Prueba de normalidad
Una prueba de normalidad evalúa si un conjunto de datos sigue una distribución normal (en forma de campana). Muchos métodos estadísticos, como las pruebas t, el ANOVA, la regresión y las gráficas de control, suponen que los datos tienen distribución normal.
Última revisión:
Idea clave
Una prueba de normalidad evalúa si un conjunto de datos sigue una distribución normal (en forma de campana).
En esta página
¿Qué es una prueba de normalidad?
Una prueba de normalidad evalúa si un conjunto de datos sigue una distribución normal (en forma de campana). Muchos métodos estadísticos, como las pruebas t, el ANOVA, la regresión y las gráficas de control, suponen que los datos tienen distribución normal. Realizar primero una prueba de normalidad confirma si ese supuesto es válido y garantiza que los resultados de los análisis posteriores sean exactos y fiables.
Hay varios métodos disponibles, entre ellos Anderson-Darling, Ryan-Joiner y Kolmogorov-Smirnov. Cada uno usa un enfoque matemático distinto, pero todos producen un valor p que indica si existe evidencia significativa en contra de la normalidad.
Definición sencilla: Una comprobación que indica si los datos siguen una forma de campana normal, requisito para que muchas pruebas estadísticas den resultados válidos.
¿Cuándo usar una prueba de normalidad?
- Úsela antes de realizar pruebas t, ANOVA, regresión o análisis de capacidad para confirmar que se cumple el supuesto de normalidad.
- Úsela cuando seleccione la gráfica de control o el método de capacidad adecuado : los datos no normales requieren otros tipos de gráfica o transformaciones.
- Úsela cuando valide un conjunto de datos o un proceso nuevo cuya forma de distribución se desconoce.
- Úsela cuando deba decidir si aplicar una transformación (p. ej., Box-Cox o Johnson) antes de continuar con el análisis.
Pautas para el uso correcto de la prueba de normalidad
- Recopile al menos 20 puntos de datos antes de realizar una prueba de normalidad: las muestras muy pequeñas carecen de la potencia necesaria para detectar de forma fiable la falta de normalidad.
- Use la prueba de Anderson-Darling como opción predeterminada : es el método más aceptado y da mayor peso a las colas de la distribución, que es donde suele manifestarse la falta de normalidad.
- Un valor p mayor que 0.05 indica evidencia insuficiente para rechazar la normalidad: los datos son coherentes con una distribución normal.
- Un valor p menor que 0.05 indica que los datos se apartan significativamente de la normalidad: considere una transformación o un método no paramétrico.
- Revise siempre la gráfica de probabilidad junto con el valor p : una comprobación visual revela la naturaleza y la gravedad de cualquier desviación de la normalidad.
- Con tamaños de muestra grandes (n > 100), la prueba se vuelve muy sensible a desviaciones pequeñas y prácticamente irrelevantes : combine siempre el valor p con una evaluación visual.
Alternativas: cuándo no usar la prueba de normalidad
- Si ya sabe que los datos son no normales, omita la prueba de normalidad y pase directamente a la identificación de distribución individual (Individual Distribution Identification) para encontrar la distribución de mejor ajuste.
- Si el tamaño de la muestra es muy pequeño (menos de 10), la prueba de normalidad tiene una potencia muy baja: considere recopilar más datos antes de sacar conclusiones.
- Si trabaja con datos de atributos (recuentos o proporciones), la prueba de normalidad no es aplicable: estos tipos de datos siguen distribuciones binomial o de Poisson.
Ejemplo de prueba de normalidad
Esta es una muestra aleatoria de datos de una distribución binomial. Realicemos una prueba de normalidad de Anderson-Darling con estos datos. La prueba sigue estos pasos:
- Se reunieron los datos necesarios.

- Ahora se analizan los datos en Zometric Statistical Software en https://statsai.zometric.com/.
- Para encontrar la prueba de normalidad, elija Statistical module> Hypothesis Test> Normality test.
- Dentro de la herramienta, se introducen los datos junto con otros parámetros de la siguiente manera:

5. Tras usar la herramienta indicada, se obtiene la siguiente salida:

Cómo realizar una prueba de normalidad
La guía es la siguiente:
- Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
- En la página de inicio, elija Statistical Tool> Hypothesis Test >Normality test .
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V) aquí.
- Complete las opciones necesarias.
- Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.
En el tablero de Normality test, la ventana está dividida en dos partes.

