Introducción

 Hasta ahora, hemos discutido cómo

describir gráficamente las distribuciones de
las puntuaciones brutas y en términos de
tendencia central, variabilidad, asimetría y
curtosis.
 Seguiremos realizando estos cálculos, ya
que la mayoría de los procedimientos
estadísticos que discutiremos en los
capítulos siguientes requerirán que los
datos se distribuyan normalmente.
 Distribución Normal
 Utilizando lo que hemos aprendido con el cálculo de estas
estadísticas descriptivas, podemos confirmar si nuestros datos
se distribuyen normalmente o si debemos utilizar diferentes
procedimientos.
 A menudo, incluso si las variables no están estrictamente o
exactamente distribuidas normalmente, todavía podemos
usarlas ya que muchos procedimientos estadísticos son
"robustos" o capaces de proporcionar resultados significativos
y precisos incluso si hay algunas violaciones de los supuestos
normales de distribución.
La Naturaleza de la Curva
Normal
 La distribución normal es muy común en las
ciencias sociales y la investigación en ciencias de
la salud, por lo que necesitamos profundizar
nuestra comprensión de algunas de las
propiedades de la curva normal.
 La distribución normal se llama asi porque la
histograma forma una curva cuando los puntos
medios superiores de las barras están unidos entre
sí. Técnicamente, esto se llama polígono de
frecuencia.
 Si nos fijamos en la figura 3.12, veremos el
histograma para la distribución de puntajes AP de
las puntuaciones brutas que discutimos.
La Naturaleza de la Curva Normal

Enla figura siguiente, la superposición

de la curva normal en la parte superior
del histograma, por lo que puede ver la
medida en que los datos se aproximan
a una distribución normal.
La Naturaleza de la Curva
Normal
 ¿Aqué distancia se encuentran las
puntuaciones y a qué distancia de la
media se aleja?
La Naturaleza de la Curva Normal
 Cuando hablamos de la distribución normal y cómo
nuestro conjunto de datos de la muestra se distribuye
normalmente, en realidad hablamos de nuestros datos
aproximándose a una distribución normal. La distribución
normal perfecta se refiere a un ideal. Así, la curva normal
es una especie de regla perfecta con características y
dimensiones conocidas. De hecho, podemos trazar
matemáticamente la curva normal perfecta y obtener
una imagen de cómo se distribuyen las áreas bajo la
curva.
 Debido a estas características, nos referimos a la
distribución normal perfecta como una distribución
normal estándar.
La Naturaleza de la Curva Normal
 Observe la Figura 4.1. Como puede ver, la curva
normal perfecta se representa con proporciones
conocidas del área total entre la media y las
unidades de desviación estándar (DE).
 Una curva normal estándar (también conocida
como distribución z) tiene una media de 0 y una
DE de 1,0.
 Esto es siempre un poco desconcertante hasta
que usted considere cómo se calculan la media
y el DE. Puesto que una distribución perfecta
tiene el mismo número de cuentas se disparcen a
la izquierda y a la derecha de la media.
La Naturaleza de la Curva Normal
La Naturaleza de la Curva Normal

 Calcular la media es similar a agregar valores

positivos y negativos resultando en 0.
 Dividir 0 por N, de cualquier tamaño, siempre
será igual a 0. Por lo tanto, la media de
distribución normal estándar ideal es igual a 0.
 La distribución normal estándar tiene un DE
igual a 1 unidad. Esto es simplemente una
manera de designar las áreas conocidas bajo
la curva.
La Naturaleza de la Curva
Normal
 Lafigura 4.1 muestra que hay seis unidades DE
que capturan casi todos los casos bajo el área
de curva normal perfecta.
Así es como la curva normal estándar se
"arregla" matemáticamente.
La Naturaleza de la Curva Normal
Por ejemplo, el 13,59% del área de la curva normal se encuentra entre
el primer (+1) y el segundo (+2) DE en el lado derecho de la media.
Dado que la curva es simétrica, hay también 13,59% del área de la
curva entre la primera (-1) y la segunda (-2)DE en el lado izquierdo de la
curva y así sucesivamente.
La Naturaleza de la Curva Normal

 Recuerde que esta es una distribución ideal.

