Tema 5

Tema 5.
Análisis de Datos en Psicología
Tema 5. Probabilidad II
Índice
Esquema
Ideas clave
5.1. ¿Cómo estudiar este tema?
5.2. Distribuciones de probabilidad II
5.3. Condiciones y pruebas de normalidad
5.4. Prueba de normalidad con Jamovi
A Fondo
La información
Test
Esquema
Análisis de Datos en Psicología 3

Tema 5. Esquema
© Universidad Internacional de La Rioja (UNIR)
Ideas clave
5.1. ¿Cómo estudiar este tema?
Para estudiar este tema debes leer las páginas 77-82 del manual de la asignatura:
Guàrdia, J., Freixa, M., Peró, M. y Turbany, J. (2008). Análisis de datos en
Psicología. Madrid: Delta Publicaciones.
Disponible en el aula virtual en virtud del artículo 32.4 de la Ley de Propiedad
Intelectual.
Además, en el apartado A Fondo, encontrarás un interesante artículo que te ayudará
a ampliar información: «La distribución normal».
También deberás comprender las ideas clave expuestas en este documento. Estas
ideas se van a complementar con lecturas y otros documentos para que puedas
ampliar los conocimientos sobre las mismas.
En esta continuación del tema anterior se pretende ahondar en las características de
las distribuciones de probabilidad más habituales. El objetivo principal de este tema
será el de conocer y definir las condiciones y pruebas de normalidad.
En este tema revisaremos la aplicación práctica y las técnicas que nos permitan
diferenciar cuándo una variable se distribuye según la curva normal.
En primer lugar, terminaremos de revisar las distribuciones de probabilidad y a
continuación nos detendremos en la definición de estrategias que nos permitan
estudiar la distribución y definir si se ajusta o no a la normalidad.
Es esencial que a través de estas lecturas puedas formarte una amplia idea de los
patrones que se repiten en nuestra sociedad. La amplia variabilidad interindividual
se difumina cuando estudiamos características comunes en la sociedad.
Cuanto mayor sea el número de sujetos que estudiamos, más nos acercaremos a

Tema 5. Ideas clave
Ideas clave
una distribución normal de probabilidad donde un individuo se podrá referir a la
media de sujetos que, en sus circunstancias, presentan la misma o similares
características.
Al final de este tema encontrarás y serás capaz de identificar numerosos ejemplos, y
podrás definir de manera crítica la utilidad de las medidas asociadas a las distintas
distribuciones de probabilidad.

Tema 5. Ideas clave
Ideas clave
5.2. Distribuciones de probabilidad II
En este capítulo hablaremos sobre las distribuciones de probabilidad para variables
aleatorias.
Distinguimos tres tipos de distribuciones:
Figura 1. Tipos de distribuciones.

Tema 5. Ideas clave
Ideas clave
Distribución X2 de Pearson
Figura 1. Distribución X2 de Pearson.
La distribución χ2 se caracteriza por ser asimétrica (en la figura 1 podemos observar
que, con respecto de la curva normal, la distribución χ2 se sitúa a la izquierda o a la
derecha de esta). Su forma depende de los grados de libertad (número de
restricciones que se le impone a una variable.
La distribución χ2 se obtiene a partir del sumatorio de las variables aleatorias
elevadas al cuadrado.
Donde
son cada una de las puntuaciones que obtiene cada sujeto en una variable aleatoria
determinada.
Se utiliza para estimar la varianza de las puntuaciones de una muestra (prueba de
bondad de ajuste), para comparar la frecuencia de valores de una variable entre dos

Tema 5. Ideas clave
Ideas clave
muestras y como medida para aquellas comparaciones de variables categoriales que
no se distribuyen según la curva de la normal.
Distribución t de Student
Figura 2. Distribución t de Student.
Es muy parecida a la curva normal pero más achatada (platicúrtica). Su intervalo de
valores va desde -∞ a +∞ y su µ=0.
La distribución t de Student se calcula a partir del cociente entre una distribución de
probabilidad normal y una distribución tipo χ2.
Se suele utilizar cuando los tamaños muestrales son pequeños (n ≤ 30) y sirve para
comparar las medias de dos medias muestras dependientes o independientes. Su
uso está restringido a variables aleatorias continuas.
Distribución F de Fisher-Snedecor

Tema 5. Ideas clave
Ideas clave
Figura 3. Distribución F de Fisher-Snedecor.
La distribución F de Fisher-Snedecor se obtiene a partir del cociente de dos
distribuciones χ2, por tanto, tiene muchas características en común con estas, como
por ejemplo su asimetría con respecto de la curva normal.
Se utiliza en variables aleatorias continuas, en comparaciones entre varianzas de

dos muestras, en el cálculo de diferencias de medias para más de tres grupos
(ANOVA) y en los análisis de regresión (estimación de la causalidad de una variable
independiente sobre otra variable dependiente).

