Funda 1y 2

Question 1

Qué son Experimentos Aleatorios?

Answer 1

son experimentos que se pueden repetir
varias veces en las mismas condiciones, pero cuyo resultado no se
puede predecir.

Question 2

Componentes de un experimento aleatorio

Answer 2

ensayo, frecuencia relativa, espacio muestral, evento

Question 3

Qué son funciones de conjunto?

Answer 3

funciones cuyo dominio es una colección de conjuntos y sus valores son números reales

Question 4

Funciones de conjunto de probabilidad

Answer 4

son funciones que asignan
probabilidades a los conjuntos.

Question 5

tres teoremas de la probabilidad

Answer 5

• la probabilidad tiene que ser mayor o igual a o
• la probablidad del espacio muestral es = 1
• la probabilidad de la union de eventos es la suma de la probabilidad del evento por el mismo

Question 6

Pobabilidad Condicional

Answer 6

P(AuB)/ P(B)

Question 7

regla de la multiplicación

Answer 7

P(A int B)= P(A/B)*P(B)

Question 8

teorema de bayes

Answer 8

P(A/B)= P(B/A)*P(A)/P(B)

Question 9

Independencia estadistica

Answer 9

P(A int B) = P(A)*P(B)

Question 10

variable aleatoria

Answer 10

es una función que asigna un valor real a un resultado del espacio muestral de un experimento aleatorio

Question 11

función de masa de probabilidad (pmf)

Answer 11

es una función sobre el
espacio muestral de una variable aleatoria discreta 𝑋 que da la
probabilidad de que 𝑋 sea igual a cierto valor.

Question 11

función de densidad de probabilidad (pdf)

Answer 11

es una función sobre el espacio muestral de una variable aleatoria continua en un rango específico de valores

Question 12

función de probabilidad acumulada (cdf)

Answer 12

acumula las probabilidades que un evento ocurra (menores o iguales)

Question 13

Qué hace la estadística descriptiva?

Answer 13

resume y presenta los datos de manera
que se resaltan sus principales características sin realizar inferencias
a poblaciones más grandes.

Question 14

tipos de variables aleatorias

Answer 14

medidas de: posición (no central y central), dispersión, asociación(dependencia estadística) , de forma (función de distribución)

Question 15

qué es el percentil K?

Answer 15

es la puntuación debajo de la cual se encuentra el 𝑘%
de las puntuaciones.

Question 16

El rango percentil

Answer 16

es el porcentaje de datos con
valores debajo de 𝑥

Question 17

medidas de tendencia central

Answer 17

media, moda, mediana

Question 18

medidas de dispersión

Answer 18

rango, sd, media, rango intercuartílico

Question 19

medidas de asociación

Answer 19

covarianza, correlación

Question 20

de forma

Answer 20

-El sesgo :cuantifica la desviación de una distribución en relación con una
distribución simétrica, es decir, una distribución que tiene la misma forma con
respecto al eje y.
-La curtosis: mide que tan pronunciado es el pico de la distribución relativo a la
distribución normal,

Question 21

qué es el VaR?

Answer 21

El valor en riesgo VaR una medida de riesgo de la pérdida máxima
esperada sobre un horizonte de inversión para un nivel de confianza
dado.
El VaR a un nivel de confianza 𝑐, 𝑉𝑎𝑅𝑐 , es el cuantil 1 − 𝑐 de la
distribución de pérdida .

Question 22

muestra aleatoria

Answer 22

Una colección de variables aleatorias independientes e
idénticamente distribuidas

Question 23

estimador

Answer 23

estadístico usado para calcular alguna cantidad
de interés como un parámetro.

Question 24

valor p

Answer 24

mide que tan probable es que los datos que se observaron
hubieran ocurrido bajo la hipótesis nula

Question 25

tres caracteristicas del p valor

Answer 25

-p-values do not measure the probability that the studied hypothesis is true, or
the probability that the data were produced by random chance alone
-a p-value, or statistical significance, does not measure the size of an effect or
the importance of a result. *
- p-values and significance tests, when properly applied and interpreted,
increase the rigor of the conclusions drawn from data.

Question 27

método de Monte
Carlo.

Answer 27

generar observaciones de una distribución 𝐹 generando
observaciones de una función de distribución uniforme estándar y
luego aplicando la función inversa 𝐹−1