ESTADISTICA

FASE 5

YURLEIDIS DEARMAS RINCON

COD: 1091 661 404

GRUPO

300046_48

TUTOR

DIEGO ALBERTO DEAZA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

ESCUELA DE CIENCIAS AGRÍCOLAS Y PECUARIAS DEL MEDIO AMBIENTE

PROGRAMA DE INGENIERÍA AMBIENTAL

MAYO 2019
 1. Consulten el texto de Balzarini, la publicación de la Universidad Nacional de
Colombia del Dr. Mendoza y relacionen como grupo las siguientes
definiciones básicas del curso:
Vector de datos:
Un vector de datos es un conjunto de datos almacenados del mismo tipo, donde
cada uno de estos es de tamaño variable en otras palabras pueden crecer o
decrecer dinámicamente según su necesidad, Con un único nombre se define un
vector y por medio de un subíndice hacemos referencia a cada elemento del
mismo.

imagen 1: Representación grafica de un vector de datos

Matriz de datos:
Al igual que el vector de datos, la matriz es un conjunto de datos almacenados del
mismo tipo donde cada uno de estos es de tamaño variable en otras palabras
pueden crecer o decrecer dinámicamente según su necesidad, con la diferencia
que este se define por medio de dos subíndices o filas y columnas con lo cual se
representa cada elemento de la misma.

imagen 2: Representación grafica de una matriz de datos

Variable cuantitativa continua.
Para saber que es una variable cuantitativa continua, primero es necesario definir
lo que es una variable estadística y esta no es más que una característica o
cualidad de un individuo (persona u objeto) que esta propenso a adquirir diferentes
valores. Estos valores se caracterizan por poder medirse, dicho esto entonces
podemos definir a una variable cuantitativa continua es aquella que puedo tomar
un valor dentro de un intervalo real como, por ejemplo, la estatura.
Variable cuantitativa discreta.
Las variables cuantitativas discretas son aquellas y a diferencia de las variables
cuantitativas discretas pueden tomar únicamente un numero finito de valores como
por ejemplo el numero de hermanos dentro de un núcleo familiar.
Variable cualitativa nominal.
Una variable cualitativa nominal es aquella que cuando adoptan valores no
numéricos estos no pueden estar sometidos a criterios de orden como por ejemplo
la elección del sexo o el estado civil de una persona.
Variable cualitativa categórica.
Una variable cualitativa categórica es aquella que clasifica cada individuo de una
población en una de las clases mutuamente excluyente en la que esta se divide.
Estas pueden o no tener un orden lógico.
Tabla de frecuencias
Una tabla de frecuencias es una manera de organizar, de forma sencilla, los datos
que se han recogido de una población.
En estas tablas, el ordenamiento de los datos se toma a partir de algunos
parámetros básicos que forman parte del contenido como lo son: Frecuencias
Absolutas ( f i), Frecuencias Absolutas Acumuladas ( F i), Frecuencia Relativas (hi ),
Frecuencia Relativas Acumuladas ( H i)

 Como es la tabla de frecuencias de una variable continua y de una

discreta
Tabla de frecuencias de una variable continua
 Imagen 3: Tabla de frecuencia para variables continuas
La característica de las tablas de frecuencias para variables continuas es que
puede tomar todos los valores reales comprendidos entre un valor inicial y un final
en otras palabras entre un intervalo como lo vemos en la imagen 3
Tabla de frecuencias de una variable discreta

imagen 4 Tabla de frecuencia para variables discretas

La característica de las tablas de frecuencias para variables discreta es que puede
tomar un número determinado de valores entre dos números en otras palabras
solo puede tomar valores concretos, así como muestra el ejemplo en la imagen 4
solo se puede tener uno o dos hermanos mas nunca se puede tener medio
hermano
 ¿Cuál tiene intervalos?
Ambas tablas pueden tener intervalos ya que para las continúanos si el numero de
datos es demasiado grande se recomienda agrupar los datos entre intervalos.

