Distribución Normal

Dr. José Luis Soto Velásquez

investigacionjls@gmail.com
 Distribución Normal
Introducción
Distribución normal, distribución de Gauss o distribución
gaussiana, es la distribución de probabilidad para variables
continuas que aparece con más frecuencia en los fenómenos
naturales.

A la distribución normal también se la denomina con el

nombre de campana de Gauss, pues al representar su función
de probabilidad, ésta tiene forma de campana.
Distribución Normal (Gauss)
0,14

0,12
Densidad de probabilidad

0,1

0,08

0,06

0,04

0,02

0
-6 -3,6 -1,2 1,2 3,6 6 8,4 10,8 13,2 15,6 18
 Distribución Normal
Introducción
● Modelos de probabilidad
Facilitan el cálculo de probabilidades

● Modelo de tipo continuo

Las variables aleatorias que siguen este modelo son de tipo
continuo ya que pueden asumir un número infinito de valores
dentro de un determinado rango.

Ej. el peso de una persona podría ser 80.5, 80.52, 80.525,...

dependiendo de la precisión de la balanza.

Ej. Peso, Altura, presión arterial, pruebas de exámenes,

pruebas de coeficiente intelectual, estadísticas deportivas
(promedio de bateo, tiempo en una competencia de
natación, resultados de salto de altura en una competencia
de atletismo.
 Distribución Normal
Introducción
Ejemplo de variables aleatorias de tipo continua que siguen
una distribución normal:

● Características físicas: Peso, Talla, presión arterial, temperatura,

diámetros, perímetros..
● Estadísticas deportivas: Promedio de bateo, tiempo en una
competencia de natación, resultados de salto de altura en una
competencia de atletismo..
● Caracteres fisiológicas: por ejemplo: efecto de una misma dosis
de un fármaco, o de una misma cantidad de abono.
● Caracteres sociológicos: por ejemplo: consumo de cierto
producto por un mismo grupo de individuos, puntuaciones
estandarizadas de pruebas de exámenes.
● Caracteres psicológicos; por ejemplo: cociente intelectual,
grado de adaptación a un medio,...
● Errores cometidos al medir ciertas magnitudes.
● Valores estadísticos muéstrales: por ejemplo: la media.
 Distribución Normal
Introducción
Estas variables aleatorias de tipo continua se pueden observar
gráficamente a través de una tabla de Histograma de
frecuencia y es más fácil de observar a través de una curva
suavizada.

curva suavizada
 Distribución Normal
Características
Forma de campana Unimodal
Presenta un solo pico
en el centro exacto de
la distribución

Simétrica

Asintótica
La curva se acerca cada
vez más al eje x, pero en
Asintótica realidad nunca llega a
tocarlo.

Media = Mediana = Moda

Media = μ Desviación estándar = σ

Distribución Normal
Características

Media = μ Desviación estándar = σ

Distribución Normal
Características

Media = μ Desviación estándar = σ

Distribución Normal
Características

Media = μ Desviación estándar = σ

 Distribución Normal
Propiedades

-3σ -2σ -1σ μ +1σ +2σ +3σ

Media = μ Desviación estándar = σ

 Distribución Normal
Propiedades
68%

-3σ -2σ -1σ μ +1σ +2σ +3σ

Media = μ Desviación estándar = σ

 Distribución Normal
Propiedades
68%

95%

99,7%

-3σ -2σ -1σ μ +1σ +2σ +3σ

Media = μ Desviación estándar = σ

 Distribución Normal
Propiedades

-3σ -2σ -1σ μ +1σ +2σ +3σ

Media = μ Desviación estándar = σ

 Distribución Normal
Propiedades

Los Valores inusuales o

más dispersos a μ ± 2σ

2,5% 2,5%
-3σ -2σ -1σ μ +1σ +2σ +3σ

Media = μ Desviación estándar = σ

 Distribución Normal
Propiedades

𝑿−μ
𝒁=
σ

Z=-3 Z=-2 Z=-1 Z=0 Z=1 Z=2 Z=3

Puntuaciones Z
 Distribución Normal
Propiedades
Ejemplo:
El peso en Kg. De los habitantes de una determinada
población sigue una distribución normal de media 75 Kg y
desviación típica 5 Kg. Calcular la probabilidad de que un
individuo de la población pese menos de 85 Kg.

