Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2 0 11
2 8 ,2 9 ,3 0 S E T IE M B R E
0 1 O C TU BRE
LA IMPORTANCIA DE
LAS PRUEBAS DE
BONDAD DE AJUSTE
Manuel E. Garca-Naranjo B.
Septiembre 2011
INTRODUCCIN
En la determinacin de valores extremos (caudales
mximos o mnimos, niveles mximos o mnimos,
etc.) necesarios para el anlisis y solucin de muchos
problemas relacionados con la ingeniera hidrulica,
resulta
comn
emplear
las
distribuciones
probablisticas ms usuales para el estudio de
problemas hidrolgicos. As, a partir de un registro
histrico de valores extremos, se infiere aquellos
valores mximos o mnimos asociados a un cierto
perodo de retorno de diseo.
INTRODUCCIN
Es relativamente comn apreciar estudios en los
cuales, a partir de una data histrica de valores
extremos, se haya hecho uso de distribuciones tales
como: Gumbel, Normal o Log Pearson tipo III, para
estimar los valores extremos asociados a un periodo
de retorno seleccionado. En menor medida se
observar el empleo de distribuciones tales como:
log normal de 2 parmetros, log normal de 3
parmetros o la distribucin gamma de 2 de 3
parmetros.
INTRODUCCIN
En este sentido cabra preguntarse: qu ha llevado
al especialista a seleccionar una determinada
distribucin probabilstica para el anlisis efectuado?
se ha verificado que la distribucin escogida sea la
que efectivamente mejor se ajusta o representa a la
serie histrica de datos? cul de las distribuciones
disponibles debi haberse empleado en verdad en la
estimacin requerida de valores extremos?
Estas preguntas nos conducen a la necesidad de
revisar los temas relacionados con las pruebas de
bondad de ajuste.
DEFINICIONES
Las pruebas de bondad de ajuste tienen por
objetivo determinar si los datos disponibles se
ajustan a una determinada distribucin.
Se entiende por bondad de ajuste a la asimilacin
de los datos observados de una variable a una
funcin matemtica previamente establecida y
reconocida. A travs de sta es posible entonces
predecir el comportamiento de la variable en
estudio (Pizarro, 1986)
DEFINICIONES
Entre las pruebas de bondad de ajuste ms
conocidas, cabe mencionar las siguientes:
Prueba de Chi Cuadrado
Prueba de Kolmogorov Smirnov
Prueba de Anderson Darling
Tabla de valores de
D en funcin del nivel
de significancia y del
tamao de la muestra
EJEMPLO
PRUEBA DE
KOLMOGOROV
SMIRNOV
EJEMPLO
PRUEBA DE
KOLMOGOROV
SMIRNOV
PRUEBA DE ANDERSON-DARLING
Esta prueba no paramtrica es una modificacin del test de
Kolmogorov- Smirnov, donde se le da ms peso a las colas
de la distribucin que la prueba de K-S.
Frmula:
A2= N S
El estadstico para la prueba de Anderson-Darling es:
PRUEBA DE ANDERSON-DARLING
donde:
n - es el nmero de datos
F(x) - es la funcin e distribucin de probabilidad terica
Fn(x) - es la funcin de distribucin emprica
Para definir la regla de rechazo para esta prueba es
necesario obtener el estadstico ajustado para luego
compararlo con los valores crticos de la tabla de AndersonDarling.
La tabla siguiente muestra los valores crticos para distintas
distribuciones con parmetros conocidos.
PRUEBA DE ANDERSON-DARLING
PRUEBA DE ANDERSON-DARLING
Una vez obtenido el estadstico ajustado, la regla de
rechazo se realiza de manera anloga a la prueba de
Kolmogorov-Smirnov.
Si An2 es mayor o igual que ao, se acepta la hiptesis
nula; siendo ao el valor asociado al estadstico de
prueba An2
BREVES CONCLUSIONES
En que casos es recomendable cada estadstico?
Chi-Cuadrado:
es recomendable para distribuciones
discretas o continuas cuando existe gran cantidad de datos.
Se recomienda trabajar con datos agrupados.
Kolmogorov-Smirnov (K-S):
es recomendable para
distribuciones continuas y muestras de cualquier tamao.
No requiere hacer uso de datos agrupados.
Anderson-Darling: es recomendable para distribuciones
con colas pronunciadas. No requiere hacer uso de datos
agrupados.