Distribuciones de Probabilidad: la base del Machine Learning

 Distribuciones de Probabilidad: la base silenciosa del Machine Learning.

En machine learning, todo modelo asume una forma sobre cómo se comportan tus datos. Conocer las distribuciones de probabilidad te permite validar esas suposiciones y evitar errores de interpretación.

-- Distribución Normal (Gaussiana)

 La famosa “campana”.

- Valores concentrados en el promedio

- Simétrica

- Presente en fenómenos naturales (altura, errores de medición)

 Imagina que la mayoría de tus datos están “en el medio” y pocos en los extremos.

--Distribución Binomial

 Modela cuántas veces ocurre un “éxito” en varios intentos.

 Ejemplos: clics en anuncios, resultados de A/B tests

 Es como lanzar una moneda varias veces y contar cuántas veces sale cara.

- Distribución de Poisson

 Cuenta cuántos eventos ocurren en un intervalo.

 Tickets por día, errores por hora, eventos raros

  Imagina contar cuántas veces pasa algo en un periodo, sabiendo que ocurre a un ritmo promedio.

Entender estas distribuciones te ayuda a elegir mejor tus modelos, validar supuestos y tomar decisiones basadas en datos con más confianza.

Imagen con todas:

Fuentes

Artículo:   "Distribuciones de Probabilidad" Publicado en https://www.linkedin.com por Juan Pedro Bretti Mandarano el 3 ene 2026.  consultado el  10 ene 2026.

URL: https://www.linkedin.com/posts/juanbretti_distribuciones-de-probabilidad-la-base-activity-7412024756222193664-mdfW?utm_source=share&utm_medium=member_desktop&rcm=ACoAAAa03loBlbRT8nTcr9Ha1jR37WOdBmxoVM0