Volver a la lección

Guía del profesor: Distribuciones discretas vs continuas

Aprende la diferencia entre las distribuciones de probabilidad discretas y continuas, y cuándo usar cada tipo.

Presentar lecciónCompartir en ClassroomVer página del estudiante

Usa esta lección con tu clase

Gratis, sin cuentas para los alumnos.

Compartir con los alumnos

Los alumnos abren la lección y practican con corrección inmediata.

Ficha imprimible

Todos los ejercicios en papel, con las soluciones aparte.

Ficha de ejercicios Soluciones

Cuestionario de clase

10 preguntas sobre Distribuciones de probabilidad. Los alumnos entran con su nombre y tú ves todas las puntuaciones.

Para profesores

Objetivos de aprendizaje
  • Distinguir entre variables aleatorias discretas y continuas
  • Identificar si las cantidades del mundo real son discretas o continuas
  • Entender la diferencia entre PMF (discreto) y PDF (continuo)
  • Calcular probabilidades para distribuciones discretas
  • Explicar por qué P(X = valor exacto) = 0 para distribuciones continuas
Requisitos previos
  • • Comprensión básica de probabilidad (escala de 0 a 1)
  • • Familiaridad con fracciones y decimales
  • • Comprensión del concepto de variable
Iniciadores de discusión
  • 1. ¿Puedes pensar en una variable que parece continua pero en realidad es discreta?
  • 2. ¿Por qué crees que importa si usamos una distribución discreta o continua?
  • 3. ¿Cómo explicarías la diferencia entre 'contado' y 'medido' a un estudiante más joven?
  • 4. ¿Qué pasa si un científico usa el tipo incorrecto de distribución para sus datos?
Conceptos erróneos comunes

Pensar que todas las mediciones son discretas porque las mediciones digitales se redondean

Remediación: Explica que el redondeo es una limitación práctica, no una propiedad de la variable. La altura verdadera de una persona existe aunque solo midamos al cm más cercano.

Creer que continuo significa 'puede tomar valores grandes'

Remediación: Usa contraejemplos: El número de átomos en el universo es discreto (aunque enorme), mientras que la probabilidad (0 a 1) es continua (aunque acotada).

Ideas de diferenciación

Para estudiantes con dificultades:

  • • Concéntrate solo en la regla 'contado vs medido'
  • • Usa solo ejemplos familiares (dados, alturas, tiempo)
  • • Proporciona un árbol de decisión: ¿Puedes tener la mitad? → Si no, discreto

Para estudiantes de nivel:

  • • Clasifica casos ambiguos como dinero o edad
  • • Calcula probabilidades discretas simples
  • • Dibuja gráficos de barras para discreto y curvas para continuo

Para estudiantes avanzados:

  • • Introduce formalmente los conceptos de PMF y PDF
  • • Explora por qué P(X=x)=0 para distribuciones continuas usando límites
  • • Discute distribuciones mixtas (parcialmente discretas, parcialmente continuas)
Alineación con estándares
  • HSS.MD.A.1 (CCSS.MATH.CONTENT.HSS.MD.A.1)

    Definir una variable aleatoria para una cantidad de interés

  • HSS.MD.A.2 (CCSS.MATH.CONTENT.HSS.MD.A.2)

    Calcular el valor esperado de una variable aleatoria

Recursos de la lección
  • visualGráfico de comparación de distribuciones

    Visualización lado a lado de barras discretas vs curvas continuas

  • activityJuego de clasificación de variables

    Los estudiantes clasifican ejemplos reales en categorías discretas y continuas

  • worksheetDistribuciones del mundo real

    Identificar y clasificar variables de artículos de noticias y estudios científicos

Contenido de la lección

Todo lo que ven los alumnos: definición, ejemplos, errores comunes, aplicaciones. Toca para abrir.

Definición

Una distribución de probabilidad describe qué tan probables son los diferentes resultados para una variable aleatoria.

Distribuciones discretas

Una distribución discreta se aplica a variables que solo pueden tomar valores específicos y separados (generalmente contados).
Ejemplos de variables discretas:
  • Número de caras en 10 lanzamientos de moneda: 0,1,2,…,100, 1, 2, \ldots, 10
  • Lanzamiento de dado: 1,2,3,4,5,61, 2, 3, 4, 5, 6
  • Número de estudiantes en una clase: 15,16,17,…15, 16, 17, \ldots
Característica clave: Puedes listar todos los valores posibles. Usamos una Función de masa de probabilidad (PMF) donde:
P(X=x)≥0 y ∑todo xP(X=x)=1P(X = x) \geq 0 \text{ y } \sum_{\text{todo } x} P(X = x) = 1

Distribuciones continuas

Una distribución continua se aplica a variables que pueden tomar cualquier valor en un rango (generalmente medidas).
Ejemplos de variables continuas:
  • Altura de una persona: cualquier valor de 0 a 300 cm
  • Tiempo para completar una tarea: cualquier valor positivo
  • Temperatura: cualquier valor en un termómetro
Característica clave: No puedes listar todos los valores posibles (infinitos). Usamos una Función de densidad de probabilidad (PDF) donde:
P(a≤X≤b)=∫abf(x) dxP(a \leq X \leq b) = \int_a^b f(x)\, dx
Para variables continuas, P(X=valor exacto)=0P(X = \text{valor exacto}) = 0 porque hay infinitos valores posibles.

