Introducción a la regla empírica

La Regla empírica, a menudo llamada la regla 68-95-99.7, es un principio estadístico fundamental que describe cómo los puntos de datos se distribuyen en una distribución normal en forma de campana. Proporciona una manera rápida e intuitiva de calcular la difusión de datos alrededor de la media utilizando sólo la desviación media y estándar. Para estudiantes, maestros y profesionales que analizan conjuntos de datos, esta regla ofrece un poderoso acceso directo para entender la variabilidad y predecir dónde caerán las observaciones.

¿Por qué esta regla es tan valiosa? En muchos escenarios del mundo real, los datos establecen una distribución normal: alturas, puntajes de prueba, errores de medición y muchos rasgos biológicos. Cuando los datos son aproximadamente simétricos y unimodales, la Regla empírica le da un sentido inmediato de la concentración y dispersión de los datos. También sirve como un cheque de cordura: si sus datos siguen la regla de cerca, usted tiene evidencia fuerte que la distribución de la forma

Comprender la distribución normal

¿Qué es una distribución normal?

Una distribución normal es una distribución continua de probabilidad que es simétrica alrededor de la media. Su forma se describe a menudo como una “ curva de la campana”.

  • El medio, mediana y modo son iguales y se encuentran en el centro.
  • La distribución es perfectamente simétrica: las mitades izquierda y derecha son imágenes espejo.
  • Las colas se acercan al eje horizontal pero nunca lo tocan, lo que significa que los valores extremos son posibles pero muy raros.
  • La extensión se determina por la desviación estándar (σ). Cuanto mayor es la desviación estándar, más amplia y más plana la curva; más pequeña es la σ, más alta y más estrecha la curva.

Para fines prácticos, muchos conjuntos de datos son aproximadamente normales, incluso si no perfectamente así. La Regla empírica funciona bien para estas aproximaciones, siempre que la distribución sea unimodal y no se haya escaneo severamente.

El papel de la desviación estándar

La desviación estándar es una medida de cómo se distribuyen los valores de datos desde el medio. En una distribución normal, la desviación estándar define los puntos de inflexión en la curva, donde la curvatura cambia de concave a convex. La Regla empírica utiliza múltiples de σ para definir intervalos que capturan porcentajes específicos de los datos. Una desviación estándar de la media incluye la parte central donde la mayoría de tres grupos de datos; dos des

La Regla Empírica Explicada (68-95-99.7)

La regla es precisa y fácil de recordar:

  • 68% de los datos se encuentra dentro de una desviación estándar de la media (μ ± 1σ).
  • 95% de los datos se encuentra dentro de dos desviaciones estándar (μ ± 2σ).
  • 99,7% de los datos se encuentra dentro de tres desviaciones estándar (μ ± 3σ).

Estos porcentajes provienen de las propiedades matemáticas de la distribución normal y son exactos para datos perfectamente normales. Para datos reales, sirven como aproximaciones. La regla es más útil para distribuciones simétricas en forma de campana sin amplificadores mayores.

Cómo aplicar la regla empírica

Guía de paso a paso

Para utilizar la regla de manera efectiva, necesita dos números: el promedio (promedio) y la desviación estándar de su conjunto de datos. Siga estos pasos:

  1. Identificar el medio (μ) y la desviación estándar (σ) desde su conjunto de datos o declaración de problemas.
  2. Calcular los rangos:
    • Un intervalo σ: (μ – σ) a (μ + σ)
    • Dos intervalos σ: (μ – 2σ) a (μ + 2σ)
    • Tres intervalos σ: (μ – 3σ) a (μ + 3σ)
  3. Interpretar los porcentajes: Aproximadamente el 68% de los datos se encuentra en el primer intervalo, el 95% en el segundo, y el 99,7% en el tercero.
  4. Comprobación de normalidad: Si su conjunto de datos es grande y coincide aproximadamente con estos porcentajes, es compatible con la suposición de normalidad.

La regla también se puede utilizar en reversa: si usted sabe que un conjunto de datos es normal, puede estimar la proporción de datos arriba o debajo de un determinado umbral contando cuántas desviaciones estándar de distancia es.

