La Calculadora de Distribución Normal es una herramienta educativa diseñada para calcular de forma precisa la probabilidad acumulada P(X ≤ x) para cualquier valor en una distribución normal definida por su media (μ) y desviación estándar (σ). La herramienta genera un gráfico interactivo de la campana de Gauss y permite calcular los valores críticos Z para los niveles de confianza más utilizados (90%, 95%, 99%).
Esta calculadora es ideal para estudiantes de estadística, investigadores y profesionales que necesiten comprender las probabilidades asociadas a fenómenos con distribución normal, como alturas, puntuaciones de exámenes o errores de medición, entre otros.
📈 Calculadora de Distribución Normal (Campana de Gauss)
Calcula P(X ≤ x) para una variable aleatoria normal N(μ, σ) y visualiza la curva.
Media (μ)
Desviación estándar (σ)
Valor de la variable (x)
Cálculo de la probabilidad acumulada usando la aproximación de Abramowitz y Stegun (error < 0.00001).
Resultados instantáneos y gráfico dinámico actualizado en tiempo real.
Funciona perfectamente en ordenadores, tablets y móviles.
¿Qué es la distribución normal?
La distribución normal (también conocida como campana de Gauss o distribución gaussiana) es una de las distribuciones de probabilidad más importantes en estadística. Describe cómo se comportan muchos fenómenos naturales, económicos y sociales cuando las observaciones se concentran alrededor de un valor central (la media) y se dispersan simétricamente. Ejemplos típicos incluyen las alturas de una población, las puntuaciones en exámenes estandarizados (como el SAT o el CI) o los errores de medición en experimentos científicos.
La función de densidad de la distribución normal está definida por dos parámetros clave: la media (μ) que determina el centro de la curva, y la desviación estándar (σ) que controla su anchura y dispersión. Matemáticamente, la función de densidad es:
f(x) = (1 / (σ√(2π))) × e^(-(x – μ)² / (2σ²))
Aunque esta expresión puede parecer compleja, su interpretación es sencilla: la probabilidad de que la variable aleatoria tome un valor en un intervalo [a, b] corresponde al área bajo la curva entre a y b.
Distribución normal estándar y puntuaciones Z
Para simplificar los cálculos, cualquier variable normal X ~ N(μ, σ) puede transformarse en una distribución normal estándar Z ~ N(0, 1) mediante la tipificación o puntuación Z:
Z = (X – μ) / σ
Esta transformación permite utilizar tablas de la distribución normal estándar para calcular probabilidades para cualquier variable normal. La puntuación Z indica cuántas desviaciones estándar se aleja un valor X de la media. Un Z positivo indica que X está por encima de la media, mientras que un Z negativo indica que está por debajo.
Regla empírica 68-95-99.7
Una propiedad fundamental de la distribución normal es la regla empírica (o regla 68-95-99.7), que establece que[reference:0]:
- El 68% de los datos se encuentra a una distancia de 1 desviación estándar de la media (μ ± σ).
- El 95% de los datos se encuentra a una distancia de 2 desviaciones estándar de la media (μ ± 2σ).
- El 99.7% de los datos se encuentra a una distancia de 3 desviaciones estándar de la media (μ ± 3σ).
Esta regla es muy útil para hacer estimaciones rápidas sin necesidad de cálculos precisos.
Valores críticos Z
Los valores críticos Z son los puntos de corte en la distribución normal estándar que dejan un área específica en las colas. Son fundamentales en la construcción de intervalos de confianza y en la realización de pruebas de hipótesis. Los valores críticos más utilizados son[reference:1]:
- Nivel de confianza 90%: Z = 1.645
- Nivel de confianza 95%: Z = 1.960
- Nivel de confianza 99%: Z = 2.576
Estos valores se obtienen de la función inversa de la distribución acumulada, y esta calculadora puede ayudarte a calcular cualquier valor crítico.
Preguntas frecuentes sobre la distribución normal
¿Cómo se interpreta la probabilidad P(X ≤ x)?
P(X ≤ x) representa la probabilidad acumulada de que la variable aleatoria normal tome un valor menor o igual a x. Es el área bajo la curva de densidad a la izquierda de x. Por ejemplo, si P(X ≤ 170) = 0.8413, significa que el 84.13% de las observaciones se encuentran por debajo de 170.
¿Cómo se calcula la probabilidad entre dos valores?
Para calcular P(a ≤ X ≤ b), puedes restar las probabilidades acumuladas: P(a ≤ X ≤ b) = P(X ≤ b) – P(X ≤ a). Por ejemplo, si quieres la probabilidad entre 160 y 170, resta P(X ≤ 160) de P(X ≤ 170). Esta calculadora está diseñada para P(X ≤ x), pero puedes realizar este cálculo fácilmente con dos ejecuciones.
¿Qué es el Teorema Central del Límite?
El Teorema Central del Límite (TCL) es uno de los resultados más importantes de la estadística. Establece que, independientemente de la distribución de la población original, la distribución de las medias muestrales tiende a una distribución normal a medida que el tamaño de la muestra aumenta. Esto justifica el uso de la distribución normal en numerosas aplicaciones prácticas, incluso cuando los datos originales no son normales.
¿Cómo se calcula el percentil en una distribución normal?
El percentil p es el valor x_p tal que P(X ≤ x_p) = p/100. Por ejemplo, el percentil 95 es el valor que deja el 95% de los datos por debajo. Para calcularlo, se necesita la función inversa de la distribución acumulada (cuantil). Esta calculadora está optimizada para calcular probabilidades acumuladas, pero puedes encontrar el percentil mediante la fórmula x_p = μ + Z_p × σ, donde Z_p es el valor crítico correspondiente al percentil p.
¿Cómo afecta la desviación estándar a la forma de la curva?
La desviación estándar σ controla la dispersión de la distribución. Una σ pequeña produce una curva estrecha y alta (los datos se concentran cerca de la media), mientras que una σ grande produce una curva ancha y baja (los datos están más dispersos). La media μ desplaza la curva horizontalmente, pero no cambia su forma.
¿Cómo comprobar si mis datos siguen una distribución normal?
Existen varios métodos: el test de Shapiro-Wilk, el test de Kolmogorov-Smirnov, el gráfico Q-Q (quantile-quantile plot) o la regla empírica. Además, puedes representar tus datos en un histograma y comparar visualmente con la curva normal. Para datos que se desvían mucho de la normalidad, deberías considerar pruebas no paramétricas.
¿Qué es la curtosis y cómo se relaciona con la normal?
La curtosis mide la «altura» y «anchura» de las colas de una distribución. La distribución normal tiene una curtosis de 3 (mesocúrtica). Una curtosis mayor indica colas más pesadas y un pico más pronunciado (leptocúrtica), mientras que una curtosis menor indica colas más ligeras y una cima más aplanada (platicúrtica).
