Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar?
El uso de pruebas no paramétricas resulta recomendable cuando los datos a analizar no cumplen los supuestos de normalidad y homocedasticidad. Sin embargo, la suposición de la normalidad de los datos o el empleo de pruebas de bondad de ajuste que no son adecuadas para el tamaño muestral empleado son...
- Autores:
- Tipo de recurso:
- article
- Fecha de publicación:
- 2014
- Institución:
- Pontificia Universidad Javeriana
- Repositorio:
- Repositorio Universidad Javeriana
- Idioma:
- spa
- OAI Identifier:
- oai:repository.javeriana.edu.co:10554/33496
- Acceso en línea:
- http://revistas.javeriana.edu.co/index.php/revPsycho/article/view/8046
http://hdl.handle.net/10554/33496
- Palabra clave:
- goodness of fit; symmetric normal distribution; sample size; Monte Carlo simulation; Kolmogorov-Smirnov test
bondad de ajuste; distribución normal simétrica; tamaño muestral; simulación Monte Carlo; Kolmogorov-Smirnov
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
| id |
JAVERIANA_9946d973648c9b0663d58d9ab69f8e7c |
|---|---|
| oai_identifier_str |
oai:repository.javeriana.edu.co:10554/33496 |
| network_acronym_str |
JAVERIANA |
| network_name_str |
Repositorio Universidad Javeriana |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar? Goodness of Fit Tests for Symmetric Distributions, which Statistical Should I Use? |
| title |
Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar? |
| spellingShingle |
Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar? Pedrosa, Ignacio; Universidad de Oviedo. Facultad de Psicología goodness of fit; symmetric normal distribution; sample size; Monte Carlo simulation; Kolmogorov-Smirnov test bondad de ajuste; distribución normal simétrica; tamaño muestral; simulación Monte Carlo; Kolmogorov-Smirnov |
| title_short |
Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar? |
| title_full |
Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar? |
| title_fullStr |
Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar? |
| title_full_unstemmed |
Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar? |
| title_sort |
Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar? |
| dc.creator.none.fl_str_mv |
Pedrosa, Ignacio; Universidad de Oviedo. Facultad de Psicología Juarros-Basterretxea, Joel; Universidad de Oviedo. Facultad de Psicología Robles-Fernández, Adán; Universidad de Oviedo. Facultad de Psicología Basteiro, Julia; Universidad de Oviedo. Facultad de Psicología García-Cueto, Eduardo; Universidad de Oviedo. Facultad de Psicología |
| author |
Pedrosa, Ignacio; Universidad de Oviedo. Facultad de Psicología |
| author_facet |
Pedrosa, Ignacio; Universidad de Oviedo. Facultad de Psicología Juarros-Basterretxea, Joel; Universidad de Oviedo. Facultad de Psicología Robles-Fernández, Adán; Universidad de Oviedo. Facultad de Psicología Basteiro, Julia; Universidad de Oviedo. Facultad de Psicología García-Cueto, Eduardo; Universidad de Oviedo. Facultad de Psicología |
| author_role |
author |
| author2 |
Juarros-Basterretxea, Joel; Universidad de Oviedo. Facultad de Psicología Robles-Fernández, Adán; Universidad de Oviedo. Facultad de Psicología Basteiro, Julia; Universidad de Oviedo. Facultad de Psicología García-Cueto, Eduardo; Universidad de Oviedo. Facultad de Psicología |
| author2_role |
author author author author |
| dc.contributor.none.fl_str_mv |
null Este trabajo ha sido parcialmente financiado por Ministerio de Educación, Cultura y Deporte del gobierno de España mediantes su programa FPU. Referencia: AP2010-1999. |
| dc.subject.none.fl_str_mv |
goodness of fit; symmetric normal distribution; sample size; Monte Carlo simulation; Kolmogorov-Smirnov test bondad de ajuste; distribución normal simétrica; tamaño muestral; simulación Monte Carlo; Kolmogorov-Smirnov |
| topic |
