Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Protocolo individual
Semana o tema: técnicas de conteo
Descripción de los textos o actividades a realizar.
Unidad II
En el presente protocolo individual de la unidad II, abarcare las siguientes preguntas con sus
respectivas respuestas:
Unidad III
En el presente protocolo individual de la unidad III, abarcare las siguientes preguntas con sus
respectivas respuestas:
Palabras claves.
Técnicas de conteo
Permutaciones
Estadística
Técnicas
Unidad II
Evento
Suceso
Probabilidad
Probabilidad condicionada
Fenómeno aleatorio
Unidad III
Variable discreta
Variable continua
Distribución
Probabilidad
variable
Unidad II
Unidad III
Técnicas de conteo: son unos métodos matemáticos que permiten saber cuántas combinaciones u
opciones distintas se tienen de los elementos de dentro de un mismo grupo de objetos.
Probabilidad: es simplemente qué tan posible es que ocurra un evento determinado. Cuando no
estamos seguros del resultado de un evento, podemos hablar de la probabilidad de ciertos resultados:
qué tan común es que ocurran.
Estadística: es la parte de las Matemáticas que se encarga del estudio de una determinada
característica en una población, recogiendo los datos, organizándolos en tablas, representándolos
gráficamente y analizándolos para sacar conclusiones de dicha población.
Unidad II
Evento: En teoría de la probabilidad, un evento estadístico es cada uno de los posibles resultados de
un experimento aleatorio.
Por ejemplo, un evento estadístico del lanzamiento de un dado es «obtener el número 5» o, también,
«obtener el número 2» es otro evento estadístico.
Suceso: Un suceso es cualquier subconjunto del espacio muestral. Por ejemplo, “sacar cara” en el
lanzamiento de una moneda, “sacar el número 5” o “sacar un número primo” en el lanzamiento de un
dado son sucesos.
Probabilidad: La probabilidad es el cálculo matemático que evalúa las posibilidades que existen de
que una cosa suceda cuando interviene el azar.
Fenómeno aleatorio: es un evento o suceso cuyo resultado no puede predecirse con certeza, ya que
está sujeto a la influencia de factores impredecibles. Estos fenómenos se caracterizan por tener
múltiples resultados posibles, donde cada resultado tiene una cierta probabilidad de ocurrir.
Unidad III
Variable discreta: es aquella que puede asumir un número contable de valores. Mientras que una
variable continua es aquella que puede asumir un número incontable de valores.
Variable continua: es aquella que puede asumir un número contable de valores. Mientras que una
variable continua es aquella que puede asumir un número incontable de valores.
Probabilidad: La probabilidad es simplemente qué tan posible es que ocurra un evento determinado.
Variable: Una variable estadística es una característica que puede fluctuar y cuya variación es
susceptible de adoptar diferentes valores,
los cuales pueden medirse u observarse.
Principio de multiplicación
Si un evento E puede ocurrir de m formas, e independiente de este evento un evento F puede ocurrir
de n formas, entonces los eventos juntos pueden ocurrir un total de m x n formas.
Regla factorial
Una colección de n elementos distintos se pueden acomodar de n! formas diferentes. Es decir, el
primer elemento se puede seleccionar de n maneras distintas, el segundo de n-1 maneras, y así
sucesivamente.
Permutaciones
Se le llama permutación a cualquier ordenamiento de un conjunto de n objetos en un orden dato. Un
ordenamiento de r de estos objetos se denomina permutación r o permutación de n objetos tomados r a
la vez.
Permutaciones
Un equipo de fútbol tiene 12 jugadores y el entrenador debe elegir un capitán. ¿De cuántas
formas puede hacerlo? Respuesta: Es una permutación con repetición ya que el mismo jugador
solo puede ser capitán una vez. Por lo tanto, se calcula 12P1 = 12 formas posibles.