Ejemplo detallado con Resultados de Prueba

Considere una clase de 200 estudiantes que tomaron un examen de matemáticas. Las puntuaciones se distribuyen normalmente con una media (μ) de 78 y una desviación estándar (σ) de 6. Utilizando la Regla Empírica:

  • 68% de las puntuaciones (aproximadamente 136 estudiantes) marcado entre 72 y 84 (78 ± 6).
  • 95% de las puntuaciones (aproximadamente 190 estudiantes) marcado entre 66 y 90 (78 ± 12).
  • 99,7% de las puntuaciones (aproximadamente 199 estudiantes) marcado entre 60 y 96 (78 ± 18).

Ahora, ¿cuál es la probabilidad de que un estudiante seleccionado aleatoriamente anotó más de 90? Una puntuación de 90 es exactamente 2σ sobre la media (78 + 12). Dado que el 95% de los datos se encuentra dentro de ±2σ, que deja 5% fuera -2.5% sobre 90 y 2,5% por debajo de 66. Por lo tanto, alrededor del 2,5% de los estudiantes anotó más de 90.

Ejemplo con tolerancias de fabricación

Una fábrica produce pernos con un diámetro objetivo de 10 mm. El proceso de producción produce diámetros que normalmente se distribuyen con una desviación estándar de 0.1 mm. Para asegurar la calidad, la empresa rechaza cualquier perno que sea más de 0.3 mm del objetivo (es decir, fuera de 9.7 mm a 10.3 mm). Según la Regla Empírica, el 99.7% de pernos cae dentro de ± 3σ de los estándares de calidad de 0 ± 0.

Aplicaciones en el mundo real

Educación y análisis

Las pruebas estandarizadas como las pruebas SAT, GRE e IQ están diseñadas para tener una distribución normal. Las puntuaciones de prueba se reportan con percentiles derivados de la Regla Empírica. Por ejemplo, una puntuación IQ de 130 es 2σ sobre la media (μ=100, σ=15), situándolo alrededor del percentil 97.5.Los educadores y oficiales de admisión utilizan estos puntos de referencia para comparar estudiantes.

Control de calidad y seis sigma

En la fabricación, la Regla empírica se basa en la metodología Six Sigma. Un proceso que opera a la calidad de “six sigma” tiene sólo 3.4 defectos por millón de oportunidades, que corresponde a ser 4.5σ de la media (permitiendo un cambio de 1.5σ). La regla proporciona una base para establecer límites de tolerancia y capacidad de proceso de monitoreo. Sociedad Americana para los seis recursos de Sigma de Calidad.

Evaluación de la financiación y el riesgo

Las rentabilidades de inversión se suponen normalmente para la simplicidad. La Regla Empírica ayuda a estimar la probabilidad de pérdidas o ganancias extremas. Por ejemplo, si una acción tiene un rendimiento promedio anual de 8% con una desviación estándar de 15%, entonces hay una probabilidad de 95% de que el rendimiento anual se reducirá entre -22% y 38% (μ ± 2σ). Esto es una evaluación de riesgo crudo pero útil. Guía de Investopedia.

Salud y Biología

Muchas mediciones biológicas, como la presión arterial, los niveles de colesterol y las alturas, son aproximadamente normales. La Regla empírica ayuda a los clínicos a interpretar los resultados del laboratorio. Por ejemplo, si la presión arterial sistólica tiene una media de 120 mmHg y σ de 10 mmHg, entonces el 95% de los individuos sanos tienen presiones entre 100 y 140 mmHg. Los valores superiores a 140 mmHg son más de 2σ desde el medio y pueden justificar una investigación adicional.

Psicología y Ciencias Sociales

Los psiquiátricos utilizan la Regla empírica para interpretar puntajes en pruebas de personalidad, evaluaciones cognitivas y encuestas. Proporciona una base para entender cómo es típica una respuesta. Los investigadores también la utilizan para identificar los outliers que podrían indicar errores de entrada de datos o poblaciones especiales.

Sumas y limitaciones

La normalidad es crítica

La Regla Empírica se aplica estrictamente sólo a los datos que siguen una distribución normal. Si los datos se hacen bimodales o tienen colas pesadas, la regla puede dar estimaciones engañosas. Por ejemplo, en una distribución muy derecha como el ingreso, el medio puede ser tirado a la derecha, y el porcentaje dentro de ±1σ podría ser mucho menos de 68%. Es esencial comprobar la forma de la distribución antes de aplicar la regla.

