A010142308@my.uvm.edu.

mx Cuenta>
010142308.Nombre del alumno: Victor
Manuel Gutierrez Clemente. Ingeniería
industrial y en sistemas.

Actividad 3
Cuestionario

Profesor: Álvaro Reyes García

Materia Estadística descriptiva
 ACTIVIDAD
CUESTIONARIO

Fecha: 21/03/2021

Nombre del estudiante: Victor Manuel Gutierrez Clemente

Nombre del docente: Álvaro Reyes García

INSTRUCCIONES
a) RESPONDE LAS SIGUIENTES ACTIVIDADES
1. Define variable aleatoria, continua y discreta.
- Variable aleatoria: Esta variable se compone de 2 conceptos que es una función matemática y un
experimento que se realizara de forma aleatoria, básicamente es una ecuación que describe los
resultados con un numero de resultados serán siempre al azar.
- Variable continua: Es aquella que puede obtener cualquier valor en un intervalo y la característica es
que solo puede adquirir su valor de un conjunto de números, estas no se pueden medir de manera
exacta el valor que da dependerá de los instrumentos que se usen para la medición
- Variable discreta: Esta variable solo puede tomar un número que es finito pero que no sean
consecutivos

2. ¿Qué es una distribución de probabilidad?

La distribución de probabilidad permite a partir de una función describir el comportamiento esperado en casos
planteados, es decir, se refiere a los resultados posibles que pueda tener una variable aleatoria y describe el
comportamiento de una variable para determinar posibles resultados.

3. Define espacio muestral.

El espacio muestral se identifica con el símbolo Ω (omega) este debe entenderse como el grupo de todos los
resultados específicos que se pueden obtener tras una experimento de manera aleatoria.
 4. Describe eventos simples, eventos compuestos, eventos complementarios y eventos
mutuamente excluyentes.

- Evento simple: Es un evento que dará un solo resultado, por ejemplo, en un lanzamiento de
moneda existen 2 probabilidades, 1 que sea cara o 2 que sea cruz, el resultado a esa
probabilidad es un evento simple ya que solo te puede dar 1 resultado a la vez

- Eventos compuestos: Es un evento con más de 1 resultado, por ejemplo en el lanzamiento de

un dado , tenemos 6 posibles resultados y supongamos que queremos saber la probabilidad
de que salgan números pares 2, 4, 6. Esto se reduce al 50% de probabilodades

- Eventos mutuamente excluyentes: Son eventos que no pueden pasar al mismo tiempo, por
ejemplo, que en un lanzamiento de una moneda no puede salir cara o cruz al mismo tiempo,
solo puede dar uno de los 2.

4. Explica cuáles son los axiomas de la probabilidad.

- Axioma 1: La probabilidad de que se de un suceso siempre será igual o mayor a 0 o lo que es lo mismo
n ° de casos favorables
P ( A ) ≥ 0 esto se puede calcular con P ( A )= y esto nos dara como
n ° de casos posibles
consecuencia P ( E )=1 ó P ( ∅ )=0

- Axioma 2: La suma de las probabilidades de los sucesos elementales de un experimento es = 1

P ( A 1 )+ P ( A 2 ) + P ( A 3 )+ …+ P ( An )=1 como ejemplo la probabilidad que al lanzar un dado nos de
cada uno de los valores del dado son 1/6 al sumar cada uno de esas probabilidades el resultado nos da
1
- Axioma 3: La probabilidad de la unión de 2 sucesos incompatibles, es decir, que no pueden ocurrir
simultáneamente, es decir, que su intersección es nula.

P ( A ∪ B ) =P ( A )+ P ( B ) si A ∩B=∅
5. Define, probabilidad simple, probabilidad conjunta y probabilidad condicional.

- Probabilidad Simple: También conocida como probabilidad marginal se refiere a la probabilidad de

ocurrencia de un suceso simple

- Probabilidad conjunta: Esta se obtiene cuando se busca conocer la probabilidad de que 2 sucesos se
verifiquen de manera simultanea

- Probabilidad condicional: La probabilidad de que un suceso llamado X ocurra si otro suceso llamado Z
ya sucedió a esto se le conoce como probabilidad condicional

6. ¿Qué es la Independencia estadística?

