Unidad Académica de

Estudios Generales

Estadística Básica

Profesores: Equipo docente de Estadística

 Unidad III
Semana 10

Distribución Normal
¿Qué tipo de distribución se observa?
 Sesión 10: Distribución Normal

1. Distribución Normal
2. Prueba de normalidad
3. Estadísticos de normalidad (Kolmogorov-Smirnov y
Shapiro-Wilk)
4. Conclusiones
 LOGRO DE LA SESIÓN

Al finalizar la sesión, el estudiante interpreta los

resultados de la prueba de normalidad para comprobar
si los datos de una variable aleatoria continua tiene una
distribución normal haciendo uso del SPSS.
 1. Distribución normal
Es la distribución continua más importante en la
teoría y práctica estadística, la que más se presenta
en la naturaleza, es decir muchas variables
aleatorias tendrán un comportamiento que siguen
una curva normal. (Martín y Luna 2004).
Tenemos los ingresos, las estaturas, los pesos, la
velocidad, tiempo de vida, notas, temperaturas,
producción, pagos, etc.

La variable aleatoria continua tiene como

parámetros la media (µ) y desviación estándar ()
que determinará la simetría y curtosis de la
distribución como curva normal o no. Decisión
para el análisis estadístico inferencial: https://economipedia.com/definiciones/distribucion-normal.html

- Intervalos de confianza
- Prueba de hipótesis
 Distribución normal estandarizada
Propiedades
f(Z) Parámetros
1. Forma simétrica μ: Media=0
2. Área bajo la curva es 1 σ: Desviación estándar=1
σ
3. Regla μ y σ :
Estandarización
68% 𝑋ത − 𝜇
𝑋~𝑍 =


Variable
aleatoria
-3 -2 -1
µ=0 1 2 3 Z continua
μ-σ μ+σ
95%
99.7%
 2. Prueba de la Normalidad
Para realizar pruebas de hipótesis con variables cuantitativas, luego del análisis descriptivo, se debe
verificar si los datos de las muestras tienen distribución normal.
Es importante realizar esta prueba para determinar el tipo de prueba estadística que se aplicará en
el tratamiento de los datos.

Datos cuantitativos

Pruebas de
normalidad

Distribución Distribución
normal no normal

Pruebas Pruebas no
paramétricas paramétricas
 3. Estadísticos de normalidad
El análisis de normalidad tiene como objetivo analizar si
los datos muestrales proceden de una distribución
normal con la misma media y desviación estándar. Los
métodos utilizados son gráficos (histogramas, cajas),
coeficientes de asimetría, curtosis y prueba de hipótesis.

La prueba de normalidad se realiza con los estadísticos:

1. Kolgomorov Smirnov (K-S) si n > 50

2. Shapiro Wilk (S-W) si n ≤ 50

(Balluerka y Vergara, 2002; Pedrosa et al, 2015)
 Hipótesis estadísticas de normalidad

Las hipótesis para probar normalidad son:

Ho: La distribución de datos de la variable aleatoria no se

diferencian de una distribución normal

H1: La distribución de datos de la variable aleatoria se diferencian

de una distribución normal
 Pasos para una prueba de hipótesis
1. Formulación de la hipótesis

2. Elegir el nivel de significancia

𝑹𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎 𝑹𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎
3. Determinar el estadístico de prueba 1- 𝛼

𝛼/2 𝛼/2
4. Decisión: Decidimos rechazar o no 𝒁𝒐𝒏𝒂 𝒅𝒆 𝒏𝒐 𝒓𝒆𝒄𝒉𝒂𝒛𝒐 𝑯𝟎
rechazarla hipótesis nula (Ho).
𝑍𝛼 𝑍1− 𝛼
2 2
5. Conclusión.

Decisión: Si P-valor <  entonces se rechaza la hipótesis Ho

y se acepta la hipótesis alterna H1
 Prueba de hipótesis para la normalidad
1. Planteamiento de la hipótesis nula (Ho) y la hipótesis alterna (Ha)
Ho = Los datos provienen de una distribución normal
H1 = Los datos no provienen de una distribución normal
2. Nivel de significancia (α)
α = 0,05
3. Determinar el estadístico de prueba
Kolmogorov-Smirnov > 50 datos
Shapiro-Wilk ≤ 50 datos
4. P-valor (p) =
5. Criterio de decisión
Si P-valor (Sig) > 0,05; Se acepta la hipótesis nula
Si P-valor (Sig) < 0,05; Se rechaza la hipótesis nula
6. Conclusión
 Prueba de normalidad para una muestra con SPSS
1. Ingresar las variables y datos 2. Click en analizar, Estadísticos descriptivos, explorar
 Prueba de normalidad para una muestra con SPSS
3. Mover la variable a lista de dependientes 4. Click en gráficos, gráficos con prueba de normalidad, continuar,
aceptar

Seleccionar
Gráficos
 Prueba de normalidad para una muestra con SPSS
5. Resultados 6. Interpretación

En la tabla se observa que, el valor calculado de

significancia del estadístico de prueba de
normalidad resulta mayor al valor teórico α= 0,05;
por lo tanto, no se rechaza la hipótesis nula.

