ACTIVIDAD

CUESTIONARIO

Fecha: 30 / 10 / 2023

Nombre del estudiante: Donnovan de Jesus Montes Rojas

Nombre del docente: Paola Yadira García Martínez

INSTRUCCIONES

a) RESPONDE LAS SIGUIENTES ACTIVIDADES

1. Define variable aleatoria, continua y discreta.
VARIABLE ALEATORIA:
Puede ser considerada o llamada así a la diversidad de resultados que pueda tener un
experimento que al azar adquiere distintos valores. Como por ejemplo el peso de un grupo
de personas.
VARIABLE CONTINUA:
Toma cualquier valor de un intervalo, como lo es la altura, el tiempo de llegada de un
autobús, etc.
VARIABLE DISCRETA:
Un conjunto de valores finitos que se pueden contar fácilmente, como tus dedos o las
personas que viven contigo.

2. ¿Qué es una distribución de probabilidad?

Función que asigna una probabilidad a cada valor posible, es decir la distribución de
probabilidad de los resultados de un experimento aleatorio fácilmente.
Establece toda la gama de resultados posibles, describiendo la posibilidad de que un evento
pase de nuevo en el futuro.
3. Define espacio muestral.
Es el conjunto de todos los resultados posibles de un experimento aleatorio, denotado por
“S”.

4. Describe eventos simples, eventos compuestos, eventos complementarios y eventos

mutuamente excluyentes.
Un evento es cualquier subconjunto de resultados obtenidos en el espacio muestral “S”.

EVENTO SIMPLE: Un evento con un solo resultado, como lo es sacar sol en un juego de
moneda porque solo hay un lado con esa característica en una moneda, lo que quiere decir
que consiste en exactamente un resultado.

EVENTO COMPUESTO: Es aquel que consiste en mas de un resultado simple, como lo es sacar
todos los números pares de un juego de dados.

EVENTO COMPLEMENETARIO: Es aquel que como resultado solo nos da 2 resultados de un

experimento siendo estos dos las únicas posibilidades, en la que cada una puede ocurrir una
vez sin que la otra ocurra, lo podemos ver, de nuevo, en el lanzamiento de una moneda.

EVENTOS MUTUAMENTE EXCLUYENTES: Son aquellos eventos que no pueden ocurrir al

mismo tiempo, como el lanzamiento de una moneda solo puede haber un resultado ya sea
cara o sol. Todos los eventos complementarios son mutuamente excluyentes.

4. Explica cuáles son los axiomas de la probabilidad.

Establecidos en 1933, por el matemático ruso Andréi Kolmogorov en su obra Fundamentos
de la teoría de la Probabilidad, son proposiciones matemáticas que por su carácter lógico y
evidente no necesitan ser demostrados.
Axioma 1 (No negatividad): La probabilidad de que ocurra cualquier evento A es siempre
positiva o cero, P(A) ≥0. Cuando la probabilidad de un evento es 0, se le llama evento
imposible.
Axioma 2 (Determinismo): Siempre que cualquier evento perteneciente a E tenga una
probabilidad de ocurrencia de 1, podemos expresarlo como P(E) = 1. Es lo que se llama un
evento determinado, porque cuando se realiza un experimento, definitivamente habrá
resultados.
Axioma 3 (Suma): En el caso de dos o más eventos incompatibles de dos por dos (llámelos A1,
A2, A3...), la probabilidad de que ocurran los eventos A1 más A2 más A3, etc., es para cada
evento La suma de las probabilidades de ocurrencias individuales. Expresado como: P (A1 U
A2 U A3 U…) = P (A1) + P (A2) + P (A3)

5. Define, probabilidad simple, probabilidad conjunta y probabilidad condicional.

Probabilidad Simple: La probabilidad de que ocurra un determinado evento. La probabilidad

simple es igual al número de formas en que puede ocurrir un resultado particular del número
total de resultados posibles. Un método ampliamente utilizado en la práctica es referirse a la
probabilidad de un evento simple en el espacio muestral como probabilidad simple o
probabilidad marginal, que se refiere a la probabilidad de un evento simple, denotada por P
 (A), donde A es el evento simple. en cuestión. Se llama probabilidad marginal porque esta
medida se puede obtener a partir de los totales marginales de la tabla de contingencia.

