PRUEBA DE NORMALIDAD P-VARIANTE

La prueba de normalidad es de gran interés para verificar si las

características de calidad que intervienen en el estudio provienen de

una población que se distribuye mediante una ley Normal, que es el

supuesto básico para realizar el control estadístico de calidad.

PRUEBA DE NORMALIDAD P- VARIANTE DE MARDIA

Esta prueba de normalidad fue propuesta por (Mardia, Kent and

Bibby). Para probar si X = x1, x2,..., xp constituye un vector

aleatorio normal multivariante se realiza las siguientes pruebas:

i) Prueba de Normalidad de cada Xi (i=1, 2,..., p).

ii) Prueba de Normalidad de las combinaciones lineales de estas

variables en un número suficientemente grande.

Si se cumple la normalidad en todos los casos indicados, se puede

afirmar que X es un vector aleatorio multivariante (Mardia, Kent

and Bibby, 1979).

PRUEBA DE NORMALIDAD MARGINAL

1. PRUEBA DE ASIMETRÍA

Sea 1 el coeficiente de asimetría poblacional.

a) Hipótesis estadística:

H 0 : √ β 1=0
H 0 : √ β 1≠0

b) Coeficiente de asimetría muestral:

2
( m3 )
b1 = 3
( m2 )

c) La función pivotal:

Z 1=
√ b 1 (n+1 )(n+3 )
6(n−2)

d) Decisión:

Aceptar
H 0 si |Z 1|≤Z α /2
2. PRUEBA DE KURTOSIS

Sea 2 el coeficiente de kurtosis poblacional.

a) Hipótesis estadística:

H 0 : √ β 2=0
H 0 : √ β 2≠0

b) Coeficiente de asimetría muestral:

m4
b2 = 2
( m2 )

a) La función pivotal:

(
Z 2 = b2 −3+
6
n+1 )√ (n+1)2 (n+3)( n+ 5)
24 n(n−2)(n−3 )

d) Decisión:

Aceptar
H0 si |Z 2|≤Z α /2
PRUEBA DE MULTINORMALIDAD

1. PRUEBA DE ASIMETRÍA

Sea 1.P el coeficiente poblacional multivariante.

a) Hipótesis estadística:

¿
H 0 : √ β 1. p ≤0
¿
H 0 : √ β 1. p

b) Coeficiente de asimetría muestral :

n n
1 3
[
b1 . p= 2 ∑ ∑ ( X i− X̄ )¡ Σ^ −1 ( X i− X̄ )
n i =1 j=1
]
c) La función pivotal:

nb1 . p
χ 20 = ⃗ χ 2p ( p+ 1)( p+ 2)
6
6

d) Decisión:
χ2
α
¿

Aceptar H 0 si
¿
χ2
0 ¿
2. PRUEBA DE KURTOSIS

Sea 2 el coeficiente de kurtosis poblacional multivariante.

a) Hipótesis estadística:

H 0 : β 2. p = p( p+2 )
H 0 : β 2. p ≠ p( p+2 )

b) Coeficiente de asimetría muestral:

n
1 2
[
b2 . p = ∑ ( X i− X̄ ) ´ Σ^ −1 ( X i − X̄ )
n i=1 ]
c) La función pivotal:

b 2. p −[ p ( p+ 2 ) ]
Z= 1 /2

[ 8 p ( p+ 2 )
n ]

d) Decisión:

Aceptar H 0 si |Z 2|≤Z α /2
PRUEBA DE SIGNIFICACIÓN DE CORRELACION MULTIVARIADO

TEST DE ESFERICIDAD DE BARTLETT (Bisquerra)

El test de esfericidad de Bartlett consiste en una estimación de la

distribución Ji-cuadrado a partir de una transformación del

determinante de la matriz de correlación. Para aplicar esta prueba se

requiere que los datos procedan de una población que sigue una

distribución Normal-Multivariante.

Hipótesis Estadística

Considerando que R=1, si y solo si R=1, la hipótesis nula se puede

formular indistintamente así:

H0: R=1
Si se confirma la Ho significativo se dice que las variables no están

intercorrelacionadas. Por lo tanto, la nube de puntos en el espacio

formaría una esfera (esfericidad).

Función Pivotal

2
χ =−[ n−1−1/ 6 (2 v+5 ) ] ln|R|
……………(2.2)

Dónde:

n : es el número de individuos de la muestra

v : el número de variables incluidas en la matriz de correlaciones.

|R| : Determinante de la matriz de correlaciones.

Los grados de libertad vienen dados por v= ½ (v2-v) gl.

Decisión

Si con el test de Bartlett se obtienen valores altos de 2 se rechaza la

hipótesis nula con cierto grado de significación.