Las distribuciones de probabilidad forman la base matemática para describir fenómenos aleatorios y cuantificar la incertidumbre. Si está analizando las llegadas de los clientes, modelando movimientos de precios de stock, o interpretando datos experimentales, la primera decisión crítica es determinar si sus datos provienen de una distribución discreta o continua. Esta opción afecta cada paso posterior, desde la selección de pruebas estadísticas apropiadas hasta la construcción de modelos predictivos.

Distribuciones de probabilidad discreta

Definición y Características básicas

Una distribución discreta de probabilidad describe una variable aleatoria que puede tomar un conjunto contable de valores distintos. Típicamente estos son números enteros, pero también pueden ser categorías con un número finito o contablemente infinito de posibilidades. La característica definitoria es que puedes enumerar todos los resultados posibles, incluso si la lista es larga o infinita. Por ejemplo, el número de correos electrónicos que recibes en un día puede ser 0, 1, 2, y así sucesivamente, pero nunca 2.5.

La probabilidad de cada resultado específico es dada por el función de masa de probabilidad (PMF), denotado como P(X = x)Para cualquier PMF válido, cada probabilidad se encuentra entre 0 y 1, y la suma de probabilidades en todos los valores posibles equivale exactamente a 1. La función de distribución acumulativa (CDF), F(x) = P(X ≤ x), es una función paso que aumenta sólo en los puntos donde la variable toma un valor.

Distribuciones comunes de disco

  • Distribución Bernoulli – Representa un solo ensayo con dos resultados, típicamente etiquetado éxito (1) y fracaso (0). Parámetro p es la probabilidad del éxito. Ejemplo: una sola moneda de cambio.
  • Distribución binomial – Modelos del número total de éxitos en un número fijo n de ensayos independientes de Bernoulli. Ejemplo: número de cabezas en 10 volteretas de moneda. Significado Np, varianza np(1-p).
  • Distribución de Poisson – Especifica la probabilidad de un número determinado de eventos que se producen en un intervalo fijo de tiempo o espacio, asumiendo una tasa promedio constante λEjemplo: número de llegadas de clientes por hora a una tienda. Significado y diferencia ambos iguales λ.
  • Distribución geométrica – Modelos el número de pruebas necesarias para lograr el primer éxito. Ejemplo: número de rollos de una muerte hasta que usted consiga un 6.
  • Distribución hipergeométrica – Describe el número de éxitos en una muestra dibujada sin reemplazar de una población finita. Ejemplo: número de mármoles rojos extraídos de una bolsa sin reemplazo.
  • Distribución binomio negativo – Generaliza la distribución geométrica al número de ensayos necesarios para lograr un número fijo de éxitos. Ejemplo: número de intentos de conseguir 3 lanzamientos libres exitosos.

Medidas clave: Valor y Variancia esperados

El valor previsto (medio) de una variable discreta al azar es el promedio ponderado: E[X] = gia x · P(X = x). El varianza mide la propagación alrededor de la media: Var(X) = gia (x – μ)2 · P(X = x). Para la distribución binomio, E[X] = np y Var(X) = np(1-p)Para la distribución Poisson, tanto la media como la varianza iguales λ — una propiedad conocida como equidispersión, que es una suposición clave al utilizar la regresión Poisson.

Distribución de probabilidad continua

Definición y Características básicas

Una distribución continua de probabilidad modela una variable aleatoria que puede tomar cualquier valor dentro de un intervalo real o unión de intervalos. Alturas, pesos, temperaturas y duración del tiempo son ejemplos clásicos. Debido a que la variable puede asumir un número incontablemente infinito de valores, la probabilidad de cualquier valor exacto es cero. En lugar, las probabilidades se asignan a intervalos.

El función de densidad de probabilidad (PDF), f(x), describe la probabilidad relativa. La probabilidad de que X caídas entre a y b es la parte integral de f(x) desde a a b. El área total bajo la curva PDF es igual a 1. La función de distribución acumulativa (CDF), F(x) = P(X ≤ x) = ∫ {-∞}{x} f(t) dt, es una función continua y diferenciable para la mayoría de las distribuciones comunes.