Principio de multiplicación
Diana empacó 2 faldas, 4 blusas y un suéter para su viaje de negocios. Tendrá que elegir una
falda y una blusa para cada conjunto y decidir si se pone el suéter. Utilice el principio de
multiplicación para hallar el número total de conjuntos posibles.
Para hallar el número total de conjuntos, calcule el producto del número de opciones de falda, el
número de opciones de blusa y el número de opciones de suéter.
La multiplicación del número de opciones de falda (2) por el número de opciones de blusa (4) por el
número de opciones de suéter (2) es igual a 16.
Hay 16 conjuntos posibles.
Si se desea hacer una rifa en la que cada boleta tiene un número de tres cifras, ¿cuántas boletas
se deben imprimir?
Solución:
En este caso como cada cifra tiene diez posibilidades (0, 1, 2, 3, …, 9), N=10, y como el
número debe tener tres cifras, entonces n=3. Luego,
Regla factorial
n! = n × (n−1)!
lo que significa
"el factorial de cualquier número es: el número por el factorial de (1 menos que el número)"
De modo que 10! = 10 × 9!, ... y 125! = 125 × 124!, etc.
¿De cuántas formas diferentes pueden 7 personas llegar primero, segundo y tercero?
La lista es bastante larga, si las 7 personas se llaman a, b, c, d, e, f y g, entonces la lista incluye:
abc, abd, abe, abf, abg, acb, acd, ace, acf, ... etc.
La fórmula es
7!
(7−3)!
=
7!
4!
7 × 6 × 5 = 210
Así que hay 210 formas diferentes en las que 7 personas pueden llegar en primer, segundo y tercer
lugar.
En total, se pueden formar 60 palabras diferentes con las letras de la palabra BANANA.
En una urna, hay 5 bolas del mismo tamaño y peso, de los cuales, 3 son rojas y 2 son azules.
¿De cuántas maneras se pueden extraer una a una las bolas de la urna?
Solución:
En cada forma de extraer las bolas, importa el orden, hay elementos repetidos y participan todos los
elementos (bolas), por ello, usaremos la fórmula de permutación con elementos repetidos.
Número de bolas rojas: 3.
Número de bolas azules: 2.
2. Una caja contiene 3 bolas verdes, 5 bolas rojas y 2 bolas azules. Si se extrae una bola al azar,
¿cuál es la probabilidad de obtener una bola azul?
La probabilidad de obtener una bola azul se calcula dividiendo el número de bolas azules entre el
número total de bolas:
Probabilidad = Número de bolas azules / Número total de bolas
En este caso, el número de bolas azules es 2, y el número total de bolas es 3 + 5 + 2 = 10.
Probabilidad = 2 / 10 = 1/5
La probabilidad de obtener una bola azul es de 1/5 o 0.2, que se puede expresar tanto como
fracción o decimal.
3. Calcula la probabilidad de que salga "un número entre 1 y 40" al sacar una bolita de una bolsa
con 100 bolitas numeradas del 1 al 100
La probabilidad de que salga "un número entre 1 y 40" al sacar una bolita de una bolsa con 100 bolitas
numeradas del 1 al 100 se calcula dividiendo el número de casos favorables (40 bolitas numeradas del
1 al 40) entre el número de casos posibles (100 bolitas numeradas del 1 al 100).
Probabilidad = Casos favorables / Casos posibles
Probabilidad = 40 / 100
Probabilidad = 0.4
Por lo tanto, la probabilidad de que salga "un número entre 1 y 40" al sacar una bolita de una bolsa
con 100 bolitas numeradas del 1 al 100 es de 0.4 o 40%.
Qué es la probabilidad condicionada y como se calcula. Realice dos ejemplos.
La probabilidad condicionada es la probabilidad de que ocurra un evento dado que otro evento ha
ocurrido. Se calcula dividiendo la probabilidad del evento conjunto entre la probabilidad del evento
condicionante.
Ejemplo 1:
Supongamos que se tiene una baraja de 52 cartas, se extrae una carta al azar y se mantiene oculta.
