Mostrar registro simples

dc.contributornulleng
dc.contributorEste trabajo ha sido parcialmente financiado por Ministerio de Educación, Cultura y Deporte del gobierno de España mediantes su programa FPU. Referencia: AP2010-1999.spa
dc.contributor.authorPedrosa, Ignacio; Universidad de Oviedo. Facultad de Psicología
dc.contributor.authorJuarros-Basterretxea, Joel; Universidad de Oviedo. Facultad de Psicología
dc.contributor.authorRobles-Fernández, Adán; Universidad de Oviedo. Facultad de Psicología
dc.contributor.authorBasteiro, Julia; Universidad de Oviedo. Facultad de Psicología
dc.contributor.authorGarcía-Cueto, Eduardo; Universidad de Oviedo. Facultad de Psicología
dc.date.accessioned2018-02-24T16:06:32Z
dc.date.accessioned2020-04-15T18:31:45Z
dc.date.accessioned2023-05-11T15:54:33Z
dc.date.available2018-02-24T16:06:32Z
dc.date.available2020-04-15T18:31:45Z
dc.date.available2023-05-11T15:54:33Z
dc.date.created2014-10-18
dc.identifierhttp://revistas.javeriana.edu.co/index.php/revPsycho/article/view/8046
dc.identifier10.11144/Javeriana.upsy14-1.pbad
dc.identifier.issn2011-2777
dc.identifier.issn1657-9267
dc.identifier.urihttps://hdl.handle.net/20.500.12032/100972
dc.description.abstractEl uso de pruebas no paramétricas resulta recomendable cuando los datos a analizar no cumplen los supuestos de normalidad y homocedasticidad. Sin embargo, la suposición de la normalidad de los datos o el empleo de pruebas de bondad de ajuste que no son adecuadas para el tamaño muestral empleado son aspectos habituales. Este hecho implica, en muchas ocasiones, el uso de pruebas estadísticas no ajustadas al tipo de distribución real y, consecuentemente, el establecimiento de conclusiones erróneas. Por ello, en el presente estudio se ha analizado el poder de detección de cinco pruebas de bondad de ajuste (Kolmogorov-Smirnov, Kolmogorov-Smirnov-Lilliefors, Shapiro-Wilk, Anderson-Darling y Jarque-Bera) en distribuciones simétricas con seis tamaños muestrales entre 30 y 1000 participantes generados mediante una simulación Monte Carlo. Los resultados muestran una tendencia conservadora generalizada a medida que se incrementa el tamaño muestral. En cuanto a los tamaños muestrales, las pruebas con un mejor poder de detección de la no normalidad son Kolmogorov-Smirnov-Lilliefors y Anderson-Darling para muestra pequeñas, la prueba de Kolmogorov-Smirnov si se emplean tamaños muestrales medios (200 participantes) y la prueba de Shapiro-Wilk cuando se analizan muestras superiores a 500 participantes. Además, la prueba clásica de Kolmogorov-Smirnov se considera absolutamente ineficaz independientemente del tamaño muestral.spa
dc.formatPDFspa
dc.format.mimetypeapplication/pdfspa
dc.language.isospa
dc.publisherPontificia Universidad Javerianaspa
dc.relation.urihttp://revistas.javeriana.edu.co/index.php/revPsycho/article/view/8046/10611
dc.subjectgoodness of fit; symmetric normal distribution; sample size; Monte Carlo simulation; Kolmogorov-Smirnov testeng
dc.subjectbondad de ajuste; distribución normal simétrica; tamaño muestral; simulación Monte Carlo; Kolmogorov-Smirnovspa
dc.titlePruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar?spa


Arquivos deste item

ArquivosTamanhoFormatoVisualização

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples


© AUSJAL 2022

Asociación de Universidades Confiadas a la Compañía de Jesús en América Latina, AUSJAL
Av. Santa Teresa de Jesús Edif. Cerpe, Piso 2, Oficina AUSJAL Urb.
La Castellana, Chacao (1060) Caracas - Venezuela
Tel/Fax (+58-212)-266-13-41 /(+58-212)-266-85-62

Nuestras redes sociales

facebook Facebook

twitter Twitter

youtube Youtube

Asociaciones Jesuitas en el mundo
Ausjal en el mundo AJCU AUSJAL JESAM JCEP JCS JCAP