Distribución normal y campana de Gauss: qué es y para qué sirve
La distribución normal, también llamada campana de Gauss, es una forma de distribución donde los valores se concentran alrededor de la media y se vuelven cada vez menos frecuentes a medida que se alejan de ella, con la misma probabilidad hacia arriba que hacia abajo. Queda definida por dos números: la media, que marca el centro, y la desviación estándar, que marca qué tan ancha es. Cumple la regla del 68, 95 y 99.7: aproximadamente el 68 por ciento de los datos cae dentro de una desviación estándar de la media, el 95 por ciento dentro de dos y el 99.7 por ciento dentro de tres. Aparece tanto porque cuando muchos factores independientes se suman, el resultado tiende a esta forma.
Tabla de contenidos
Respuesta rápida: La distribución normal, también llamada campana de Gauss, es una forma de distribución donde los valores se concentran alrededor de la media y se vuelven cada vez menos frecuentes a medida que se alejan de ella, con la misma probabilidad hacia arriba que hacia abajo. Queda definida por dos números: la media, que marca el centro, y la desviación estándar, que marca qué tan ancha es. Cumple la regla del 68, 95 y 99.7: aproximadamente el 68 por ciento de los datos cae dentro de una desviación estándar de la media, el 95 por ciento dentro de dos y el 99.7 por ciento dentro de tres. Aparece tanto porque cuando muchos factores independientes se suman, el resultado tiende a esta forma.
Qué es y por qué tiene esa forma
Mide la estatura de diez mil personas y grafica los resultados. Vas a ver una campana: muchísima gente cerca del promedio, cada vez menos a medida que te alejas, y muy poquitos en los extremos. Simétrica a los dos lados.
Eso es la distribución normal, y aparece en todos lados: estaturas, pesos, errores de medición, tiempos de respuesta, notas de un examen bien diseñado, variaciones de un proceso productivo.
La razón es interesante. Cuando un resultado depende de muchos factores pequeños e independientes que se suman, la forma que emerge es la campana. La estatura depende de decenas de genes y de nutrición y de mil cosas más; ninguna manda sola, y la suma de todas produce una campana. Ese es también el fondo del teorema del límite central, que veo más abajo.
Los dos números que la definen
- La media: dónde está el centro de la campana.
- La desviación estándar: qué tan ancha es.
Con esos dos números la campana queda completamente descrita. Dos distribuciones con la misma media pero distinta desviación estándar tienen el mismo centro y distinto ancho: una angosta y puntiaguda (datos muy parecidos entre sí) y otra ancha y aplanada (datos muy dispersos).
Por eso la desviación estándar importa tanto y no es solo un número más de un reporte: te dice si el promedio representa bien al grupo o si el grupo es tan disperso que el promedio no describe a nadie. Lo desarrollo en el post de estadística descriptiva.
La regla del 68, 95 y 99.7
Esta es la parte más útil en la práctica y se aplica a cualquier distribución normal, sin importar sus valores:
| Rango | Porcentaje de los datos |
|---|---|
| Media más o menos 1 desviación estándar | Aproximadamente 68% |
| Media más o menos 2 desviaciones estándar | Aproximadamente 95% |
| Media más o menos 3 desviaciones estándar | Aproximadamente 99.7% |
Un ejemplo concreto. Si el tiempo de entrega promedio de tu operación es 5 días con desviación estándar de 1 día, entonces el 68 por ciento de tus entregas llega entre 4 y 6 días, el 95 por ciento entre 3 y 7, y prácticamente todas entre 2 y 8.
El uso directo: cualquier entrega que tarde más de 8 días es una anomalía real, no una variación normal del proceso. Eso te permite poner alertas con criterio en vez de a ojo, y es la base de los gráficos de control que se usan en calidad.
El teorema del límite central
Es el resultado que explica por qué la estadística funciona, y suena más complicado de lo que es.