Como tal, podemos comparar nuestros
Las distribuciones de datos a ella como una
forma de entender mejor nuestros propios
datos sin procesar.
 Además, podemos usarlo para comparar dos
conjuntos de datos de puntuación bruta ya
que tenemos un palo de medición perfecto
que se relaciona con ambos conjuntos de
datos "imperfectos".
La Naturaleza de la Curva Normal
 Hay otras características de la distribución normal
estándar que deberíamos observar:
 Las puntuaciones se agrupan en el centro y "se
adelgazan" hacia ambos extremos.
 Es una distribución equilibrada o simétrica, con igual
número de puntuaciones en ambos lados del centro.
 La media, la mediana y el modo caen todos en el
mismo punto.
 La curva es "asintótica" al eje horizontal. Esto significa
que se acerca pero nunca toca ya que el eje horizontal,
en teoría, puede haber un caso muy alejado de los otros
resultados.
 El punto de inflexión de la curva normal estándar está en
el punto de la (negativa y positivo) en la unidad DE. Este
punto es donde la pronunciada declinación de la curva
disminuye y se ensancha.
La Naturaleza de la Curva Normal

 Estas puntuaciones se muestran en el eje horizontal de

la Figura 4.1 y representan los valores de DE que
definen las áreas de la distribución.
 Así, la unidad +1 DE a la derecha de la media
contiene el 34,13% del área bajo la curva normal
estándar (a partir de la media), y podemos referirnos a
este punto como una puntuación z de +1.
 Por lo tanto, si un puntaje determinado de la prueba
AP tuviera una puntuación z de 3.5, reconoceríamos
inmediatamente que esta escuela tendría un puntaje
bruto excesivamente alto, en relación con los otros
valores, ya que caería tres y puntos y medio de la
media.
Puntuacion Estándar: Z score

 Cuando nos referimos a la desviación

normal estándar, hablamos de la
"puntuación z", que es una medida muy
importante en las estadísticas.
 Una puntuación z es una puntuación bruta
expresada en unidades DE. Por lo tanto, una
puntuación z de 0,67 representaría un
puntaje bruto que es dos tercios de una DE
a la derecha de la media.
Puntuacion Estándar: Z score
 La puntuación z nos permite entender dónde reside cada puntaje en
comparación con el conjunto completo de puntajes de la distribución.
Puntuacion Estándar: Z score
 También nos permite comparar el desempeño de un individuo en dos
conjuntos diferentes de puntuaciones (normalmente distribuidas). Es
importante señalar que las puntuaciones z se expresan no sólo en
números enteros, sino como valores decimales. Por lo tanto, una
puntuación z de -1.96 indicaría que la puntuación bruta es
ligeramente inferior a dos DE por debajo de la media en una curva
normal estándar como se muestra en la Figura 4.2.
LA TABLA DE VALORES Z

