Calculadora de Distribución Normal Online 2026: Área bajo la Curva, Z-Score, Percentil e Inversa Normal
Calcula probabilidades P(a≤X≤b), P(X≤x) y P(X≥x) para cualquier distribución normal N(μ,σ²). Obtiene el Z-score y percentil de un valor, y la inversa normal (qué valor corresponde a un percentil dado) usando el método de Newton-Raphson. Curva de campana con área sombreada. PDF descargable y WhatsApp.
P(a ≤ X ≤ b) para N(μ, σ)
Tipo de probabilidad
Resultado
Ingresa μ, σ y los límites, luego presiona Calcular
Qué es la distribución normal y por qué es fundamental en estadística
La distribución normal (o distribución gaussiana, en honor al matemático Carl Friedrich Gauss) es la distribución de probabilidad más importante y frecuente en estadística, ciencias naturales, ciencias sociales e ingeniería. Su gráfica tiene la forma característica de una campana simétrica: los valores se agrupan alrededor de la media μ y se vuelven cada vez menos frecuentes a medida que se alejan de ella en ambas direcciones. La distribución normal aparece de forma natural en una cantidad enorme de fenómenos: la estatura de personas en una población, el error de medición de instrumentos de laboratorio, las calificaciones de un examen estandarizado, el ruido eléctrico en circuitos, la variación en diámetros de piezas maquinadas en fábricas.
El Teorema Central del Límite explica por qué la distribución normal aparece en tantos contextos: si sumas muchas variables aleatorias independientes (sin importar su distribución original), la suma tiende a una distribución normal a medida que aumenta el número de variables. Esto significa que cualquier fenómeno que resulte de la acumulación de muchos pequeños efectos independientes (como la estatura humana, determinada por cientos de genes y factores ambientales) tenderá a ser normal. Este principio es la razón por la que la distribución normal es el modelo probabilístico predeterminado en prácticamente toda disciplina cuantitativa de América Latina.
La curva de campana de Gauss: forma, parámetros μ y σ, y propiedades
La distribución normal está completamente determinada por dos parámetros: la media μ (que determina la posición horizontal del centro de la campana) y la desviación estándar σ (que determina el ancho de la campana: mayor σ = campana más ancha y achatada, menor σ = más delgada y alta). La varianza es σ². La curva es perfectamente simétrica respecto a μ: la mediana y la moda coinciden con la media. La curva tiene dos puntos de inflexión en x = μ ± σ. La distribución es asintotica: la cola se acerca a cero pero nunca lo toca, lo cual significa que cualquier valor (por extremo que sea) tiene probabilidad positiva, aunque pequeña. Se escribe X ~ N(μ, σ²).
La función de densidad de probabilidad (PDF) y la función de distribución acumulada (CDF)
La función de densidad de probabilidad (PDF) de la normal es: f(x) = (1/σ√(2π)) · exp(-(x-μ)²/(2σ²)). Esta fórmula describe la forma de la curva: el valor máximo de la PDF está en x=μ y vale 1/(σ√(2π)). La probabilidad de que X esté entre a y b es el área bajo la curva entre a y b, que se calcula mediante la integral de a a b de f(x)dx. La función de distribución acumulada (CDF) es Φ(x) = P(X ≤ x) = ∫₋∞ f(t)dt. No tiene fórmula cerrada, por lo que se calcula numéricamente: esta calculadora usa la aproximación de Abramowitz y Stegun (fórmula 7.1.26) que tiene un error máximo de 1.5×10⁻⁷, más que suficiente para cualquier aplicación práctica.
