Potencia y Robustez en Pruebas de Normalidad con Simulación Montecarlo
DOI:
https://doi.org/10.29394/Scientific.issn.2542-2987.2020.5.18.5.108-119Palabras clave:
simulación Montecarlo, potencia, robustez, pruebas de normalidadResumen
En esta investigación se planteó como objetivo general, examinar la potencia y robustez de las pruebas de normalidad en muestras grandes y pequeñas, generadas con simulación Montecarlo. Se aplicaron pruebas de hipótesis no paramétricas que miden el grado de discrepancia entre las distribuciones empíricas y la función de distribución acumulada normal, que analizan la correlación entre la distribución teórica y la experimental y las que se sustentan en el estudio de la asimetría y curtosis. La comparación se hizo en dos grupos con tamaño de muestras distintas. En las muestras grandes se compararon las pruebas de Kolmogorov-Smirnov; Chi-Cuadrado de Pearson; Jarque-Bera y Geary; en las muestras pequeñas Shapiro-Wilk; Cramér-von Mises; Lilliefors y Watson. Los contrastes se realizaron con el Programa informático RStudio y el criterio de rechazo para las hipótesis nulas se hizo a través del p-value. Como conclusión, la prueba de mayor robustez en muestras grandes es Kolmogorov estimándose que su probabilidad es menor a 0,11. En muestras pequeñas este resultado corresponde a Shapiro-Wilk con una estimación menor a 0,14. Con relación a la potencia en las pruebas de normalidad para muestras grandes se demostró que la más potente de ellas es la prueba Jarque Bera, con un intervalo de confianza entre 0,86 y 1. Para las muestras pequeñas ninguna de las pruebas sometidas a estudio resultó potente.
Descargas
Citas
Arshad, M., Rasool, M., & Ahmad, M. (2003). Anderson Darling and Modified Anderson Darling Tests for Generalized Pareto Distribution. Journal of Applied Sciences, 3(2), 85-88, e-ISSN: 1812-5662. Recovered from: https://dx.doi.org/10.3923/jas.2003.85.88
Bradley, J. (1978). Robustness?. British Journal of Mathematical and Statistical Psychology, 31, 144-152, e-ISSN: 0007-1102. Recovered from: https://doi.org/10.1111/j.2044-8317.1978.tb00581.x
Cabrera, G., Zanazzi, J., Zanazzi, J. & Boaglio, L. (2017). Comparación de potencias en pruebas estadísticas de normalidad, con datos escasos. Revista Facultad de Ciencias Exactas, Físicas y Naturales, 4(2), 47-52, e-ISSN: 2362-2539. Recuperado de: https://revistas.unc.edu.ar/index.php/FCEFyN/article/view/16775
Hurtado, F. (2020). Fundamentos Metodológicos de la Investigación: El Génesis del Nuevo Conocimiento. Revista Scientific, 5(16), 99-119, e-ISSN: 2542-2987. Recuperado de: https://doi.org/10.29394/Scientific.issn.2542-2987.2020.5.16.5.99-119
Islam, T. (2011). Normality Testing- A New Direction. International Journal of Business and Social Science, 2(3), 115-118, e-ISSN: 2219-6021. Recovered from: http://www.ijbssnet.com/journal/index/169
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
El contenido de las revistas de este sitio, están bajo una Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.