No caso de distribucións binomiais \(Bi(n, p)\) con \(n\) moi grande, o problema de cálculo pode ser moi pesado. No século XVIII o matemático francés De Moivre mostrou que unha aproximación binomial neste caso pode aproximarse a unha distribución normal.
Entón se estamos na situación en que : \(\left\{\begin{array}{l}n > 30 \\ np > 5 \\ nq >5\end{array}\right.\), a distribución \(Bi(n, p)\) pódese aproximar a unha distribución \(N(np, \sqrt{npq})\).
Esto sería que se temos, por exemplo unha aplicación \(Bi(40; 0,25)\), comprobamos que \(n = 40 > 30\), e \(np = 40 \cdot 0,25 = 10 > 5\) e \(nq = 40 \cdot 0,75 = 30 > 5\), poderíamos resolver o problema considerando que a distribución é unha \(N(10, \sqrt{40 \cdot 0,25 \cdot 0,75}) = N(10; 2,74)\).
Pero con esta aproximación temos que ter en conta que se aproxima unha variable discreta, na que por exemplo a probabilidade dun punto é distinta de 0, a unha variable continua, na que a probabilidade dun punto é 0. Para solventar este problema, precisamos facer unha corrección de continuidade.
Nesta corrección por continuidade o que facemos é ampliar o punto ou intervalo en 0,5 unidades. De xeito que se \(Y\) é a variable discreta e \(X\) a variable continua:
\[P(Y = a) = P(a - 0,5 \leq X \leq a + 0,5) \hspace{2cm} P(Y \leq a) = P(X \leq a + 0,5)\]
\[P(a \leq Y) = P(a - 0,5 \leq X) \hspace{2cm} P(a \leq Y \leq b) = P(a - 0,5 \leq X \leq b + 0,5)\]