Para leer un resultado de Shapiro-Wilk solo necesitas dos números: W y p. W indica cuánto se parecen tus datos a una distribución normal (1,00 sería un ajuste perfecto, y valores próximos a 1 indican buen ajuste). El p-valor no mide la gravedad de la desviación: solo te dice si esa desviación es estadísticamente detectable, y eso depende muchísimo del tamaño muestral. Con p ≥ .05 mantienes el supuesto de normalidad; con p < .05 has detectado una desviación que puede ser perfectamente irrelevante en la práctica. La regla útil: con n ≥ 30 por grupo, un Shapiro-Wilk significativo casi nunca te impide usar la prueba t o el ANOVA, porque lo que decide es el tamaño de la desviación (histograma, gráfico Q-Q, asimetría), no el p-valor.
- W (el estadístico): cuanto más cerca de 1, mejor se ajustan tus datos a la curva normal. Valores claramente por debajo de .90 en muestras medianas suelen corresponder a una desviación que ya se ve a simple vista en el histograma.
- p (la significación): probabilidad de observar esa desviación si los datos fueran perfectamente normales. Mide detectabilidad, no gravedad. Con n grande detecta desviaciones triviales; con n pequeña no detecta ni las importantes.
- Cómo se reporta: W(87) = .97, p = .023. Es decir, W con los grados de libertad (que en la salida de SPSS son tu n) y el p exacto a tres decimales.
Con eso ya puedes leer la tabla. El resto del artículo es lo que casi nadie te explica: qué hacer cuando ese p sale por debajo de .05 y cómo defender tu decisión.
Es una de las situaciones más frecuentes en tesis doctorales: llevas semanas recopilando datos, ejecutas el análisis en SPSS o R, y antes de lanzar la prueba t o el ANOVA compruebas el supuesto de normalidad como te enseñaron. La prueba de Shapiro-Wilk da p = .018. O el Kolmogorov-Smirnov da p = .034. Y entonces te quedas bloqueado, porque eso significa que tus datos "no son normales" y no sabes si puedes seguir adelante. Llamas a un compañero, buscas en foros, y recibes respuestas contradictorias. Alguien te dice que cambies a la U de Mann-Whitney. Otro dice que con n > 30 no importa. Tu director te manda un email críptico con un enlace a un artículo de 2008.
El problema no está en tus datos. Está en cómo se suele enseñar (y malinterpretar) la prueba de normalidad. Este artículo existe para que la próxima vez que veas un Shapiro-Wilk significativo sepas exactamente lo que significa, lo que no significa, y cómo justificar tu decisión estadística ante cualquier revisor o tribunal.
El error clásico: tratar p < .05 como una sentencia de muerte
El error de interpretación más frecuente es tratar el resultado de una prueba de normalidad como un semáforo binario: p ≥ .05 = datos normales, puedo usar tests paramétricos; p < .05 = datos no normales, tengo que cambiar a no paramétricos. Esta lógica parece razonable pero es fundamentalmente incorrecta, por razones que tienen que ver con cómo funcionan las pruebas de hipótesis en general. Es la misma confusión que está detrás de la mayoría de los errores frecuentes al interpretar resultados estadísticos: leer el p-valor como si midiera la magnitud de algo.
Una prueba de normalidad como Shapiro-Wilk responde a una pregunta muy específica: ¿son estos datos estadísticamente incompatibles con una distribución normal perfecta? La palabra clave es "estadísticamente". El p-valor no mide cuánto se desvían tus datos de la normalidad. Mide la probabilidad de obtener esa desviación por azar si los datos fueran perfectamente normales. Y esa probabilidad depende crucialmente de algo que no tiene nada que ver con la forma de tu distribución: el tamaño muestral.
Por qué Shapiro-Wilk falla con muestras grandes y pequeñas
Con muestras grandes (digamos, n > 100), Shapiro-Wilk tiene muchísima potencia estadística. Tanto que detecta desviaciones de la normalidad que son absolutamente triviales desde el punto de vista práctico. Si tienes 300 participantes y tus datos tienen una asimetría de 0.12 (prácticamente inapreciable visualmente), Shapiro-Wilk puede rechazar la hipótesis nula de normalidad y darte p = .004. ¿Eso significa que no puedes usar ANOVA? No. Significa que tus datos no son perfectamente normales en el sentido matemático estricto. Ningún conjunto de datos del mundo real lo es.
El problema contrario ocurre con muestras pequeñas. Con n = 15 o n = 20, Shapiro-Wilk tiene poca potencia, lo que significa que puede no detectar desviaciones importantes de la normalidad. Con muestras pequeñas puedes obtener p = .23 aunque tu distribución tenga sesgo moderado, simplemente porque el test no tiene energía suficiente para detectarlo. Aquí sí habría que preocuparse por la normalidad, pero el test te da una falsa tranquilidad.
