Hemos visto,
en el apartado anterior, que muchos fenómenos aleatorios tienen unas
distribuciones de probabilidad que se ajustan a determinados modelos,
cuyas características están descritas en formato matemático.
Después de conocer la más famosa de todas ellas, la distribución
normal, vamos a conocer algunas otras, válidas para entender otro
tipo de sucesos y que son útiles también para el análisis de
fenómenos que nos encontramos en la práctica clínica.
Distribución
constante
Aquélla cuya
probabilidad es constante a lo largo de todo el rango de valores.
Distribución
logarítmico-normal
Se utiliza en
el caso de muestras en las que los valores están muy desviados hacia
la izquerda, generalmente próximos a 0, y en los que el logaritmo de
los valores sí presenta una distribución normal centrada en la
media.
Distribución
exponencial
Equivalente
continuo a la distribución geométrica que luego mencionaremos para
las variables discontinuas, se encarga de mostrar la densidad de
probabilidad del intervalo de tiempo necesario para que ocurra un
suceso.
Distribución
chi cuadrado (χ2)
Es la
distribución que sigue la suma de varias variables independientes de
distribución normal estandarizada (es decir, de media 0 y desviación
estadística 1). Se utiliza mucho en inferencia estadística, a la
hora de analizar relaciones entre variables cualitativas o de
determinar el intervalo de confianza de una varianza.
Distribución
t de Student
Distribución
que sigue el cociente entre una variable normal y la raíz cuadrada
de otra χ2, y que es muy útil para analizar la variabilidad que
deriva de muestras demasiado pequeñas. Para ello, es una
distribución que cambia según el número de grados de libertad, es
decir, de casos menos uno, al entender que, una vez conocida la
media, “sobra” uno de los casos.
* Curso destinado a miembros de AMYTS. Para continuar pinchar AQUÍ.
* Curso destinado a miembros de AMYTS. Para continuar pinchar AQUÍ.