2024-02-262024-02-262023-09-202718-6636https://hdl.handle.net/2133/26719El Test de Kolmogorov-Smirnov (K-S) y el Test de Rachas de Wald-Walfowitz (W-W) para dos muestras independientes sirven para ensayar la misma prueba de hipótesis que evalúa si ambas poblaciones cuentan con igual función de distribución de probabilidad. Si bien son pruebas muy difundidas, no se han encontrado antecedentes en la revisión bibliográfica que determinen cuál de las dos pruebas es más potente. En este trabajo se realizó un estudio de simulación en donde se seleccionaron distintos valores para los parámetros de las dos poblaciones normales a comparar. Se determinaron diversos tamaños muestrales, tanto iguales como diferentes. En total se plantearon 1.032 escenarios y se realizaron 1.000 repeticiones de cada uno de ellos. En cada simulación se computó una estimación empírica de la potencia para ambas pruebas. El test de K-S resultó ser más potente cuando las distribuciones normales difieren solo en posición. En el caso de que las muestras provengan de distribuciones normales que difieran solo en dispersión, el test de W-W resultó ser más potente. Cuando las poblaciones difieren en localización y en dispersión, K-S presenta mayores potencias en la mayoría de los casos. En términos generales, en este estudio, se puede concluir que K-S es superior en cuanto a potencia que el Test de Rachas, en el caso que las muestras provengan de distribuciones normales (71% de los escenarios simulados).The Kolmogorov-Smirnov Test (K-S) and the Wald-Walfowitz Runs Test (W-W) for two independent samples consider the same hypothesis that evaluates whether both populations have equal probability distribution function. Although these tests are very well known, no precedents have been found in the bibliographic review that determine which of the two tests is more powerful. In this work, a simulation study was carried out where different values were selected for the parameters of the two normal populations to be compared and several sample sizes (equal and different) were determined. In total, 1,032 scenarios were proposed and 1,000 repetitions of each of them were carried out. In each simulation, an empirical estimate of power was computed for both tests. The K-S test turned out to be more powerful when the normal distributions differed only in location. In the case that the samples come from normal distributions that differ only in dispersion, the W-W test turned out to be more powerful. When populations differ in location and dispersion, K-S presents higher powers in most cases. In general terms, in this study, it can be concluded that K-S is superior in terms of power than the Run Test, in the case that the samples come from normal distributions (71% of the simulated scenarios).esopenAccessKolmogorov-SmirnovRachas de Wald-WalfowitzPotenciaarticuloUniversidad Nacional de Rosario