En resumen: Shapiro-Wilk dice "sí" cuando la muestra es pequeña (no importa cómo sean los datos) y dice "no" cuando la muestra es grande (no importa que los datos sean casi normales). Es un test cuya utilidad práctica para tomar decisiones sobre qué análisis usar es bastante limitada.
El Teorema Central del Límite: lo que realmente protege tu análisis
La razón por la que los tests paramétricos son robustos a la no-normalidad en muestras moderadas-grandes es el Teorema Central del Límite (TCL). Este teorema establece que, independientemente de la distribución de los datos individuales, la distribución muestral de la media converge hacia una distribución normal a medida que aumenta el tamaño muestral. Con n ≥ 30 por grupo, esta convergencia es generalmente suficiente para que la prueba t y el ANOVA funcionen bien incluso si los datos originales tienen cierta asimetría o curtosis.
Esto es lo que tu director de tesis quería decirte con aquel email. Y es también lo que la mayoría de los libros de texto no explican con suficiente claridad: el supuesto de normalidad en la prueba t y el ANOVA se refiere a la distribución de los residuos o de los errores del modelo, no a la distribución de los datos brutos. Y gracias al TCL, ese supuesto se cumple de manera aproximada con muestras de tamaño razonable incluso cuando los datos originales se alejan de la normalidad.
La regla general que utilizan la mayoría de estadísticos aplicados: con n ≥ 30 por grupo, puedes proceder con tests paramétricos aunque Shapiro-Wilk sea significativo, siempre que no haya desviaciones extremas (distribuciones bimodales marcadas, asimetría severa como la que aparece en datos de tiempo de reacción sin transformar, o outliers extremos). Con n < 20 por grupo, merece la pena evaluar la normalidad con más cuidado. Entre 20 y 30, el criterio es el grado de desviación.
Qué mirar en lugar de (o además de) Shapiro-Wilk
La evaluación visual de la distribución es más informativa que cualquier test formal, especialmente con muestras moderadas. Los tres gráficos que más información aportan son:
Histograma: Te permite ver la forma general de la distribución. Busca si es aproximadamente simétrica y unimodal. Una asimetría leve es normal en datos psicológicos. Una distribución claramente bimodal o con una cola muy larga es una señal de alerta real.
Gráfico Q-Q (cuantil-cuantil): Compara los cuantiles de tus datos con los cuantiles teóricos de una distribución normal. Si los puntos siguen aproximadamente la línea diagonal, los datos son suficientemente normales. Desviaciones en los extremos de la distribución (en las colas) son las más problemáticas. Este gráfico es especialmente útil con muestras medianas.
Estadísticos de asimetría y curtosis: Valores de asimetría entre -1 y +1 son generalmente aceptables para tests paramétricos. Valores absolutos superiores a 2 indican una desviación que merece atención. La curtosis es menos crítica que la asimetría en la mayoría de situaciones.
Si quieres una lectura inmediata de tus resultados de normalidad, el intérprete de normalidad analiza tus estadísticos y te da una conclusión aplicable directamente.
Cuándo sí importa la normalidad
No quiero que este artículo te lleve al extremo opuesto: ignorar completamente los supuestos. Hay situaciones en las que la no-normalidad sí es un problema real:
Muestras pequeñas (n < 20 por grupo): Con muestras pequeñas, el TCL no garantiza la robustez y la forma de la distribución puede afectar a los resultados. Aquí tiene sentido evaluar cuidadosamente la distribución y considerar alternativas no paramétricas o tests robustos si hay desviaciones claras. Si acabas cambiando de prueba, el árbol de decisión para elegir el test estadístico te ahorra dar vueltas.
Distribuciones extremadamente asimétricas o bimodales: Si tus datos de tiempo de reacción tienen una cola derecha enorme, si tus puntuaciones de ansiedad se concentran todas en los valores bajos con muy pocos valores altos, o si tu distribución tiene dos picos distintos, los tests paramétricos pueden no ser apropiados independientemente del tamaño muestral.
Outliers extremos: Un único dato muy alejado de la distribución puede inflar la varianza y distorsionar las medias. Aquí el problema no es la normalidad en sí, sino la influencia desproporcionada de observaciones atípicas. La solución no es siempre cambiar a no paramétricos, sino investigar el origen del outlier y decidir si tiene sentido incluirlo.
Análisis de correlación de Pearson con muestras pequeñas: La correlación de Pearson asume normalidad bivariada. Con muestras pequeñas, si una de las variables está muy sesgada, conviene usar Spearman o transformar la variable.
