ACTIVIDAD

CUESTIONARIO

Fecha: 20/11/2023

Nombre del estudiante: Omar Gabriel Limón Rodríguez

Nombre del docente: Álvaro Reyes García

INSTRUCCIONES
a) RESPONDE LAS SIGUIENTES ACTIVIDADES
1. Define variable aleatoria, continua y discreta.
Variable aleatoria: En matemáticas es una función cuyo dominio es el espacio muestral y cuyo
rango es el conjunto de los números reales, definida además como la cantidad que resulta de
un experimento que, por azar, puede adoptar diferentes valores. Una variable es aleatoria si
los valores que toma corresponden a los distintos resultados posibles de un experimento; por
ello, el hecho de que tome un valor particular es un evento aleatorio
Por ejemplo:
• Si cuenta el número de empleados ausentes en el turno matutino del lunes, el número
puede ser 0, 1, 2, 3,… El número de ausencias es una variable aleatoria.
• Si pesa cuatro lingotes de acero, los pesos pueden ser de 2 492 libras, 2 497 libras, 2 506
libras, etc. El peso es una variable aleatoria.
• Si lanza dos monedas y cuenta el número de caras, puede caer cero, una o dos caras. Como
el número de caras que resulta de este experimento se debe al azar, el número de caras que
caen es una variable aleatoria.
Variable continua: una variable aleatoria es continua si se cumplen las dos condiciones
siguientes: 1.- Su conjunto de valores posibles se compone de todos los números que hay en
un solo intervalo sobre la línea de numeración (posiblemente de extensión infinita, es decir,
desde −∞ ℎ𝑎𝑠𝑡𝑎 ∞) o todos los números en una unión disjunta de dichos intervalos Por
ejemplo: [0,10 ]∪[20,30]
2.- Ningún valor posible de la variable tiene probabilidad positiva, esto es, P(X=c) = 0 con
cualquier valor posible de c Ejemplos: • La duración de cada canción en el último álbum de
Bruno Mars.
• El peso de cada estudiante de una clase.
 • La temperatura ambiente.
• La suma de dinero que gana cada uno de los 750 jugadores actuales en la lista de los
equipos de la Liga Mayor de Béisbol. Variable discreta: Variable discreta que adopta sólo
valores claramente separados. Una variable discreta suele ser resultado de contar algo. A
veces, una variable aleatoria discreta asume valores fraccionarios o decimales. Estos valores
deben estar separados esto es que debe haber cierta distancia entre ellos. Por ejemplo, las
calificaciones de los jueces por destreza técnica y formas artísticas en una competencia de
patinaje artístico son valores decimales, como 7.2, 8.9 y 9.7. Dichos valores son discretos,
pues hay una distancia entre calificaciones de 8.3 y 8.4. Una calificación no puede tener un
valor de 8.34 o de 8.347, por ejemplo.

2. ¿Qué es una distribución de probabilidad?

Una distribución de probabilidad es una función matemática que describe las probabilidades de
ocurrencia de diferentes resultados en un experimento aleatorio. En otras palabras, asigna a
cada posible resultado de un experimento aleatorio una probabilidad específica.
Existen dos tipos principales de distribuciones de probabilidad: discreta y continua.

Distribución de probabilidad discreta: Se aplica a variables aleatorias discretas, es decir, aquellas

que pueden tomar un conjunto finito o numerable de valores. Ejemplos comunes incluyen la
distribución binomial, la distribución de Poisson y la distribución geométrica.

Distribución de probabilidad continua: Se utiliza para variables aleatorias continuas, aquellas

que pueden tomar cualquier valor en un intervalo. La distribución normal (o gaussiana) es un
ejemplo importante de una distribución continua, así como la distribución exponencial.

La función de densidad de probabilidad (PDF) y la función de masa de probabilidad (PMF) son

términos asociados con las distribuciones continuas y discretas, respectivamente. Estas
funciones describen cómo se distribuyen las probabilidades a lo largo de los posibles valores de
la variable aleatoria.

Las distribuciones de probabilidad son fundamentales en estadísticas y teoría de la

probabilidad, ya que proporcionan un marco matemático para modelar y entender la
variabilidad en los datos y hacer predicciones sobre eventos futuros.
3. Define espacio muestral.

El espacio muestral es el conjunto de todos los posibles resultados individuales que pueden
ocurrir en un experimento aleatorio o un proceso estocástico. En otras palabras, es el conjunto
completo de todos los resultados posibles de un fenómeno probabilístico.

Por ejemplo, considera el lanzamiento de un dado. El espacio muestral en este caso sería el
conjunto {1, 2, 3, 4, 5, 6}, ya que estos son todos los resultados posibles que podrían ocurrir al
lanzar un dado estándar de seis caras.

El espacio muestral se denota comúnmente por la letra griega omega (Ω) y puede ser finito o
infinito, dependiendo del contexto del problema. Además, cada elemento del espacio muestral
se denomina "punto muestral". En el caso del dado, cada número individual (1, 2, 3, 4, 5, 6) es
un punto muestral en el espacio muestral.

La comprensión del espacio muestral es fundamental en la teoría de la probabilidad, ya que

proporciona la base para definir eventos y calcular probabilidades asociadas con esos
eventos. Un evento es simplemente un subconjunto del espacio muestral, es decir, un
conjunto de posibles resultados.

