a) ¿Porque es importante la Distribución Normal?

La importancia de esta distribución radica en que permite modelar numerosos

fenómenos naturales, sociales y psicológicos. Mientras que los mecanismos que
subyacen a gran parte de este tipo de fenómenos son desconocidos, por la enorme
cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal
puede justificarse asumiendo que cada observación se obtiene como la suma de unas
pocas causas independientes.
La distribución normal también es importante por su relación con la estimación por
mínimos cuadrados, uno de los métodos de estimación más simples y antiguos.
b) Citar algunos ejemplos de variables asociadas a fenómenos naturales que
siguen el modelo de la normal
Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el
modelo de la normal son:
 caracteres morfológicos de individuos como la estatura;
 caracteres fisiológicos como el efecto de un fármaco;
 caracteres sociológicos como el consumo de cierto producto por un mismo grupo
de individuos;
 caracteres psicológicos como el cociente intelectual;
 nivel de ruido en telecomunicaciones;
 errores cometidos al medir ciertas magnitudes;
c) ¿Que son las Variables Continuas y Discretas?
Una variable continua puede tomar un valor fijo dentro de un intervalo
determinado. Y siempre entre dos valores observables va a existir un tercer valor
intermedio que también podría tomar la variable continua. Una variable continua toma
valores a lo largo de un continuo, esto es, en todo un intervalo de valores.
Una variable discreta siempre es numérica. Por ejemplo, el número de quejas de
los clientes o el número de fallas o defectos. Las variables continuas son variables
numéricas que tienen un número infinito de valores entre dos valores cualesquiera. Una
variable continua puede ser numérica o de fecha/hora.
d) Hablar del Análisis de Riesgos Financieros

El análisis de riesgo, también conocido como evaluación de riesgos o PHA por sus
siglas en inglés. Process Hazards Analysis, es el estudio de las causas de las posibles
amenazas y probables eventos no deseados y los daños y consecuencias que éstas
puedan producir. Este tipo de análisis es ampliamente utilizado como herramienta de
gestión en estudios financieros y de seguridad para identificar riesgos (métodos
cualitativos) y otras para evaluar riesgos (generalmente de naturaleza cuantitativa).
e) Explique la Estimación Puntual y la Estimación por Intervalo

Una estimación es puntual cuando se usa un solo valor extraído de la muestra para
estimar el parámetro desconocido de la población. Al valor usado se le llama
estimador.
 La media de la población se puede estimar puntualmente mediante la media de la
muestra:
ẍ=µ
 La proporción de la población se puede estimar puntualmente mediante la
proporción de la muestra:
ṗ=p
 La desviación típica de la población se puede estimar puntualmente mediante la
desviación típica de la muestra, aunque hay mejores estimadores:
S=ỽ
A veces es conveniente obtener unos límites entre los cuales se encuentre el
parámetro con un cierto nivel de confianza, en este caso hablamos de estimación por
intervalos. Nivel de confianza El nivel de confianza, C, indica, en porcentaje, con
qué proporción el intervalo de confianza contiene el parámetro estimado. El
coeficiente de confianza, c, es la misma proporción en tanto por uno, c = C/100. En
otras palabras, c es la probabilidad de que el intervalo de confianza contenga el
parámetro estimado.
Si α = 1 - c, y (a,b) es el intervalo de confianza
f) ¿Qué es el Teorema del Limite Central?
El teorema del límite central es un teorema fundamental de probabilidad y
estadística. El teorema describe la distribución de la media de una muestra aleatoria
proveniente de una población con varianza finita. Cuando el tamaño de la muestra es
lo suficientemente grande, la distribución de las medias sigue aproximadamente una
distribución normal. El teorema se aplica independientemente de la forma de la
distribución de la población. Muchos procedimientos estadísticos comunes
requieren que los datos sean aproximadamente normales. El teorema de límite
central le permite aplicar estos procedimientos útiles a poblaciones que son
considerablemente no normales. El tamaño que debe tener la muestra depende de la
forma de la distribución original. Si la distribución de la población es simétrica, un
tamaño de muestra de 5 podría producir una aproximación adecuada. Si la
distribución de la población es considerablemente asimétrica, es necesario un
tamaño de muestra más grande. Por ejemplo, la distribución de la media puede ser
aproximadamente normal si el tamaño de la muestra es mayor que 50. Las
siguientes gráficas muestran ejemplos de cómo la distribución afecta el tamaño de la
muestra que se necesita.
g) ¿Qué es el Diagrama de Flujo? Ejemplifica

El diagrama de flujo resume las decisiones que deben tomarse cuando se calcula el
valor del error estándar:

h) Distribución Muestral. Ejemplifica

i) Distribución Muestral de Proporciones. Ejemplifica

j) ¿Qué es Población Finita?
Población FINITAS: son aquellas de tamaño conocido, desde un punto de vista conocido. Si
una población es finita pero muy grande, desde un punto de vista estadístico da igual
considerarla infinita. Población finita.