2.1.7 Pruebas de Normalidad y ajuste de los datos.

Pruebas de Normalidad y ajuste de los datos:

Los análisis de normalidad, también llamados contrastes de normalidad, tienen como objetivo analizar cuánto difiere la distribución de los datos observados respecto a lo esperado si procediesen de una distribución normal con la misma media y desviación típica.

- Transformación Box Cox:

El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal. Es muy útil cuando la variabilidad de Y cambia como una función de X. A menudo, una apropiada transformación de Y estabiliza la variabilidad y produce que las desviaciones alrededor del modelo sean más normalmente distribuidas. La clase de transformaciones consideradas son transformaciones de potencia definidas por: 

Y ′ = (Y + λ2) λ2

- Prueba de Anderson-Darling:

La prueba de Anderson-Darling es usada para probar si una muestra viene de una distribución especifica. Esta prueba es una modificación de la prueba de Kolmogorov- Smirnov donde se le da más peso a las colas de la distribución que la prueba de Kolmogorov-Smirnov.

En estadística, la prueba de Anderson-Darling es una prueba no paramétrica sobre si los datos de una muestra provienen de una distribución específica. La fórmula para el estadístico determina si los datos (observar que los datos se deben ordenar) vienen de una distribución con función acumulativa F.

- Prueba de Johnson:

Esta prueba sirve para transformar sus datos de modo que sigan una distribución normal usando el sistema de distribución de Johnson. Usando este análisis, usted puede hacer lo siguiente: Determinar si los datos originales y transformados siguen una distribución normal.