X: Peso (Kg) de los habitantes de una población → X ~ N(75,5)

𝑿−μ 𝟖𝟓 − 𝟕𝟓
𝒁= 𝒁= =2
σ 5
𝑻𝒂𝒃𝒍𝒂 𝑵(𝟎, 𝟏)
 1,1 0,86433 0,8665
𝑻𝒂𝒃𝒍𝒂 𝑵(𝟎, 𝟏)
2 1,2 0,88493 0,88686
1,3 0,9032 0,9049
normal 0 0,01 0,02 0,03 0,04normal
0,05 0 0,06 0,010,07 0,020,08 0,030,09 0,04 0,05 0,06 0,07
0 0,5 0,50399 0,50798 0,51197 0,51595 00,519940,5 0,50399
0,52392 0,50798
0,5279 0,51197
0,53188 0,515951,4
0,53586 0,91924
0,51994 0,52392 0,5279 0,92073
0,1 0,53983 0,5438 0,54776 0,55172 0,555670,1 0,53983
0,55962 0,5438
0,56356 0,54776
0,56749 0,55172
0,57142 0,55567 0,55962 0,56356 0,56749
0,57535
0,2 0,57926 0,58317 0,58706 0,59095 0,594830,2 0,57926
0,59871 0,58317
0,60257 0,58706
0,60642 0,59095
0,61026 0,594831,5
0,61409 0,93319
0,59871 0,60257 0,60642 0,93448
0,3 0,61791 0,62172 0,62552 0,6293 0,633070,3 0,61791
0,63683 0,62172
0,64058 0,62552
0,64431 0,6293
0,64803 0,63307 0,63683 0,64058 0,64431
0,65173
0,4 0,65542 0,6591 0,66276 0,6664 0,670030,4 0,65542
0,67364 0,6591
0,67724 0,66276
0,68082 0,6664
0,68439 0,670031,6
0,68793 0,9452
0,67364 0,67724 0,68082 0,9463
0,5 0,69146 0,69497 0,69847 0,70194 0,7054 0,5 0,69146
0,70884 0,69497
0,71226 0,69847
0,71566 0,70194
0,71904 0,7054 0,70884 0,71226 0,71566
0,7224
0,6 0,72575 0,72907 0,73237 0,73565 0,738910,6 0,72575
0,74215 0,72907
0,74537 0,73237
0,74857 0,73565
0,75175 0,738911,7
0,7549 0,95543
0,74215 0,74537 0,74857 0,95637
0,7 0,75804 0,76115 0,76424 0,7673 0,770350,7 0,75804
0,77337 0,76115
0,77637 0,76424
0,77935 0,7673
0,7823 0,77035 0,77337 0,77637 0,77935
0,78524
0,8 0,78814 0,79103 0,79389 0,79673 0,799550,8 0,78814
0,80234 0,79103
0,80511 0,79389
0,80785 0,79673
0,81057 0,799551,8
0,81327 0,96407
0,80234 0,80511 0,80785 0,96485
0,9 0,81594 0,81859 0,82121 0,82381 0,826390,9 0,81594
0,82894 0,81859
0,83147 0,82121
0,83398 0,82381
0,83646 0,82639 0,82894 0,83147 0,83398
0,83891
1
1,1
0,84134 0,84375 0,84614 0,84849 0,85083 10,85314
0,86433 0,8665 0,86864 0,87076 0,872861,1
0,84134
0,86433
0,87493
0,84375
0,85543
0,8665
0,87698
0,84614
0,85769
0,86864
0,879
0,84849
0,85993 0,86214
0,87076
0,881
1,9 0,97128
0,85083 0,85314 0,85543 0,85769
0,87286 0,87493 0,87698 0,879
0,88298
0,97193
1,2
1,3
0,88493 0,88686 0,88877 0,89065 0,892511,2
0,9032 0,9049 0,90658 0,90824 0,909881,3
0,88493
0,89435
0,9032
0,91149
0,88686
0,89617
