Presentación Educación ENNA Y MARIAN

•ENNA GUADALUPE CRUZ ZARATE•MARIAN MARILU MENDEZ ESPINOSA

PRUEBA DE:RYAN-JOINER y SHAPPIRO-WILK

Importancia de las pruebas de normalidad: Las pruebas de normalidad determinan si un conjunto de datos sigue una distribución normal. Esto es clave para decidir si aplicar métodos estadísticos paramétricos o no paramétricos. Objetivo: Comparar las características y aplicaciones de las pruebas Ryan-Joiner y Shapiro-Wilk.

Introducción

Ventajas: Es sensible a pequeñas desviaciones de la normalidad. Más común en software estadístico como Minitab. Limitaciones: Menos conocida y utilizada fuera de contextos específicos.

Prueba de Ryan-Joiner (RJ) Propósito: Evaluar la normalidad de los datos, similar a la prueba de Shapiro-Wilk. Utilizada en entornos industriales y control de calidad. Método: Calcula el coeficiente de correlación entre los datos ordenados y los percentiles esperados de una distribución normal. Un coeficiente cercano a 1 indica normalidad.

EJEMPLO

Ejemplo de PRUEBA DE Ryan-Joiner Los siguientes datos representan tiempos de entrega (en minutos): 6.3, 6.5, 6.4, 6.7, 6.6 Ordenar los datos: Ordenamos de menor a mayor: 6.3, 6.4, 6.5, 6.6, 6.7 Valores esperados: Se calculan los percentiles esperados para una distribución normal estándar. Estos valores dependerán del tamaño de la muestra. Ejemplo: Percentil esperado (mínimo): -1.28 Percentil esperado (máximo): +1.28 Los valores intermedios se interpolan. Cálculo de 𝑟 r: Se obtiene el coeficiente de correlación entre los valores observados y los valores esperados. Resultados (usando software): Coeficiente 𝑟=0.995 Valor 𝑝=0.12 Interpretación: p>0.05: No se rechaza la hipótesis nula de normalidad. Conclusión: Los datos pueden considerarse normalesEsto es un párrafo listo para contener creatividad, experiencias e historias geniales.

Interactividad

Creatividad

Animación

PRUEBA DE SHAPPIRO-WILK

Prueba de Shapiro-Wilk (SW) Propósito: Prueba estadística general para determinar la normalidad. Método: Compara los datos ordenados con los valores esperados en una distribución normal. Genera un estadístico 𝑊 y un valor p. Si 𝑝<0.05, se rechaza la hipótesis de normalidad.

Ejemplo de Aplicación (Shapiro-Wilk) Datos: 10 observaciones de un experimento. Procedimiento: Usar software estadístico o lenguajes como Python o R. Resultados: W=0.93, p=0.12 → Los datos son normales (𝑝>0.05)

Ventajas: Altamente sensible a la no normalidad. Adecuada para tamaños de muestra pequeños y medianos. Limitaciones: Puede ser muy estricta en muestras grandes.