Lección 2 del curso Probabilidad Nivel Intermedio.
En la lección anterior vimos qué son las variables aleatorias continuas y discretas que simplemente son funciones que nos permiten convertir o mapear un evento real a una representación numérica.
Pero resulta que esos eventos reales son aleatorios, es decir que presentan un grado de incertidumbre. Así que con antelación no podemos predecir con total exactitud cuál de los valores de la variable aleatoria vamos a obtener.
En lugar de ello debemos referirnos a la variable aleatoria a través de probabilidades, y el término que se usa es precisamente la distribución de probabilidad, que será el tema de esta lección.
Entonces a continuación vamos a entender qué es una distribución de probabilidad y por qué resulta siendo un concepto fundamental en Ciencia de Datos y el Machine Learning:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Así que ya tenemos una idea general de lo que es una distribución de probabilidad que en últimas nos permite ver la probabilidad de ocurrencia de cada evento asociado a una variable aleatoria.
En los próximos módulos nos enfocaremos en distribuciones de probabilidad específicas para los casos en los cuales tengamos variables aleatorias continuas o discretas. Sin embargo, antes de cerrar este módulo en la próxima lección veremos de forma práctica este concepto de distribución de probabilidad.
Específicamente, veremos un ejemplo práctico de cómo obtener distribuciones de probabilidad partiendo de diferentes sets de datos y usando algunas herramientas de programación en Python.
Todas las lecciones del curso Probabilidad Nivel Intermedio