JCGC1

Actividad 4.
Cuestionario
Nombre: Juan Carlos Gorgorita Calderón

Matricula:620251761
Materia: Estadística descriptiva
Profesor: N/A
Campus: Villahermosa
Fecha de entrega: 29/04/24
a) RESPONDE LAS SIGUIENTES ACTIVIDADES
1. Define variable aleatoria, continua y discreta.
Variable aleatoria.
Una variable aleatoria es un concepto fundamental en la teoría de la
probabilidad y la estadística, utilizado para modelar la incertidumbre
asociada a un fenómeno aleatorio. Se refiere a una cantidad numérica
que puede tomar diferentes valores en función de los resultados de un
experimento aleatorio. Estos valores pueden ser discretos o continuos,
dependiendo de si la variable puede tomar valores específicos o
cualquier valor dentro de un rango determinado. Las variables
aleatorias son esenciales para la descripción de distribuciones de
probabilidad, las cuales modelan la probabilidad de ocurrencia de
diferentes resultados de la variable aleatoria.
Variable continua.
Una variable continua es un concepto en estadística y probabilidad que
representa una cantidad que puede tomar un número infinito de valores
dentro de un intervalo específico. A diferencia de una variable discreta,
que solo puede tomar valores individuales, una variable continua
puede incluir cualquier valor dentro de un rango específico. Estas
variables están caracterizadas por tener un dominio no discreto y, por
lo general, están asociadas con mediciones precisas o cantidades que
pueden ser infinitamente subdivididas.
Variable discreta.
Una variable discreta es un concepto fundamental en estadística y
probabilidad que describe una cantidad que solo puede tomar valores
específicos y aislados en lugar de un rango continuo de valores. Estos
valores son generalmente contables y distintos entre sí. La
característica principal de una variable discreta es que no puede tomar
valores intermedios entre los valores específicos que puede asumir.
2. ¿Qué es una distribución de probabilidad?
Una distribución de probabilidad es una descripción matemática de las

posibles ocurrencias de un evento aleatorio y las probabilidades
asociadas con cada una de estas ocurrencias. En esencia, proporciona
un modelo que especifica cómo se distribuyen las probabilidades entre
los diferentes resultados de un experimento aleatorio o el conjunto de
posibles valores que puede tomar una variable aleatoria.
Existen dos tipos principales de distribuciones de probabilidad:

Distribución de probabilidad discreta: Se aplica a variables
aleatorias discretas, es decir, aquellas que pueden tomar un
conjunto finito o infinito numerable de valores.
Distribución de probabilidad continua: Se utiliza para variables
aleatorias continuas, las cuales pueden tomar cualquier valor
dentro de un intervalo determinado.
Las distribuciones de probabilidad son fundamentales en estadística y

ciencias relacionadas, ya que permiten modelar y comprender el
comportamiento de fenómenos aleatorios y predecir resultados futuros
en base a datos observados.
3. Define espacio muestral.
El espacio muestral es un concepto fundamental en teoría de la

probabilidad y estadística, y se refiere al conjunto de todos los posibles
resultados individuales de un experimento aleatorio. En otras palabras,
es el conjunto que contiene todos los resultados que podrían ocurrir al
realizar un experimento probabilístico. Cada elemento del espacio
muestral representa una posible salida o resultado del experimento.
Por ejemplo, si lanzamos un dado, el espacio muestral sería el

conjunto {1, 2, 3, 4, 5, 6}, que incluye todos los posibles resultados de
obtener un número del 1 al 6 en el dado. Si lanzamos dos dados, el
espacio muestral sería el conjunto de todas las posibles combinaciones
de los resultados de los dos dados, que sería un conjunto de 36
elementos en total.
El espacio muestral es fundamental para la comprensión y el cálculo