La estandarización: el Z-score y la tabla Z estándar
Cualquier variable normal X ~ N(μ, σ²) puede convertirse a la normal estándar Z ~ N(0, 1) mediante la estandarización: Z = (X – μ) / σ. El Z-score de un valor X indica cuántas desviaciones estándar está X por encima (Z>0) o por debajo (Z<0) de la media. La tabla Z estándar da Φ(Z) = P(Z ≤ z) para la distribución N(0,1). Usando esta relación, P(X ≤ x) = Φ((x-μ)/σ). La estandarización es la técnica central de los cursos de Probabilidad y Estadística de toda América Latina: con ella se puede usar una sola tabla para cualquier distribución normal, sin importar sus parámetros.
La regla 68-95-99.7: cuánto de los datos están dentro de 1, 2 y 3 desviaciones
Una propiedad fundamental de la distribución normal, llamada la regla empírica o regla 68-95-99.7, establece que: el 68.27% de los datos están dentro de μ ± σ (un desviación estándar); el 95.45% dentro de μ ± 2σ; y el 99.73% dentro de μ ± 3σ. Solo el 0.27% de los datos queda fuera de μ ± 3σ, lo que en control de calidad se llaman los «valores atípicos» o outliers. Esta regla es usada en control estadístico de procesos (SPC) en la industria manufacturera de México, Brasil y Colombia: los límites de control 3σ son el estándar de facto para cartas de control Shewhart. Esta calculadora muestra estos tres valores (±1σ, ±2σ, ±3σ) automáticamente en las tarjetas de resultados.
Cómo funciona esta calculadora de distribución normal
Esta herramienta opera en dos modos que cubren los usos más frecuentes de la distribución normal en estadística aplicada y ciencias en América Latina.
Modo 1: Área bajo la curva para cualquier rango
Ingresas la media μ y la desviación estándar σ, seleccionas el tipo de probabilidad (entre dos valores, cola izquierda P(X≤x) o cola derecha P(X≥x)), y los límites (puedes escribir -inf o +inf para colas infinitas). La calculadora computa la probabilidad usando la CDF normal, muestra el resultado en formato decimal y porcentaje, y además calcula los Z-scores de los límites y los tres valores de la regla 68-95-99.7 para la distribución ingresada. La gráfica muestra la curva de campana completa con el área de interés sombreada en verde teal.
Modo 2: Z-score, percentil e inversa normal
Ingresas μ, σ, un valor X y/o un percentil p. Para X: calcula el Z-score=(X-μ)/σ, el percentil P(X≤x) y P(X≥x). Para el percentil p (en %): calcula la inversa normal, qué valor X corresponde exactamente al percentil p, usando el método de Newton-Raphson con una aproximación inicial de Beasley-Springer-Moro (máxima precisión). Puedes ingresar ambos (X y p) en la misma consulta para obtener todos los resultados. La gráfica muestra la campana con la cola izquierda sombreada hasta el valor calculado.
3 Ejemplos Reales de Distribución Normal en América Latina
Caso 1: Examen ENLACE en México
Las calificaciones del examen ENLACE de Español siguen N(μ=500, σ=100). ¿Qué proporción de estudiantes obtiene entre 400 y 650 puntos?
Z(400)=(400-500)/100=-1.00. Z(650)=(650-500)/100=1.50. P(-1≤Z≤1.5) = Φ(1.5)-Φ(-1) = 0.9332-0.1587 = 0.7745 = 77.45%.
Las pruebas estandarizadas de educación como ENLACE (México), SABER (Colombia), SIMCE (Chile) y ECE (Perú) usan distribuciones normales escaladas para reportar resultados. El Ministerio de Educación de México (SEP) y organismos equivalentes en toda América Latina usan la distribución normal para establecer niveles de desempeño, definir puntos de corte entre «satisfactorio» y «sobresaliente», y comparar resultados entre años lectivos.
Caso 2: Control de calidad en manufactura (Monterrey)
Una fábrica en Monterrey produce piezas con diámetro N(μ=50mm, σ=0.5mm). Las piezas fuera de [49, 51]mm se rechazan. ¿Cuál es la tasa de rechazo?
