WorksheetsPCFT
Total questions: 33
Worksheet time: 47mins
¿Qué es un espacio muestral?
Conjunto de todos los posibles resultados de un experimento aleatorio.
La probabilidad de que ocurra el evento más probable.
Un tipo especial de variable aleatoria.
La distribución de todos los eventos posibles.
¿Cuál de las siguientes es una propiedad de la probabilidad?
Probabilidad de un evento imposible es 1.
La suma de las probabilidades de todos los eventos posibles es 1.
La probabilidad de un evento es siempre mayor que 1.
Probabilidad de un evento seguro es 0.
Dos eventos 𝐴 y 𝐵 son independientes si:
𝑃(𝐴∩𝐵)=𝑃(𝐴)𝑃(𝐵)
𝑃(𝐴∩𝐵)=𝑃(𝐴)+𝑃(𝐵)
𝑃(𝐴∣𝐵)=𝑃(𝐵∣𝐴)
𝑃(𝐴∪𝐵)=𝑃(𝐴)+𝑃(𝐵)
El teorema de Bayes se utiliza para:
Calcular probabilidades exclusivamente en experimentos con dos resultados posibles.
Encontrar la probabilidad condicional invertida de eventos.
Determinar la independencia de dos eventos.
Sumar probabilidades de eventos mutuamente exclusivos.
¿Qué distingue a una variable aleatoria discreta de una continua?
La variable discreta puede tomar un número infinito de valores.
La variable continua toma valores basados en recuentos.
La variable discreta puede tomar valores específicos y separados.
La variable continua solo toma valores enteros.
El valor esperado de una variable aleatoria indica:
El valor más probable que la variable aleatoria puede tomar.
La variabilidad de la variable aleatoria.
El promedio teórico de los valores que la variable puede asumir.
La mediana de los valores de la variable aleatoria.
La varianza de una variable aleatoria mide:
La dispersión de los valores alrededor del modo.
La dispersión de los valores alrededor del valor esperado.
La suma de los valores posibles de la variable.
La probabilidad de que ocurra el valor esperado.
¿Qué caracteriza a una distribución de Bernoulli?
Describe experimentos con dos resultados, donde uno tiene probabilidad 𝑝 y el otro 1−𝑝.
Se utiliza para modelar eventos con múltiples resultados posibles.
Describe el número de pruebas necesarias para obtener un éxito.
Es una distribución que describe eventos sin éxito ni fracaso.
En una distribución geométrica, ¿qué describe la variable aleatoria?
El número de fracasos antes del primer éxito.
El total de éxitos en 𝑛 pruebas.
La probabilidad de éxito en cada prueba.
El número de pruebas hasta el último éxito.
¿Cuál es una condición necesaria para que un experimento siga una distribución hipergeométrica?
Las pruebas deben ser independientes.
Debe haber solo dos posibles resultados en cada prueba.
No se reemplaza cada elemento extraído del conjunto.
El número de pruebas debe ser infinito.
La distribución de Poisson es apropiada para modelar:
El número de veces que ocurre un evento en un intervalo fijo de tiempo o espacio, con eventos que ocurren con una tasa constante e independientemente.
El número de pruebas necesarias para obtener un éxito.
La cantidad de éxitos en un número fijo de pruebas.
Eventos que tienen solo dos posibles resultados.
¿Qué caracteriza a una distribución uniforme continua?
Todos los valores tienen la misma probabilidad de ocurrir dentro de un rango especificado.
La variable puede tomar cualquier valor dentro de un rango.
El valor más probable es el valor medio del intervalo.
Tanto A como B son correctas.
La distribución normal es importante en estadísticas porque:
Modela fenómenos naturales cuyos resultados están equitativamente distribuidos.
Muchos procesos tienden a distribuirse normalmente bajo condiciones generales debido al teorema del límite central.
Solo modela variables discretas.
Tiene una forma de campana asimétrica.
¿En qué tipo de proceso se utiliza comúnmente la distribución exponencial?
Procesos donde los eventos ocurren a intervalos regulares.
Procesos donde el tiempo entre eventos es constante.
Procesos donde el tiempo entre eventos sigue un patrón sin memoria.
Procesos con un número fijo de eventos por unidad de tiempo.
¿Qué aspecto de un proceso puede modelar una distribución Erlang?
El número de eventos que ocurren en un intervalo de tiempo.
La suma de varios tiempos de espera exponenciales.
La probabilidad de éxito en pruebas repetidas.
La ocurrencia de eventos con múltiples resultados.
¿Cómo se utiliza el Teorema de Bayes en la práctica?
Para revisar la probabilidad estimada de un evento basada en nueva evidencia.
Para calcular la probabilidad conjunta de dos eventos independientes.
Para sumar probabilidades de eventos no exclusivos.
Para determinar la independencia de dos eventos.
¿Cuál es una propiedad fundamental de la función de densidad de probabilidad de una variable aleatoria continua?
La integral de la función de densidad sobre todo el espacio es 1.
La función de densidad puede tomar valores negativos.
La función de densidad es discontinua.
La integral de la función de densidad siempre es infinita.
¿Qué diferencia hay entre la función de densidad y la función acumulativa de una variable aleatoria continua?
La función acumulativa es la integral de la función de densidad.
La función de densidad es la integral de la función acumulativa
Ambas son lo mismo.
La función de densidad proporciona probabilidades directamente.
¿Qué evento se modela típicamente con una distribución binomial?
Tiempos entre llegadas de autobuses.
Número de caras obtenidas al lanzar una moneda varias veces.
Tiempo hasta el primer fallo de una máquina.
Número de defectos en un metro cuadrado de tela.
¿Por qué la distribución normal es tan prevalente en estadística?