0,9049
0,91308
0,88877
0,89796
0,90658
0,91466
0,89065
0,89973
0,90824
0,91621
2 0,97725
0,89251 0,89435 0,89617 0,89796
0,90147
0,90988 0,91149 0,91308 0,91466
0,91774
0,97778
1,4 0,91924 0,92073 0,9222 0,92364 0,925071,4 0,91924
0,92647 0,92073
0,92785 0,9222
0,92922 0,92364
0,93056 0,92507 0,92647 0,92785 0,92922
0,93189
1,5 0,93319 0,93448 0,93574 0,93699 0,938221,5 0,93319
0,93943 0,93448
0,94062 0,93574
0,94179 0,93699
0,94295
2,1 0,98214
0,93822 0,93943 0,94062 0,94179
0,94408
0,98257
1,6 0,9452 0,9463 0,94738 0,94845 0,9495 1,6 0,9452
0,95053 0,9463
0,95154 0,94738
0,95254 0,94845
0,95352 0,9495 0,95053 0,95154 0,95254
0,95449
1,7 0,95543 0,95637 0,95728 0,95818 0,959071,7 0,95543
0,95994 0,95637
0,9608 0,95728
0,96164 0,95818
0,96246 0,959072,2
0,96327 0,9861
0,95994 0,9608 0,96164 0,98645
1,8 0,96407 0,96485 0,96562 0,96638 0,967121,8 0,96407
0,96784 0,96485
0,96856 0,96562
0,96926 0,96638
0,96995 0,96712 0,96784 0,96856 0,96926
0,97062
1,9 0,97128 0,97193 0,97257 0,9732 0,973811,9 0,97128
0,97441 0,97193
0,975 0,97257
0,97558 0,9732
0,97615 0,973812,3
0,9767 0,98928
0,97441 0,975 0,97558 0,98956
2 0,97725 0,97778 0,97831 0,97882 0,97932 20,97982
0,97725 0,97778
0,9803 0,97831
0,98077 0,97882
0,98124 0,97932 0,97982 0,9803 0,98077
0,98169
2,1 0,98214 0,98257 0,983 0,98341 0,983822,1 0,98214
0,98422 0,98257
0,98461 0,9850,983 0,98341
0,98537 0,983822,4
0,98574 0,9918
0,98422 0,98461 0,985 0,99202
2,2 0,9861 0,98645 0,98679 0,98713 0,987452,2 0,9861
0,98778 0,98645
0,98809 0,98679
0,9884 0,98713
0,9887 0,98745 0,98778 0,98809 0,9884
0,98899
2,3 0,98928 0,98956 0,98983 0,9901 0,990362,3 0,98928
0,99061 0,98956
0,99086 0,98983
0,99111 0,9901
0,99134 0,990362,5
0,99158 0,99379
0,99061 0,99086 0,99111 0,99396
2,4 0,9918 0,99202 0,99224 0,99245 0,992662,4 0,9918
0,99286 0,99202
0,99305 0,99224
0,99324 0,99245
0,99343 0,99266 0,99286 0,99305 0,99324
0,99361
2,5 0,99379 0,99396 0,99413 0,9943 0,994462,5 0,99379
0,99461 0,99396
0,99477 0,99413
0,99492 0,9943
0,99506 0,99446 0,99461 0,99477 0,99492
0,9952
 Distribución Normal
Propiedades
Ejemplo:
El peso en Kg. De los habitantes de una determinada
población sigue una distribución normal de media 75 Kg y
desviación típica 5 Kg. Calcular la probabilidad de que un
individuo de la población pese menos de 85 Kg.