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente, o bien copiarse por completo (Ctrl+C) desde una hoja de Excel y pegarse (Ctrl+V) aquí.
Load example: Se cargarán los datos de ejemplo.
Load File: Se usa para cargar directamente los datos de Excel.
En la parte derecha hay numerosas opciones, como las siguientes:
- Responses Seleccione la o las columnas que contienen los datos continuos cuya normalidad desea probar. Use Ctrl o Command + clic para seleccionar varias columnas si desea probar varias variables a la vez. Cada columna seleccionada se prueba y se representa de forma independiente: la herramienta genera una gráfica de probabilidad y un resultado por separado para cada variable seleccionada.
- Tests for Normality Elija el método estadístico que se usa para evaluar si los datos siguen una distribución normal. Hay tres opciones disponibles; cada una usa un enfoque matemático distinto, pero todas producen un valor p y una gráfica de probabilidad:
- Anderson-Darling : el método más usado y la opción predeterminada recomendada. Da mayor peso a las colas de la distribución, por lo que es más sensible a las desviaciones que se producen en los extremos de los datos. Es lo más adecuado para pruebas de normalidad de uso general en la mayoría de los sectores y aplicaciones.
- Ryan-Joiner : de enfoque similar a la prueba de Shapiro-Wilk, mide en qué medida los puntos de datos siguen una línea recta en una gráfica de probabilidad normal. Es una buena alternativa cuando se desea una evaluación de la normalidad basada en la correlación. Tenga en cuenta que este método es una aproximación de Shapiro-Wilk.
- Shapiro-Wilk : considerada una de las pruebas de normalidad más potentes, especialmente para tamaños de muestra pequeños (menos de 50 observaciones). Calcula un estadístico W que mide qué tan bien se ajustan los datos a una distribución normal y es la opción preferida cuando las muestras son pequeñas y la precisión es importante.
- Title Permite introducir un título personalizado que aparecerá en la parte superior de la gráfica de probabilidad. Es útil para rotular la gráfica con el nombre de la variable, el producto, la referencia del estudio o la fecha, lo que facilita identificar y presentar el resultado en informes o documentación.
- Download as Excel Exporta a un archivo de Excel los resultados de la prueba de normalidad, incluidos el estadístico de prueba, el valor p y los estadísticos de resumen, para elaborar informes, compartirlos con colegas o conservar un registro formal del análisis.
Preguntas frecuentes
¿Qué es una prueba de normalidad?
Una prueba de normalidad evalúa si un conjunto de datos sigue una distribución normal en forma de campana. Muchos métodos, como las pruebas t, el ANOVA, la regresión y las gráficas de control, suponen datos con distribución normal, por lo que realizar primero una prueba de normalidad confirma si ese supuesto es válido. Entre los métodos disponibles están Anderson-Darling, Ryan-Joiner y Shapiro-Wilk, y cada uno produce un valor p.
¿Cómo se interpreta el valor p de una prueba de normalidad?
Un valor p mayor que 0.05 indica evidencia insuficiente para rechazar la normalidad, por lo que los datos son coherentes con una distribución normal. Un valor p menor que 0.05 indica que los datos se apartan significativamente de la normalidad; considere una transformación o un método no paramétrico. Revise siempre la gráfica de probabilidad junto con el valor p.
¿Qué prueba de normalidad se debe usar?
Anderson-Darling es la opción predeterminada recomendada; da mayor peso a las colas, donde suele manifestarse la falta de normalidad. Shapiro-Wilk se considera una de las pruebas más potentes para muestras pequeñas de menos de 50 observaciones. Ryan-Joiner es una aproximación de Shapiro-Wilk basada en la correlación, que mide en qué medida los puntos siguen una línea recta en una gráfica de probabilidad normal.
¿Cuántos puntos de datos se necesitan para una prueba de normalidad?
Recopile al menos 20 puntos de datos, ya que las muestras muy pequeñas carecen de potencia para detectar la falta de normalidad; con menos de 10, la prueba tiene una potencia muy baja. Con muestras grandes, de más de 100, la prueba se vuelve muy sensible a desviaciones pequeñas y prácticamente irrelevantes, por lo que conviene combinar el valor p con una evaluación visual de la gráfica de probabilidad.
