Prueba de normalidad

En este tema

 Realizar una prueba de normalidad

 Tipos de pruebas de normalidad
 Comparación de las pruebas de normalidad de Anderson-Darling, Kolmogorov-
Smirnov y Ryan-Joiner

Realizar una prueba de normalidad

Elija Estadísticas > Estadísticas básicas > Prueba de normalidad. Los resultados de la
prueba indican si usted debe rechazar o no puede rechazar la hipótesis nula de que los
datos provienen de una población distribuida normalmente. Puede realizar una prueba
de normalidad y producir una gráfica de probabilidad normal en el mismo análisis. La
prueba de normalidad y la gráfica de probabilidad suelen ser las mejores herramientas
para evaluar la normalidad.

Tipos de pruebas de normalidad

Los siguientes son tipos de pruebas de normalidad que puede utilizar para evaluar la
normalidad.

Prueba de Anderson-Darling
Esta prueba compara la función de distribución acumulada empírica (ECDF) de
los datos de la muestra con la distribución esperada si los datos fueran
normales. Si la diferencia observada es adecuadamente grande, usted rechazará
la hipótesis nula de normalidad de la población.

Prueba de normalidad de Ryan-Joiner

Esta prueba evalúa la normalidad calculando la correlación entre los datos y las
puntuaciones normales de los datos. Si el coeficiente de correlación se
encuentra cerca de 1, es probable que la población sea normal. El estadístico de
Ryan-Joiner evalúa la fuerza de esta correlación; si se encuentra por debajo del
valor crítico apropiado, usted rechazará la hipótesis nula de normalidad de la
población. Esta prueba es similar a la prueba de normalidad de Shapiro-Wilk.

Prueba de normalidad de Kolmogorov-Smirnov

Esta prueba compara la función de distribución acumulada empírica (ECDF) de
los datos de la muestra con la distribución esperada si los datos fueran
normales. Si esta diferencia observada es adecuadamente grande, la prueba
rechazará la hipótesis nula de normalidad de la población. Si el valor p de esta
prueba es menor que el nivel de significancia (α) elegido, usted puede rechazar
la hipótesis nula y concluir que se trata de una población no normal.

Comparación de las pruebas de normalidad de

Anderson-Darling, Kolmogorov-Smirnov y Ryan-
Joiner
Las pruebas de Anderson-Darling y Kolmogorov-Smirnov se basan en la función
de distribución empírica. La prueba de Ryan-Joiner (similar a la prueba de
Shapiro-Wilk) se basa en regresión y correlación.

Las tres pruebas tienden a ser adecuadas para identificar una distribución no
normal cuando la distribución es asimétrica. Las tres pruebas distinguen menos
cuando la distribución subyacente es una distribución t y la no normalidad se
debe a la curtosis. Por lo general, entre las pruebas que se basan en la función
de distribución empírica, la prueba de Anderson-Darling tiende a ser más
efectiva para detectar desviaciones en las colas de la distribución.
Generalmente, si la desviación de la normalidad en las colas es el problema
principal, muchos profesionales de la estadística usarían una prueba de
Anderson-Darling como primera opción.

NOTA
Si está verificando la normalidad como preparación para un análisis de
capacidad normal, las colas son la parte más crítica de la distribución.
CONTRASTES DE NORMALIDAD

Un caso específico de ajuste a una distribución teórica es la correspondiente a la distribución normal. Este contraste se realiza pa
comprobar si se verifica la hipótesis de normalidad necesaria para que el resultado de algunos análisis sea fiable, como por ejemp
para el ANOVA.

Para comprobar la hipótesis nula de que la muestra ha sido extraída de una población con distribución de probabilidad normal
puede realizar un estudio gráfico y/o analítico.

PRUEBA DE KOLMOGOROV-SMIRNOV

Cuando la prueba Kolmogorov-Smirnov kolmogorov se aplica para contrastar la hipótesis de normalidad de la población, el estadísti
de prueba es la máxima diferencia:

siendo Fn(x) la función de distribución muestral y Fo(x) la función teórica o correspondiente a la población normal especificada en

hipótesis nula.

La distribución del estadístico de Kolmogorov-Smirnov es independiente de la distribución poblacional especificada en la hipótesis nu

y los valores críticos de este estadístico están tabulados. Si la distribución postulada es la normal y se estiman sus parámetros, l
valores críticos se obtienen aplicando la corrección de significación propuesta por Lilliefors.

PRUEBA DE SHAPIRO-WILK

Cuando la muestra es como máximo de tamaño 50 se puede contrastar la normalidad con la prueba de shapiro Shapiro-Wilk. Pa
efectuarla se calcula la media y la varianza muestral, S2, y se ordenan las observaciones de menor a mayor. A continuación se calcula
las diferencias entre: el primero y el último; el segundo y el penúltimo; el tercero y el antepenúltimo, etc. y se corrigen con un

coeficientes tabulados por Shapiro y Wilk. El estadístico de prueba es:

donde D es la suma de las diferencias corregidas.

Se rechazará la hipótesis nula de normalidad si el estadístico W es menor que el valor crítico proporcionado por la tabla elaborada p
los autores para el tamaño muestral y el nivel de significación dado.
La secuencia para realizar los contrastes de normalidad es:

Analiza

Estadísticos Descriptivos

Explorar

En el cuadro de diálogo que aparece al activar el botón Gráficos se activa la opción Gráficos con pruebas de normalidad.

