Que es una distribución de probabilidad?

Las distribuciones de probabilidad están relacionadas con las distribuciones de frecuencias. De hecho, podemos pensar que una distribución de probabilidad es una distribución de frecuencias teórica, por lo tanto una distribución de frecuencias teórica es una distribución de probabilidades que describe la forma en que se espera varíen los resultados. Como estas distribuciones representan expectativas de que algo suceda, resultan modelos útiles para hacer inferencias y tomar decisiones en condiciones de incertidumbre.

Tipos de distribuciones de probabilidad

Las distribuciones de probabilidad se clasifican como discretas y continuas. En la distribución de probabilidad discreta está permitido considerar sólo un número limitado de valores. En una distribución de probabilidad continua, por otro lado, la variable que se está considerando puede tomar cualquier valor dentro de un intervalo dado. Para una total comprensión de este párrafo debes recordar los diferentes tipos de variables. Anteriormente, analizamos los resultados posibles de lanzar dos dados y calculamos algunas probabilidades asociadas con los diferentes resultados. Construya una tabla y una gráfica de la distribución de probabilidad que represente los resultados (en términos del número total de puntos que salen cara arriba en ambos dados) de este experimento. De que tipo de variable estamos hablando? Que tipo de resultados esperamos? Distinguir el tipo de variable es útil no solo en la etapa exploratoria del análisis de datos sino también en etapas donde se quiera asignar probabilidades a eventos relacionados con la variable. Para ciertos tipos de variables aleatorias ya se conocen modelos probabilísticos teóricos que ajustan razonablemente bien sus distribuciones empíricas y por tanto se usan estos modelos para el cálculo de probabilidades. Para una variable continua y de distribución simétrica unimodal, es común el uso del modelo Normal; mientras que para proporciones se piensa en el modelo probabilístico Binomial y para conteos no acotados en el modelo Poisson.

Cuando estudiamos una variable aleatoria, es de interés calcular probabilidades sobre la ocurrencia de ciertos valores (eventos). Por ejemplo, podríamos estimar la probabilidad de obtener un rendimiento de maíz superior a 100 qq/ha, de tomar 100 semillas y que no germinen más de 90, o de tomar una muestra de insectos con golpes de red y capturar menos de 20 insectos. Los cálculos de probabilidad pueden hacerse luego de enumerar todo el espacio muestral, cuando esto es posible, usando información sobre las frecuencias con que ocurren los distintos eventos o bien usando un modelo de distribución teórico que ajuste relativamente bien a la distribución empírica de la variable. Para la elección del modelo de probabilidad teórico, es importante considerar características de la variable tales como la forma en que se cuantifica (medición, proporción, conteo, etc.). La naturaleza de la variable, es decir si es discreta o continua las condiciones en que se realiza el experimento y el registro de los valores son determinantes para la selección de un modelo probabilístico. http://www.agro.unc.edu.ar/~mcia/archivos/Estadistica%20y%20Biometria.pdf