¿Cuál es la probabilidad de que la carta sea un as, dado que es una carta negra?
Probabilidad condicionada = Probabilidad de sacar un as y una carta negra / Probabilidad de sacar una
carta negra
Probabilidad condicionada = 2/52 / 26/52
Probabilidad condicionada = 2/26
Probabilidad condicionada = 1/13
Ejemplo 2:
Supongamos que se tiene un dado justo de 6 caras, se lanza el dado y se obtiene un número menor a 4.
¿Cuál es la probabilidad de que el número obtenido sea par?
Probabilidad condicionada = Probabilidad de sacar un número par y menor a 4 / Probabilidad de sacar
un número menor a 4
Probabilidad condicionada = 2/6 / 3/6
Probabilidad condicionada = 2/3}
Unidad III
Las distribuciones de probabilidad de variables discretas incluyen la distribución binomial, la
distribución de Poisson y la distribución geométrica.
Cuando describimos eventos con variables aleatorias discretas, las distribuciones de probabilidad
discretas nos permiten determinar todo el rango de valores posibles para el evento.
Distribución binomial: esta distribución se utiliza cuando solo hay dos resultados posibles para cada
prueba, etiquetados como éxito o fracaso. Se conocen la probabilidad de éxito (p) y el número de
intentos (n). La fórmula para calcular la probabilidad es P(X=k) = (n elija k) * p^k * (1-p)^(nk),
donde X es la variable aleatoria que representa el número de éxitos. Ejemplos de distribuciones
binomiales incluyen lanzar una moneda justa varias veces y contar el número de caras, o lanzar un
dado justo varias veces y contar la cantidad de veces que aparece un número específico.
Distribución de Poisson: esta distribución se utiliza para modelar el número de eventos que ocurren
en un intervalo fijo de tiempo o espacio, dada una tasa promedio de ocurrencia. Se utiliza
comúnmente para eventos raros. La probabilidad de observar un cierto número de eventos (k) se
calcula usando la fórmula P(X=k) = (e^(-λ) * λ^k) / k!, donde X es la variable aleatoria que representa
el número de eventos. Ejemplos de distribuciones de Poisson incluyen la cantidad de correos
electrónicos recibidos por día o la cantidad de accidentes automovilísticos ocurridos en una ciudad
determinada dentro de un período de tiempo específico.
Distribución Geométrica: Esta distribución se utiliza cuando la probabilidad de éxito (p) en cada
ensayo es constante y nos interesa encontrar el número de ensayos necesarios hasta que se produzca el
primer éxito. La probabilidad de observar el primer éxito en la k-ésima prueba se calcula utilizando la
fórmula P(X=k) = p * (1-p)^(k-1), donde X es la variable aleatoria que representa el número de
pruebas. Ejemplos de distribuciones geométricas incluyen la cantidad de veces que necesitas lanzar
un dado justo hasta obtener un número específico, o la cantidad de veces que necesitas lanzar una
moneda justa hasta que obtengas cara.
Las distribuciones de probabilidad de variables continuas incluyen la distribución normal y la
distribución exponencial.
Estas son distribuciones en las que las variables aleatorias pueden tomar valores continuos. Un
ejemplo es la altura de los estudiantes en un salón de clases, donde la altura puede tener cualquier
valor.
Distribución normal (Distribución gaussiana): esta distribución se usa ampliamente para modelar
variables continuas en muchos campos debido al teorema del límite central. Se caracteriza por su
media (μ) y desviación estándar (σ). Tiene una curva en forma de campana simétrica respecto a la
media. La función de densidad de probabilidad (pdf) de la distribución normal viene dada por la
fórmula f(x) = (1 / (√(2π) * σ)) * e^(-(x-μ)^2 / (2σ^2 )), donde x es la variable aleatoria. Ejemplos de
distribuciones normales incluyen la altura de una población, el peso de una población o las
puntuaciones de coeficiente intelectual de una población.
