Actividad Construcción - Prueba de Bondad de Ajustes

ACTIVIDAD.
CONSTRUCCIÓN
Tema: PRUEBA DE BONDAD DE AJUSTE

Objetivo: Realizar un taller donde el estudiante desarrolle habilidades de la aplicación
de la prueba de bondad de ajuste.
Actividad: Realice una investigación sobre la prueba de bondad de ajuste, destacando

los siguientes elementos:
Campozano Farias Sonia Juliana
1. En que consiste las pruebas de bondad de ajuste. Describa 5 de las medidas de

bondad de ajuste.
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).
1. Chi-cuadrado (χ²): Esta prueba compara la frecuencia observada de los datos con la
frecuencia esperada bajo la distribución teórica. La estadística de prueba se calcula
sumando los cuadrados de las diferencias entre las frecuencias observadas y esperadas,
normalizadas por las frecuencias esperadas. Una chi-cuadrado más grande indica una
discrepancia mayor entre los datos observados y la distribución teórica.
2. Kolmogorov-Smirnov (KS): Esta medida evalúa la máxima diferencia acumulativa

entre las funciones de distribución acumulativa (FDA) de los datos observados y la
distribución teórica. Cuanto más pequeño sea el estadístico KS, mejor será el ajuste
entre los datos observados y la distribución teórica.
3. Anderson-Darling (AD): Similar al KS, el AD es una prueba de bondad de ajuste que

asigna más peso a las colas de la distribución. Se basa en la diferencia ponderada entre
las funciones de distribución acumulativa. Un valor de AD más bajo indica un mejor
ajuste entre los datos observados y la distribución teórica.
4. Cramer-Von Mises (CvM): Esta prueba mide la discrepancia acumulativa entre las
funciones de distribución acumulativa de los datos observados y la distribución teórica.
Al igual que el KS y el AD, un valor más bajo de CvM sugiere un mejor ajuste.
5. Shapiro-Wilk: Aunque comúnmente se usa para probar la normalidad de los datos, el

estadístico de Shapiro-Wilk también puede considerarse como una medida de bondad
de ajuste. Evalúa la discrepancia entre la distribución de los datos y la distribución
normal. Un p-valor significativo indica que los datos no se ajustan bien a una
distribución normal.
ACTIVIDAD. CONSTRUCCIÓN

Molina Murillo Yanila Isabel

2. Desarrolle el estadístico de Kolmogorov- Smirnov. Ponga un ejemplo
El estadístico de Kolmogorov-Smirnov se utiliza para evaluar la bondad de ajuste entre

una distribución de probabilidad teórica y una distribución empírica. El test compara la
función de distribución acumulativa (FDC) observada con la FDC teórica. El estadístico
de Kolmogorov-Smirnov (KS) se calcula como la máxima diferencia absoluta entre
estas dos funciones.
Fórmula
Supongamos que tenemos dos muestras independientes X1,X2,…,Xn1 y Y1,Y2,…,Yn2.

Ordenamos ambos conjuntos de datos de manera ascendente: X(1),X(2),…,X(n1) y
Y(1),Y(2),…,Y(n2).
El estadístico de Kolmogorov-Smirnov para dos muestras se define como:
𝑖 𝑗
Dn1,n2 = max [𝑛1 − 𝑛2]
Donde el máximo se toma sobre todos los valores ordenados X(i) y Y(j).
Ejemplo
Supongamos que tenemos dos muestras de tamaño n1=25 y n2 = 30, respectivamente, y

queremos determinar si provienen de la misma distribución. Las muestras se denotan
como X e Y.
1. Hipótesis Nula (H0): Las dos muestras provienen de la misma distribución.

2. Hipótesis Alternativa (H1): Las dos muestras no provienen de la misma
distribución.
3. Procedimiento:
o Ordenamos ambas muestras de manera ascendente.
o Calculamos el estadístico de Kolmogorov-Smirnov D25,30 utilizando la
fórmula mencionada anteriormente.
o Determinamos el valor p asociado a D25,30 bajo la hipótesis nula.
4. Decisión:
o Si el valor p es menor que el nivel de significancia (α), rechazamos la
hipótesis nula y concluimos que hay evidencia suficiente para afirmar
que las dos muestras no provienen de la misma distribución.
o Si el valor p es mayor que α, no rechazamos la hipótesis nula y no hay
suficiente evidencia para concluir que las dos muestras son de
distribuciones diferentes.

