Transformacion de datos a probabilidad normal

¿Y si los datos no siguen una distribución normal?... Bondad de ajuste a una normal. Transformaciones. Pruebas no paramétricas
Preparado por Luis M. Molinero (Alce Ingeniería) CorreoE:bioestadistica alceingenieria.net Julio 2003 Artículo en formato PDF www.seh−lelha.org/stat1.htm

Cuando se analizan datos medidos por una variable cuantitativa continua, las pruebas estadísticas de estimación ycontraste frecuentemente empleadas se basan en suponer que se ha obtenido una muestra aleatoria de una distribución de probabilidad de tipo normal o de Gauss. Pero en muchas ocasiones esta suposiciónno resulta válida, y en otras la sospecha de que no sea adecuada no resulta fácil de comprobar, por tratarse de muestras pequeñas. En estos casos disponemos de dos posibles mecanismos: los datos sepueden transformar de tal manera que sigan una distribución normal, o bien se puede acudir a pruebas estadísticas que no se basan en ninguna suposición en cuanto a la distribución de probabilidad apartir de la que fueron obtenidos los datos, y por ello se denominan pruebas no paramétricas (distribution free), mientras que las pruebas que suponen una distribución de probabilidad determinada paralos datos se denominan pruebas paramétricas. Dentro de las pruebas paramétricas, las más habituales se basan en la distribución de probabilidad normal, y al estimar los parámetros del modelo se suponeque los datos constituyen una muestra aleatoria de esa distribución, por lo que la elección del estimador y el cálculo de la precisión de la estimación, elementos básicos para construir intervalos deconfianza y contrastar hipótesis, dependen del modelo probabilístico supuesto. Cuando un procedimiento estadístico es poco sensible a alteraciones en el modelo probabilístico supuesto, es decir que losresultados obtenidos son aproximadamente válidos cuando éste varía, se dice que es un procedimiento robusto. Las inferencias en cuanto a las medias son en general robustas, por lo que si el tamaño...