Distribución exponencial: esta distribución se utiliza a menudo para modelar el tiempo entre eventos
que ocurren en un proceso de Poisson, donde los eventos ocurren de forma continua e independiente a
un ritmo constante. Se caracteriza por su parámetro de tasa (λ). La función de densidad de
probabilidad (pdf) de la distribución exponencial viene dada por la fórmula f(x) = λ * e^(-λx), donde x
es la variable aleatoria. Ejemplos de distribuciones exponenciales incluyen el tiempo entre llegadas
de autobuses, el tiempo entre eventos de desintegración radiactiva o el tiempo entre llegadas de
clientes a un centro de servicio.
Unidad II
La metodología utilizada para este protocolo fue gracias a las TIC, y también a los repositorios que se
encuentran en la plataforma SIMA de la universidad de Cartagena.
Unidad III
Mi protocolo fue realizado con ayuda de las fuentes de internet, y también basado en los repositorios
de la plataforma SIMA.
Unidad II
la probabilidad, evento y suceso son elementos fundamentales en la estadística que nos permiten
medir y calcular la posibilidad de que ocurran determinados resultados.
La probabilidad es una medida numérica utilizada para expresar la posibilidad de que ocurra un
evento particular. Se puede expresar de forma relativa (porcentaje) o absoluta (de 0 a 1). La
probabilidad se calcula dividiendo el número de casos favorables entre el número total de casos
posibles.
Un evento es un resultado específico que puede ocurrir dentro de un espacio muestral. Puede ser un
resultado único o una colección de resultados. Los eventos se clasifican en eventos simples (un solo
resultado), eventos compuestos (conjunto de resultados) y eventos imposibles (no tienen posibilidad
de ocurrir).
Un suceso, por otro lado, es un subconjunto del espacio muestral que contiene uno o más eventos.
Puede ser un solo evento o una combinación de eventos. Los sucesos se clasifican en sucesos seguros
(ocurren siempre), sucesos posibles (tienen posibilidad de ocurrir) y sucesos imposibles (no tienen
posibilidad de ocurrir).
Unidad III
Por otro lado, las distribuciones de probabilidad de variables continuas muestran las probabilidades
asociadas a diferentes intervalos o rangos de valores. Esto es importante para comprender la
probabilidad de que ocurra un evento dentro de un rango determinado. Por ejemplo, la distribución de
probabilidad de las alturas de los individuos de una población puede proporcionar información sobre
la probabilidad de encontrar individuos dentro de un determinado rango de altura.
Discusiones y recomendaciones
Unidad III
comprender las distribuciones de probabilidad de variables discretas y continuas, para poder tomar
decisiones más informadas, predecir resultados y analizar e interpretar datos con precisión.
Bibliografía.
https://naps.com.mx/blog/tecnicas-de-conteo-en-probabilidad-y-estadistica/
https://danacaweb.com/principio_de_multiplicacin.html
https://www.disfrutalasmatematicas.com/numeros/factorial.html
https://matemovil.com/permutacion-con-repeticion-ejercicios-resueltos/
Unidad II
https://www.probabilidadyestadistica.net/evento-estadistico/#google_vignette
https://www.smartick.es/blog/matematicas/probabilidad-y-estadistica/probabilidad-que-es/
https://economipedia.com/definiciones/probabilidad-condicional.html
http://descargas.pntic.mec.es/cedec/mat3_2/contenidos/M3_U10/sucesos.html
Lind, D. A., Marchal, W. G., Wathen, S. A.(2019). Estadística aplicada a los negocios y la economía.