Jativa Serrano Sandra Paola

3. Desarrolle la prueba de chi cuadrado para el análisis de tablas de contingencia
con dos criterios de clasificación. Ponga un ejemplo.
La cuestión principal en este análisis es determinar si hay una asociación significativa
entre el género de los estudiantes y su preferencia por las materias de Matemáticas o
Literatura. La prueba de chi cuadrado se utiliza para evaluar si existe una relación
estadísticamente significativa entre dos variables categóricas. En este caso, la conclusión
apunta a que, a un nivel de significancia del 0.05, no hay suficiente evidencia para
rechazar la hipótesis nula de que no hay asociación significativa.
# Crear la tabla de contingencia
Los resultados de la prueba de chi cuadrado muestran un valor p de 0.05624 con un

estadístico de prueba chi cuadrado de 3.645 y 1 grado de libertad.
La conclusión depende del nivel de significancia que hayas elegido. Si tu nivel de
significancia es 0.05, el valor p (0.05624) es ligeramente mayor que 0.05. En este caso,
no alcanzarías el umbral típico de significancia, por lo que no rechazarías la hipótesis
nula.
1.14<3.841 (valor crítico): No hay evidencia suficiente para rechazar la hipótesis nula.
0.286>0.05 (nivel de significancia): No hay evidencia suficiente para rechazar la hipótesis
nula.
Conclusión: No hay evidencia suficiente para rechazar la hipótesis nula de que no hay
asociación significativa entre el género de los estudiantes y su preferencia por las materias
de Matemáticas o Literatura, a un nivel de significancia del 0.05.
Es importante señalar que los resultados borderline como este (p-value cercano al nivel
de significancia) indican que los datos no proporcionan una evidencia concluyente. En
algunos casos, podrías considerar discutir estos resultados de manera más cautelosa o
realizar análisis adicionales si es posible.

Conde Ochoa Carlos Alberto

4. Elabore y desarrolle un ejemplo en la agricultura de aplicación de la prueba de
bondad de ajuste.
Ejemplo: Resistencia de Tomates a Enfermedades
Contexto: Supongamos que un agricultor ha cultivado diferentes variedades de tomates,
algunas de las cuales se han desarrollado para ser resistentes a una enfermedad en
particular. Después de una temporada de cultivo, el agricultor quiere determinar si la
proporción de plantas afectadas por la enfermedad concuerda con lo esperado de acuerdo
con las tasas de resistencia que el proveedor de semillas había previsto.
Datos Esperados: El proveedor informa que, en condiciones normales, el 70% de los
tomates de una variedad resistente deberían estar libres de la enfermedad, mientras que el
30% podría verse afectado debido a otros factores ambientales o genéticos.
Datos Observados: Al final de la temporada, el agricultor observa en una muestra de 100
plantas que 80 están sanas y 20 están enfermas.
Aplicación de la Prueba:
1. Hipótesis Nula (H₀): No hay diferencia significativa entre las frecuencias
observadas y las esperadas.
2. Hipótesis Alternativa (H₁): Existe una diferencia significativa entre las
frecuencias observadas y las esperadas.
3. Cálculo de Frecuencias Esperadas:
 Plantas sanas esperadas 𝐸1 = 100 ∗ 0.70 = 70
 Plantas enfermas esperadas 𝐸2 = 100 ∗ 0.30 = 30
4. Cálculo de Chi-cuadrado (χ²)

(0𝑖 − 𝐸𝑖 ) 2
𝑋2 = ∑
𝐸𝑖
Donde Oi es el número de observaciones en la categoría i y Ei es el número esperado en

la categoría i.
Para plantas sanas: Para plantas enfermas:
𝑋2 (80−70) 2 100 𝑋2 (20−30) 2 100

1= = ≈ 1.43 2= = ≈ 3.33
70 70 30 30
2
𝑋𝑡𝑜𝑡𝑎𝑙 = 𝑋12 + 𝑋22 = 1.43 + 3.33 = 4.76
5. Nivel de Significancia y Grados de Libertad:
Normalmente, se usa un nivel de significancia de 0.05 y los grados de libertad serían 𝑛 −

1 donde n es el número de categorías (en nuestro caso, 2-1=1).
6. Decisión:
2
Se compara el valor de 𝑋𝑡𝑜𝑡𝑎𝑙 calculado con el valor crítico de la distribución Chi-
2
cuadrado para 1 grado de libertad. Si 𝑋𝑡𝑜𝑡𝑎𝑙 es mayor que el valor crítico, se rechaza la
hipótesis nula.

