Buscar este blog

Translate

viernes, 20 de noviembre de 2026

Figura. La distribución normal: de los histogramas reales a la curva de Gauss

La distribución normal describe un patrón estadístico frecuente en numerosos caracteres cuantitativos, como la estatura humana. Sin embargo, las mediciones reales no producen inicialmente una curva perfectamente suave, sino un histograma formado por columnas que representan la frecuencia de individuos dentro de determinados intervalos. Cuando estudiamos una muestra pequeña, las alturas de las columnas pueden resultar irregulares debido al azar del muestreo. Al incorporar progresivamente más individuos de una misma población, las frecuencias relativas suelen estabilizarse y revelar con mayor claridad la distribución subyacente. Este comportamiento permite comprender por qué las representaciones estadísticas se vuelven más confiables conforme aumenta el tamaño muestral (Scott, 1979).

La curva de Gauss constituye un modelo matemático continuo que puede aproximar la forma del histograma, pero aumentar la cantidad de observaciones no transforma automáticamente las columnas en una curva. Para obtener una representación suave deben aplicarse procedimientos de estimación de densidad, considerando la amplitud de los intervalos y la resolución estadística. En genética cuantitativa, la herencia poligénica contribuye a explicar estas distribuciones: numerosos genes de efectos pequeños, combinados con factores ambientales, producen una amplia variación fenotípica. Así, características hereditarias discretas pueden generar valores observables que se aproximan a una distribución continua (Visscher et al., 2010).

No obstante, una muestra numerosa no garantiza una distribución normal. La combinación de diferentes edades, sexos o poblaciones puede producir asimetrías, varios máximos o distribuciones distintas de la campana clásica. Investigaciones sobre estatura adulta demuestran que incluso grandes conjuntos de datos presentan desviaciones respecto al modelo gaussiano. Por ello, los investigadores comparan los histogramas empíricos con los modelos probabilísticos antes de interpretar la variabilidad biológica (Slavskii et al., 2021).

Referencias

Scott, D. W. (1979). On optimal and data-based histograms. Biometrika, 66(3), 605–610. https://doi.org/10.1093/biomet/66.3.605

Slavskii, S. A., Kuznetsov, I. A., Shashkova, T. I., Bazykin, G. A., Axenovich, T. I., Kondrashov, F. A., & Aulchenko, Y. S. (2021). The limits of normal approximation for adult height. European Journal of Human Genetics, 29, 1082–1091. https://doi.org/10.1038/s41431-021-00836-7

Visscher, P. M., McEvoy, B., & Yang, J. (2010). From Galton to GWAS: Quantitative genetics of human height. Genetics Research, 92(5–6), 371–379. https://doi.org/10.1017/S0016672310000571

No hay comentarios:

Publicar un comentario

en donde inserto esto en mi blog