🎯 Objetivo de la clase

Evaluar si las variables cuantitativas cumplen el supuesto de normalidad antes de realizar análisis bivariado.

Esto permitirá decidir correctamente entre:

• ✅ Pruebas paramétricas
• ⚠️ Pruebas no paramétricas

---

🧠 ¿Por qué es importante evaluar normalidad?

Porque muchas pruebas estadísticas asumen distribución normal.

Tipo de análisis	Normalidad	Prueba
Comparar medias	Sí	t-test
Comparar medias	No	Mann-Whitney (ranksum)
Correlación	Sí	Pearson
Correlación	No	Spearman

---

📌 Flujo correcto del análisis en epidemiología

1️⃣ Estadística descriptiva
2️⃣ Evaluación de normalidad
3️⃣ Análisis bivariado
4️⃣ Análisis multivariado

---

🧪 Paso 1. Abrir la base de datos

import excel "base_practica_stata.xlsx", firstrow clear

Verificar base:

describe

Ver primeras filas:

list in 1/10

---

📊 Paso 2. Identificar tipo de variables

Variables continuas (evaluar normalidad)

• edad
• peso
• glucosa
• colesterol
• presion_sys

Variables categóricas

• sexo
• hipertenso

⚠️ Solo las variables continuas se evalúan para normalidad

---

📈 Paso 3. Exploración descriptiva

Antes de evaluar normalidad, explorar la variable:

summarize glucosa, detail

🔎 Qué observar

• Media
• Mediana
• Desviación estándar
• Mínimo
• Máximo
• Valores extremos

---

📊 Paso 4. Evaluación gráfica de normalidad

4.1 Histograma

histogram glucosa, normal

🧠 Interpretación

Forma	Interpretación
🔔 Campana	Distribución normal
↗ Sesgo derecha	No normal
↘ Sesgo izquierda	No normal
📉 Picos múltiples	No normal

---

4.2 Curva de densidad

kdensity glucosa

🔎 Permite observar mejor la forma de la distribución

---

4.3 Boxplot

graph box glucosa

🧠 Permite detectar

• Valores atípicos
• Asimetría
• Dispersión

---

4.4 Q-Q plot (Muy importante)

qnorm glucosa

🧠 Interpretación

Resultado	Interpretación
Puntos en línea	Normal
Puntos desviados	No normal

---

🧪 Paso 5. Pruebas estadísticas de normalidad

5.1 Shapiro-Wilk

swilk glucosa

Resultado:

• W = 0.947
• p = 0.324

Interpretación:

• p > 0.05 → No se rechaza normalidad
• ✔️ Compatible con distribución normal

👉 Esta es la prueba más recomendada cuando n < 50
(Tu muestra = 20)

🧠 Interpretación

p valor	Interpretación
p > 0.05	Normal
p ≤ 0.05	No normal

---

5.2 Skewness y kurtosis

sktest glucosa

Evalúa:

• Asimetría
• Curtosis
• Prueba global

Resultados:

• Pr(skewness) = 0.5041
• Pr(kurtosis) = 0.2912
• Pr(chi²) = 0.4202

Interpretación:

• Todos los p > 0.05
• ✔️ No evidencia de desviación de normalidad

---

📊 Paso 6. Evaluar múltiples variables

summarize edad peso colesterol glucosa presion_sys, detail

histogram edad, normal
histogram peso, normal
histogram colesterol, normal
histogram glucosa, normal
histogram presion_sys, normal

swilk edad
swilk peso
swilk colesterol
swilk glucosa
swilk presion_sys

---

🧠 Regla práctica de normalidad

Considerar normal si:

✅ Histograma simétrico
✅ Sin outliers extremos
✅ Q-Q plot lineal
✅ p > 0.05

---

📊 Paso 7. Decidir análisis bivariado

Si variable normal

Comparación de medias:

ttest glucosa, by(hipertenso)

Correlación:

pwcorr glucosa edad, sig

---

Si variable no normal

Comparación:

ranksum glucosa, by(hipertenso)

Correlación:

spearman glucosa edad

---

🧠 Algoritmo de decisión

¿Variable continua?
       ↓
Evaluar normalidad
       ↓
Normal → ttest / Pearson
       ↓
No normal → ranksum / Spearman

---

🧪 Ejercicio práctico para alumnos

Evaluar glucosa

summarize glucosa, detail
histogram glucosa, normal
kdensity glucosa
graph box glucosa
qnorm glucosa
swilk glucosa
sktest glucosa

---

🧪 Ejercicio 2

Evaluar colesterol

summarize colesterol, detail
histogram colesterol, normal
kdensity colesterol
graph box colesterol
qnorm colesterol
swilk colesterol
sktest colesterol

---

🧪 Ejercicio 3

Evaluar presión sistólica

summarize presion_sys, detail
histogram presion_sys, normal
kdensity presion_sys
graph box presion_sys
qnorm presion_sys
swilk presion_sys
sktest presion_sys

---

📌 Lista rápida de comandos de la clase

summarize, detail
histogram
kdensity
graph box
qnorm
swilk
sktest

---