Pruebas de Bondad de Ajuste.

INGENIERIA INDUSTRIAL
MODALIDAD MIXTA
ESTADISTICA INFERENCIAL
TAREA: PRUEBAS DE BONDAD DE

AJUSTE
DOCENTE: JOSE FRANCISCO IBARRA SANCHEZ

ALUMNO: JOSE GERARDO SALAZAR HERNANDEZ
CONTENIDO
¿QUE ES UNA PRUEBA DE BONDAD? ................................................................ 2
PARA QUE SE UTILIZAN LAS PRUEBAS DE BONDAD ....................................... 3
FÓRMULA DE LA PRUEBA DE BONDAD DE AJUSTE(chi-cuadrado) .................. 4
¿COMO REALIZAR UNA PRUEBA DE BONDAD DE AJUSTE? ........................... 5
EJEMPLO DE UNA PRUEBA DE BONDAD DE AJUSTE ...................................... 6
PRUEBA DE BONDAD DE AJUSTE. KOLMOGOROV-SMIRNOV......................... 9
EJEMPLO DE APLICACIÓN ................................................................................. 10
PRUEBA ANDERSON – DARLING ...................................................................... 12
BIBLIOGRAFÍA ..................................................................................................... 14
¿QUE ES UNA PRUEBA DE BONDAD?
Las pruebas de bondad de ajuste son pruebas de hipótesis para verificar si los datos
observados en una muestra aleatoria se ajustan con algún nivel de significancia a
determinada distribución de probabilidad (uniforme, exponencial, normal, poisson,
u otra cualquiera). n La hipótesis nula Ho indica la distribución propuesta, mientras
que la hipótesis alternativa H1, nos indica que la variable en estudio tiene una
distribución que no se ajusta a la distribución propuesta. Ho: f(x)=fo (x) H1: f(x)¹fo
(x)
¿PARA QUE SE UTILIZAN LAS PRUEBAS DE
BONDAD?
Las pruebas de bondad de ajuste e independencia son ampliamente utilizadas en
diversas áreas de la ciencia para llevar a cabo análisis de datos categóricos. Una
prueba de bondad de ajuste permite decimar la hipótesis de que una variable
aleatoria sigue cierta distribución de probabilidad y se utiliza en situaciones donde
se requiere comparar una distribución observada con una teórica o hipotética,
compararla con datos históricos o con la distribución conocida de otra población (1).
Por otra parte, una prueba de independencia permite determinar si existe asociación
estadística entre dos variables categóricas.
Las pruebas más utilizadas para estudiar la independencia y la bondad de ajuste

son el chi cuadrado de Pearson, debido a su fácil aplicación y a que se encuentran
en todos los paquetes estadísticos. Estas pruebas asumen que todas las
observaciones son independientes y que están igualmente distribuidas, supuestos
que sólo se satisfacen para un muestreo aleatorio simple con reposición y se
cumplen aproximadamente en una muestra aleatoria simple sin reposición para una
fracción de muestreo pequeña
FÓRMULA DE LA PRUEBA DE BONDAD DE
AJUSTE (chi-cuadrado)
El estadístico de la prueba de bondad de ajuste es igual al sumatorio de los
cuadrados de las diferencias entre los valores observados y los valores esperados
partido por los valores esperados.
Así pues, la fórmula de la prueba de bondad de ajuste es la siguiente:
Donde:
Así pues, dado un nivel de significación \alpha , el estadístico de la prueba calculado

se debe comparar con el valor crítico de la prueba para determinar si rechazar la
hipótesis nula o la hipótesis alternativa del contraste de hipótesis:
¿COMO REALIZAR UNA PRUEBA DE BONDAD DE
AJUSTE?
PARA HACER UNA PRUEBA DE BONDAD DE AJUSTE SE DEBEN

SEGUIR LOS SIGUIENTES PASOS:
1. Primero establecemos la hipótesis nula y la hipótesis alternativa de la prueba
de bondad de ajuste.
2. En segundo lugar, escogemos el nivel de confianza, y por tanto el nivel de
significación, de la prueba de bondad de ajuste.
3. Luego calculamos el estadístico de la prueba de bondad de ajuste, cuya
fórmula está en el apartado de arriba.
4. Hallamos el valor crítico de la prueba de bondad de ajuste mediante la tabla
de la distribución chi-cuadrado.
5. Comparamos el estadístico de la prueba con el valor crítico:
• Si el estadístico de la prueba es menor que el valor crítico, se rechaza la
hipótesis alternativa (y se acepta la hipótesis nula).
• Si el estadístico de la prueba es mayor que el valor crítico, se rechaza la
hipótesis nula (y se acepta la hipótesis alternativa).

