Qué hace esta calculadora
Esta herramienta calcula la probabilidad de que una variable aleatoria X con distribución normal se encuentre entre dos valores, a y b, lo que se expresa como \(P(a < X < b)\). Solo tienes que indicar la media de la distribución (\(\mu\)), la desviación típica (\(\sigma\)) y los dos valores límite. La calculadora tipifica cada límite en una puntuación z y emplea la función de distribución acumulada de la normal estándar \(\Phi\) para devolver el área exacta bajo la campana de Gauss comprendida entre ambos.
Cómo utilizarla
Introduce la media y la desviación típica de tu distribución y, a continuación, escribe el valor inferior a y el valor superior b. Pulsa calcular. El resultado muestra la probabilidad como número decimal (de 0 a 1) y como porcentaje, junto con las dos puntuaciones z. Si introduces los valores en orden inverso, la calculadora toma automáticamente el menor como a y el mayor como b.
La fórmula explicada
La probabilidad entre a y b es igual a la función de distribución acumulada (FDA) en b menos la FDA en a:
$$P(a < X < b) = \Phi\!\left(\frac{b-\mu}{\sigma}\right) - \Phi\!\left(\frac{a-\mu}{\sigma}\right)$$El término \(\frac{x-\mu}{\sigma}\) transforma una puntuación bruta en una puntuación z, es decir, el número de desviaciones típicas respecto a la media. \(\Phi(z)\) proporciona el área acumulada a la izquierda de z bajo la curva normal estándar. Al restar ambas áreas acumuladas, queda únicamente el área comprendida estrictamente entre a y b. Esta calculadora evalúa \(\Phi\) mediante una aproximación de alta precisión basada en la función error.
Ejemplo resuelto
Imagina que las puntuaciones de CI siguen una distribución normal con \(\mu = 100\) y \(\sigma = 15\), y quieres calcular \(P(85 < X < 115)\). Las puntuaciones z son
$$\frac{85-100}{15} = -1 \qquad \frac{115-100}{15} = +1$$Como \(\Phi(1) \approx 0{,}8413\) y \(\Phi(-1) \approx 0{,}1587\), la probabilidad resulta
$$\approx 0{,}8413 - 0{,}1587 = 0{,}6827$$es decir, alrededor del 68,3 %: la conocida regla de una desviación típica.
Probabilidades normales comunes y tabla de valores z
Para una variable normal estándar \(Z\) (media 0, desviación estándar 1), la probabilidad de caer dentro de \(z\) desviaciones estándar de la media es \(P(-z<Z<z)=2\Phi(z)-1\). Estos valores se cumplen para cualquier distribución normal una vez que x se convierte en una puntuación z.
| z | P(-z < Z < z) | Porcentaje |
|---|---|---|
| 1 | 0.6827 | 68.27% |
| 1.645 | 0.9000 | 90.00% |
| 1.96 | 0.9500 | 95.00% |
| 2 | 0.9545 | 95.45% |
| 2.576 | 0.9900 | 99.00% |
| 3 | 0.9973 | 99.73% |
La regla 68-95-99.7
- Alrededor del 68% de los valores se encuentran dentro de \(\mu \pm 1\sigma\).
- Alrededor del 95% se encuentran dentro de \(\mu \pm 2\sigma\) (más precisamente 95.45%).
- Alrededor del 99.7% se encuentran dentro de \(\mu \pm 3\sigma\) (más precisamente 99.73%).
Los valores 1.645, 1.96 y 2.576 están redondeados a tres decimales, por lo que las probabilidades correspondientes también están redondeadas.
Interpretación de su probabilidad
El resultado \(P(a<X<b)\) es la proporción de la distribución que se encuentra entre \(a\) y \(b\). Un resultado de 0.8186 significa que se espera que alrededor del 81.86% de las observaciones caigan en ese rango. Dicho de otra forma, una observación elegida al azar tiene esa probabilidad de caer allí.
Una puntuación z indica cuántas desviaciones estándar se aleja un valor de la media. \(z=0\) es la media, \(z=2\) está a dos desviaciones estándar por encima de ella, y \(z=-1\) está una por debajo. Comparar \(z_a\) y \(z_b\) muestra qué tan ancho es su intervalo en unidades de desviación estándar.
Puede comparar su resultado con la regla empírica. Un intervalo de \(\mu\pm1\sigma\) da aproximadamente 0.68, \(\mu\pm2\sigma\) about 0.95 y \(\mu\pm3\sigma\) about 0.997. Si su intervalo es más estrecho que uno de estos, espere una probabilidad menor.
- Valores muy pequeños (por ejemplo, menores que 0.01) indican que el intervalo es estrecho o está lejos en una cola. Estos resultados son poco frecuentes según este modelo.
- Valores cercanos a 1 indican que el intervalo cubre casi toda la distribución. La probabilidad restante se encuentra en las colas fuera de \(a\) y \(b\).
El cálculo supone que la variable realmente sigue una distribución normal con la media y la desviación estándar que introdujo. Los datos reales pueden estar sesgados o tener colas más pesadas, lo que hace que las probabilidades de las colas sean menos fiables. Verifique este supuesto con un histograma o un gráfico de probabilidad normal. Si estimó \(\mu\) y \(\sigma\) a partir de una muestra pequeña, el resultado es solo aproximado.
Preguntas frecuentes
¿Importa si uso < o ≤? No. En una distribución normal continua, la probabilidad en cualquier punto concreto es cero, de modo que \(P(a < X < b)\) y \(P(a \le X \le b)\) son idénticas.
¿Qué ocurre si mi desviación típica es 0? La desviación típica debe ser positiva; con \(\sigma = 0\) la distribución no está definida, por lo que la calculadora devuelve 0.
¿Cómo de precisos son los resultados? La FDA se calcula con la aproximación de Abramowitz y Stegun, con una precisión de unos 7 decimales: más que suficiente para el trabajo estadístico habitual.