McGraw-Hill. https://ebooks724.unicartagenaproxy.elogim.com:443/?il=9246
Unidad III
https://matemovil.com/variables-discretas-y-continuas-ejemplos-y-ejercicios/
https://excelparatodos.com/variable-continua/#google_vignette
https://www.ibm.com/docs/es/cognos-analytics/12.0.0?topic=terms-statistical-distribution
https://es.khanacademy.org/math/probability/probability-geometry/probability-basics/a/probability-
the-basics
https://www.mineduc.gob.gt/DIGECADE/documents/Telesecundaria/Recursos%20D
igitales/3o%20Recursos%20Digitales%20TS%20BY-SA%203.0/MATEMATICA/U12%20pp
%20278%20variable%20estad%C3%ADstica.pdf
NOTA
Tutora, le envió el protocolo individual de la unidad 3, en
este envió con el de la unidad 4, porque por tal motivo en mi
plataforma cuando envié el protocolo individual de la unidad
2, me decía que era el intento 3 de 4, y por lo tanto no me
daba más intentos para enviar, entonces para que me haga el
favor de calificármelo. Aquí debajo esta mi protocolo final
de estadística inferencial.
Protocolo individual final
Estadística inferencial
Luz Daniela Burgos Diaz
Descripción del texto o actividad a realizar.
1. Cuáles son las técnicas de conteo.
2. Cuál es la utilidad de las técnicas de conteo.
3. Desarrolle dos ejemplos de cada técnica de conteo.
4. Qué es la permutación y como se calcula.
5. Defina evento, suceso y de ejemplos.
6. Qué es la probabilidad, como se calcula y para qué sirve.
7. Elabore tres ejemplos de probabilidad.
8. Qué es la probabilidad condicionada y como se calcula. Realice dos ejemplos.
9. Identifique las distribuciones de probabilidad de la variable discreta. Establezca sus
diferencias, explique cómo se calcula y desarrollo dos ejemplos de cada una.
10. Identifique las distribuciones de probabilidad de la variable continua. Establezca sus
diferencias, explique cómo se calcula y desarrollo dos ejemplos de cada una.
11. Qué son las hipótesis.
12. Qué es la regresión lineal y para que se emplea.
Palabras claves.
Técnicas de conteo
Permutaciones
Estadística
Técnicas
Evento
Suceso
Probabilidad
Probabilidad condicionada
Fenómeno aleatorio
Variable discreta
Variable continua
Distribución
Probabilidad
Variable
Hipótesis
Regresión lineal
Datos
Probabilidad: es simplemente qué tan posible es que ocurra un evento determinado. Cuando no
estamos seguros del resultado de un evento, podemos hablar de la probabilidad de ciertos
resultados: qué tan común es que ocurran.
Estadística: es la parte de las Matemáticas que se encarga del estudio de una determinada
característica en una población, recogiendo los datos, organizándolos en tablas, representándolos
gráficamente y analizándolos para sacar conclusiones de dicha población.
Suceso: Un suceso es cualquier subconjunto del espacio muestral. Por ejemplo, “sacar cara” en el
lanzamiento de una moneda, “sacar el número 5” o “sacar un número primo” en el lanzamiento de
un dado son sucesos.
Probabilidad: La probabilidad es el cálculo matemático que evalúa las posibilidades que existen
de que una cosa suceda cuando interviene el azar.
Fenómeno aleatorio: es un evento o suceso cuyo resultado no puede predecirse con certeza, ya
que está sujeto a la influencia de factores impredecibles. Estos fenómenos se caracterizan por tener
múltiples resultados posibles, donde cada resultado tiene una cierta probabilidad de ocurrir.
Variable discreta: es aquella que puede asumir un número contable de valores. Mientras que una
variable continua es aquella que puede asumir un número incontable de valores.
Variable continua: es aquella que puede asumir un número contable de valores. Mientras que una
variable continua es aquella que puede asumir un número incontable de valores.
Variable: Una variable estadística es una característica que puede fluctuar y cuya variación es
susceptible de adoptar diferentes valores, los cuales pueden medirse u observarse.
Hipótesis: se puede definir como una predicción o explicación provisoria (mientras no sea
contrastada) de la relación entre 2 o más variables.
Regresión lineal: es una técnica de análisis de datos que predice el valor de datos desconocidos
mediante el uso de otro valor de datos relacionado y conocido.
