PRUEBA DE:RYAN-JOINER y SHAPPIRO-WILK
•ENNA GUADALUPE CRUZ ZARATE•MARIAN MARILU MENDEZ ESPINOSA
Introducción
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.
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.
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.
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.
PRUEBA DE SHAPPIRO-WILK
Interactividad
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.
Animación
Creatividad
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.
Presentación Educación ENNA Y MARIAN
Enna guadalupe Cruz zarate
Created on November 29, 2024
Enna y Marian
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Higher Education Presentation
View
Psychedelic Presentation
View
Harmony Higher Education Thesis
View
Vaporwave presentation
View
Geniaflix Presentation
View
Vintage Mosaic Presentation
View
Modern Zen Presentation
Explore all templates
Transcript
PRUEBA DE:RYAN-JOINER y SHAPPIRO-WILK
•ENNA GUADALUPE CRUZ ZARATE•MARIAN MARILU MENDEZ ESPINOSA
Introducción
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.
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.
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.
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.
PRUEBA DE SHAPPIRO-WILK
Interactividad
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.
Animación
Creatividad
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.