ESTUDIANTE: Ana Gabriela Lopez Pérez

ID: U00131886
MATERIA: Estadística Descriptiva
TEMA: Conceptos de Probabilidad

 PROBALIDAD: El término probabilidad proviene de lo probable, o sea, de aquello que

es más posible que ocurra, y se entiende como el mayor o menor grado de posibilidad
de que un evento aleatorio ocurra, expresado en una cifra entre 1 (posibilidad total) y 0
(imposibilidad absoluta), o bien en porcentajes entre el 100% o el 0%,
respectivamente. Para obtener la probabilidad de un suceso, generalmente se
determina la frecuencia con la que ocurre (en experimentos aleatorios bajo
condiciones estables), y se procede a realizar cálculos teóricos.

Formula: Probabilidad = Casos favorables / casos posibles x 100 (para llevarlo a

porcentaje)[ CITATION Con \l 3082 ]

 ESPERANZA: 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. Dicho de otra forma, es el valor medio de un conjunto de
datos. Esto, teniendo en cuenta que el término esperanza matemática está acuñado
por la teoría de la probabilidad. Mientras que, en matemáticas, se denomina media
matemática al valor promedio de un suceso que ha ocurrido. En distribuciones
discretas con la misma probabilidad en cada suceso la media aritmética es igual que
la esperanza matemática.[ CITATION Jos \l 3082 ]

 PROBABILIDAD A PRIORI: Es el número de resultados favorables a la presentación

de un evento dividido entre el número total de resultados posibles. Asignación de
probabilidad "a priori", si necesidad de realizar el experimento. La probabilidad clásica
o teórica se aplica cuando cada evento simple del espacio muestral tiene la misma
probabilidad de ocurrir.[ CITATION Jes \l 3082 ]

 PROBALIDAD EMPIRICA: se obtiene en base a resultados ya obtenidos de un

evento o experimento aleatorio, esta probabilidad se apoya principalmente en la
frecuencia en la que un determinado suceso ocurre. Para poder calcular la
probabilidad empírica de un evento es necesario que este evento se haya realizado
 repetidas ocasiones con anterioridad, esto porque esta probabilidad se encuentra en
base a datos recopilados, entonces es necesario tener estos datos ya registrados.
[ CITATION htt5 \l 3082 ]

 SUCESOS MUTUAMENTE EXCLUYENTES: cuando ambos no pueden ocurrir

simultáneamente en el resultado de una experimentación. También se conocen como
eventos incompatibles. Surgen como resultado de operaciones efectuadas en la
Teoría de conjuntos, donde grupos de elementos constituidos en conjuntos y
subconjuntos, se agrupan o demarcan según factores relacionales; Unión ( U ),
intersección ( ∩ ) y complemento ( ‘ ) entre otros. Pueden considerarse como eventos
complementarios, si estos abarcan el espacio muestral con su unión. Cubriendo así
todas las posibilidades de un experimento. Todo elemento dual o variable de tipo
booleano es parte de los eventos mutuamente excluyentes, siendo esta característica
la clave para definir su naturaleza. La ausencia de algo rige su estado, hasta que este
se presente y deje de estar ausente. Bajo el mismo principio operan las dualidades de
bien o mal, acertado y errado. Donde cada posibilidad se define por excluir a la otra.
[ CITATION htt6 \l 3082 ]

 SUCESOS INDEPENDIENTES: Dos sucesos aleatorios son Sucesos Independientes (o

Eventos Independientes) cuando la probabilidad de que ocurra uno no está influido por
que haya ocurrido la otra. Es decir, los sucesos independientes son aquellos que no
están relacionados.[ CITATION Mat \l 3082 ]

 SUCESOS DEPENDIENTES: Dos sucesos aleatorios A y B son Sucesos

Dependientes (o Eventos Dependientes) cuando la probabilidad de que ocurra uno
está influido por que haya ocurrido la otra. Es decir, los sucesos A y B dependientes
son aquellos que están relacionados. La probabilidad de que suceda A habiendo

sucedido B viene dada por: [ CITATION Mat1 \l 3082 ]

 FORMULA DE MULTIPLICACIÒN: establece que la probabilidad de ocurrencia de

dos o más eventos estadísticamente independientes es igual al producto de sus
probabilidades individuales.[ CITATION htt7 \l 3082 ]

 PERMUTACIONES: es un cambio de la manera en la que se disponen los elementos.

