UNIVERSIDAD NACIONAL DE LA PLATA

FACULTAD DE PSICOLOGÍA
CÁTEDRA: ESTADÍSTICA APLICADA A LA PSICOLOGÍA
Prof. TITULAR: Psic. Lilia Elba Rossi Casé
Prof. ADJUNTA: Psic. Rosa H. Neer
JEFE DE TRABAJOS PRACTICOS: Psic. Susana Lopetegui
APUNTE DE CATEDRA: Revisión 2010
ELABORADO POR: Psic. Susana LOPETEGUI
Psic. Rosa NEER

CURVA NORMAL

Las distribuciones de frecuencias de la mayoría de las variables de las

Cs.Sociales, psicológicas, sociológicas, antropológicas, cuando representan a un número
importante de observaciones, se aproximan a un tipo de curva en forma de campana que
se conoce como curva normal o campana de Gauss (tomando el nombre del
matemático, si bien quien planteó la formulación matemática fue De Moivre en 1773):
las observaciones se concentran en el centro y van bajando simétricamente a derecha e
izquierda, hay pocas observaciones en los puntajes bajos de la escala, un número
creciente hacia el centro, (donde encontramos el modo) y decrecen las frecuencias hacia
los puntajes altos de la variable.

Esta curva normal es un modelo teórico probabilístico, es un concepto formal,

matemático. Muchos aspectos de la realidad, cuando de variables continuas se trata,
tienen un comportamiento isomórfico con la curva normal, de allí que podamos aplicar
las propiedades de ese modelo teórico a la realidad. Como ya expresamos, numerosas
variables del campo de la psicología se distribuyen de manera aproximadamente
normal, tales como el cociente intelectual, la ansiedad, la capacidad de razonamiento
abstracto, la memoria, etc., de tal manera que las conclusiones matemáticamente válidas
para la distribución normal, puedan aplicarse a observaciones de la realidad.

Toda curva normal queda caracterizada por la media y el desvío, hay infinitas
curvas normales, al señalar el valor que le corresponde a su media y su desvío standard,
queda definido a qué curva normal se refiriere.

Existen curvas con la misma forma o dispersión de las observaciones pero tienen
distinta media, o por el contrario, pueden compartir el mismo valor en su media y diferir
en cuanto al valor del desvío estándar, es decir en su homogeneidad o heterogeneidad.

1
CARACTERISTICAS Y PROPIEDADES DE LA CURVA NORMAL.

• Su representación se realiza con un trazo continuo, no como el histograma o

polígonograma, dado que representa infinitos casos de una variable continua.
• Es unimodal y mesocúrtica, es decir tiene una curtosis media (grado de
elevamiento o achatamiento de la curva)
• Coinciden el valor del modo, la media y la mediana
• Es simétrica, teniendo como eje vertical el que pasa por la media. Hasta ese
valor de la media se encuentra el 50 % de las observaciones.
• Es asintótica, no corta el eje de la variable o abscisa, ni al comienzo ni al final de
la curva.
• Podemos decir que entre 3 valores de desviación standard por debajo y por
encima de la media se halla el 99,74% de las observaciones mientras que más y
menos una vez el valor del desvío delimita la zona de normalidad estadística
(68,26%)
• Existen tantas curvas normales como pares de valores de media y desvío
standard se establezcan.

2
 • El área total bajo la curva indica la probabilidad correspondiente a la totalidad
de los valores y vale 1. Bajo la curva normal se halla el 100%de los casos.
• Entre dos puntos de la variables se encuentra siempre la misma proporción de
casos, cualquiera sea la curva normal de que se trate. Esta propiedad es la que
torna particularmente interesante la utilidad de la curva normal.
• Cualquiera sea el valor de la media y el desvío que pueda tener una curva
normal en particular, hay un área constante (una proporción de casos constante)
entre dos ordenadas, trazadas una en la media (por ejemplo) y otra a una cierta
distancia de la media, medida en términos de unidades de desvío.

Esta propiedad permite que se haya construido una tabla para curva normal, para
cualquier curva normal. La tabla está construida para una curva normal estándar, cuya
media vale 0 y el desvío 1.

TRANSFORMACIÓN DE PUNTAJES

El puntaje que obtiene una persona en determinada prueba, adquiere su total

significado cuando podemos compararlo con las puntuaciones de sus pares. Ya hemos
visto que no es válido comparar los puntajes originales de una persona en distintas
pruebas, dado que no es lo mismo sacar 30 puntos cuando el máximo de una prueba es
de 40 puntos que sacar 30 puntos si el máximo es 100 puntos. Por lo tanto necesitamos
transformar los puntajes a una escala común para poder compararlos.

La transformación de puntuaciones en bruto u originales a una escala común,

posibilitan comparar los resultados de:

• Distintas observaciones de un mismo sujeto o de sujetos distintos.

