Función densidad

teórica practica
Frecuencia relativa

Marca de clase

 Comparar gráficamente la función acumulada de la serie de datos, con la

función acumulada teórica seleccionada, dibujada en papel milimétrico
(figura 2), y decidir visualmente si hay o no ajuste.

Función densidad
teórica

Probabilidad %
Función densidad
practica

Figura 2: Ajuste gráfico con la función acumulada en papel milimétrico.

USS 4
UNIVERSIDAD SEÑOR DE SIPAN USS

 Se puede también comparar gráficamente la función acumulada de la

serie de datos, con la función acumulada teórica, ploteada en un papel
probabilístico adecuado (figura 3), donde la distribución teórica
seleccionada, se pueda representar como una línea recta (Por lo general,
solo se puede representar por una línea recta las distribuciones de 2
parámetros). Así se tienen disponibles los papeles probabilísticos normal,
log-normal, gumbel, etc. El procedimiento consiste en plotear los valores
de la variable hidrológica (caudal, precipitación, temperatura, etc.), versus
la probabilidad empírica en el papel de probabilidad correspondiente. Si
los puntos ploteados se agrupan alrededor de una línea recta, que es la
representación de la distribución teórica, se puede afirmar con cierta
certeza que estos datos se ajustan a la distribución deseada.

Distribución
Variable empírica
aleatoria

Distribución
teórica

Probabilidad %

Figura 3: Ajuste gráfico con la función acumulada en papel especial.

USS 5
 UNIVERSIDAD SEÑOR DE SIPAN USS

3. PRUEBA DE CHI – CUADRADO (X2)

La prueba Chi-cuadrado se basa en el cálculo de frecuencias, tanto de valores

observados, como valores esperados, para un número determinado de
intervalos. Esta prueba es comúnmente usada, para verificar la bondad de ajuste
de la distribución empírica a una distribución teórica conocida, fue propuesta por
Karl Pearson en 1900.

La expresión general de la prueba Chi-cuadrado está dada por:

𝑘
(𝜃𝑖 − 𝑒𝑖 )2 (1)
𝑥𝑐2 =∑
𝑒𝑖
𝑖=1

Dónde:

𝑘 𝑘

∑ 𝜃𝑖 = ∑ 𝑒𝑖 = 𝑁
𝑖=1 𝑖=1

𝑥𝑐2 = Valor calculado de Chi-cuadrado, a partir de los datos.

𝜃𝑖 = Número de valores observados en el intervalo de clase i

𝑒𝑖 = Numero de valores esperados en el intervalo de clase i

𝑘 = Numero de intervalos de clase.

Asignando probabilidades a la ecuación (1) es decir, asignando igual probabilidad

de ocurrencia a cada intervalo de clase, se tiene:

(2)
𝑘
(𝑁𝑖 − 𝑁𝑃𝑖 )2
𝑥𝑐2 =∑
𝑁𝑃𝑖
𝑖=1

Dónde:

𝑁𝑖 = Numero de observaciones que caen dentro de los límites de

clases ajustadas del intervalo i.

𝑁 = Tamaño muestral.

𝑃𝑖 = Probabilidad igual para todos los intervalos de clases.

(3)

USS 6
 UNIVERSIDAD SEÑOR DE SIPAN USS

1
𝑃𝑖 = 𝑘 ó 𝑒𝑖 = 𝑃𝑖 𝑁

Simplificando la ecuación (2), se obtiene la formula computacional desarrollada

por Markovic (1965).

𝐾
𝐾
𝑥𝑐2 = ∑ 𝑁𝑖2 − 𝑁 (4)
𝑁
𝑖=1

El valor de 𝑥𝑐2 obtenido por la ecuación (4) se compara con el 𝑥𝑡2 de la tabla A.8
del apéndice cuyo valor se determina con:

Nivel de significación : 𝛼 = 0.05 ó 𝛼 = 0.01

Grados de Libertad : 𝑔. 𝑙. = 𝑘 − 1 − ℎ

Dónde:

ℎ = Es el número de parámetros a estimarse, así:

ℎ = 2, para la distribución normal

ℎ = 3, Para la distribución log-normal de 3 parámetros.

