Modelos Probabilísticos
La situación que el investigador
habitualmente tiene planteada es la de analizar una determinada variable X,
para los individuos de una población. Esta puede ser unidimensional, como
por ejemplo el número de pulsaciones por minuto en los individuos de una
determinada zona geográfica, o la renta anual de los habitantes de un
determinado país, o una determinada medida de la ansiedad en un grupo de
pacientes, etc., o multidimensional, cuando se observan varias variables
unidimensionales en cada individuo de la población, como por ejemplo el peso y
la talla (variable bidimensional), o los ingresos anuales, el número de coches y
el número de hijos de una unidad familiar (variable tridimensional).
Más en concreto, el investigador tendrá el propósito de estudiar alguna
característica relacionada con dicha variable, como su media (renta
media, peso medio, etc.) tratando, bien de inferir un valor para dicho
parámetro poblacional, bien de construir un intervalo de confianza
para él, o bien tratando de decidir, mediante un contraste de hipótesis,
entre dos conjuntos de posibles valores del parámetro. Estas técnicas
inferenciales serán estudiadas con detalle en los próximos capítulos, y veremos
allí que, salvo las denominadas técnicas de estadística no paramétrica, las
demás dependerán, para la bondad de sus resultados, de la distribución de
probabilidad o modelo probabilístico supuesto como ley regidora
del fenómeno aleatorio en estudio.
Cuanto más se adecue este
modelo al fenómeno real, mejores serán las inferencias. Aquí sin
embargo, no entraremos a valorar si un modelo determinado se ajusta bien o no a
unos datos. Eso se considerará más adelante. Aquí, como si se tratara de un
catálogo de modelos probabilísticos, estudiaremos estas leyes de probabilidad,
analizando sus principales propiedades y viendo cuáles son los fenómenos
aleatorios típicos a los que asociar estos modelos.