Calculadora de probabilidad normal

¿Qué es la calculadora de probabilidad normal?

Esta calculadora encuentra probabilidades de la distribución normal (Gaussiana) con cualquier media y desviación estándar. A diferencia de la Tabla Z, que solo maneja la normal estándar N(0,1), esta maneja cualquier distribución normal N(μ, σ).

Dado: Media (μ), desviación estándar (σ), y un valor o rango Retorna: La probabilidad de que una variable normalmente distribuida caiga dentro de ese rango

Tipos de cálculos de probabilidad

P(X < x): Cola inferior

"¿Cuál es la probabilidad de puntuar por debajo de 85?"

Dado X ~ N(70, 12): P(X < 85) = ?

P(X > x): Cola superior

"¿Cuál es la probabilidad de puntuar por encima de 85?"

P(X > 85) = 1 - P(X < 85)

P(a < X < b): Entre dos valores

"¿Cuál es la probabilidad de puntuar entre 65 y 75?"

P(65 < X < 75) = P(X < 75) - P(X < 65)

Cómo funciona

Estandarización

Cualquier problema normal se convierte a la normal estándar:

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

Luego usa la función de distribución acumulada (FDA) normal estándar.

Ejemplo

Las estaturas son N(170, 8) cm. ¿Cuál es P(estatura < 180)?

z = (180 - 170) / 8 = 1,25 P(Z < 1,25) = 0,894

Aproximadamente 89,4% de las personas son más bajas que 180 cm.

Aplicaciones

Control de calidad

"Los pernos tienen diámetro N(10mm, 0,1mm). ¿Qué fracción cae fuera de 9,8-10,2mm?"

P(X < 9,8) + P(X > 10,2) = P(|X - 10| > 0,2)

Esta es la tasa de rechazo.

Puntuación de exámenes

"Las puntuaciones SAT son N(1060, 195). ¿Qué puntuación es el percentil 90?"

Encuentra x donde P(X < x) = 0,90 (Este es el problema inverso—usa la Calculadora normal inversa)

Evaluación de riesgo

"Los rendimientos anuales son N(8%, 15%). ¿Cuál es la probabilidad de una pérdida?"

P(X < 0%) = ?

Capacidad del proceso

"La media del proceso es 50, DE es 2. Las especificaciones son 45-55. ¿Cuál es la tasa de defectos?"

P(X < 45) + P(X > 55) = fracción fuera de especificaciones

Biología y medicina

"Presión arterial N(120, 10). ¿Qué proporción es 'alta' (>140)?"

P(X > 140) = P(Z > 2) ≈ 0,023

Aproximadamente 2,3% de esta población tiene presión arterial alta.

La distribución normal

La distribución normal se caracteriza por:

• Media (μ): Centro de la distribución
• Desviación estándar (σ): Dispersión
• Curva en forma de campana: Simétrica alrededor de la media
• Probabilidad por área: Área total = 1

La función de densidad de probabilidad:

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

Raramente necesitas esta fórmula—la calculadora la maneja.

Propiedades clave

Simetría

$P(X < \mu - a) = P(X > \mu + a)$

Las colas son imágenes especulares.

La regla 68-95-99,7

• $P(\mu - \sigma < X < \mu + \sigma) \approx 0,68$
• $P(\mu - 2\sigma < X < \mu + 2\sigma) \approx 0,95$
• $P(\mu - 3\sigma < X < \mu + 3\sigma) \approx 0,997$

Transformaciones lineales

Si X ~ N(μ, σ), entonces:

• aX + b ~ N(aμ + b, |a|σ)

Escalar y desplazar variables normales preserva la normalidad.

Suma de normales

Si $X \sim N(\mu_1, \sigma_1)$ e $Y \sim N(\mu_2, \sigma_2)$ son independientes:

$X + Y \sim N(\mu_1 + \mu_2, \sqrt{\sigma_1^2 + \sigma_2^2})$

Desarrollo histórico

Abraham de Moivre (1733) descubrió primero la curva normal mientras aproximaba distribuciones binomiales.

Carl Friedrich Gauss (1809) la aplicó a errores de medición en astronomía, dándole el nombre "distribución Gaussiana."

Pierre-Simon Laplace desarrolló la teoría más, conectándola con el Teorema del Límite Central.

Adolphe Quetelet (1835) aplicó la distribución normal a mediciones humanas, estableciéndola como el modelo por defecto para variación biológica.

¿Cuándo aplica la normal?

La distribución normal frecuentemente describe:

• Mediciones físicas (estaturas, pesos)
• Errores de medición
• CI y puntuaciones de exámenes estandarizados
• Muchos fenómenos naturales

Puede NO aplicar cuando:

• Los datos están acotados (porcentajes, conteos)
• La distribución está sesgada (ingresos, tiempos de reacción)
• Existen colas pesadas (rendimientos financieros)

Las calculadoras de asimetría y curtosis ayudan a evaluar normalidad.

Teorema del límite central

Incluso cuando los datos individuales no son normales, las medias muestrales tienden hacia la normalidad:

Si $X_1, X_2, \ldots, X_n$ son independientes con media $\mu$ y DE $\sigma$:

$\bar{X} \sim N\left(\mu, \frac{\sigma}{\sqrt{n}}\right)$ (aproximadamente, para n grande)

Esto justifica usar probabilidades normales para inferencia incluso con datos no normales, dado un tamaño de muestra adecuado.

Relación con otras distribuciones

Normal estándar: N(0,1) es el caso especial μ=0, σ=1

Lognormal: Si log(X) ~ Normal, entonces X es lognormal

Chi-cuadrado: Suma de normales estándar al cuadrado

t de Student: Normal estándar dividida por √(χ²/gl)

Distribución F: Razón de chi-cuadrados

Métodos computacionales

La FDA normal no tiene solución de forma cerrada—requiere integración numérica o aproximación. Las calculadoras modernas usan:

• Expansiones de series de Taylor
• Aproximaciones de función racional
• Fracciones continuas

La función de error (erf) es matemáticamente equivalente a la FDA normal.

Cálculos relacionados

• Calculadora de tabla Z — Solo normal estándar
• Calculadora de puntuación Z — Convertir a puntuaciones z
• Calculadora normal inversa — Encontrar valor a partir de probabilidad
• Calculadora de valor p desde puntuación Z — Pruebas de hipótesis
• Calculadora de probabilidad binomial — Alternativa discreta

Resumen

La calculadora de probabilidad normal encuentra probabilidades de cualquier distribución normal especificando media, desviación estándar, y el(los) valor(es) de interés. Desde control de calidad hasta puntuación de exámenes hasta evaluación de riesgo, las probabilidades normales responden preguntas sobre qué fracción de una población cae dentro de rangos especificados. La calculadora maneja la estandarización subyacente y la integración numérica, proporcionando resultados de probabilidad inmediatos para cualquier distribución normal.