Dr.

Waldo Lavado Casimiro

waldo.lavado@gmail.com
 Proceso de Seleccion de una distribucion teorica
Seleccion de una distribucion

Registro de datos

Elegir una distribucion

teorica DT
Fin
Estimacion de parametros

Prueba de Bondad de Ajuste Utilizar DT Elegida

F
Ajuste bueno

Villon (2002)
 Estimacin de parmetros
Los parmetros de una distribucin terica son variables que para cada conjunto
de datos tiene un valor definido.
Una vez que los parmetros quedan definidos, tambin queda definida la
distribucin terica.
Por lo general, una funcin densidad o una funcin de distribucin acumulada,
puede escribirse como una funcin de la variable aleatoria y, en general, como
una funcin de sus parmetros; as, por ejemplo, la funcin densidad de la
distribucin normal de variable aleatoria X, es:

donde:
m = parmetro de localizacin.
s= parmetro de escala.
Para que la funcin f(x), quede definida, debe calcularse los parmetros m y s.
Como normalmente no se conocen todos los valores de la variable aleatoria, la
estimacin de los parmetros se realiza a partir de una muestra.
 Mtodos de estimacin de parmetros

Para determinar los valores numricos de los

parmetros de la distribucin terica, a partir de los
datos muestrales, se utilizan varios mtodos de
estimacin, siendo en orden ascendente de menor a
mayor eficiencia, los siguientes:

Grfico
Mnimos cuadrados
Momentos
Mxima verosimilitud
 Pruebas de bondad de ajuste
Las pruebas de bondad de ajuste consisten en comprobar,
grfica 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 grfico
Ajuste Estadstico:
-Chi - cuadrado
-Smirnov - Kolmogorov
PRUEBA X2
 Criterio de decision
El criterio de decisin se fundamenta en la comparacin del
valor tabular y el valor estimado

- Si el X2 calculado es menor o igual que el valor tabular, es

decir:
X2 c <= X2t
Entonces se acepta la hiptesis que el ajuste es bueno al
nivel de significacin seleccionado

- Si el X2 calculado es mayor que el valor tabular, es decir:

X2 c > X2t
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 distribucion
normal, puesto que ah sido desarrollado con base
en los datos normales e independientes.
2. Se realiza en la funcion de densidad de datos
agrupados en intervalos de clase.
3. Requiere de un conocimiento apriori , de la
funcion de distribucion teorica utilizada en el
ajuste
4. En la practica se usa para cualquier modelo de
ajuste, pero etrictamente es valido solo para la
normal.
5. Es de facil aplicacion.
 Prueba de Kolmogorov-Smirnov
Esta prueba consiste en comparar el mximo valor absoluto de la
diferencia D entre la funcin de distribucin de probabilidad
observada Fo (xm) y la estimada F (xm)

con un valor crtico d que depende del nmero de datos y el nivel de

significancia seleccionado. Si D < d, se acepta la hiptesis nula. Esta
prueba tiene la ventaja sobre la x2 de que compara los datos con el
modelo estadstico sin necesidad de agrupados. La funcin de
distribucin de probabilidad observada se calcula como :

donde m es el nmero de orden del dato Xm en una lista de mayor a

menor y n es el nmero total de datos.
 Ventajas y limitaciones
1. Es aplicable a cualquier distribucion teorica.
2. Es aplicable a distribuciones de datos no
agrupados, es decir, no se requiere hacer
intervalos de clase.
3. No requiere de un conocimiento apriori , de la
funcion de distribucion teorica utilizada en el
ajuste
4. Se aplica en la fdp acumulada y no en la funcion
de densidad.
5. No es una prueba exacta si no mas bien una
prueba aproximada.
 Criterio de decision
El criterio de decisin se fundamenta en la comparacin del
valor tabular y el valor estimado

- Si el D calculado es menor o igual que el valor tabular, es

decir:
Dc <= Dt
Entonces se acepta la hiptesis que el ajuste es bueno al
nivel de significacin seleccionado

- Si el D calculado es mayor que el valor tabular, es decir:

D c > Dt
Entonces el ajuste es malo y se rechaza la hiptesis siendo
necesario probar con otra distribucin terica