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)