Prueba de

normalidad
en SPSS
¿Cómo saber donde se ubican las pruebas de normalidad y saber si mi variable
numérica tiene distribución normal?

ESTIMACION
ESTADISTICA DESCRIPTIVA
TEST DE HIPOTESIS

Pruebas Paramétricas
(variables numéricas que sitienen
distribución normal) “CONTRASTE DE
HIPOTESIS”
Pruebas no Paramétricas Ho: Hipótesis nula o del trabajo
H1: Hipótesis alternativa o del
(variables numéricas que no tienen investigador
distribución normal o variable categórica)
 Distribución Normal y Prueba de
Nominal
Dicotómicas
Normalidad
Categóricas
Ordinal Politómicas
No
tiene distribución normal
PRUEBAS NO
PARAMETRICAS
VARIABLES
Distribución normal
Discretas “CONTRASTE
Numéricas DE
HIPOTESIS”
Continuas

Prueba de
normalidad
SI
tiene distribución normal
VARIABLE ALEATORIA PRUEBAS
PARAMETRICAS

P-valor>0.05: Se acepta
la Ho ( la variable Shapiro-Wilk (<50 datos) P-valor<0.05: Se acepta la H1 ( la variable
aleatoria si tiene aleatoria no tiene distribución normal)
Kolmogorov-Smirnov (>50 datos)
distribución normal)
 Prueba de Normalidad
Prueba estadística que certifica la normalidad o no de la variables

Pruebas para determinar si un conjunto de datos se

distribuyen de una manera que es consistente con una
distribución normal

En estadística, las pruebas de normalidad se utilizan para

determinar si un conjunto de datos esta bien modelado para
una distribución normal y para calcular la probabilidad de que
una variable aleatoria subyacente al conjunto de datos se
distribuya normalmente

Es una distribución con forma de campana donde las

deviaciones estándar sucesivas con respecto a la
Distribución media establecen valores de referencia para estimar el
Normal porcentaje de observaciones de los datos. Estos
valores de referencia son la base de muchas pruebas
de hipotesis
 Mide la fuerza del ajuste con una recta: Se
Prueba usa para contrastar la normalidad de un
Shapiro conjunto de datos.
de -Wilk
Cuanto mayor sea el valor de este estadístico
mayor desacuerdo abre en la recta de
Normalidad normalidad, por lo que se rechaza la hipótesis
nula.

Es un procedimiento de “bondad de ajuste”

que permite medir el grado de concordancia
existente entre la distribución de un conjunto
Kolmogorov de datos y una distribución teórica especifica.
- Smirnov Su objetivo es señalar si los datos provienen
de una población que tiene la distribución
teórica especificada, es decir, contrasta si las
observaciones podrían razonablemente
proceder de la distribución especificada. Se
recomienda para muestras mayores de 30.
 Prueba de Normalidad
Ho: Datos se aproximan a la distribución normal. (p ≥ alfa)
H1: Datos no se aproximan a la distribución normal. (p < alfa)

Regla general para Ho: (p-valor ≥ alfa)

hipótesis estadística H1: (p-valor < alfa)

En SPSS = Sig. Sig.= significancia o significación calculada.

Sig.= nivel de significación = 0.05 (lo que esta fuera del 95% de probabilidades).

Entonces
Si Sig. (P-valor) >0.05: Ho ( hipótesis nula)→distribución normal

Si Sig. (P-valor) < 0.05: Ho ( hipótesis nula)→distribución no normal

 Con los resultados obtenidos descriptivamente, podemos poner en
Resultados prueba las hipótesis utilizando el programa SPSS, verificando la validez
o el rechazo de las hipótesis nulas planteadas. Cabe resaltar que para
Inferenciales este trabajo se utiliza una confianza de 95%, por lo tanto el α=0.05.

Se pondrá a prueba las variables para probar si es que tienen distribución normal o no. A partir
de este estudio podremos determinar qué tipo de prueba utilizar para probar nuestras hipótesis.

Partimos de la siguiente hipótesis para Ho: El indicador tiene distribución normal Cuando:
poder realizar la prueba de Shapiro-Wilk: H1: El indicador no tiene distribución nomal p > alfa
DISPONIBILIDAD DE LA LÍNEA DE DISPONIBILIDAD
EVENTOS MINUTOS HORAS MTBF MTTR
NTE DEL ESTUDIOANTES DEL ESTUDIO TROZADO (%)
ENERO 20 2370.0 39.5 37 2.0 94.7%
Evolución de FEBRERO 25 2850.0 47.5 30 1.9 93.6%

los indicadores
de MARZO 33 9377.0 156.3 23 4.7 79.0%

mantenimiento
ABRIL 8 304.0 5.1 93 0.6 99.3%
MAYO 14 745.0 12.4 53 0.9 98.3%
JUNIO 12 1201.0 20.0 62 1.7 97.3%
JULIO 5 165.0 2.8 149 0.6 99.6%

AGOSTO 5 1022.0 17.0 149 3.4 97.7%

Analizar datos
1) Estadísticos descriptivos 2) Explorar
 La variable seleccionada paso
a la lista de dependientes

Hacer click en Ambos

Seleccionar la y seleccionar Graficos
variable y hacer
click

Seleccionar Gráficos
ce normalidad con
pruebas

Hacer click en
Continuar
Hacer clic en Aceptar
Cabe resaltar que para este trabajo se utiliza una confianza de 95%, por lo tanto el α=0.05.

Muestra
pequeña Como p < alfa
0.001 < alfa

No existe
Shapiro- distribución normal
Wilk

Gráfica Q-Q de normalidad. La línea continua representa la normalidad teórica y los puntos son los valores reales agrupados alrededor de ella. Entre más cercanos
estén los puntos de la línea, mayor la posibilidad de que la muestra tenga distribución normal