La distribución normal, también llamada campana de Gauss, es la más importante de la estadística. Modela muchísimos fenómenos naturales: altura, peso, notas de exámenes, errores de medición, tiempos de reacción. En esta guía vas a entender por qué es tan común, cómo se usa y cómo calcular probabilidades con ella.
¿Qué es la distribución normal?
Es una distribución de probabilidad continua con forma de campana simétrica. Está definida por dos parámetros: la media μ (el centro de la campana) y el desvío estándar σ (qué tan "ancha" es).
Media = μ Desvío estándar = σ
Si σ es chico, los datos están concentrados cerca de la media (campana alta y angosta). Si σ es grande, los datos están más dispersos (campana baja y ancha).
Por qué aparece tanto: el teorema del límite central
La razón por la que tantas variables siguen una distribución normal es el teorema del límite central: cuando sumás muchas variables aleatorias independientes, el resultado tiende a una distribución normal sin importar la forma original de cada variable. Por eso la altura (que depende de muchos genes y factores) y el error de medición (suma de muchos pequeños errores) son normales.
La distribución normal estándar (Z)
Cualquier normal puede "estandarizarse" restando la media y dividiendo por el desvío. El resultado es una normal estándar con μ=0 y σ=1. Esto permite usar una sola tabla (la tabla Z) para cualquier distribución normal.
Z = (x − μ) / σ
El valor de Z indica cuántos desvíos estándar por encima (Z>0) o por debajo (Z<0) de la media está el valor x. Por ejemplo, Z=2 significa que x está 2 desvíos por encima de la media.
Calcular el puntaje Z
En una prueba con media 100 y desvío 15 (como el CI), un valor de 130: Z = (130 − 100) / 15 = 30 / 15 = 2 Es decir, 130 está 2 desvíos por encima de la media. Solo el 2,28% de la población supera ese valor.La regla empírica 68-95-99.7
Es la propiedad más útil de la distribución normal y permite estimar probabilidades sin necesidad de tablas:
- ~68% de los datos están entre μ−σ y μ+σ (1 desvío de cada lado).
- ~95% están entre μ−2σ y μ+2σ.
- ~99,7% están entre μ−3σ y μ+3σ.
- Por eso valores con |Z| > 3 se consideran atípicos (están fuera del 99,7% central).
Aplicar la regla 68-95-99.7
Supongamos que la altura de adultos tiene μ=170 cm y σ=10 cm. 68% están entre 160 cm y 180 cm. 95% están entre 150 cm y 190 cm. 99,7% están entre 140 cm y 200 cm. Una persona de 205 cm estaría en el 0,15% más alto (atípico).Cálculo de probabilidades
Para calcular P(X ≤ x) (probabilidad de que la variable sea menor o igual que x):
- Estandarizar: calcular Z = (x − μ) / σ.
- Buscar Φ(Z) en la tabla de la normal estándar (o usar la calculadora).
- El valor obtenido es la probabilidad buscada.
Calcular P(X ≤ 115) con μ=100 y σ=15
Z = (115 − 100) / 15 = 1 Buscamos Φ(1) en la tabla Z. Φ(1) = 0,8413 = 84,13% Es decir, el 84,13% de los casos están por debajo de 115. Equivalente: solo el 15,87% están por encima.Aplicaciones de la distribución normal
- Control de calidad: detectar productos fuera de especificación.
- Psicología y educación: puntajes de CI, notas estandarizadas.
- Economía: rendimientos de inversiones, inflación.
- Medicina: presión arterial, glucemia, peso al nacer.
- Inferencia estadística: base de tests de hipótesis y intervalos de confianza.
- Aprendizaje automático: muchos modelos asumen normalidad.
La campana de Gauss es el modelo de "lo normal"
Cuando algo es "normal" (en el sentido estadístico), está cerca del promedio y dentro de los límites esperables. La distribución normal le da forma matemática a esa idea intuitiva. Por eso los valores extremos (|Z|>2 o >3) llaman la atención: son atípicos.
Errores comunes
- Olvidar estandarizar antes de usar la tabla Z (hay que calcular Z primero).
- Confundir P(X ≤ x) con P(X = x). En distribuciones continuas, P(X = x) = 0.
- Olvidar que Z puede ser negativo (la tabla a veces solo da Z positivos).
- Aplicar la regla 68-95-99.7 a distribuciones que NO son normales.
Ejercicios resueltos paso a paso
Tres ejercicios típicos de examen que cubren los casos que más se preguntan.
Ejercicio 1: Alturas (P entre dos valores)
Las alturas de los estudiantes tienen μ = 170 cm y σ = 8 cm. ¿Qué porcentaje mide entre 162 y 178 cm? Z₁ = (162−170)/8 = −1 y Z₂ = (178−170)/8 = 1. P(−1 ≤ Z ≤ 1) ≈ 0,6827 (regla 68). Aproximadamente el 68,3% de los estudiantes.Ejercicio 2: Notas (cola superior)
Un examen tuvo μ = 6,2 y σ = 1,5. Los que sacan más de 8 aprueban con distinción. Z = (8−6,2)/1,5 = 1,2. P(Z > 1,2) = 1 − Φ(1,2) = 1 − 0,8849 = 0,1151. Cerca del 11,5% obtiene distinción.Ejercicio 3: Detectar atípicos
Una máquina llena botellas con μ = 500 ml y σ = 5 ml. Una botella de 516 ml: Z = (516−500)/5 = 3,2. Como Z > 3, está fuera del 99,7% central: valor atípico. Probabilidad de que ocurra por azar: menos de 0,07% → conviene revisar la máquina.Estandarización de notas: el puntaje Z en educación
Cuando las notas de dos materias tienen distinta dificultad, compararlas directo es injusto. La solución es estandarizar: convertir cada nota a su puntaje Z y comparar cuántos desvíos está cada una por encima de su promedio. Un 8 en una materia con μ = 6 y σ = 2 da Z = 1; un 7 en otra con μ = 5 y σ = 1 da Z = 2. El 7 "peor" en valor absoluto es en realidad el mejor resultado relativo. Universidades y sistemas de admisión de medio mundo usan exactamente este principio.
Resumen
La distribución normal es la más usada en estadística por el teorema del límite central. Se define con media μ y desvío σ. Para calcular probabilidades se estandariza con Z = (x − μ)/σ y se usa la tabla Z. La regla empírica 68-95-99.7 resume los casos más útiles: 68% a 1 desvío, 95% a 2, 99,7% a 3. Es la base de la inferencia estadística y aparece en innumerables contextos naturales y sociales.