EJEMPLO

Ejemplo 1.

Con los datos correspondientes a la variable Trans de la encuesta Enctrans.sav y con referencia a los encuestados que viven e
Barcelona, se quiere comprobar si su distribución en cuanto al tipo de transporte utilizado se adapta a los resultados de un estud
realizado por el Ayuntamiento de Barcelona, que son los siguientes: el 40% de los desplazamientos al trabajo se realizan en metr
el 30% en autobús; el 20% en transporte privado y 10% otros medios.

La distribución de frecuencias de la variable Trans es:

En este caso para realizar el contraste Chi-cuadrado es necesario definir las cuatro categorías contempladas en la hipótesis nula. Pa
ello, se crea una nueva variable, Trans2, a partir de Trans con las siguientes categorías: Metro, Bus, Privado (que resultará de agreg
Coche y Moto) y Otros (que agrupará Tren y Otros).Una vez creada la nueva variable, con la secuencia Analizar > Pruebas n
paramétricas > Chi-cuadrado se llega al cuadro de diálogo en donde se selecciona la variable Trans2 y se introduce en Valor
esperados las frecuencias relativas de cada categoría según la hipótesis nula correctamente ordenadas: 0,4 para la categoría 1; 0
para la 2; 0,2 para la 3 y 0,10 para la 4. Al aceptar se obtienen los siguientes resultados:
Como todas las categorías presentan frecuencia esperada mayor que 5 se puede aplicar el contraste Chi-cuadrado sin modificar
número de categorías. El valor del estadístico Chi-cuadrado permite rechazar la hipótesis nula para niveles de significación superior
al 2,7%. Así pues, al 5% de significación se llega a la conclusión de que la distribución del tipo de transporte que utilizan los alumn
no se adapta a la publicada por el ayuntamiento.

Ejemplo 2.

Con la información correspondiente a la variable Pla de la base de datos Encinf.sav, se desea comprobar si la valoración que realiza

los alumnos del plan de estudios sigue una distribución uniforme.

Para realizar la prueba de bondad de ajuste Kolmogorov-Smirnov la secuencia a seguir es Analizar > Pruebas no paramétricas> K
de 1 muestra. Se selecciona la variable Pla de la base de datos Encinf.sav y se indica que la Distribución de contraste es uniforme.

Los resultados son:

A la vista de los resultados se concluye que no se puede rechazar la hipótesis de que la valoración asignada por este grupo de alumn
al plan de estudios es uniforme para cualquier nivel de significación inferior al 7,1%.

Ejemplo 3.

Con la base de datos Encinf.sav, se desea comprobar si la variable gasto presenta una distribución normal.

Para realizar la prueba de normalidad la secuencia a seguir es Analizar> Estadísticos Descriptivos> Explorar. Se selecciona la variab
Gasto y en el cuadro de diálogo correspondiente a los Gráficos se activa la opción Gráficos con pruebas de normalidad.

Los resultados obtenidos son:

El estadístico de prueba Kolmogorov-Smirnov con la correción de Lilliefors presenta un nivel de significación igual a 0,00
Enconsecuencia se rechaza la hipótesis de normalidad. El gráfico Q-Q normal ratifica la conclusión anterior, ya que los valor
observados no se situan sobre la recta esperada bajo el supuesto de normalidad.
CONTRASTES DE NORMALIDAD

Un caso específico de ajuste a una distribución teórica es la correspondiente a la distribución

normal. Este contraste se realiza pcomprobar si se verifica la hipótesis de normalidad necesaria
para que el resultado de algunos análisis sea fiable, como por ejempara el ANOVA.Para comprobar
la hipótesis nula de que la muestra ha sido extraída de una población con distribución de
probabilidad normalpuede realizar un estudio gráfico y/o analítico.

PRUEBA DE KOLMOGOROV-SMIRNOV

Cuando la prueba Kolmogorov-Smirnov kolmogorov se aplica para contrastar la hipótesis de

normalidad de la población, el estadístide prueba es la máxima diferencia:siendo Fn(x) la función
de distribución muestral y Fo(x) la función teórica o correspondiente a la población normal
especificada enhipótesis nula.La distribución del estadístico de Kolmogorov-Smirnov es
independiente de la distribución poblacional especificada en la hipótesis ny los valores críticos de
este estadístico están tabulados. Si la distribución postulada es la normal y se estiman sus
parámetros, lvalores críticos se obtienen aplicando la corrección de significación propuesta por
Lilliefors.

PRUEBA DE SHAPIRO-WILK

Cuando la muestra es como máximo de tamaño 50 se puede contrastar la normalidad con la

prueba de shapiro Shapiro-Wilk. Pefectuarla se calcula la media y la varianza muestral, S2, y se
ordenan las observaciones de menor a mayor. A continuación se calcullas diferencias entre: el
primero y el último; el segundo y el penúltimo; el tercero y el antepenúltimo, etc. y se corrigen con
uncoeficientes tabulados por Shapiro y Wilk. El estadístico de prueba es:donde D es la suma de
las diferencias corregidas.Se rechazará la hipótesis nula de normalidad si el estadístico W es menor
que el valor crítico proporcionado por la tabla elaborada plos autores para el tamaño muestral y
el nivel de significación dado.