PROBABILIDAD CONJUNTA: La probabilidad conjunta es simplemente la probabilidad de que

sucedan dos eventos al mismo tiempo. Es la probabilidad de que evento X se produce al
mismo tiempo como evento Y. Una es que los eventos X e Y deben ocurrir al mismo tiempo.
Lanzar dos dados sería un ejemplo de eso. La otra es que los eventos X e Y deben ser
independientes entre sí. Eso significa que el resultado del evento X no influye en el resultado
del evento Y.

PROBABILIDAD CONDICIONAL: Es la probabilidad de algún evento A, dada la ocurrencia de

algún otro evento B. Esto está denotado por P (A | B) y se lee “la probabilidad de A, dado B”.
En otras palabras, estamos calculando probabilidades condicionales al conocer información
adicional parcialmente a través del experimento.

6. ¿Qué es la Independencia estadística?

La independencia estadística es un concepto clave en la teoría de la probabilidad y la
estadística que se refiere a la condición en la que dos eventos o variables no tienen influencia
o relación entre sí.

En estadística, se considera que dos eventos o variables son estadísticamente independientes si

la ocurrencia o el valor de uno no afecta la probabilidad de ocurrencia o el valor del otro. Es
decir, la ocurrencia de uno no proporciona información sobre la ocurrencia del otro. En
términos formales:

1. Eventos independientes: Dos eventos A y B son independientes si la probabilidad de que

ambos eventos ocurran juntos es igual al producto de las probabilidades individuales de cada
evento. Matemáticamente:

2. Variables aleatorias independientes: Dos variables aleatorias X y Y son independientes si la

función de probabilidad conjunta f (x, y) es igual al producto de las funciones de probabilidad
marginales de X y Y, para todo x e y en sus respectivos rangos.

7. Explica el Teorema de Bayes.

El teorema de Bayes es un principio fundamental en teoría de la probabilidad y estadística
que describe la probabilidad de un evento, basándose en el conocimiento previo de
condiciones relacionadas con el evento.
 Este teorema es muy útil en el análisis de problemas de inferencia y toma su nombre del
matemático y ministro británico Thomas Bayes.

El teorema de Bayes establece la relación entre la probabilidad condicional inversa y directa.

Matemáticamente, se expresa de la siguiente manera:

Donde:

- P(A|B): es la probabilidad de que ocurra el evento A dado que el evento B ha ocurrido.

- P(B|A): es la probabilidad de que ocurra el evento B dado que el evento A ha ocurrido.

- P(A) y P(B): son las probabilidades de ocurrencia de los eventos A y B respectivamente.

El teorema de Bayes es útil para actualizar las creencias o probabilidades sobre un evento
cuando se obtiene nueva evidencia. Se utiliza ampliamente en diversos campos, como la
inteligencia artificial, la medicina, la ingeniería, la estadística, entre otros, para realizar
inferencias o tomar decisiones basadas en la información previa y la nueva evidencia
disponible.

El teorema de Bayes es la base de muchos métodos estadísticos y se utiliza, por ejemplo, en

redes bayesianas, clasificación de documentos, aprendizaje automático, diagnósticos médicos
y en la toma de decisiones bajo incertidumbre.

b) COMPLETA LA SIGUIENTE TABLA

Aplica en

Variable Variable Variable

Valor esperado Varianza Desviación estándar Continua Discreta
Distribución de probabilidad Aleatoria

Binominal Número de veces X

que ocurre un
𝑷(𝒙) = 𝑛𝐶𝑥 𝝅𝒙(𝟏 − 𝝅)𝒏−𝒙
𝜇 = 𝑛𝜋 𝜎2 = 𝑛𝜋(1 − 𝜋) evento durante
un
intervalo definido