Puede considerarse como una función de tipo biyectiva dentro del conjunto, ya que
señala distintas correspondencias entre los elementos. [ CITATION htt8 \l 3082 ]

 VARIACIONES: Calcula el número de subgrupos de 1, 2, 3, etc. elementos que se

pueden establecer con los "n" elementos de una muestra. Cada subgrupo se
diferencia del resto en los elementos que lo componen o en el orden de dichos
elementos (es lo que le diferencia de las combinaciones). [ CITATION htt9 \l 3082 ]
 COMBINACIONES: se entiende como una secuencia ordenada de signos (que
pueden ser letras y/o números) sólo conocida por uno o pocos individuos y que
permite abrir o poner en funcionamiento a determinados mecanismos. En
las matemáticas, por otra parte, se habla de combinación cuando se hace foco en los
subconjuntos conformados por una cantidad determinada de elementos de un
conjunto finito analizado y que difieren en, al menos, un elemento. [ CITATION htt10 \l 3082
]

 DIAGRAMA DEL ARBOL: es una representación gráfica de los posibles resultados

del experimento, el cual consta de una serie de pasos, donde cada uno de estos tiene
un número infinito de maneras de ser llevado a cabo. Se utiliza en los problemas de
conteo y probabilidad. Para la construcción de un diagrama en árbol se partirá
poniendo una rama para cada una de las posibilidades, acompañada de su
probabilidad. Cada una de estas ramas se conoce como rama de primera generación.[
CITATION htt11 \l 3082 ]

 ESPACIO MUESTRAL: es una parte del espacio probabilístico. Como su propio

nombre indica, está formado por los elementos de la muestra. Al contrario, el espacio
probabilístico engloba todos los elementos. Incluso aunque no salgan recogidos en la
muestra. El espacio muestral se denota con la letra griega Ω (Omega). Está
compuesto por todos los sucesos elementales y/o compuestos de la muestra y, por
tanto, coincide con el suceso seguro. Es decir, aquel suceso que siempre va a ocurrir.
[ CITATION Jos1 \l 3082 ]

 DISTRIBUCIÒN DE PROBABILIDAD: una lista que nos proporciona todos los

resultados de los valores que pueden presentarse en un acontecimiento, junto con la
probabilidad de ocurrencia asociada a cada uno de estos valores. [ CITATION Jho \l 3082 ]

 DISTRIBUCION DE PROBABILIDAD NOMINAL: Es una probabilidad discreta y se

presenta con mucha frecuencia en nuestra vida cotidiana. Fue propuesta por Jakob
Bernoulli (1654-1705), y es utilizada con acontecimientos que tengan respuesta
binaria, generalmente clasificada como “éxito” o “fracaso”. [ CITATION Jho \l 3082 ]

 DISTRIBUCION DE PROBABILIDAD DE POISON: Recibe su nombre gracias al

matemático francés Simeón Denis Poisson (1781-1840). Describe el número de veces
que se presenta un acontecimiento durante un intervalo específico, este intervalo
puede ser de tiempo, distancia, área o volumen. La probabilidad de ocurrencia es
proporcional a la longitud del intervalo. [ CITATION Jho \l 3082 ]

 DISTRIBUCION DE PROBABILIDAD NORMAL: adapta una variable aleatoria

continua a una función que depende de la media y la desviación típica. Es decir,
la función y la variable aleatoria continua tendrán la misma representación pero con
ligeras diferencias. Una variable aleatoria continua puede tomar cualquier número real.
Por ejemplo, las rentabilidades de las acciones, los resultados de un examen, el
 coeficiente de inteligencia IQ y los errores estándar son variables aleatorias
continuas. La distribución normal es la base de otras distribuciones como la
distribución t de Student, distribución ji-cuadrada, distribución F de Fisher y otras
distribuciones. Es una distribución simétrica. El valor de la media, la mediana y la
moda coinciden. Distribución unimodal. Los valores que son más frecuentes o que
tienen más probabilidad de aparecer están alrededor de la media. En otras palabras,
cuando nos alejamos de la media, la probabilidad de aparición de los valores y su
frecuencia descienden. [ CITATION Pau \l 3082 ]

