 Explique en sus propias palabras el experimento aleatorio del dado.

El
estudiante debe entender que, aunque no es un experimento agropecuario
nos ayuda a entender los conceptos planteados.

Este ejercicio consiste es determinar las probabilidades de obtener diferentes

resultadosa lanzar dos dados. Al lanzar los dos dados existen 36 posibilidades de
obtenerresultados ejemplo los dados pueden caer 1-1, 1-2, 2-2, 2-4 y así
sucesivamente hastallegar a las 36 diferentes resultados, a esos 36 resultados
posibles se les denominaespacio muestral. Por otra parte, al lanzar los dados
existen otras posibilidades, lascuales son de obtener dos números impares (3-5) o
dos números pares (2-4) y porultimo tenemos la probabilidad de sacar dos
números iguales (6-6), la cual es másremota, estos conjuntos de resultados
pueden ser denominados como subconjuntos oeventos.Para el caso de los
números iguales se pueden obtener un total de seis combinacionesdiferentes (1-1,
2-2, 3-3, 4-4, 5-5, 6-6) esos 6 resultados los divididos en el total de losresultados
que son 36 y así obtenemos la probabilidad (6/36=0, 166), seguido almultiplicarlo
por 100 obtenemos 16,6% de probabilidades de obtener dos númerosiguales al
lanzar dos dados.

1.Expliquen en sus propias palabras los siguientes términos:

a. Espacio muestral, con qué letra se denota.
Rta: es un conjunto de resultados posibles se denomina espacio muestral y es
usualmente denotado con la letra griega omega ().
b. Punto muestral.
Rta: Se denomina punto muestral a cada uno de los posibles resultados de un
estudio aleatorio, es decir a cada elemento de 
c. Evento muestral.
Rta: Se llama evento a cualquier subconjunto de elementos de 
d. Variable aleatoria.
Rta: pueden ser interprtadas como funciones usadas para describir los resultados
de un estudio aleatorio. Para el propósito del análisis de datos las clasificamos en
cuantitativas y cualitativas y a las primeras en discretas y continúas dependiendo
de los posibles valores que la variable pueda asumir (contable o no). Para la
definición formal de variable aleatoria, el tipo de variable es importante. El tipo de
variable depende del conjunto de todos los valores que potencialmente pueden
asumir en un estudio aleatorio.
e. ¿Qué significa que el espacio muestral de una variable aleatoria continua es no
contable?
Rta: El espacio muestral asociado a una variable aleatoria de tipo
continua e s no contable, queriendo significar que, entre dos valores
de la variable, pueden realizarse un número infinito de otros valores.
Además, si el espacio muestral escontinuo, la diferencia entre valores de la
variable está definida aritméticamente. Ejemplo de variables aleatorias con
espacios muéstrales con estas característicasson los rendimientos, las ganancias
de peso, las precipitaciones, entre otras
f. ¿Qué son variables aleatorias discretas proporcionales y que son variables
aleatorias discretas de conteo no acotado? De ejemplos de este tipo de variables.
Rta: Entre las variables discretas es importante distinguir al menos dos
subtipos muycomunes en estudios biológicos: las proporciones que provienen
de conteos queno pueden superar el número de elementos evaluados y los
conteos no acotadoso sin denominador natural. Ejemplo de una variable
discreta expresada comoproporción es el número de semillas germinadas en
cajas de Petri con 25 semillascada cajaLos resultados se expresan como
proporciones porque existe un denominador natural: cantidad de semillas por caja.
Ejemplo de variable discreta obtenida porun conteo (no acotado) es el número de
pústulas de roya por m2 de cultivo. 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
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 muestrales tiene.
Rta:Cuando Ωes finito (el número de puntos muéstrales es contable) se puede
daruna definición de probabilidad que se basa en la observación de los elementos
delespacio muestral. Ésta se desarrolló originariamente estudiando los
juegos deazar. y se conoce como el concepto o enfoque clásico de probabilidad:
Si A es un subconjunto de puntos muestrales de , entonces la
probabilidad deocurrencia del evento A, denotada por P(A) es:
P(A)=Número de puntos muestrales favorables
Número total de puntos muestralesenel espacio muestral
“encontrar la semilla germinada”. Si se observan 1000 semillas, es decir se
repite 1000 veces el ensayo de germinación (N=1000) en condiciones tales que
cada observación no afecte a las otras y 600 semillas germinan (nA=600), se dice
que la probabilidad estimada de observar una semilla germinada, está dada por:
P(A) = P(observar una semilla germinada) = nA N = 600 / 1000 = 0,6
h. ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de
probabilidad?
Rta: Si 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)?
Rta: Se dice que dos eventos son mutuamente excluyentes si cada uno está
formado por puntos muestrales distintos, es decir no existe ningún punto muestral
en la intersección de los subconjuntos que representan los eventos y , por la teoría
de conjuntos, se tiene: Si A y B son dos eventos de , la unión de eventos
conforma un nuevo conjunto, que contiene a los puntos muestrales de A y de B.
La unión de A y B se denota por AB. Si A y B son dos eventos de , la
intersección de eventos conforma un nuevo conjunto, que contiene a los puntos
muestrales que simultáneamente pertenecen al subconjunto A y al subconjunto B.
Denotaremos la intersección de A y B con A  B. Cuando dos eventos son
excluyentes, la intersección es cero y por tanto la probabilidad de la unión de esos
eventos, P(AB), es la suma de las probabilidades de cada evento. Por el
contrario, si la intersección no es vacía, la probabilidad de la unión de eventos es
la suma de las probabilidades de cada evento, menos la probabilidad de la
intersección.

