Distribución no normal

Por supuesto, no todas las distribuciones son normales. Hay varias maneras en que una distribución puede apartarse de la curva normal. Por ejemplo, una distribución podría sesgar, con una alta densidad de valores distribuidos hacia el extremo inferior o superior del eje x tal vez con una cola larga en el otro extremo.

Aunque una distribución normal es unimodal, con solo una joroba en el medio, una distribución puede ser bimodal o multimodal, y no tener una sola joroba, sino dos o más.

El uso de la probabilidad para realizar estimaciones es fundamental para el aprendizaje automático, por lo que muchas tareas de AA requieren muestras de datos que se distribuyen normalmente. Debe tener cuidado de evitar aplicar algoritmos estadísticos a datos que no están distribuidos en una curva normal, ya que podría llevar a conclusiones erróneas. Es posible que tenga que realizar ciertas operaciones en los datos para "normalizar" antes de poder usarlos de forma eficaz.

Información adicional

Para obtener más información sobre distribuciones no normales, consulte este sitio.