PRUEBA DE RYAN JOINER La prueba de Ryan - Joiner es usada para probar si una muestra viene de una distribucin especfica.

. Esta prueba es una modificacin de la prueba de Kolmogorov-Smirnov donde se le da ms peso a las colas de la distribucin que la prueba de Kolmogorov-Smirnov .En estadstica, la prueba de Ryan - Joiner es una prueba no paramtrica sobre si los datos de una muestra provienen de una distribucin especfica. La frmula para el estadstico determina si los datos (observar que los datos se deben ordenar) vienen de una distribucin con funcin acumulativa F.

Donde. N. es el numero de datos F(x) es la distribucion empirica F,(x) es la funcion de dirtribucion empirica . Para definir la regla de rechazo de esta prueba es necesario, tambien obtener el estadistico ajustado para luego compararlo con los valores criticos con la tabla Anderson-Darlinh.

Ejemplo: En el mtodo de Anderson Darling o rayan Joiner, si el valor de probabilidad P de la prueba mayor a0.05. se considera que los datos son normales a seguir los siguiente pasos: Generar 100 datos aleatorios en el minitab con media= 264.06, una desviacin estndar s= 32.02 con: 1. Calc > Random data > Normal 2. Generate 100 Store in columns C1 Mean 264.06 desviacin estandar 32.02 OK .Nos aseguramos que los datos se distribuyan normalmente con la prueba de Anderson Darling o Ryanjoiner como sigue.1.Stat > Basic statistics > Normality Test2.Variable C1 Seleccionar Ryan Joiner test OK .El P value debe ser mayor a 0.05 para que los datos se distribuyan normalmente

Ryan-Joiner (RJ) prueba de normalidad es muy similar a la prueba de ShapiroWilk, pero los autores afirman que es fcil de implementar en software y explicar a los usuarios, ya que es simplemente una versin de la correlacin entre los datos de la muestra, yi, y el punto de porcentaje bith de la distribucin normal:

Puesto que la media de los valores de b es 0, se puede simplificar esta expresin (ignorando el cambio de los valores de y por su media) para:

Ryan and Joiner aproximaciones derivados importados en la distribucin de esta estadstica mediante simulacin, expresando el resultado en forma de ecuaciones empotrados. La prueba resultante est muy altamente correlacionada con el de Shapiro Wilk y, por lo tanto prueba puede ser utilizada y se producen resultados muy similares. La prueba de Ryan-Joiner se implementa en el paquete de software Minitab pero no ampliamente en otros lugares.

Prueba de Shappiro-Wilik.

Shapiro-Wilk (SW) prueba de normalidad fue introducido, con la observacin de que el grfico de probabilidad normal que examina el ajuste de un conjunto de datos de muestra para el normal es ms bien como la regresin lineal - la lnea diagonal del grfico es la recta de ajuste perfecto, con la divergencia de esta lnea es similar a los residuos de la regresin. Mediante el anlisis de la magnitud de esta variacin (anlisis de varianza) la calidad del ajuste puede ser examinado. Los autores recomiendan el uso de su utilizacin estadstica con muestras ms pequeas (por ejemplo, <20) y el uso de pruebas empricas de su poder y su sensibilidad frente a una serie de otras pruebas y una variedad de distribuciones no normales, demostr que s es una medida eficaz y sensible. La prueba puede aplicarse a muestras grandes, como fue sugerido por Royston, que tambin produjo algoritmos para implementar su extensin y que se implementa en el paquete R estadsticas como shapiro.test.

El estadstico de prueba es de la forma.

Donde yi son los datos de la muestra, ordenados por tamao (ordenado), y la IA son constantes a evaluar. La idea detrs de la prueba de SW es que si los datos de la muestra es en realidad una muestra aleatoria de una distribucin normal con media desconocida y varianza 2, entonces deberamos ser capaces de representar los datos de la muestra a travs de una ecuacin lineal simple:

Donde los xi son un conjunto ordenado de azar N (0,1) variables. A ajuste de mnimos cuadrados de los pares (x, y) proporciona los medios para determinar el desconocido coeficientes ai. El vector de estos coeficientes se obtiene de la expresin matriz:

Donde V es la matriz de varianza-covarianza de los elementos del vector x, y el vector m es el valor esperado de los elementos de x, es decir, los valores medios de las estadsticas de orden para la distribucin normal. El estadstico W es invariante escala y el origen y tiene un valor mximo de 1 y un mnimo de (/ (n-1), por lo tanto el valor mnimo es aproximadamente el cuadrado de la menor coeficiente para n> 10. Desgraciadamente, la distribucin de W para general n no es conocido y debe ser obtenido por simulacin y / o tabulacin de los resultados, o el uso de aproximacin (como es el caso con el enfoque de Royston). la estadstica es ms bien como un coeficiente de correlacin al cuadrado (o coeficiente de determinacin), de modo un valor alto indica una mayor correspondencia a la normal, pero esto por s solo no es suficiente, los valores altos a menudo se encuentran con muestras pequeas de datos que no son normales, los autores afirman que es particularmente sensible a la distribucin de asimetra y con cola larga. .

Ejemplo: Shapiro y Wilk dar el ejemplo de los pesos de los 11 hombres seleccionados al azar. Los valores de los datos solicitados fueron: 148 154 158 160 161 162 166 170 182 195 236, y el shapiro.test () en R da el resultado: W = 0,7888, p-valor = 0,006704, es decir, estos datos son muy poco probable que tenga ha elaborado a partir de una distribucin normal. Esto es evidente tambin a partir de una trama QQ normal de los datos, se muestra a continuacin junto con una lnea trazada a travs de los cuartiles primero y tercero.