Publicación: Background sobre el estudio de potencia y sensibilidad para dieciséis pruebas de normalidad a diferentes niveles de No normalidad
dc.contributor.advisor | Bru Cordero, Osnamir Elias | spa |
dc.contributor.advisor | Rojas Mora, Jessica María | spa |
dc.contributor.author | Zumaqué Ballesteros, Antonio Elías | |
dc.date.accessioned | 2021-06-29T17:52:45Z | |
dc.date.available | 2021-06-29T17:52:45Z | |
dc.date.issued | 2021-06-25 | |
dc.description.abstract | En estudios donde se requiere un rigor académico, las pruebas de normalidad son fundamentales puesto que de esto depende una decisión muy fuerte, el cual hace relación a usar métodos paramétricos, de lo contrario no sería posible. las pruebas de normalidad se puede clasificar según los siguientes aspectos: momento, distribución empírica, especificación y correlación. Este trabajo estudia y compara la sensibilidad y potencia de las dieciséis pruebas de normalidad; Agostino Pearson [DK], Jarque Bera [JB], Robusta de Jarque Bera [RJB], Bonett-Seier [BS], Bontemps-Meddahi [BM1BM2], Sesgo [SK], Curtosis [KU], Lilliefors[LL], Anderson Darling [AD], Snedecor Cochran [CS], Chen Ye [G], Brys-Hubert-Struyf MC-MR [BH], Shapiro-Wilk [SW], Shapiro-Francia[SF], Doornik-Hansen [DH] y Brys-Hubert-Struyf-Bonett-Seier [BHBS]. Las comparaciones de la sensibilidad y la potencia de estas dieciséis pruebas se obtuvieron mediante simulación de Monte Carlo de datos generados a partir del sistema de contaminación de Fleishman, el cual da vía a escenarios de no normalidad y la clasificación de diez distribuciones con un alejamiento de la normalidad medible. Los resultados de nuestro estudio muestran que las pruebas de normalidad basadas en correlación y regresión Shapiro-Wilk [SW] y Shapiro-Francia [SF] resultan ser mejores que el resto de las demás pruebas, su potencia es mayor, pero solo para muestras no normales grandes y alejamientos fuertes. Para alejamientos moderados las pruebas Agostino Pearson [DK] y la prueba del Sesgo [SK] sobresalen con mayor potencia y alejamientos bajos la prueba Robusta de Jarque Bera [RJB] y la prueba Jarque Bera [JB]. En el caso de las distribuciones simétricas mesocúrticas las pruebas Snedecor Cochran [CS] y Chen-Ye [G] tiene una baja potencia con respecto al resto con una distribución Logistica(9,3). | spa |
dc.description.degreelevel | Pregrado | spa |
dc.description.degreename | Estadístico(a) | spa |
dc.description.modality | Monografías | spa |
dc.description.tableofcontents | 1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 | spa |
dc.description.tableofcontents | 2. Pruebas de normalidad . . . . . . . . . . . . . . . . . . . . . . . . . . 15 | spa |
dc.description.tableofcontents | 2.1. De fición formal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 | spa |
dc.description.tableofcontents | 2.2. ¿Porqué probar el supuesto de normalidad? . . . . . . . . . . . . . . . . . . . . . . 17 | spa |
dc.description.tableofcontents | 2.3. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 | spa |
dc.description.tableofcontents | 2.4. Grupo 1: Pruebas de normalidad basadas en momentos. . . . . . . . . . . . . . . . 21 | spa |
dc.description.tableofcontents | 2.5. Grupo 2: Pruebas de normalidad basada en la distribución empírica. . . . . . . . . 29 | spa |
dc.description.tableofcontents | 2.6. Grupo 3: Pruebas de normalidad basada en correlación y regresión. . . . . . . . . . 35 | spa |
dc.description.tableofcontents | 2.7. Grupo 4: Prueba de normalidad vista como caso particular según especifi cación. . . 38 | spa |
dc.description.tableofcontents | 3. Distribuciones simétricas y asimétricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 | spa |
dc.description.tableofcontents | 3.1. Distribución Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 | spa |
dc.description.tableofcontents | 3.2. Distribución Beta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 | spa |
