Aportes Eduardo Bello Riaño

Espacio muestral y con que letra se denota.

Tal conjunto de resultados posibles se denomina espacio muestral y es usualmente
denotado con la letra griega omega (Ω).
Punto muestral.
Se denomina punto muestral a cada uno de los posibles resultados de un estudio aleatorio,
es decir a cada elemento de Ω

Explique en sus propias palabras el experimento aleatorio del dado deben descargar el
CODIGODADO disponible en la siguiente columna. El estudiante debe entender que,
aunque no es un experimento agropecuario nos ayuda a entender los conceptos planteados
El experimento de los dados

Defina Variable aleatoria

Las variables aleatorias, 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 continuas 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.

¿Qué significa que el espacio muestral de una variable aleatoria continua es no contable?
Si el espacio muestral de una variable es discreto pero representado por nombres o códigos
que representan categorías excluyentes y exhaustivas de la variable, entonces la variable
aleatoria es una variable cualitativa de tipo categorizada (nominal u ordinal).
¿que son variables aleatorias discretas proporcionales y que son variables aleatorias
discretas de conteo no acotado?
una variable de tipo discreta es siempre contable, es decir puede ser teóricamente
enumerado, aún si éste es infinitamente grande o no está acotado. Por ejemplo, el número
de nematodos por hectárea registrado a partir de una muestra aleatoria de hectáreas en
producción de papas, podría no tener un valor límite. En las variables discretas, es posible
contar el número de veces que un determinado valor ocurre en el espacio muestral.

Entre las variables discretas es importante distinguir al menos dos subtipos muy comunes
en estudios biológicos: las proporciones que provienen de conteos que no pueden superar el
número de elementos evaluados y los conteos no acotados o sin denominador natural.
Ejemplo de una variable discreta expresada como proporción es el número de semillas
germinadas en cajas de Petri con 25 semillas cada caja; los resultados se expresan como
proporciones porque existe un denominador natural: la cantidad de semillas por caja.
Ejemplo de variable discreta obtenida por un 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.

Existe dos conceptos de probabilidad el clásico y 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.

El concepto de probabilidad puede definirse de distintas formas y con distintos niveles de

abstracción. Las definiciones clásica, frecuencial y de Kolmogorov son las más conocidas.
Cuando Ω es finito (el número de puntos muestrales es contable) se puede dar una
definición de probabilidad que se basa en la observación de los elementos del espacio
muestral. Ésta se desarrolló originariamente estudiando los juegos de azar. y se conoce
como el concepto o enfoque clásico de probabilidad:
Si A es un subconjunto de puntos muestrales de , entonces la probabilidad de ocurrencia
del evento A, denotada por P(A) es:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃(𝐴) =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
Dado que el número de puntos favorables es un subconjunto del espacio muestral, se
deduce que la probabilidad de un evento siempre será un número positivo, entre 0 y 1.

La definición frecuencial de probabilidad es distinta ya que se refiere a una serie repetida

de estudios aleatorios. Generalmente se usa cuando el espacio muestral es infinito y por
tanto no se pueden enumerar todos los resultados posibles del estudio. Así, se repite el
estudio un número grande de veces y se registra la frecuencia relativa de ocurrencia de cada
resultado, la que es luego usada como un estimador de probabilidad. La definición
frecuencial de probabilidad establece que:
Si A es un evento y nA es el número de veces que A ocurre en N repeticiones
independientes del experimento, la probabilidad del evento A, denotada por P(A), se define
como el límite, cuando el número de repeticiones del experimento es grande, de la
frecuencia relativa asociada con el evento.
¿Qué diferencia existe entre el concepto de frecuencia relativa y el de probabilidad?

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.
Otra idea importante para comprender la medida de probabilidad es la de eventos
mutuamente excluyentes.

¿Que son eventos mutuamente excluyentes?, como es la intersección de dos eventos

mutuamente excluyentes, si son excluyentes, dado un evento A y uno B, a que es igual la
P(AꓴB)?

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(AUB), 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.
La definición de probabilidad de Kolmogorov (1937) establece que una función P(.) será
considerada una medida de probabilidad si a cada evento de un espacio muestral se le
asigna un número real entre 0 y 1 y, además, se cumplen tres axiomas:
a) la probabilidad asociada al evento espacio muestral es igual a 1. Este resultado sugiere
que si el evento de interés es todo el espacio muestral, la probabilidad de ocurrencia dado el
experimento aleatorio, es 1. Existe certeza de la existencia de un resultado en el espacio
muestral.
b) la probabilidad de cualquier evento que sea un subconjunto del espacio muestra es mayor
o igual a cero. Si entendemos a la probabilidad como el límite de una frecuencia relativa
(cantidad de casos respecto de un total) es claro que las probabilidades nunca pueden ser
negativas.
c) Si existen dos o más eventos mutuamente excluyentes, la probabilidad de que ocurra uno
u otro evento, es decir la probabilidad de la unión es igual a la suma de la probabilidad de
cada uno de estos eventos.
En el caso de distribuciones de variables aleatorias cuando una variable es continua y
simétrica que modelo se usa.

Para una variable continua y de distribución simétrica unimodal, es común el uso del
modelo Normal; mientras que para proporciones se piensa en el modelo probabilístico
Binomial y para conteos no acotados en el modelo Poisson.

Para una variable de conteo no acotado que modelo se utiliza?