Cómo argumentarlo ante tu director o un revisor
Ésta es la parte práctica que más interesa a quien está terminando una tesis. Si has obtenido un Shapiro-Wilk significativo y has decidido mantener los tests paramétricos, así es como lo justificas:
Ante tu director: "La prueba de Shapiro-Wilk da p = .023, pero el tamaño muestral (n = 87) explica en parte la sensibilidad del test. La inspección visual mediante histograma y gráfico Q-Q no muestra desviaciones sustanciales de la normalidad: la distribución es ligeramente asimétrica (As = 0.41) pero dentro de rangos aceptables. Dado el tamaño muestral, el Teorema Central del Límite garantiza robustez del ANOVA. En cualquier caso, repliqué el análisis con la alternativa no paramétrica de Kruskal-Wallis y los resultados son consistentes."
Ante un revisor de revista: En el apartado de análisis de datos de tu método incluyes algo como: "Se verificaron los supuestos estadísticos antes de los análisis principales. Aunque la prueba de Shapiro-Wilk fue estadísticamente significativa en algunas variables, la inspección visual de histogramas y gráficos Q-Q no reveló desviaciones sustanciales de la normalidad, y los índices de asimetría y curtosis se mantuvieron dentro de rangos aceptables (|As| < 1, |Cu| < 2). Dado el tamaño muestral (n = 87 por grupo), se procedió con los análisis paramétricos planificados. Los análisis paralelos con métodos no paramétricos producen conclusiones equivalentes."
Esta justificación cumple todos los requisitos: reconoce el resultado del test formal, explica por qué no es determinante, aporta evidencia visual, apela al TCL y demuestra robustez mediante análisis paralelo.
Antes de enviarlo: el párrafo de supuestos es de las primeras cosas que mira un revisor metodológico, y muchos rechazos empiezan justo ahí. Si ya tienes el manuscrito escrito, pásalo por el Revisor Q1: es una pre-revisión gratuita estilo Reviewer 2 que te devuelve por escrito las objeciones que levantarían tu apartado de método y tus análisis, para que las resuelvas tú antes de que las escriba la revista.
Una tabla para tomar decisiones rápidas
| Situación | Shapiro-Wilk | Qué hacer |
|---|---|---|
| n > 50, distribución visual aceptable | Significativo | Proceder con test paramétrico. Mencionar en método. |
| n = 30 a 50, asimetría moderada | Significativo | Paramétrico + replicar con no paramétrico. Informar consistencia. |
| n < 20, asimetría o bimodalidad clara | Cualquiera | No paramétrico o test robusto. Justificar elección. |
| n > 100, desviación trivial | Muy significativo | Ignorar test formal. Decisión por inspección visual. |
| Outliers extremos detectados | Cualquiera | Investigar outliers antes de decidir el test. |
Qué hacer en la práctica: una secuencia de pasos
En lugar de empezar con Shapiro-Wilk, te propongo esta secuencia para evaluar el supuesto de normalidad de forma eficiente:
Paso 1: Calcula n por grupo. Si n ≥ 30 en todos los grupos, el TCL te protege en la mayoría de casos. Puedes avanzar con relativa confianza.
Paso 2: Inspecciona visualmente histograma y Q-Q plot. Busca asimetría marcada, bimodalidad o colas muy pesadas. Si visualmente parece razonablemente normal, adelante.
Paso 3: Revisa asimetría y curtosis. Valores de |As| < 1 son cómodos. Entre 1 y 2, hay cierta desviación pero generalmente manejable. Valores absolutos > 2 merecen reflexión.
Paso 4: Si hay duda, ejecuta el análisis principal Y la alternativa no paramétrica. Si ambos dan los mismos resultados sustantivos, el problema de normalidad no afecta a tus conclusiones. Y si terminas informando la no paramétrica, aquí tienes cómo reportar Mann-Whitney, Wilcoxon y Kruskal-Wallis en APA 7 sin que te lo devuelvan.
Paso 5: Documenta todo en la sección de método. Un párrafo breve explicando cómo verificaste los supuestos y qué encontraste demuestra rigor metodológico y te protege ante revisores.
Para el conjunto completo de supuestos estadísticos (no solo normalidad, sino también homocedasticidad, independencia y linealidad), el artículo sobre cómo verificar supuestos estadísticos en SPSS y R tiene una checklist completa con código incluido. Y si no tienes claro qué test usar una vez que has decidido cómo manejar los supuestos, el selector de test estadístico te guía paso a paso.
Si estás en la fase de análisis de tu tesis doctoral y la situación de los supuestos te está generando dudas sobre si el enfoque que sigues es el correcto, en mi consultoría estadística para tesis doctorales revisamos juntos los diagnósticos y construimos una justificación metodológica sólida que puedas defender ante el tribunal o un comité editorial.