# Probador de Normalidad Prueba de normalidad comprehensiva usando múltiples métodos estadísticos > Página canónica: https://elysiatools.com/es/tools/normality-tester - **Categoría:** Data Analysis - **Palabras clave:** normalidad, prueba estadística, distribución, shapiro-wilk, anderson-darling ## Descripción general El Probador de Normalidad es una herramienta estadística diseñada para determinar si un conjunto de datos numéricos sigue una distribución normal, utilizando métodos robustos como Shapiro-Wilk y Anderson-Darling para validar tus hipótesis de investigación. ## Entradas - **Datos de Entrada** (textarea): Enter numeric data separated by commas, spaces, or newlines Examples: 25, 27, 29, 30, 31, 32, 33, 34, 35, 36 Or: 25 27 29 30 31 32 33 34 35 36 Or: 25 27 29 30 31 32 33 34 35 36 - **Nivel de Significancia (α)** (select) - **Incluir Pruebas Visuales (Gráfico Q-Q)** (checkbox) ## Cuándo usarlo - Antes de aplicar pruebas paramétricas que requieren el supuesto de normalidad. - Para verificar la calidad y distribución de los datos en procesos de control de calidad. - Al realizar análisis exploratorios de datos para identificar sesgos o valores atípicos. ## Cómo funciona - Introduce tus datos numéricos separados por comas, espacios o saltos de línea en el área de entrada. - Selecciona el nivel de significancia (α) deseado, siendo 0.05 el estándar común para un 95% de confianza. - Opcionalmente, activa el gráfico Q-Q para obtener una validación visual de la distribución de tus datos. - Haz clic en procesar para obtener los resultados estadísticos detallados y la conclusión sobre la normalidad de tu muestra. ## Casos de uso - Validación de supuestos para pruebas T de Student o ANOVA. - Análisis de residuos en modelos de regresión lineal. - Evaluación de la distribución de errores en mediciones experimentales. ## Preguntas frecuentes ### ¿Qué es la prueba de normalidad? Es un procedimiento estadístico que evalúa si un conjunto de datos se ajusta a una distribución normal (campana de Gauss). ### ¿Qué nivel de significancia debo elegir? El nivel 0.05 es el estándar científico. Si necesitas mayor rigor, puedes optar por 0.01. ### ¿Por qué es importante el gráfico Q-Q? El gráfico Q-Q permite visualizar si los puntos se alinean a lo largo de una línea recta, lo que indica una distribución normal. ### ¿Qué pasa si mis datos no son normales? Si los datos no siguen una distribución normal, es posible que debas usar pruebas no paramétricas o transformar tus datos. ### ¿Cuántos datos puedo analizar a la vez? Puedes ingresar una cantidad significativa de datos numéricos; la herramienta procesará la muestra completa de forma eficiente. ## Herramientas relacionadas - [Trazador de diferencia crítica Nemenyi y rangos Friedman](https://elysiatools.com/es/tools/nemenyi-critical-difference-friedman-rank-plotter): Pruebas de Friedman e Iman-Davenport con p-valores exactos, rangos promedio, la diferencia crítica de Nemenyi y el clásico diagrama CD con cliques — más una capa opcional Bonferroni-Dunn contra un modelo de control. - [Calculadora de Significancia A/B](https://elysiatools.com/es/tools/ab-test-significance-calculator): Introduce los datos de control/tratamiento y obtén diferencia de tasas, intervalos de confianza al 95%/99%, p-value del Z-test (proporciones) o Welch t (continuas), significancia, lift, tamaño muestral para 80%/90% de potencia, días recomendados, advertencia de sequential testing y corrección de Bonferroni. - [Tutor de tablas de contingencia: chi-cuadrado, Fisher exacto, Cramér's V](https://elysiatools.com/es/tools/contingency-table-chi-square-fisher-exact-cramer-v-tutor): Prueba de hipótesis paso a paso para tablas 2×2 y R×C: chi-cuadrado de Pearson, corrección de continuidad de Yates, prueba G (razón de verosimilitudes), Fisher exacto cuando hay esperadas pequeñas, tamaños de efecto (V de Cramér / phi / coeficiente de contingencia), residuos ajustados de Haberman para localizar celdas, aviso BH-FDR de comparaciones múltiples y estimación opcional de Chapman (captura-recaptura). - [Analizador de Correlación](https://elysiatools.com/es/tools/correlation-analyzer): Herramienta avanzada de análisis de correlación que calcula coeficientes de correlación entre variables para medir la fuerza y dirección de sus relaciones lineales. - [Analizador de Distribución de Datos](https://elysiatools.com/es/tools/distribution-analyzer): Análisis comprehensivo de distribución de datos con pruebas de normalidad, detección de valores atípicos y evaluaciones de bondad de ajuste - [Analizador de Curtosis](https://elysiatools.com/es/tools/kurtosis-analyzer): Analizar la curtosis de los datos para medir la "colas" de la distribución y detectar patrones de colas pesadas o ligeras - [Estadísticas de Rangos Numéricos](https://elysiatools.com/es/tools/number-range-statistics): Analizar y contar números dentro de rangos o intervalos especificados - [Recortar Imágenes en Lote](https://elysiatools.com/es/tools/batch-image-trim): Recorta múltiples imágenes simultáneamente con varios métodos de recorte y salida ZIP ## Ejemplos - [Ejemplos de Procesamiento de Imágenes Android Java](https://elysiatools.com/es/samples/android-image-processing-java): Ejemplos de procesamiento de imágenes Android Java incluyendo lectura/escritura, escalado y conversión de formato - [Ejemplos de Procesamiento de Imágenes Android Kotlin](https://elysiatools.com/es/samples/android-image-processing-kotlin): Ejemplos de procesamiento de imágenes Android Kotlin incluyendo lectura/escritura, escalado y conversión de formato - [Ejemplos de Procesamiento de Imágenes Web Python](https://elysiatools.com/es/samples/web-image-processing-python): Ejemplos de procesamiento de imágenes Web Python usando PIL/Pillow incluyendo lectura, guardado, redimensionamiento y conversión de formato - [Ejemplos de Procesamiento de Imágenes Web Rust](https://elysiatools.com/es/samples/web-image-processing-rust): Ejemplos de procesamiento de imágenes Web Rust incluyendo lectura/escritura, escalado y conversión de formato