de probabilidades, ya que proporciona el conjunto completo de
resultados posibles sobre los cuales se puede basar el análisis
probabilístico.
4. Describe eventos simples, eventos compuestos, eventos
complementarios y eventos mutuamente excluyentes.
Eventos simples.
Los eventos simples se refieren a eventos simples en teoría de la
probabilidad. Estos eventos son aquellos que pueden ocurrir en un solo
resultado o prueba. En términos más simples, son resultados
individuales básicos de un experimento o situación. Por ejemplo, si
tiras un dado justo de seis caras, el evento de sacar un 3 es un evento
simple porque consiste en un solo resultado.
Eventos compuestos.
Los eventos compuestos son aquellos que están formados por la
combinación de dos o más eventos simples. En otras palabras, son
resultados que surgen de la ocurrencia simultánea o secuencial de
múltiples eventos simples. Los eventos compuestos pueden ser de
diferentes tipos, como eventos mutuamente excluyentes (donde la
ocurrencia de uno excluye la ocurrencia de los otros) o eventos
independientes (donde la ocurrencia de uno no afecta la probabilidad
de ocurrencia de los otros).
Eventos complementarios.
Los eventos complementarios son pares de eventos en teoría de la
probabilidad donde la ocurrencia de uno implica la no ocurrencia del
otro, y viceversa. En otras palabras, si un evento A y su evento
complementario A' están definidos sobre un espacio muestral,
entonces A y A' son mutuamente excluyentes y abarcan todos los
posibles resultados. Esto significa que si ocurre uno, el otro no puede
ocurrir y viceversa.
4. Describe eventos simples, eventos compuestos, eventos
complementarios y eventos mutuamente excluyentes.
Eventos mutuamente excluyentes.

Los eventos mutuamente excluyentes son eventos que no pueden
ocurrir simultáneamente. Es decir, si uno de los eventos sucede,
entonces los otros eventos no pueden suceder al mismo tiempo. En
otras palabras, la ocurrencia de uno de los eventos excluye la
ocurrencia de los demás en un mismo experimento o situación.
Los eventos mutuamente excluyentes son importantes en la teoría de
la probabilidad porque simplifican los cálculos. Por ejemplo, si se
conoce la probabilidad de dos eventos mutuamente excluyentes, la
probabilidad de que ocurra al menos uno de ellos se puede calcular
simplemente sumando las probabilidades individuales de los eventos.
5. Explica cuáles son los axiomas de la probabilidad.
Los axiomas de la probabilidad son reglas fundamentales que

establecen los principios básicos para asignar probabilidades a
eventos en teoría de la probabilidad, los axiomas son:
No-negatividad: La probabilidad de cualquier evento es un número no

negativo.
Normalización: La probabilidad del espacio muestral completo es
igual a 1.
Aditividad: La probabilidad de la unión de dos eventos mutuamente
excluyentes es igual a la suma de sus probabilidades individuales.
Estos axiomas proporcionan un marco coherente y sólido para asignar

probabilidades a eventos y para realizar cálculos y análisis
probabilísticos de manera rigurosa.
6. Define, probabilidad simple, probabilidad conjunta y
probabilidad condicional.
Probabilidad simple.
La probabilidad simple se refiere a la probabilidad de un evento que se
produce en una única ocasión o situación, sin la necesidad de
considerar múltiples eventos o condiciones simultáneas. En otras
palabras, se trata de calcular la probabilidad de que un solo evento
ocurra dentro de un conjunto de posibles resultados.
Probabilidad conjunta.
La probabilidad conjunta se refiere a la probabilidad de que dos o más
eventos ocurran simultáneamente. Es decir, se calcula la probabilidad
de que ambos eventos se den al mismo tiempo dentro de un mismo
experimento o situación.
Probabilidad condicional.
La probabilidad condicional se refiere a la probabilidad de que ocurra
un evento A dado que otro evento B ya ha ocurrido. En otras palabras,
la probabilidad de A dada B se denota como 𝑃(𝐴∣𝐵)P(A∣B), y
representa la probabilidad de que el evento A ocurra dentro del
contexto de que ya sabemos que el evento B ha ocurrido.
7. ¿Qué es la Independencia estadística?
La independencia estadística se refiere a la situación en la que la

