Ajuste de Distribución

Encuentra qué distribución de probabilidad se ajusta mejor a tus datos — y comprueba qué tan bien encaja

El ajuste de distribución responde la pregunta: ¿qué tipo de proceso aleatorio generó mis datos? ¿Están distribuidos normalmente (curva de campana)? ¿Distribuidos exponencialmente (decaimiento sin memoria)? ¿Uniformes (resultados igualmente probables)? Conocer la distribución permite cálculos de probabilidad poderosos — "¿qué fracción de valores supera X?" o "¿cuál es el percentil 95?"

Esta herramienta carga 60 mediciones de altura tomadas de una distribución casi normal. Haz clic en Vincular Datos y la IA ajustará tres distribuciones candidatas, superpondrá la mejor curva sobre el histograma e informará qué distribución gana con sus parámetros (μ, σ para la normal).

Pega tu propio CSV de columna numérica para ajustar una distribución a tus datos.

Temas relacionados

Creador de HistogramasCalculadora de EstadísticasCalculadora de Prueba TDiagrama de Caja
¿Qué es una distribución normal?
La distribución normal (curva de campana) es la distribución más común en la naturaleza. Está completamente descrita por dos parámetros: la media μ (centro) y la desviación estándar σ (ancho). Muchas mediciones naturales — alturas, pesos, calificaciones de exámenes — están aproximadamente distribuidas normalmente.
¿Qué es la bondad de ajuste?
La bondad de ajuste mide qué tan bien una distribución teórica coincide con los datos observados. Las pruebas comunes incluyen la prueba de Kolmogorov-Smirnov (K-S) y la prueba chi-cuadrado. Un estadístico K-S más bajo (o valor p más alto) significa un mejor ajuste.
¿Cómo uso la distribución ajustada para predicciones?
Una vez que conoces la distribución y sus parámetros, puedes responder preguntas de probabilidad. Para una distribución normal con μ = 170 y σ = 8: "¿Qué fracción de personas mide más de 180 cm?" = P(X > 180) = P(Z > (180−170)/8) = P(Z > 1.25) ≈ 10.6%.
¿Qué pasa si ninguna distribución se ajusta bien?
Si los datos son bimodales (dos picos), sesgados o acotados, ninguna de las tres distribuciones básicas puede ajustarse. En ese caso, considera transformar los datos (por ejemplo, transformación logarítmica para datos sesgados a la derecha) o usar un enfoque no paramétrico. La IA señalará los malos ajustes y sugerirá alternativas.