Caicedo Carrascal Gabriel Anibal

5. Qué importancia le atribuye usted como ingeniero la aplicabilidad de la prueba
de bondad de ajuste. Emita su criterio en al menos tres párrafos.
Las pruebas de bondad de ajuste como modelo estadístico, 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 ya sea poisson, exponencial,
uniforme, etc.
En consideración, el diseño y análisis de experimentos, es esencial para garantizar la
validez de los experimentos y la confiabilidad de los resultados obtenidos. La capacidad
de validar modelos y asegurar que los datos se distribuyan de acuerdo con las
suposiciones teóricas es crucial para la toma de decisiones informadas y la mejora
continua de los procesos y productos.
Finalizando, esta prueba puede ser valiosa para evaluar la uniformidad de la distribución
de características importantes en los campos agrícolas. Por ejemplo, al analizar la
distribución de fertilizante en los cultivos, se puede utilizar la prueba de bondad de ajuste
para determinar si la siembra sigue un patrón específico o si existen variaciones
significativas. Esto puede ser crucial para la toma de decisiones en términos de gestión
de cultivos y recursos.

Actividad Construcción - Prueba de Bondad de Ajustes

Cargado por

Copyright:

Formatos disponibles

Actividad Construcción - Prueba de Bondad de Ajustes

Cargado por

Información del documento

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

Actividad Construcción - Prueba de Bondad de Ajustes

Cargado por

Copyright:

Formatos disponibles

ACTIVIDAD.

Tema: PRUEBA DE BONDAD DE AJUSTE

Actividad: Realice una investigación sobre la prueba de bondad de ajuste, destacando

Campozano Farias Sonia Juliana

1. En que consiste las pruebas de bondad de ajuste. Describa 5 de las medidas de

2. Kolmogorov-Smirnov (KS): Esta medida evalúa la máxima diferencia acumulativa

3. Anderson-Darling (AD): Similar al KS, el AD es una prueba de bondad de ajuste que

5. Shapiro-Wilk: Aunque comúnmente se usa para probar la normalidad de los datos, el

Tema: PRUEBA DE BONDAD DE AJUSTE

Actividad: Realice una investigación sobre la prueba de bondad de ajuste, destacando

Molina Murillo Yanila Isabel

El estadístico de Kolmogorov-Smirnov se utiliza para evaluar la bondad de ajuste entre

Supongamos que tenemos dos muestras independientes X1,X2,…,Xn1 y Y1,Y2,…,Yn2.

El estadístico de Kolmogorov-Smirnov para dos muestras se define como:

Supongamos que tenemos dos muestras de tamaño n1=25 y n2 = 30, respectivamente, y

1. Hipótesis Nula (H0): Las dos muestras provienen de la misma distribución.

Tema: PRUEBA DE BONDAD DE AJUSTE

Actividad: Realice una investigación sobre la prueba de bondad de ajuste, destacando

Jativa Serrano Sandra Paola

Los resultados de la prueba de chi cuadrado muestran un valor p de 0.05624 con un

Tema: PRUEBA DE BONDAD DE AJUSTE

Actividad: Realice una investigación sobre la prueba de bondad de ajuste, destacando

Conde Ochoa Carlos Alberto

4. Cálculo de Chi-cuadrado (χ²)

Donde Oi es el número de observaciones en la categoría i y Ei es el número esperado en

Para plantas sanas: Para plantas enfermas:

𝑋2 (80−70) 2 100 𝑋2 (20−30) 2 100

5. Nivel de Significancia y Grados de Libertad:

Normalmente, se usa un nivel de significancia de 0.05 y los grados de libertad serían 𝑛 −

Tema: PRUEBA DE BONDAD DE AJUSTE

Actividad: Realice una investigación sobre la prueba de bondad de ajuste, destacando

Caicedo Carrascal Gabriel Anibal

También podría gustarte