Debido a que es fácil de calcular y entender.
Porque muchos fenómenos naturales y humanos tienden a distribuirse de manera normal bajo condiciones normales.
Es la única distribución que permite el cálculo de probabilidades condicionales.
No tiene aplicación práctica, pero es importante teóricamente.
¿Cuál es una aplicación típica de la distribución Erlang?
Modelar el número de llamadas que recibe un call center en una hora.
Estimar el tiempo hasta que ciertos componentes de una máquina fallen una cantidad de veces.
Predecir el número de accidentes en una carretera durante un año.
Calcular la distribución de las edades de una población.
¿Qué implica la independencia de los conjuntos 𝐴 y 𝐵 sobre la probabilidad de 𝐴∪𝐵?
𝑃(𝐴∪𝐵)=𝑃(𝐴)+𝑃(𝐵)−𝑃(𝐴)𝑃(𝐵)
𝑃(𝐴∪𝐵)=𝑃(𝐴)+𝑃(𝐵)
𝑃(𝐴∪𝐵)=𝑃(𝐴)𝑃(𝐵)
𝑃(𝐴∪𝐵)=(𝑃(𝐴)+𝑃(𝐵))/2
¿Cómo se interpreta el principio de inclusión-exclusión en la teoría de probabilidades?
Como un método para contar eventos independientes.
Para calcular la probabilidad de la unión de múltiples eventos.
Para determinar la independencia entre eventos.
Como una técnica para sumar probabilidades de eventos disjuntos.
Dado que 𝐴 y 𝐵 son subconjuntos de un conjunto universal 𝑈, ¿cuál es la relación correcta entre los conjuntos (𝐴∪𝐵)' y 𝐴'∩𝐵'?
(𝐴∪𝐵)'⊆𝐴'∩𝐵'
(𝐴∪𝐵)'=𝐴'∩𝐵'
(𝐴∪𝐵)'∩𝐴'∩𝐵'=∅
(𝐴∪𝐵)'∪𝐴'∪𝐵'=𝑈
Si 𝐴 y 𝐵 son conjuntos, ¿cuál es una propiedad que siempre se cumple para la intersección de 𝐴 con la unión de 𝐴 y 𝐵?
𝐴∩(𝐴∪𝐵)=𝐴
𝐴∩(𝐴∪𝐵)=𝐵
𝐴∩(𝐴∪𝐵)=∅
𝐴∩(𝐴∪𝐵)=𝐴∪𝐵
Pregunta: Suponga que 𝑋 y 𝑌 son conjuntos tales que 𝑋⊂𝑌. Si 𝑍 es un conjunto disjunto con 𝑌, ¿cuál es el resultado de (𝑋∪𝑍)∩𝑌?
𝑋
𝑍
𝑋∪𝑍
𝑌
Si 𝐴, 𝐵, y 𝐶 son conjuntos tales que 𝐴∩𝐵=𝐴∩𝐶 y 𝐴∪𝐵=𝐴∪𝐶, entonces, ¿qué se puede decir de 𝐵 y 𝐶?
𝐵⊂𝐶
𝐶⊂𝐵
𝐵=𝐶
No se puede determinar la relación entre 𝐵 y 𝐶 sin más información.
Si dos eventos son mutuamente excluyentes, ¿cuál de las siguientes afirmaciones es correcta?
Ambos eventos pueden ocurrir simultáneamente.
La probabilidad de la unión de ambos eventos es la suma de sus probabilidades individuales.
La probabilidad de la intersección de ambos eventos es positiva.
La probabilidad de la unión de ambos eventos es el producto de sus probabilidades individuales.
¿Cuál de los siguientes enunciados es siempre verdadero para cualquier conjunto de eventos?
Si dos eventos son mutuamente excluyentes, entonces son independientes.
La probabilidad de la unión de dos eventos es siempre menor que la probabilidad de cualquiera de los eventos individuales.
Si dos eventos son independientes, entonces la ocurrencia de uno afecta la ocurrencia del otro.
La probabilidad de la intersección de dos eventos es siempre menor o igual a la probabilidad de cualquiera de los eventos individuales.
En el contexto de la probabilidad condicional, si P(A|B) = P(A), ¿qué se puede concluir sobre los eventos A y B?
A y B son mutuamente excluyentes.
A y B son eventos complementarios.
A y B son eventos dependientes.
A y B son eventos independientes.
¿Qué describe mejor la "ley de los grandes números"?
La probabilidad de que un evento ocurra al menos una vez aumenta con el número de repeticiones del experimento.
A medida que aumenta el número de repeticiones de un experimento aleatorio, la frecuencia relativa de un evento converge a la probabilidad teórica del evento.
Si dos eventos son independientes, la probabilidad de su intersección es el producto de sus probabilidades individuales.
La suma de las probabilidades de todos los eventos posibles en un espacio muestral es igual a uno.
¿Qué condición deben cumplir los conjuntos 𝐴 y 𝐵 para que se pueda aplicar el teorema 𝑃(𝐵−𝐴)=𝑃(𝐵)−𝑃(𝐴)?
Los conjuntos 𝐴 y 𝐵 deben ser mutuamente excluyentes.
El conjunto 𝐴 debe ser un subconjunto de 𝐵.
Los conjuntos 𝐴 y 𝐵 deben ser independientes
El conjunto 𝐵 debe ser un subconjunto de 𝐴.
Si dos eventos disjuntos tienen probabilidades positivas, ¿qué podemos decir sobre su independencia?
Son independientes porque son disjuntos.
No son independientes.
Pueden ser independientes o no, dependiendo de sus probabilidades individuales.
No se puede determinar sin información adicional.
