UNIDAD 2: FASE 3 - ELABORAR DOCUMENTO DE APLICACIÓN DE CONCEPTOS

DE PROBABILIDAD

PRESENTADO POR:

YENIFER CAMILA GUERRERO RIVERA

CODIGO:1082780279

GRUPO: 300046_57

TUTOR:

HÉCTOR FABIO LÓPEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

PITALITO HUILA

2019
  Espacio muestra y con qué letra se denota.

es el conjunto de todos los resultados posibles de un experimento

aleatorio. Se suele designar con la letra E

 Punto muestra.

Es el conjunto de todos los posibles resultados de un experimento. En la

definición anterior, el espacio muestra Ω consta de n elementos (puntos
muéstrales).

 Evento muestra.

El evento por un conjunto de variables relacionadas entre sí. Por lo tanto, un

evento está representado con una o más variables vinculadas entre ellas. Si las
variables (una o varias de éstas) no son predecibles con exactitud se dice que el
evento es aleatorio

 Explique en sus propias palabras el experimento aleatorio del dado

es la reproducción controlada de un fenómeno, existiendo incertidumbre sobre

el resultado que se obtendrá. Un experimento aleatorio bajo el mismo conjunto
aparente de condiciones iniciales, puede presentar resultados diferentes, es
decir, no se puede predecir o reproducir el resultado exacto de cada experiencia
particular. (Ej.: Lanzamiento de un dado, lanzamiento de una moneda,
extracción de una carta de una baraja).

 Defina Variable aleatoria

es una función que asigna un valor, usualmente numérico, al resultado de un

experimento aleatorio. Las variables aleatorias suelen tomar valores reales,
pero se pueden considerar valores aleatorios como valores lógicos, funciones o
cualquier tipo de elementos (de un espacio medible).

 ¿Qué significa que el espacio muestral de una variable aleatoria continua

es no contable?

Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio

muestra es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}.
Un evento o suceso es cualquier subconjunto del espacio muestra con estructura
de σ-álgebra,1 llamándose a los sucesos que contengan un único
elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en el primer
lanzamiento", o {(cara, cara), (cara, cruz)}, estaría formado por los sucesos
elementales {(cara, cara)} y {(cara, cruz)}.
Para algunos tipos de experimento puede haber dos o más espacios de muestreo
posibles. Por ejemplo, cuando se toma una carta de un mazo normal de
52 cartas, una posibilidad del espacio de muestreo podría ser el número (del as
al rey).
 ¿que son variables aleatorias discretas proporcionales y que son variables
aleatorias discretas de conteo no acotado? De ejemplos este tipo de
variables.

corresponde con el valor medio teórico de los posibles valores que pueda tomar
la variable aleatoria, o también con el centro de gravedad de los valores de la
variable supuesto que cada valor tuviera una masa proporcional a la función de
densidad en ellos.

La definición matemática de la esperanza en el caso de las variables aleatorias

discretas se corresponde directamente con las interpretaciones proporcionadas
en el párrafo anterior. Efectivamente, supuesta una variable aleatoria
discreta X con recorrido {x1, x2, ..., xk, ...} y con función de densidad f(x), se
define la esperanza matemática de X como el valor

Una variable aleatoria es aquella que toma un conjunto de valores numéricos

asociados a los resultados de la realización de un proceso aleatorio. Ejemplos:
1) si el experimento es lanzar cuatro veces una moneda al aire y nos interesa el
número de caras, la variable aleatoria podrá tomar los valores: 0, 1, 2, 3 y 4.

 Existe dos conceptos de probabilidad el clásico y concepto frecuencia,

defina cada uno, en el caso de la frecuencia explique el experimento de
germinación de una semilla cuál es el experimento aleatorio, cuál es el
evento, cuantos puntos muéstrales tiene.

Es cualquier acción o proceso que no se tiene certeza de su resultado final, hasta

tanto no se ejecute. Este tipo de experimento debe satisfacer con los siguientes
requerimientos: -Puede repetirse un número ilimitado de veces bajo las mismas
condiciones. - Es posible conocer por adelantado todos los posibles resultados a
que puede dar origen. - No puede predecirse con exactitud un resultado en una
realización particular del experimento.

