ES

Calculadora de distribución normal (puntuación z)

La distribución normal — la famosa campana de Gauss — describe multitud de fenómenos: estaturas, errores de medida, resultados de test, control de calidad. Da la media μ y la desviación típica σ y obtén la probabilidad de que un valor caiga por debajo, por encima o entre dos límites — o al revés: el valor umbral para una probabilidad dada.

La puntuación z expresa una distancia a la media en número de desviaciones típicas: z = (x − μ)/σ. Reduce cualquier distribución normal a la normal estándar N(0, 1), la de las tablas. z = 0 es la media, z = 2 son dos desviaciones típicas por encima.

Parámetros

Distribución y pregunta

Cambia de modo y vuelve a calcular para adaptar los campos.

Estrictamente positiva.

P(X < x) — por debajo de x

Resultado

  • P(X < x) (x = 1,960) 0,9750
Media μ 0,0000
Desviación típica σ 1,0000
Valor x 1,9600
Puntuación z z = (x − μ)/σ 1,9600
P(X < x) 0,9750 (97,5002 %)
P(X > x) 0,0250 (2,4998 %)

z = (x − μ) / σ · P(X < x) = Φ(z)

Entender la campana de Gauss

Una distribución normal queda determinada por dos números: su media μ (la cima de la campana) y su desviación típica σ (su anchura). Nada más. Con esos dos parámetros se dibuja toda la curva, se leen todas las probabilidades, se recuperan todos los cuantiles.

La curva es simétrica. Igual de probable por debajo que por encima de la media. Las colas se acercan al eje sin tocarlo nunca: en teoría un valor puede estar a diez σ, aunque la probabilidad sea ridícula. En la vida real los datos están acotados — nadie mide 3 m, nadie saca un −4 en un examen de 0 a 10 — y aun así el modelo funciona mientras uno no le pida las colas extremas.

Ahora bien, «funciona» no quiere decir «es la verdad». La normal es un molde. Estaturas de una cohorte, errores de un calibre, residuos de una regresión: se parecen a la campana. Rentas, tiempos de espera, tamaños de ciudad: no. Antes de calcular, mire si la serie de la estadística descriptiva tiene media ≈ mediana ≈ moda. Si las tres se parecen, el molde vale. Si no, está forzando una campana donde hay una cola.

La puntuación típica z y la función Φ

Para leer una probabilidad, primero se convierte el valor x en una puntuación típica z: cuántas desviaciones típicas lo separan de la media. z = 0 es la media. z = 2 son dos σ por encima. z = −1,5 es una y media por debajo. Da igual que μ valga 100 y σ valga 15 o que μ valga 5 y σ valga 2: la z reduce cualquier N(μ, σ²) a la normal estándar N(0, 1), la de las tablas de Bachillerato.

z = (x − μ) / σ  ·  P(X < x) = Φ(z)  ·  P(X > x) = 1 − Φ(z)

Φ (phi mayúscula) es la función de distribución de N(0, 1): el área bajo la campana a la izquierda de z. No tiene primitiva elemental; se tabula o se aproxima. Esta página aproxima Φ con la función de error y, en el otro sentido, el cuantil Φ⁻¹ con el algoritmo de Acklam.

Fíjese en el signo. Un z negativo no es un error: es un valor por debajo de la media. P(X < x) sigue siendo Φ(z), menor que 0,5. Quien se trague el signo y mire «2» en la tabla cuando z vale −2 está leyendo la cola contraria.

La regla 68 – 95 – 99,7

Tres cifras que conviene saber de memoria, porque salen en cada control de calidad y en cada comentario de un gráfico:

  • 68 % de los valores caen a ± 1 σ de la media (más fino: 68,27 %);
  • 95 % a ± 2 σ — en rigor, ± 1,96 σ para clavar el 95 %;
  • 99,7 % a ± 3 σ.

Un valor más allá de 3 σ se considera raro: menos del 0,3 % de probabilidad, las dos colas juntas. En control industrial, un punto fuera de ± 3 σ enciende la alarma. En un test de CI, tres σ por encima de 100 son 145: territorio de un millar de personas entre un millón, no de una clase.

El 95 % «redondo» de los intervalos de confianza no usa z = 2, usa z = 1,96. En concreto, el modo cuantil de esta página con p = 0,975 (porque el 5 % se parte en dos colas) devuelve z ≈ 1,960. Con p = 0,95, una sola cola, sale 1,645. No es el mismo número. Mezclarlos es el clásico de un examen.

CI, escalas Wechsler y el umbral 130

Las escalas Wechsler de inteligencia —WAIS, WISC, las que se pasan en orientación y en clínica— se calibran a N(100, 15²). Media 100, desviación típica 15. Un 130 no es «un 30 % más listo»: es z = (130 − 100) / 15 = 2. Área a la derecha: Φ(−2) ≈ 0,0228. Alrededor del 2,3 % de la población de referencia.

  1. Por encima de 130 — modo «P(X > x)», μ = 100, σ = 15, x = 130. z = 2 → ≈ 2,28 %.
  2. Intervalo central ± 1 σ — modo «entre», a = 85, b = 115. z de −1 a +1 → ≈ 68,27 %.
  3. El 90 % inferior — modo «cuantil», p = 0,90. z ≈ 1,282 → x ≈ 119,2. Quien saca 119 deja por debajo al 90 % de la calibración.

