Una introducción clara a la distribución normal: que es, por que su gráfica forma una curva de campana simétrica, sus parámetros (media y desviación estándar), la regla empírica del 68-95-99.7 y su relación con la distribución normal estándar, con un ejemplo resuelto paso a paso.
¿Qué es la distribución normal?
La distribución normal, también llamada distribución gaussiana, es uno de los modelos de probabilidad más usados en estadística. Describe cómo se distribuyen muchas variables continuas que aparecen en la vida real: estaturas, tiempos de reacción, errores de medición o calificaciones de examen suelen comportarse de esta manera. Es un caso particular de variable aleatoria continua, y su gráfica es la conocida "curva de campana".
La forma de la curva de campana
La curva de la distribución normal es simétrica respecto a su centro. Esa simetría implica que la media \( \mu \), la mediana y la moda son exactamente el mismo valor. Además, el área total bajo la curva siempre vale \( 1 \), porque representa el 100% de la probabilidad de la variable.
Curva de la distribución normal estándar, con marcas en cada desviación estándar respecto a la media.
La forma exacta de la curva depende de dos parámetros: la media \( \mu \), que ubica el centro de la campana, y la desviación estándar \( \sigma \), que controla qué tan ancha o angosta se ve. Cuanto mayor es \( \sigma \), más plana y extendida resulta la curva; cuanto menor es \( \sigma \), más alta y estrecha.
La regla empírica (68 – 95 – 99.7)
Una herramienta muy útil al trabajar con la distribución normal es la regla empírica. Para cualquier distribución normal se cumple lo siguiente:
Aproximadamente el 68% de los datos caen entre \( \mu - \sigma \) y \( \mu + \sigma \).
Aproximadamente el 95% de los datos caen entre \( \mu - 2\sigma \) y \( \mu + 2\sigma \).
Aproximadamente el 99.7% de los datos caen entre \( \mu - 3\sigma \) y \( \mu + 3\sigma \).
Esto significa que un valor ubicado a más de tres desviaciones estándar de la media es extremadamente inusual. Esta idea es precisamente la base de la regla del evento raro, que se usa para decidir si un resultado observado es demasiado poco probable para haber ocurrido por azar.
Ejemplo resuelto
Supón que las calificaciones de un examen siguen una distribución normal con media \( \mu = 70 \) y desviación estándar \( \sigma = 8 \). Usando la regla empírica podemos estimar rápidamente en qué rangos caen la mayoría de las calificaciones:
El 68% de los estudiantes obtuvo entre \( 70 - 8 = 62 \) y \( 70 + 8 = 78 \) puntos.
El 95% de los estudiantes obtuvo entre \( 70 - 16 = 54 \) y \( 70 + 16 = 86 \) puntos.
El 99.7% de los estudiantes obtuvo entre \( 70 - 24 = 46 \) y \( 70 + 24 = 94 \) puntos.
Con solo conocer \( \mu \) y \( \sigma \), la regla empírica permite describir el comportamiento de todo el conjunto de datos sin necesidad de examinar cada calificación individualmente.
La distribución normal estándar
Cuando \( \mu = 0 \) y \( \sigma = 1 \), la distribución normal recibe el nombre de distribución normal estándar. Cualquier distribución normal puede transformarse a esta forma estándar calculando su puntuación z, un procedimiento explicado con detalle en variables normalizadas y variables aleatorias continuas. Esta transformación permite comparar valores de distintas distribuciones normales usando una sola tabla de referencia.