Temario: Unidad II

Alumno: Alessandro Miguel Zapata Pérez

ID: 291323

Carrera: Químico Farmacéutico Biólogo

Semestre: 4to

Materia: Probabilidad y Estadística

Fecha de entrega: 02 de noviembre del 2022

1. ¿Cuál es la frecuencia relativa? ¿Cuáles son sus variables y cómo se definen?

Es un término base para comprender la probabilidad debido a que esta frecuencia estima que un
evento “A” ocurra cierto número de veces.

Sus variables son:

• Eventos aleatorios: demuestra cierta regularidad cuando se repiten un número suficiente

de veces, también se observa en eventos similares. Por ello se puede afirmar que los
eventos adquieren una estabilidad.

2. ¿Qué es la regularidad estadística?

Regularidad estadística: son aquellos eventos que se estabilizan a un valor específico, después
de cierto número de veces.

3. Estudiar completo el apartado de conceptos básicos (Espacio muestral, tipos de evento

etc.)
• Espacio muestra: Es el conjunto de todos los resultados posibles (Ω), se puede
delimitar como (S:{}). Hay tres tipos:
a) Espacio muestral cuantitativo: (ejemplo, un dado, (S:{1,2,3,4,5,6}))
b) Espacio muestral cualitativo (Sirve como una nota o referencia a una
característica (E1, E2,…)
𝑅
c) Espacio muestral continuo (S:{Xϵ𝑋ϵ (X1,X2)}
• Evento: es el resultado o resultados de un experimento que es la “unidad mínima” de
un análisis.
a) Seguros: imposible que no ocurra, el suceso en sí es su propio espacio
muestral.
b) Imposibles: aquellos que nunca ocurren, (S:{Ɵ}), presenta un espacio vacío,
no incluido en “S”.
c) Simples: aquellos eventos en los cuales el espacio muestral (S) solo es un
evento.
d) Compuestos: Eventos con más de un resultados.
e) Independiente: donde la probabilidad se ve afectada, el espacio muestral es
igual en las mismas condiciones.
Depende de un cambio de elementos de un universo.
f) Excluyente mutuamente: se puede representar en un diagrama de Veen,
Condicional a no depender de otro factor.
g) No excluyente entre sí: La ocurrencia de un evento no impide que otro
suceda
 4. Estudiar completo el apartado de concepto de probabilidad. ¿Qué es la probabilidad y
cuáles son sus propiedades? ¿Cuáles son sus axiomas y que significan, etc.?
• Probabilidad: la relación entre el número de resultados favorables y el número total
de resultados de un evento. Para un experimento que tiene n número de resultados,
el número de resultados favorables se puede indicar mediante una x.
Propiedades:
En algunas ocasiones en especial en que el evento de interés se puede formar como una combinación
de algunos otros eventos, que si se tiene el evento “A” y “B”, estos pueden relacionarse a los axiomas
de probabilidad:
• Axioma sobre los posibles valores de la probabilidad:
El mínimo de la probabilidad es 0, lo cual implica que el suceso en cuestión
simplemente no tiene probabilidades de ocurrir; por lo cual, se hace evidente que el
1 representa un evento seguro.
0% ≤ 𝑃 (𝐸) ≤ 100% o 0 ≤ 𝑃 (𝐸) ≤ 100%
• Axioma sobre la suma de las probabilidades de los eventos en un espacio muestral:
La suma de todos los sucesos mutuamente excluyentes y colectivamente
exhaustivos de un experimento aleatorio, es 1.
𝑖=1 𝑛 ∑ 𝑃 (𝐸 1) = 1
• Axioma sobre la probabilidad de ocurrencia de dos o más eventos mutuamente
excluyentes:
Se afirma que la probabilidad de que ocurra uno o más de varios eventos
mutuamente excluyentes es igual a la suma de sus probabilidades.
𝑃(𝐴 ∪ 𝐵 ∪.... ∪ 𝑋) = 𝑃(𝐴) + 𝑃(𝐵) +.... + 𝑃(𝑋)
5. Ejercicios de teoría de conjuntos
Para poder resolver este tipo de ejercicios, necesitamos entender los tipos de conjuntos que se
revisan en el curso, estos siendo 3:
• Probabilidad del complemento (A´ ≈ Ac): El complemento de un evento “A”, se
denota por “𝐴”, y es el evento donde “A” no ocurre.
𝑃 (𝐴) + 𝑃 (𝐴´) = 1
𝑃 (𝐴´) = 1 − 𝑃 (𝐴)
• Probabilidad de ∩
1. Dependientes:
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) * 𝑃(𝐵|𝐴)
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵) * 𝑃(𝐴|𝐵)
 2. Independientes:
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵) * 𝑃(𝐴)
• Probabilidad de la suma de dos eventos: La Unión de los eventos “A” y “B”,
denotada por 𝐴 ∪ 𝐵, es el evento en que ocurre “A o B” o ambos.
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

