Qu es una distribucin normal?

La distribucin normal representa una de las "verdades

elementales" acerca de la naturaleza de la realidad. Se ha
verificado empricamente que muchos fenmenos naturales
se distribuyen normalmente.

Distribucin del ingreso d

Algunas variables psicolgicas y sociales de la poblacin salvadore
no se distribuyen normalmente y, por lo
tanto, no deberan ser sujetas,
directamente, a pruebas estadsticas que
demanden una distribucin normal de los
datos.

Aunque la forma de la campana puede

variar la distribucin siempre debe ser
simtrica con ms casos concentrados en
el centro y menos en los extremos.

En una distribucin perfectamente normal los casos se

distribuyen de la siguiente manera:
El 68,26% del rea total de la curva cae entre ms menos 1
desviacin estndar. Exactamente 95,44% del rea cae
entre ms menos 2 desviaciones estndares y
exactamente 99,74% del rea cae entre ms menos 3
desviaciones estndares.

La forma exacta de la distribucin normal (la caracterstica

curva con forma de campana) se define por una funcin
que tiene solamente dos parmetros: la media y la
desviacin estndar. La media es el valor que con mayor
probabilidad aparecer en una medida. La desviacin
estndar refleja lo abierta o cerrada que es la campana de
Gauss correspondiente. Una distribucin muy cerrada se
corresponde con una serie de medidas muy poco
dispersas. Por el contrario si la distribucin es abierta, la
desviacin estndar es grande.

Manteniendo el valor del promedio igual, otorgue distintos

valores para la desviacin estndar:

Si no puede el cuadro anterior.... Vnculo a una animacin

interactiva

Mucho de los tests estadsticos se han diseado bajo las

premisas de una distribucin normal. Algunos tests, los no
paramtricos no asumen que los datos se distribuyan
normalmente, sin embargo estos tests son menos
poderosos o robustos que los tests paramtricos.

Cmo comprobar si una distribucin es normal?

a) Observndola simetra del histograma de la distribucin.

b) En una distribucin normal la media, la moda y la

mediana son iguales.

c) Calculando la simetra (en SPSS: Skewness) de la

distribucin. En una distribucin normal perfecta la
asimetra debera ser 0 y las desviaciones respecto al cero
indicaran distintos niveles de asimetra. Un valor absoluto
mayor que 1 en el ndice de asimetra estara indicando
que la distribucin de los datos no es normal.

Qu es el puntaje Z o puntaje estandarizado?

Los puntajes Z son transformaciones que se pueden hacer

a los valores o puntuaciones de una distribucin normal,
con el propsito de analizar su distancia respecto a la
media, expresndolas en unidades de desviacin estndar.
Un puntaje Z nos indica la direccin y grado en que un
valor individual obtenido se aleja de la media, en una
escala de unidades de desviacin estndar.

Por ejemplo, si la edad promedio del grupo de estudiantes

de psicologa es de 23 aos y la desviacin estndar es
igual a 4, un estudiante de 27 aos se ubicara 1
desviacin estndar ( Z=1 ) respecto al promedio.

La frmula para transformar un valor de una distribucin

normal en una unidad de desviacin estndar es:
Donde X es la puntuacin o valor a transformar, es la
media de la distribucin original, y la desviacin
estndar de la misma distribucin. El resultado Z es la
puntuacin transformada a unidades de desviacin
estndar.

Al aplicar la frmula siempre se produce una nueva variable

con una media de cero y una desviacin estndar de uno.
Sin embargo, la forma de la distribucin no se ver
afectada por la transformacin.

Digite distintos valores para la media, desviacin estndar y

puntaje z y observe los cambios:

Cundo es til calcular el puntaje Z?

Es til cuando comparo dos variables medidas en escalas

diferentes (por ejemplo, peso y estatura) o cuando el
puntaje original no se entiende con claridad en su forma
bruta.

Cmo se obtienen los puntajes Z en SPSS?

Simplemente seleccione: Analizar > Estadsticos
descriptivos. Seleccione la variable que desea transformar.
> Descriptivos. En el cuadro emergente seleccione la
opcin "Guardar valores estandarizados como variable".
Siguiendo este procedimiento obtendr una nueva variable
con las valores originales transformados a puntaje Z.

Ejemplo:
Los siguientes grficos muestran la utilidad del puntaje Z. Los datos
son opiniones de profesores sobre distintos aspectos del
funcionamiento organizacional de sus escuelas y el tipo de colegio de
acuerdo a su rendimiento en una prueba de ingreso a la universidad.
Mientras el primer grfico muestra las puntuaciones brutas el segundo
presenta los datos convertidos en putuaciones Z.

El primer
Sub-escalas por tipo de escuela. Puntaje grfico
directo. muestra el
promedio en
cada
subescala por
Tipo de
escuela
(rendimiento
alto y bajo).
Se observa
que no hay
muchas
diferencias
entre los tipos
de escuela.
Adems,
aparentement
e, el grfico
parece indicar
que el
"Liderazgo del
director" es la
dimensin
mejor
evaluada en
opinin de los
profesores. En
este grfico se
pas por alto
que cada sub-
escala tena
un rango
 distinto de
puntuaciones
posibles. As
mientras en la
escala
"Cooperacin
entre
profesores"
haban
solamente 5
preguntas con
un puntaje
mximo
posible de 20,
la sub-escala
de "Liderazgo
del director"
se construy
con la
respuesta a 20
preguntas con
un puntaje
mximo
posible de
80. El
problema es
que se
presentan en
un mismo
plano
variables
medidas de
distinta
manera. El
puntaje Z
ayuda a
superar este
problema y
nos da una
mejor imagen
del
comportamient
o de las
variables en
este estudio.
Este 2do
grfico Sub-escalas por tipo de escuela. Puntaje Z.
muestra los
mismos datos
del grfico
anterior pero
transformado
s en
puntuaciones
estandarizad
as (puntaje
Z). Esta
representaci
n permite
constatar la
distintas
tendencias
entre ambos
grupos a la
vez que
proporciona
una unidad
de medida
comn que
permite poner
todas las
variables en
el mismo
plano.

Datos de los ejemplos: Datos de profesores; Sintaxis para la

obtener los grficos.

Ir a Percentiles