CRITERIO DE DECISIÓN:
El criterio de decisión se fundamenta en la comparación del valor calculado de
Chi-cuadrado con el valor tabular encontrado, esto es:

 Si el Chi-cuadrado calculado es menor o igual que el valor tabular, es

decir:

𝑥𝑐2 ≤ 𝑥𝑡2

Entonces, se acepta la hipótesis que el ajuste es bueno al nivel de

significación seleccionado.
 Si el Chi-cuadrado calculado es mayor que el valor tabulado, es decir:

𝑥𝑐2 > 𝑥𝑡2

USS 7
 UNIVERSIDAD SEÑOR DE SIPAN USS

Entonces, el ajuste es malo y se rechaza la hipótesis, siendo necesario

probar con otra distribución teórica.

VENTAJAS Y LIMITACIONES:

1. Es aplicable solo para ajustes a la distribución normal, puesto que ha sido

desarrollado con base en los datos normales e independientes.
2. Se realiza en la función densidad de datos agrupados en intervalos de
clases.
3. Requiere un conocimiento a priori, de la función de distribución teórica
utilizada en el ajuste.
4. En la práctica se usa para cualquier modelo de ajuste pero estrictamente
es válido solo para la normal.
5. Es de fácil aplicación.

Ejemplo 1:
Dada la serie histórica de caudales medios anuales en m3/s, que corresponde a
un registro de 38 años

121.3 26.7 110.1 63.4 122.4 64.2 59.6

144.9 92.8 95.6 76.3 162.1 110.2 40.3

142.4 58.8 48.8 52.3 97.2 144.7 112.2

205.8 57.4 148.3 36.3 52.5 109.2 137.1

114.5 79.0 67.5 88.0 165.6 48.5 32.9

72.5 76.9 70.0

Realizar la prueba de bondad de ajuste Chi-cuadrado para ver si se ajustan a

una distribución normal.

USS 8
 UNIVERSIDAD SEÑOR DE SIPAN USS

Solución:
1. La hipótesis será:
Ho : frecuencia observada = frecuencia esperada
Ha : frecuencia observada ≠ frecuencia esperada

2. Ordenando los datos de menor a mayor, se tiene:

26.7 32.9 36.3 40.3 48.5 48.8 52.3

52.5 57.4 58.8 59.6 63.4 64.2 67.5

70.0 72.5 76.3 76.9 79.0 88.0 92.8

95.6 97.2 109.2 110.1 110.2 112.2 114.5

121.3 122.4 137.1 142.4 144.7 144.9 148.3

162.1 165.5 205.8

3. Calculo de la frecuencia para datos agrupados.

3.1. Calculo del número de intervalos de clase, según Yevjevich:
NC = 1+1.33 ln (N)
NC = 1+1.33 ln (38)
NC = 5.84 ≈ 6
3.2. Calculo de la amplitud de cada intervalo:
𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛 205.8 − 26.5
∆𝑋 = =
𝑁𝐶 − 1 5

∆𝑋 = 35.82 ≈ 36

∆𝑋
= 18
2
3.3. Calculo de los intervalos de clase, marca de clase, frecuencia absoluta
observada, frecuencia relativa, los resultados se muestran en la tabla 1

Tabla 1 Cálculo de la frecuencia acumulada

USS 9
UNIVERSIDAD SEÑOR DE SIPAN USS

Intervalos de Marcas de Frecuencia Frecuencia Frecuencia

clase Clase absoluta Relativa Acumulada
(1) (2) (3) (4) (5)

8.7 44.7 26.7 4 0.1053 0.1053

44.7 62.7 15 0.3947 0.5000
80.7
80.7 98.7 9 0.2368 0.7368
116.7
116.7 134.7 7 0.1842 0.9211
152.7
152.7 170.7 2 0.0526 0.9737
188.7
188.7 206.7 1 0.0263 1.0000
224.7

3.4. Calculo de la media y desviación estándar para datos agrupados,

utilizando las columnas (2) y (3):

∑𝑘𝑖=1 𝑥𝑖 𝑓𝑖
𝑋̅ = = 90.17
𝑁

∑𝑘 (𝑥𝑖 − 𝑋̅)2 𝑓𝑖
𝑆 = √ 𝑖=1 = 43.03
𝑁−1

Dónde:
𝑥𝑖 = Marca de Clase
𝑓𝑖 = Frecuencia Relativa

4. Calculo de la frecuencia esperada, utilizando la distribución teórica normal,

los resultados se muestran en la tabla 2.
Dónde:
𝑥−𝑋̅
Columna (3): 𝑍 = variable estandarizada de la distribución normal para
𝑆

x= límites de la clase, de la columna (2)

Columna (4): Área bajo la curva normal, puede usar la tabla A.1 del apéndice.