6. ¿Cuál es la característica de asimetría y qué tipos hay? ¿Qué es la curtosis y cuáles son
sus tipos?
Asimetría: miden la simetría de la distribución con las medidas de posición.
Existen dos medidas de este tipo: índice de asimetría de Pearson e índice de asimetría de Fisher.
Podemos considerar 3:
• Simétrica
• Sesgo a la derecha/positivo
• Sesgo a la izquierda/negativo
Curtosis: Mide la mayor o menor concentración de datos alrededor de la media.
a) Leptocúrtica: Si el coeficiente es positivo, hay una mayor concentración de los datos en torno
a la media.
b) Mesocúrtica: Si este
coeficiente es nulo, la
distribución se dice
normal (similar a la
distribución normal de
Gauss)
c) Platicúrtica: Si el
coeficiente es negativo,
hay una menor
concentración de datos
en torno a la media

7. ¿Qué es una variable aleatoria y cuáles son sus tipos?

Una variable x es variable aleatoria si el valor que toma, correspondiente al resultado de un
experimento, es una probabilidad o evento aleatorio. Existen los siguientes tipos:
 • Variable discreta (VAD). puede tomar sólo un número finito o contable de valores.
• Variable continua (VAC). puede tomar infinitamente muchos valores
correspondientes a los puntos en un intervalo de recta.

8. Función de probabilidad, ¿Qué tipo de variables mide? ¿Cuál es su fórmula general?

La función de probabilidad se utiliza para variables aleatorias discretas, se asignan
probabilidades a los valores de la variable aleatoria.
Mide las variables de tipo:
0 ≤ 𝑃 (𝑥) ≤ 1
Σ𝑃 (𝑥) = 1
La fórmula general es:
Número de casos favorables de E 𝑥
f(x) = = = P(X = x)
Número total de casos posibles 𝑛

9. Función de distribución acumulada, ¿Qué tipo de variables mide? ¿Cuál es su fórmula

general? ¿Cómo se calcula el valor esperado, la varianza y la desviación estándar?
La función de distribución acumulada se utiliza para variables aleatorias discretas, especifica
la probabilidad de que una variable aleatoria que sea ≤ que un valor dado.
Mide las variables de tipo:
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)
• Como se calcula el valor esperado (µ = 𝐸(𝑋) = Σ𝑥 𝑓(𝑥)):
Se realizan sumas del valor de la multiplicación de las columnas de “(x)*f(x)”
• Como se calcula la varianza σ2 = 𝑉(𝑋) = [Σ𝑥2 𝑓(𝑥)] − µ 2 :
• Como se calcula la desviación estándar σ = √V(X)