La misma cuenta vale para un examen que el profesor haya tipificado. Si las notas de una EvAU de Matemáticas se parecen a N(5,5 ; 2,0) sobre 10, un 9 es z = (9 − 5,5) / 2 = 1,75 y P(X > 9) ≈ 4,0 %. Un 4 es z = −0,75 y deja por debajo al 23 %. A saber: el modelo se rompe en 0 y en 10, que cortan las colas. Para el grueso de la clase, aguanta.

El teorema central del límite: por qué sale la campana

La pregunta incómoda: ¿por qué tantas cosas parecen normales? Porque muchas son sumas. El teorema central del límite (TCL) dice, en cristiano, que la media (o la suma) de n observaciones independientes, de varianza finita, se parece a una normal cuando n crece. Da igual la distribución de partida, con tal de que no tenga colas imposibles.

Un error de medida es la suma de mil ruiditos. Una estatura, la de muchos genes y un ambiente. Una nota de examen, la de decenas de ítems. De ahí que la campana aparezca sin que nadie la haya pedido. No es magia: es un teorema de aproximación, y n tiene que ser «suficiente» — 30 suele citarse como umbral grosero; 10 a veces basta si la partida ya era simétrica; 100 puede no bastar si hay un Pareto detrás.

Con todo, el TCL habla de la media muestral, no de cada observación suelta. Las rentas individuales no se vuelven normales porque sume usted muchas declaraciones. La media de 400 declaraciones, sí. Confundir el dato con el promedio es el atajo que convierte un histograma torcido en una campana imaginaria.

Cuando la campana miente: rentas, notas recortadas, tiempos de espera

La renta en España no es normal. Es asimétrica a la derecha, casi lognormal o de Pareto en la cola alta: muchos sueldos cerca de la mediana, una minoría que tira la media. Aplicar N(μ, σ) a esa nube inventa un 2,5 % de millonarios por la cola derecha y, peor, un 2,5 % de sueldos negativos por la izquierda. El modelo no conoce el cero.

Las notas de un examen de 0 a 10 están recortadas. Si μ = 7 y σ = 2, la campana predice un 6 % por encima de 10 y un 0,02 % por debajo de 0. Ese 6 % no existe: se apila en el 10. En realidad el histograma tiene un muro. Lo mismo pasa con un porcentaje, una proporción, una saturación: el soporte no es la recta real.

Tiempos de espera, número de reclamaciones, tamaños de ciudad, descargas en una web: suelen ser exponenciales, de Poisson, de Zipf. La campana les queda ancha por un lado y corta por el otro. No obstante, la media de muchos de esos tiempos —el tiempo medio de 80 mostradores— sí puede parecerse a una normal, otra vez por el TCL. El truco es saber si está modelando el individuo o el promedio.

La probabilidad de esta página se calcula con una aproximación de la función de error (precisión ≈ 10⁻⁷) y un cuantil inverso de Acklam: de sobra para cualquier uso corriente, incluidos los de EvAU. Los últimos decimales pueden diferir de una tabla impresa. Y la distribución normal modela un fenómeno: nunca es más que una aproximación de datos concretos, acotados y, a menudo, un poco torcidos.

Una cola o dos: contrastes unilaterales y bilaterales

Un contraste al 5 % no es siempre z = 1,96. Depende de si se mira una cola o las dos.

  • Bilateral — «¿se ha movido la media, da igual hacia dónde?». Se parte el 5 % en dos: 2,5 % a cada lado. Los umbrales son z = ±1,96. Equivale a P(|Z| > 1,96) = 0,05. Es el intervalo de confianza del 95 % de toda la vida.
  • Unilateral — «¿ha subido?», o «¿ha bajado?», con dirección declarada de antemano. Todo el 5 % se pone en una cola. El umbral es z = 1,645 (o −1,645). P(Z > 1,645) = 0,05.

En concreto: modo cuantil, p = 0,975 → z ≈ 1,960 (bilateral al 95 %). p = 0,95 → z ≈ 1,645 (unilateral al 95 %). p = 0,995 → z ≈ 2,576 (bilateral al 99 %). La pregunta del enunciado decide el p, no al revés.

Cambiar de bilateral a unilateral a posteriori, cuando ya se ha visto el signo del resultado, es hacer trampas. El 5 % se habría gastado entero en la cola que convenía. Los tribunales de EvAU no perdonan ese baile; un artículo, menos.

La tabla de la N(0, 1) y esta página

En papel, Bachillerato trabaja con una tabla de Φ(z) a dos decimales. Se busca 1,96 y se lee 0,9750. Se busca 1,64 y se lee 0,9495, cerca de 0,95. Las colas muy lejanas (z = 3,5, z = 4) a veces ni figuran, o salen redondeadas a 1.

Esta página hace el mismo oficio sin interpolar a ojo entre dos filas. Introduce μ y σ, elige P(X < x), P(X > x), el intervalo o el cuantil, y obtiene z y la probabilidad juntas. De todas formas, conviene comprobar un par de valores de memoria — Φ(0) = 0,5, Φ(1) ≈ 0,8413, Φ(1,96) ≈ 0,9750 — para pillar un μ o un σ puestos al revés.

En resumidas cuentas: la tabla enseña el gesto; la calculadora ahorra el gesto cuando μ y σ no son 0 y 1. Lo que ninguna de las dos hace es contar combinaciones ni variaciones. Ahí no hay campana, hay recuento.

Calculadoras relacionadas