Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 421 vistas

    Prueba de Normalidad

    Cargado por

    Keyla Rojas
    Este documento describe varias pruebas estadísticas para evaluar la normalidad de los datos y la multinormalidad de vectores aleatorios. Incluye la prueba de normalidad P-variante de Mardia, que prueba la normalidad de cada variable y de combinaciones lineales de ellas. También describe pruebas de asimetría, kurtosis y multinormalidad basadas en coeficientes estadísticos. Finalmente, presenta el test de esfericidad de Bartlett para evaluar si las variables no están intercorrelacionadas formando una esfera en

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Prueba de Normalidad

    Cargado por

    Keyla Rojas
    421 vistas8 páginas
    Este documento describe varias pruebas estadísticas para evaluar la normalidad de los datos y la multinormalidad de vectores aleatorios. Incluye la prueba de normalidad P-variante de Mardia, que prueba la normalidad de cada variable y de combinaciones lineales de ellas. También describe pruebas de asimetría, kurtosis y multinormalidad basadas en coeficientes estadísticos. Finalmente, presenta el test de esfericidad de Bartlett para evaluar si las variables no están intercorrelacionadas formando una esfera en

    Descripción original:

    Prueba de Normalidad

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe varias pruebas estadísticas para evaluar la normalidad de los datos y la multinormalidad de vectores aleatorios. Incluye la prueba de normalidad P-variante de Mardia, que prueba la normalidad de cada variable y de combinaciones lineales de ellas. También describe pruebas de asimetría, kurtosis y multinormalidad basadas en coeficientes estadísticos. Finalmente, presenta el test de esfericidad de Bartlett para evaluar si las variables no están intercorrelacionadas formando una esfera en

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    421 vistas8 páginas

    Prueba de Normalidad

    Cargado por

    Keyla Rojas
    Este documento describe varias pruebas estadísticas para evaluar la normalidad de los datos y la multinormalidad de vectores aleatorios. Incluye la prueba de normalidad P-variante de Mardia, que prueba la normalidad de cada variable y de combinaciones lineales de ellas. También describe pruebas de asimetría, kurtosis y multinormalidad basadas en coeficientes estadísticos. Finalmente, presenta el test de esfericidad de Bartlett para evaluar si las variables no están intercorrelacionadas formando una esfera en

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 8

    PRUEBA DE NORMALIDAD P-VARIANTE

    La prueba de normalidad es de gran interés para verificar si las

    características de calidad que intervienen en el estudio provienen de

    una población que se distribuye mediante una ley Normal, que es el

    supuesto básico para realizar el control estadístico de calidad.

    PRUEBA DE NORMALIDAD P- VARIANTE DE MARDIA

    Esta prueba de normalidad fue propuesta por (Mardia, Kent and

    Bibby). Para probar si X = x1, x2,..., xp constituye un vector

    aleatorio normal multivariante se realiza las siguientes pruebas:

    i) Prueba de Normalidad de cada Xi (i=1, 2,..., p).

    ii) Prueba de Normalidad de las combinaciones lineales de estas

    variables en un número suficientemente grande.

    Si se cumple la normalidad en todos los casos indicados, se puede

    afirmar que X es un vector aleatorio multivariante (Mardia, Kent

    and Bibby, 1979).


    PRUEBA DE NORMALIDAD MARGINAL

    1. PRUEBA DE ASIMETRÍA

    Sea 1 el coeficiente de asimetría poblacional.

    a) Hipótesis estadística:

    H 0 : √ β 1=0
    H 0 : √ β 1≠0

    b) Coeficiente de asimetría muestral:


    2
    ( m3 )
    b1 = 3
    ( m2 )

    c) La función pivotal:

    Z 1=
    √ b 1 (n+1 )(n+3 )
    6(n−2)

    d) Decisión:

    Aceptar
    H 0 si |Z 1|≤Z α /2
    2. PRUEBA DE KURTOSIS

    Sea 2 el coeficiente de kurtosis poblacional.

    a) Hipótesis estadística:

    H 0 : √ β 2=0
    H 0 : √ β 2≠0

    b) Coeficiente de asimetría muestral:

    m4
    b2 = 2
    ( m2 )

    a) La función pivotal:

    (
    Z 2 = b2 −3+
    6
    n+1 )√ (n+1)2 (n+3)( n+ 5)
    24 n(n−2)(n−3 )

    d) Decisión:

    Aceptar
    H0 si |Z 2|≤Z α /2
    PRUEBA DE MULTINORMALIDAD

    1. PRUEBA DE ASIMETRÍA

    Sea 1.P el coeficiente poblacional multivariante.

    a) Hipótesis estadística:

    ¿
    H 0 : √ β 1. p ≤0
    ¿
    H 0 : √ β 1. p

    b) Coeficiente de asimetría muestral :

    n n
    1 3
    [
    b1 . p= 2 ∑ ∑ ( X i− X̄ )¡ Σ^ −1 ( X i− X̄ )
    n i =1 j=1
    ]
    c) La función pivotal:

    nb1 . p
    χ 20 = ⃗ χ 2p ( p+ 1)( p+ 2)
    6
    6

    d) Decisión:
    χ2
    α
    ¿

    Aceptar H 0 si
    ¿
    χ2
    0 ¿
    2. PRUEBA DE KURTOSIS

    Sea 2 el coeficiente de kurtosis poblacional multivariante.

    a) Hipótesis estadística:

    H 0 : β 2. p = p( p+2 )
    H 0 : β 2. p ≠ p( p+2 )

    b) Coeficiente de asimetría muestral:

    n
    1 2
    [
    b2 . p = ∑ ( X i− X̄ ) ´ Σ^ −1 ( X i − X̄ )
    n i=1 ]
    c) La función pivotal:

    b 2. p −[ p ( p+ 2 ) ]
    Z= 1 /2

    [ 8 p ( p+ 2 )
    n ]

    d) Decisión:

    Aceptar H 0 si |Z 2|≤Z α /2
    PRUEBA DE SIGNIFICACIÓN DE CORRELACION MULTIVARIADO

    TEST DE ESFERICIDAD DE BARTLETT (Bisquerra)

    El test de esfericidad de Bartlett consiste en una estimación de la

    distribución Ji-cuadrado a partir de una transformación del

    determinante de la matriz de correlación. Para aplicar esta prueba se

    requiere que los datos procedan de una población que sigue una

    distribución Normal-Multivariante.

    Hipótesis Estadística

    Considerando que R=1, si y solo si R=1, la hipótesis nula se puede

    formular indistintamente así:

    H0: R=1
    Si se confirma la Ho significativo se dice que las variables no están

    intercorrelacionadas. Por lo tanto, la nube de puntos en el espacio

    formaría una esfera (esfericidad).

    Función Pivotal

    2
    χ =−[ n−1−1/ 6 (2 v+5 ) ] ln|R|
    ……………(2.2)

    Dónde:

    n : es el número de individuos de la muestra

    v : el número de variables incluidas en la matriz de correlaciones.

    |R| : Determinante de la matriz de correlaciones.

    Los grados de libertad vienen dados por v= ½ (v2-v) gl.

    Decisión

    Si con el test de Bartlett se obtienen valores altos de 2 se rechaza la

    hipótesis nula con cierto grado de significación.

    También podría gustarte