UNIVERSIDAD NACIONAL DE TRUJILLO

Sede Huamachuco
Escuela de Ingeniería de Minas

GEOESTADISTICA
INTRODUCCION
 ESTUDIO DE LA NORMALIDAD

Muchos métodos estadísticos se basan en la hipótesis de la normalidad de la variable

de objeto de estudio. De hecho si la falta de normalidad de la variable es
suficientemente fuerte, muchos de los contrastes utilizados en análisis estadístico-
inferencias no son válidos .incluso aunque las muestras grandes tiendan a disminuir
los efectos perniciosos de la no normalidad
CONTRASTES DE LA NORMALIDAD

Un caso específico de ajuste a una distribución teórica es la correspondiente

a la distribución normal. Este contraste se realiza para comprobar si se
verifica la hipótesis de normalidad necesaria para que el resultado de
algunos análisis sea fiable, como por ejemplo para el ANOVA.
Para comprobar la hipótesis nula de que la muestra ha sido extraída de una
población con distribución de probabilidad normal se puede realizar un
estudio gráfico y/o analítico.

Existen varios métodos para evaluar la normalidad de

un conjunto de datos que puede dividirse en dos
grupos: métodos gráficos y contraste de hipótesis
 METODOS GRAFICOS

El método grafico univalente más simple para diagnosticar la normalidad es la

comprobación visual del histograma que compare los valores de los datos
observados con una distribución normal
Otras posibilidades, también basadas en información gráfica, consiste en realizar
diagramas de cuantiles (Q-Q plots)

Diagramas de cuantiles correspondientes a distintos tipos de distribuciones.

 CONRASTE DE HIPOTESIS
Podemos definir un contraste de hipótesis como un procedimiento que se basa en
lo Observado en las muestras y en la teoría de la probabilidad para determinar si la
hipótesis es Un enunciado razonable.

La segunda de las formas para comprobar la normalidad de una distribución se

efectúa a través de un contraste de hipótesis. No existe un contraste óptimo para
probar la hipótesis de normalidad. La razón es que la potencia relativa depende del
tamaño muestral y de la verdadera distribución que genera los datos.
 ERRORES EN LOS CONTRASTES
DE HIPOTESIS
Cuando se realiza un contraste de hipótesis, siempre debemos tener en cuenta que cuando
aceptamos o rechazamos una hipótesis puede que estemos cometiendo un cierto error. Cuando
Rechazamos Ho, significa que Ho es falsa y cuando aceptamos Ho, significa que Ho es verdadera.
Por tanto, se pueden considerar, dos tipos de errores que se pueden cometer cuando se realiza un
contraste:

Error tipo I (α ) Error tipo II (β)

Es el error que se comete en la
Es el error que se comete en la
decisión del contraste cuando se
decisión del contraste cuando se
rechaza la hipótesis nula (Ho),
acepta la hipótesis nula (Ho),
siendo correcta (cierta).
siendo falsa
 INTERPRETACION

Siendo la hipótesis nula que la población está distribuida normalmente, si el p-

valor es menor a alfa (nivel de confianza) entonces la hipótesis nula es
rechazada (se concluye que los datos no vienen de una distribución normal). Si
el p-valor es mayor a alfa, no se rechaza la hipótesis y se concluye que los datos
siguen una distribución normal.
 EL TEST DE SHAPIRO-WILKS
El test de Shapiro-Wilks se basa en calcular el coeficiente de correlación
entre x(i) y Ci,n y cuanto más cerca de 1 esté, mayor será el grado de
normalidad de la distribución y viene dado por la expresión:
 EL TEST DE SHAPIRO-WILKS
Shapiro y Wilks evalúan la distribución del estadístico r2 bajo hipótesis de
normalidad y proporcionan un test que rechaza dicha normalidad cuando el
ajuste es bajo, es decir, cuando el estadístico toma valores pequeños.

En la Tabla y en las Figuras siguientes se muestran los resultados obtenidos

al realizar un análisis estadístico univariante a las puntuaciones conseguidas
por un Grupo de 40 estudiantes universitarios en un Test de Inteligencia.
EJEMPLO Así mismo, en la Figura siguiente se muestra el diagrama de cuantiles y en
la Tabla los resultados del test de Kolmogorov- Smirnov con corrección de
Lilliefors y del test Shapiro-Wilks. Tanto gráfica como numéricamente no se
aprecian desviaciones significativas de la hipótesis de normalidad
TABLA: MEDIDAS DESCRIPTIVAS DE LA PUNTUACIONES DE UN
TEST DESCRIPTIVOS
GRAFICO: MEDIDAS DESCRIPTIVAS DE LA PUNTUACIONES DE
UN TEST DESCRIPTIVOS

Así, el histograma (en el que aparece superpuesta la densidad de la normal) es

unimodal simétrico y sin atípicos y el diagrama de cuantiles es lineal.
DIAGRAMA DE CUANTILES DE LAS PUNTUACIONES DEL TEST
TRANSFORMACIONES PARA
ALCANZAR LA NORMALIDAD
En ocasiones la falta de normalidad de una variable puede arreglarse mediante
una transformación de la misma.
En la Tabla se muestran algunas de las transformaciones más utilizadas.
Transformaciones para conseguir normalidad

Formas de distribución Transformación aconsejada

Asimetría positiva Log(x+c)
Asimetría negativa Log(c+x)
leptocurtosis 1/x
platicurtosis X²
GRACIAS