Ilustración 1 Tabla para la obtención de E(x), σ2, σ

 10. Ejercicios para la resolución de la función de distribución acumulada, tanto método
gráfico como método algebraico. Saber calcular el valor esperado, varianza y desviación
estándar. Saber calcular probabilidades.
Función de distribución acumulada por método grafico:
• Se deben graficar los valores de “x” a partir de F(x), que es la acumulación de f(x).
Función de distribución acumulada por método algebraico:
• 𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)
• Determinar la función de probabilidad para cada uno de los valores de “x”.
• Representar a partir de las funciones de probabilidad la función de distribución
acumulada.
Valor esperado:

𝐸(𝑥) = ∑ 𝑥 ∙ 𝑓(𝑥)

Varianza:

𝜎 2 = 𝑣(𝑥) = [∑ 𝑥 2 ∙ 𝑓(𝑥)] − 𝜇2

Desviación estándar:
𝜎 = √𝑣(𝑥)

11. Función de densidad, ¿Qué tipo de variables mide? ¿Cuál es su fórmula general?
¿Cómo se calcula el valor esperado, la varianza y la desviación estándar?
• La función de densidad mide la variable de la probabilidad relativa según la cual
dicha variable aleatoria tomará determinado valor.
∞
• Formula general: 𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫−∞ 𝑓(𝑥)𝑑𝑥
∞
• Valor esperado: 𝜇 = 𝐸(𝑥) = ∫−∞ 𝑥 ∙ 𝑓(𝑥)𝑑𝑥
∞
• Varianza: 𝜎 2 = 𝑣(𝑥) = ∫−∞ 𝑥 2 ∙ 𝑓(𝑥)𝑑𝑥 − 𝜇2

• Desviación estándar: 𝜎𝑥 = √𝑣(𝑥)

12. Ejercicios para la resolución de la función de densidad, tanto método gráfico como
método algebraico. Saber calcular el valor esperado, varianza y desviación estándar.
Saber calcular probabilidades. (Recuerden imprimir una tabla de integrales que les
sirva)
Método grafico:
• Se grafica en base a los intervalos dados
 • En base a las probabilidades que te pide ( 𝑃(𝑎 ≤ 𝑥 ≤ 𝑏)) ubicarlas en tu grafico de
forma que observes el área que se desea determinar.
• 𝑏 ∙ ℎ = (𝐿𝑆 − 𝐿𝐼) ∙ ℎ
Método algebraico:
∞
• Formula general: 𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫−∞ 𝑓(𝑥)𝑑𝑥
∞
• Valor esperado: 𝜇 = 𝐸(𝑥) = ∫−∞ 𝑥 ∙ 𝑓(𝑥)𝑑𝑥
∞
• Varianza: 𝜎 2 = 𝑣(𝑥) = ∫−∞ 𝑥 2 ∙ 𝑓(𝑥)𝑑𝑥 − 𝜇2

• Desviación estándar: 𝜎𝑥 = √𝑣(𝑥)

13. Distribución Bernoulli, ¿Qué es? ¿Cuáles son sus características? ¿Qué tipo de
variables mide?
La distribución se da cuando un proceso tiene exactamente dos resultados, por ejemplo, si un celular
sirve o no.
La distribución Bernoulli es una distribución discreta que es base de muchas otras distribuciones,
tales como: Binomial, Geométrica, Binomial Negativa.
Características:
• Pueden tomar solo dos valores, 0 y 1, donde 1 corresponde a un evento (sucede) y a un no
evento (no sucede).
• 𝑝 = 𝑠𝑢𝑐𝑒𝑑𝑒 𝑝(𝑥 = 1)
• 𝑞 = 𝑛𝑜 𝑠𝑢𝑐𝑒𝑑𝑒 1 − 𝑝 = 𝑝(𝑥 = 0)