Datos: es la representación de una variable que puede ser cuantitativa o cualitativa que indica un
valor que se le asigna a las cosas y se representa a través de una secuencia de símbolos, números o
letras.
Principio de multiplicación
Si un evento E puede ocurrir de m formas, e independiente de este evento un evento F puede
ocurrir de n formas, entonces los eventos juntos pueden ocurrir un total de m x n formas.
Regla factorial
Una colección de n elementos distintos se pueden acomodar de n! formas diferentes. Es decir, el
primer elemento se puede seleccionar de n maneras distintas, el segundo de n-1 maneras, y así
sucesivamente.
Permutaciones
Se le llama permutación a cualquier ordenamiento de un conjunto de n objetos en un orden dato.
Un ordenamiento de r de estos objetos se denomina permutación r o permutación de n objetos
tomados r a la vez.
Análisis de probabilidades:
Organización de eventos
Combinatoria y permutaciones
Estadística.
Ejemplos de cada técnica de conteo
Permutaciones
Un equipo de fútbol tiene 12 jugadores y el entrenador debe elegir un capitán. ¿De cuántas
formas puede hacerlo? Respuesta: Es una permutación con repetición ya que el mismo
jugador solo puede ser capitán una vez. Por lo tanto, se calcula 12P1 = 12 formas posibles.
Diana empacó 2 faldas, 4 blusas y un suéter para su viaje de negocios. Tendrá que elegir
una falda y una blusa para cada conjunto y decidir si se pone el suéter. Utilice el principio
de multiplicación para hallar el número total de conjuntos posibles.
Para hallar el número total de conjuntos, calcule el producto del número de opciones de falda, el
número de opciones de blusa y el número de opciones de suéter.
La multiplicación del número de opciones de falda (2) por el número de opciones de blusa (4) por
el número de opciones de suéter (2) es igual a 16.
Hay 16 conjuntos posibles.
Si se desea hacer una rifa en la que cada boleta tiene un número de tres cifras, ¿cuántas
boletas se deben imprimir?
Solución:
En este caso como cada cifra tiene diez posibilidades (0, 1, 2, 3, …, 9), N=10, y como el
número debe tener tres cifras, entonces n=3. Luego,
#(S) = Nn = 103 = 1000
Por lo tanto, se deben imprimir 1000 boletas distintas.
Regla factorial
¿Cuánto es 10! si ya sabes que 9!=362.880?
10! = 10 × 9!
10! = 10 × 362.880 = 3.628.800
Así que la regla es:
n! = n × (n−1)!
lo que significa
"el factorial de cualquier número es: el número por el factorial de (1 menos que el número)"
De modo que 10! = 10 × 9!, ... y 125! = 125 × 124!, etc.
permutación con repetición
¿Cuántas palabras diferentes se pueden formar con las letras de la palabra BANANA?
Solución:
En total, se pueden formar 60 palabras diferentes con las letras de la palabra BANANA
nPr = n! / (n - r)!
Donde "n" es el número total de elementos y "r" es el número de elementos que se toman en cuenta
en cada permutación. El símbolo "!" representa el factorial de un número, que es el producto de
todos los números enteros positivos menores o iguales a ese número.
Ejemplo:
Evento: Lanzamiento de un dado
El término "probabilidad" se utiliza para definir un cálculo matemático que determina todas las
posibilidades de que ocurra un fenómeno dado un conjunto aleatorio de circunstancias. La
probabilidad se calcula a partir de un valor entre 0 y 1, y el nivel de confianza está determinado por
lo cerca que está de 1; por el contrario, si es cercano a cero, el resultado final es menos seguro.
¿Como se calcula?
5. Una caja contiene 3 bolas verdes, 5 bolas rojas y 2 bolas azules. Si se extrae una bola al
azar, ¿cuál es la probabilidad de obtener una bola azul?
