Variable aleatoria: Se llama variable aleatoria a toda función que asocia a cada elemento

del espacio muestral E un número real.

Se utilizan letras mayúsculas X, Y, ... para designar variables aleatorias, y las respectivas
minúsculas (x, y, ...) para designar valores concretos de las mismas.

Medición: Una Medición es lo que se obtiene a través de la acción de medir, la palabra

medir proviene del latín “metiri” que significa comparar una cantidad obtenida de algo con
una cantidad (medida) convencional, la cual se conoce previamente al estudio de medición.
Esta cantidad o medida convencional viene dada por unidades, por ejemplo (metro o kilo),
pero también puede ser obtenida a través de dimensiones, por ejemplo (peso, altura,
superficie o volumen), esta unidad o dimensión es utilizada para comparar y determinar
cuántas veces se encuentra contenida en la cantidad de la medición.
La medición es considerada uno de los procesos básicos en los estudios científicos la cual
es utilizada para determinar la proporción que existe en la comparación de dos patrones,
en donde uno de ellos ya está previamente establecido (es conocido a través de una
magnitud física) y el otro se desea conocer.

Experimento: Un experimento es un procedimiento mediante el cual se trata de comprobar

(confirmar o verificar) una o varias hipótesis relacionadas con un determinado fenómeno,
mediante la manipulación y el estudio de las correlaciones de las variables que
presumiblemente son su causa.
La experimentación constituye uno de los elementos claves de la investigación científica y
es fundamental para ofrecer explicaciones causales.
En un experimento se consideran todas las variables relevantes que intervienen en el
fenómeno, mediante la manipulación de las que presumiblemente son su causa, el control
de las variables extrañas y la aleatorización (o randomización) de las restantes. Estos
procedimientos pueden variar mucho según las disciplinas (no es igual en física que en
psicología, por ejemplo), pero persiguen el mismo objetivo: excluir explicaciones
alternativas (diferentes a la variable manipulada) en la explicación de los resultados. Este
aspecto se conoce como validez interna del experimento, la cual aumenta cuando el
experimento es replicado por otros investigadores y se obtienen los mismos resultados.
Cada repetición del experimento se llama prueba o ensayo.
Las distintas formas de realizar un experimento (en cuanto a distribución de unidades
experimentales en condiciones o grupos) son conocidas como protocolo de investigación.
Incluso los más pequeños realizan experimentos rudimentarios, para aprender sobre el
mundo que los rodea.
A través del juego y de la manipulación, y a veces con orientaciones mínimas, los niños
también experimentan y sacan conclusiones.
Por cierto, la experimentación no es dominio exclusivo de las ciencias, pues a nivel personal
y desde la niñez, vivimos experimentando constantemente confirmando o verificando
hipótesis, a efectos de poder mejorar nuestra relación con el mundo que nos rodea.

Regla de conteo: En un experimento es importante saber identificar y contar todos los

resultados posibles. Cuando hablamos del lanzamiento de dos monedas es fácil contar y
decir que son cuatro los resultados posibles. Cuando analizamos el lanzamiento de dos
dados, nos tardamos un poco más pero todavía podemos contar de la forma tradicional y
decir que hay un total de 36 resultados. A medida que los experimentos contienen más
resultados el procedimiento se hace más tedioso. Para facilitar entonces este procedimiento
se recurre a las reglas de conteo, las cuales se utilizarán según el caso.

Muestreo: En la referencia estadística se conoce como muestreo a la técnica para la

selección de una muestra a partir de una población estadística.
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez obtener
resultados parecidos a los que se alcanzarían si se realizase un estudio de toda la
población. En las investigaciones llevadas por empresarios y de la medicina se usa
muestreo extensivamente en recoger información sobre poblaciones.
Cabe mencionar que para que el muestreo sea válido y se pueda realizar un estudio
adecuado (que consienta no solo hacer estimaciones de la población sino estimar también
los márgenes de error correspondientes a dichas estimaciones), debe cumplir ciertos
requisitos. Nunca podremos estar enteramente seguros de que el resultado sea una
muestra representativa, pero sí podemos actuar de manera que esta condición se alcance
con una probabilidad alta.
En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la población,
se puede extraer dos o más muestras de la misma población. Al conjunto de muestras que
se pueden obtener de la población se denomina espacio muestral. La variable que asocia
a cada muestra su probabilidad de extracción, sigue la llamada distribución muestral.