P(X<49) + P(X>51) = 1 – P(49≤X≤51). Z(49)=-2, Z(51)=+2. P(−2≤Z≤2) = 0.9545. Tasa de rechazo = 1-0.9545 = 4.55% = 45.5 ppm.
El control estadístico de procesos (SPC o CEP en español) es estándar en la industria automotriz, aeroespacial y de manufactura en general, con centros importantes en Monterrey, Puebla, Querétaro (México), Medellín (Colombia) y Santiago (Chile). La norma ISO 9001:2015 requiere monitoreo de procesos, y la mayoría de las metodologías SPC (cartas de control Shewhart, Six Sigma) se basan en la distribución normal y en los límites 3σ. Calcular la tasa de defectos (DPMO) es una operación directa con esta herramienta.
Caso 3: Finanzas y retornos en Colombia
Los retornos diarios de una acción en la Bolsa de Colombia siguen N(μ=0.08%, σ=1.5%). ¿Cuál es la probabilidad de una pérdida mayor al 2.5% en un día?
P(X<-2.5%) = P(Z<(-2.5-0.08)/1.5) = P(Z<-1.72) = Φ(-1.72) = 0.0427 = 4.27%.
El Value at Risk (VaR) y el Expected Shortfall, herramientas de gestión de riesgo financiero, se basan en la distribución normal de los retornos de activos. La Superintendencia Financiera de Colombia, la CNBV de México y reguladores equivalentes en toda América Latina requieren que bancos y fondos de inversión reporten riesgo de mercado usando modelos probabilísticos que incluyen la distribución normal. El cálculo del VaR al 95% o 99% es directamente la inversa normal que calcula el Modo 2 de esta herramienta.
3 Consejos de Expertos para Distribución Normal
Usa la regla 68-95-99.7 para verificar resultados instantáneamente
Antes de calcular cualquier probabilidad, recuerda: P(μ-σ ≤ X ≤ μ+σ) ≈ 68%, P(μ-2σ ≤ X ≤ μ+2σ) ≈ 95%, P(μ-3σ ≤ X ≤ μ+3σ) ≈ 99.7%. Si tu cálculo da una probabilidad para un intervalo de un desviación estándar que no está cerca del 68%, hay un error. Esta regla es la «sanídad check» más rápida de cualquier cálculo normal. Esta calculadora muestra estos tres valores automáticamente en cada cálculo del Modo 1 para facilitar la verificación.
Siempre dibuja la campana antes de calcular
El error más común en probabilidad normal es calcular la probabilidad incorrecta: P(X≤x) cuando se quería P(X≥x). Antes de calcular, dibuja (o visualiza) la campana, marca el punto x, y sombrea la región de interés. Para cola derecha: P(X≥x) = 1 – Φ(Z). Para complementario: siempre P(X≤x) + P(X≥x) = 1. Usar la visualización de campana con área sombreada que ofrece esta calculadora es exactamente este paso.
La distribución normal no es siempre el modelo correcto
La distribución normal asume simetría y colas que se van a cero suavemente. Pero en finanzas, los retornos tienen «colas gordas» (kurtosis positiva): los eventos extremos son más frecuentes de lo que predice la normal (crisis de 2008, 2020). En tiempo de vida de componentes, la distribución Weibull es más adecuada. Para recuentos (número de clientes), la Poisson. Verifica siempre la normalidad de tus datos antes de aplicar el modelo. Las pruebas de normalidad (Shapiro-Wilk, Kolmogorov-Smirnov) son el paso previo obligatorio en cualquier análisis formal.
16 Preguntas Frecuentes sobre Distribución Normal
¿Qué es la distribución normal?
La distribución de probabilidad más frecuente, con forma de campana simétrica. Determinada por la media μ (centro) y la desviación estándar σ (ancho). Se escribe X ~ N(μ, σ²). Aparece en estatura, errores de medición, calificaciones, ruido eléctrico y miles de fenómenos naturales y sociales.
