Realiza una prueba de ajuste de Kolmogórov-Smirnov. La prueba comprueba si la muestra proporcionada corresponde a la distribución normal o exponencial especificada.
Sintaxis
KolmogorovSmirnovTest(Sample, ErrorProbability, Assessment, Mean, Variance)
o
KolmogorovSmirnovTest(Sample, ErrorProbability, Assessment, Lambda)
La sintaxis de la función KolmogorovSmirnovTest consta de los siguientes elementos:
Parte |
Descripción |
|---|---|
Sample |
Es la muestra que se va a analizar. Las estructuras de datos permitidas son Serie de datos y Señal. Se permiten todos los tipos de datos numéricos. En los tipos de datos complejos se calcula un valor absoluto. Si el argumento es una lista, la función se ejecuta para cada elemento de la lista y el resultado también es una lista. |
ErrorProbability |
Especifica la probabilidad de error en porcentaje en la que debe basarse la prueba. Aquí se permiten los valores 1, 5 y 10 %. Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos numéricos. El argumento se transforma en la unidad %. Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso. |
Assessment |
Es un valor booleano que indica si los siguientes parámetros se estimaron a partir de la muestra o no. Esto influye en los valores críticos en los que se basa la prueba. Las estructuras de datos permitidas son Valor escalar. Los tipos de datos permitidos son Valor booleano. Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso. |
Mean |
Especifica el valor esperado de la distribución normal que se va a comprobar. Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos numéricos. Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso. |
Variance |
Especifica la varianza de la distribución normal que se va a comprobar. Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos numéricos. Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso. |
Lambda |
Especifica el parámetro lambda de la distribución exponencial que se va a probar. Las estructuras de datos permitidas son Valor escalar. Se permiten todos los tipos de datos numéricos. Si el argumento es una lista, se toma su primer elemento. Si se trata de nuevo de una lista, se repite el proceso. |
Notas
Como resultado, la función devuelve un valor escalar del tipo de datos Entero de 32 bits.
La muestra debe tener un tamaño de al menos cinco valores.
En primer lugar, la prueba determina la función de densidad empírica de la muestra y, a continuación, calcula la mayor diferencia entre esta densidad y la función de densidad de la distribución que se va a comprobar. Esta diferencia se compara con un valor crítico.
Como resultado, los siguientes valores son posibles:
Valor |
Interpretación |
|---|---|
0 |
Se ha rechazado la hipótesis, es decir, la muestra no procede de una población estadística con la distribución especificada. |
1 |
Se ha aceptado la hipótesis, es decir, la muestra procede de una población con la distribución especificada. |
2 |
No se pudo determinar ningún resultado (véase más arriba). |
Disponibilidad
Opción Estadística
Ejemplos
De un conjunto de tornillos, se seleccionan 20 al azar y se miden sus diámetros (en mm). Con una probabilidad de error del 5 %, se utiliza la prueba de ajuste de Kolmogoroff-Smirnov para comprobar si el diámetro de los tornillos medidos tiene una distribución normal con un valor esperado de 0,75 y una varianza de 0,001.
Dim data = {0.79 mm, 0.68, 0.75, 0.73, 0.69, 0.77, 0.76, 0.74, 0.73, 0.68, 0.72, 0.75, 0.71, 0.76, 0.69, 0.72, 0.70, 0.77, 0.71, 0.74}
KolmogorovSmirnovTest(s, 5 %, FALSE, 0.75 mm, 0.001 mm^2)
Devuelve 1s. No se puede rechazar la hipótesis, es decir, la muestra procede de una población con la distribución normal especificada.
Véase también
Objeto de análisis Prueba de ajuste
Bibliografía
[1] "Hartung, Joachim": "Statistik, 9. Auflage", página 183 ff, 226 ff. "Oldenbourg Verlag GmbH, München", 1993. ISBN 3-486-22055-1.