Eventos es un subconjunto del espacio muestral. Ejemplo: Al lanzar un dado

una vez. E= en la cara superior aparece un número par. E= 2, 4, 6
  ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de
probabilidad?

La diferencia moderna de probabilidad basada en la axiomática de Kolmogorov

(presentada anteriormente) es relativamente reciente. Históricamente hubo
otros intentos previos de definir el escurridizo concepto de probabilidad,
descartados por diferentes razones. Sin embargo, conviene destacar aquí
algunas ideas que aparecen en la antigua definición basada en la frecuencia
relativa, ya que permiten intuir algunas profundas propiedades de la
probabilidad.

Recordemos antes que si en un experimento que se ha repetido n veces un

determinado suceso A se ha observado en k de estas repeticiones, la frecuencia
relativa fr del suceso A es:

 fr = k/n

El interés por la frecuencia relativa y su relación con el concepto de probabilidad

aparece a lo largo comportamiento de numerosas repeticiones de experimentos
reales.

A título de ejemplo de un experimento de este tipo, supongamos que se dispone

de una moneda ideal perfectamente equilibrada. Aplicando directamente la regla
de Laplace resulta claro que el suceso A = obtener cara tiene probabilidad:

 p(A) = 1/2 = 0,5

En el cuadro siguiente se simula por ordenador el comportamiento de la

frecuencia relativa del suceso A = obtener cara. El cuadro inicia la simulación
con el lanzamiento consecutivo de la moneda veinte veces, calculando la
frecuencia relativa de cara y comparándolo con la p(A) = 0.5. Aunque no es
imposible que coincidan, la mayoría de veces fr será diferente.

El lector puede manipular el cuadro para observar qué ocurre con rachas
entre n = 1 y n = 1000 lanzamientos. También puede empezarse una nueva
racha de lanzamientos con el botón Reiniciar.

¿Que son eventos mutuamente excluyentes?, ¿cómo es la intersección de dos

eventos mutuamente excluyentes, si son excluyentes, dado un evento A y uno
B, a que es igual la P(AꓴB)?

En el ámbito de la lógica y de la teoría de la probabilidad dos proposiciones (o

eventos) son mutuamente excluyentes o disjuntos si ambos no pueden ser
verdaderos (o suceder simultáneamente). Un ejemplo de ello es el resultado de
revolear una vez una moneda, el cual solo puede ser "cara" o "cruz", pero no
ambos. Por ejemplo, es imposible tener una carta que sea roja y a la vez tréboles
dado que los tréboles siempre son negros. Si se saca una carta de un mazo, se
obtendrá o bien una carta roja (corazones o diamantes) o una carta negra
(tréboles o picas). Cuando A y B son mutuamente excluyentes, P(A ∪ B) = P(A)
+ P(B).3 Por ejemplo para obtener la probabilidad de sacar una carta roja o un
trébol, se suman las probabilidades de sacar una carta roja y la probabilidad de
sacar un trébol. En un mazo estándar de 52 cartas, hay veintiséis cartas rojas y
trece tréboles: 26/52 + 13/52 = 39/52 o 3/4.

 En el caso de distribuciones de variables aleatorias cuando una

variable es continua y simétrica que modelo se usa.

variable la probabilidad de que dicho suceso ocurra. La distribución de

probabilidad está definida sobre el conjunto de todos los sucesos y cada uno de
los sucesos es el rango de valores de la variable aleatoria. También puede
decirse que tiene una relación estrecha con las distribuciones de frecuencia. De
hecho, una distribución de probabilidades puede comprenderse como una
frecuencia teórica, ya que describe cómo se espera que varíen los resultados.

 ¿Para una variable de conteo no acotado que modelo se utiliza?

 ¿Para variables de proporciones que modelo se utiliza?
 Que variables tienen función de probabilidad y que variables
tienen función de densidad.

La teoría de la probabilidad, la función de densidad de probabilidad, función de

densidad, o, simplemente, densidad de una variable aleatoria continua describe
la probabilidad relativa según la cual dicha variable aleatoria tomará
determinado valor.
La probabilidad de que la variable aleatoria caiga en una región específica del
espacio de posibilidades estará dada por la integral de la densidad de esta
variable entre uno y otro límite de dicha región.
La función de densidad de probabilidad (FDP o PDF en inglés) es positiva a lo
largo de todo su dominio y su integral sobre todo el espacio es de valor unitario.

