PRUEBA Q DE DIXON

En estadística, la prueba Q de Dixon, o simplemente la prueba Q, se usa para la

identificación y el rechazo de valores atípicos. Esto supone una distribución normal y,
según Robert Dean y Wilfrid Dixon, y otros, esta prueba debe usarse con moderación
y nunca más de una vez en un conjunto de datos. Para aplicar una prueba Q para
datos incorrectos, organice los datos en orden de valores crecientes y calcule Q tal
como se define:

Donde gap es la diferencia absoluta entre el valor atípico en cuestión y el número más
cercano a él. Si Q> Qtable, donde Qtable es un valor de referencia correspondiente al
tamaño de muestra y nivel de confianza, entonces rechace el punto cuestionable.
Tenga en cuenta que solo un punto puede ser rechazado de un conjunto de datos
usando una prueba Q.
EJEMPLO
Considere el conjunto de datos:

Ahora reacomode en orden creciente:

Presumimos que 0.167 es un valor atípico. Calcule Q:

Con 10 observaciones y con un 90% de confianza, Q = 0.455> 0.412 = Qtable, por lo

que concluimos que 0.167 es de hecho un valor atípico. Sin embargo, con una
confianza del 95%, Q = 0.455 <0.466 = Qtable 0.167 no se considera un valor atípico.
Esto significa que para este ejemplo podemos estar 90% seguros de que 0.167 es un
valor atípico, pero no podemos estar seguros al 95%.

Notas de McBane : Dixon proporcionó pruebas relacionadas con la intención de buscar

más de un valor atípico, pero se utilizan con mucha menos frecuencia que la versión
r10 o Q que pretende eliminar un solo valor atípico.

TABLA

Esta tabla resume los valores límite de la prueba Q de Dixon de dos colas.
PRUEBA F DE FISHER
En estadística se denomina prueba F de Snedecor a cualquier prueba en la que
el estadístico utilizado sigue una distribución F si la hipótesis nula no puede ser
rechazada. El nombre fue acuñado en honor a Ronald Fisher.

 La hipótesis de que las medias de múltiples poblaciones normalmente

distribuidas y con la misma desviación estándar son iguales. Esta es, quizás, la
más conocida de las hipótesis verificada mediante el test F y el problema más
simple del análisis de varianza.
 La hipótesis de que las desviaciones estándar de dos poblaciones
normalmente distribuidas son iguales, lo cual se cumple.
En muchos casos, el test F puede resolverse mediante un proceso directo. Se
requieren dos modelos de regresión, uno de los cuales restringe uno o más de los
coeficientes de regresión conforme a la hipótesis nula. El test entonces se basa en un
cociente modificado de la suma de cuadrados de residuos de los dos modelos como
sigue:
El estadístico F puede calcularse como

Donde:
RSS_0 se refiere al coeficiente de determinación del modelo sin restringir (R^2)
RSS_1 se refiere al coeficiente de determinación del modelo restringido (R^2)
m se refiere al número de restricciones impuestas a los coeficientes estimados
(coficientes restringidos).
k se refiere al número de coeficientes estimados en el modelo sin restricciones.
n se refiere al número de observaciones del modelo.
El valor resultante debe entonces compararse con el valor correspondiente de la tabla
de valores críticos.
Si F_calculado > F_tablas; rechazo el modelo restringido.