 Cada puntuación z tiene dos paneles de referencia ilustrados por dos

gráficos sombreados en la parte superior (centésimas). En la parte
izquierda del panel "0.05", cada valor de puntuación z se representa
en la tabla de tal manera que se pueda identificar el porcentaje del
área en la curva normal que está entre una puntuación z dada y la
media de la distribución .
 Como puede ver, la gráfica muestra esto en la región sombreada a la
derecha de la media hasta el núcleo z en cuestión. La tabla reporta
este valor como 1,994 para una puntuación z de 0,05. Así, el 1,994%
del área de la curva normal estándar se encuentra entre la media y
una puntuación z de 0,05.
Tabla de Valores Z
 El gráfico de la derecha de las dos columnas de datos en el panel muestra
el porcentaje del área de la curva que se encuentra en la "cola" de la
distribución o el porcentaje del área que se encuentra más allá de la
puntuación z dado.
 En el panel de puntuación 0,05, esto significaría que el 48,006% del área
bajo la curva normal está más allá (es decir, a la derecha) una puntuación
z de 0,05.
Es importante señalar que las proporciones en la tabla son simétricas. Es
decir, las puntuaciones z de -0,05 (es decir, negativas) tienen las mismas
proporciones que las puntuaciones z de 0,05 (es decir, positivas).
 El signo negativo o positivo no afecta a la ubicación del valor en la tabla
ya que los valores en la tabla son simétricos se aplican a ambos lados de la
distribución por igual.
 El signo es crucial para recordar, sin embargo, ya que indica la dirección
de la puntuación en relación con la media. Las puntuaciones negativas se
encuentran a la izquierda de la media, como se muestra en la Figura 4.2, y
las puntuaciones positivas se encuentran a la derecha de la media.
Puntuacion Estándar: Z score
 Para tomar el ejemplo que se muestra en la Figura 4.2 (donde z = -1.96),
se encontraría la parte "décimas" de la puntuación (1.9) en la primera
columna de la Tabla de Valores Z, titulada "z“. Cuando se combinan, la
puntuación de -1,96 (es decir, 1,9 + 0,06) indica un valor de "47,50" (o
47,50%) en la columna izquierda del panel de 0,06.
 Dado que hay un 34,13% entre la media y la primera DE y otra 13,59%
entre la primera y segunda DE, entonces el total combinado de 47,72%
(sumando los porcentajes juntos) muestra el porcentaje de la curva
entre la media y la segunda DE.
 Este valor es muy cercano al valor de la tabla (47,50%) para z = -1,96.
Puntuacion Estándar: Z score
 Para tomar el ejemplo que se muestra en la Figura 4.2 (donde z = -1.96),
se encontraría la parte "décimas" de la puntuación (1.9) en la primera
columna de la Tabla de Valores Z, titulada "z“. Cuando se combinan, la
puntuación de -1,96 (es decir, 1,9 + 0,06) indica un valor de "47,50" (o
47,50%) en la columna izquierda del panel de 0,06.
 Dado que hay un 34,13% entre la media y la primera DE y otra 13,59%
entre la primera y segunda DE, entonces el total combinado de 47,72%
(sumando los porcentajes juntos) muestra el porcentaje de la curva
entre la media y la segunda DE.
 Este valor es muy cercano al valor de la tabla (47,50%) para z = -1,96.
Puntuacion Estándar: Z score
Cálculo de Percentiles

Notará que los dos ejemplos de las

figuras 4.4 y 4.5 muestran cómo
identificar un percentil.
Esta es una característica especial
de usar las proporciones
acumuladas en la distribución
normal estándar.
Cálculo de Percentiles
Cálculo de Percentiles
Cálculo de Percentiles

Notará que los dos ejemplos de las

figuras 4.4 y 4.5 muestran cómo
identificar un percentil.
Esta es una característica especial
de usar las proporciones
acumuladas en la distribución
normal estándar.
Cálculo de Percentiles

Notará que los dos ejemplos de las

figuras 4.4 y 4.5 muestran cómo
identificar un percentil.
Esta es una característica especial
de usar las proporciones
acumuladas en la distribución
normal estándar.
Normas para Localizar Z Scores

 Algunos estadísticos e investigadores les gusta crear reglas para las

operaciones que discutimos anteriormente. Así, por ejemplo, podríamos
crear las siguientes reglas:
1. Para localizar el porcentaje de la distribución por debajo de una
puntuación z positiva, añada el valor presentado al 50% de la otra mitad
de la distribución.
2. Para ubicar el porcentaje de la distribución por debajo de una
puntuación z negativa, restar el valor presentado del 50% de la mitad
izquierda de la distribución.
 Aquí hay otro ejemplo que ilustra este punto. ¿Qué porcentaje de la curva
normal estándar se encuentra entre una puntuación z de -1.96 y -1.35?
Observe la Figura 4.6, que ilustra la solución a este problema.
Normas para Localizar Z Scores
Normas para Localizar Z Scores
Cálculo de Z scores

 Las puntuaciones Z son que proporcionan una medición para

comparar las distribuciones de puntajes brutos que pueden
no estar perfectamente distribuidas normalmente.
 Recuerde, la curva normal estándar es una curva perfecta.
Las distribuciones de la vida real suponen que los datos de la
puntuación bruta se aproximan a una distribución normal.
 Si la media, la mediana y el modo están en el mismo punto
que es otra indicación de que los datos se aproximan a una
distribución normal. Finalmente, podemos usar la evidencia
visual del histograma y el polígono de frecuencia para
ayudarnos a entender la forma de la distribución.
Cálculo de Puntaje Z