Esto quiere decir que, según los resultados

obtenidos se asume que los datos de la muestra
de estudio provienen de una distribución normal.

Seleccionamos
Kolomogorov –Smirnov
porque la muestra es
de 116
 Ejemplo 1
Se desea conocer si los datos del peso de una muestra de 116 estudiantes tienen distribución normal.
Asimismo se desea conocer si la distribución es normal en cada género.

Prueba de normalidad para una muestra

1. Planteamiento de hipótesis
Ho: El peso de los estudiantes proviene de una distribución normal
H1: El peso de los estudiantes no proviene de una distribución normal
2. Nivel de significancia (α)
α = 0,05
3. Estadístico de prueba
Kolmogorov-Smirnov =
4. P-valor (p) =
5. Decisión o interpretación
Si p < 0,05 se rechaza Ho y se acepta H1
6. Conclusión
 ACTIVIDAD 1

Del archivo ejemplos

sesión 10 resolver el
ejercicio 5.
Prueba de normalidad para dos muestras en SPSS

1. Desde el menú
realizar la secuencia:
Analizar / Estadísticos
descriptivos / Explorar
 Prueba de normalidad para dos muestras en SPSS
2. Mover la variable numérica a lista de dependientes y 3. Click en gráficos, gráficos con prueba de
categórica a lista de factores normalidad, continuar, aceptar
 Prueba de normalidad para dos muestras en SPSS
5. Resultados 6. Interpretación

En la tabla se observa que, el valor calculado de

significancia del estadístico de prueba de
normalidad en sexo femenino resulta mayor al
valor teórico α= 0,05 y para el sexo masculino es
menor a 0,05; por lo tanto, se rechaza la hipótesis
nula y se acepta la hipótesis alterna.

Seleccionamos Esto quiere decir que, según los resultados

Kolomogorov –Smirnov obtenidos se asume que los datos de la muestra
porque la muestra es de estudio no provienen de una distribución
más de 50 datos. normal.
 Ejemplo 2
Se desea conocer si los datos del peso de una muestra de 116 estudiantes tienen distribución normal.
Asimismo se desea conocer si la distribución es normal en cada género.
Prueba de normalidad para dos muestras independientes
1. Planteamiento de hipótesis
Ho: El peso de los estudiantes en cada género proviene de una distribución normal
H1: El peso de los estudiantes en algún género no proviene una distribución normal
2. Nivel de significancia (α)
α = 0,05
3. Estadístico de prueba.
Kolmogorov-Smirnov =
4. P-valor (p) =
5. Decisión o interpretación.
Si p <= 0,05 se rechaza Ho y se acepta H1.
6. Conclusión.
 TRABAJO EN SALA

Resolver en equipos
colaborativos el ejercicio 2 de la
semana 10.
Ejemplo 3
Se desea determinar si existe relación entre el IMC (kg/m2) de 25 estudiantes y la velocidad de la marcha
(m/s), para realizar la prueba estadística se necesita conocer si las variables provienen de una distribución
normal. ¿Puede indicar usted el IMC tiene distribución normal? ¿Puede indicar usted si la velocidad de la
marcha tiene distribución normal?
Solución:
1. Planteamiento de hipótesis. 1. Planteamiento de hipótesis.
Ho: El IMC de los estudiantes proviene de una Ho: La velocidad de la marcha de los estudiantes
distribución normal. proviene de una distribución normal.
H1: El IMC de los estudiantes no proviene de una H1: La velocidad de la marcha de los estudiantes no
distribución normal. proviene de una distribución normal.
2. Nivel de significancia (α). 2. Nivel de significancia (α).
α = 0,05 α = 0,05
3. Estadístico de prueba. 3. Estadístico de prueba.
Shapiro-Wilk = Shapiro-Wilk =
4. P-valor (p) = 4. P-valor (p) =
5. Decisión o interpretación. 5. Decisión o interpretación.
Si p <= 0,05 se rechaza Ho y se acepta H1. Si p <= 0,05 se rechaza Ho y se acepta H1.
6. Conclusión. 6. Conclusión.
 CONCLUSIONES

1. Una variable aleatoria continua tiene distribución normal si es

simétrica con curtosis normal.
2. La prueba de normalidad determina si en el análisis inferencial
usaremos pruebas paramétricas o no paramétricas.
3. El estadístico de Kolmogorov-Smirnov se utilizará cuando n > 50
datos, caso contrario Shapiro Wilk.
4. Si el P-valor (sig) es mayor al nivel de significancia de 0,05 los
datos siguen una distribución normal.