1 DEFINICIN
Las pruebas de bondad de ajuste, consiste en comprobar grafica y
estadsticamente, si la frecuencia emprica de la serie analizada, se ajusta a
una determinada funcin de probabilidades terica seleccionada a priori, con
los parmetros estimados con base en los valores muestrales.
Las pruebas estadsticas tienen por objeto medir la certidumbre que se obtiene
al hacer una hiptesis estadstica sobre una poblacin, es decir, calificar el
hecho de suponer que una variable aleatoria, se distribuya segn una cierta
funcin de probabilidades.
Las pruebas de bondad de ajuste, ms utilizadas son:
Ajuste grafico
Chi cuadrado
Ajuste estadstico
Smirnov - Kolmogorov
X 2
i ei
2
c
ei
Donde:
k
i ei N
i 1
X 2
K N i NPI
2
c
i 1 NPI
Pi 1 / k o ei Pi N
Donde:
Ni = nmero de observaciones que caen dentro de los lmites de clases
ajustadas del intervalo i
N = tamao muestral
Pi = probabilidad igual para todos los intervalos de clases
Simplificando la ecuacin (5.2) se obtiene la frmula computacional
desarrollada por Markovic (1965)
k k 2
X Ni N
2
c
N i 1
El valor de c2 obtenido por la ecuacin se compara con el 12 la tabla , cuyo
valor se determina con:
Nivel de significacin : = 0.05 = 0.01
Grados de libertad: g.l. = k-1-h
Donde:
k=Nmero de Intervalos
h = es le nmero de parmetros a estimarse, as:
h = 2, para la distribucin normal
h =3, para la distribucin log-normal de 3 parmetros
CRITERIO DE DECISIN
El criterio de decisin se fundamenta en la comparacin del valor calculado de
Chi-cuadrado es menor o igual que el valor tabular, es decir:
X c2 X t2
entonces, se acepta la hiptesis que el ajuste es bueno al nivel de significacin
seleccionado
Si el Chi-cuadrado es mayor que el valor tabular, es decir:
X c2 X t2
entonces, el ajuste es malo y se rechaza la hiptesis, siendo necesario probar
con otra distribucin terica.
VENTAJAS Y LIMITACIONES
1. Es aplicable solo para ajustes a la distribucin normal, puesto que ha
sido desarrollado con base en los datos normales e independientes.
2. Se realiza en la funcin densidad de datos agrupados en intervalos de
clases.
3. Requiere un conocimiento a priori, de la funcin de distribucin terica
utilizada en el ajuste.
4. En la prctica se usa para cualquier modelo de ajuste, pero
estrictamente es valido para la normal.
5. Es de fcil aplicacin
Ejemplo
Donde:
Columna (3) nmero de valores comprendido en el intervalo de la columna
(1).
Columna (4) columna (3) entre N = 38
Columna (5) acumular valores de la columna (4)
3.4. Calculo de la media y desviacin estndar para datos agrupados,
utilizando las columnas (2) y (3)
k
xi f i
X i 1
90.17
N
xi X f i
k
2
S i 1
43.03
N 1
Donde:
Xi = marca de clase
i = frecuencia relativa
5. Clculo de c2:
De
X c2
i ei 2
ei
sustituyendo valores de las columnas (6) y (7) de la tabla
X c2
4 5 2 15 10 2 9 12 2 7 7 2 1 3 2 1 1 3.78
5 10 12 7 3 1
X 2 7.81
7. Criterio de decisin.
Como c2 = 3.78 < t2 = 7.81
Se acepta la hiptesis nula Ho
Los datos se ajustan a la distribucin normal, con un nivel de
significacin del 5% 95% de probabilidad.