Consideraciones de tamaño de muestra

Para muestras pequeñas, la desviación media y estándar de la muestra no puede reflejar con precisión los parámetros de población.La Regla empírica es más fiable con conjuntos de datos grandes (n ≥ 30) que aproximan la distribución de la población. Con pequeñas muestras, la variabilidad de muestreo puede hacer que las proporciones observadas difieran sustancialmente del 68%, el 95% y el 99,7%, incluso si la población es normal.

Apalancamiento y Skewness

Los outliers distorsionan la desviación media y estándar, haciendo que la regla sea menos precisa. Si los outliers están presentes, pueden tirar de la media e inflar σ, causando que los intervalos sean más anchos de lo que deberían ser. Siempre examine sus datos para valores extremos. Si existen los outliers, considere utilizar medidas estadísticas robustas o transformar los datos. Manual de estadísticas de ingeniería de NIST sobre detección de adelgazamiento.

La regla no muestra la forma

La Regla empírica sólo da porcentajes para intervalos simétricos alrededor de la media. No indica si los datos son realmente en forma de campana. Por ejemplo, una distribución uniforme dentro de ±1σ todavía tendría alrededor del 58% de los datos dentro de ese intervalo, no el 68%. Por lo tanto, la regla no debe ser utilizada como el único cheque de normalidad; métodos gráficos y pruebas estadísticas (por ejemplo, Shapiro-Wilk) se recomiendan.

Relación con el teorema de Chebyshev

El teorema de Chebyshev es una regla más general que se aplica a cualquier distribución, independientemente de la forma. Afirma que para cualquier conjunto de datos, al menos (1 – 1/k2) de los datos se encuentra dentro de k desviación estándar del medio, para k Conf. 1. Para k=2, esto da al menos 75% (comparado al 95% de la Regla Empírica). Para k=3, al menos 88.9% normal (comparado al 997%). Wikipedia.

Consejos prácticos para usar la regla empírica

  • Siempre trazar los datos primero. Cree un histograma o un diagrama de densidad para comprobar simetría y forma de campana.
  • Use la regla para estimaciones mentales difíciles. Es una excelente herramienta para los cálculos de back-of-envelope, especialmente cuando usted necesita comunicarse rápidamente a los no estadísticos.
  • Tenga cuidado con múltiples desviaciones estándar. La regla no es aditiva; los porcentajes se refieren a intervalos acumulativos. Por ejemplo, los datos entre 1σ y 2σ son de alrededor del 13,5% (ya que el 95% incluye el 68% dentro de 1σ, dejando 27% dividido entre ambas colas: 13,5% en cada lado).
  • Combina con los resultados de z. Para cálculos más precisos, use z-scores y tablas de probabilidad normales. La Regla empírica da una aproximación rápida; la tabla z da áreas exactas bajo la curva.
  • Aplique en el revés para detectar la no normalidad. Si las proporciones reales de sus datos se desvían significativamente de 68-95-99.7, reconsidere la suposición de normalidad.

Conclusión

La Regla Empírica es una de las herramientas más accesibles y útiles en las estadísticas introductorias. Conociendo sólo la desviación media y estándar, puede calcular inmediatamente el rango que contiene la mayoría de los puntos de datos: 68%, 95% y 99,7% en uno, dos y tres desviaciones estándar respectivamente. Esta regla permite a estudiantes, maestros, analistas y profesionales interpretar rápidamente las distribuciones de datos y tomar decisiones informadas sin software especializado o cálculos complejos.

Sin embargo, su poder viene con una condición: los datos deben ser distribuidos normalmente. Siempre verifique esta suposición con cheques visuales y, cuando sea necesario, con pruebas formales de normalidad. Cuando se utiliza adecuadamente, la Regla empírica proporciona una base sólida para el análisis de datos, control de calidad, evaluación de riesgos y muchas otras aplicaciones. Para aquellos que desean profundizar su comprensión, recursos como El video de la Academia Khan sobre la Regla Empírica ofrecer un excelente aprendizaje complementario.

Recuerde: en las estadísticas, una regla de pulgar no es una prueba, pero puede ser una guía. La Regla Empírica sigue siendo un atajo confiable y probado en el tiempo para tener sentido de los datos normales — un verdadero caballo de trabajo para cualquiera que trabaje con números.