dc.description.tableofcontents | 3.3. Distribución Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 | spa |
dc.description.tableofcontents | 3.4. Distribución Logística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 | spa |
dc.description.tableofcontents | 3.5. Distribución t-Student . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 | spa |
dc.description.tableofcontents | 3.6. Distribución Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 | spa |
dc.description.tableofcontents | 3.7. Distribución Weibull . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 | spa |
dc.description.tableofcontents | 3.8. Estadística inferencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 | spa |
dc.description.tableofcontents | 4. Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 | spa |
dc.description.tableofcontents | 4.1. Método de estimación de la potencia de la prueba bajo diferentes niveles de contaminación. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 | spa |
dc.description.tableofcontents | 4.2. Método de estimación de la potencia de las pruebas mediante clasifi cación de distribuciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 | spa |
dc.description.tableofcontents | 5. Estudio de simulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 | spa |
dc.description.tableofcontents | 5.1. Diseño del estudio de simulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 | spa |
dc.description.tableofcontents | 5.2. Resultado del estudio de simulación . . . . . . . . . . . . . . . . . . . . . . . . . . 69 | spa |
dc.description.tableofcontents | 5.2.1. Bajo el método de estimación de Fleishman . . . . . . . . . . . . . . . . . 69 | spa |
dc.description.tableofcontents | 5.2.2. Resultado bajo el método de clasi ficación de distribuciones . . . . . . . . . 74 | spa |
dc.description.tableofcontents | 6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 | spa |
dc.description.tableofcontents | Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 | spa |
dc.format.mimetype | Application/pdf | spa |
dc.identifier.uri | Https://repositorio.unicordoba.edu.co/handle/ucordoba/4210 | |
dc.language.iso | Spa | spa |
dc.publisher | 5.2.1. Bajo el método de estimación de Fleishman . . . . . . . . . . . . . . . . . 69 | spa |
dc.publisher.faculty | Facultad de Ciencias Básicas | spa |
dc.publisher.place | Montería, Córdoba, Colombia | spa |
dc.publisher.program | Estadística | spa |
dc.rights | Copyright Universidad de Córdoba, 2021 | spa |
dc.rights.accessrights | Info:eu-repo/semantics/openAccess | spa |
dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | spa |
dc.rights.uri | Https://creativecommons.org/licenses/by-nc-nd/4.0/ | spa |
dc.subject.keywords | Monte Carlo simulation. | spa |
dc.subject.keywords | Sensitivity. | spa |
dc.subject.keywords | Powers. | spa |
dc.subject.keywords | Normality tests. | spa |
dc.subject.proposal | Simulación Monte Carlo. | spa |
dc.subject.proposal | Sensibilidad. | spa |
dc.subject.proposal | Potencias. | spa |
dc.subject.proposal | Pruebas de normalidad. | spa |
dc.title | Background sobre el estudio de potencia y sensibilidad para dieciséis pruebas de normalidad a diferentes niveles de No normalidad | spa |
dc.type | Trabajo de grado - Pregrado | spa |
dc.type.coar | Http://purl.org/coar/resource_type/c_7a1f | spa |
dc.type.content | Text | spa |
dc.type.driver | Info:eu-repo/semantics/bachelorThesis | spa |
dc.type.redcol | Https://purl.org/redcol/resource_type/TP | spa |
dc.type.version | Hnfo:eu-repo/semantics/submittedVersion | spa |
dcterms.references | Ade fisoye, J. O. (2016). An assessment of the performances of several univariate tests of normality. | spa |
dcterms.references | Althouse, L. A., Ware, W. B., Ferron, J. M. (1998). Detecting departures from normality: A monte carlo simulation of a new omnibus test based on moments. | spa |
