t4 cba continuas - rua, repositorio institucional de la ... · contrastes de bondad de ajuste de...
Post on 11-May-2020
5 Views
Preview:
TRANSCRIPT
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
Departamento de Ciencias del Mar y Biología Aplicada
T4. Contrastes de bondad de ajuste de variables continuas
Estadística
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
Variable aleatoria continua y su ajuste a una distribución
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
Variable aleatoria continua y su ajuste a una distribución
Método de Kolmogorov-Smirnov (K-S)
Fi= Función de distribución empírica
Фi= Función de distribución teórica
Diferencia máxima Máx. |Fi-Фi|
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
Diferencia máxima
Variable aleatoria continua y su ajuste a una distribución
Método de Kolmogorov-Smirnov (K-S)
Fi= Función de distribución empírica
Фi= Función de distribución teórica
Máx. |Fi-Фi|
Diferencia máxima Máx. |Fi-1-Фi|
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
En una lonja se toma una muestra de 9 individuos de pulpo común (Octopus vulgaris), y con posterioridad se pesan para saber el valor de su biomasa (kg): 0.878, 0.710, 0.833, 1.066, 0.676, 0.960, 0.863, 0.920, 0.797 Si esta variable sigue la distribución Normal, podemos profundizar mediante un análisis posterior con métodos paramétricos ¿Siguen los datos una distribución Normal?
Método de Kolmogorov-Smirnov (K-S)
Ejemplo
),( σµNX ≡
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
X Fi Zi Фi |Fi-Фi| |Fi-1- Фi|
0.676 0.11 -1.49 0.068 0.043 0.085
0.710 0.22 -1.20 0.115 0.107 |0.11-0.115|
0.797 0.33 -0.49 0.312 0.021
… … … … …
1.066 1 1.74 … …
Método de Kolmogorov-Smirnov (K-S) Ordenar los valores observados de menor a mayor
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
X Fi Zi Фi |Fi-Фi| |Fi-1- Фi|
0.676 0.111 -1.49 0.068 0.043 0.085
0.710 0.222 -1.20 0.115 0.107 |0.11-0.115|
0.797 0.333 -0.49 0.312 0.021
… … … … …
1.066 1.000 1.74 … …
Método de Kolmogorov-Smirnov (K-S) Calcular la función de distribución empírica (Fi)
nixF i =)( 111.0
91)676.0( ==F
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
X Fi Zi Фi |Fi-Фi| |Fi-1- Фi|
0.676 0.111 -1.479 0.068 0.043 0.085
0.710 0.222 -1.198 0.115 0.107 |0.11-0.115|
0.797 0.333 -0.479 0.312 0.021
… … … … …
1.066 1.000 1.744 … …
Método de Kolmogorov-Smirnov (K-S) Tipificar la variable para calcular Zi
σµ−
=xz
( )121.0
1
2
=−
−= ∑
nxx
S855.01== ∑ ixn
x
),( σµNX ≡ )1,0(NZ ≡
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
X Fi Zi Фi |Fi-Фi| |Fi-1- Фi|
0.676 0.111 -1.479 0.069 0.043 0.085
0.710 0.222 -1.198 0.115 0.107 |0.11-0.115|
0.797 0.333 -0.479 0.316 0.021
… … … … …
1.066 1.000 1.744 0.959 …
Método de Kolmogorov-Smirnov (K-S) Calcular la función de distribución teórica (Фi) usando Tabla Z
9306.01)479.1(1)479.1(1)479.1( −=−=≤−=−≤ ∫ZPZP
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
X Fi Zi Фi |Fi-Фi| |Fi-1- Фi|
0.676 0.111 -1.479 0.069 0.042 0.069
0.710 0.222 -1.198 0.115 0.107 0.004
0.797 0.333 -0.479 0.316 0.017 0.094
… … … … … …
1.066 1.000 1.744 0.959 0.041 0.071
Método de Kolmogorov-Smirnov (K-S) Calcular las diferencias entre distribución empírica y teórica
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
X Fi Zi Фi |Fi-Фi| |Fi-1- Фi|
0.676 0.111 -1.479 0.069 0.042 0.069
0.710 0.222 -1.198 0.115 0.107 0.004
0.797 0.333 -0.479 0.316 0.017 0.094
… … … … … …
1.066 1.000 1.744 0.959 0.041 0.071