14. Distribución Binomial, ¿Qué es? ¿Cuáles son sus características? ¿Qué tipo de variables
mide? ¿Cuál es su fórmula general? ¿Cómo se calcula el valor esperado, la varianza y
la desviación estándar?
La distribución binomial es el número de éxitos de n ensayos. La distribución binomial se va a estar
se va a estar pareciendo a la distribución normal cuando n sea grande (n: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑝𝑒𝑡𝑖𝑐𝑖𝑜𝑛𝑒𝑠).
Características:
• La variable es Binomial discreta (solo hay dos resultados posibles); el éxito (p) y el
fracaso (𝑞 = 1 − 𝑝).
• La probabilidad de éxito (p) no varían entre repeticiones, es decir son independientes
entre sí.
• El experimento se lleva a cabo durante n ensayos iguales.
Formula general: 𝑃(𝑥) = 𝑛𝐶𝑟 ∙ 𝑝 𝑥 ∙ 𝑞 𝑛−𝑥
Valor esperado: 𝜇 = ∑ 𝑥 ∙ 𝑝(𝑋𝑖) = 𝑛𝑝
Varianza: 𝑣(𝑥) = 𝑛𝑝𝑞
Desviación estándar: 𝑣(𝑥) = √𝑣(𝑥)

15. Ejercicios para la distribución Binomial, saber calcular el valor esperado, varianza y
desviación estándar. Saber calcular probabilidades.
Pasos básicos:
• Identificar Tipo de distribución (Fórmula y datos)
• Sustituir en formula
• Calcular el inciso
• Conclusión
Formula general: 𝑃(𝑥) = 𝑛𝐶𝑟 ∙ 𝑝 𝑥 ∙ 𝑞 𝑛−𝑥
Valor esperado: 𝜇 = ∑ 𝑥 ∙ 𝑝(𝑋𝑖) = 𝑛𝑝
Varianza: 𝑣(𝑥) = 𝑛𝑝𝑞
Desviación estándar: 𝑣(𝑥) = √𝑣(𝑥)

16. Distribución Poisson, ¿Qué es? ¿Cuáles son sus características? ¿Qué tipo de variables
mide? ¿Cuál es su fórmula general? ¿Cómo se calcula el valor esperado, la varianza y
la desviación estándar?
La distribución Poisson es útil para determinar probabilidades de fenómenos que ocurren en un
espacio de tiempo, cómo defectos. Suele usarse en la investigación de operaciones, por medio de un
tema que se conoce como teoría de colas o teoría de líneas de espera.
Características:
• El experimento aleatorio consiste en contar el número de veces que ocurre el evento en una
unidad de tiempo o espacio.
• Las ocurrencias de los eventos son mutuamente independientes.
• La probabilidad de ocurrencia es igual para todos los eventos.
• En una unidad de espacio o de tiempo muy reducida, la probabilidad de ocurrencia de más
de un evento es tan pequeña que es prácticamente 0.
𝑒 −λ ∙λ𝑋
Formula general: 𝑃(𝑥) = 𝑥!

Valor esperado: 𝐸(𝑥) = 𝑛𝑝 = λ

Varianza: 𝑣(𝑥) = 𝑛𝑝 = λ
Desviación Estándar: 𝜎 = √𝑣(𝑥) = √𝑛𝑝 = √λ
 17. Ejercicios para la distribución Poisson, saber calcular el valor esperado, varianza y
desviación estándar. Saber calcular probabilidades.
Pasos básicos:
• Identificar Tipo de distribución (Fórmula y datos)
• Sustituir en formula
• Calcular el inciso
• Conclusión

𝑒 −λ ∙λ𝑋
Formula general: 𝑃(𝑥) =
𝑥!

