No abstract

RESUMEN Objetivos Exponer las ventajas de la utilización del alfa ordinal para situaciones en que no se cumplan los supuestos del alfa de Cronbach y mostrar la utilidad del alfa ordinal con la versión chilena del AUDIT, así como proporcionar los comandos en el lenguaje de programación R para realizar los cálculos respectivos. Métodos Se compararon el alfa de Cronbach y el alfa ordinal en el caso del cuestionario AUDIT aplicado a 419 estudiantes de una universidad chilena. Resultados En todos los dominios, el alfa ordinal resultó ser mayor que el alfa de Cronbach, lo que es congruente con lo encontrado en la bibliografía. Al considerar el alfa ordinal se acepta la confiabilidad de cada uno de los dominios y de la encuesta completa, lo que no ocurre completamente al trabajar con el alfa de Cronbach. Conclusiones Para tomar decisiones sobre la confiabilidad de una dimensión se debe considerar un índice que cumpla los supuestos necesarios para su utilización, ya que no hacerlo puede desembocar en conclusiones erróneas y afectar de manera notable el desarrollo de una investigación. Los valores del alfa de Cronbach subestiman la confiabilidad de un instrumento al trabajar con escalas ordinales.

No abstract

The bivariate Poisson distribution is commonly used to model bivariate count data. In this paper we study a goodness-of-fit test for this distribution. We also provide a review of the existing tests for the bivariate Poisson distribution, and its multivariate extension.The proposed test is consistent against any fixed alternative. It is also able to detect local alternatives converging to the null at the rate n − 1 2 . The bootstrap can be employed to consistently estimate the null distribution of the test statistic. Through a simulation study we investigated the goodness of the bootstrap approximation and the power for finite sample sizes.

This paper studies the goodness of fit test for the bivariate Hermite distribution. Specifically, we propose and study a Cramér-von Mises-type test based on the empirical probability generation function. The bootstrap can be used to consistently estimate the null distribution of the test statistics. A simulation study investigates the goodness of the bootstrap approach for finite sample sizes.