Ing. Luis Manfredo Reyes
Cuando se analiza un conjunto de datos, usualmente se asume que los datos tienen una distribución normal. Tomando en cuenta que casi toda la estadística inferencial está basada en ésta condición, es importante realizar la comprobación respectiva, si los datos se adaptan a alguna distribución teórica. Hay técnicas analíticas que permiten la comprobación (Kolmogorov, Chi Cuadrado, Shapiro), pero también hay métodos gráficos que lo hacen.
En ésta ocasión se muestra como comprobar gráficamente si un conjunto de datos se aproxima a una distribución teórica (normal, binomial, poisson, chi cuadrado) , usando el paquete Open Stat .
OPEN STAT es un paquete estadístico gratuito producido por Bill Miller, y se puede descargar en éste link:http://statpages.info/miller/OpenStatMain.htm
Se asume que el lector tiene instalado el paquete y conoce el uso básico del mismo.
DATOS DE EJEMPLO:
En la Facultad de Ciencias Químicas y Farmacia se realizó un diagnóstico de conocimientos de matemática y física de todos los estudiantes de primer ingreso en el año 1996. Los datos están contenidos en el archivo de Excel "Nuevos2" que puede ser descargado del siguiente enlace:
En éste ejemplo, la variable de interés es la nota total obtenida (en la escala de 0 a 100, donde 100 es la máxima nota posible)
1. Importar los datos a Open Stat:
El archivo debe estar almacenado en formato CSV para poder ser importado a Open Stat
Ingresar a Files--> Import-> comma file
ingresar la ruta donde está el archivo y escribir el nombre:
El Archivo importado es el siguiente:
2. Solicitar el gráfico Q-Q (Quantile-Quantile)
Ingresar a Analyses--> Descriptive--> Q Q or PP Plot
Se debe definir la variable que se quiere analizar, la distribución deseada (en éste caso normal), y el tipo de gráfico: QQ y luego Compute
y al dar click en Compute, aparece lo siguiente:
INTERPRETACIÓN: Debido a que la mayoría de los datos están muy cerca de la recta teórica, se puede decir que sí siguen una distribución normal.
Con los mismos datos se pueden probar otras distribuciones, por ejemplo: Poisson
En éste caso la conclusión es que los datos No siguen la distribución Poisson.
No hay comentarios:
Publicar un comentario