Probabilidad y distribuciones de probabilidad
La probabilidad es el lenguaje matemático para cuantificar la incertidumbre, y las distribuciones de probabilidad describen cómo se distribuyen los posibles valores de una variable aleatoria. Juntas, forman el fundamento teórico sobre el que se construye la inferencia estadística en las ciencias de la salud: cada intervalo de confianza, valor p y estimación de riesgo se basa en última instancia en un modelo de probabilidad de cómo podrían haber surgido los datos.
Definition
La probabilidad asigna números entre 0 y 1 a los eventos para expresar su probabilidad; una distribución de probabilidad es una función que especifica las probabilidades de los posibles valores de una variable aleatoria.
Scope
Esta área orienta al lector hacia las ideas centrales de la probabilidad y hacia las distribuciones más utilizadas en bioestadística. Cubre las reglas básicas de la probabilidad, la probabilidad condicional y la independencia, la distribución normal, las distribuciones binomial y de Poisson para recuentos y eventos, y las distribuciones muestrales que vinculan una muestra con la población a través del teorema del límite central. Es una visión general de referencia-educativa de la metodología, no una guía clínica.
Sub-topics
Core questions
- ¿Cómo se cuantifica la incertidumbre para poder razonar formalmente sobre los datos?
- ¿Qué distribución describe un tipo dado de medición o recuento?
- ¿Cómo se relaciona el comportamiento de una estadística muestral con la población subyacente?
- ¿Por qué la distribución normal surge tan a menudo en cantidades agregadas?
Key concepts
- Variable aleatoria
- Espacio muestral y eventos
- Axiomas de probabilidad
- Probabilidad condicional e independencia
- Distribuciones discretas y continuas
- Esperanza y varianza
- Distribución muestral
- Teorema del límite central
Mechanisms
Un modelo de probabilidad especifica un espacio muestral de posibles resultados y asigna probabilidades consistentes con los axiomas (no negatividad, probabilidad total uno, aditividad para eventos mutuamente excluyentes). Las variables aleatorias mapean los resultados a números, y sus distribuciones resumen las probabilidades de esos números, caracterizadas por cantidades como la media (esperanza) y la varianza. Las distribuciones discretas, como la binomial y la de Poisson, modelan recuentos de eventos; la distribución normal continua modela muchas cantidades medidas y, a través del teorema del límite central, aproxima la distribución de sumas y promedios. La estadística inferencial funciona tratando una estadística observada como una extracción de su distribución muestral.
Clinical relevance
Las distribuciones de probabilidad sustentan los métodos estadísticos utilizados para resumir datos de salud y para extraer inferencias de los estudios, por lo que comprenderlas apoya la lectura crítica de la literatura cuantitativa. Esta entrada describe el fundamento metodológico de dichos análisis y no es una base para decisiones individuales de diagnóstico o tratamiento.
History
La probabilidad matemática surgió de los análisis de juegos de azar del siglo XVII y fue desarrollada por Bernoulli, Laplace, Gauss y Poisson hasta convertirse en una teoría general de las distribuciones. La formulación axiomática de Kolmogorov en la década de 1930 sentó las bases rigurosas de la probabilidad. A lo largo del siglo XX, estas herramientas se convirtieron en la base de la inferencia estadística, y la bioestadística las adoptó para modelar mediciones y recuentos en la investigación médica y de salud pública.
Key figures
- Pierre-Simon Laplace
- Carl Friedrich Gauss
- Siméon Denis Poisson
- Jacob Bernoulli
- Andrey Kolmogorov
Related topics
Seminal works
- altman-bland-1995-normal
- rosner-2015
- ross-2014
Frequently asked questions
- ¿Por qué los cursos de bioestadística dedican tanto tiempo a las distribuciones de probabilidad?
- Porque la inferencia estadística funciona comparando los datos observados con lo que predice un modelo de probabilidad; la distribución es el puente entre una muestra y una afirmación sobre la población, por lo que la validez de los intervalos de confianza y las pruebas depende de la elección de una distribución adecuada.
- ¿Cuál es la diferencia entre una probabilidad y una distribución de probabilidad?
- Una probabilidad es un número único que describe cuán probable es un evento, mientras que una distribución de probabilidad especifica las probabilidades en todos los valores posibles de una variable aleatoria a la vez.