distribución beta – beta distribution

Distribución Beta

Campo Disciplinario Principal: Teoría de la Probabilidad, Inferencia Estadística, Modelado de Proporciones

1. Definición Central y Contexto

La distribución beta es una familia de distribuciones de probabilidad continuas definida rigurosamente en el intervalo cerrado [0, 1]. Su importancia fundamental reside en su capacidad para modelar la distribución de una probabilidad, una proporción o una tasa, siendo un elemento central en la estadística bayesiana. Conceptualizada como la distribución de una variable aleatoria que representa una fracción de un total, la distribución beta permite describir la incertidumbre o el conocimiento acerca de un parámetro que, por naturaleza, debe estar acotado entre cero y uno.

En el marco de la inferencia, la distribución beta opera como la distribución a priori conjugada para las distribuciones de Bernoulli y binomial. Esta propiedad significa que si el conocimiento inicial (el a priori) sobre la probabilidad de éxito sigue una distribución beta, el conocimiento actualizado después de observar datos (el a posteriori) también pertenecerá a la familia beta. Esta característica simplifica drásticamente los cálculos bayesianos, haciendo que el proceso de actualización de creencias sea analíticamente manejable.

La versatilidad morfológica de la distribución beta es notable, ya que está determinada por dos parámetros de forma positivos, tradicionalmente designados como alpha ($alpha$) y beta ($beta$). Estos parámetros, a menudo interpretados como pseudo-conteos efectivos de éxito y fracaso, respectivamente, permiten que la función de densidad de probabilidad (FDP) adopte una amplia gama de formas: desde la uniforme hasta distribuciones fuertemente sesgadas, simétricas o bimodales. Esta flexibilidad la convierte en una herramienta indispensable para representar un espectro completo de estados de conocimiento, desde la ignorancia total hasta la alta certeza.

2. Formulación Matemática y Parámetros

Una variable aleatoria $X$ que sigue una distribución beta con parámetros $alpha$ y $beta$, denotada $X sim text{Beta}(alpha, beta)$, tiene una función de densidad de probabilidad (FDP) que se define formalmente para $0 le x le 1$, con $alpha > 0$ y $beta > 0$. La expresión matemática de la FDP encapsula la relación entre los pseudo-conteos y la probabilidad:

La FDP es proporcional a $x^{alpha-1} (1-x)^{beta-1}$.

Para asegurar que la distribución sea válida (es decir, que el área bajo la curva sea igual a 1), se requiere una constante de normalización, que es la inversa de la Función Beta, $B(alpha, beta)$. La función Beta es en sí misma una integral definida que se relaciona directamente con la Función Gamma ($Gamma$): $B(alpha, beta) = Gamma(alpha) Gamma(beta) / Gamma(alpha + beta)$.

La interpretación de los parámetros es fundamental para la modelización. Si $alpha$ y $beta$ son enteros, representan los conteos de éxito y fracaso más uno (o simplemente los conteos si se usa la parametrización de la distribución binomial con la beta como a priori). Si $alpha = 1$ y $beta = 1$, la distribución es uniforme, lo que implica que no hay evidencia previa que favorezca un valor sobre otro. A medida que los valores de $alpha$ y $beta$ aumentan, la distribución se vuelve más concentrada alrededor de su media, reflejando una mayor confianza o precisión en la estimación de la proporción subyacente.

3. Propiedades Estadísticas y Momentos

El análisis de la distribución beta se facilita por la existencia de soluciones de forma cerrada para sus momentos centrales, lo que permite una caracterización rápida de su tendencia central y dispersión. Estas propiedades son cruciales tanto para la estimación de parámetros como para la interpretación de los resultados bayesianos.

El valor esperado, o media, de la distribución beta refleja la proporción promedio ponderada por la creencia previa y se calcula como:

Media = $alpha / (alpha + beta)$

Esta fórmula muestra intuitivamente que la media es la proporción de éxitos respecto al total de pseudo-observaciones ($alpha + beta$). Es la estimación puntual más probable de la probabilidad subyacente $p$ bajo un error cuadrático medio.