Distribución continua común

  • Distribución normal (gaussian) – La curva icónica en forma de campana, caracterizada por su media μ y desviación estándar σ. Es omnipresente en las estadísticas debido al Teorema de Límite Central. Muchos fenómenos naturales, como puntajes de prueba o errores de medición, aproximan una distribución normal.
  • Distribución exponencial – Modelos el tiempo entre eventos independientes que ocurren a una tasa promedio constante. Tiene una propiedad sin memoria clave: la probabilidad de esperar un minuto adicional es el mismo independientemente de cuánto tiempo ya has esperado. Comúnmente utilizado para los tiempos de espera en la teoría de la búsqueda.
  • Distribución uniforme – Todos los intervalos de igual longitud dentro del soporte tienen igual probabilidad. Por ejemplo, la distribución de números aleatorios generados entre 0 y 1 es uniforme. A menudo utilizado como un anterior no informativo en el análisis Bayesiano.
  • Gamma Distribution – Generaliza la distribución exponencial para modelar el tiempo hasta k eventos se producen. Se utiliza en el seguro para las cantidades de reclamación y en la ingeniería para la confiabilidad del sistema.
  • Distribución de las beta – Definido en el intervalo [0,1], lo que lo hace ideal para modelar probabilidades y proporciones. Es un conjugado común antes de las probabilidades binomiales en las estadísticas Bayesian.
  • Distribución logística – Una variable cuyo logaritmo se distribuye normalmente. A menudo se utiliza para datos de valor positivo como ingresos, precios de stock y mediciones biológicas.

Medidas clave: Valor y Variancia esperados

El valor esperado de una variable aleatoria continua se calcula mediante la integración en el PDF: E[X] = ∫ {-∞}^{∞} x f(x) dx. La variación es Var(X) = ∫ (x – μ)2 f(x) dx. Para la distribución normal, E[X] = μ y Var(X) = σ2. Para la distribución exponencial con tarifa λ, el medio es 1/λ y la diferencia 1/λ2.

Diferencias clave entre distribuciones discretas y continuas

Aspecto Distribución discreta Distribución continua
Naturaleza de los valores Contable (por ejemplo, números enteros, categorías) Incontablemente infinito dentro de un intervalo
Probabilidad de un valor exacto Puede ser √0 (por ejemplo, P(X=2)=0.15) Siempre 0 (P(X=a)=0 para cualquier a)
Representación de la probabilidad Función de masa de probabilidad (PMF) Función de densidad de probabilidad (PDF)
Probabilidad total Suma de valores de PMF = 1 Área bajo curva PDF = 1
Visualización Gráfico de barras o líneas verticales Curva continua
CDF Función de paso que salta en cada resultado Función continua y lisa (normalmente)
Ejemplos comunes Número de accidentes, recuentos de encuestas, recuentos de defectos Tiempo, temperatura, altura, tensión
Parámetros típicos Tasa λ, ensayos n, probabilidad p Significa μ, desviación estándar σ, tasa λ

Por qué la Distinción importa en la práctica

Selección de pruebas y modelos estadísticos

Utilizar el tipo de distribución incorrecto puede invalidar su análisis. Para datos discretos (contadas, categorías), pruebas no paramétricas o modelos especializados como regresión logística, pruebas de la cuarta posición o regresión de Poisson son apropiados. Para datos continuos, pruebas paramétricas como t-tests, ANOVA y regresión lineal son comunes, pero a menudo asumen normalidad.

Modelado predictivo y aprendizaje automático

La naturaleza de su variable objetivo dicta la familia modelo. Para datos de cuenta, use la regresión Poisson, regresión binomial negativa, o modelos de cero inflados. Para objetivos continuos, regresión lineal, modelos aditivos generalizados, o redes neuronales con funciones de pérdida apropiadas (por ejemplo, error cuadrado medio) son adecuados. En clasificación, los resultados binarios usan la regresión logística (modelo multiclase)ver GLM vista general sobre Wikipedia).