Método de Kolmogorov-Smirnov (K-S) Calcular las diferencias entre distribución empírica y teórica
0
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
X Fi Zi Фi |Fi-Фi| |Fi-1- Фi|
0.676 0.111 -1.479 0.069 0.042 0.069
0.710 0.222 -1.198 0.115 0.107 0.004
0.797 0.333 -0.479 0.316 0.017 0.094
… … … … … …
1.066 1.000 1.744 0.959 0.041 0.071
Método de Kolmogorov-Smirnov (K-S) Calcular las diferencias entre distribución empírica y teórica
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
X Fi Zi Фi |Fi-Фi| |Fi-1- Фi|
0.676 0.111 -1.479 0.069 0.042 0.069
0.710 0.222 -1.198 0.115 0.107 0.004
0.797 0.333 -0.479 0.316 0.017 0.094
… … … … … …
1.066 1.000 1.744 0.959 0.041 0.071
Método de Kolmogorov-Smirnov (K-S) Calcular las diferencias entre distribución empírica y teórica
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
X Fi Zi Фi |Fi-Фi| |Fi-1- Фi|
0.676 0.111 -1.479 0.069 0.042 0.069
0.710 0.222 -1.198 0.115 0.107 0.004
0.797 0.333 -0.479 0.316 0.017 0.094
… … … … … …
1.066 1.000 1.744 0.959 0.041 0.071
Método de Kolmogorov-Smirnov (K-S) ¿Cual es la mayor diferencia entre distribución empírica y teórica?
{ } { } 107.0094.0,107.0|||,| 1exp ==−−= − MaxFFMaxD iiii φφ
¿Esta diferencia es grande o pequeña?
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
Método de Kolmogorov-Smirnov (K-S)
H0: La muestra se ajusta a la distribución hipotética H1: La muestra NO se ajusta a la distribución hipotética
β? α
Punto crítico c α,nD
• n = Nº de muestras
Obtenido de la Tabla K-S
430.005.0,9, == DDn α{ } 107.0|||,| 1exp =−−= − iiii FFMaxD φφ
430.0107.0 05.0,9exp =<= DD NO SE RECHAZA H0
La variable biomasa de los pulpos sigue una distribución
Normal
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
Método de Kolmogorov-Smirnov (K-S)
H0: La muestra se ajusta a la distribución hipotética H1: La muestra NO se ajusta a la distribución hipotética
β? α
)( expDDPvalorp n ≥=−
NO SE RECHAZA H0
La variable biomasa de los pulpos sigue una distribución
Normal
)107.0( 9 ≥=− DPvalorp2.0>− valorp
α>− valorp
Obtenido de la Tabla K-S
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
H0: La muestra se ajusta a la distribución hipotética H1: La muestra NO se ajusta a la distribución hipotética
Rechazamos H0 si:
Test diseñado para variables aleatorias continuas dadas de forma puntual (aunque se puede aplicar a ordinales). Normalmente se usa para pruebas con muestras pequeñas
Hipótesis estadística:
β? α
Método de Kolmogorov-Smirnov (K-S)
{ } αφφ ,1exp |||,| niiii DcFFMaxD =≥−−= −
{ } αφφ <−−≥=− − |||,|( 1 iiiin FFMaxDPvalorp• n = Nº de muestras
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
Desarrollo de la prueba:
1. Ordenar los datos de menor a mayor 2. Calcular la función de distribución empírica (Fi)
3. Tipificar la variable para calcular Zi
4. Calcular la función de distribución teórica (Фi) usando la Tabla de Z 5. Calcular la discrepancia entre distribución empírica y teórica,
calculando para cada punto:
6. Se comparan y se selecciona aquel intervalo de clase que tenga mayor desviación absoluta entre las desviaciones teóricas y observadas
7. Se compara la desviación con los valores críticos de la tabla de Kolmogorov-Smirnov
nxx ≤≤ ...1
Método de Kolmogorov-Smirnov (K-S)
nixF i =)(
σµ−
=xz
|||| 1 iiii FyF φφ −− −
{ } 107.0|||,| 1exp =−−= − iiii FFMaxD φφ
Estadística :: T4. Contrastes de bondad de ajuste de variables continuas
Método de Kolmogorov-Smirnov (K-S)
Comando a utilizar con R: • ks.test(x, pnorm, mean(x), sd(x)): Test de Kolmogorov-Smirnov
top related