La curva más famosa de toda la matemática es una exponencial
Detrás de la campana de Gauss no hay una fórmula nueva — hay la misma función eˣ que venimos usando desde la app 1, con el exponente apenas retocado. Ese pequeño cambio la convierte en el modelo matemático más usado de la estadística.
Tres retoques al exponente
Partiendo de eˣ, dos cambios mínimos en el exponente alcanzan para producir la forma de campana. Probá cada paso y mirá qué hace cada retoque.
eˣ crece sin límite hacia la derecha y se acerca a 0 hacia la izquierda — no es simétrica, y no sirve para modelar algo centrado en un valor.
Una curva bautizada por el segundo en llegar
El nombre "campana de Gauss" es, en parte, un accidente histórico: Gauss no fue el primero en encontrarla, pero fue quien la volvió indispensable.
Abraham de Moivre
Buscando una forma de aproximar probabilidades de tiradas de moneda repetidas muchas veces (una distribución binomial con n muy grande), De Moivre llega a una curva con forma de campana. Es, técnicamente, el primer registro conocido — aunque su trabajo pasó bastante inadvertido en su momento.
Carl Friedrich Gauss y los errores de medición
En Theoria Motus Corporum Coelestium, Gauss modela los errores de observación astronómica asumiendo que se distribuyen según esta curva, y a partir de eso desarrolla el método de mínimos cuadrados. Su uso fue tan influyente que la curva terminó llevando su nombre, pese a no haber sido el primero.
Laplace y el porqué de su omnipresencia
Pierre-Simon Laplace aporta la pieza que explica por qué esta curva aparece en tantos fenómenos distintos: cuando una medición es la suma de muchos factores pequeños e independientes (errores de instrumentos, variaciones biológicas, etc.), el resultado tiende a distribuirse según esta campana — sea cual sea la distribución de cada factor individual. Esa idea se formalizaría después como el teorema central del límite.
Quetelet y el "hombre promedio"
El estadístico Adolphe Quetelet fue de los primeros en aplicar la curva fuera de la astronomía: a mediciones humanas como la estatura y el peso, dando origen a buena parte de la estadística social moderna — y a la idea, todavía discutida, del "hombre promedio".
Un modelo para lo que varía alrededor de un centro
En estadística, una distribución de probabilidad describe qué tan probable es cada valor posible de una variable. La distribución normal es el modelo que se usa cuando los valores tienden a agruparse cerca de un centro y se vuelven cada vez menos frecuentes a medida que se alejan de él, de forma simétrica hacia ambos lados.
El exponente −(x−μ)²/2σ² es, en esencia, la misma idea de la sección anterior: un cuadrado con signo negativo, que ahora además se corre hacia μ y se estira o comprime según σ. La constante que multiplica al frente no cambia la forma — solo la reescala para que el área total sea exactamente 1.
Dibujá tu propia campana
Movné μ para desplazar el centro, y σ para ensanchar o angostar la curva. El área bajo la curva completa siempre da 1 — eso es lo que la convierte en un modelo de probabilidad válido.
68% – 95% – 99,7%
Sin importar cuánto valgan μ y σ, siempre se cumple la misma proporción: la franja de un desvío estándar alrededor de la media concentra el 68% del área; dos desvíos, el 95%; tres desvíos, el 99,7%. Activá las bandas y mirá cómo se reparte el área.
Dónde aparece esta campana
Cualquier variable que resulte de sumar muchos factores pequeños e independientes tiende a esta forma — por eso aparece en contextos tan distintos.
Notas de un curso
Si tomás las calificaciones de un examen en un grupo numeroso de estudiantes, suelen agruparse alrededor de un promedio, con menos estudiantes en los extremos muy altos o muy bajos — el patrón típico que asumen muchos sistemas de evaluación "a curva".
Control de calidad industrial
Las piezas fabricadas en serie (el diámetro de un tornillo, el peso de un paquete) varían por pequeñas imprecisiones de la máquina. Esa variación suele ser normal, y permite fijar rangos de tolerancia aceptables.
Errores de medición
El motivo original de Gauss: al repetir una medición astronómica muchas veces, los pequeños errores instrumentales y humanos se distribuyen alrededor del valor real siguiendo esta curva.
Rasgos biológicos
Estatura, tiempos de reacción, presión arterial en una población: cuando un rasgo depende de la combinación de muchos factores genéticos y ambientales pequeños, tiende a distribuirse en forma normal.
Un segundo caso, con la misma protagonista
La campana de Gauss mostró qué pasa cuando el exponente de e se vuelve negativo y cuadrático. El último caso de esta serie va en otra dirección: qué pasa cuando combinamos eˣ y e⁻ˣ directamente — y por qué esa combinación resulta ser, geométricamente, una hipérbola.