distribución normal mapa mental

Comprender el tema

La distribución normal, también llamada campana de Gauss, es un modelo continuo de probabilidad que describe muchas variables naturales y sociales, como la altura o los errores de medición. Queda definida por dos parámetros, la media y la desviación típica, y su forma es simétrica alrededor de la media. Este recurso organiza sus propiedades, la regla empírica, la estandarización y sus aplicaciones en estadística y economía.

Qué significa que la distribución sea normal
Decir que una variable sigue una distribución normal significa que sus valores se concentran alrededor de la media y se hacen cada vez más raros a medida que se alejan de ella, de forma simétrica. No implica que la variable sea «normal» en el sentido cotidiano de habitual o correcta. Muchas variables biológicas, como la altura de adultos de un mismo sexo, se ajustan bien a este modelo, pero otras, como los ingresos, presentan asimetría y no deben describirse como normales sin comprobarlo.

El papel de la media y la desviación típica
Los dos parámetros lo determinan todo en una normal. La media μ sitúa el centro de la campana, mientras que la desviación típica σ controla cuánto se dispersan los datos. Dos normales con la misma media pero distinta σ tienen el mismo centro, pero una es más estrecha y la otra más ancha. Por eso, comparar puntuaciones de pruebas distintas exige tipificar: convertir cada valor en un Z que expresa cuántas desviaciones típicas se aleja de la media y permite comparar sobre una escala común.

La regla empírica y sus límites
La regla 68-95-99,7 es una aproximación muy práctica: en una normal, cerca del 68 % de los datos caen a menos de una desviación típica de la media, alrededor del 95 % a menos de dos y aproximadamente el 99,7 % a menos de tres. Sirve para detectar valores atípicos con rapidez, pero conviene recordar que solo es válida si la variable se comporta realmente como una normal. Con distribuciones asimétricas o con colas pesadas, estos porcentajes no se cumplen y el análisis puede inducir a error.

Del teorema central del límite a la práctica
La importancia de la normal en estadística se explica en gran parte por el teorema central del límite: cuando se toman muestras suficientemente grandes, las medias muestrales tienden a distribuirse de forma aproximadamente normal, aunque la variable original no lo sea. Esto justifica el uso de intervalos de confianza y contrastes de hipótesis en economía, control de calidad y ciencias sociales. Aun así, el tamaño de muestra necesario depende del grado de asimetría de los datos originales, por lo que el resultado debe interpretarse con cautela.