• Variables medidas de distinta forma o entre distintas variables.
• La posición de una persona dentro de la distribución, según el porcentaje de
casos que supera (escala percentilar).-
Si sólo tengo estos datos, de los puntajes obtenidos por una persona en dos pruebas
distintas:
a) 17 p. M = 15 S= 2
b) 52 p. M = 50 S= 5
¿Puedo comparar los resultados?
Lo primero que haría es compararlo con la media, y decir si está por encima o
por debajo de ella, pero esto no me permite decir en cuál anduvo mejor, pues en ambos
supera a la media. Lo tengo que relacionar con el desvío, para ello utilizo la
transformación en puntaje z:
z=X–M
s
a) z = 17 – 15 ; 2 z=1
2 2
b) z = 52 – 50 z = 0,4
5
De esta manera yo puedo comparar los dos puntajes en función de cuánto se
alejan de la media en unidades de desvío standard. En este caso obtuvo un mejor
rendimiento en la prueba a) pues se alejó más de la media en valores positivos.

3
 Cualquier puntuación directa que sea exactamente igual a la media es
equivalente a una puntuación z igual a 0. Por lo tanto, todos los sujetos que tengan
puntajes por debajo de la media, tendrán z con signo negativo. Además, puesto que
la amplitud total de la mayoría de los grupos no se extiende más allá de 3 z por encima
y 3 z por debajo de la media, habrá que utilizar por lo menos un decimal a fin de
producir la diferenciación suficiente entre los individuos.

Veamos algunos ejemplos:

1.- Calcular los puntajes z correspondientes a los siguientes valores de una distribución
normal cuya media = 40 y S = 6:

X1= 48 (z =1,33) ; X2 = 34 (z =-1); X3= 52 (z = 2) ; X4 = 25 (z =-2,5)

2.- Puedo también plantearme lo inverso ¿Cuál es el valor de la variable o puntaje que le
corresponde a los siguientes puntajes z?

Parto de la fórmula para calcular z = X –M y realizo pasaje de términos:

s
X= Z. S + M

z1 = - 1,5 (X = 31); z2= 2,34 (X= 54,04) ; z3 = 1,55 (X = 49,3) ; z4= -1,96 (X= 28,24)

USO DE LA TABLA DE PROBABILIDAD NORMAL

Cuando conocemos de una distribución el n, M y S , podemos calcular por

ejemplo, la cantidad o porcentaje de individuos que hay entre dos puntajes, o por
encima o por debajo de un puntaje dado de la distribución. Para ello utilizamos las
tablas que ya están calculadas para la curva normal estándar, llamada tabla de áreas, que
nos permite saber el porcentaje de casos que hay a partir de la media, (en el caso de la
tabla con la que trabajamos). La utilizamos como una tabla de doble entrada, en que la
primer columna de la izquierda, indica el entero y el primer decimal del puntaje z
reducido, en los encabezamientos de las sucesivas columnas encontramos los
centésimos de z. En la intersección de fila y columna, tenemos el porcentaje de casos.

Z 0 1 ....................... 9
0.0 .0000 .0040 ...................... .0359
0.1 .0398 .0438 ...................... .0754
0.2 .0793 .0832 ..................... .1141
... ........ ......... ...................... ...
1.0 .3413 .3438 ..................... .3621
...... ......... .......... ....................... .........
2.0 .4772 .4778 ........................ .4817
..... ....... .......... ........................ .........
3.0 .4987 .4987 ....................... .4990

Como la curva es bilateralmente simétrica estos valores se aplican tanto para z

positivos o negativos. Si bien el área bajo la curva equivale a 1, como estamos
habituados a utilizar porcentajes, para lograr estos, multiplicamos el resultado por 100.

4
¿Qué porcentaje de casos hay entre :

0 y 3z = 49,87%

+1z y +2 z = 13,59%

- 1z y +2 z = 81,85%

- 1z y – 3 z = 15,73 %

Nos podemos plantear el problema inverso. Dado determinado porcentaje de

casos, averiguar los puntajes z que los delimitan:

¿Entre qué puntajes z se encuentra el:

90 % central (+ - 1,65z)

90 % superior (-1,28 y 3 z)

90 % inferior ( -3 z y + 1,28z)

Z DERIVADO.

Ya hemos visto que los inconvenientes que tiene el puntaje z es que opera con
valores negativos y trabaja con decimales. Para evitar estos inconvenientes se utiliza
otra transformación de puntajes, lineal, es decir que no deforma la distribución original
de los puntajes. Se reemplaza la media y el desvío por valores arbitrariamente fijados,
generalmente se utiliza M = 50 y S = 10 esto nos permite obviar los valores negativos y
los decimales.