Ejemplos resueltos

Clasifica cada variable como discreta o continua: (a) Número de coches que pasan por un punto de control (b) Peso de un paquete (c) Número de artículos defectuosos en un lote
1

Analiza la variable (a)

Los coches se cuentan: 0, 1, 2, 3, ... No puedes tener 2,5 coches → Discreta
2

Analiza la variable (b)

El peso se mide: 1,234 kg, 1,235 kg, etc. Cualquier valor es posible → Continua
3

Analiza la variable (c)

Los defectos se cuentan: 0, 1, 2, ... No puedes tener 1,7 defectos → Discreta

Errores comunes

Pensar que 'el dinero' siempre es discreto porque contamos euros

Por qué está mal: Aunque a menudo redondeamos el dinero a céntimos, los modelos financieros frecuentemente tratan el dinero como continuo porque las transacciones teóricamente pueden ser de cualquier cantidad.

Correcto: El contexto importa: contar monedas es discreto, pero modelar precios de acciones es típicamente continuo.

Intentar calcular P(X = valor exacto) para distribuciones continuas

Por qué está mal: Para distribuciones continuas, la probabilidad en cualquier punto único es cero. Solo los intervalos tienen probabilidad positiva.

Correcto: Para distribuciones continuas, siempre calcula P(a<X<b)P(a < X < b) usando el área bajo la curva.

Confundir 'pocos valores posibles' con 'discreto'

Por qué está mal: Una variable es discreta según su naturaleza, no por el número de valores observados en una muestra.

Correcto: Pregúntate: '¿Puede esta variable teóricamente tomar CUALQUIER valor en un rango?' Si es así, es continua.

Por qué es importante

Comprender la diferencia entre distribuciones discretas y continuas es fundamental para:
  • Estadística: Elegir la prueba o modelo correcto para tus datos
  • Ciencia de datos: Seleccionar algoritmos de aprendizaje automático apropiados
  • Control de calidad: Monitorear procesos de fabricación (conteo de defectos vs mediciones)
  • Finanzas: Modelar precios de acciones (continuo) vs número de transacciones (discreto)
  • Medicina: Analizar conteos de pacientes (discreto) vs lecturas de presión arterial (continuo)
¡Usar el tipo incorrecto de distribución lleva a conclusiones y predicciones erróneas!

Aplicaciones del mundo real

Control de calidad en fabricación

Las fábricas usan distribuciones discretas para contar defectos y distribuciones continuas para mediciones.

Ejemplo:

Una fábrica cuenta artículos defectuosos por lote (discreto: 0, 1, 2, ...) pero mide el peso del producto en gramos (continuo: 250,3 g, 250,31 g, ...).

1Inténtalo tú mismo

Un inspector de calidad examina 100 bombillas y encuentra 3 defectuosas.

¿Es el 'número de bombillas defectuosas' discreto o continuo?

Paso 1: Elige la respuesta correcta

Piensa: ¿Puedes tener 2,5 bombillas defectuosas?

Estadísticas médicas

La atención sanitaria usa ambos tipos: conteos de pacientes (discreto) y signos vitales (continuo).

Ejemplo:

Número de pacientes admitidos hoy (discreto: 45, 46, 47) vs lectura de presión arterial (continuo: 120,5 mmHg, 121,3 mmHg).

2Inténtalo tú mismo

Un hospital registra tanto el número de operaciones por día como la duración de cada operación.

Clasifica cada variable.

Paso 1: Elige la respuesta correcta

Número de operaciones: ___ Duración: ___

Puntos clave

  • 1Las distribuciones discretas se aplican a variables con valores contables y separados (como lanzamientos de dados, de monedas, o conteos)
  • 2Las distribuciones continuas se aplican a variables que pueden tomar cualquier valor en un rango (como altura, peso o tiempo)
  • 3Para variables discretas, usamos PMF y podemos calcular P(X=x)P(X = x) directamente
  • 4Para variables continuas, usamos PDF y calculamos probabilidades para intervalos: P(a<X<b)P(a < X < b)
  • 5Pregúntate: '¿Esto se cuenta o se mide?' Contado = discreto, Medido = continuo

Preguntas frecuentes

¿Puede una variable ser tanto discreta como continua?

No, una variable es fundamentalmente una u otra según su naturaleza. Sin embargo, a veces modelamos variables discretas (como conteos) con distribuciones continuas como aproximación cuando los valores son grandes.

¿Por qué la edad a veces se trata como discreta y a veces como continua?

La edad en años (18, 19, 20) es discreta. La edad como tiempo exacto desde el nacimiento (18,5273 años) es continua. La elección depende de cómo mides y usas los datos.

¿Cuál es la diferencia entre PMF y PDF?

La PMF (Función de masa de probabilidad) da la probabilidad real para valores discretos. La PDF (Función de densidad de probabilidad) da la densidad para variables continuas - debes integrar sobre un intervalo para obtener la probabilidad.

Glosario

Variable discreta
Una variable que solo puede tomar valores específicos y separados, típicamente del conteo
Variable continua
Una variable que puede tomar cualquier valor dentro de un rango, típicamente de la medición
PMF (Función de masa de probabilidad)
Función que da la probabilidad de que una variable aleatoria discreta iguale cada valor posible
PDF (Función de densidad de probabilidad)
Función cuya integral sobre un intervalo da la probabilidad para una variable aleatoria continua
Variable aleatoria
Una variable cuyo valor depende del resultado de un fenómeno aleatorio

Más sobre este tema

Introducción a las distribuciones de probabilidad

Avanzado25 min

Probabilidad binomial

Avanzado25 min

Valor esperado

Avanzado25 min

Introducción a la distribución normal

Avanzado25 min