EJEMPLO DE UNA PRUEBA DE BONDAD DE
AJUSTE
La propietaria de una tienda afirma que el 50% de sus ventas son del producto A,
35% de sus ventas son del producto B y 15% de sus ventas son del producto C. No
obstante, las unidades vendidas de cada producto son las que se muestran en la
siguiente tabla. Analiza si los datos teóricos de la propietaria son estadísticamente
diferentes a los datos reales recopilados.
Para determinar si los valores observados son equivalentes a los valores esperados,
llevaremos a cabo una prueba de bondad de ajuste. La hipótesis nula y la hipótesis
alternativa de la prueba son:
En este caso, utilizaremos un nivel de confianza del 95% para la prueba, por lo que
el nivel de significación será del 5%.
Para saber los valores de las ventas esperadas tenemos que multiplicar el
porcentaje de ventas esperado de cada producto por el número de ventas totales
producidas:
Por lo tanto, la tabla de frecuencias del problema queda de la siguiente manera:
Ahora que ya hemos calculado todos los valores, aplicamos la fórmula de la

prueba chi-cuadrado para calcular el estadístico de la prueba:
Así que el estadístico de la prueba (21,53) es mayor que el valor crítico de la prueba
(5,991), por lo tanto, se rechaza la hipótesis nula y se acepta la hipótesis alternativa.
Esto significa que los datos son significativamente diferentes y, por tanto, la
propietaria de la tienda esperaba unas ventas distintas a las que realmente se han
producido.
21,53 >5,991 se rechaza Ho

PRUEBA DE BONDAD DE AJUSTE.
KOLMOGOROV-SMIRNOV
–Es aplicable solamente a variables aleatorias continuas
– Comparar la gráfica de la distribución empírica acumulada con la correspondiente
gráfica de la función de densidad acumulada de la distribución teórica propuesta.
-Si hay un acercamiento entre las gráficas existe una probabilidad de que
la distribución teórica se ajusta a los datos.
El hecho de que utiliza la distribución de probabilidad acumulada la hace un poco
más eficiente que la prueba anterior
La metodología de la prueba es la siguiente:
1. Se colocan los» n» datos históricos en una tabla de frecuencias con
m=√n intervalos o utilizando la fórmula de de Struges: K=1+3.3log n ; donde» n»
es el número de datos de la muestra.
1.1 Encuentre la amplitud del intervalo de clase por medio de la siguiente relación
1.2 Para cada intervalo se tendrá la frecuencia observada i (FOi). Se calcula

la media y la varianza de los datos
2. Se encuentra la probabilidad observada (POi), dividiendo la
frecuencia observada de cada intervalo por el número total de datos.
3. Se calcula la probabilidad acumulada observada de cada intervalo (PAOi) del
paso 2
4. Se propone una distribución de probabilidad de acuerdo con la forma de tabla de
frecuencia obtenida en 1. O con la grafica de los datos.
5. Con la función acumulada de la distribución propuesta, se calcula la probabilidad
esperada acumulada para cada intervalo (PEAi) mediante la integración de la
distribución propuesta.
6. Se calcula la probabilidad acumulada (PAEi) para cada intervalo de clase.
7. Se calcula el valor absoluto entre la diferencia de PAO y PAE para cada intervalo
y se selecciona la máxima diferencia, llamándola MD
8. El estimador MD se comporta con un valor limite correspondiente a la (tabla que
contiene los valores críticos de kolmogorov-Smirnov). Con n datos y a un nivel de
confianza de 1-α . Si el estimador MD es menor o igual al valor limite de la tabla,
entonces se acepta ha hipótesis de que la información histórica sigue la distribución
propuesta.
EJEMPLO DE APLICACIÓN
Un muestreo realizado sobre la demanda de televisores en un almacén del centro
de Medellín durante 40 días tiene el siguiente comportamiento.
1. Hallamos el rango R = X max – X min

R = 13 -1 = 12
k= 1+3.31log(41)=6.3
2. Encontramos el valor de k=6.3 aproximándolo a 6
k=6
3. Hallar la amplitud
A= R/K= 12/6=2
4. El limite inferior es 1 y al superior se le suma la amplitud y así sucesivamente
5. Luego se completa la tabla de frecuencias
6. Se quiere proponer la hipótesis que los datos en estudio siguen una distribución
uniforme de lo cual procedemos de la siguiente manera:
Con esta fórmula se encuentra la POA (probabilidad observada acumulada) para
cada
intervalo
Podemos observar que la máxima diferencia de la columna |POA – PEA| es 0.025