j. En el caso de distribuciones de variables aleatorias cuando una variable es

continua y simétrica, ¿qué modelo se usa?
Rta:
k. Para una variable de conteo no acotado, ¿qué modelo se utiliza?
Rta: es el modelo Poisson.La distribución de Poisson también sirve como modelo
probabilístico para variables discretas de tipo conteo.
l. Para variables de proporciones ¿qué modelo se utiliza?
Rta: se piensa en el modelo probabilístico Binomial
m. ¿Qué variables tienen función de probabilidad y cuáles variables tienen función
de densidad?
Rta: 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 variable. La 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.

n. ¿Cuáles son los parámetros más usados en estadística para estudiar y utilizar
funciones de distribución de variables aleatorias?
Rta: El valor esperado y la varianza son los parámetros más usados en estadística
para estudiar y utilizar funciones de distribución de variables aleatorias.
 El valor esperado, formaliza la idea de valor medio de un fenómeno aleatorio.
 La varianza formaliza la idea de incertidumbre y su recíproco la idea de
precisión, más varianza indica más incertidumbre sobre el fenómeno y menor
precisión de las conclusiones que podemos elaborar desde los datos que lo
caracterizan
o. ¿Qué es la esperanza matemática de una variable aleatoria? ¿cómo se denota?
Rta: La esperanza matemática de una variable aleatoria, usualmente denotada por
E(.) o la letra griega Mu (µ) es, desde un punto de vista intuitivo, un promedio de
los valores asumidos por la variable, donde cada valor es ponderado por su
probabilidad de ocurrencia. La esperanza de una variable aleatoria sólo
proporciona información parcial acerca de la función de probabilidad (o densidad)
ya que explica dónde está posicionada la distribución de valores sobre la recta
real. La esperanza es una medida de la tendencia central de la distribución. Pero
dos distribuciones con igual esperanza pueden tener distinta dispersión, y por
tanto la esperanza puede no ser suficiente para caracterizar completamente de la
distribución
p. ¿Qué es la varianza de una variable aleatoria? ¿cómo se denota?
Rta: La varianza de una variable aleatoria, denotada por Var(.) o la letra griega
Sigma al cuadrado ( 2  ), es una medida de dispersión. Su raíz cuadrada,
denominada desvío estándar (  ) es usada para expresar la dispersión en término
de diferencias (o desvíos) de cada dato respecto a la esperanza.

Referencias bibliográficas
http://www.agro.unc.edu.ar/~mcia/archivos/Estadistica%20y%20Biometria.pdf