ACTIVIDAD
CUESTIONARIO
Fecha:24/04/2024
Nombre del estudiante: Jorge solorzano valenzuela
Nombre del docente: Juan Carlos Verdaguer Diego
INSTRUCCIONES
a) RESPONDE LAS SIGUIENTES ACTIVIDADES
1. Define variable aleatoria, continua y discreta..
b) Variable Aleatoria: En estadística y probabilidad, una variable aleatoria es una función que asigna un
valor numérico a cada resultado posible de un experimento aleatorio. Por ejemplo, si lanzas un dado y
defines la variable aleatoria 𝑋
X como el resultado del lanzamiento, entonces
X podría tomar valores de 1 a 6. Las variables aleatorias pueden ser discretas o continuas, dependiendo
de si su conjunto de posibles valores es finito o infinito.
c) Variable Discreta: Una variable aleatoria discreta es aquella que puede tomar un conjunto finito o infinito
numerable de valores. Estos valores suelen ser contables y distintos, como el número de hijos en una
familia, el número de caras al lanzar una moneda varias veces, o el número de clientes que entran a una
tienda en una hora determinada.
d) Variable Continua: Por otro lado, una variable aleatoria continua puede tomar cualquier valor dentro de
un rango específico. Estos valores son infinitos y no se pueden contar uno a uno. Por ejemplo, la altura de
una persona, el tiempo que tarda en completarse una tarea, o la cantidad de lluvia en milímetros en un día
dado. En una variable continua, los valores entre dos puntos también son posibles y tienen significado.
1. ¿Qué es una distribución de probabilidad?
Una distribución de probabilidad describe las posibles probabilidades de ocurrencia de los diferentes resultados en un
experimento aleatorio. En otras palabras, especifica cómo se distribuyen las probabilidades entre los diferentes valores que
puede tomar una variable aleatoria.
2. Define espacio muestral.
El espacio muestral es el conjunto de todos los posibles resultados individuales de un experimento aleatorio. Es decir, es el
conjunto que contiene todos los resultados que podrían ocurrir al realizar un experimento.
Describe eventos simples, eventos compuestos, eventos complementarios y eventos mutuamente
excluyentes. Eventos Simples: Un evento simple es un resultado único en un experimento aleatorio. Por
ejemplo, en el lanzamiento de un dado, obtener un 3 es un evento simple.
Eventos Compuestos: Un evento compuesto es un conjunto de uno o más resultados en un experimento aleatorio. Por
ejemplo, en el lanzamiento de un dado, obtener un número par (2, 4, o 6) es un evento compuesto, ya que consiste en más
de un resultado.
Eventos Complementarios: Dos eventos son complementarios si la ocurrencia de uno implica la no ocurrencia del otro, y
viceversa. Por ejemplo, en el lanzamiento de una moneda, los eventos "obtener cara" y "obtener cruz" son
complementarios, ya que si ocurre uno, el otro no puede ocurrir. La probabilidad de un evento complementario es 1 menos
la probabilidad del evento original.
Eventos Mutuamente Excluyentes: Dos eventos son mutuamente excluyentes si no pueden ocurrir al mismo tiempo. Es
decir, si la ocurrencia de uno excluye la ocurrencia del otro. Por ejemplo, al lanzar un dado, los eventos "obtener un número
par" y "obtener un número impar" son mutuamente excluyentes, ya que no pueden ocurrir simultáneamente. La probabilidad
de la unión de dos eventos mutuamente excluyentes es la suma de las probabilidades individuales de los eventos.
3. Los axiomas de la probabilidad son principios fundamentales que establecen las
reglas básicas para asignar probabilidades a eventos. Estos axiomas son la base de la
teoría de la probabilidad y proporcionan un marco coherente para el estudio de los
fenómenos aleatorios. Aquí están los tres axiomas principales:
1. Explica cuáles son los axiomas de la probabilidad.
Probabilidad simple: Se refiere a la probabilidad de que ocurra un evento individual. Es la probabilidad de un
evento particular sin considerar ningún otro evento
Probabilidad conjunta: Se refiere a la probabilidad de que ocurran dos o más eventos simultáneamente. Es la
probabilidad de la intersección de dos o más eventos.
Probabilidad condicional: Se refiere a la probabilidad de que ocurra un evento dado que otro evento ya ha
ocurrido. Es la probabilidad de un evento bajo la restricción de que otro evento ya ha ocurrido. Se denota
como 𝑃(𝐴∣𝐵), que es la probabilidad del evento 𝐴 dado que el evento 𝐵 ya ha ocurrido.
2. ¿Qué es la Independencia estadística?
La independencia estadística implica que la ocurrencia de un evento no afecta la probabilidad
de ocurrencia de otro. Es un concepto fundamental en la teoría de la probabilidad, donde dos
eventos son independientes si la probabilidad conjunta es igual al producto de sus
probabilidades individuales.
3. Explica el Teorema de Bayes.
El Teorema de Bayes describe cómo actualizar las creencias sobre la probabilidad de un
evento dado la observación de nueva evidencia. Es utilizado para calcular la probabilidad de
un evento condicionado a otro evento que ya ha ocurrido. Es una herramienta clave en
estadística y otras áreas donde se necesita inferencia probabilística.
e) COMPLETA LA SIGUIENTE TABLA
Aplica en:
Desviación estándar Variable Variable Variable
Distribución de Valor Varianza Aleatoria Continua Discreta
Probabilidad esperado
Distribución Normal μ σ^2 σ X ∼ N(μ,σ) Si No
Distribución Uniforme (a + b)/2 (b - a)^2/12 √((b - a)^2/12) X ∼ U(a,b) Si No
Distribución 1/λ 1/λ^2 1/λ X ∼ Exp(λ Si No
Exponencial
Distribución Binomial np np(1-p) √(np(1-p)) X ∼ B(n,p) Si No
Distribución de Poisson Λ λ √λ X ∼ Pois(λ) Si No
Distribución de p p(1-p) √(p(1-p)) X ∼ Bern(p) Si Si
Bernoulli
Distribución Geométrica 1/p (1-p)/p^2 √((1-p)/p^2) X ∼ Geom(p) Si Si
Distribución nK/N n(K/N)(1-K/N)(N- √(n(K/N)(1-K/N)(N- X ∼ H(n,K,N) Si Si
Hipergeométrica n)/(N-1) n)/(N-1))
Distribución de Pareto (x_m)/((a-1)) (x_m^2)(a/((a- √((x_m^2)(a/((a- X ∼Par(x_m,a) Si No
1)^2)(a-2)) 1)^2)(a-2)))
Distribución de Erlang r/λ r/λ^2 √(r/λ^2) X ∼ Erl(r,λ) Si No
Distribución de Weibull γΓ(1+1/β) γ^2(Γ(1+2/β) - √(γ^2(Γ(1+2/β) - X ∼ Weib(γ,β) Si No
(Γ(1+1/β))^2) (Γ(1+1/β))^2))
Distribución de Log- e^(μ + σ^2/2) e^(2μ + √(e^(2μ + X ∼ LogN(μ,σ) Si No
normal σ^2)(e^(σ^2)-1) σ^2)(e^(σ^2)-1))
Distribución de Rayleigh σ√(π/2) σ^2(4-π)/2 √(σ^2(4-π)/2) X ∼ Rayl(σ) Si No
Distribución de Cauchy No definido No definido No definido X ∼ Cauchy(α,β) Si No
Bibliografía
Devore, J. L. (2016). Probabilidad y estadística: para ingeniería y ciencias. [Versión electrónica]. Recuperado de
[Link]