La distribución normal, frecuentemente denominada distribución gaussiana o curva de campana, es un tipo específico de distribución de probabilidad que es perfectamente simétrica respecto a su media. En este modelo, los puntos de datos que se encuentran más cerca del promedio son significativamente más comunes que aquellos situados más lejos, creando una forma característica donde el punto más alto de la curva representa la media, la mediana y la moda.
Esta distribución funciona basándose en dos parámetros principales: la media y la desviación estándar. Una característica clave es la regla empírica, que establece que aproximadamente el 68 por ciento de los datos se encuentra dentro de una desviación estándar de la media, el 95 por ciento dentro de dos, y el 99,7 por ciento dentro de tres. Debido a esta predictibilidad, se utiliza ampliamente en el análisis técnico del mercado de valores para modelar la probabilidad de diversos resultados de precios.
Por ejemplo, si un inversor analiza los rendimientos diarios históricos de un activo específico, podría encontrar que los rendimientos se agrupan en torno a un promedio central. Al aplicar el modelo de distribución normal, el inversor puede estimar la probabilidad de futuros movimientos de precios. Si los datos siguen este patrón, el inversor puede anticipar estadísticamente que los valores atípicos extremos son raros, mientras que la mayoría de las fluctuaciones diarias permanecerán dentro de un rango predecible de la media.