Hipergeométrica X
𝒌 𝑁−𝑘 𝑁−𝑛
()⋅( ) 𝜎2 = 𝑛𝑝𝑞 ⋅ 𝑁−𝑛 Número de éxitos
𝑷(𝒙 = 𝒙) = 𝒙 𝑛−𝑥 𝜇 = 𝑛𝑝 𝜎 = √𝑛𝑝𝑞 ⋅ de un número
𝑁−1 fijo de ensayos
𝑵 𝑁−1
( )
𝒏

Poisson Número de veces X

𝝁𝒙ⅇ−𝝁 que ocurre un
𝜇 = 𝑛𝜋 𝜇 = 𝑛𝜋 𝜇 = 𝑛𝜋
evento durante
𝑷(𝒙) = un
 𝑥! intervalo definido

Uniforme
(𝑏 − 𝑎)2 X se distribuye
𝟏 𝑎+𝑏
𝜎= uniformemente
𝜇= X
𝑷(𝒙) = si 𝒂 ≤ 𝒙 ≤ 𝒃 y 𝟎 en un
𝒃−𝒂 2 )2 intervalo [a,b]
12
𝜎=
Normal estándar
𝟏
𝒇(𝒛;𝟎, 𝟏) 𝜇 𝜎2 𝜎= −∞ < 𝑧 < ∞ X
𝟐

√𝟐𝝅
Exponencial 1 1 𝜇=𝐸
1
𝒇(𝒙; 𝝀)𝒇(𝒙) = {𝝀ⅇ−𝝀𝒙 𝑥≥0 𝜇= 𝜎2 = 2
X
−𝜆𝑥
0 𝐷𝑒 𝑙𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜 𝜆 𝜆 𝜆
ⅆ𝑥
Gamma

𝑓(𝑥; 𝑎, 𝛽) = { 𝑎𝛤(𝑎) 𝑥 𝐸(𝑥) = 𝑎𝛽 𝜎 = 𝑎𝛽2 𝑓(𝑥; 𝑎, 𝛽) X

𝒙≥𝟎
𝛽
Weibull

𝒂 2
1 1 2

𝒂−𝟏𝑒−(𝒙∕𝜷)𝒂 𝜇 = 𝛽𝛤 (1 + ) 𝜎 = 𝛽2 {𝛤 (1 + ) 𝑓(𝑥; 𝑎, 𝛽) X
𝑥≥0𝒙 𝑎 − [𝛤 (1 + )] } 1
𝒇(𝒙;𝒂, 𝜷) = {𝜷𝑎 𝑎 𝑎 𝜎 = √𝛽2 {𝛤 (1 +[𝛤 (1 + )
0 𝑎 𝑎
𝑥<0
Beta 𝑎
1𝑥 − 𝐴 𝑎−1 𝑩 − 𝒙 𝜇 = 𝐴 + (𝐵 − 𝐴) ⋅
𝜷−𝟏
𝛼+𝛽
𝒇(𝑥; 𝑎, 𝛽, 𝐴, 𝐵) = {
(𝐵 − 𝐴)2𝛼𝛽
𝜎= (𝐵 − 𝐴)2𝛼𝛽
) 𝜎=√ 2(𝑎 + 𝛽+⊥) Intervalo [A, B] X
(𝑎 + 𝛽)
( 2(𝑎 + 𝛽+⊥)
(𝑎 + 𝛽)

) }
𝐵 − 𝐴 𝛤(𝑎) ⋅ 𝛤(𝐵) 𝐵−𝐴𝑩
−𝑨

REFERENCIAS:
AS, J. A., MM, G., HM, F., & RP, T. H. (s. f.). Estadistica Descriptiva (Plan de estudios 2012, actualizado
2016 ed., Vol. 1) [Libro electrónico]. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO.
colaboradores de Wikipedia. (2021, 12 junio). Axiomas de probabilidad. Wikipedia, la enciclopedia libre.
https://es.wikipedia.org/wiki/Axiomas_de_probabilidad

Descargado por Donnovan de Jesus Montes Rojas (donnovan.jesusm@gmail.com)

del Rio, A. Q. (2019, 4 septiembre). 3.4 Dependencia e Independencia estadística. | Estadística Básica
Edulcorada. bookdown.org. https://bookdown.org/aquintela/EBE/dependencia-e-
independenciaestadistica-.html