dcterms.references | Anderson, T. W., Darling, D. A. (1952). Asymptotic theory of certain"goodness of tecriteria based on stochastic processes. The annals of mathematical statistics, 193-212. | spa |
dcterms.references | ARCE, M. C. (2015). Licenciado en actuaria (Tesis Doctoral no publicada). Universidad Autónoma del Estado de México. | spa |
dcterms.references | Arcones, M. A., Wang, Y. (2006). Some new tests for normality based on u-processes. Statistics & probability letters, 76 (1), 69-82. | spa |
dcterms.references | Arrondo, A. D., Vicente Manzano y Muñoz. (2001). Comprensión y medida del concepto de simetría. Anales de Psicología / Annals of Psychology(2). | spa |
dcterms.references | Arshad, M., Rasool, M., Ahmad, M. (2003). Anderson darling and modi ed anderson darling tests for generalized pareto distribution. Pakistan Journal of Applied Sciences, 3 (2), 85-88. | spa |
dcterms.references | Bai, J., Ng, S. (2005). Tests for skewness, kurtosis, and normality for time series data. Journal of Business & Economic Statistics, 23 (1), 49-60. | spa |
dcterms.references | Bendayan, R., Arnau, J., Blanca, M. J., Bono, R. (2014). Comparación de los procedimientos de fleishman y ramberg et al. para generar datos no normales en estudios de simulación. Anales de Psicología/Annals of Psychology, 30 (1), 364-371. | spa |
dcterms.references | Blanca, M. J., Arnau, J., López-Montiel, D., Bono, R., Bendayan, R. (2013). Skewness and kurtosis in real data samples. Methodology. | spa |
dcterms.references | Bollen, K. A. (1989). Structural equations with latent variables john wiley new york. | spa |
dcterms.references | Bonett, D. G., Seier, E. (2002). A test of normality with high uniform power. Computational statistics & data analysis, 40 (3), 435-445. | spa |
dcterms.references | Bontemps, C., Meddahi, N. (2005). Testing normality: a gmm approach. Journal of Econometrics, 124 (1), 149-186. | spa |
dcterms.references | Bowman, K. (1975). 0. and shenton. LR,`Omnibus test contours for departures from normality based on db. | spa |
dcterms.references | Brys, G., Hubert, M., Struyf, A. (2004). A robust measure of skewness. Journal of Computational and Graphical Statistics, 13 (4), 996-1017. | spa |
dcterms.references | Cabrera, J. F. J. L., Gabriela, Boaglio, L. (2017). Comparación de potencias en pruebas estadísticas de normalidad, con datos escasos. Revista de la Facultad de Ciencias Exactas, Físicas y Naturales, 4 (2), 47. | spa |
dcterms.references | Chen. (2014). Goodness-of- t test based on arbitrarily selected order statistics. Mathematics and Statistics, 2 (2), 72-77. | spa |
dcterms.references | Chen, Ye, C. (2009). An alternative test for uniformity. International Journal of Reliability, Quality and Safety Engineering, 16 (04), 343-356. | spa |
dcterms.references | Chen, L., Shapiro, S. S. (1995). An alernative test for normality based on normalized spacings. Journal of Statistical Computation and Simulation, 53 (3-4), 269-287. | spa |
dcterms.references | Cohen, J. (1962). The statistical power of abnormal-social psychological research: a review. The Journal of Abnormal and Social Psychology, 65 (3), 145. | spa |
dcterms.references | Cox, D. R. (1956). Some problems connected with statistical inference (Inf. Téc.). North Carolina State University. Dept. of Statistics. | spa |
dcterms.references | D'agostino, R. B., Belanger, A., D'Agostino Jr, R. B. (1990). A suggestion for using powerful and informative tests of normality. The American Statistician, 44 (4), 316-321. | spa |
dcterms.references | Davis, P. J. (1959). Integral de leonhard euler: Un per l histórico de la función gamma: In memoriam: Milton abramowitz. The American Mathematical Monthly(10). | spa |
dcterms.references | De Micheaux, P. L., Tran, V. A., Desgagne, A., De Micheaux, M. P. L., Rcpp, L. (2018). Package `power'. | spa |