X: Peso (Kg) de los habitantes de una población → X ~ N(75,5)

𝑿−μ 𝟖𝟓 − 𝟕𝟓
𝒁= 𝒁= = 2 = 0,97725
σ 5
𝑻𝒂𝒃𝒍𝒂 𝑵(𝟎, 𝟏)

Respuesta: La probabilidad de que un individuo de la

población pese menos de 85Kg es del 97,725%.
 Prueba de Normalidad
● Determina si los datos de la variable aleatoria continua se
ajusta a una distribución normal o no (paramétrica o no
paramétrica).
● Esto determina el tipo de pruebas estadísticas a desarrollar,
para establecer correlaciones o contrastar hipótesis que
establezcan la existencia de una relación causa efecto.

Test de Shapiro-Wilk

Pruebas para
Prueba de Kolmogórov-
determinar normalidad
Smirnov

Prueba de Kolmogórov-
Smirnov Lilliefors
 Pruebas para
determinar normalidad

Prueba de Kolmogórov- Prueba de Kolmogórov-

Test de Shapiro-Wilk
Smirnov Smirnov Lilliefors

● Se utiliza cuando el ● Se utiliza cuando el ● Corrige la prueba de K-S

tamaño de la muestra tamaño de la muestra con el límite máximo de
es menor de 50. es mayor de 50. significancia de 0,2, esto
● SPSS (Analizar/ ● SPSS (Analizar/ Pruebas se da cuando se trabaja
Estadísticos descriptivos/ no paramétricas/ K-S de con muestras menores
Explorar/ Lista de 1 muestra/ Lista de 50; K-S le da
dependientes: colocar contrastar variable: se distribución normal a
la variable de estudio/ coloca la variable todos los datos aún
Gráficos marcamos la cuantitativa de estudio). cuando esto no es real.
cuadrícula “Gráficos ● SPSS (Analizar/
con pruebas de Estadísticos descriptivos/
normalidad”). (variables Explorar/ Lista de
cuantitativas). dependientes: colocar
la variable de estudio/
Gráficos marcamos la
cuadrícula “Gráficos
con pruebas de
normalidad”). (variables
cuantitativas).
 Prueba de Normalidad
Contraste de hipótesis

● Propósito: Demostrar distribución normal

Ho: La distribución de la variable aleatoria no es distinta a la distribución

normal (Significancia p > 0,05) (Se ajusta a la normal)
H1: La distribución de la variable aleatoria es distinta a la distribución
normal (Significancia p < 0,05) (No se ajusta a la normal)

La prueba de hipótesis se realiza con el estadístico: Kolmogorov-Smirnov

 Prueba de Normalidad
SPSS (Analizar/ Pruebas no paramétricas/ K-S de 1 muestra)

Ho: Significancia p > 0,05 Se ajusta a la normal

Interpretación:
La distribución de la variable aleatoria es igual a la distribución normal.
 Prueba de Normalidad
SPSS (Analizar/ Estadísticos descriptivos/ Explorar/ Lista de
dependientes: Variable cuantitativa)

Ho: Significancia p > 0,05 Se ajusta a la normal

Interpretación:
La distribución de la variable aleatoria es igual a la distribución normal.
CASOS PRACTICOS N° 25

Distribución normal y pruebas

de normalidad
Planteamiento: Se ha evaluado el peso del recién nacido en dos localidades y se desea
aplicar procedimientos paramétricos. ¿Es la distribución de la variable aleatoria diferente a
la distribución normal?

Plantear Hipótesis
1
Ho: La distribución de la variable aleatoria no es diferente a la distribución normal
H1: La distribución de la variable aleatoria diferente a la distribución normal

2 Establecer un nivel de significancia

Nivel de Significancia (alfa) α = ___5% = 0,05_________

Seleccionar estadístico de prueba (Resaltarla con amarillo)

a) Kolmogorov-Smirnov
3
b) Kolmogorov-Smirnov Lilliefors
c) Shapiro–Wilk
d) Anderson-Darling

Valor de P=____ 0,200 _______= 20,0% __________________________

4 Lectura del p-valor
Con una probabilidad de error del 20,0% la distribución de la variable aleatoria es diferente a la
distribución normal.