¿Cómo se calcula P(a ≤ X ≤ b)?
P(a ≤ X ≤ b) = Φ(b) – Φ(a), donde Φ es la CDF normal. Estandarizando: = Φ((b-μ)/σ) – Φ((a-μ)/σ). Esta calculadora hace este cálculo instantáneamente y muestra el área sombreada en la gráfica.
¿Qué es el Z-score?
Z = (X – μ) / σ. Indica cuántas desviaciones estándar está X por encima o debajo de la media. Z=0: valor igual a la media. Z=1: un desviación estándar por encima. Z=-2: dos desviaciones por debajo. El Z-score permite comparar valores de distribuciones normales con diferentes μ y σ.
¿Qué es la distribución normal estándar?
La normal con μ=0 y σ=1: Z ~ N(0,1). Cualquier normal X ~ N(μ, σ²) se convierte a normal estándar mediante Z=(X-μ)/σ. La «tabla Z» estándar da Φ(z) para Z ~ N(0,1). Esta calculadora funciona con cualquier μ y σ, no requiere estandarizar manualmente.
¿Qué es la regla 68-95-99.7?
Para X ~ N(μ, σ²): P(μ-σ ≤ X ≤ μ+σ) = 68.27%, P(μ-2σ ≤ X ≤ μ+2σ) = 95.45%, P(μ-3σ ≤ X ≤ μ+3σ) = 99.73%. Es la regla empírica para verificar cálculos y el fundamento de los límites de control 3σ en Six Sigma y SPC.
¿Cómo se calcula la inversa normal?
Dado un percentil p (probabilidad acumulada), encontrar x tal que P(X ≤ x) = p. Esta calculadora usa Newton-Raphson: x_{n+1} = x_n – (Φ(x_n) – p) / φ(x_n), donde φ es la PDF. Converge rápidamente (2 iteraciones con la aproximación inicial BSM). Ejemplo: ¿Cuál es el percentil 95 de N(100, 15²)? = 100 + invNorm(0.95) × 15 = 100 + 1.6449 × 15 = 124.67.
¿Qué es el Teorema Central del Límite?
Si X₁, X₂, …, Xₙ son variables aleatorias independientes con media μ y varianza σ² finitas, la suma (o media) de estas variables tiende a una distribución normal cuando n→∞, sin importar la distribución original. Esto explica por qué la normal aparece en tantos contextos: cualquier cantidad que resulte de la suma de muchos efectos pequeños independientes será aproximadamente normal.
¿Cuándo no se debe usar la distribución normal?
La normal no es adecuada cuando: los datos son asimétricos (usar log-normal o gamma); tienen colas muy gruesas (distribuciones de Pareto o t-Student); son recuentos enteros no negativos (Poisson o binomial); representan tiempos de falla (Weibull); o tienen valores acotados (beta distribution). En finanzas, los retornos tienen colas más gruesas que la normal, lo cual es crítico para la gestión de riesgo extremo.
¿Qué es el percentil?
El percentil p de X es el valor xẚ tal que P(X ≤ xẚ) = p/100. El percentil 50 es la mediana (en la normal, igual a μ). El percentil 25 y 75 son los cuartiles Q1 y Q3. El percentil 95 indica que el 95% de los valores están por debajo. Los percentiles son fundamentales en medicina (curvas de crecimiento infantil), educación (cortes de admisión) y finanzas (VaR).
¿Cómo se usa la distribución normal en Six Sigma?
Six Sigma significa tener los límites de especificación a 6σ de la media, lo que corresponde a solo 3.4 defectos por millón de oportunidades (DPMO). Los niveles sigma (1σ = 690,000 DPMO, 3σ = 66,807 DPMO, 6σ = 3.4 DPMO) se calculan usando la cola de la distribución normal. Esta calculadora puede calcular la DPMO para cualquier número de sigmas usando P(X > μ+kσ) en el Modo 1.
