Distribución uniforme

Cuando todos los valores son igual de probables

La distribución uniforme es una distribución de probabilidad donde todos los valores posibles tienen la misma probabilidad.

👉 Representa el caso más simple de incertidumbre: no hay preferencia por ningún resultado.

Definición corta

La distribución uniforme asigna la misma probabilidad a todos los valores dentro de un rango o conjunto.

🧠 Intuición

La distribución uniforme responde:

👉 “Todos los resultados son igualmente probables”

Sin sesgo  ↓  Probabilidad igual  ↓  Distribución uniforme

🔄 Tipos de distribución uniforme

🔹 1. Uniforme discreta

Valores finitos: $P(X = x) = \frac{1}{n}$ P(X=x)=n1

🔹 2. Uniforme continua

Valores en un intervalo $[a, b]$ [a,b]

$f(x)=\frac{1}{b-a} \quad \text{para } a \le x \le b$ f(x)=b−a1para a≤x≤b

👉 constante en todo el intervalo.

📊 Ejemplo simple

🔹 Discreto (dado)

P(1)=P(2)=...=P(6)=1/6

🔹 Continuo

Intervalo [0,1]  ↓  Todos los valores igual de probables

📐 Propiedades clave

🔹 Media

$\mu = \frac{a + b}{2}$ μ=2a+b

🔹 Varianza

$\sigma^2 = \frac{(b – a)^2}{12}$ σ2=12(b−a)2

📊 Interpretación

Centro → media  Anchura → varianza

🧠 Forma de la distribución

discreta → barras iguales
continua → línea horizontal

📊 Ejemplo conceptual

Altura constante  ↓  Probabilidad uniforme

🧠 Relación con incertidumbre

máxima incertidumbre sin información
ningún valor es preferido

📊 Ejemplo conceptual

Sin información  ↓  Distribución uniforme

🧠 Uso en machine learning

La distribución uniforme se usa en:

inicialización de pesos
generación de datos aleatorios
sampling
simulaciones

📊 Ejemplo conceptual

			
Inicialización  ↓  Valores distribuidos uniformemente  ↓  Entrenamiento estable

📊 Ejemplo en Python

			
import numpy as np
# uniforme continua
samples = np.random.uniform(0, 1, 5)
print(samples)

Ejemplo discreto

			
samples = np.random.randint(1, 7, 5)
print(samples)

🧠 Qué muestra este ejemplo

generación uniforme
ausencia de sesgo
comportamiento aleatorio

⚠️ Errores comunes

Pensar que uniforme = datos reales

Muchos datos no son uniformes.

Usarla sin justificar

Puede no representar bien el problema.

Confundir con normal

Uniforme no tiene forma de campana.

📊 Ejemplo conceptual en ML

Distribución uniforme  ↓  Datos simulados  ↓  Modelo  ↓  Predicción

🧠 Interpretación profunda

La distribución uniforme refleja un principio clave:

👉 Cuando no sabemos nada, asumimos igualdad

Es el punto de partida para:

modelado probabilístico
simulaciones
inicialización

Conclusión

La distribución uniforme asigna la misma probabilidad a todos los valores, representando el caso más simple de incertidumbre.

👉 Es fundamental para simulaciones y como punto de partida en modelado.