 Supongamos que un conjunto similar de

puntajes de las pruebas AP de otro semestre
tienen una media de 100 y un DE de 15.
Supongamos que la puntuación de un
estudiante en el examen es de 120 y ella
llama para averiguar acerca de cómo se
desempeñó en la prueba. ¿Qué le dirías?
 Observe la Figura 4.10.
Cálculo de Z scores

 Observe la Figura 4.10.

Cálculo de Z scores

 La distribución de las puntuaciones brutas no es perfecta, ya que se basa

en las puntuaciones derivadas de la vida real y probablemente no en un
gran grupo. Podríamos suponer que los datos se distribuyen normalmente.
La dificultad es que, puesto que no es la curva normal estándar con
proporciones conocidas bajo cada área de la curva, no podemos usar el
método que acabamos de describir para calcular un percentil (el
porcentaje de las puntuaciones que están por debajo de la puntuación
del estudiante).
 Podemos decirle al estudiante que ella anotó más de 1 DE por encima de
la media, si eso sería de valor para ella. Lo que realmente necesitamos, sin
embargo, es traducir el puntaje bruto del estudiante de 120 en una
puntuación z para que podamos calcular un percentil significativo.
 Antes de hacer esto, sin embargo, podríamos probar nuestras habilidades
de estimación con sólo mirar la información de puntaje bruto.
 La puntuación del estudiante es 120, que es 20 puntos por encima de la
media. Dado que el DE es 15, eso significa que el puntaje del estudiante de
120 es 1 y 1/3 DE por encima de la media (o aproximadamente 1,33 DE).
Cálculo de Z scores

 Podemos transformar los puntajes brutos en puntajes z

para entender donde las puntuaciones en una
puntuación bruta de distribución caen en relación con
las otras puntuaciones haciendo uso de la distribución
normal estándar. Este proceso implica visualizar y
calcular donde una determinada puntuación bruta
caería en una distribución normal estándar. Es decir,
"traduciríamos" la x (puntuación bruta) a una z
(puntuación estándar) para que pudiéramos entender
dónde la puntuación bruta
 Está en relación con su propia media y así
sucesivamente. Al hacerlo, estamos usando la curva
normal estándar como una especie de patrón para
comparar la información que se observa en la vida real.
Cálculo de Z scores

 La fórmula para transformar los valores de

puntuación bruta (x) a las puntuaciones normales
normales (z) es
Cálculo de Z scores

 Con la Z de 1.33, el percentile se calcula de la

siguiente manera:
 Distancia Z Score (1.33) desde la media = 40.824%.
 Sume 50% de la distribucion de la izquierda.

 Obtiene el percentile 91(90.824% debajo de la

curva).
Cálculo de Z scores

 X is normalmente distribuida con una media de 30

y una DE de 4. Encuentre:
 a) P(x < 40)
b) P(x > 21)
c) P(30 < x < 35)
Cálculo de Z scores
 a) For x = 40, the z-value z = (40 - 30) / 4 = 2.5
Hence P(x < 40) = P(z < 2.5) = [area to the left of 2.5] = 0.9938

 b) For x = 21, z = (21 - 30) / 4 = -2.25

Hence P(x > 21) = P(z > -2.25) = [total area] - [area to the left of -2.25]
= 1 - 0.0122 = 0.9878

 c) For x = 30 , z = (30 - 30) / 4 = 0 and for x = 35, z = (35 - 30) / 4 = 1.25

Hence P(30 < x < 35) = P(0 < z < 1.25) = [area to the left of z = 1.25] - [area
to the left of 0]
= 0.8944 - 0.5 = 0.3944
Cálculo de Z scores

 X es normalmente distribuida con una media de 45 y una

DE de 7. Encuentre:
 a) P(x < 54)
b) P(x > 33)
c) P(30 < x < 35)
 D) P ( x > 64 y x < 43)