dcterms.references | De Moivre, A. (1968). Der mathematiker abraham de moivre (1667-1754). Archive for history of exact sciences, 5 (3-4), 177-317. | spa |
dcterms.references | Doornik, J. A., Hansen, H. (2008). An omnibus test for univariate and multivariate normality. Oxford Bulletin of Economics and Statistics, 70 , 927-939. | spa |
dcterms.references | Dufour, J.-M., Farhat, A., Gardiol, L., Khalaf, L. (1998). Simulation-based nite sample normality tests in linear regressions. The Econometrics Journal, 1 (1), 154-173. | spa |
dcterms.references | Erceg-Hurn, D. M., Mirosevich, V. M. (2008). Modern robust statistical methods: an easy way to maximize the accuracy and power of your research. American Psychologist , 63 (7), 591. | spa |
dcterms.references | Euler, L. (1983). Leonhard euler (1707-1783). En Beitrage zu leben und werk. Birkhauser Bále. | spa |
dcterms.references | Farrell, P. J., Rogers-Stewart, K. (2006). Comprehensive study of tests for normality and symmetry: extending the spiegelhalter test. Journal of Statistical Computation and Simulation, 76 (9), 803-816. | spa |
dcterms.references | Fleishman, A. I. (1978). A method for simulating non-normal distributions. Psychometrika, 43 (4), 521-532. | spa |
dcterms.references | Flores Muñoz, P., Muñoz Escobar, L., Sánchez Acalo, T. (2019). Estudio de potencia de pruebas de normalidad usando distribuciones desconocidas con distintos niveles de no normalidad. | spa |
dcterms.references | Gauss, C. F. (1977). Carl friedrich gauss (1777-1855). Conferencies FME, 75. | spa |
dcterms.references | Geary, R. C. La relación de contiguidad y el mapeo estadístico. El estadístico incorporado. | spa |
dcterms.references | Geary, R. C. (1936). Moments of the ratio of the mean deviation to the standard deviation for normal samples. Biometrika, 295-307. | spa |
dcterms.references | Gel, Y. R., Gastwirth, J. L. (2008). A robust modi cation of the jarque-bera test of normality. Economics Letters, 99 (1), 30-32. | spa |
dcterms.references | Gel, Y. R., Miao, W., Gastwirth, J. L. (2007). Robust directed tests of normality against heavytailed alternatives. Computational Statistics & Data Analysis, 51 (5), 2734-2746. | spa |
dcterms.references | Gross, U. y. L. M. U., Juergen y Ligges. Paquete nortest. Cinco pruebas generales para probar la hipótesis compuesta de normalidad. | spa |
dcterms.references | Gujarati, D. N. (2006). Principios de econometría. McGraw-Hill Interamericana. | spa |
dcterms.references | Hansen, L. P. (1982). Large sample properties of generalized method of moments estimators. Econometrica: Journal of the Econometric Society, 1029-1054. | spa |
dcterms.references | Inan, G., Demirtas, H. (2015). Data generation with binary and continuous non-normal components, r package binnonnor. | spa |
dcterms.references | Islam, T. U. (2017). Classi cation based on the rigor of the normality tests. Communications in Statistics-Simulation and Computing, 46 (1), 655-668. | spa |
dcterms.references | Jarque, C. M., Bera, A. K. (1987). A test for normality of observations and regression residuals. International Statistical Review/Revue Internationale de Statistique, 163-172. | spa |
dcterms.references | Kilian, L., Demiroglu, U. (2000). Residual evidence of normality in autoregressions: asymptotic theory and simulation evidence. Journal of Business & Economic Statistics, 18 (1), 40-50. | spa |
dcterms.references | Kruskal, W., Mosteller, F. (1979). Representative sampling, i: non-scienti c literature. International Statistical Review/Revue Internationale de Statistique, 13-24. | spa |
dcterms.references | Lilliefors, H. W. (1967). On the kolmogorov-smirnov test for normality with mean and variance unknown. Journal of the American statistical Association, 62 (318), 399-402. | spa |
dcterms.references | McNemar, Q. (1960). At random: Sense and nonsense. American Psychologist , 15 (5), 295. | spa |