Dice que si tomas muestras suficientemente grandes de cualquier población, los promedios de esas muestras se distribuyen normalmente, aunque la población original no lo sea.
Piensa en el gasto de tus clientes. Probablemente no es normal: mucha gente gasta poco y unos pocos gastan muchísimo, así que la distribución está inclinada hacia la derecha. Pero si tomas muestras de 100 clientes y calculas el gasto promedio de cada muestra, esos promedios sí van a formar una campana.
Por eso puedes calcular intervalos de confianza y pruebas de hipótesis sobre promedios sin tener que verificar que la población original sea normal. Es la licencia que hace posible casi toda la inferencia estadística.
Cuándo tus datos NO son normales
Muchísimas cosas del mundo real no siguen una campana, y asumir que sí es un error caro:
- Ingresos y gastos: siempre inclinados a la derecha. Unos pocos valores enormes estiran la cola.
- Tiempos de espera: no pueden ser negativos y tienen cola larga a la derecha.
- Conteos de eventos raros: siguen otras distribuciones, no la normal.
- Datos con tope: si algo se mide de 0 a 100 y la mayoría está en 95, la campana no cabe.
Cómo darte cuenta: grafica un histograma y míralo. Si la campana está inclinada hacia un lado, hay dos jorobas o los datos se apilan contra un extremo, no es normal.
Y qué hacer entonces: usar la mediana en vez de la media para describir el centro, aplicar una transformación como el logaritmo para simetrizar, o usar pruebas no paramétricas que no exigen normalidad. Lo que no se debe hacer es reportar la media y la desviación estándar como si nada, porque describen mal a un grupo que no tiene forma de campana.
Preguntas frecuentes
¿Qué es la distribución normal?
Es una distribución donde los valores se concentran alrededor de la media y se vuelven menos frecuentes a medida que se alejan, con la misma probabilidad hacia arriba que hacia abajo. Queda definida por dos números: la media, que marca el centro, y la desviación estándar, que marca el ancho.
¿Por qué se llama campana de Gauss?
Por su forma de campana y por Carl Friedrich Gauss, que la formalizó estudiando errores de medición astronómica. Distribución normal y campana de Gauss son el mismo concepto con dos nombres.
¿Qué es la regla del 68, 95 y 99.7?
En cualquier distribución normal, aproximadamente el 68 por ciento de los datos cae dentro de una desviación estándar de la media, el 95 por ciento dentro de dos y el 99.7 por ciento dentro de tres. Sirve para distinguir una variación normal de una anomalía real.
¿Qué es el teorema del límite central?
Dice que si tomas muestras suficientemente grandes de cualquier población, los promedios de esas muestras se distribuyen normalmente aunque la población original no lo sea. Es lo que permite hacer pruebas de hipótesis e intervalos de confianza sobre promedios sin verificar la normalidad de la población.
¿Cómo sé si mis datos son normales?
La forma más simple es graficar un histograma y mirarlo: si la campana está inclinada hacia un lado, tiene dos jorobas o los datos se apilan contra un extremo, no es normal. También existen pruebas formales de normalidad.
¿Qué hago si mis datos no siguen una distribución normal?
Usar la mediana en vez de la media para describir el centro, aplicar una transformación como el logaritmo para simetrizar la distribución, o usar pruebas no paramétricas que no exigen normalidad. Lo que no conviene es reportar media y desviación estándar como si la distribución fuera normal.
Machine learning no se aprende memorizando fórmulas
La IA ya escribe el código del modelo. Lo que decide es saber qué técnica corresponde, si el resultado tiene sentido y cómo se lee. Eso es lo que enseño en el curso de SQL + Python, que incluye siete módulos de machine learning con proyectos y datasets reales. En vivo.
Formate con Gera
¿Quieres aprender datos?
Cursos en vivo de SQL, Python y Power BI con Gera. Clases por Zoom, datos reales y feedback directo. Tambien hacemos capacitacion in-company.
Ver cursos de datos
