Distribución Normal

La curva normal
Función normal acumulada:
Aproximación gráfica
Importancia de la curva normal
Propiedades de la curva nominal
Aproximaciones al análisis de la forma de una distribución, Asimetría y Curtosis
Estadísticas de Asimetría
Asimetría positiva
Asimétrica Negativa
Indice de asimetría de fisher
El Coeficiente de asimetría
Estadísticas de Curtosis o Apuntamiento
Aplicación de la curtosis, como una aproximación al tamaño del efecto
Puntajes Z y áreas bajo la Curva Normal
Puntajes Z lineales
Transformación de puntajes directos en Puntajes Z lineales
Puntajes Z con distribución normal Puntaje Z de superficie
OTRO EJEMPLO:

La curva normal
Fue introducida por Abraham de Moivre en 1734 y reimpresa en la segunda
edición de su libro “The Doctrine of Chances” de 1738, en el contexto de la
aproximación de ciertas distribuciones binomiales para “n” muy grandes
(Seneta, 1997) .

Sus resultados fueron extendidos por Pierre-Simon Laplace en el libro de

1812 “Teoría Analítica de las Probabilidades” y es conocido como el
teorema de “de Moivre y Laplace”. Laplace utilizó la distribución normal en
el análisis de los errores en los experimentos (Grattan-Guinness, 1997; Patel
y Read, 1982).

Distribución Normal 1
 Gráfico de la función

La curva normal NO tiene una sola

forma. Hay múltiples formas.
dependiendo del valor de la D.E.
*En este caso tienen misma media y
diferente desviación estándar

*En este caso tienen diferentes

valores de media diferente y
desviación estándar

Pero todas son normales

Lo que las hace normales es su forma → generadas por la misma formula

Tienen una forma característica que es como las imágenes

Este tipo de curva también se puede presentar de otra forma...

Función normal acumulada:

Distribución Normal 2
 Los valores de Y se van acumulando

Aproximación gráfica

*Todas imágenes de curvas normales

En medida que los intervalos son más pequeños se define más la curva normal

Importancia de la curva normal

Diferentes variables de interés para la psicología, biología y física se
distribuyen normalmente.

Distribución Normal 3
 Es la base de diferentes análisis estadísticos.

Para la aplicación de contrastes estadísticos especializados, se realiza el

análisis de la bondad de ajuste a la curva normal aplicándose:

1. Chi-cuadrado (X 2 )

2. Kolmogorov-Smirnov

3. Shapiro-Wilk

4. Jarque-Bera

5. D´Agostino

La muestra te va a decir si la población tiene una distribución normal

Propiedades de la curva nominal

1. Los valores de f(x)son positivos.
f(x) > 0
Por formula, no pueden haber valores negativos - porque se trabaja con la
raíz cuadrada

2. La curva es simétrica con respecto al valor de la media

3. La curva tiene como valor máximo a la media aritmética, cuando x=u. El

valor es igual a la mediana y a la moda
Media mediana y moda = son iguales = CURVA NORMAL

Distribución Normal 4
 4. La curva tiene 2 puntos de inflexión, ubicados mas/menos una desviación
estándar de la media

Punto de inflexión = donde empieza a doblar un poco

*Donde esta el punto azul sería el punto de inflexión

5. En sus extremos tiende a acercase infinitamente a cero

En la parte de los valores inferiores y superiores

Es una asíntota horizontal: Limf(x) = 0

Nos indica que a medida que se prolongue la curva normal, la linea
nunca va a interceptar la linea paralela (la base, linea horizontal)

6. El área bajo la curva es la unidad, es decir, la integral tiene un valor igual a

la unidad

El área que cubre la curva normal vale 1 = área bajo la curva= el 100%

Toda la parte azul, su área = vale 1 siempre

Distribución Normal 5
 7. Se conoce el porcentaje específico del área bajo la curva normal:

La forma puede ser más empinada o más aplanda pero entre esos
valores siempre se van a encontrar esa cantidad de casos

8. La combinación lineal (suma o resta) de variables normales, se distribuye

normalmente:

Si la variable x se aproxima a la distribución normal la cual tiene un media

poblacional y una varianza conocida

Distribución Normal 6
 Y tambien si Y se aproxima a la normal que también tiene una media y
varianza poblacional la suma de X + y te da Z

Ese Z también se aproxima a la normal con una media poblacional y una

varianza conocida

Aproximaciones al análisis de la forma de una

distribución, Asimetría y Curtosis
Estadísticas de Asimetría
Estudian la forma que presenta la distribución de los datos.
La simetría es el grado con el cual los datos de una distribución al ser dividida
en su parte central presenta dos partes con formas iguales.