¿Qué diferencia hay entre PDF y CDF?
La PDF (función de densidad) f(x) describe la forma de la curva: su valor en un punto no es probabilidad sino densidad. La probabilidad de un intervalo es el área bajo f(x) entre los extremos. La CDF (función de distribución acumulada) Φ(x) = P(X ≤ x) da la probabilidad acumulada hasta x. La CDF varía de 0 a 1. Esta calculadora usa la CDF para calcular probabilidades.
¿Cómo se prueban la normalidad de datos?
Las pruebas más comunes son: Shapiro-Wilk (mejor para muestras pequeñas n < 50), Kolmogorov-Smirnov (para muestras grandes), Anderson-Darling (muy usado en ingeniería) y gráfica Q-Q (si los puntos caen en línea recta, los datos son normales). MINITAB, R y Python (scipy.stats) implementan estas pruebas. Si los datos no son normales, se pueden transformar (logaritmo, raiz cuadrada) o usar métodos no paramétricos.
¿Qué es el intervalo de confianza y cómo se relaciona con la normal?
El intervalo de confianza al 95% para la media de una muestra normal es x̄ ± 1.96σ/√n, donde 1.96 = invNorm(0.975) es el valor crítico de la normal estándar para el 95%. Para el 99%: ± 2.576σ/√n. El Modo 2 de esta calculadora calcula estos valores críticos directamente: ingresa μ=0, σ=1, percentil=97.5% para obtener 1.96.
¿Cómo se aplica la normal en curvas de crecimiento infantil?
La OPS/OMS (Organización Panamericana de la Salud) publica tablas de crecimiento infantil expresadas en percentiles y puntajes Z. Un niño en el percentil 50 de talla está en la media; en el percentil 3 (Z=-1.88) está en la frontera inferior. Los pediatras en toda América Latina usan estos per-centiles para detectar problemas de crecimiento: un niño bajo el percentil 3 amerita evaluación. El cálculo del Z-score del Modo 2 es exactamente cómo se interpretan estas tablas.
¿Qué es la normal bivariada?
La extensión de la distribución normal a dos variables correlacionadas. Se define por las medias (μ₁, μ₂), las desviaciones estándar (σ₁, σ₂) y el coeficiente de correlación ρ. La curva de densidad es una «superficie de campana» en 3D. Se usa en finanzas para modelar retornos correlacionados de dos activos y en geoestadística para variables espaciales correlacionadas. Esta calculadora trabaja con la normal univariada.
¿Por qué la distribución normal es simétrica?
Porque su función de densidad solo depende de (x-μ)², que es idéntico para x=μ+d y x=μ-d (cualquier distancia d de la media tiene la misma densidad de probabilidad). La asimetría (skewness) de la normal es exactamente 0. Esta simetría implica que media = mediana = moda, y que P(X > μ) = P(X < μ) = 50%. Muchos fenómenos naturales son simétricos (el error aleatorio en una medición es igualmente probable en ambas direcciones), lo que explica por qué la normal se ajusta bien a ellos.
Calculadoras Relacionadas
Aviso Legal y Transparencia Editorial
Metodología numérica
La CDF normal se calcula usando la función erf con la aproximación de Abramowitz y Stegun (fórmula 7.1.26, error máximo 1.5×10⁻⁷). La inversa normal usa la aproximación de Beasley-Springer-Moro refinada con Newton-Raphson (2 iteraciones, precisión ~10⁻¹²). Los resultados tienen precisión de doble precisión IEEE 754 y son adecuados para aplicaciones educativas, de ingeniería y de análisis estadístico preliminar.
Referencias académicas
Los conceptos corresponden a los programas de Probabilidad y Estadística de UNAM, Universidad Nacional de Colombia y estándares de la OPS. PlanetaCalculadoras.com no asume responsabilidad por el uso de estos resultados en decisiones médicas, financieras o de ingeniería sin la debida validación profesional.