 Cuáles son los parámetros más usados en estadística para estudiar

y utilizar funciones de distribución de variables aleatorias.

sus probabilidades demandan conocer la función de distribución de la variable

aleatoria objeto de estudio. Esta función está caracterizada por parámetros que
en la práctica son desconocidos.

El valor esperado y la varianza son los parámetros más usados en estadística

para estudiar y utilizar funciones de distribución de variables aleatorias.
  El valor esperado, formaliza la idea de valor medio de un fenómeno
aleatorio.
 La varianza formaliza la idea de incertidumbre y su recíproco la idea de
precisión, más varianza indica más incertidumbre sobre el fenómeno y
menor precisión de las conclusiones que podemos elaborar desde los
datos que lo caracterizan.

 ¿Qué es la esperanza matemática de una variable aleatoria, como

se denota?

La esperanza matemática de una variable aleatoria X es el número que expresa

el valor medio del fenómeno que representa dicha variable. La esperanza
matemática, también llamada valor esperado, es igual al sumatorio de las
probabilidades de que exista un suceso aleatorio, multiplicado por el valor del
suceso aleatorio.

 ¿Qué es la varianza de una variable aleatoria, como se denota?

Decimos que es un parámetro de dispersión. La definición es la siguiente: Un

parámetro de dispersión derivado de la varianza y que tiene las mismas
unidades de la variable aleatoria es la desviación típica, que se define como la
raíz cuadrada de la varianza.

 Qué tipo de histograma se seleccionar un modelo probabilístico para una

variable aleatoria continua cuando se tienen datos de esa variable

 Que es la estandarización, cuál es su fórmula.

Es un procedimiento que facilita la comparación entre:

-Los valores de dos distribuciones distintas.
-Los valores de variables con unidades distintas
-Reconocimiento de valores atípicos o dentro de ciertos valores de acuerdo a la
regla empírica Una variable está tipificada o estandarizada cuando a sus valores
se les resta su media aritmética y se les divide por su desviación estándar

 Qué tipo de conteos se trabajan con la distribución Binomial

Distribución binomial es una distribución de probabilidad discreta que cuenta el

número de éxitos en una secuencia de n ensayos de Bernoulli independientes
entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos.
Un experimento de Bernoulli se caracteriza por ser dicotómico, esto es, solo dos
resultados son posibles. A uno de estos se denomina «éxito» y tiene una
probabilidad de ocurrencia p y al otro, «fracaso», con una probabilidad2 q = 1
- p.

 En la distribución binomial que es n y que es P.

Muchas experiencias aleatorias consisten en la repetición de una experiencia

aleatoria simple en la que sólo se considera si ocurre o no cierto suceso, cuya
probabilidad de ocurrencia es constante en cada prueba. En este tipo de
experiencias podemos definir la variable aleatoria que cuenta el número de veces
que se presenta un determinado suceso. Esta variable aleatoria sigue
una ley o distribución binomial.

 A que es igual la esperanza y la varianza en esta distribución.

La esperanza del cuadrado de la desviación de dicha variable respecto a su

media. Su unidad de medida corresponde al cuadrado de la unidad de medida
de la variable: por ejemplo, si la variable mide una distancia en metros, la
varianza se expresa en metros al cuadrado. La varianza tiene como valor mínimo
0. La desviación estándar (raíz cuadrada de la varianza) es una medida de
dispersión alternativa, expresada en las mismas unidades que los datos de la
variable objeto de estudio.

 Que tipos de conteos se trabaja con la distribución de Poisson.

 En agronomía se usa para que tipo de conteos, les recuerdo los ácaros
por ejemplo se pueden trabajar con esta distribución.

 Como se denota el único parámetro de esta distribución, a que es igual

la media y la varianza.

Desviación estándar (también representada por la letra griega minúscula

sigma σ o la letra latina s, así como por las siglas SD -de standard deviation- en
algunos textos traducidos del inglés) es una medida que se usa para cuantificar
la variación o dispersión de un conjunto de datos numéricos.

Una desviación estándar baja indica que la mayor parte de los datos de una
muestra tienden a estar agrupados cerca de su media aritmética (también
denominada el valor esperado), mientras que una desviación estándar alta
indica que los datos se extienden sobre un rango de valores más amplio.