goodness of fit; symmetric normal distribution; sample size; Monte Carlo simulation; Kolmogorov-Smirnov test bondad de ajuste; distribución normal simétrica; tamaño muestral; simulación Monte Carlo; Kolmogorov-Smirnov |
| description |
El uso de pruebas no paramétricas resulta recomendable cuando los datos a analizar no cumplen los supuestos de normalidad y homocedasticidad. Sin embargo, la suposición de la normalidad de los datos o el empleo de pruebas de bondad de ajuste que no son adecuadas para el tamaño muestral empleado son aspectos habituales. Este hecho implica, en muchas ocasiones, el uso de pruebas estadísticas no ajustadas al tipo de distribución real y, consecuentemente, el establecimiento de conclusiones erróneas. Por ello, en el presente estudio se ha analizado el poder de detección de cinco pruebas de bondad de ajuste (Kolmogorov-Smirnov, Kolmogorov-Smirnov-Lilliefors, Shapiro-Wilk, Anderson-Darling y Jarque-Bera) en distribuciones simétricas con seis tamaños muestrales entre 30 y 1000 participantes generados mediante una simulación Monte Carlo. Los resultados muestran una tendencia conservadora generalizada a medida que se incrementa el tamaño muestral. En cuanto a los tamaños muestrales, las pruebas con un mejor poder de detección de la no normalidad son Kolmogorov-Smirnov-Lilliefors y Anderson-Darling para muestra pequeñas, la prueba de Kolmogorov-Smirnov si se emplean tamaños muestrales medios (200 participantes) y la prueba de Shapiro-Wilk cuando se analizan muestras superiores a 500 participantes. Además, la prueba clásica de Kolmogorov-Smirnov se considera absolutamente ineficaz independientemente del tamaño muestral. |
| publishDate |
2014 |
| dc.date.none.fl_str_mv |
2014-10-18 2018-02-24T16:06:32Z 2018-02-24T16:06:32Z 2020-04-15T18:31:45Z 2020-04-15T18:31:45Z |
| dc.type.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 Artículo de revista http://purl.org/coar/resource_type/c_6501 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
| format |
article |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://revistas.javeriana.edu.co/index.php/revPsycho/article/view/8046 10.11144/Javeriana.upsy14-1.pbad 2011-2777 1657-9267 http://hdl.handle.net/10554/33496 |
| url |
http://revistas.javeriana.edu.co/index.php/revPsycho/article/view/8046 http://hdl.handle.net/10554/33496 |
| identifier_str_mv |
10.11144/Javeriana.upsy14-1.pbad 2011-2777 1657-9267 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
http://revistas.javeriana.edu.co/index.php/revPsycho/article/view/8046/10611 Universitas Psychologica; Vol. 14, Núm. 1 (2015); 245-254 |
| dc.rights.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
PDF application/pdf |
| dc.publisher.none.fl_str_mv |
Pontificia Universidad Javeriana |
| publisher.none.fl_str_mv |
Pontificia Universidad Javeriana |
| dc.source.none.fl_str_mv |
reponame:Repositorio Universidad Javeriana instname:Pontificia Universidad Javeriana instacron:Pontificia Universidad Javeriana |
| instname_str |
Pontificia Universidad Javeriana |
| instacron_str |
Pontificia Universidad Javeriana |
| institution |
Pontificia Universidad Javeriana |
| reponame_str |
Repositorio Universidad Javeriana |
| collection |
Repositorio Universidad Javeriana |
| _version_ |
1803712821082456064 |
| spelling |
Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar?Goodness of Fit Tests for Symmetric Distributions, which Statistical Should I Use?Pedrosa, Ignacio; Universidad de Oviedo. Facultad de PsicologíaJuarros-Basterretxea, Joel; Universidad de Oviedo. Facultad de PsicologíaRobles-Fernández, Adán; Universidad de Oviedo. Facultad de PsicologíaBasteiro, Julia; Universidad de Oviedo. Facultad de PsicologíaGarcía-Cueto, Eduardo; Universidad de Oviedo. Facultad de Psicologíagoodness of fit; symmetric normal distribution; sample size; Monte Carlo simulation; Kolmogorov-Smirnov testbondad de ajuste; distribución normal simétrica; tamaño muestral; simulación Monte Carlo; Kolmogorov-SmirnovEl uso de pruebas no paramétricas resulta recomendable cuando los datos a analizar no cumplen los supuestos de normalidad y homocedasticidad. Sin embargo, la suposición de la normalidad de los datos o el empleo de pruebas de bondad de ajuste que no son adecuadas para el tamaño muestral empleado son aspectos habituales. Este hecho implica, en muchas ocasiones, el uso de pruebas estadísticas no ajustadas al tipo de distribución real y, consecuentemente, el establecimiento de conclusiones erróneas. Por ello, en el presente estudio se ha analizado el poder de detección de cinco pruebas de bondad de ajuste (Kolmogorov-Smirnov, Kolmogorov-Smirnov-Lilliefors, Shapiro-Wilk, Anderson-Darling y Jarque-Bera) en distribuciones simétricas con seis tamaños muestrales entre 30 y 1000 participantes generados mediante una simulación Monte Carlo. Los resultados muestran una tendencia conservadora generalizada a medida que se incrementa el tamaño muestral. En cuanto a los tamaños muestrales, las pruebas con un mejor poder de detección de la no normalidad son Kolmogorov-Smirnov-Lilliefors y Anderson-Darling para muestra pequeñas, la prueba de Kolmogorov-Smirnov si se emplean tamaños muestrales medios (200 participantes) y la prueba de Shapiro-Wilk cuando se analizan muestras superiores a 500 participantes. Además, la prueba clásica de Kolmogorov-Smirnov se considera absolutamente ineficaz independientemente del tamaño muestral.The use of nonparametric tests is recommended when the data do not meet the assumptions of normality and homoscedasticity. However, the assumptions of normality of the data or the use of goodness of fit tests that are not appropriate for the assessed sample are common aspects. In many cases, this implies the use of statistical tests unadjusted for the real data distribution and, consequently, the establishment of inaccurate conclusions. Therefore, in this paper the detection power of five tests of goodness of fit (Kolmogorov-Smirnov-Lilliefors, Kolmogorov-Smirnov, Shapiro-Wilk, Anderson-Darling and Jarque-Bera) in symmetric distributions is analysed in six sample sizes between 30 and 1000 participants generated by Monte Carlo simulation. Results show a marked conservative tendency as the sample size becomes larger. Regarding sample sizes to detect non-normality: analysing small samples the best results are provided by Kolmogorov-Smirnov-Lilliefors and Anderson-Darling tests, if the sample is medium-sized (200 participants) the Kolmogorov-Smirnov, and when samples are over 500 participants the Shapiro-Wilk test is recommended. In addition, the classic test of Kolmogorov-Smirnov is considered absolutely ineffective regardless the sample size.Pontificia Universidad JaveriananullEste trabajo ha sido parcialmente financiado por Ministerio de Educación, Cultura y Deporte del gobierno de España mediantes su programa FPU. Referencia: AP2010-1999.2018-02-24T16:06:32Z2020-04-15T18:31:45Z2018-02-24T16:06:32Z2020-04-15T18:31:45Z2014-10-18http://purl.org/coar/version/c_970fb48d4fbd8a85Artículo de revistahttp://purl.org/coar/resource_type/c_6501info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionPDFapplication/pdfhttp://revistas.javeriana.edu.co/index.php/revPsycho/article/view/804610.11144/Javeriana.upsy14-1.pbad2011-27771657-9267http://hdl.handle.net/10554/33496spahttp://revistas.javeriana.edu.co/index.php/revPsycho/article/view/8046/10611Universitas Psychologica; Vol. 14, Núm. 1 (2015); 245-254Atribución-NoComercial-SinDerivadas 4.0 Internacionalinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2reponame:Repositorio Universidad Javerianainstname:Pontificia Universidad Javerianainstacron:Pontificia Universidad Javeriana2023-03-29T19:25:53Z |