La probabilidad de obtener una bola azul se calcula dividiendo el número de bolas azules entre
el número total de bolas:
Probabilidad = 2 / 10 = 1/5
La probabilidad de obtener una bola azul es de 1/5 o 0.2, que se puede expresar tanto como
fracción o decimal.
6. Calcula la probabilidad de que salga "un número entre 1 y 40" al sacar una bolita de una
bolsa con 100 bolitas numeradas del 1 al 100
La probabilidad de que salga "un número entre 1 y 40" al sacar una bolita de una bolsa con 100
bolitas numeradas del 1 al 100 se calcula dividiendo el número de casos favorables (40 bolitas
numeradas del 1 al 40) entre el número de casos posibles (100 bolitas numeradas del 1 al 100).
Probabilidad = 40 / 100
Probabilidad = 0.4
Por lo tanto, la probabilidad de que salga "un número entre 1 y 40" al sacar una bolita de una bolsa
con 100 bolitas numeradas del 1 al 100 es de 0.4 o 40%.
La probabilidad condicionada es la probabilidad de que ocurra un evento dado que otro evento ha
ocurrido. Se calcula dividiendo la probabilidad del evento conjunto entre la probabilidad del evento
condicionante.
Ejemplo 1:
Supongamos que se tiene una baraja de 52 cartas, se extrae una carta al azar y se mantiene oculta.
¿Cuál es la probabilidad de que la carta sea un as, dado que es una carta negra?
Ejemplo 2:
Supongamos que se tiene un dado justo de 6 caras, se lanza el dado y se obtiene un número menor
a 4. ¿Cuál es la probabilidad de que el número obtenido sea par?
Cuando describimos eventos con variables aleatorias discretas, las distribuciones de probabilidad
discretas nos permiten determinar todo el rango de valores posibles para el evento.
Distribución binomial: esta distribución se utiliza cuando solo hay dos resultados posibles para
cada prueba, etiquetados como éxito o fracaso. Se conocen la probabilidad de éxito (p) y el número
de intentos (n). La fórmula para calcular la probabilidad es P(X=k) = (n elija k) * p^k * (1-p)^(nk),
donde X es la variable aleatoria que representa el número de éxitos. Ejemplos de distribuciones
binomiales incluyen lanzar una moneda justa varias veces y contar el número de caras, o lanzar un
dado justo varias veces y contar la cantidad de veces que aparece un número específico.
Distribución de Poisson: esta distribución se utiliza para modelar el número de eventos que
ocurren en un intervalo fijo de tiempo o espacio, dada una tasa promedio de ocurrencia. Se utiliza
comúnmente para eventos raros. La probabilidad de observar un cierto número de eventos (k) se
calcula usando la fórmula P(X=k) = (e^(-λ) * λ^k) / k!, donde X es la variable aleatoria que
representa el número de eventos. Ejemplos de distribuciones de Poisson incluyen la cantidad de
correos electrónicos recibidos por día o la cantidad de accidentes automovilísticos ocurridos en una
ciudad determinada dentro de un período de tiempo específico.
Distribución Geométrica: Esta distribución se utiliza cuando la probabilidad de éxito (p) en cada
ensayo es constante y nos interesa encontrar el número de ensayos necesarios hasta que se
produzca el primer éxito. La probabilidad de observar el primer éxito en la k-ésima prueba se
calcula utilizando la fórmula P(X=k) = p * (1-p)^(k-1), donde X es la variable aleatoria que
representa el número de pruebas. Ejemplos de distribuciones geométricas incluyen la cantidad de
veces que necesitas lanzar un dado justo hasta obtener un número específico, o la cantidad de veces
que necesitas lanzar una moneda justa hasta que obtengas cara.
Estas son distribuciones en las que las variables aleatorias pueden tomar valores continuos. Un
ejemplo es la altura de los estudiantes en un salón de clases, donde la altura puede tener cualquier
valor.
