1Propiedades de la distribución normal
La distribución normal (o gaussiana) es una distribución de probabilidad continua, simétrica, con forma de campana, completamente determinada por dos parámetros: su media (μ), que define el centro de la campana, y su desvío estándar (σ), que define su ancho o dispersión. Sus propiedades clave:
| Propiedad | Descripción |
|---|---|
| Simetría | La mitad de la curva es el reflejo especular de la otra mitad respecto de la media |
| Media = mediana = moda | Las tres medidas de tendencia central coinciden exactamente en el mismo punto |
| Asíntotas | La curva se acerca al eje horizontal sin tocarlo nunca, extendiéndose teóricamente de −∞ a +∞ |
| Área bajo la curva = 1 | Como toda distribución de probabilidad, el área total representa el 100% de los casos posibles |
Muchas variables biológicas se aproximan razonablemente bien a esta distribución porque son el resultado de la suma de muchos factores pequeños e independientes (genéticos, nutricionales, ambientales) actuando en conjunto — un fenómeno formalizado por el Teorema Central del Límite, que se desarrolla en el capítulo III.1.
2La regla empírica 68-95-99,7
| Rango | % aproximado de observaciones incluidas |
|---|---|
| μ ± 1 desvío estándar | ~68% |
| μ ± 2 desvíos estándar | ~95% |
| μ ± 3 desvíos estándar | ~99,7% |
Esta regla explica, en la práctica, por qué muchos rangos de "normalidad" clínica se definen convencionalmente como el rango que abarca 2 desvíos estándar alrededor de la media poblacional: un valor fuera de ese rango (aproximadamente el 5% más extremo de la distribución en la población de referencia) se considera estadísticamente atípico, aunque —y esto es clínicamente crucial— "estadísticamente atípico" no es sinónimo automático de "patológico".
3Estandarización: el puntaje Z
El puntaje Z (o valor estandarizado) transforma cualquier valor de una distribución normal en el número de desvíos estándar que ese valor se encuentra por encima o por debajo de la media: Z = (x − μ) / σ. Esta transformación convierte cualquier distribución normal en la distribución normal estándar (media 0, desvío estándar 1), permitiendo comparar valores de variables medidas en unidades completamente distintas —por ejemplo, comparar qué tan "extremo" es el peso de un paciente respecto de qué tan "extremo" es su presión arterial, algo que sus valores absolutos en kg y mmHg no permiten comparar directamente.
¿Por qué "estadísticamente atípico" (fuera de μ±2DE) no equivale automáticamente a "patológico" en un contexto clínico? La regla empírica describe la distribución esperada de una variable dentro de una población de referencia dada —habitualmente, personas consideradas sanas—. Por definición matemática, aproximadamente el 5% de cualquier población sana tendrá, para cualquier variable continua normalmente distribuida, un valor fuera del rango μ±2DE simplemente por la variabilidad biológica natural, sin que eso implique enfermedad alguna. Confundir "infrecuente estadísticamente" con "patológico" lleva al error de sobre-diagnosticar o generar ansiedad injustificada frente a un valor de laboratorio en el extremo de la distribución normal poblacional, cuando ese valor puede representar simplemente la variabilidad fisiológica esperable de una fracción de la población sana. Los puntos de corte diagnósticos reales no se definen únicamente por la posición estadística dentro de una distribución de referencia: se validan además contra desenlaces clínicos concretos (¿ese valor se asocia realmente con mayor riesgo de enfermedad o complicación?), que es una pregunta distinta y adicional a la mera descripción estadística de la distribución poblacional.
4Por qué es central para la inferencia estadística
La distribución normal no es solo un modelo descriptivo de variables biológicas individuales: es también, a través del Teorema Central del Límite (capítulo III.1), la distribución que sigue aproximadamente la media de una muestra, incluso cuando la variable original no se distribuye normalmente en la población. Esta propiedad es lo que permite construir intervalos de confianza (capítulo III.2) y pruebas de hipótesis (capítulos III.3-III.4) para prácticamente cualquier tipo de dato, y es la razón por la cual la distribución normal ocupa un lugar tan central en el resto de este manual.
5Trampas de examen
| Trampa | Por qué confunde | Aclaración |
|---|---|---|
| Asumir que toda variable biológica se distribuye normalmente | La distribución normal es la más citada y "esperada" por defecto | Muchas variables biomédicas (costos, tiempos de supervivencia, ciertos biomarcadores) tienen distribuciones marcadamente asimétricas — verificar la forma real de la distribución (capítulo I.2) sigue siendo un paso obligatorio antes de asumir normalidad |
| Interpretar un valor fuera de μ±2DE como necesariamente patológico | El rango de "normalidad estadística" se usa coloquialmente como sinónimo de "salud" | Aproximadamente el 5% de cualquier población sana cae fuera de ese rango por variabilidad biológica natural — los puntos de corte diagnósticos reales requieren validación adicional contra desenlaces clínicos, no solo la posición estadística |
6Puntos clave
- La distribución normal es simétrica, con media=mediana=moda, definida por μ y σ.
- Regla empírica: ~68% dentro de ±1DE, ~95% dentro de ±2DE, ~99,7% dentro de ±3DE.
- El puntaje Z estandariza cualquier valor normal para compararlo en unidades de desvíos estándar, independientemente de la escala original.
- "Estadísticamente atípico" no equivale a "patológico" — los puntos de corte clínicos requieren validación adicional contra desenlaces.
- La distribución normal sostiene, a través del Teorema Central del Límite, buena parte de la inferencia estadística de la Parte III.