Z = Ma + Sa . z

Así el Z que corresponde a un z =1 , será:

Z = 50 + 10 . 1 = 60

PERCENTILES

5
 Por último, otra transformación de puntajes es a percentiles que ya la hemos
descripto al desarrollar las medidas de orden. Vale recordar la principal desventaja de
ellos y es que no respetan la forma de la distribución original, tienden a agruparse en el
centro y a dispersarse hacia los extremos, sin embargo, son fáciles de entender por todos
y se pueden emplear para cualquier tipo de test, ya sea que mida aptitud o rasgos de
personalidad.

Si quisiéramos transformar valores de la variable a percentiles, el procedimiento

sería:

1) Pasar x a z
2) Buscar el área correspondiente en la tabla de áreas
3) Determinar el percentil correspondiente que resultará de sumar o restar el área
hallada a 50, dependiendo de que se trate de un z positivo o negativo.

Por ejemplo: Si los puntajes de un test se distribuyen normalmente con media= 100 y
desvío = 20, qué percentil le corresponde a un sujeto A)que obtuvo 80 puntos y cuál a
otro sujeto B) que obtuvo 110 puntos.
Qué datos tenemos?
M = 100 X1 = 80 P= ?
S = 20 X2 = 110 P= ?
z 1= 80 – 100 = - 1 z z2= 110 – 100 = 0,5 z
20 20

Una vez obtenido el puntaje z, busco en la tabla el área correspondiente a cada uno;
para z1 el área es 34,13 % , este porcentaje hallado me está indicando el porcentaje de
casos que hay entre la media y un valor de desvío estándar, que no es lo que estamos
buscando, pues el percentil se define por el porcentaje de casos que quedan por debajo
de él. Como el z1 es negativo, al 50% que hay entre el comienzo de la distribución y la
media le resto 34,13% y obtengo el percentil correspondiente a z = - 1 que es P 15

En el caso de z2 que es positivo, le sumo al 50% que hay hasta la media el área
correspondiente a z =0,5 que es 19,5% . El percentil que obtengo es P= 69

También puede ocurrir que tenga los puntajes expresados en percentiles y los quiera
transformar a valores de la variable, es decir recorrer el camino inverso.

Por ejemplo, si los puntajes de un test se distribuyen normalmente con una media
de20 y un desvío de 5. ¿qué puntajes le corresponderá a un sujeto A que obtuvo el P70?
Y a otro B que obtuvo el P40?
M = 20 P70 Xa = ?
S=5 P40 Xb = ?

Para el sujeto A, busco en la tabla el área del 20% (recordar que el Percentil se
define por el porcentaje de casos que deja por debajo y la tabla me da el área desde el
centro) que le corresponde a un z= 0.53, luego aplico la fórmula para hallar x,
X = z.s + M
X = 0.53. 5 + 20 X = 22,65

6
 El mismo procedimiento utilizo para hallar el puntaje del sujeto B. Busco en la tabla
el 10 % (resulta de restar a 50, el percentil 40), le corresponde un z = 0.25
X = - 0.25 . 5 + 20 X = 18,75

Sintetizando: cada vez que realizo una transformación de percentiles a valores de la

variable o de éstos a percentiles, debo necesariamente pasar por z.

INTERRELACION ENTRE LAS PUNTUACIONES TRANSFORMADAS

El tipo de transformación de puntajes que utilicemos para expresar las

puntuaciones originales, está dictada en gran medida por la conveniencia, la
familiaridad y la facilidad en la creación de normas. Todos los tipos de puntuaciones
transformadas son fundamentalmente análogos si su transformación ha sido cuidadosa y
se interpreta adecuadamente. Las distintas transformaciones se pueden apreciar en el
gráfico siguiente:

APLICACIONES EN PSICOLOGIA DE LA CURVA NORMAL.-

Podríamos resumir las aplicaciones de la curva normal en:

• La determinación del porcentaje de casos que hay entre determinados límites o por
encima o debajo de un puntaje dado.
• Lo inverso, es decir hallar los límites que incluyen determinado porcentaje de casos
y eventualmente realizar la transformación a una escala percentilar.
• Determinar la dificultad relativa de preguntas, problemas o ítems de una prueba.
• Dividir un grupo dado en subgrupos según la capacidad, cuando la característica
considerada está distribuida normalmente.

7
 Más adelante, veremos otras aplicaciones de la curva normal, tales como:
estimación de parámetros y prueba de hipótesis.

BIBLIOGRAFIA
BLALOK, H.: Estadística Social. Fondo de Cultura Económica, 1986
CORTADA de KOHAN, N. Diseño Estadístico. EUDEBA Bs.As. 1994
GARRETT, H. Estadística en Psicología y Educación. Paidós Barcelona 1983
GRASSO, L. Introducción a la Estadística en Cs. Sociales y del Comportamiento.
Facultad de Filosofía y Humanidades .U.N.Córdoba 1999.
SPIEGEL,M.R. Estadística. Mc Graw Hill. Madrid 1992