Distribuciones continuas de probabilidad

Cuando un dado se lanza, se sabe que la probabilidad de que salga uno de los seis posibles resultados es \(1/6\). Este resultado es la probabilidad. Pero, ¿cómo se distribuye esta probabilidad? Es decir, ¿cuánta probabilidad hay de que salga un uno o un seis? En un dado, esto es \(1/6\) cada uno; es decir, la probabilidad se distribuye equitativamente (es decir, en partes iguales). De manera muy primitiva, así es cómo se distribuye la probabilidad en el evento de lanzar un dado. 

Distribuciones continuas de probabilidad Distribuciones continuas de probabilidad

Crea materiales de aprendizaje sobre Distribuciones continuas de probabilidad con nuestra app gratuita de aprendizaje!

  • Acceso instantáneo a millones de materiales de aprendizaje
  • Tarjetas de estudio, notas, exámenes de simulacro y más
  • Todo lo que necesitas para sobresalir en tus exámenes
Regístrate gratis
Índice de temas

    Pero, ¿qué pasa si hay muchos eventos? Y, ¿qué pasa si la probabilidad de que ocurra cada uno no es la misma, sino que cambia? En estos caso la probabilidad de que ocurra cada evento se distribuye entre todos los valores y no es igual en todos.

    A una manera de representar esta distribución de un evento se le llama distribución de probabilidad y esta es una función muy importante.

    Distribuciones de probabilidad

    La distribuciones de probabilidad son funciones usadas en estadísticas, que te pueden decir cuán probable es obtener cierto resultado en un rango específico.

    Por ejemplo, cuán probable es obtener que la altura de los alumnos de una clase caiga entre \([1{,}67\text{ m}; 1{,}74\text{ m}]\).

    Una función de distribución de probabilidad es una función estadística, una fórmula matemática que describe un experimento aleatorio y mide qué tan probables son los resultados que se puedan llegar a obtener en un evento o experimento.

    La función de probabilidad es parecida a una función de cálculo y análisis \(f(x)\), donde \(x\) es el valor del resultado y la función \(f(x)\) nos dice la probabilidad de que la variable que toma valores en un rango \([a, b]\) tome esos valores.

    Hay dos tipos de distribuciones de probabilidad:

    • Funciones de distribución discretas: donde una variable aleatoria toma solo ciertos valores discretos.

    • Funciones de distribución continuas: donde una variable aleatoria toma cualquier valor en un intervalo \([a,b]\).

    Una de las funciones más conocidas es la función de densidad de la distribución normal, la cual es:

    \[{{1}\over{\sqrt[2]{2\pi}}} e^{{{-x^2}\over{2}}}\]

    Función de distribución continua

    Para calcular las probabilidades cuando tenemos una variable aleatoria continua, utilizamos lo que se llama la función de densidad. Para que una función \(f(x)\) sea una función de densidad de una variable aleatoria continua sobre la recta real, debe cumplir:

    • \(f(x)\geq 0\), para todo \(x\) en un rango \([a, b]\).

    • El área bajo la curva y por encima del eje de abscisas es igual a \(1\).

    • El rango \([a, b]\) delimita los valores que la variable puede tomar.

    Debido a esto, la probabilidad de que el valor de una variable continua aleatoria \(X\) esté dentro de un intervalo \([a,b]\) es el área bajo la curva dentro de este intervalo:

    \[P(a\leq X\leq b)=\int_a^b f(x)dx\]

    Esto implica que la probabilidad de que una variable aleatoria tome un valor concreto es nulo, puesto que, por definición:

    \[\int_a^af(x)dx=0\]

    Ahora, si queremos calcular la probabilidad acumulada hasta el valor \(X=x\), utilizamos la función de distribución de la variable \(X\):

    \[F(x)=P(X\leq x)=\int_{-\infty}^x f(x)dx\]

    Por tanto, se verifica que la función de densidad sea la derivada de la función de distribución:

    \[f(x)=F'(x)\]

    Calcula la función de distribución de la siguiente función de densidad:

    \[f(x)=\left\{\begin{align}\,&0\space\space\space x\in(-\infty,0)\\ &\dfrac{x}{2}\space\space\space x\in[0,2]\\ &0 \space\space\space x\in(2,+\infty) \end{align}\right.\]

    Solución:

    Para calcular la función de distribución, debes integrar la función de densidad, tal como se mencionó anteriormente. Como nuestra función de densidad empieza a tomar valores a partir del \(0\), este será el límite inferior de nuestro intervalo de integración (entre \(-\infty\) y \(0\) la función es nula):

    \[F(X)=\int_{-\infty}^{+\infty}f(x)dx=\int_{0}^X f(x)dx=\int_0^X \dfrac{x}{2}dx=\dfrac{X^2}{4}\]

    Por tanto, la función de distribución será:

    \[F(X)=\left\{\begin{align}\,0\space\space\space X&\in(-\infty,0)\\ \dfrac{X^2}{4}\space\space\space X&\in[0,2]\\ 0 \space\space\space X&\in(2,+\infty) \end{align}\right.\]

    A continuación, están representadas la función de densidad y la función de distribución.

    Distribuciones continuas de probabilidad, función de densidad, StudySmarterFig. 1.Función de densidad

    Distribuciones continuas de probabilidad, función de distribución, StudySmarterFig. 2: Función de distribución.

    En general, la distribución normal es la distribución continua más usada; aparece en muchos experimentos que harás en tus laboratorios y clases de bachillerato. Sin embargo, hay otras distribuciones continuas como:

    • Distribución Beta
    • Distribución Gamma
    • Distribución de Pareto

    Algunas de estas aparecen en fenómenos como la altura de las olas en el mar, debido al viento que sopla sobre el océano.

    La distribución normal: ejemplo

    Hablaremos un poco de la distribución normal, aunque sea brevemente.

    La distribución normal es la distribución que forma una campana alrededor del valor esperado.

    Si quieres saber más en detalle de esta distribución consulta nuestro artículo Distribución normal.

    Esta distribución es muy importante, ya que la dispersión de los datos (cuánto se alejan los datos del valor central) es regular. Al ser la dispersión regular, hay una valor que te permite saber entre cuál dato mayor y menor se encuentra el \(64,2%\) de los datos. Este valor se llama la desviación estándar, y su símbolo es \(\sigma\).

    Distribuciones continuas de probabilidad límites de la desviación estándar StudySmarter

    Fig. 3: Distribución normal y límites de la desviación estándar .

    Si multiplicas el valor de \(\sigma\), obtenemos el valor mayor y menor, entre los cuales vive el \(95.8%\) de los datos; si lo multiplicas por tres, obtendrás el \(99.8%\) de los datos.

    Hay dos valores importantes en las distribuciones continuas de probabilidad: la varianza y la esperanza.

    Esperanza matemática

    La probabilidad de que un número suceda en un experimento aleatorio no es independiente del resultado esperado. Como ya mencionamos, los valores cercanos al valor verdadero o esperado tendrán más probabilidad de salir.

    Se conoce como esperanza matemática al producto de la probabilidad de un resultado por el valor esperado.

    Esperanza matemática: fórmula

    Como hemos dicho, podemos definir la esperanza matemática como:

    \[\mu=E[X]=\int_{-\infty}^{+\infty}xf(x)dx\]

    Calcula la esperanza matemática de la función de densidad del ejemplo anterior.

    Solución:

    Si tenemos la función de densidad \(f(x)\), calculamos su esperanza con la fórmula anterior:

    \[\mu=\int_{-\infty}^{+\infty}xf(x)dx=\int_{0}^2 x\dfrac{x}{2}dx=\left.\dfrac{1}{2}\dfrac{x^3}{3}\right]_0^2=\dfrac{8}{6}=\dfrac{4}{3}\]

    La media de la función de densidad es de \(\dfrac{4}{3}\).

    Varianza

    Otro valor importante que mide la dispersión de los datos es la varianza. La varianza es, simplemente, el cuadrado de la desviación estándar.

    El cálculo es similar al de la función discreta:

    \[\text{var}(X)=σ^2=\int_{-\infty}^{+\infty}(x-\mu)^2f(x)dx=\int_{-\infty}^{+\infty}x^2f(x)dx-\mu^2\]

    Al igual que la desviación estándar es una medida de dispersión, ambas miden cuánto se desvían los datos del valor esperado.

    Calcula la varianza de la función de densidad del ejemplo anterior.