5 Toma de decisiones (dar como respuesta una de las Hipótesis)

La distribución de la variable aleatoria no es diferente a la distribución normal
Interpretación
La distribución de la variable aleatoria es igual a la distribución normal.
PRUEBAS ESTADISTICAS
Pruebas No
Pruebas Paramétricas
paramétricas

C.D Daniel Espinoza Espinoza

 Pruebas estadísticas
PARAMÉTRICAS
Es una rama de la estadística inferencial que comprende los
procedimientos estadísticos y de decisión que están basados en las
distribuciones (distribución normal) de los datos reales.

Cuando desconocemos totalmente qué distribución siguen nuestros

datos entonces deberemos aplicar primero un test no paramétrico, que
nos ayude a conocer primero la distribución.

La mayoría de procedimientos paramétricos requiere conocer la forma

de distribución para las mediciones resultantes de la población
estudiada. Para la inferencia paramétrica es requerida como mínimo
una escala de intervalo, esto quiere decir que nuestros datos deben
tener un orden y una numeración del intervalo.
 Pruebas estadísticas
NO PARAMÉTRICAS
La estadística no paramétrica es una rama de la estadística que
estudia las pruebas y modelos estadísticos cuya distribución subyacente
(distribución normal) no se ajusta a los llamados criterios paramétricos.

Su distribución no puede ser definida a priori, pues son los datos

observados los que la determinan.

La utilización de estos métodos se hace recomendable cuando no se

puede asumir que los datos se ajusten a una distribución conocida
(distribución normal), cuando el nivel de medida empleado no sea,
como mínimo, de intervalo.
 Pruebas estadísticas
Paramétricas y No Paramétricas
Hay dos clases de pruebas estadísticas: Las paramétricas y las no
paramétricas. Las pruebas paramétricas tienen mayor capacidad para
detectar una relación real o verdadera entre dos variables, si es que la
misma existe. Por ello, exigen que los datos a los que se aplican,
cumplan tres requisitos:
1. Variable numérica: Que las variable de estudio (dependiente) esté medida en una
escala que sea por lo menos de intervalo.

2. Normalidad: Que los valores de la variable dependiente sigan una distribución

normal; por lo menos, en la población a la que pertenece la muestra.
Prueba estadística: Kolmogorov Smirnov

3. Homocedasticidad: Que las varianzas de la variable dependiente en los grupos que

se comparan sean aproximadamente iguales (homogeneidad de las varianzas).
Prueba estadística: Test de Levene.
 Pruebas estadísticas
Paramétricas y No Paramétricas
Distribución Homocedástica

Qué las varianzas de la variable dependiente en los grupos que se comparan sean
aproximadamente iguales (homogeneidad de las varianzas).
 Pruebas estadísticas
Paramétricas y No Paramétricas
 Cuando los datos cumplen con los requisitos indicados, las pruebas
estadísticas paramétricas exhiben su máximo poder.

 Cuando estas pruebas estadísticas se aplican a datos que no

cumplen al menos uno de los requisitos señalados, pierden parte de
su poder.

 Si se puede utilizar una prueba paramétrica y se usa una no

paramétrica hay una pérdida de información.

 Las pruebas estadísticas no paramétricas, no hacen a los datos

ninguna de las exigencias que les hacen las pruebas estadísticas
paramétricas; por eso se les denomina "pruebas estadísticas libres de
distribución".
 Pruebas estadísticas
Paramétricas y No Paramétricas
PRUEBAS ESTADÍSTICAS DE ACUERDO AL TIPO DE VARIABLES

OBJETIVO COMPARATIVO
Pruebas
Pruebas no paramétricas
paramétricas
Variable aleatoria NOMINAL NOMINAL
NUMÉRICA ORDINAL DICOTOMICA POLITÓMICA
Variable fija
Estudio Binomial
T de Student para una 2 2
Transversal Un grupo X Bondad de Ajuste X Bondad de Ajuste X2 Bondad de Ajuste
muestra