Columna (5): Área para cada intervalo de clase, se obtiene restando los
valores de la columna (4), si los signos de Z de la columna (3)

USS 10
UNIVERSIDAD SEÑOR DE SIPAN USS

son iguales, y sumando los valores de la columna (4), los

signos de Z son diferentes

Columna (6): Columna (5) x N = 38, se redondea en forma adecuada, de tal

manera que la suma de las frecuencias absolutas sea igual a
N = 38

Columna (7): Son los mismos valores de la columna (3) de la tabla 2

Tabla 2 Calculo de la frecuencia absoluta

Intervalo de Límite 𝒁 Área bajo Frecuen Frecuencia Frecuencia

Clase de 𝒙−𝑿̅ la curva cia Absoluta Observada
=
Clase 𝑺 normal de Relativa
0aZ
(1) (2) (3) (4) (5) (6) (7)

8.7 -1.89 0.4706 -

8.7 44.7 -1.057 0.3554 0.1152 4.38 ≈ 5 4
44.7
44.7 80.7 -0.220 0.0871 0.2687 10.21 ≈ 10 15
80.7 80.7 116.7 0.617 0.2324 0.3195 12.14 ≈ 12 9
116.7 116.7 152.7 1.453 0.4265 0.1931 7.34 ≈ 7 7
152.7 188.7 2.290 0.4890 0.0625 2.38 ≈ 3 2
152.7
188.7 224.7 3.126 0.4991 0.0101 0.38 ≈ 1 1
188.7

224.7

5. Calculo de 𝑥𝑐2
De (1), se tiene:

𝑘
(𝜃𝑖 − 𝑒𝑖 )2
𝑥𝑐2 =∑
𝑒𝑖
𝑖=1

Sustituyendo valores de las columnas (6) y (7) de la tabla 2, se tiene:

USS 11
 UNIVERSIDAD SEÑOR DE SIPAN USS

(4 − 5)2 (15 − 10)2 (9 − 12)2 (7 − 7)2 (2 − 3)2 (1 − 1)2

𝑥𝑐2 = + + + + +
5 10 12 7 3 1

𝑥𝑐2 = 0.2 + 2.5 + 0.75 + 0 + 0.33 + 0

𝑥𝑐2 = 3.78
6. Calculo del 𝑥𝑡2
 Grados de libertad: 𝑣 = 𝑘−1−ℎ
𝑣=3
 Nivel de significación: 𝛼 = 0.05 = 5%

De la tabla A.8 del apéndice, para 𝑣 = 3 y 𝛼 = 0.05, se tiene:

𝑥𝑡2 = 7.81
7. Criterio de decisión:
Como 𝑥𝑐2 = 3.78 < 𝑥𝑡2 = 7.81
Se acepta la hipótesis nula Ho

∴ Los datos se ajustan a la distribución normal, con un nivel de significación

del 5% ó 95% de probabilidad.

Nota: En la aplicación Cestadis, existe una opción para el cálculo de 𝑥𝑐2 .

4. PRUEBA DE SMIRNOV - KOLMOGOROV

La prueba de ajuste de Smirnov-Kolmogorov, consiste en comparar las

diferencias existentes, entre la probabilidad empírica de los datos de la muestra
y la probabilidad teórica, tomando el valor máximo del valor absoluto, de la
(5) del modelo, es
diferencia entre el valor observado y el valor de la recta teórica
decir:

∆= max|𝐹(𝑥) − 𝑃(𝑥)|

USS 12
 UNIVERSIDAD SEÑOR DE SIPAN USS

Dónde:

∆= Estadístico de Smirnov-Kolmogorov, cuyo valor es igual a la diferencia

máxima existente entre la probabilidad ajustada y la probabilidad
empírica.

𝐹(𝑥) = Probabilidad de la distribución teórica.

𝑃(𝑥) = Probabilidad experimental o empírica de los datos, denominada

también frecuencia acumulada.