Valor esperado: 𝐸(𝑥) = 𝑛𝑝 = λ

Varianza: 𝑣(𝑥) = 𝑛𝑝 = λ
Desviación Estándar: 𝜎 = √𝑣(𝑥) = √𝑛𝑝 = √λ

18. Distribución Uniforme, ¿Qué es? ¿Cuáles son sus características? ¿Qué es el área? ¿Qué
tipo de variables mide? ¿Cuál es su fórmula general? ¿Cómo se calcula el valor
esperado, la varianza y la desviación estándar?
Distribución Uniforme: Utilice la distribución uniforme para describir variables continuas que
tienen una probabilidad constante. La distribución uniforme también se conoce como la distribución
rectangular.
Características:
• Se especifica mediante cotas inferior y superior
• No suele ocurrir en la naturaleza, pero es importante como una distribución de referencia.
Área: El área es la medida de un espacio delimitado por un contorno al que se denomina perímetro.
En el caso de la estadística, se toma como área al espacio entre una curva y su eje x. A este espacio
(área), se le puede asociar con la probabilidad, al establecer una proporción de área específica a un
intervalo de valores. Sin embargo, se ha de entender que la probabilidad y el área son dos conceptos
distintos, solo se usa el área para poder calcular la probabilidad.
1
Formula general: 𝑓(𝑥) = ;𝑎 ≤𝑥≤𝑏
𝑏−𝑎
𝑎+𝑏
Valor esperado: 𝐸(𝑥) = 2
(𝑏−𝑎)2
Varianza: 𝑣(𝑥) = 12
 (𝑏−𝑎)2
Desviación Estándar: 𝜎 = √𝑣(𝑥) = √ 12

19. Ejercicios para la distribución Uniforme, saber calcular el valor esperado, varianza y
desviación estándar. Saber calcular probabilidades.
Pasos básicos:
• Identificar Tipo de distribución (Fórmula y datos)
• Identificar las variables a y b
• Sustituir en formula
• Calcular el inciso
• Conclusión
1
Formula general: 𝑓(𝑥) = 𝑏−𝑎 ; 𝑎 ≤ 𝑥 ≤ 𝑏
𝑎+𝑏
Valor esperado: 𝐸(𝑥) =
2
(𝑏−𝑎)2
Varianza: 𝑣(𝑥) = 12

(𝑏−𝑎)2
Desviación Estándar: 𝜎 = √𝑣(𝑥) = √ 12

20. Distribución Normal, ¿Qué es? ¿Cuáles son sus características? ¿Qué tipo de variables
mide? ¿Cuál es su fórmula general? ¿Cómo se calcula el valor esperado, la varianza y
la desviación estándar?
La distribución normal es un modelo teórico capaz de aproximar satisfactoriamente el valor de una
variable aleatoria a una situación ideal.
Características:

• Es simétrica a simple vista, su eje de simetría es la media de la distribución y se suele

diferenciar con el parámetro µ.
• Los valores de la variable hacia ambos extremos se extienden hasta el infinito + y - . Sin
embargo, los extremos son asintóticos (no toca el eje x).
• La simetría de la curva respecto a su punto medio implica que la media, mediana y moda
son iguales.
• La forma de la distribución normal implica que la mayor parte de las observaciones están
cerca del centro.

𝑥−𝜇
Formula general: 𝑧 =
𝜎
 21. Distribución Normal Estándar, ¿Qué es? ¿Cuáles son sus características? ¿Qué tipo de
variables mide?
Distribución normal estándar: Cuando una distribución normal presenta una media de 0 y una
desviación estándar de 1, la distribución normal pasa a llamarse distribución normal estándar.
Con esta función se suelen calcular las probabilidades bajo la curva sin embargo requieren
técnicas específicas de cálculo integral avanzado, el cual no es tan común entre todas las carreras,
por lo que se usan valores tabulados de dicha función.

22. Ejercicios para la distribución Normal, saber calcular el valor esperado, varianza y
desviación estándar. Saber calcular probabilidades. (Traer su tabla)
Pasos básicos:
• Identificar las variables: 𝜇, 𝜎
• Determinar los intervalos correspondidos 𝑃(𝑎 ≤ 𝑥 ≤ 𝑏)
• Sustituir en la formula general
• Determinar las probabilidades según el valor dado de z en tablas.

x−μ
Formula general: z = σ