Cómo comprobar la normalidad de tus datos en jamovi

¿Por qué es importante comprobar la normalidad antes de analizar tus datos?

Si estás haciendo un trabajo de estadística con jamovi, seguro que has oído hablar de la prueba de normalidad jamovi. La normalidad es uno de los requisitos principales para poder aplicar pruebas paramétricas como la prueba t o el ANOVA. Cuando tus datos siguen una distribución normal (esa curva de campana simétrica), las pruebas paramétricas funcionan correctamente y sus resultados son fiables. Si los datos se desvían mucho de esa forma, los valores p pueden ser engañosos y tus conclusiones, poco sólidas.

Por eso, antes de elegir el test estadístico, tienes que verificar si la variable que quieres analizar cumple o no el supuesto de normalidad. En esta guía te explico paso a paso cómo hacerlo con jamovi, cómo interpretar los resultados y qué alternativas tienes si la normalidad no se cumple.

¿Dónde está la prueba de normalidad en jamovi?

jamovi incluye la prueba de normalidad de Shapiro-Wilk (la más recomendada para muestras pequeñas y medianas) y el test de Kolmogorov-Smirnov (para muestras grandes). Puedes activarla desde dos lugares principales:

1. Desde el módulo de Descriptivos

• Ve al menú Exploración y selecciona Descriptivos.
• Arrastra la variable numérica que quieres evaluar al campo Variables.
• En el panel de la derecha, busca la sección Normalidad y marca las casillas de Shapiro-Wilk o Kolmogorov-Smirnov (según tu tamaño de muestra).
• Automáticamente verás en la tabla de resultados el estadístico W, los grados de libertad y el valor p.

2. Desde las opciones de la prueba t o ANOVA

• Cuando estés realizando una prueba t (de muestras independientes o relacionadas) o un ANOVA, jamovi ofrece un apartado llamado Supuestos o Asunciones.
• Marca la opción Test de normalidad y se calculará automáticamente junto con los resultados del contraste.
• Esto es muy cómodo porque no necesitas hacer un paso aparte.

Si en tu versión de jamovi no ves exactamente esos nombres, busca términos como “Normalidad” o “Shapiro-Wilk” en los menús desplegables – la interfaz es muy clara y está en español.

Cómo interpretar la prueba de Shapiro-Wilk en jamovi

Cuando ejecutas la prueba, jamovi te muestra una tabla con los siguientes valores:

Valores ilustrativos.

La clave está en el valor p:

• Si p > 0.05: no hay evidencia suficiente para rechazar la hipótesis nula de que los datos siguen una distribución normal. Es decir, asumes normalidad y puedes usar pruebas paramétricas.
• Si p ≤ 0.05: rechazas la hipótesis nula. Los datos no siguen una distribución normal, por lo que debes considerar pruebas no paramétricas.

Ojo: esta regla no es un cheque ciego. El tamaño de muestra influye mucho, como veremos más adelante.

Complementa con gráficos: Q-Q plot e histograma

La prueba numérica es útil, pero jamovi también te permite generar gráficos que te dan una idea visual de la normalidad.

Gráfico Q-Q (Quantile-Quantile)

En el mismo menú de Descriptivos, marca la opción Gráfico Q-Q. Este gráfico compara los cuantiles de tus datos con los cuantiles teóricos de una distribución normal. Si los puntos se alinean aproximadamente sobre la línea diagonal, los datos son normales. Si se desvían mucho (especialmente en los extremos), hay problemas. Por ejemplo, si los puntos de los extremos se curvan hacia arriba o hacia abajo, eso indica asimetría o colas pesadas. Un patrón en forma de S sugiere que la distribución tiene colas más largas o más cortas de lo esperado. Siempre interpreta el Q-Q en conjunto con el valor p.

Histograma con curva normal

También puedes pedir un histograma y superponer la curva normal. Si la forma de los datos se parece a la campana, buena señal. Si es asimétrica, con picos o colas muy largas, la normalidad es dudosa.

Nunca te fíes solo del gráfico; combínalo siempre con el test estadístico. Pero el gráfico te ayuda a detectar atípicos o distribuciones multimodales que el test no capta bien.

El papel del tamaño de muestra en la prueba de normalidad

Un error común es creer que si tienes muchos datos (p. ej., n > 1000), la normalidad se cumple siempre. No es así: las pruebas de normalidad son muy sensibles con muestras grandes y pueden detectar desviaciones minúsculas (e irrelevantes) como significativas. Por eso:

• Con n pequeño (menos de 50): Shapiro-Wilk es la mejor opción. Si p > 0.05, asumes normalidad con tranquilidad.
• Con n entre 50 y 200: tanto Shapiro-Wilk como Kolmogorov-Smirnov funcionan bien. Si el gráfico Q-Q se ve bien y el test da p > 0.05, puedes usar paramétricas.
• Con n grande (>200): la prueba puede ser significativa aunque los datos sean aproximadamente normales. En ese caso, prioriza el gráfico Q-Q y el histograma. Si visualmente se ve una campana aceptable, puedes seguir con paramétricas.