La varianza, una medida de la incertidumbre o dispersión de la distribución alrededor de la media, es inversamente proporcional a la suma de los parámetros. Cuanto mayor sea la suma ($alpha + beta$), menor será la varianza, indicando una mayor certeza en la estimación. La expresión es:

Varianza = $(alpha beta) / ((alpha + beta)^2 (alpha + beta + 1))$

Además, la moda (el pico de la distribución, el valor más probable) se utiliza frecuentemente, especialmente cuando $alpha > 1$ y $beta > 1$, y se calcula como $(alpha – 1) / (alpha + beta – 2)$. Si $alpha$ o $beta$ son menores o iguales a uno, la moda puede estar en los límites del intervalo (0 o 1) o la distribución puede ser bimodal.

4. Morfología y Representación de Creencias Previas

La capacidad de la distribución beta para adoptar diversas formas la convierte en una herramienta excepcionalmente flexible para el modelado de distribuciones a priori en el contexto bayesiano. La relación relativa y el tamaño absoluto de $alpha$ y $beta$ dictan la morfología de la FDP.

• A Priori No Informativo (Uniforme): $text{Beta}(1, 1)$ resulta en la distribución uniforme continua, que asigna igual probabilidad a todos los valores en [0, 1]. Esto se utiliza cuando no se tiene conocimiento previo o se desea minimizar la influencia del a priori en el posterior.
• Distribuciones Sesgadas (Información Fuerte): Si $alpha$ es significativamente mayor que $beta$ (por ejemplo, $text{Beta}(10, 2)$), la distribución está fuertemente sesgada hacia 1, reflejando una alta creencia previa en el éxito. Si $beta$ domina, el sesgo es hacia 0, reflejando una baja creencia en el éxito.
• Distribuciones Simétricas y Concentradas: Cuando $alpha = beta > 1$, la distribución es simétrica alrededor de 0.5 y tiene forma de campana. Un aumento en $alpha$ y $beta$ manteniendo la igualdad (e.g., $text{Beta}(100, 100)$) hace que la distribución sea muy estrecha, representando una creencia muy fuerte y precisa de que la proporción es 0.5.
• Distribuciones Bimodales (Forma de ‘U’): Si $alpha < 1$ y $beta < 1$ (e.g., $text{Beta}(0.5, 0.5)$), la distribución tiene una forma de 'U', con la mayor densidad de probabilidad cerca de los límites 0 y 1. Esto se utiliza para modelar situaciones donde se cree que la proporción es extrema, pero no se sabe si es alta o baja.

Esta rica variedad morfológica permite a los analistas modelar con precisión cualquier hipótesis inicial sobre la proporción de interés, un requisito esencial para una inferencia bayesiana robusta.

5. La Distribución Beta como Conjugado de la Binomial

La propiedad de ser la distribución a priori conjugada de la binomial es, quizás, la característica más definitoria y útil de la distribución beta. Esta conjugación garantiza que la distribución a posteriori, que es proporcional al producto del a priori y la función de verosimilitud (binomial), pertenezca a la misma familia paramétrica.

Consideremos un experimento donde se desconoce la probabilidad de éxito $p$. Si nuestra creencia previa sobre $p$ es $text{Beta}(alpha, beta)$, y observamos $k$ éxitos en $n$ ensayos independientes de Bernoulli (es decir, la verosimilitud es Binomial($n, p$)), la distribución posterior de $p$ se actualiza de manera sencilla. El nuevo posterior será:

Posterior $sim text{Beta}(alpha + k, beta + n – k)$

El proceso de actualización es intuitivo: los parámetros del a priori ($alpha$ y $beta$) se incrementan simplemente sumando los conteos de éxito ($k$) y fracaso ($n-k$) observados en los datos. Esto no solo simplifica el cálculo analítico, evitando la necesidad de integración numérica compleja, sino que también ofrece una interpretación directa: el posterior es una distribución beta con parámetros que reflejan la suma de la información previa y la nueva evidencia.

6. Relación e Interconexión con Otras Distribuciones

La distribución beta es un miembro clave en la red de distribuciones de probabilidad y mantiene vínculos matemáticos importantes con otras familias probabilísticas fundamentales, lo que subraya su papel central en la teoría estadística.

Una de las conexiones más profundas es con la Distribución Gamma. La distribución beta surge naturalmente como la distribución de la razón de dos variables aleatorias independientes que siguen la distribución Gamma. Específicamente, si $Y_1$ y $Y_2$ son independientes y $Y_1 sim text{Gamma}(alpha, 1)$ y $Y_2 sim text{Gamma}(beta, 1)$, entonces la proporción $X = Y_1 / (Y_1 + Y_2)$ sigue una distribución $text{Beta}(alpha, beta)$. Esta relación es esencial para la generación de números aleatorios de la distribución beta y para la derivación de sus propiedades.