Distribución exponencial: esta distribución se utiliza a menudo para modelar el tiempo entre
eventos que ocurren en un proceso de Poisson, donde los eventos ocurren de forma continua e
independiente a un ritmo constante. Se caracteriza por su parámetro de tasa (λ). La función de
densidad de probabilidad (pdf) de la distribución exponencial viene dada por la fórmula f(x) = λ *
e^(-λx), donde x es la variable aleatoria. Ejemplos de distribuciones exponenciales incluyen el
tiempo entre llegadas de autobuses, el tiempo entre eventos de desintegración radiactiva o el
tiempo entre llegadas de clientes a un centro de servicio.
una hipótesis es una suposición o proposición sobre una población o fenómeno que se está
estudiando. Se formulan a partir de información preliminar o conocimientos previos y se prueban
mediante análisis estadístico de los datos disponibles.
Las hipótesis se pueden dividir en dos categorías: hipótesis nula (H0) e hipótesis alternativa (H1).
Hipótesis nula (H0): Es la hipótesis que supone que no existe diferencia o efecto significativo entre
las variables en estudio. Generalmente, es la hipótesis la que se pretende rechazar si existe
suficiente evidencia estadística.
Ejemplo de H0: “La edad media de los alumnos de un colegio es de 15 años”.
Hipótesis alternativa (H1): Es la hipótesis que supone que existe una diferencia o efecto
significativo entre las variables en estudio. Generalmente, es la hipótesis la que se espera confirmar
si existe suficiente evidencia estadística.
Ejemplo de H1: "La edad promedio de los estudiantes de un colegio es diferente a los 15 años".
Las características importantes de las hipótesis en estadística incluyen:
Especificidad: Deben formularse de forma clara y precisa, definiendo claramente las variables y
parámetros involucrados.
Relevancia: Deben ser relevantes para la pregunta o problema de investigación en cuestión y estar
basados en teorías o evidencias previas.
Pruebas estadísticas: las hipótesis se prueban utilizando técnicas estadísticas, que proporcionan
evidencia suficiente para aceptar o rechazar una hipótesis.
La regresión lineal es un método estadístico utilizado para modelar la relación entre una variable
dependiente y una o más variables independientes. Se utiliza para predecir valores desconocidos de
la variable dependiente en función de las variables independientes.
La regresión lineal supone que la relación entre la variable dependiente y las variables
independientes es lineal, es decir, se puede representar mediante una línea recta. El objetivo es
encontrar la mejor recta que se ajuste a los datos, con el fin de minimizar la diferencia entre los
valores reales y los valores estimados.
La regresión lineal tiene varias aplicaciones. Se utiliza frecuentemente para predecir valores
futuros basados en datos históricos, para estudiar la relación entre variables, para identificar
variables significativas para predecir un resultado, para desarrollar modelos predictivos, entre
otros. Es una técnica muy utilizada en diferentes áreas, como la economía, las ciencias sociales y la
ingeniería.
https://economipedia.com/definiciones/probabilidad-condicional.html
http://descargas.pntic.mec.es/cedec/mat3_2/contenidos/M3_U10/sucesos.html
https://matemovil.com/variables-discretas-y-continuas-ejemplos-y-ejercicios/
https://excelparatodos.com/variable-continua/#google_vignette
https://www.ibm.com/docs/es/cognos-analytics/12.0.0?topic=terms-statistical-distribution
https://es.khanacademy.org/math/probability/probability-geometry/probability-basics/a/probability-
the-basics
https://www.mineduc.gob.gt/DIGECADE/documents/Telesecundaria/Recursos%20D
https://www.elsevier.es/es-revista-atencion-primaria-27-articulo-el-uso-hipotesis-
investigacion-cientifica-15038#:~:text=La%20hip%C3%B3tesis%20se%20puede
%20definir,objetivo%2Fs%20de%20la%20investigaci%C3%B3n.
https://aws.amazon.com/es/what-is/linear-regression/
https://concepto.de/dato/