Imagina una curva normal → si la cortas al medio y lo superpones uno con

otro deberían de encajar y verse como uno solo

Azul = distribución simétrica - tiene la misma forma en el lado izquierdo y

derecho
Rojo = hay más casos al lado izquierdo que al derecho, la mediana no pasa por
el valor más alto sino que esta más a la derecha de él = ASIMETRICA - a la
derecha
Verde = hay más casos a la izquierda entonces la mediana estaría más a la
izquierda = ASIMETRICA - a la izquierda

💡 Todas las curvas normales son simétricas

Distribución Normal 7
 Asimetría positiva
Si la distribución es asimétrica positiva, el valor de la mediana es menor que el
valor de la media

Los valores que anulan la simetría son los del lado derecho

Los valores altos van a la derecha

*Por ejemplo un examen de la universidad muy difícil - muchas malas notas y

pocas altas

Se tiene que usar la mediana porque hay valores extremos

Asimétrica Negativa
Si la distribución es asimétrica negativa, el valor de la mediana es mayor que el
valor de la media

*Por ejemplo un examen de la universidad fácil - muchas notas altas

Distribución Normal 8
 Indice de asimetría de fisher
Incluye cada valor y la media aritmética y la desviación estándar:
X - menos la media, elevada al cubo en cada caso, dividió entre los numero de
casos por la estándar al cubo de los puntajes totales

Muy utilizado

Afectado fácilmente por casos atípicos

Hay otros índices

El Coeficiente de asimetría
Al utilizar el Jamovi se obtiene el valor del índice de asimetría y su
correspondiente Error estándar de Asimetria, de manera que se calcula el
siguiente Coeficiente de asimetría:

IAs - indice de asimetría

EsAs- error de asimetría

Distribución Normal 9
 Coeficiente de asimetría = indice de
asimetría - el error estándar de la
asimetría

Como interpretar sus resultados

1. Si el coeficiente de asimetría es menor que -2 (CAs < -2,) - la distribución

es asimétrica negativa o hacia la izquierda.

2. Si el coeficiente de asimetría esta entre -2 y 2 (Si CAs entre -2 y 2) -la

distribución es simétrica

Media moda y mediana en el centro arriba (similares todas)

y es normal

0 es simetrico - se puede mover un poco a la izquierda o derecha

3. Si el coeficiente de asimetría es mayor a 2 (Si CAs > 2) - la distribución es

asimétrica positiva o hacia la derecha

Estadísticas de Curtosis o Apuntamiento

Tamaño de la altura - concentración de los datos
Altura de la distribución de los datos

Estudian la altura que presenta la distribución de los datos.

Mientras más sujetos tienen el mismo valor = más altura

Analizan la concentración de las frecuencias alrededor de la media y en la

zona central de la distribución, además del peso de las colas.

Distribución Normal 10
 Leptocúrtica: más alargada con mayor altura - mayor concentración

Mesocúrtica: altura media - concentración más equilibrada

Platicúrtica: altura más pequeña - valores hay ido disminuyendo, menos
concentración

Indice de curtosis

(Cuartil 3 - cuartil 1 sobre 2 que multiplica el percentil 90 - el percentil 10- a ese

resultado se le resta 3. )

Coeficiente de curtosis

Al utilizar el Jamovi se obtiene el valor del Índice de curtosis y su

correspondiente error estándar de curtosis, de manera que se calcula el
siguiente coeficiente de curtosis:

Distribución Normal 11
 Indice de curtosis - error estándar de curtosis
EsCu = error estándar de curosis

Interpretación

1. Si coeficiente de curtosis es mayor que 2 (CCu > 2), la curva es

Leptocúrtica.

