Resultado de búsqueda
Pruebas de bondad de ajuste para el contraste de distribu - ción normal: 1. Prueba de Kolmogorov-Smirnov (K-S). 2. Test de Lilliefors (prueba de corrección para Kolmo gorov). 3. Prueba de gráficos: Histograma, Q-Q Plots, 4. Prueba de Shapiro-Wilks. 1. PRUEBA DE KOLMOGOROV-SMIRNOV Conocida como prueba K-S, es una prueba de signifi-
4 de may. de 2016 · El test de Kolmogorov-Smirnov (con la corrección Lilliefors) se utiliza para contrastar si un conjunto de datos se ajustan o no a una distribución normal. Es similar en este caso al test de Shapiro Wilk, pero la principal diferencia con éste radica en el número de muestras. Mientras que el test de Shapiro Wilk se puede utilizar con hasta 50 ...
TEST DE KOLMOGOROV‐SMIRNOV (I) Tabla de Lilliefors Distribución normal con parámetros estimados n α=0.20 α=0.15 α=0.10 α=0.05 α=0.01 4 0,3027 0,3216 0,3456 0,3754 0,4129 5 0,2893 0,3027 0,3188 0,3427 0,3959 6 0,2694 0,2816 0,2982 0,3245 0,3728 7 0,2521 0,2641 0,2802 0,3041 0,3504 8 0,2387 0,2502 0,2649 0,2875 0,3331 9 0,2273 0,2382 0,2522 0,2744 0,3162
1 de mar. de 2021 · About Press Copyright Contact us Creators Advertise Developers Terms Privacy Policy & Safety How YouTube works Test new features NFL Sunday Ticket Press Copyright ...
22 de abr. de 2023 · Prueba de Lilliefors: La prueba de Lilliefors, una extensión de la prueba de Kolmogorov-Smirnov, fue desarrollada por Hubert Lilliefors en 1967. Está diseñada para muestras pequeñas cuando se desconocen los parámetros de la población, como la media y la desviación estándar.
ASPECTOS GENERALES. Lilliefors es una prueba de bondad de ajuste [a], se emplea para probar la hipótesis nula de que los datos provienen de una población con distribución normal. Esta prueba se presenta como una modificación de la prueba de Kolmogorov-Smirnov, para poder resolver el problema de parámetros desconocidos en el caso normal.
El estadístico de prueba Kolmogorov-Smirnov con la correción de Lilliefors presenta un nivel de significación igual a 0,000. Enconsecuencia se rechaza la hipótesis de normalidad. El gráfico Q-Q normal ratifica la conclusión anterior, ya que los valores observados no se situan sobre la recta esperada bajo el supuesto de normalidad.
