A.

Espacio muestral y con qué letra se denota:

El espacio muestral es la colección de todos los posibles resultados de un experimento.

Se denota con la letra Ω.

B. Punto muestral:

Punto muestral son los elementos de un espacio muestral.

C. Evento muestral:
Evento muestral son los conjuntos de resultados posibles de Ω (espacio muestral)

D. Variable aleatoria:
La variable aleatoria se define como el hecho de asociar los resultados de un espacio
muestral de un experimento con números reales únicos.
E. ¿Qué significa que el espacio muestral de una variable aleatoria
continua es no contable?

El espacio muestral asociado a una variable aleatoria continua es no

contable, queriendo significar que, entre dos valores de la variable, pueden
realizarse un número infinito de otros valores.

F. ¿Qué son variables aleatorias discretas proporcionales y que son

variables aleatorias discretas de conteo no acotado?

Las variables discretas proporcionales y aleatorias discretas de conteo no acotado

son los conteos que no pueden superar el número de elementos evaluados.
El ejemplo para el caso de la variable aleatoria discreta proporcional seria que en con 35
estudiantes 31 de ellos aprobaron el año. Para la variable aleatoria discreta de conteo no
acotado sería el ejemplo de numero de larvas de dengue en 100ml de agua estancada.

G. Existe dos conceptos de probabilidad el clásico y concepto

frecuencial, defina cada uno, en el caso del frecuencial explique el
experimento de germinación de una semilla cuál es el experimento
aleatorio, cuál es el evento, cuantos puntos muestrales tiene.

 Probabilidad (concepto clásico): se basa en la observación de los elementos del

espacio muestral.
 Probabilidad (concepto frecuencial): se refiere a una serie repetida de estudios
aleatorios.
 En el caso del experimento de la germinación de la semilla el experimento
aleatorio son las 1000 semillas, el evento es 0,6 y el espacio muestral 600
 H- ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de
probabilidad? ¿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(A ꓴ B)?

Las frecuencias se entienden como probabilidades sólo cuando N tiende a infinito.

Si el número de veces que se repite un experimento no es grande, entonces hablaremos
de frecuencia relativa y diremos que ésta “aproxima” una probabilidad

I- ¿En el caso de distribuciones de variables aleatorias cuando una variable

es continua y simétrica que modelo se usa?

Para el caso de las variables aleatorias continua y simétrica es común el modelo

Normal.

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

Para la variable de conteo no acotado se utiliza el modelo de Poisson.

K- ¿Para variables de proporciones que modelo se utiliza?

En las variables de proporciones se utiliza el modelo probabilístico Binominal.
L- Que variables tienen función de probabilidad y que variables tienen función
de densidad.
Las variables que tienen función de probabilidad son las aleatorias discretas y las
variables que tienen función de densidad son las aleatorias continuas.

M- Cuáles son los parámetros más usados en estadística para estudiar y utilizar
funciones de distribución de variables aleatorias.

Los parámetros más utilizados en la estadística para estudiar y utilizar funciones

de distribución de variables aleatorias son el valor esperado (formaliza la idea de valor
medio de un fenómeno aleatorio.) y 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).

N- ¿Qué es la esperanza matemática de una variable aleatoria, como se denota?

La esperanza matemática es un promedio de los valore asumidos por la variable,
donde cada valor es ponderado por su probabilidad de ocurrencia. Es denotada por la
letra E(.) o por µ.
 O- ¿Qué es la varianza de una variable aleatoria, como se denota?
La varianza en una variable aleatoria es una medida de dispersión. Se denota por
Var(.) o por la letra griega sigma al cuadrado σ 2.

DISTRIBUCION NORMAL

 ¿Qué tipo de histograma se debe seleccionar un modelo probabilístico para

una variable aleatoria continua cuando se tienen datos de esa variable?
El histograma que se debe seleccionar para un modelo probabilístico para una
variable aleatoria continua cuando se tienen datos de esa variable es un histograma de
frecuencias relativas.

 ¿Qué es la estandarización, cuál es su fórmula?

Permite llevar cualquier distribución normal a la distribución normal estándar. La

Y −μ
transformación, estandarización, tiene la siguiente forma: Z= donde Y es el valor de
√ σ2
la variable aleatoria que define el evento de interés, µ y σ 2 son la media y la varianza de la
distribución de Y. La nueva variable aleatoria Z, obtenida mediante estandarización de Y,
se distribuye normal con media cero y varianza uno, es decir, normal estándar.

DISTRIBUCIÓN BINOMIAL

 ¿Qué tipo de conteos se trabajan con la distribución Binomial?

La distribución binominal puede ser usada para el cálculo de probabilidades de
eventos provenientes de conteos acotados.

 En la distribución binomial ¿qué es n y que es P?

n es el número de experimentos aleatorios y P es la probabilidad de ocurrencia

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

La esperanza es igual al número de lanzamientos y la varianza es una medida que
muestra la variabilidad de una distribución.

DISTRIBUCION DE POISSON

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

 En la distribución de Poisson los conteos indican el número de veces que un
evento ocurre en una unidad de tiempo o espacio dada y por tanto los valores de la
variable no están acotados.
 En agronomía se usa para que tipo de conteos, les recuerdo los ácaros por
ejemplo se pueden trabajar con esta distribución.
L a distribución de Poisson en la agronomía se usa para modelar un numero de
defectos por decirlo así de un objeto o cosa.

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

media y la varianza.
El único parámetro de distribución de Poisson que es igual a la varianza y a la
media es λ(lamda)
Archivo de probabilidad en R
Variables cuantitativas discretas:
Variables cuantitativas continuas
 Balzarini, M., Di Rienzo, J., Tablada, M., Gonzales, L., Bruno, C., Cordoba,
M., & Robledo, W. &. (2011). Estadistica y Biometria. Argentina: Brujas.