Evaluación de Riesgos y Modelización Financiera

En finanzas, distribuciones continuas como la normal y la normalidad de troncos se utilizan para modelar rendimientos de activos y precios de opción (modelo de bolack-escuelas). Divulgaciones, como el modelo de árbol binomial, proporcionan una manera de valorar opciones paso a paso. En seguros, el número de reclamaciones sigue una distribución discreta (a menudo Poisson), mientras que los tamaños de reclamación se modelan con distribuciones continuas (gamma, tasación de riesgo de error).

Inference Bayesian

Las distribuciones previas pueden ser discretas (por ejemplo, para un parámetro binario) o continuas (por ejemplo, beta para una probabilidad). La elección afecta a la computación posterior: integración para continuo, summación para discreta. Herramientas computacionales modernas como la cadena Markov Monte Carlo (MCMC) manejan ambos, pero especificar la familia distribucional correcta sigue siendo crucial para la identificación y convergencia modelo.

Errores comunes y conceptos erróneos

  • Tratar variables discretas como continuas sin justificación. Por ejemplo, analizar datos de cuenta (0,1,2,3) con una prueba t o regresión lineal viola supuestos de normalidad y varianza constante. En lugar de ello, utilizar modelos lineales generalizados con distribuciones apropiadas.
  • Confusando datos continuos discretizados con variables verdaderamente discretas. Si se une la edad continua en grupos, los datos resultantes son discretos, pero la variable subyacente es continua. La unión de la información de pérdida y puede sesgosar resultados.
  • Suponiendo que todas las distribuciones continuas sean normales. Muchos fenómenos del mundo real siguen distribuciones exponenciales, gamma, beta o Weibull. Compruebe siempre la bondad de la adaptación utilizando parcelas Q-Q o pruebas estadísticas.
  • Interpretar el valor PDF como una probabilidad. La altura de un PDF puede superar 1, lo que es imposible para un PMF. Sólo las áreas bajo el PDF corresponden a probabilidades.
  • Olvidar que las distribuciones discretas pueden ser aproximadas a veces por las continuas. Cuando los recuentos son grandes (por ejemplo, binomial con grandes n, Poisson con grande λ), una aproximación normal es válida, pero debe verificar condiciones como la regla del pulgar: np ≥ 10 y n(1-p) ≥ 10 para el binomial.
  • Utilizando un modelo Poisson cuando la varianza supera la media (sobredispersión). El Poisson asume la equidispersión. Si la sobredispersión está presente, los modelos binomiales negativos o de cero son más apropiados.

Orientación práctica: De datos a decisión

Considere dos escenarios comunes:

  • Número de visitas por hora. Esto es datos de cuenta, a menudo modelados con Poisson o regresión binomial negativa. Usted comprobaría la equidispersión y consideraría la inflación cero si muchas horas tienen visitas cero. Una prueba de bondad de beneficio equi-cuarela puede evaluar si la suposición Poisson sostiene.
  • Tiempo dedicado a un sitio web por sesión. Esto es continuo, a menudo derecho. La distribución exponencial o gamma puede encajar bien. Usted podría aplicar análisis de supervivencia (por ejemplo, estimación Kaplan-Meier) o un registro-transform antes de la regresión lineal.

Elegir la correcta distribución de probabilidad no es un ejercicio académico, sino que afecta directamente la exactitud de las predicciones, la validez de las inferencias y la fiabilidad de las decisiones. Para una exploración más profunda de las distribuciones de probabilidad, incluyendo ejemplos interactivos, Estadísticas Cómo ofrecer una visión general y Unidad de Khan Academy sobre variables aleatorias proporciona excelentes tutoriales.

Conclusión

Divulgación de datos fiables y de probabilidad continua capturan variables fundamentalmente diferentes. Diferencias discretas gobiernan resultados contables como conteos y categorías, utilizando funciones de masa de probabilidad donde cada valor específico puede tener probabilidad positiva. Diferencias continuas rigen cantidades mensurables como tiempo y distancia, utilizando funciones de densidad de probabilidad donde sólo intervalos llevan probabilidad.

Para un estudio más detenido, Lista de distribuciones de probabilidad de Wikipedia es una referencia autorizada, y esta práctica guía R para las distribuciones demuestra cómo trabajar con ellos en código.