Recuerda que el teorema central del límite ayuda: con muestras grandes (n > 30 o 40 según la literatura) la media muestral tiende a distribuirse normalmente incluso si los datos originales no lo son, sobre todo en pruebas de comparación de medias. Pero eso no te exime de comprobarlo.

¿Qué hacer si tus datos no siguen una distribución normal?

Si la prueba de normalidad jamovi te da p ≤ 0.05 y el gráfico confirma una desviación clara, no entres en pánico. Tienes alternativas robustas: las pruebas no paramétricas, que no requieren normalidad y se basan en rangos o medianas en lugar de medias.

Alternativas según el diseño

• Para comparar dos grupos independientes: usa la U de Mann-Whitney (en jamovi: Análisis → Pruebas t → Mann-Whitney U).
• Para dos grupos relacionados (pareados): emplea la prueba de Wilcoxon de los signos (en jamovi: Análisis → Pruebas t → Wilcoxon pareada).
• Para más de dos grupos independientes: aplica el test de Kruskal-Wallis (en jamovi: Análisis → ANOVA → Kruskal-Wallis).
• Para correlación entre variables cuantitativas: usa el coeficiente de correlación de Spearman (rho) en lugar de Pearson (en jamovi: Análisis → Regresión → Correlación y marca Spearman).

Estas pruebas son menos potentes que las paramétricas (es decir, necesitan una muestra un poco mayor para detectar el mismo efecto), pero son seguras y académicamente aceptadas. Inclúyelas en tu informe como parte del análisis.

Otra opción, si solo tienes una ligera desviación, es aplicar una transformación a los datos (logarítmica, raíz cuadrada o inversa). En jamovi puedes crear una nueva variable transformada desde el menú Datos → Calcular. Después repite la prueba de normalidad sobre la variable transformada. Si se corrige, puedes usar paramétricas; pero recuerda que la interpretación cambiará (por ejemplo, medias geométricas en lugar de aritméticas).

Cómo redactar los resultados de la prueba de normalidad en tu trabajo

Cuando presentes los resultados en tu tesis, artículo o informe, incluye un párrafo como este (ejemplo ilustrativo):

“Para evaluar la normalidad de la variable ‘puntuación total’ se aplicó la prueba de Shapiro-Wilk. Los resultados indicaron que la distribución no se desvía significativamente de la normalidad (W = 0.975, p = 0.654). Además, el gráfico Q-Q y el histograma mostraron una alineación aceptable con la curva teórica. Por tanto, se cumplió el supuesto de normalidad y se procedió con la prueba t de muestras independientes.”

Si la normalidad no se cumple, redacta algo como:

“La prueba de Shapiro-Wilk reveló una desviación significativa de la normalidad en la variable ‘tiempo de reacción’ (W = 0.832, p = 0.002). El gráfico Q-Q confirmó una asimetría marcada. Por consiguiente, se optó por la prueba U de Mann-Whitney como alternativa no paramétrica.”

Recuerda citar el software utilizado (jamovi) y la versión si lo requieren. Si aplicaste una transformación, menciónalo y justifícalo.

Preguntas frecuentes sobre la prueba de normalidad en jamovi

¿Puedo hacer la prueba de normalidad en jamovi con varias variables a la vez?

Sí. En el módulo de Descriptivos puedes arrastrar varias variables numéricas al campo Variables y activar la prueba. Obtendrás una tabla por variable.

¿Qué hago si la prueba da p = 0.05 exactamente?

La decisión es tuya. Si el valor está justo en el límite, revisa el gráfico Q-Q. Si visualmente los puntos están cerca de la línea, puedes asumir normalidad con cautela. Si tienes dudas, aplica la prueba no paramétrica como análisis de sensibilidad.

¿Jamovi incluye el test de Kolmogorov-Smirnov?

Sí, pero generalmente se prefiere Shapiro-Wilk para muestras pequeñas. Kolmogorov-Smirnov está disponible en el mismo lugar, marcando la casilla correspondiente.

¿La prueba de normalidad es necesaria para regresión lineal?

Sí, la regresión lineal asume que los residuos se distribuyen normalmente. En jamovi, al hacer una regresión, puedes pedir el gráfico de residuos y la prueba de normalidad en la pestaña de supuestos.

¿Puedo transformar los datos si no hay normalidad?

A veces se aplican transformaciones logarítmicas, raíz cuadrada o Box-Cox para lograr normalidad. En jamovi puedes crear una nueva variable transformada usando la calculadora (menú Datos). Pero esto cambia la interpretación de los resultados.

¿Qué significa W en la prueba de Shapiro-Wilk?

Es el estadístico de prueba. Un valor cercano a 1 indica que los datos se ajustan bien a la normalidad. Valores muy bajos (por ejemplo, 0.70) indican desviación fuerte.

¿Qué hago si tengo valores atípicos extremos?

Los outliers pueden afectar la normalidad. Antes de decidir, identifica si son errores de medición o casos legítimos. Si son errores, corrígelos o elimínalos justificadamente. Si son valores reales, considera usar pruebas no paramétricas o transformaciones robustas.