Tema 5. Ideas clave
Ideas clave
5.3. Condiciones y pruebas de normalidad
Los estadísticos se clasifican en paramétricos o no paramétricos dependiendo de
si la variable de estudio sigue una distribución normal o no.
▸ Estadísticos paramétricos: se utilizan cuando la variable que se va a analizar sigue
una distribución normal (t de Student, análisis de la varianza [ANOVA] o análisis de

la covarianza [ANCOVA], r de Pearson).
▸ Estadísticos no paramétricos: se usan cuando la variable aleatoria no sigue una
distribución normal (χ2, U de Mann Whitney, W de Wilcoxon, Kruskal-Wallis y F de

Friedman y ρ de Spearman).
Para comprobar si una variable aleatoria se distribuye según la distribución normal
podemos utilizar las herramientas que exponemos a continuación.

Tema 5. Ideas clave
Ideas clave
▸ Histogramas:
Figura 4. Histogramas.
▸ Diagramas de caja:
Figura 5. Diagramas de caja.

Tema 5. Ideas clave
Ideas clave
▸ Diagramas de dispersión:
Figura 6. Diagramas de dispersión.
▸ Diagramas de tallo y hojas:
Figura 7. Diagramas de tallo y hojas.
▸ Coeficientes de asimetría y curtosis:
▸ Para saber si la distribución es asimétrica (no cumple uno de los criterios de

Tema 5. Ideas clave
Ideas clave
normalidad) se divide el coeficiente de asimetría entre su error típico. Si el resultado
es mayor que 2 en valor absoluto, la distribución es asimétrica.
Tabla 1. Coeficiente de asimetría.
▸ Para calcular la curtosis, la operación es la misma:
Tabla 2. Coeficiente de curtosis.
▸ Test de Shapiro-Wilk: utilizado para muestras que tienen menos de 50 sujetos. Si
el valor que obtenemos es menor de 0,05, la distribución no sigue la curva normal.

Tema 5. Ideas clave
Ideas clave
Tabla 3. Test de Shapiro-Wilk.
▸ Test de Kolmogorov-Smirnoff: es el más utilizado para probar la normalidad de la
muestra. Se interpreta de la misma manera que el test de Shapiro-Wilk: valores

superiores a 0,05 indican normalidad y valores menores indican ausencia de
normalidad. Suele venir acompañada de la corrección de Lilliefors, que ajusta los
valores críticos máximos y mínimos de la distribución.
Tabla 4. Test de Kolmogorov-Smirnoff.

Tema 5. Ideas clave
Ideas clave
5.4. Prueba de normalidad con Jamovi
Para terminar el tema vamos a ver cómo podemos ejecutar algún estadístico de
normalidad con el programa Jamovi.
Nuevamente repetimos los pasos que ya hemos aprendido en sesiones anteriores:
▸ Abrimos Jamovi.
▸ Cargamos la base de datos incluida en el programa denominada «IQsim»
(opciones, «Open», «Data Library») y seleccionamos la base de datos con ese
nombre.
▸ Nos vamos a la pestaña «Análisis», «Expoloration», «Descriptives»,
seleccionamos la variable que vamos a analizar (IQsim) y marcamos las casillas
de los diferentes estadísticos de normalidad («Skewness», «Kurtosis», «Shapiro
Wilk» y el gráfico de «Q-Q Plot»).
▸ Deberíamos ver unos resultados como los siguientes:

Tema 5. Ideas clave
Ideas clave
Figura 8. Test de normalidad.
Como podemos ver, la gráfica y los valores obtenidos indican que la variable IQsim
sigue una distribución normal.

Tema 5. Ideas clave
A Fondo
La información
Gleick, J. (2012). La Información: Historia y realidad. Barcelona: Crítica.
Vivimos en el mundo de la información y el conocimiento. En un libro apasionante,
James Gleick examina con claridad los más complejos principios de la información y
los ilustra con las vidas de sus protagonistas. Concluye analizando lo que representa
para nuestras vidas la cantidad de información que nos rodea.
Accede a parte del libro a través del aula virtual o desde la siguiente dirección web:
http://books.google.es/books?id=d_iBaqKmMY8C&printsec=frontcover

Tema 5. A Fondo
A Fondo
Sheldon y la probabilidad
En este fragmento de uno de los capítulos de The Big Bang Theory Sheldon nos
explica el cálculo y la utilidad de la probabilidad. Por otra parte, se revela la cuestión
sobre lo que es más fiable a la hora de describir la realidad: ¿una interpretación
subjetiva o arrojar datos fiables que permitan alcanzar una reflexión objetiva?
Accede al vídeo:http://www.youtube.com/watch?v=cuLwdNXptQs