dcterms.references | Meddahi. (2002). Testing normality: A gmm approach. Centre interuniversitaire de recherche en économie quantitative. | spa |
dcterms.references | Mendes, A., Mehmet y Pala. Tasa de error tipo i y potencia de tres pruebas de normalidad. Pakistan Journal of Information and Technology. | spa |
dcterms.references | Micheaux, P. L., Tran, V. A. (2016). Power: A reproducible research tool to ease monte carlo power simulation studies for goodness-of- t tests in r. Journal of Statistical Software, 69 (3), 1-42. | spa |
dcterms.references | Montgomery, D. C., Runger, G. C. (2010). Applied statistics and probability for engineers. John Wiley & Sons. | spa |
dcterms.references | Murray R., S. (1992). Fórmulas y tablas de matemática aplicada. Revista de economía y estadística. | spa |
dcterms.references | Neyman, E. S., Jerzy y Pearson. (1933). Transacciones filosófi cas de la Royal Society of London. Serie A, que contiene documentos de carácter matemático o físico, 231 , 289-337. | spa |
dcterms.references | Noguchi, K., Hui, W. W., Gel, Y., Gastwirth, J., Miao, W. (2009). lawstat: An r package for biostatistics, public policy, and law. R package version, 2 . | spa |
dcterms.references | Oztuna, D., Elhan, A. H., T uccar, E. (2006). Investigation of four different normality tests in terms of type 1 error rate and power under different distributions. Turkish Journal of Medical Sciences, 36 (3), 171-176. | spa |
dcterms.references | Pagano, R. R. (1999). Estadística para las ciencias del comportamiento (n.° 310 P3Y 1998). | spa |
dcterms.references | Pearson, E. S. (1938). Karl pearson. Cambridge University Press, London. | spa |
dcterms.references | Pearson, R. B., Egon S, Bowman, K. O. (1977). Tests for departure from normality: Comparison of powers. Biometrika, 64 (2), 231-246. | spa |
dcterms.references | Poitras, G. (2006). More about the correct use of the omnibus tests for normality. , 90 (3), 304-309. | spa |
dcterms.references | Quessy, J.-F., Mailhot, M. (2011). Asymptotic power of tests of normality under local alternatives. Journal of Statistical Planning and Inference, 141 (8), 2787-2802. | spa |
dcterms.references | Quezada, C. (2007). Potencia estadística, sensibilidad y tamaño de efecto: ¿ un nuevo canon para la investigación? Onomázein(16), 159-170. | spa |
dcterms.references | R. (2020). R: A language and environment for statistical computing [Manual de software informático]. Vienna, Austria. Descargado de http://www.R-project.org/ | spa |
dcterms.references | Razali, N., y cols. (2011). Power comparisons of shapiro-wilk, kolmogorov-smirnov, lilliefors and anderson-darling tests. Journal of statistical modeling and analytics, 2 (1), 21-33. | spa |
dcterms.references | Razali, N. M., Shamsudin, N. R., Maarof, N. N. N. A., Ismail, A. (2012). A comparison of normality tests using spss, sas and minitab: An application to health related quality of life data. En 2012 international conference on statistics in science, business and engineering (icssbe) (pp. 1-6). | spa |
dcterms.references | Razali, N. M., Wah, Y. B. (2010). Power comparisons of some selected normality tests. En Regional conference on statistical sciences, malaysia (pp. 126-138). | spa |
dcterms.references | Romao, X., Delgado, R., Costa, A. (2010). An empirical power comparison of univariate goodnessof- t tests for normality. Journal of Statistical Computation and Simulation. | spa |
dcterms.references | Royston, J. P. (1982). An extension of shapiro and wilk's w test for normality to large samples. Journal of the Royal Statistical Society: Series C (Applied Statistics), 31 (2), 115-124. | spa |
dcterms.references | Royston, P. (1992). Approximating the shapiro-wilk w-test for non-normality. Statistics and computing, 2 (3), 117-119. | spa |
dcterms.references | Seier, E. (2002). Comparison of tests for univariate normality. Interstat, 1 , 1-17. | spa |
