Qué hacer con datos no normales

Continuar con el análisis si la muestra es lo suficientemente grande

Aunque formalmente muchas pruebas de hipótesis se basan en el supuesto de normalidad, de todos modos se pueden obtener resultados adecuados con datos no normales si la muestra es lo suficientemente grande. La cantidad de datos que se necesita depende del grado de no normalidad de los datos, pero un tamaño de muestra de 20 suele ser adecuado. La relación entre la robustez ante la normalidad y el tamaño de la muestra se basa en el teorema del límite central. Este teorema demuestra que la distribución de la media de los datos de cualquier distribución se acerca a la distribución normal a medida que aumenta el tamaño de la muestra. Por lo tanto, si usted está interesado en hacer inferencias sobre una media de población, el supuesto de normalidad no es fundamental siempre y cuando la muestra sea lo suficientemente grande.

Usar una prueba no paramétrica

Las pruebas no paramétricas no presuponen una distribución específica para la población. Minitab ofrece varias pruebas no paramétricas que se pueden usar en lugar de las pruebas que parten del supuesto normalidad. Estas pruebas pueden ser particularmente útiles cuando se tiene una muestra pequeña que es asimétrica o una muestra que contiene varios valores atípicos.

Las pruebas no paramétricas no están completamente libres de supuestos acerca de los datos: por ejemplo, sí requieren que los datos sean una muestra aleatoria independiente.

Transformar los datos

A veces es posible transformar los datos mediante la aplicación de una función para que los datos se ajusten a una distribución normal, para poder terminar el análisis.