Es cuando no se da ningún tipo de relación entre 2 variables, es decir, cuando el comportamiento estadístico de
una de ellas no se ve afectado por los valores de la otra

7. Explica el Teorema de Bayes.

 P ( A ) XP (B∨A )
Se determina mediante la formula P ( A|B )= este teorema da respuesta a cuestiones de tipo
P( B)
causal, predictivas y de diagnóstico , es decir, las cuestiones de tipo causal buscamos saber cuál es la
probabilidad de acontecimientos que son consecuencia de otros acontecimientos en las predictivas buscamos
saber cuál es la probabilidad de acontecimientos que son la consecuencia de otros acontecimientos y en el tipo
diagnostico queremos saber cuál es la probabilidad del acontecimiento o acontecimientos causales o
predictivos ya que tenemos información de las consecuencias dicho de otra forma en las situaciones causales o
predictivas desconocemos las consecuencias y tenemos evidencia de las causas. Por el contrario, en las
situaciones de diagnóstico desconocemos las causas y tenemos evidencia de las consecuencias. Y este teorema
nos ayuda a poder calcular todos estos valores

b) COMPLETA LA SIGUIENTE TABLA

Distribución de poisson
Describe la probabilidad como un acontecimiento fortuito ocurrido en un tiempo o intervalo de espacio bajo las
condiciones que la probabilidad de un acontecimiento ocurre es muy pequeña, pero el número de intentos es
muy grande, entonces el evento actual ocurre algunas veces.
Esta se emplea para obtener x éxitos en un intervalo continuo
Formula
γ x∗e−γ
( | )
P X γ=
x!

Caracteristicas
1- Se representan con el símbolo γ por lo que se obtiene el promedio de eventos en el espacio temporal o
región especifica de interés
2- El número de resultados que ocurren en un intervalo de tiempo o región es independiente del número
que ocurre en otro intervalo de tiempo o región.
3- La probabilidad de que un resultado muy pequeño ocurra en un intervalo de tiempo muy corto o en
una región pequeña es proporcional a la longitud del intervalo de tiempo o al tamaño de la región.
4- La probabilidad de que más de un resultado ocurra en un intervalo de tiempo tan corto o en esa región
tan pequeña es inapreciable, que se puede asignar el valor de 0

Distribución de Bernoulli

La distribución de Bernoulli es una distribución discreta que está relacionada con muchas distribuciones, tales
como la distribución binomial, geométrica y binomial negativa. La distribución de Bernoulli representa el
resultado de 1 ensayo. Las secuencias de ensayos de Bernoulli independientes generan las demás
distribuciones: la distribución binomial modela el número de éxitos en n ensayos, la distribución geométrica
modela el número de fallas antes del primer éxito y la distribución binomial negativa modela el número de
fallas antes del éxito xésimo.
Formula
F ( X )= p x ¿

Función de distribución Acumulada

La función distribución acumulada F(X) de la variable aleatoria discreta X, cuya distribución de probabilidad

es P(X), es la probabilidad de que la variable X sea menor o igual al valor x

Formula
F ( X )=P ( X ≤ x )

Aplica en:
Desviación Variable Variable Variable
Distribución de Probabilidad Valor esperado Varianza estándar Aleatoria Continua Discreta
Distribución uniforme
discreta

Bibliografia

- Universidad Nacional Autonóma de México (2010). Estadística descriptiva. Haga clic para ver más
opciones [Archivo PDF]. Recuperado de
http://fcasua.contad.unam.mx/apuntes/interiores/docs/20181/administracion/1/
LA_1142_05047_A_Estadistica_Descrptiva_Plan2016.pdf
- Khan Academy. (S. F.). Calcular la probabilidad condicional. [Sitio web]. Recuperado de
https://es.khanacademy.org/math/statistics-probability/probability-library/conditional-probability-
independence/v/calculating-conditional-probability

- Khan Academy. (S. F.). Espacios muestrales. [Sitio web]. Recuperado de

https://es.khanacademy.org/math/statistics-probability/probability-library/probability-sample-
spaces/v/events-and-outcomes-3