Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

UNIDAD 4 - Bondad de ajuste.

No description
by

Brissa Cerati

on 8 November 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of UNIDAD 4 - Bondad de ajuste.

UNIDAD IV - Bondad de ajuste y pruebas no paramétricas.
Equipo #5

Pruebas paramétricas ~
Las muestras se obtienen aleatoriamente con distribución normal.
Prueba de Kolmogorov - Smirnov ~
Es apropiada únicamente para distribuciones continuas.

La hipótesis a probar es que cierta función F(x) es la función de distribución de una población de la que se ha tomado una muestra x1,…,xn.

Bondad de ajuste ~
Es un modelo estadístico que describe cuán bien se ajusta un conjunto de observaciones.
Las medidas de bondad en general resumen la discrepancia entre los valores observados y los valores esperados en el modelo de estudio.
Prueba Xo² ( ji - cuadrada )~
Utilización de las pruebas no paramétricas:
• Cuando los datos puntualizan a las escalas nominal u ordinal.
• Se utiliza solo la frecuencia.
• Poblaciones pequeñas.
• Cuando se desconocen los parámetros media, moda, etc.
• Cuando los datos son independientes.
• Cuando se quiere contrastar o comparar hipótesis.

Métodos estadísticos contra métodos no paramétricos ~
Son métodos que se pueden aplicar a varias distribuciones, en contraste con otros métodos que se restringen a cierto tipo de distribuciones, de esto se deduce que los métodos no paramétricos son convenientes si no se conoce la distribución de la población.
Tablas de contingencia ~
El objetivo principal es saber si las características de cada observación son independientes.
Xo² = (bi - ei)² / ei
bi = valor de la muestra del intervalo
ei = (n)(p)
k = intervalos
k-1= grados de libertad
Se usan para hacer clasificaciones.
Pruebas no paramétricas ~
No se requiere que las muestras provengan de ninguna distribución específica.
Tabla ji - cuadrada ~
Prueba de independencia con Xo² ~
Con ella se prueba si las características de las clasificaciones son independientes de la otra.

Se debe calcular el valor esperado.
Pasos:
1. Calcular los valores de la función de distribución F(x) de la muestra x1,…,xn.

2. Determinar la desviación máxima entre F´ (x) y F (x).
a= máx. |F´ (x)-F(x)|.

3. Escoger un nivel de significancia α (5%, 1% )

4. Determinar la solución c de la ecuación

P (A<=c) = 1- α
Si a<= c, no se rechaza la hipótesis
Si a>c, se rechaza la hipótesis.

Prueba de Anderson - Darling ~
Es una prueba estadística que permite probar si un conjunto de datos muéstrales provienen de una población con una distribución de probabilidad continua (por lo general distribución normal).

Se aplica para probar si una distribución normal describe adecuadamente un conjunto de datos
H0: Las variables siguen una distribución normal.
Ha: Las variables aleatorias no siguen una distribución normal.

Por lo tanto si el valor estadístico es menor que el valor critico se rechaza la hipótesis alternativa.

Prueba de Ryan - Joiner ~
Es usada para probar si una muestra viene de una distribución específica. Esta prueba es una modificación de la prueba de Kolmogorov-Smirnov donde se le da más peso a las colas de la distribución que la prueba de Kolmogorov-Smirnov .

Es una prueba no paramétrica sobre si los datos de una muestra provienen de una distribución específica.
Prueba de Shapiro Wilk ~
Se usa para contrastar la normalidad de un conjunto de datos.
Se plantea como hipótesis nula que una muestra x1, ..., xn proviene de una población normalmente distribuida.

Se considera uno de los test más potentes para el contraste de normalidad, sobre todo para muestras pequeñas (n<30).
GRACIAS POR SU ATENCIÓN :)
Full transcript