Calculadora normal inversa

¿Qué es la calculadora normal inversa?

La función normal inversa (o cuantil) encuentra el valor correspondiente a una probabilidad dada. Mientras la Calculadora de probabilidad normal responde "¿Cuál es P(X < x)?", la inversa pregunta "¿Qué x tiene esta probabilidad debajo de él?"

Dado: Probabilidad (acumulativa), media, desviación estándar Retorna: El valor en ese percentil

Caso normal estándar

Para la normal estándar N(0,1):

Entrada: Probabilidad p Salida: z tal que P(Z < z) = p

Caso normal general

Para $X \sim N(\mu, \sigma)$:

Entrada: Probabilidad p, media μ, DE σ Salida: x tal que $P(X < x) = p$

$x = \mu + z \times \sigma$

Ejemplo: Las estaturas son N(170, 8) cm. ¿Qué estatura es el percentil 90?

z para p = 0,90 es 1,28 x = 170 + 1,28 × 8 = 180,2 cm

Aplicaciones

Encontrando percentiles

"¿Qué puntuación es el percentil 75?"

Si las puntuaciones son N(500, 100): z₀,₇₅ = 0,674 Puntuación = 500 + 0,674 × 100 = 567

Estableciendo puntos de corte

"¿Qué valor excluye el 5% superior?"

Encuentra x donde P(X > x) = 0,05, es decir, P(X < x) = 0,95 z₀,₉₅ = 1,645 x = μ + 1,645σ

Límites de control

"Establece límites que contengan el 99% de la variación normal."

$\text{Inferior: } \mu - 2,576\sigma \quad (p = 0,005)$ $\text{Superior: } \mu + 2,576\sigma \quad (p = 0,995)$

Valores críticos

Encontrando z* para intervalos de confianza:

El IC 95% usa z* = 1,96 (el valor en p = 0,975) El IC 99% usa z* = 2,576 (el valor en p = 0,995)

Calificando en curva

"Establece el corte para A en el percentil 90."

Si la media de la clase = 72, DE = 12: Corte A = 72 + 1,28 × 12 = 87,4

Intervalos bilaterales

Para intervalos simétricos que contienen probabilidad c:

Límite inferior: z en (1-c)/2 Límite superior: z en (1+c)/2

Ejemplo: Encuentra valores z que delimiten el 95%: Inferior: z₀,₀₂₅ = -1,96 Superior: z₀,₉₇₅ = +1,96

Contexto histórico

La función normal inversa se volvió esencial a medida que se desarrollaron las tablas estadísticas.

Karl Pearson y colegas compilaron tablas normales extensas a principios del 1900.

Leslie Fox y colegas (1953) desarrollaron aproximaciones numéricas eficientes para calcular normales inversas sin tablas.

Las calculadoras y software modernos usan aproximaciones de funciones racionales (por ejemplo, el algoritmo de Wichura, 1988) que proporcionan alta precisión en todo el rango.

Métodos computacionales

La normal inversa no tiene solución de forma cerrada. Los métodos incluyen:

Iteración de Newton-Raphson: Resolver Φ(z) - p = 0 iterativamente

Aproximaciones racionales: Razones polinomiales que aproximan la CDF inversa

Interpolación de tablas: Interpolación lineal o cúbica entre valores tabulados

Las implementaciones modernas usan aproximaciones racionales altamente precisas.

Probabilidades extremas

Para probabilidades muy cercanas a 0 o 1:

Estos cuantiles extremos importan en:

• Calidad Six Sigma (6σ = z ≈ 4,5)
• Evaluación de riesgo de cola
• Análisis de valores extremos

Relación con percentiles

La normal inversa da percentiles directamente:

$\text{Percentil} = 100 \times p$

Así que $z_{0,75} = 0,674$ es el percentil 75 de la normal estándar.

Para cualquier distribución normal, el percentil k-ésimo es:

$P_k = \mu + z_{k/100} \times \sigma$

Puntuaciones estándar y percentiles

(Asumiendo CI ~ N(100, 15) y SAT ~ N(500, 100))

Gráficos QQ

Los valores normales inversos se usan en gráficos QQ para evaluar normalidad:

1. Ordenar datos
2. Calcular cuantiles normales esperados para cada rango
3. Graficar observados vs. esperados
4. Una línea recta sugiere normalidad

Cálculos relacionados

• Calculadora de probabilidad normal — Cálculo directo
• Calculadora de tabla Z — Probabilidades normal estándar
• Calculadora de puntuación Z — Convertir valores crudos a z
• Calculadora de valor crítico (z*) — Para intervalos de confianza
• Calculadora de percentiles — Percentiles empíricos

Resumen

La calculadora normal inversa encuentra el valor correspondiente a una probabilidad dada—esencial para determinar puntos de corte de percentiles, establecer límites de control y encontrar valores críticos. Al convertir probabilidades acumulativas a cuantiles, permite establecer umbrales (puntos de corte de calificaciones, límites de especificación, límites de confianza) basados en la cobertura de probabilidad deseada. La función inversa complementa el cálculo directo de la CDF, completando el conjunto de herramientas para el análisis de distribución normal.