4. Explica cuáles son los axiomas de la probabilidad.

La teoría de la probabilidad se basa en tres axiomas fundamentales que proporcionan las
reglas básicas para asignar probabilidades a eventos. Estos axiomas son:
Axioma de la no negatividad Axioma 1 (no negatividad): La probabilidad de que ocurra
cualquier suceso A siempre es positiva o cero, P(A) ≥0.
Axioma de la normalización Axioma 1 (Normalización): p(S)=1. El Axioma 1 establece que,
independientemente de nuestro grado de certeza, ocurrirá un elemento del conjunto
universal S (es decir, el conjunto S es ex- haustivo). El Axioma 2 es una fórmula de agregación
que se usa para calcular la probabilidad de la unión de subconjuntos disjuntos.
Axioma de la aditividad (o sigma-aditividad) Axioma V Aditividad finita. Recordemos que dos
eventos son mutuamente excluyentes cuando la ocurrencia de cualquiera de ellos excluye la
ocur- rencia del otro. Luego si debemos medir la probabilidad de que uno u otro eventos
suceda, ésta debe ser la probabilidad del uno más la pro- babilidad del otro.

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

Probabilidad simple: Probabilidad y estadística. La posibilidad que hay de que ocurra algún
 evento determinado, por ejemplo, que de un recipiente con 5 pelotas verdes, 2 azules y 3
rojas obtengamos una roja es de . 3, siempre debe ser un número menor o igual a uno,
excepto cuando lo expresas en porcentaje.

Probabilidad conjunta: En probabilidad, dados dos eventos aleatorios X y Y, la distribución

conjunta de X e Y es la distribución de probabilidad de la intersección de eventos de X e Y,
esto es, de los eventos X e Y ocurriendo de forma simultánea.

Probabilidad condicional: Probabilidad condicional es la probabilidad de que ocurra un

evento A, sabiendo que también sucede otro evento B. La probabilidad condicional se escribe
P o P, y se lee «la probabilidad de A dado B». No tiene por qué haber una relación causal o
temporal entre A y B.

6. ¿Qué es la Independencia estadística?

La independencia estadística es un concepto fundamental en probabilidad y estadísticas que

describe la relación entre dos o más eventos. Dos eventos son estadísticamente
independientes si la ocurrencia o no ocurrencia de uno no afecta la probabilidad de que
ocurra el otro. En otras palabras, la información sobre la ocurrencia de un evento no
proporciona información adicional sobre la ocurrencia del otro. Formalmente, dos eventos A
y B son estadísticamente independientes si y solo si la probabilidad conjunta de ambos
eventos es igual al producto de sus probabilidades individuales.

La noción de independencia es crucial en muchos cálculos probabilísticos y en el análisis de

datos, ya que simplifica la modelización y facilita ciertos cálculos. Sin embargo, es importante
tener en cuenta que la independencia estadística es una propiedad entre eventos y no entre
variables aleatorias en sí mismas. Dos variables aleatorias pueden ser independientes, pero
aún así estar relacionadas de alguna manera a través de otras variables.

7. Explica el Teorema de Bayes.

El Teorema de Bayes es un concepto fundamental en estadísticas y probabilidad que describe

cómo actualizar las creencias sobre la probabilidad de un evento basándose en nueva
evidencia o información. El teorema lleva el nombre del matemático y clérigo británico
Thomas Bayes, quien introdujo por primera vez estos conceptos.

El Teorema de Bayes es particularmente útil en situaciones donde se desea actualizar la

probabilidad de una hipótesis A dado algún tipo de evidencia B. El teorema permite
incorporar nueva información para mejorar la estimación de la probabilidad de la hipótesis. El
teorema es derivado de la regla del producto y la regla de la probabilidad total. Su aplicación
es común en campos como la inteligencia artificial, la medicina, la estadística bayesiana, y en
general en cualquier área donde es necesario actualizar las creencias sobre eventos
basándose en nueva información observada.
 Un ejemplo clásico de aplicación del Teorema de Bayes es el problema de los diagnósticos
médicos, donde se actualizan las probabilidades de tener una enfermedad dado un conjunto
de síntomas observados.

b) COMPLETA LA SIGUIENTE TABLA

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

REFERENCIAS:
Jorge, & Jorge. (2022, 14 julio). Variables aleatorias discretas y continuas | Matemóvil. MateMovil.
https://matemovil.com/variable-aleatoria-discreta-y-continua/
Matemóvil. (2020, 27 enero). Función de probabilidad de variable aleatoria discreta | Intro [Vídeo]. YouTube.
https://www.youtube.com/watch?v=7mF89j-rCoE
López, J. F. (2022, 24 noviembre). Espacio muestral. Economipedia.
https://economipedia.com/definiciones/espacio-muestral.html
Estadística básica y probabilidades eventos mutuamente excluyentes y eventos complementarios | Shmoop. (s.
f.). Shmoop. https://www.shmoop.com/study-guides/espanol/estadistica-basica-probabilidades/eventos-
mutuamente-excluyentes-complementarios
Daniel Carreón. (2020, 4 noviembre). EVENTOS COMPLEMENTARIOS super fácil - para principiantes [Vídeo].
YouTube. https://www.youtube.com/watch?v=YiSq-8L-zYs

Del Rio, A. Q. (2019, 4 septiembre). 3.4 Dependencia e independencia estadística. | Estadística básica
edulcorada. https://bookdown.org/aquintela/EBE/dependencia-e-independencia-estadistica-.html
Matemáticas profe Alex. (2022, 25 mayo). Teorema de Bayes | Introducción [Vídeo]. YouTube.
https://www.youtube.com/watch?v=bDfCURXoKkU