dcterms.references | Shahabuddin, F. A. A., Ibrahim, K., Jemain, A. A. (2009). On the comparison of several goodness of t tests under simple random sampling and ranked set sampling. World Academy of Science, Engineering and Technology, 54 , 77-80. | spa |
dcterms.references | Shapiro, S. S., Francia, R. (1972). An approximate analysis of variance test for normality. Journal of the American Statistical Association, 67 (337), 215-216. | spa |
dcterms.references | Shapiro, S. S., Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52 (3/4), 591-611. | spa |
dcterms.references | Shapiro, S. S., Wilk, M. B., Chen, H. J. (1968). A comparative study of various tests for normality. Journal of the American statistical association, 63 (324), 1343-1372. | spa |
dcterms.references | Shenton, L., Bowman, K. (1977). A bivariate model for the distribution of b1 and b2. Journal of the American Statistical Association, 72 (357), 206-211. | spa |
dcterms.references | Smirnov, N. (1948). Table for estimating the goodness of t of empirical distributions. The Annals of Mathematical Statistics, 19 (2), 279-281. | spa |
dcterms.references | Snedecor, G. W., Cochran, W. G. (1989). Statistical methods, 8thedn. Ames: Iowa State Univ. Press Iowa. | spa |
dcterms.references | Stephens, M. (1974). Edf statistics for goodness of t and some comparisons. Journal of the American statistical Association, 69 (347), 730-737. | spa |
dcterms.references | Stephens, M. (1986). Test based on edf statistics en d'agostino, rb y ma stephens goodness of fit techniques. Marcel Dekker. Cap. | spa |
dcterms.references | Sterling, T. D. (1959). Publication decisions and their possible effects on inferences drawn from tests of signi cance|or vice versa. Journal of the American statistical association, 54 (285), 30-34. | spa |
dcterms.references | Student. (1908). The probable error of a mean. Biometrika, 1-25. | spa |
dcterms.references | Team, R. C. (2020). R: A language environment for statistical computing. r foundation for statistical computing, vienna, austira. 2013. URL https://www. R-project. org. | spa |
dcterms.references | Thadewald, T., B uning, H. (2007). Jarque-bera test and its competitors for testing normality-a power comparison. Journal of Applied Statistics, 34 (1), 87-105. | spa |
dcterms.references | Thode, H. (2002). Testing for normality marcel dekker. | spa |
dcterms.references | Trapletti, K., A y Hornik. (2013). tseries: Análisis de series temporales y finanzas computacionales, paquete r versión 0.10-32. URL: http: // CRAN. Proyecto R. org / package = tseries. | spa |
dcterms.references | Tukey, J. W. (1960). Conclusiones vs decisiones. Technometrics, 2 (4). | spa |
dcterms.references | Tullock, G. (1959). Decisiones de publicación y pruebas de importancia: un comentario. Revista de la Asociación Americana de Estadística, 54 (287). | spa |
dcterms.references | Ul-Islam, T. (2011). Normality testing-a new direction. International Journal of Business and Social Science, 2 (3). | spa |
dcterms.references | Urzúa, C. M. (1996). On the correct use of omnibus tests for normality. Economics Letters, 53 (3), 247-251. | spa |
dcterms.references | Urzúa, C. M. (2007). Portable and powerful tests for normality. Tecnológico de Monterrey, Campus Ciudad de México. | spa |
dcterms.references | Yap, B. W., Sim, C. H. (2011). Comparisons of various types of normality tests. Diary of calculation and statistical simulation, 81 (12), 2141-2155. | spa |
dcterms.references | Yazici, B., Yolacan, S. (2007). A comparison of various tests of normality. Journal of Statistical Computation and Simulation, 77 (2), 175-183. | spa |
dspace.entity.type | Publication | |
oaire.accessrights | Http://purl.org/coar/access_right/c_abf2 | spa |
oaire.version | Http://purl.org/coar/version/c_ab4af688f83e57aa | spa |
Archivos
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 14.48 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: