##plugins.themes.bootstrap3.article.main##

Jorge Iván Velez Juan Carlos Correa Morales

Resumen

El gráfico Q-Q es una herramienta para determinar si los datos observados se ajustan a una distribución de probabilidad teórica, en el que cada observación en los datos es representada por un símbolo. En muchas ocasiones, debido a variaciones naturales en los datos o un gran tamaño de muestra, el gráfico Q-Q puede interpretarse como una falla en el modelo probabilístico propuesto. Una alternativa es considerar un conjunto de características de los datos tales como los cuantiles muestrales que, en conjunto con su equivalente teórico, permitan al usuario comparar ambos de manera efectiva. Proponemos e ilustramos un gráfico Q-Q modificado que permite visualizar las diferencias entre los cuantiles observados y teóricos, y remediar algunas dificultades técnicas del gráfico tradicional.

##plugins.themes.bootstrap3.article.details##

Palabras Clave
Referencias
Benjamini, Y. & Hochberg, Y. (1995), ‘Controlling the false discovery rate: A practical and powerful approach to multiple testing’, Journal of the Royal Statistial Society, Series B (Methodological) 57(1), 389 – 400.

Burn, D. A. (1993), ‘Designing Effective Statistical Graphs’, Handbook of Statistics 9, 828–833.

Cleveland, W. & McGill, R. (1985), ‘Graphical Perception and Graphical Methods for Analyzing Scientific Data’, Science 229(4716), 828–833.

Cleveland, W. S. (1985), The Elements of Graphing Data, 1 edn, Wadsworth: Monterey.

DasGupta, A. (1985), The Use and Abuse of the Q − Q Plot: Some Asymptotic Theory, Technical Report #95-30, Department of Statistics, Purdue University.

Dhar, S. S., Chakraborty, B. & Chaudhuri, P. (2014), ‘Comparison of Multivariate Distributions using Quantile-Quantile Plots and Related Tests’, Bernoulli 20(3), 1484–1506. *http://projecteuclid.org/euclid.bj/1402488947

Easton, G. S. & McCulloch, R. E. (1990), ‘A Multivariate Generalization of Quantile-Quantile Plots’, Journal of the American Statistical Association 85(410), 376–386.

Fienberg, S. E. (1979), ‘Graphical Methods in Statistics’, The American Statistician 33(4), 165–178.
Hsu, J. C. (1996), Multiple Comparison: Theory and Methods, Chapman & Hall, Great Britain.

Marden, J. I. (1998), ‘Bivariate QQ plots and Spider Web plots’, Statistica Sinica 8, 813–826.

Marden, J. I. (2004), ‘Positions and QQ Plots’, Statistical Science 19(4), 606–614.

Marmolejo-Ramos, F., Vélez, J. I. & Rom˜ao, X. (2015), ‘Automatic detection of discordant outliers via the Ueda’s method’, Journal of Statistical Distributions and Applications 2(1), 8. *http://www.jsdajournal.com/content/2/1/8

Nair, V. N. (1982), ‘Q-Q Plots with Confidence Bands for Comparing Several Populations’, Scandinavian Journal of Statistics 9(4), 1993–200.

R Core Team (2014), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria.*http://www.R-project.org/

Rosenkrantz, W. A. (2000), ‘Confidence Bands for Quantile Functions: A Parametric and Graphic Alternative for Testing Goodness of Fit’, The American Statistician 54(3), 1985–190.

Roy, S. N. & Bose, R. C. (1953), ‘Simultaneous confidence interval estimation’, The Annals of Mathematical Statistics 24(4), 513–536.

Schaffer, J. P. (1995), ‘Multiple Hypothesis Testing: A Review’, Annu. Rev. Psychol. 46, 561–84.

Serfling, R. J. (1980), Approximation Theorems of Mathematical Statistics, Wiley: New York.

Tufte, E. (1983), The Visual Display of Quantitative Information, Graphics Press: Cheshire.

Tukey, J. W. (1977), Exploratory Data Analysis, Addison-Wesley Publishing Company: Reading, Massachusetts.

Tukey, J. W. (1990), ‘Data-Based Graphics: Visual Display in the Decades to Come’, Statistical Science 5(3), 327–339.

Ueda, T. (1996/2009), ‘A simple method for the detection of outliers’, Electronic Journal of Applied Statistical Analysis 2(1), 67–76.

Van der Loo, M. P. (2010), Distribution-based outlier detection for univariate data, Technical Report 10003, Statistics Netherlands, The Hague/Heerlen.

Wainer, H. (1981), ‘Graphical Data Analysis’, Annual Review of Psychology 32(1), 191–204.
Wainer, H. (1984), ‘How to Display Data Badly’, The American Statistician 38(2), 137–147.

Wainer, H. (1990), ‘Graphical Visions from William Playfair to John Tukey’, Statistical Science 5(3), 340–346.

Wilk, M. B. & Gnanadesikan, R. (1968), ‘Probability Plotting Methods for the Analysis of Data’, Biometrika 55(1), 1–17.
Cómo citar
Velez, J. I., & Correa Morales, J. C. (2015). Gráfico Q-Q modificado para grandes tamaños de muestra. Comunicaciones En Estadística, 8(2), 163-172. https://doi.org/10.15332/s2027-3355.2015.0002.02
Sección
Artículos