    Solución:

    Para calcularla aplicamos la fórmula anterior y la media del ejemplo anterior que acabamos de calcular:

    \[\text{Var}(X)=\int_{-\infty}^{+\infty}x^2f(x)dx-\mu^2=\int_0^2 x^2\dfrac{x}{2}dx-\dfrac{16}{9}=\dfrac{16}{8}-\dfrac{16}{9}=\dfrac{2}{9}\]

    Distribuciones continuas de probabilidad - Puntos clave

    • Una función de distribución de probabilidad es una función estadística que nos permite saber todos los posibles resultados de un experimento aleatorio en un rango específico, y la probabilidad de cada uno de estos resultados.
    • Para calcular las probabilidades cuando tenemos una variable aleatoria continua, utilizamos lo que se llama la función de densidad.
    • La distribución normal es una distribución continua de probabilidad.
    • Se conoce como esperanza matemática al producto de la probabilidad de un resultado por el valor esperado.
    • Otro valor importante que mide la dispersión de los datos es la varianza; que es, simplemente, el cuadrado de la desviación estándar.
    Preguntas frecuentes sobre Distribuciones continuas de probabilidad

    ¿Cuáles son las distribuciones de probabilidad continua?

    Las distribuciones continuas de probabilidad son las distribuciones en las que los valores que puede tomar la variable aleatoria son continuos. 


    • Un ejemplo de ello es la altura de los alumnos en una clase, donde las alturas pueden tomar cualquier valor. 
    • En caso contrario, los resultados de un dado no son continuos ya que solo pueden tomar seis valores.

    ¿Cuándo se utiliza la distribución continua?

    La distribución continua se utiliza cuando la variable que se mide en el experimento es continua.

    ¿Qué es la esperanza matemática?

    La esperanza matemática es el producto de la probabilidad de un resultado por el valor esperado.

    ¿Cómo se calcula la esperanza matemática?

    Si sabemos que el valor de f(x) nos dice la probabilidad del resultado (la altura de la función de probabilidad en ese punto), y el valor de x nos dice el valor de ese resultado, entonces la esperanza se puede calcular como:

    E(x)=x·f(x)

    ¿Qué es la varianza?

    La varianza, al igual que la desviación estándar, es una medida de dispersión que indica el grado de dispersión de los valores de la dispersión con respecto a la media.

    Pon a prueba tus conocimientos con tarjetas de opción múltiple

    ¿Qué es una distribución estadística?

    ¿Cuál es el valor bajo la curva en una distribución de probabilidad continua?

    ¿Cuál es una distribución de probabilidad?

    Siguiente
    1
    Acerca de StudySmarter

    StudySmarter es una compañía de tecnología educativa reconocida a nivel mundial, que ofrece una plataforma de aprendizaje integral diseñada para estudiantes de todas las edades y niveles educativos. Nuestra plataforma proporciona apoyo en el aprendizaje para una amplia gama de asignaturas, incluidas las STEM, Ciencias Sociales e Idiomas, y también ayuda a los estudiantes a dominar con éxito diversos exámenes y pruebas en todo el mundo, como GCSE, A Level, SAT, ACT, Abitur y más. Ofrecemos una extensa biblioteca de materiales de aprendizaje, incluidas tarjetas didácticas interactivas, soluciones completas de libros de texto y explicaciones detalladas. La tecnología avanzada y las herramientas que proporcionamos ayudan a los estudiantes a crear sus propios materiales de aprendizaje. El contenido de StudySmarter no solo es verificado por expertos, sino que también se actualiza regularmente para garantizar su precisión y relevancia.

    Aprende más
    Equipo editorial StudySmarter

    Equipo de profesores deDistribuciones continuas de probabilidad

    • Tiempo de lectura de 8 minutos
    • Revisado por el equipo editorial de StudySmarter
    Guardar explicación

    Guardar explicación

    Sign-up for free

    Regístrate para poder subrayar y tomar apuntes. Es 100% gratis.

    Únete a más de 22 millones de estudiantes que aprenden con nuestra app StudySmarter.

    La primera app de aprendizaje que realmente tiene todo lo que necesitas para superar tus exámenes en un solo lugar.

    • Tarjetas y cuestionarios
    • Asistente de Estudio con IA
    • Planificador de estudio
    • Exámenes simulados
    • Toma de notas inteligente
    Únete a más de 22 millones de estudiantes que aprenden con nuestra app StudySmarter.