ocurrencia de un evento no afecta la probabilidad de ocurrencia de otro
evento. Formalmente, dos eventos A y B se consideran
estadísticamente independientes si la probabilidad de que ocurra A no
cambia, independientemente de si B ha ocurrido o no, y viceversa.
Por ejemplo, si lanzas una moneda al aire (evento A) y al mismo

tiempo lanzas un dado (evento B), y quieres saber la probabilidad de
que la moneda caiga cara (evento A) y que el dado muestre un número
impar (evento B), la independencia estadística entre estos eventos
significa que la probabilidad de obtener una cara no se ve afectada por
el resultado del dado, y viceversa.
La independencia estadística es un concepto fundamental en la teoría

de la probabilidad y se utiliza en muchos contextos, como en el diseño
de experimentos, la inferencia estadística y el modelado probabilístico.
Permite simplificar cálculos y análisis cuando los eventos no están
relacionados entre sí.
8. Explica el Teorema de Bayes.
El Teorema de Bayes es un principio fundamental en la teoría de la

probabilidad que describe cómo actualizar nuestras creencias sobre la
probabilidad de un evento en función de la evidencia observada. Este
teorema establece una relación entre la probabilidad condicional de un
evento dado cierta evidencia y la probabilidad condicional de esa
evidencia dada el evento.
El Teorema de Bayes es útil en situaciones donde queremos actualizar

nuestras creencias o estimaciones sobre la ocurrencia de un evento en
función de nueva información o evidencia. Se utiliza ampliamente en
áreas como la estadística, el aprendizaje automático, la inteligencia
artificial, la medicina, entre otros. Es especialmente útil en problemas
de diagnóstico, pronóstico y toma de decisiones bajo incertidumbre,
donde se necesita actualizar constantemente la probabilidad de
ocurrencia de un evento en función de nueva información.
b) COMPLETA LA SIGUIENTE TABLA
Referencias
¿Qué es la distribución de probabilidad? (s. f.).

https://www.pragma.co/es/blog/que-es-la-distribucion-de-
probabilidad#:~:text=Teniendo%20presente%20los%20conceptos%20anteriore
s,cada%20uno%20de%20estos%20valores.
López, J. F. (2024, 27 febrero). Teorema de Bayes - Qué es, fórmula y

ejemplos. Economipedia. https://economipedia.com/definiciones/teorema-de-
bayes.html#google_vignette

JCGC1

Cargado por

Copyright:

Formatos disponibles

JCGC1

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

JCGC1

Cargado por

Copyright:

Formatos disponibles

Actividad 4.

Nombre: Juan Carlos Gorgorita Calderón

1. Define variable aleatoria, continua y discreta.

Una distribución de probabilidad es una descripción matemática de las

Existen dos tipos principales de distribuciones de probabilidad:

Las distribuciones de probabilidad son fundamentales en estadística y

El espacio muestral es un concepto fundamental en teoría de la

Por ejemplo, si lanzamos un dado, el espacio muestral sería el

El espacio muestral es fundamental para la comprensión y el cálculo

Eventos mutuamente excluyentes.

Los axiomas de la probabilidad son reglas fundamentales que

No-negatividad: La probabilidad de cualquier evento es un número no

Estos axiomas proporcionan un marco coherente y sólido para asignar

La independencia estadística se refiere a la situación en la que la

Por ejemplo, si lanzas una moneda al aire (evento A) y al mismo

La independencia estadística es un concepto fundamental en la teoría

El Teorema de Bayes es un principio fundamental en la teoría de la

El Teorema de Bayes es útil en situaciones donde queremos actualizar

¿Qué es la distribución de probabilidad? (s. f.).

López, J. F. (2024, 27 febrero). Teorema de Bayes - Qué es, fórmula y

También podría gustarte