Tema 5. A Fondo
A Fondo
The Joy of Stats
En este documental de la BBC el profesor Hans Rosling guía al espectador en un
viaje a través del maravilloso mundo de la estadística, para explorar el extraordinario
poder que tienen los datos para cambiar nuestra comprensión del mundo.
Rosling se deleita en la gloriosa evolución de la estadística y explora su historia,
cuáles son sus fundamentos matemáticos y cómo pueden ayudarnos hoy en día a
entender y ver el mundo como realmente es. Además, explora distintos ejemplos y
aplicaciones de la estadística.
Su mensaje es que a través de la estadística podemos tomar el control de nuestras
vidas, examinar el ejercicio del gobierno y examinar la realidad de forma objetiva.
Esto resulta especialmente importante en un mundo que se encuentra en continuo
cambio y donde la disponibilidad de los datos es especialmente relevante para el
ejercicio adecuado de cualquier profesión.
Accede al vídeo a través del aula virtual o desde la siguiente dirección web:
https://vimeo.com/18477762
Stats: Standard Normal Distribution
Este vídeo contiene una sencilla explicación de las propiedades y características de
la distribución normal y distribución estándar.

Tema 5. A Fondo
A Fondo
Accede al vídeo:http://www.youtube.com/watch?v=c11d3vVM5v8
La distribución normal
Pértegas, S. y Pita, S. (2001). La distribución normal. Cadernos [sic] de atención
primaria, 8(4), pp. 268-274.
En este artículo se describen las características de la distribución normal y su
importancia en investigación clínica.
Accede al documento a través del aula virtual o desde la siguiente dirección web:
http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.asp
The normal distribution
Altman, D. G. y Bland, M. (1995). Statistics notes: The normal distribution. British
Medical Journal, 310, p. 298.
Este artículo revisa algunas características esenciales de la distribución normal y su

caracterización gráfica.

Tema 5. A Fondo
A Fondo
Accede al documento a través del aula virtual o desde la siguiente dirección web:
http://www.bmj.com/content/310/6975/298.full
Calculadoras de distribución normal
Existen numerosas páginas web que permiten el cálculo de distribuciones de
probabilidad y medidas asociadas. En esta página web puedes encontrar una de

ellas.
Accede a la página web a través del aula virtual o desde la siguiente dirección web:
https://www.easycalculation.com/es/statistics/normal-distribution.php

Tema 5. A Fondo
Test
1. ¿Para qué sirve la prueba Shapiro-Wilks?
A. Permite comprobar la normalidad de una muestra con más de 50 sujetos.
B. Trata de ajustar los dos grupos de la distribución para que sean lo más
parecidos posible.
C. Es una prueba de normalidad para muestras con menos de 50 sujetos.
D. Sirve para indicar si la variable aleatoria es categórica o continua.
2. ¿Qué tipo de distribución es la que se representa en la siguiente figura?
A. Distribución de Bernouilli.
B. Distribución t de Student.
C. Distribución F de Fisher-Snedecor.
D. Distribución Binomial.
3. Tenemos una muestra de 150 sujetos y queremos medir dos variables
dependientes: edad y altura. ¿Cuántos grados de libertad tiene la distribución?
A. 2.
B. 148.
C. 150.
D. 122.
4. ¿Qué funciones tiene la distribución χ2?
A. Estimar la bondad de ajuste de una distribución.
B. Comparar las medias de dos medias muestras dependientes o
independientes.
C. Comparar la frecuencia de valores de una variable entre dos muestras.
D. A y C son correctas.

Tema 5. Test
Test
5. ¿Cómo obtenemos la distribución F de Fisher-Snedecor?
A. Transformando las puntuaciones en puntuaciones z (µ = 0, σ = 1).
B. Calculando el cociente entre una distribución normal y una χ2.
C. Calculando el cociente entre dos distribuciones normales.
D. Calculando el cociente entre dos distribuciones χ2.
6. Los valores extremos de la distribución t de Student:
A. Oscilan entre -1 y 1.
B. Oscilan entre 0 y 1.
C. Oscilan entre -∞ y +∞.
D. Oscilan entre -2 y +2.
7. Las puntuaciones z:
A. Tienen media 1 y desviación típica 15.
B. Tienen media 0 y desviación típica 1.
C. Tienen media 1 y desviación típica 0.
D. Tienen media 0 y desviación típica 10.
8. ¿Qué podemos concluir del siguiente cuadro?
A. La diferencia de medias es significativa, por lo que las variables aleatorias
son iguales.
B. La distribución se ajusta según la curva normal.
C. La distribución no se ajusta según la curva normal.
D. Hay demasiados grados de libertad como para comprobar la normalidad de

la distribución.