2. Si coeficiente de curtosis esta entre -2 y 2 (CCu entre -2 y 2), la curva es

Mesocúrtica

3. Si coeficiente de curtosis es menor que -2 CCu < -2, la curva es

Platicúrtica

Aplicación de la curtosis, como una aproximación al tamaño del

efecto
Si bien el valor 0 marca la simetría y la mesocurtosis, es importante analizar los
valores diferentes. Por ello aparecen las reglas prácticas, considerando por
ejemplo que es importante si se alcanzan valores como 0.50, 0.70, 0.80.
Dancey y Reidy (2011), consideran como relevantes a los valores a partir de 1.0.
Malgady (2007), propone una medida estandarizada de la asimetría para
medir su tamaño del efecto en una escala de 0 a 1, denominado Índice del
Sesgo estandarizado (SSI)

*DE^2 = varianza
Malgady (2007) utiliza el SSI para analizar la asimetría:

Un valor negativo de SSI indica que la mayoría de los puntajes de

referencia están por encima de 0

Distribución Normal 12
 Un valor positivo de SSI indicará que la mayoría de los puntajes de
referencia están por debajo de 0.

Puntajes Z y áreas bajo la Curva Normal

Se calcula la Z cuando dos variables tienen medias diferentes para poder
compararlas.

Puntajes Z lineales
Cuantifican las distancias a la media aritmética en términos de la
variabilidad del grupo de referencia.

Se les llama puntaje de desviación o puntaje estándar lineal.

Z = El valor que quiero analizar - la media de distribución sobre la

desviación estándar

Distribución Normal 13
 Si al ser estandarizado un dato, resulta que Z = 0.5, está media desviación
estándar sobre la media aritmética.

Si al ser estandarizado un dato, resulta que Z = -1.0, está una desviación

estándar bajo la media aritmética.

Transformación de puntajes directos en Puntajes Z lineales

Este proceso suele denominarse estandarización.

Al aplicarlo no cambia la forma de la distribución.

Un error usual es pensar que al estandarizar una variable, su distribución

se vuelve normal.

1. Primero todos los puntajes de la distribución

2. Luego la media de la distribucuión

3. La de desviación estándar de la distribución

4. Con esos datos le aplicas a cada dato la formula de arriba

5. Siempre que conviertes a Z lineal la media pasa a ser 0 y la desviación

estándar 1

Puntajes Z con distribución normal Puntaje Z de superficie

Tiene que ser de intervalo por lo menos

Distribución Normal 14
 Z lineal Z = (Xi-Mx)/Sx
Z superficie Z´= (Xi-Mx)/Sx el resultado a la tabla de distribución normal

Yo obtuve un valor de -2.6 de Z

En sentido vertical esta la unidad y las decenas
Te úbicas en el -2.6 y el siguiente valor sería 0 entonces el puntaje del área de
superficie es de 0.0047
Y lo multiplicas por 100 para que sea un porcentaje

Distribución Normal 15
 SIN PUNTAJA Z
ÁREA: [Link].n(puntaje: 20;media: 16;desvet: 2;VERDADERO) = Ese valor x
100
ÁREA: Sale 97.72% → he superado al 97.72% de las personas
Encontrar Z = puntaje-media / Desviación estandar = 2

OTRA FORMA- CON PUNTAJE Z

Distribución Normal 16
 Z = -2.60

Sale 0.0047 = EL MISMO que salió en tabla

En la lineal se obtiene Z
En la de superficie encuentras el área

OTRO EJEMPLO:

Como las medias son diferentes se tiene que sacar el puntaje Z

Encontrar Z = Valor - media / La desviación estándar

Se encuentra para todos los valores de matemática y lengua

Con estos resultados podemos decir que:

Distribución Normal 17
 Cuál es el mejor rendimiento de Juan? - en mate porque esta más cerca a
la media (más chico el numero)

La nota más alta de pedro - Matemática porque el valor el positivo 0.3226

es más grande que su 0.00 en lengua

Cual obtuvo el mejor resultado - Jose porque tuvo el valor de Z más grande
(0.3448)

Distribución Normal 18