Intuición de la distribución normal: por qué la campana de Gauss está en todas partes

La campana de Gauss es el patrón más reutilizado de toda la estadística —la estatura, las puntuaciones de CI, el ruido de medición y decenas de fenómenos naturales se agrupan en torno a un promedio y se estrechan simétricamente. Este artículo te da primero la intuición, luego las fórmulas que realmente necesitas.

Qué significa "normal"

Una variable aleatoria $X$ se distribuye normalmente con media $\mu$ y desviación estándar $\sigma$ cuando su densidad sigue:

$f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\left(-\frac{(x - \mu)^2}{2\sigma^2}\right)$

No memorices eso —lo que importa es la forma: simétrica alrededor de $\mu$, con su pico ahí, cayendo rápidamente, siendo dos sigma ya notablemente poco común.

¿Por qué está en todas partes? El teorema central del límite

El teorema central del límite (TCL) es la razón. Dice: el promedio de muchas influencias aleatorias independientes tiende a una distribución normal, sin importar cómo se vea cada influencia individual.

La estatura, por ejemplo, está determinada por cientos de factores genéticos y ambientales, cada uno aportando una pequeña contribución independiente. La suma se aproxima a una campana de Gauss.

La regla 68-95-99.7

Para cualquier distribución normal, sin importar $\mu$ o $\sigma$:

• El 68% de los datos cae dentro de $\mu \pm 1\sigma$
• El 95% dentro de $\mu \pm 2\sigma$
• El 99.7% dentro de $\mu \pm 3\sigma$

Esta es la regla empírica. Memorízala —responde la mayoría de las preguntas de examen en 10 segundos.

Ejemplo resuelto

Las estaturas de hombres adultos en EE. UU. tienen $\mu \approx 70$ pulg y $\sigma \approx 3$ pulg. ¿Qué fracción de hombres mide entre 64 y 76 pulgadas?

Ese rango es $70 \pm 6 = 70 \pm 2\sigma$, así que el 95%.

Puntuaciones z: estandarizar cualquier normal

Para comparar valores entre distintas normales, conviértelos a una puntuación z:

$z = \frac{x - \mu}{\sigma}$

Una puntuación z es "a cuántas desviaciones estándar está de la media". Te permite usar la normal estándar $N(0, 1)$ para todos los problemas mediante tablas de consulta (o nuestra calculadora).

Ejemplo de puntuación z

Una puntuación de examen de $x = 85$ proviene de $N(75, 5)$. Su puntuación z es $z = (85 - 75)/5 = 2$. Por la regla empírica, solo $\approx 2.5\%$ de las puntuaciones superan esta.

Errores comunes

• Confundir $\sigma$ y $\sigma^2$: desviación estándar frente a varianza.
• Suponer que todos los datos son normales: ¡no lo son! Los ingresos, los tamaños de archivo y las magnitudes de los terremotos están muy sesgados. Traza siempre un histograma primero.
• Meter números brutos en la regla empírica —conviértelos primero a puntuaciones z.

Pruébalo con el Solucionador de distribución normal con IA

Usa el Solucionador de distribución normal para calcular probabilidades exactas —mejor que leer una tabla a ojo.

Referencias relacionadas:

• Calculadora de desviación estándar —el parámetro de dispersión
• Calculadora de puntuación z —para estandarizar
• Media / Mediana / Moda —fundamentos de la tendencia central