DISTrIBuCIonES DE VArIABLES DISCrETAS
Jorge Dagnino2014
Sign up for access to the world's latest research
Abstract
En otro artículo se describió la distribución Normal como la principal de las distribuciones teóricas de variables aleatorias continuas. En este haremos lo mismo con dos distribuciones teóricas de variables discretas, completándolo con una somera descripción de algunas distribuciones de muestreo. Si bien la descripción adecuada supone el conocimiento del cálculo de probabilidades y su manejo matemático, intentaremos una descripción conceptual pensando que su conocimiento es útil pues aparecen con alguna frecuencia en la literatura médica. Vale la pena reiterar que son distribuciones teóricas de la variable aleatoria de interés y que su utilidad reside en que se puede comparar la distribución de los datos observados con ese modelo.
Key takeaways
- Vale la pena reiterar que son distribuciones teóricas de la variable aleatoria de interés y que su utilidad reside en que se puede comparar la distribución de los datos observados con ese modelo.
- La distribución binomial da la probabilidad de que un resultado específico ocurra dentro de un número dado de pruebas independientes.
- Uno es el número de pruebas independientes, designado por la letra n (número de veces que se lanza la moneda) y el otro es la probabilidad del evento en particular, designado por la letra π aunque con frecuencia aparece citado como p. Vale la pena subrayar que la distribución supone eventos independientes y que cada uno de ellos tiene la misma probabilidad de ocurrir.
- Si el número es suficientemente grande (cuando nπ y n-nπ son ≥ 10) y como resultado del teorema del límite central, la distribución binomial se acerca mucho a una Normal, con la misma media y desviación estándar, lo que simplifica el análisis, permite calcular intervalos de confianza y se denomina la aproximación normal a la distribución binominal.
- Puede ser derivada matemáticamente como un caso particular de la distribución binomial, asumiéndose en este caso que el número de ensayos es indefinidamente grande mientras que la probabilidad de cada evento es muy rara, aproximándose a cero.
