Suma lo suficiente y cualquier cosa se vuelve una campana
Hay incontables distribuciones en el mundo, y sin embargo una forma aparece en todas partes: la campana, la distribución normal. Las estaturas de la gente, las puntuaciones de exámenes, los errores de medición, las dimensiones de piezas de fábrica, incluso la media muestral de la estadística — de fuentes totalmente distintas, todas dibujan la misma campana simétrica que se abulta en el medio, como de común acuerdo. ¿Por qué es tan común esta forma? La respuesta es elegante y potente. Suma muchos factores aleatorios pequeños e independientes y, sin importar qué forma tuviera cada factor, su suma converge a una campana. Este es el teorema central del límite, el resultado más profundo y bello de la estadística. La estatura es normal porque se suman miles de genes y factores ambientales; el error de medición es normal porque se combinan incontables pequeñas sacudidas. En E3 resumimos una distribución con dos números, su centro y su dispersión, y la distribución normal queda completamente determinada por exactamente esos dos — la media y la desviación típica. En esta lección final, mira por qué la campana aparece en todas partes, y cómo, con esa única regla, medimos el mundo.
Primero, familiarízate con la campana misma. La distribución normal es más alta en la media y cae suave y simétricamente a ambos lados. Lo notable es que esta curva queda completamente fijada por solo dos números: la media μ y la desviación típica σ. μ es la posición del pico (el centro), σ es el ancho de la campana. Y la normal tiene una regla hermosa que vale la pena memorizar: la regla 68-95-99.7. Pulsa los botones. Dentro de ±1σ de la media está cerca del 68% del total; dentro de ±2σ, cerca del 95%; dentro de ±3σ, cerca del 99.7%. En otras palabras, un valor normalmente distribuido está casi siempre (99.7%) dentro de 3σ de la media, y salirse de 3σ es raro — unas tres veces de mil. σ es la regla natural: "a cuántos σ de la media" te dice "cuán raro es este evento." Con esta única regla puedes juzgar de inmediato si una medición es normal o extraña.
Ahora mira cómo la campana surge por sí sola. Tira un dado y del 1 al 6 son igualmente probables — un rectángulo plano de distribución, nada parecido a una campana. Pero tira varios dados y mira la suma, y ocurre la magia. Usa los botones para añadir más dados. Añade solo dos y la distribución plana se vuelve un triángulo con pico en 7; ve a tres, cuatro, y las esquinas se redondean y se acerca cada vez más a una campana. ¿Por qué? Para que la suma sea muy pequeña, todos los dados deben salir pequeños a la vez, lo cual es raro, mientras que hay incontables maneras de alcanzar una suma intermedia. Así que los valores del medio salen abrumadoramente a menudo y se forma un pico. La materia prima — un solo dado — no se parece en nada a una campana, y sin embargo suma solo unos pocos y aparece una campana. Este es el ejemplo más simple posible del teorema central del límite en acción.
Los dados son simétricos de entrada, así que podrías decir que les dimos ventaja. ¿Y una distribución descaradamente sesgada hacia un lado? Aquí está la distribución exponencial: casi toda la masa cerca de 0, arrastrando una cola larga a la derecha, nada simétrica. De esta distribución sesgada sacamos N valores, los promediamos, y reunimos muchos de esos promedios en un histograma. Usa el deslizador para subir el tamaño muestral N. En N=1 conserva la forma sesgada original, pero a medida que N crece, asombrosamente la distribución de la media muestral se vuelve cada vez más una campana simétrica, y al mismo tiempo se estrecha. Por muy desequilibrada que sea la fuente, promedia suficientes extracciones y la media converge a una distribución normal. Este es el corazón del teorema central del límite. Y el ancho se encoge como 1√N a medida que N crece: cuadruplica la muestra y la dispersión de la media se reduce a la mitad. Por eso más muestras hacen más precisa la estimación de la media. Esto es exactamente por qué una encuesta de solo unos pocos miles de personas puede ser bastante precisa.
Si la normal aparece en todas partes, sería cómodo unificar toda normal bajo una única regla estándar. Eso es la estandarización z. Toma un valor X de cualquier normal N(μ, σ) y conviértelo en cuán lejos está de la media, en unidades de σ. Como fórmula, z = (X − μ)σ. Primero resta μ para mover el centro a 0, luego divide por σ para fijar el ancho en 1. Es un caso de la transformación aX+b de E3 (a = 1σ, b = −μσ). Por mucho que cambies μ y σ con los deslizadores, mira las marcas z bajo la curva quedarse fijas en 0, ±1, ±2. Los valores x (fila de arriba) difieren para cada distribución, pero medidos en z (fila de abajo), toda normal se vuelve la misma normal estándar N(0, 1). Esto es potente porque si tienes solo la única normal estándar como tabla (o función), puedes convertir las probabilidades de toda normal del mundo en z y leerlas todas de esa única tabla. Ya sea la probabilidad de una estatura de 175 cm o un rendimiento bursátil, conviértelo a z y puedes medirlo con la misma regla.
Por último, mira cómo se usa todo esto en ingeniería. Mide la misma cantidad muchas veces y el valor sale un poco distinto cada vez. Esa dispersión es muchos pequeños ruidos sumados, así que por el teorema central del límite sigue una distribución normal. Mira los puntos de medición: se reparten en una campana alrededor de la media. Aplica aquí la regla 68-95-99.7. Usa los botones para cambiar el ancho de la banda. Cerca del 95% de las mediciones caen dentro de ±2σ de la media. Dale la vuelta y puedes estar cerca del 95% seguro de que "el valor verdadero está dentro de ±2σ de la media medida." Esto es un intervalo de confianza. El ± de escribir un resultado como "5.0 ± 0.2" es exactamente esto. En ingeniería ningún número viaja solo sin un ±. La tolerancia de la dimensión de una pieza, las barras de error de un experimento, el margen de error de una encuesta, la precisión de un sensor — todo se enuncia como "estimación ± tantos σ." Así que la estadística es el lenguaje no de "la media es esto," sino de "la media está en este rango, y estamos así de seguros de ello." La distribución normal y el teorema central del límite le ponen números a esa confianza. Con esto completamos una vuelta entera a las matemáticas de ingeniería: las transformaciones y valores propios del álgebra lineal, la rotación de los números complejos, el flujo y la estabilidad de las ecuaciones diferenciales, y las distribuciones y la estimación de la probabilidad — la caja de herramientas del ingeniero ahora cabe en una mano.