Una distribución de probabilidad es una función matemática que describe la probabilidad de diferentes resultados posibles de un experimento o evento aleatorio. Existen dos tipos principales: distribuciones discretas y distribuciones continuas.
Distribuciones Discretas
Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable aleatoria discreta. Una variable discreta es aquella que solo puede tomar un número finito de valores, o un número infinito numerable de valores. Piénsalo así: puedes contar los valores posibles.
Ejemplos:
Must Read
- Lanzar una moneda: Solo hay dos resultados posibles: cara o cruz. La probabilidad de cada uno puede ser del 50% (si la moneda es justa).
- Lanzar un dado: Los resultados posibles son 1, 2, 3, 4, 5 y 6. La probabilidad de cada uno es 1/6 si el dado es justo.
- Número de hijos en una familia: Puedes tener 0, 1, 2, 3, etc., hijos. Aunque el número pueda ser grande, es un número entero y por lo tanto contable.
La función de masa de probabilidad (FMP) asigna una probabilidad a cada valor posible de la variable discreta. La suma de todas las probabilidades de la FMP debe ser igual a 1.
Ejemplos comunes de distribuciones discretas incluyen la distribución de Bernoulli (para eventos con dos resultados posibles), la distribución binomial (para el número de éxitos en una serie de ensayos independientes) y la distribución de Poisson (para el número de eventos que ocurren en un intervalo de tiempo o lugar).
Distribuciones Continuas
Una distribución continua describe la probabilidad de ocurrencia de los valores de una variable aleatoria continua. Una variable continua puede tomar cualquier valor dentro de un rango dado. A diferencia de las discretas, no se pueden "contar" los valores posibles, ya que hay un número infinito de valores entre dos puntos.
Ejemplos:
- Estatura de una persona: La estatura puede ser cualquier valor dentro de un cierto rango (por ejemplo, entre 1.50 metros y 2 metros).
- Temperatura ambiente: La temperatura puede ser cualquier valor dentro de un rango (por ejemplo, entre 20 grados Celsius y 30 grados Celsius).
- Peso de un objeto: El peso puede ser cualquier valor dentro de un rango.
La función de densidad de probabilidad (FDP) describe la probabilidad relativa de que una variable aleatoria tome un valor dado. A diferencia de la FMP, la FDP no da directamente la probabilidad de un valor específico. En su lugar, la probabilidad de que la variable caiga dentro de un intervalo se calcula integrando la FDP sobre ese intervalo. El área total bajo la curva de la FDP debe ser igual a 1.
Ejemplos comunes de distribuciones continuas incluyen la distribución normal (la famosa campana de Gauss, que modela muchos fenómenos naturales), la distribución exponencial (que modela el tiempo entre eventos en un proceso de Poisson) y la distribución uniforme (donde todos los valores dentro de un rango dado son igualmente probables).
En resumen, la clave para distinguir entre distribuciones discretas y continuas reside en la naturaleza de la variable aleatoria: ¿se puede contar (discreta) o puede tomar cualquier valor dentro de un rango (continua)? Entender esta diferencia es fundamental para aplicar correctamente las herramientas estadísticas en diversas áreas.
