A.

Espacio muestral, con qué letra se denota:

se compone de todos y cada uno de los sucesos elementales además está formado por todos
los posibles resultados de un experimento aleatorio, Ω (Omega) = {C, X}

-Dónde C es cara y X es cruz. Esto es, los posibles resultados son cara o cruz.

B. Punto muestral:
-Es un elemento del espacio muestral de cualquier experimento dado.
C. Evento muestral:
- Es todo subconjunto de un espacio maestral. Se denotan con letras mayúsculas: A, B, etc
D. Variable aleatoria:
Esta se compone básicamente de 2 conceptos.

Función matemática: Dicho de manera sencilla, es una ecuación que asigna valores a una
variable (variable dependiente) en función de otras variables (variables independientes).

Experimento aleatorio: Es un fenómeno de la vida real cuyos resultados se deben

completamente al azar. Es decir, bajo las mismas condiciones iniciales arroja resultados
diferentes.

E. ¿Qué significa que el espacio muestral de una variable aleatoria continua es no

contable?
Con esto, podemos decir que la variable aleatoria continua es no contable, repito, porque no
podemos decir: hay 6 posibilidades (como con el dado) o 2 (como con la moneda). No
podemos dar un número preciso de opciones.

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

aleatorias discretas de conteo no acotado? De ejemplos de este tipo de variables.
Variables aleatorias discretas proporcionales: Las variables aleatorias discretas son
conocidas como un numero finito o a lo más numerable de valores.

En otras palabras, esta variable puede tomar un número finito de valores dentro de un
intervalo, como por ejemplo el número exacto de una cantidad en una manada de lobos.
Variables aleatorias discretas de conteo no acotado:
viene siendo una muestra que puede tomar ciertos valores, con frecuencia números enteros,
por lo que entre sus ejemplos podemos colocar:
 Número de caras al lanzar una moneda
 El resultado del lanzamiento de un dado
 Número de hijos de una familia

G. Existen dos conceptos de probabilidad: el clásico y el 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 muéstrales
tiene.
Concepto clásico: Es la que se fundamenta en los datos obtenidos por encuestas, preguntas
o por una serie larga de realizaciones de un experimento.
La probabilidad teórica es la razón del número de maneras en que un evento puede ocurrir
al número de resultados posibles
Concepto frecuencial: Es la que se fundamenta en los datos obtenidos por encuestas,
preguntas o por una serie larga de realizaciones de un experimento.

H. ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de

probabilidad?
Bien la analogía es fundamental, 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. ¿Qué 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)?
Los eventos mutuamente excluyentes son dos resultados de un evento que no pueden
ocurrir al mismo tiempo.
Sacar una carta de un mazo estándar y que salga un as y un rey son eventos mutuamente
excluyentes, ya que no pueden ocurrir los dos al mismo tiempo.
Todos los eventos complementarios son mutuamente excluyentes, pero todos los eventos
mutuamente excluyentes no son necesariamente complementarios.
J. ¿Que son los eventos mutuamente excluyentes?
son dos resultados de un evento que no pueden ocurrir al mismo tiempo.
-Sacar una carta de un mazo estándar y que salga un as y un rey son eventos mutuamente ex
cluyentes, ya que no pueden ocurrir los dos al mismo tiempo.
K. En el caso de distribuciones de variables aleatorias cuando una variable es
continua y simétrica, ¿qué modelo se usa?.
Para una variable continua y de distribución simétrica unimodal, es común el us o
del modelo N ormal; mientras que para proporciones s e piens a en el
modelo probabilístico Binomial y para conteos no acotados en el
modelo Poisson.
L. Para una variable de conteo no acotado, ¿qué modelo se utiliza?
La dis tribución Pois s on facilit a el cálculo de probabilidad es de variables
aleatorias que provienen de conteos no acotados
M. Para variables de proporciones ¿qué modelo se utiliza?
Modelo de regresión: Para el caso de proporciones es importante dejar
expresado que si bien el valor puede ser continuo en el rango 0-1, el espacio
generatriz es discreto, porque la base de la variable es el conteo.
N. ¿Qué variables tienen función de probabilidad y cuáles variables tienen función de
densidad?
La función de distribución de probabilidad de una variable aleatoria discreta y la función
de densidad de una variable aleatoria continúa denotada como f(.)contienen
exhaustivamente toda la información sobre la v a r i a b l e . L a distribución de una variable
aleatoria, independientemente del tipo de variable, puede representarse también por su
función de distribución, denotada como F(y). Esta función asigna a cada valor de la
variable un valor entre 0 y 1 que indica la probabilidad de que la variable,
observada para un caso particular, asuma un valor menor o igual al valor en que se
está evaluando la función. Por ejemplo, si F(30)=0,60 diremos que 0,60 es la
probabilidad de que la variable se realice en un caso de análisis particular, con el
valor 30 o con un valor menor a 30.
Ñ. ¿Cuáles son los parámetros más usados en estadística para estudiar y utilizar
funciones de distribución de variables aleatorias?
un parámetro es una función de todos los valores distintos que asume la variable
aleatoria en la población. Mientras que una función de los valores la variable, pero en
una muestra, se conoce con el nombre de estadístico. Luego, los parámetros se derivan
de poblaciones y los e s t a d í s t i c o s d e s d e m u e s t r a s . E l v a l o r e s p e r a d o y l a
v a r i a n z a s o n l o s parámetros más usados en estadística para estudiar y
utilizar funciones de distribución de variables aleatorias.
O. ¿Qué es la esperanza matemática de una variable aleatoria? ¿cómo se denota?
es una medida de dispersión definida como la esperanza del cuadrado de la desviación de
dicha variable respecto a su media y se denota Δx   es la variación de la variable x es igual
a     Δx = xf-xi
P. ¿Qué es la varianza de una variable aleatoria? ¿cómo se denota?
la varianza que representa la variabilidad de los datos, como una medida de dispersión y se
denota Δx   es la variación de la variable x es igual a     Δx  = xf-xi