Además, la distribución beta es crucial para la definición de la Distribución Dirichlet, que es una generalización multivariada de la beta. Así como la beta es la conjugada de la binomial, la Dirichlet es la conjugada de la distribución multinomial, lo que la hace fundamental en el modelado de tópicos y otras aplicaciones multiclase en el aprendizaje automático. Finalmente, transformaciones de la distribución beta pueden resultar en la Distribución F de Snedecor, utilizada en pruebas de hipótesis sobre varianzas.

7. Aplicaciones en Pruebas A/B y Modelado de Proporciones

Debido a su naturaleza acotada y su facilidad de actualización bayesiana, la distribución beta es ubicua en aplicaciones que involucran la estimación y comparación de tasas de éxito, siendo las Pruebas A/B en la optimización de negocios en línea su aplicación más conocida y práctica.

En las pruebas A/B, se utiliza la distribución beta para modelar la verdadera tasa de conversión (la probabilidad $p$) para dos o más variantes (A, B, etc.). Para cada variante, se mantiene una distribución beta a posteriori que se actualiza continuamente a medida que los usuarios interactúan (éxito o fracaso). Al final del experimento, la toma de decisiones no se basa en una estimación puntual, sino en la comparación de las distribuciones completas. Por ejemplo, se puede calcular la probabilidad de que la variante A sea superior a la variante B, integrando la diferencia de sus distribuciones posteriores. Este enfoque bayesiano, facilitado por la beta, proporciona una métrica de confianza más rica y estadísticamente rigurosa que los métodos frecuentistas tradicionales.

Otras aplicaciones incluyen la modelización de la densidad de fallos en ingeniería, la proporción de votos en encuestas pequeñas, la tasa de prevalencia de enfermedades en epidemiología y la estimación de parámetros en modelos de riesgo y fiabilidad, donde los datos son inherentemente proporcionales.

8. Estimación Frecuentista y Consideraciones Computacionales

Aunque la distribución beta brilla en el contexto bayesiano, también es utilizada en la estadística frecuentista, lo que requiere métodos de estimación de parámetros distintos a la actualización conjugada. Los dos métodos principales son la Estimación por Momentos y la Estimación de Máxima Verosimilitud (MV).

La Estimación por Momentos es sencilla: se calculan la media y la varianza de la muestra observada y se igualan a las expresiones teóricas de la media y la varianza de la distribución beta. Al resolver este sistema de dos ecuaciones con dos incógnitas ($alpha$ y $beta$), se obtienen estimaciones que, si bien son consistentes, pueden ser menos eficientes que las de MV.

La Estimación de Máxima Verosimilitud busca los valores de $alpha$ y $beta$ que maximizan la probabilidad de observar los datos dados. Debido a la forma compleja de la función de verosimilitud de la beta, las ecuaciones de MV resultantes no tienen una solución analítica de forma cerrada. Por lo tanto, se requiere el uso de algoritmos numéricos iterativos, como el método de Newton-Raphson, para converger a las estimaciones de los parámetros. Este proceso es computacionalmente más intensivo pero ofrece estimaciones que tienen propiedades asintóticas óptimas.

9. Significado Teórico e Impacto en la Estadística

El impacto de la distribución beta en la teoría estadística es profundo, sirviendo como un puente entre las distribuciones discretas (binomial) y las continuas. Su existencia como conjugado a priori permitió el desarrollo práctico de la inferencia bayesiana para modelos binomiales y multinomiales antes de la era de los algoritmos MCMC.

La beta proporciona un lenguaje matemático para la cuantificación y gestión de la incertidumbre sobre proporciones. Al permitir que el a priori se defina con precisión (utilizando formas sesgadas o concentradas), facilita la incorporación de conocimiento experto o histórico en el análisis estadístico. Esta capacidad de formalizar la creencia previa, combinada con la facilidad de actualización analítica, ha solidificado el lugar de la distribución beta como una de las distribuciones continuas más importantes en la práctica y la teoría estadística.

10. Lecturas Adicionales

• Distribución beta (Wikipedia)
• Inferencia Bayesiana (Wikipedia)
• Distribución Binomial (Wikipedia)
• Funci%C3%B3n Gamma (Wikipedia)