library(tseries)
salida_JB <- jarque.bera.test(modelo_estimado$residuals)
salida_JB

cat("\nInterpretación:\n")

if(salida_JB$p.value > 0.05) {
  cat("No se rechaza la hipótesis nula (p =", round(jb_test$p.value, 4), 
      "> 0.05). Los residuos parecen seguir una distribución normal.\n")
} else {
  cat("Se rechaza la hipótesis nula (p =", round(salida_JB$p.value, 4), 
      "≤ 0.05). Los residuos NO siguen una distribución normal.\n")
}  

library(fastGraph)
alpha_sig <- 0.05
JB <- salida_JB$statistic
gl <- salida_JB$parameter
VC <- qchisq(1-alpha_sig,gl,lower.tail = TRUE)
shadeDist(JB,ddist = "dchisq", parm1 = gl, lower.tail = FALSE, xmin = 0, sub=paste("VC:",round(VC,2),"","JB:",round(JB,2)))

library(normtest)
jb.norm.test(modelo_estimado$residuals)

library(dplyr)
library(gt)  
library(gtExtras)  
residuos<-modelo_estimado$residuals 
residuos %>%  
  as_tibble() %>%  
  mutate(posicion=row_number()) %>%  
  arrange(value) %>%  
  mutate(dist1=row_number()/n()) %>%  
  mutate(dist2=(row_number()-1)/n()) %>%   
  mutate(zi=as.vector(scale(value,center=TRUE))) %>%  
  mutate(pi=pnorm(zi,lower.tail = TRUE)) %>%  
  mutate(dif1=abs(dist1-pi)) %>%  
  mutate(dif2=abs(dist2-pi)) %>%  
  rename(residuales=value) -> tabla_KS  


#Formato
 tabla_KS %>% 
  gt() %>%  
  tab_header("Tabla para calcular el Estadistico KS") %>%  
  tab_source_note(source_note = "Fuente: Elaboración propia") %>%  
  tab_style(  
    style = list(
      cell_fill(color = "#A569BD"),  
      cell_text(style = "italic")  
      ),
    locations = cells_body(  
      columns = dif1,  
      rows = dif1==max(dif1)  
    )) %>%
   tab_style(  
    style = list(
      cell_fill(color = "#3498DB"), 
      cell_text(style = "italic")  
      ),
    locations = cells_body(  
      columns = dif2,  
      rows = dif2==max(dif2)
    ))

D <- max(max(tabla_KS$dif1),max(tabla_KS$dif2))
print(D)

n_values <- c(88)
valor_crítico <- 0.875897 / sqrt(n_values)
valor_crítico

library(nortest)
prueba_KS <- lillie.test(modelo_estimado$residuals)
prueba_KS