 VARIABLE ALEATRIA:  es una función que asigna un valor, usualmente numérico, al
resultado de un experimento aleatorio. Los valores posibles de una variable aleatoria
pueden representar los posibles resultados de un experimento aún no realizado, o los
posibles valores de una cantidad cuyo valor actualmente existente es incierto (p.e.,
como resultado de una medición incompleta o imprecisa). Intuitivamente, una variable
aleatoria puede tomarse como una cantidad cuyo valor no es fijo pero puede tomar
diferentes valores; una distribución de probabilidad se usa para describir la
probabilidad de que se den los diferentes valores. En términos formales una variable
aleatoria es una función definida sobre un espacio de probabilidad.[ CITATION htt12 \l
3082 ]

 VARIABLE ALEATRIA DISCRETA: Una variable aleatoria es discreta si los números

a los que da lugar son números enteros. La forma de calcular las probabilidades de
una variable aleatoria discreta es a través de la función de probabilidad. [ CITATION Jos1 \l
3082 ]

 VARIABLE ALEATRIA CONTINUA: Una variable aleatoria es continua en caso de

que los números a los que dé lugar no sean números enteros. Es decir, tengan
decimales. La probabilidad de que se dé un suceso determinado correspondiente a
una variable aleatoria continua, viene establecida por la función de densidad .[ CITATION
Jos \l 3082 ]

[1] «Concepto.de,» [En línea]. Available: https://concepto.de/probabilidad/.

[2] J. F. Lopez, «Economipedia,» [En línea]. Available: https://economipedia.com/definiciones/esperanza-

matematica.html.

[3] J. Ramirez, «Informaciòn Estadìstica,» [En línea]. Available:

https://sites.google.com/site/estadisitica5demayo/unidad-ii-probabilidad-y-muestreo/2-2-concepto-de-
probabilidad-clasica.

[4] [En línea]. Available: https://www.fhybea.com/probabilidad_empirica.html.

[5] [En línea]. Available: https://www.lifeder.com/eventos-mutuamente-excluyentes/.

[6] «Matematicas 10,» [En línea]. Available: https://www.matematicas10.net/2017/02/ejemplos-de-sucesos-

 independientes.html.

[7] «Matematicas 10,» [En línea]. Available: https://www.matematicas10.net/2017/02/ejemplos-de-sucesos-

dependientes.html.

[8] [En línea]. Available: https://es.wikipedia.org/wiki/Probabilidad#:~:text=La%20regla%20de%20la

%20multiplicaci%C3%B3n%20establece%20que%20la%20probabilidad%20de,A%20y%20B%20son
%20dependientes..

[9] [En línea]. Available: https://definicion.de/permutacion/.

[1 [En línea]. Available: https://www.aulafacil.com/cursos/estadisticas/gratis/combinaciones-variaciones-y-

0] permutaciones-i-l11230.

[1 [En línea]. Available: https://definicion.de/combinacion/.

1]

[1 [En línea]. Available: https://es.wikipedia.org/wiki/%C3%81rbol_de_probabilidad#:~:text=El%20diagrama

2] %20de%20%C3%A1rbol%20es,problemas%20de%20conteo%20y%20probabilidad..

[1 J. F. Lopez, «Economipedia,» [En línea]. Available: https://economipedia.com/definiciones/espacio-

3] muestral.html.

[1 J. S. Delgado, «Academia Pragma,» [En línea]. Available: https://www.pragma.com.co/blog/que-es-la-

4] distribucion-de-probabilidad.

[1 P. Rodo, «Economipedia,» [En línea]. Available: https://economipedia.com/definiciones/distribucion-

5] normal.html.

[1 [En línea]. Available: https://es.wikipedia.org/wiki/Variable_aleatoria.

6]