Potencia y Robustez en Pruebas de Normalidad con Simulación Montecarlo
| Autor | Elizabeth María Gandica de Roa |
| Cargo | Universidad Nacional Experimental del Táchira, UNET |
| Páginas | 108-119 |
108
Instituto Internacional de Investigación y Desarrollo Tecnoló gico Educativo INDTEC, C.A.
DOI: https://doi.org/10.29394/Scientific.issn.2542-2987.2020. 5.18.5.108-119
OAI-PMH: http://www.indteca.com/ojs/index.php/Revista_Scient ific/oai
Artículo Original / Original Article
Elizabeth María Gandica de Roa.
Potencia y Robustez en Pruebas de Normalidad con Simulación Mont ecarlo.
Revista Scientific - Artículo Arbitrado - Registro nº: 295-14548 - pp. BA2016000002 - Vol. 5, Nº 18 - Noviembre-Enero 2020-2021 - pág. 108/119
e-ISSN: 2542-2987 - ISNI: 0000 0004 6045 0361
Potencia y Robustez en Pruebas de Normalidad con Simulación
Montecarlo
Autora: Elizabeth María Gandica de Roa
Universidad Nacional Experimental del Táchira, UNET
elizabethgandica@gmail.com
San Cristóbal, Venezuela
https://orcid.org/0000-0001-8797-4198
Resumen
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.
Palabras clave: simulación Montecarlo; potencia; robustez; pruebas de
normalidad.
Cómo citar este artículo:
Gandica de Roa, E. (2020). Potencia y Robustez en Pruebas de Normalidad con Simulación
Montecarlo. Revista Scientific, 5(18), 108-119, e-ISSN: 2542-2987. Recuperado de:
https://doi.org/10.29394/Scientific.issn.2542-2987. 2020.5.18.5.108-119
Fecha de Recepción:
20-05-2020
Fecha de Aceptación:
25-09-2020
Fecha de Publicación:
05-11-2020
Para continuar leyendo
Solicita tu prueba