Tema 5. Test
Test
9. Indica cuál de las siguientes afirmaciones no es correcta a partir de los datos de
la tabla:
A. La distribución es simétrica.
B. La distribución es asimétrica.
C. La distribución sigue la curva normal.
D. La distribución es mesocúrtica.
10. ¿Qué valor de probabilidad debemos obtener para afirmar que una distribución
no se ajusta a la curva normal?
A. p ≥ 0,05.
B. p < 0,05.
C. p > 0,05.
D. p ≤ 0,05.

Tema 5. Test

Tema 5

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 5

Cargado por

Copyright:

Formatos disponibles

Tema 5.

Análisis de Datos en Psicología

5.1. ¿Cómo estudiar este tema?

5.2. Distribuciones de probabilidad II

5.3. Condiciones y pruebas de normalidad

5.4. Prueba de normalidad con Jamovi

Análisis de Datos en Psicología 3

5.1. ¿Cómo estudiar este tema?

Guàrdia, J., Freixa, M., Peró, M. y Turbany, J. (2008). Análisis de datos en

Psicología. Madrid: Delta Publicaciones.

Disponible en el aula virtual en virtud del artículo 32.4 de la Ley de Propiedad

Además, en el apartado A Fondo, encontrarás un interesante artículo que te ayudará

a ampliar información: «La distribución normal».

ampliar los conocimientos sobre las mismas.

En esta continuación del tema anterior se pretende ahondar en las características de

las distribuciones de probabilidad más habituales. El objetivo principal de este tema

será el de conocer y definir las condiciones y pruebas de normalidad.

diferenciar cuándo una variable se distribuye según la curva normal.

En primer lugar, terminaremos de revisar las distribuciones de probabilidad y a

continuación nos detendremos en la deﬁnición de estrategias que nos permitan

estudiar la distribución y definir si se ajusta o no a la normalidad.

patrones que se repiten en nuestra sociedad. La amplia variabilidad interindividual

se difumina cuando estudiamos características comunes en la sociedad.

Análisis de Datos en Psicología 4

una distribución normal de probabilidad donde un individuo se podrá referir a la

media de sujetos que, en sus circunstancias, presentan la misma o similares

Al ﬁnal de este tema encontrarás y serás capaz de identiﬁcar numerosos ejemplos, y

Análisis de Datos en Psicología 5

5.2. Distribuciones de probabilidad II

En este capítulo hablaremos sobre las distribuciones de probabilidad para variables

Distinguimos tres tipos de distribuciones:

Figura 1. Tipos de distribuciones.

Análisis de Datos en Psicología 6

Figura 1. Distribución X2 de Pearson.

La distribución χ2 se caracteriza por ser asimétrica (en la ﬁgura 1 podemos observar

que, con respecto de la curva normal, la distribución χ2 se sitúa a la izquierda o a la

derecha de esta). Su forma depende de los grados de libertad (número de

restricciones que se le impone a una variable.

La distribución χ2 se obtiene a partir del sumatorio de las variables aleatorias

Se utiliza para estimar la varianza de las puntuaciones de una muestra (prueba de

Análisis de Datos en Psicología 7

muestras y como medida para aquellas comparaciones de variables categoriales que

no se distribuyen según la curva de la normal.

Figura 2. Distribución t de Student.

Es muy parecida a la curva normal pero más achatada (platicúrtica). Su intervalo de

valores va desde -∞ a +∞ y su µ=0.

La distribución t de Student se calcula a partir del cociente entre una distribución de

probabilidad normal y una distribución tipo χ2.

comparar las medias de dos medias muestras dependientes o independientes. Su

uso está restringido a variables aleatorias continuas.

Análisis de Datos en Psicología 8

Figura 3. Distribución F de Fisher-Snedecor.

La distribución F de Fisher-Snedecor se obtiene a partir del cociente de dos

por ejemplo su asimetría con respecto de la curva normal.

Se utiliza en variables aleatorias continuas, en comparaciones entre varianzas de

(ANOVA) y en los análisis de regresión (estimación de la causalidad de una variable

independiente sobre otra variable dependiente).

Análisis de Datos en Psicología 9

5.3. Condiciones y pruebas de normalidad

Los estadísticos se clasiﬁcan en paramétricos o no paramétricos dependiendo de

si la variable de estudio sigue una distribución normal o no.

▸ Estadísticos paramétricos: se utilizan cuando la variable que se va a analizar sigue