La cual al ser comparada con la tabla de los valores críticos de kolmogorov –
Smirnov el cual es d 5%,40 =0.2150 , con la cual se cumple la hipótesis, luego no se
rechaza la hipótesis que este conjunto de datos se puede modelar por medio de una
distribución uniforme entre 1 y 13 televisores demandados por días A un nivel de
confianza de del 95%.
PRUEBA ANDERSON – DARLING
La prueba de Anderson-Darling es usada para probar si una muestra viene de una

distribución especifica. Esta prueba es una modificación de la prueba de
Kolmogórov-Smirnov donde se le da más peso a las colas de la distribución que la
prueba de Kolmogórov-Smirnov.
En estadística, la prueba de Anderson-Darling es una prueba no paramétrica sobre
si los datos de una muestra provienen de una distribución específica. La fórmula
para el estadístico determina si los datos (observar que los datos se deben ordenar)
vienen de una distribución con función acumulativa F.
Donde:
n es el número de datos
f(x): es la función de distribución de probabilidad teórica
FS(X): es la función de distribución empírica.
Para definir la regla de rechazo para esta prueba es necesario, también, obtener el
estadístico ajustado para luego compararlo con los valores críticos de la tabla de
Anderson- Darling
Una vez obtenido el estadístico ajustado, la regla de rechazo se realiza

análogamente a la utilizada en la prueba de K-S.
El estadístico de la prueba se puede entonces comparar contra las distribuciones

del estadístico de prueba (dependiendo que F se utiliza) para determinar el P- valor.
BIBLIOGRAFÍA
http://simulacionunilibre.blogspot.com/p/prueba-anderson-darling.html. (n.d.).
http://www.dcb.unam.mx/profesores/irene/Notas/PruebaBondad.pdf. (n.d.).
https://link125ikesimulacion.wordpress.com/2016/04/01/pruebas-de-bondad-de-
ajuste/. (n.d.).
https://www.probabilidadyestadistica.net/prueba-de-bondad-de-ajuste/. (n.d.).
https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0717-
92002004000300005#:~:text=Una%20prueba%20de%20bondad%20de,la%20distr
ibuci%C3%B3n%20conocida%20de%20otra

Pruebas de Bondad de Ajuste.

Cargado por

Copyright:

Formatos disponibles

Pruebas de Bondad de Ajuste.

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pruebas de Bondad de Ajuste.

Cargado por

Copyright:

Formatos disponibles

INGENIERIA INDUSTRIAL

TAREA: PRUEBAS DE BONDAD DE

DOCENTE: JOSE FRANCISCO IBARRA SANCHEZ

observados en una muestra aleatoria se ajustan con algún nivel de significancia a

determinada distribución de probabilidad (uniforme, exponencial, normal, poisson,

u otra cualquiera). n La hipótesis nula Ho indica la distribución propuesta, mientras

Las pruebas más utilizadas para estudiar la independencia y la bondad de ajuste

Así pues, dado un nivel de significación \alpha , el estadístico de la prueba calculado

PARA HACER UNA PRUEBA DE BONDAD DE AJUSTE SE DEBEN

1. Primero establecemos la hipótesis nula y la hipótesis alternativa de la prueba

2. En segundo lugar, escogemos el nivel de confianza, y por tanto el nivel de

significación, de la prueba de bondad de ajuste.

3. Luego calculamos el estadístico de la prueba de bondad de ajuste, cuya

fórmula está en el apartado de arriba.

4. Hallamos el valor crítico de la prueba de bondad de ajuste mediante la tabla

5. Comparamos el estadístico de la prueba con el valor crítico:

• Si el estadístico de la prueba es menor que el valor crítico, se rechaza la

hipótesis alternativa (y se acepta la hipótesis nula).

• Si el estadístico de la prueba es mayor que el valor crítico, se rechaza la

hipótesis nula (y se acepta la hipótesis alternativa).

Ahora que ya hemos calculado todos los valores, aplicamos la fórmula de la

21,53 >5,991 se rechaza Ho

1.2 Para cada intervalo se tendrá la frecuencia observada i (FOi). Se calcula

1. Hallamos el rango R = X max – X min

Podemos observar que la máxima diferencia de la columna |POA – PEA| es 0.025

La prueba de Anderson-Darling es usada para probar si una muestra viene de una

Una vez obtenido el estadístico ajustado, la regla de rechazo se realiza

El estadístico de la prueba se puede entonces comparar contra las distribuciones

También podría gustarte