Hipótesis: El término hipótesis está formado por dos palabras de origen griego: hipo, que
significa subordinación o por debajo y tesis, conclusión que se mantiene con razonamiento,
con lo cual podemos decir que la hipótesis sería "lo que se pone en la base". La hipótesis
es un enunciado no verificado, una vez refutado o confirmado dejara de ser hipótesis y sería
un enunciado verificado. La hipótesis es una conjetura científica que requiere una
contrastación con la experiencia. Para ella no son suficientes los argumentos persuasivos,
por más elaborados que sean. Se puede decir entonces, que de ciertas hipótesis se
deducen otras y así sucesivamente hasta llegar a ciertos enunciados básicos, de
observación directa.
Una hipótesis científica es una proposición aceptable que ha sido formulada a través de la
recolección de información y datos, aunque no esté confirmada, sirve para responder de
forma alternativa a un problema con base científica.
Una hipótesis puede usarse como una propuesta provisional que no se pretende demostrar
estrictamente, o puede ser una predicción que debe ser verificada por el método científico.
En el primer caso, el nivel de veracidad que se otorga a una hipótesis dependerá de la
medida en que los datos empíricos apoyan lo afirmado en la hipótesis. Esto es lo que se
conoce como contrastación empírica de la hipótesis o bien proceso de validación de la
hipótesis. Este proceso puede realizarse mediante confirmación (para las hipótesis
universales) y/o mediante verificación (para las hipótesis existenciales).

Regresión: En estadística, el análisis de la regresión es un proceso estadístico para estimar

las relaciones entre variables. Incluye muchas técnicas para el modelado y análisis de
diversas variables, cuando la atención se centra en la relación entre una variable
dependiente y una o más variables independientes (o predictoras). Más específicamente,
el análisis de regresión ayuda a entender cómo el valor de la variable dependiente varía al
cambiar el valor de una de las variables independientes, manteniendo el valor de las otras
variables independientes fijas. Más comúnmente, el análisis de regresión estima la
esperanza condicional de la variable dependiente dadas las variables independientes - es
decir, el valor promedio de la variable dependiente cuando se fijan las variables
independientes. Con menor frecuencia, la atención se centra en un cuantil, u otro parámetro
de localización de la distribución condicional de la variable dependiente dadas las variables
independientes. En todos los casos, el objetivo de la estimación es una función de las
variables independientes llamada la función de regresión. En el análisis de regresión,
también es de interés caracterizar la variación de la variable dependiente en torno a la
función de regresión, la cual puede ser descrita por una distribución de probabilidad.

El análisis de regresión es ampliamente utilizado para la predicción y previsión, donde su

uso tiene superposición sustancial en el campo de aprendizaje automático. El análisis de
regresión se utiliza también para comprender cuales de las variables independientes están
relacionadas con la variable dependiente, y explorar las formas de estas relaciones. En
circunstancias limitadas, el análisis de regresión puede utilizarse para inferir relaciones
causales entre las variables independientes y dependientes. Sin embargo, esto puede llevar
a ilusiones o relaciones falsas, por lo que se recomienda precaución, por ejemplo, la
correlación no implica causalidad.

Correlación: En probabilidad y estadística, la correlación indica la fuerza y la dirección de

una relación lineal y proporcionalidad entre dos variables estadísticas. Se considera que
dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían
sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos
variables (A y B) existe correlación entre ellas si al disminuir los valores de A lo hacen
también los de B y viceversa. La correlación entre dos variables no implica, por sí misma,
ninguna relación de causalidad.
Modelo de probabilidad discreto: Los modelos discretos, son modelos de probabilidad
de variable aleatoria discreta. Los más importante son los modelos de BERNOUILLI
(especialmente "la distribución binomial") y la "distribución de Poisson".
 REFERENCIAS BIBLIÓGRAFICAS

https://www.vitutor.com/pro/3/a_1.html
https://conceptodefinicion.de/medicion-2/
https://es.wikipedia.org/wiki/Experimento
https://es.scribd.com/document/314746230/Reglas-Del-Conteo-Probabilidades
https://es.wikipedia.org/wiki/Muestreo_(estad%C3%ADstica)
https://es.wikipedia.org/wiki/Hip%C3%B3tesis_(m%C3%A9todo_cient%C3%ADfico)
https://es.wikipedia.org/wiki/An%C3%A1lisis_de_la_regresi%C3%B3n
https://es.wikipedia.org/wiki/Correlaci%C3%B3n
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/discretos.htm