El estadístico ∆ tiene su función de distribución de probabilidades.

Si ∆𝑜 es un valor crítico para un nivel de significación de 𝛼, se tiene que:

(6)
𝑃[𝑚𝑎𝑥|𝐹(𝑥) − 𝑃(𝑥)| ≥ ∆𝑜 ] = 𝛼 ó 𝑃[∆≥ ∆𝑜 ] = 𝛼

También:
(7)
𝑃[∆< ∆𝑜 ] = 1 − 𝛼

El procedimiento para efectuar el ajuste, mediante el estadístico de Smirnov-

Kolmogorov, es el siguiente:

1° Calcular la probabilidad empírica o experimental 𝑃(𝑥) de los datos, para esto

usar la fórmula de Weibull:
(8)
𝑀
𝑃(𝑥) =
𝑁+1

Dónde:

𝑃(𝑥) = Probabilidad empírica o experimental

𝑀 = Número de datos

𝑁 = Número de datos

2° Calcular la probabilidad teórica 𝐹(𝑥):

 Para el caso de utilizar el procedimiento de los modelos teóricos, usar la

ecuación de la función acumulada 𝐹(𝑥), o tablas elaboradas para tal fin.
 Si se quiere aplicar el procedimiento gráfico, se utiliza un papel
probabilístico especial donde 𝐹(𝑥), puede representarse como una línea

USS 13
 UNIVERSIDAD SEÑOR DE SIPAN USS

recta, por lo cual, se puede trazar con solo 2 puntos, pero si se quiere
chequear que es una recta, se puede plotear 3 puntos, por ejemplo para
el caso de una distribución normal, los puntos:

Valor Probabilidad %

X 50
X+S 80.13
X-S 15.87

Representados en un papel de probabilidad normal, forman una recta.

3° Calcular las diferencias 𝐹(𝑥) − 𝑃(𝑥), para todos los valores de x.

4° Seleccionar la máxima diferencia:

∆= max|𝐹(𝑥) − 𝑃(𝑥)|

5° Calcular el valor crítico del estadístico ∆, es decir ∆0 , para un 𝛼 = 0.05 y N

igual al número de datos. Los valores de ∆0 , se muestran en la tabla 3

6° Comparar el valor del estadístico∆, con el valor critico ∆0 de la tabla 3, con los
siguientes criterios de decisión deducidos de la ecuación (6).

Si ∆ < ∆0 → El ajuste es bueno, al nivel de significación seleccionado.

∆ < ∆0 → El ajuste no es bueno, al nivel de significación seleccionado,

siendo necesario probar con otra distribución.

VENTAJAS Y LIMITACIONES
1. No requiere un conocimiento a priori de la función de distribución teórica.
2. Es aplicable a distribuciones de datos no agrupados, es decir, no se
requiere hacer intervalos de clase.
3. Es aplicable a cualquier distribución teórica.
4. Se aplica en la función de distribución acumulada y no en la función
densidad.

USS 14
UNIVERSIDAD SEÑOR DE SIPAN USS

5. Comparándola con la prueba de Chi-cuadrado, no se requiere que la

frecuencia absoluta de cada clase, sea igual o mayor que 5.
6. No es una prueba exacta, sino una prueba aproximada.

Nivel de Significación
Tamaño muestra N
0.20 0.15 0.10 0.05 0.01

1 0.900 0.925 0.950 0.975 0.995

2 0.684 0.726 0.776 0.842 0.292

3 0.565 0.597 0.642 0.708 0.282

4 0.494 0.525 0.564 0.624 0.733

5 0.446 0.474 0.510 0.565 0.669

6 0.410 0.436 0.470 0.521 0.618

7 0.381 0.405 0.438 0.486 0.577

8 0.358 0.381 0.411 0.457 0.543

9 0.339 0.360 0.388 0.432 0.514

10 0.322 0.342 0.366 0.410 0.490

11 0.307 0.326 0.352 0.391 0.468

12 0.295 0.313 0.338 0.375 0.450

13 0.284 0.302 0.325 0.361 0.433

14 0.274 0.292 0.314 0.349 0.418

15 0.266 0.283 0.304 0.338 0.404

16 0.258 0.274 0.295 0.328 0.392

17 0.250 0.266 0.286 0.318 0.381

18 0.244 0.259 0.278 0.309 0.371

19 0.237 0.252 0.272 0.301 0.363

USS 15
 UNIVERSIDAD SEÑOR DE SIPAN USS

20 0.231 0.246 0.264 0.294 0.356

25 0.210 0.220 0.240 0.270 0.320

30 0.190 0.20 0.220 0.240 0.290

35 0.180 0.19 0.210 0.230 0.270

1.07 1.14 1.22 1.36 1.63

N > 35
√𝑁 √𝑁 √𝑁 √𝑁 √𝑁

Tabla 3 Valores críticos de ∆0 del estadístico Smirnov-Kolmogorov ∆, para varios

valores de N y niveles de significación 𝛼.

Ejemplo 2:
Para los mismos datos del 1, realizar la prueba de bondad de ajuste Smirnov-
Kolmogorov, para si se ajusta a una distribución normal, usando:

121.3 26.7 110.1 63.4 122.4 64.2 59.6

144.9 92.8 95.6 76.3 162.1 110.2 40.3

142.4 58.8 48.8 52.3 97.2 144.7 112.2

205.8 57.4 148.3 36.3 52.5 109.2 137.1

114.5 79.0 67.5 88.0 165.6 48.5 32.9

72.5 76.9 70.0

 El cálculo de los valores de F(x) para todos los valores de x (donde x

representa el caudal).
 Usando el procedimiento gráfico.

Solución:
1. Calculo de P(x)
Ordenando los datos de caudales en forma creciente y calculando la
probabilidad empírica P(x), usando la fórmula de Weibull:

𝑚
𝑃(𝑥) =
𝑛+1

USS 16
 UNIVERSIDAD SEÑOR DE SIPAN USS

Se obtienen las columnas (2) y (3) de la tabla 4.

2. Calculo de 𝑋̅ y S, de los datos no agrupados.

1
𝑋̅ = ∑ 𝑋𝑖 = 92.32
𝑛
Tabla 4 Calculo de P(x), F(Z) y ∆, para la prueba de Smirnov-Kolmogorov.

M Q=X P(X) 𝑿−𝑿̅ F(Z) ∆

𝒁=
𝑺
m3/s m/n+1 |𝑭(𝒁) − 𝑷(𝒙)|

(1) (2) (3) (4) (5) (6)

1 26.7 0.0256 -1.53 0.0630 0.0374

2 32.9 0.0513 -1.39 0.0823 0.0310

3 36.3 0.0769 -1.31 0.0951 0.0182

4 40.3 0.1026 -1.22 0.1112 0.0086

5 48.5 0.1282 -1.02 0.1539 0.0257

6 48.8 0.1538 -1.02 0.1539 0.0001

7 52.3 0.1795 -0.94 0.1736 0.0059

8 52.5 0.2051 -0.93 0.1762 0.0289

9 57.4 0.2308 -0.82 0.2061 0.0247

10 58.8 0.2564 -0.78 0.2177 0.0387

11 59.6 0.2821 -0.76 0.2236 0.0585

12 63.4 0.3077 -0.68 0.2483 0.0594

13 64.2 0.3333 -0.66 0.2546 0.0787

14 67.5 0.3590 -0.58 0.2810 0.0780

15 70 0.3846 -0.52 0.3015 0.0831

16 72.5 0.4103 -0.46 0.3228 0.0875

USS 17
UNIVERSIDAD SEÑOR DE SIPAN USS

17 76.3 0.4359 -0.37 0.3557 0.0802

18 76.9 0.4615 -0.36 0.3594 0.1021

19 79 0.4872 -0.31 0.3783 0.1089

20 88 0.5128 -0.10 0.4602 0.0526

21 92.8 0.5385 0.01 0.5040 0.0345

22 95.6 0.5641 0.08 0.5319 0.0322

23 97.2 0.5897 0.11 0.5438 0.0459

24 109.2 0.6154 0.39 0.6517 0.0363

25 110.1 0.6410 0.42 0.6628 0.0218

26 110.2 0.6667 0.42 0.6628 0.0039

27 112.2 0.6923 0.46 0.6772 0.0151

28 114.5 0.7179 0.52 0.6985 0.0194

29 121.3 0.7436 0.68 0.7517 0.0081

30 122.4 0.7692 0.70 0.7580 0.0112

31 137.1 0.7949 1.05 0.8531 0.0582

32 142.4 0.8205 1.17 0.8790 0.0585

33 144.7 0.8462 1.22 0.8888 0.0426

34 144.9 0.8718 1.23 0.8907 0.0189

35 148.3 0.8974 1.31 0.9049 0.0075

36 162.1 0.9231 1.63 0.9484 0.0253

37 165.5 0.9487 1.71 0.9564 0.0077

38 205.8 0.9744 2.65 0.9960 0.0216

1
𝑆=√ ∑(𝑋 − 𝑋̅)2 = 42.80
𝑁−1

USS 18
UNIVERSIDAD SEÑOR DE SIPAN USS

3. Calculo de la variable estandarizada Z:

Usando la ecuación:
𝑋 − 𝑋̅
𝑍=
𝑆

Se obtiene la columna (4) de la tabla 4

4. Calculo de F(Z) = F(X):
Usando la tabla A.2 del apéndice, se obtiene la columna (5) de la tabla 4.
Para valores positivos de Z, los valores se obtienen en forma directa. Para
valores negativos de Z, los resultados se obtienen de: 1 – valor de tabla
A.2

5. Calculo de ∆= |𝐹(𝑍) − 𝑃(𝑥)|

A partir de las columnas (3) y (5) de la tabla 4, se obtienen los ∆=
|𝐹(𝑍) − 𝑃(𝑥)|, la misma que se muestra en la columna (6).

6. Calculo del ∆= ∆𝑚𝑎𝑥

De la tabla 4, se observa que:

∆= max|𝐹(𝑥) − 𝑃(𝑥)| = 0.1089

7. Calculo de ∆0 critico:
De la tabla 3, para 𝛼 = 0.05 se tiene:

1.36 1.36
∆0 = =
√𝑛 √38

∆0 = 0.22
8. Criterio de decisión

Como:

∆= 0.1089 < ∆0 = 0.22

Se concluye que los datos de caudales se ajustan a la distribución normal,

con un nivel de significación del 5% o una probabilidad del 95%.

USS 19
UNIVERSIDAD SEÑOR DE SIPAN USS

La aplicación Cestadis, permite realizar la prueba de bondad de ajuste, para

varias distribuciones teóricas, entre ellas la normal.

PROCEDIMIENTO GRAFICO

1. Gráfico de P (x) y F (z) en papel de probabilidad normal.

1.1. Gráfico de distribución empírica P(x):
Plotear en un papel de probabilidad normal los valores de las
columnas (2) y (3) de la tabla 4.
1.2. Gráfico de la distribución teórica F(Z) = F(X):
Plotear los puntos:

Valor de caudal Probabilidad

(m3/s) %

̅ = 92.32
𝑿 50

𝑿 + 𝑺 = 135.12 84.13

𝑿 − 𝑺 = 49.52 15.87

1.3. Con los procesos 1.1 y 1.2 se obtienen la figura 4.

2. Calculo de ∆= max|𝐹(𝑥) − 𝑃(𝑥)|

Observando la figura 4, se tiene:
∆ = 0.10
3. Calculo de ∆0
De la tabla 3, para 𝛼 = 0.05 y n = 38, se obtiene:

1.36 1.36
∆0 = =
√𝑛 √38

∆0 = 0.22

USS 20
UNIVERSIDAD SEÑOR DE SIPAN USS

4. Criterio de decisión:
Como:

∆= 0.10 < ∆0 = 0.22

Se concluye que los datos de caudales se ajustan a una distribución

normal, con un nivel de significación del 5%, o una probabilidad del 95%.

USS 21
UNIVERSIDAD SEÑOR DE SIPAN USS

USS 22
UNIVERSIDAD SEÑOR DE SIPAN USS

5. APENDICE
Tabla A.1 Área de la distribución normal entre 0 y Z

USS 23
UNIVERSIDAD SEÑOR DE SIPAN USS

Tabla A.2 Distribución normal acumulada

Tabla A.8 Valores de x2 en función de la proporción del área

que queda a la derecha de la ordenada levantada por ellos.

USS 24
UNIVERSIDAD SEÑOR DE SIPAN USS

6. BIBLIOGRAFIA

 Hidrología Estadística, Máximo Villon Bejar.

USS 25