Comparación del poder de diversas pruebas de normalidad

Los procedimientos estadísticos estándar a menudo requieren que los datos estén distribuidos normalmente y los resultados de estos métodos serán inapropiados cuando la suposición de normalidad no se satisfaga. Por lo tanto, la suposición de normalidad es estrictamente necesaria antes de proceder con el análisis estadístico. Aunque se han disponible una serie de criterios para evaluar la suposición de normalidad, estas pruebas no tienen la misma naturaleza y poder para diagnosticar las desviaciones de un conjunto de datos respecto a la normalidad, por lo que la elección de la prueba adecuada siempre sigue siendo de gran importancia en la evaluación de la suposición de normalidad. En el presente estudio, se examinó la comparación de poder de doce pruebas estándar de normalidad utilizando datos simulados generados a partir de cuatro distribuciones: Cauchy, Exponencial, Weibull y Logística bajo diferentes tamaños de muestra utilizando códigos R. Los resultados mostraron que bajo datos de distribución logística, la prueba de Geary fue observada como la prueba más poderosa al nivel de significancia del 5% y la prueba de Jarque Bera al nivel de significancia del 1%. Bajo la distribución alterna de Cauchy, la prueba de Shapiro Francia se desempeñó bien al nivel de significancia del 5%, mientras que al nivel de significancia del 1%, las pruebas de Shapiro Francia, Anderson Darling, Cramer von Mises y Watson observaron igual poder. La prueba de Shapiro Wilk se destacó como una prueba más potente para los datos generados bajo la distribución de Weibull.