🔒 100% privado — funciona en tu navegador, no se sube nada

Calculadora de distribución normal

Probabilidades por debajo, por encima y entre valores — y cuantiles — para cualquier distribución normal.

Toda probabilidad normal es un área bajo la campana, y todas se reducen a la función de distribución normal estándar, Φ, tras un desplazamiento con la puntuación z: Φ((x − μ) ÷ σ). Esta página evalúa Φ con la clásica aproximación de erf de Abramowitz y Stegun (error inferior a 1,5 × 10⁻⁷), que reproduce los valores de referencia de los libros con la precisión con la que cualquiera los cita: Φ(0) = 0,5, Φ(1) ≈ 0,841345, Φ(1,96) ≈ 0,975002, y el 68,27 % central de la masa dentro de una desviación típica de la media. Los cuantiles van en sentido contrario mediante una aproximación racional de Φ⁻¹: 0,975 vuelve a z ≈ 1,959964, el 1,96 de todos los libros.

Las probabilidades salen de la función de distribución normal estándar, evaluada con una aproximación de erf precisa hasta aproximadamente 1 entre 10 millones; los cuantiles usan una aproximación racional precisa hasta unas 4 partes entre 10.000 de una desviación típica. De sobra para trabajos de clase, planificación y comprobaciones rápidas; no sustituye a un paquete estadístico validado en trabajos regulados.

Respuestas rápidas

¿Cómo calculo una probabilidad de la distribución normal?

Convierte x en puntuación z, z = (x − μ) ÷ σ, y lee la función de distribución normal estándar Φ(z). Para x = 1,96 con μ = 0, σ = 1: Φ(1,96) ≈ 0,975002, así que P(X ≤ 1,96) ≈ 97,5 %.

Las probabilidades entre dos valores son una resta: Φ en el límite superior menos Φ en el inferior. Los cuantiles ejecutan la misma maquinaria al revés: p = 0,975 da z ≈ 1,959964.

¿Qué puntuación z deja el 95 % en el centro?

z ≈ 1,959964 (redondeado universalmente a 1,96): un 2,5 % en cada cola y el 95 % entre −1,96 y +1,96.

Para el 90 % la cifra es 1,645 y para el 99 %, 2,576: los tres son cuantiles de la normal estándar, que el modo cuantil de esta calculadora devuelve para cualquier probabilidad.

Cómo se usa

  1. Introduce la media μ y la desviación típica σ de tu distribución (0 y 1 dan la normal estándar).
  2. Elige la pregunta: probabilidad por debajo de x, por encima de x, entre dos valores, o el cuantil para una probabilidad.
  3. Completa x (y el límite superior o la probabilidad, según el modo): los resultados se actualizan mientras escribes.
  4. Verifica con un valor conocido: con μ = 0 y σ = 1, P(X ≤ 1,96) debería dar 0,975002.

Acerca de esta herramienta

El límite honesto está en el modelo, no en la aritmética. Los datos reales nunca son perfectamente normales: las estaturas y los errores de medición se acercan; los ingresos y los tiempos de espera, no, y las probabilidades de cola son donde un mal ajuste normal más engaña: una probabilidad «seis sigma» calculada desde Φ dice algo sobre la curva, no sobre tu proceso, si la distribución verdadera tiene colas más pesadas. Usa estas cifras para trabajos de clase, planificación y comprobaciones de plausibilidad; en decisiones críticas para la seguridad o reguladas, el propio supuesto de distribución necesita validación, y ninguna calculadora puede hacer ese paso por ti.

Preguntas frecuentes

¿Cuánto vale P(X ≤ 1,96) en una normal estándar?

0,975002: el famoso valor de referencia detrás del «1,96» de los intervalos de confianza del 95 %: el 2,5 % de la masa queda por encima de 1,96 y el 2,5 % por debajo de −1,96, dejando el 95 % en medio. Esta página lo reproduce con seis decimales.

¿Cómo hallo la probabilidad entre dos valores?

Elige el modo «entre dos valores» o hazlo a mano: P(a ≤ X ≤ b) = Φ(b) − Φ(a). Para una normal estándar entre −1 y 1, es 0,841345 − 0,158655 = 0,682690: el 68 % de la regla 68–95–99,7.

¿Qué diferencia hay entre las respuestas PDF y CDF?

La CDF (función de distribución) es una probabilidad: un área, siempre entre 0 y 1. El valor PDF que esta página también muestra es una densidad (la altura de la curva en x); no es una probabilidad y puede superar 1 en distribuciones estrechas. La probabilidad de dar exactamente en un valor concreto es cero; solo los intervalos tienen probabilidad.

¿Por qué σ debe ser mayor que cero?

Una distribución normal con σ = 0 colapsa en un único punto sin dispersión, y una σ negativa no tiene sentido: la fórmula divide entre σ y eleva el resultado al cuadrado, así que la página rechaza ambas en lugar de imprimir un número equivocado con buen aspecto.

Más herramientas en español