Muestras X2 de Homogeneidad
T de Student para muestras
Independientes Dos grupos U Mann-Withney Corrección de Yates X2 de Homogeneidad
independientes
Test exacto de Fisher
ANOVA con un factor
Más de dos grupos H Kruskal-Wallis X2 de Homogeneidad X2 de Homogeneidad
INTERsujetos
Estudio T de Student para muestras
Dos medidas Wilcoxon McNemar Q de Cochran
Longitudinal relacionadas
ANOVA para medidas
Medidas repetidas o
Mas de dos medidas Friedman Q de Cochran Q de Cochran
Repetidas ANOVA con un factor
INTRAsujetos
 Pruebas estadísticas
Paramétricas y No Paramétricas
PRUEBAS ESTADÍSTICAS SEGÚN EL NIVEL DE INVESTIGACIÓN
Pruebas paramétricas Pruebas no paramétricas
Nivel de Nominal Nominal
Objetivo Estadístico Numéricos Ordinales
Investigación Dicotómica Politómica
Contraste para un grupo
Describir: Medidas de tendencia central
Comparar:
DESCRIPTIVO y de dispersión
Estimar: Estimación puntual e intervalos Comparar: Comparar: Bondad de Ajuste de X 2 Comparar:
2
de confianza t de Student para una muestra X Bondad de Ajuste Binomial Bondad de Ajuste de X 2
2
X de Homogeneidad
t de Student para muestras U Mann-Whitney Corrección de Yates
Comparar dos grupos independientes Test exacto de Fisher X2 de Homogeneidad

t de Student para muestras Prueba de Wilcoxon

Comparar dos medidas relacionadas X2 de McNemar Q de Cochran

Asociar o Correlacionar Correlación de Pearson Correlación de Spearman X2 de Independencia X2 de Independencia

RELACIONAL
Coeficiente de correlación R Taub de Kendall
Medida de Asociación/ Correlación Pearson Índice Kappa de Cohen Índice Kappa de Cohen
Análisis de la varianza (ANOVA con
un factor INTERsujetos) y pruebas ANOVA de Kruskal-Wallis
Más de dos grupos Post Hoc X2 de Homogeneidad X2 de Homogeneidad

ANOVA para medidas repetidas o

Más de dos medidas ANOVA con un factor INTRAsujetos Friedman Q de Cochran Q de Cochran
Regresión Lineal: Regresiones Logísticas: Regresiones Logísticas: Regresiones Logísticas:
PREDICTIVO Regresión Lineal Simple Regresión Logística Regresión Logística Binaria Regresión Logistica
Estimación probabilistica Regresión Lineal Multiple Ordinal Multinomial
CASOS PRACTICOS N° 26

La Homocedasticidad y la
prueba de Levene
Planteamiento: Se ha evaluado el peso del recién nacido en dos localidades y se desea
aplicar procedimientos paramétricos. ¿La varianza de los grupos a comparar son
diferentes?

Plantear Hipótesis
1
Ho: La varianza de los grupos a comparar no son diferentes
H1: La varianza de los grupos a comparar son diferentes

2 Establecer un nivel de significancia

Nivel de Significancia (alfa) α = ______5% = 0,05_________

Seleccionar estadístico de prueba (Resaltarla con amarillo)

a) Kolmogorov-Smirnov
3
b) Kolmogorov-Smirnov Lilliefors
c) Shapiro–Wilk
d) Test de Levene

Valor de P=______ 0,723805 = 72,38% _____________________________________

4
Lectura del p-valor
Con una probabilidad de error del 72,38% la varianza de los grupos a comparar son diferentes

5 Toma de decisiones (dar como respuesta una de las Hipótesis)

La varianza de los grupos a comparar no son diferentes

Interpretación
Las varianzas de los grupos a comparar son iguales.