 Pueden tomar los cuadros de tablas de frecuencias de la

presentación de la primera web conferencia, copiarlos y explicarlos
con sus propias palabras, registrando la fuente de la información.
 imagen 5 Distribución del peso (x) en Kg de la muestra de 500 alumnos varones
de una universidad
En esta tabla se muestra el peso de 500 alumnos varones de una universidad
donde se evidencia la cantidad de estudiante que tiene un determinado peso, para
esto se determinar el rango que es 45, el número de intervalos que son 9 donde el
alumno con el peso más bajo es de 45 Kg y el alumno con el peso más alto es de
90 Kg y la amplitud de ese intervalo que es 5, al realizar el respectivo conteo o la
frecuencia absoluta se determino que la mayor cantidad de estuantes tiene un
peso entre 65 y 70 Kg lo que equivale a un 31% de la población y solo un alumno
tiene un peso por debajo de los 45Kg.
DEPARTAMENTO DE ECUACIONES DIFERENCIALES Y ANÁLISIS
NUMÉRICO
Universidad de Sevilla, área de análisis matemático
Recuperado de https://www.google.com/url?
q=http://departamento.us.es/edan/php/asig/GRAFAR/GFMA/Tema1.pdf&sa=D
&source=hangouts&ust=1550246150702000&usg=AFQjCNFdQNod426EJV1u
qosJBPApBzEJ-g
 imagen 6: Distribución del número de hermanos (excluido el mismo) de una
muestra de 500 alumnos varones de una universidad
En esta tabla se muestra la distribución de la cantidad de hermanos que tiene un
grupo de 500 alumnos varones de una universidad donde en ella se evidencia que
de los 500 alumnos 155 tiene un solo hermano lo que equivale a un 31% de la
población, 97 tienen dos hermanos lo que equivale a un 19.4% de la población, 81
tienen 3 hermanos lo que equivale a un 16.4% de los alumnos evaluados, 72
alumnos no tiene hermanos lo que equivale a un 14.4%, 30alumnos tiene 4
hermanos lo que equivale a un 6% de la población, 27 tiene 5 hermanos lo que
equivale aun 4%, 10 tienen 7 hermanos lo que equivale a un 2% de los alumnos,
4 tienen 8 hermanos lo que equivale a un 0.8% de la población, 2 tienen 9
hermanos lo que equivale a u 0.4% de la población y tan solo 2 estudiante tiene 10
y 11 hermanos respectivamente.
DEPARTAMENTO DE ECUACIONES DIFERENCIALES Y ANÁLISIS
NUMÉRICO
Universidad de Sevilla, área de análisis matemático
recuperado de https://www.google.com/url?
q=http://departamento.us.es/edan/php/asig/GRAFAR/GFMA/Tema1.pdf&sa=D
&source=hangouts&ust=1550246150702000&usg=AFQjCNFdQNod426EJV1u
qosJBPApBzEJ-g
Tabla de frecuencias de variable cualitativa, explique el cuadro de la primera
web.
 imagen 7: Distribución del grupo sanguíneo de 500 alumnos varones en una
universidad
En esta tabla se muestra la cantidad de alumnos de un grupo de 500 varones de
una universidad con un tipo de sangre determinado y los resultados que arrojo
dicho experimento evidencia que el 50% de los alumnos son de tipo de sangra O
lo que equivale a 250 estudiantes, el 30% de los alumnos son de tipo de
sanguíneo A lo que equivale a 150 estudiantes, el 15% de los estudiantes
evaluados tienen B como tipo de sangre lo que equivale a 75 alumnos y solo el 5%
de los alumnos tiene un tipo de sangre AB que equivale a 25 estudiante por ende
podemos concluir que el tipo de sangre O es el más común dentro de esta
población.
Histograma, en que variables se usa.

imagen 8: Histograma
Los histogramas son diagramas de barras empleados para resumir e ilustrar la
variación que se presenta en un conjunto de datos. Sirven para investigar cómo se
puede solucionar un problema o mejorar un proceso y se usan en variables
cuantitativas continuas.
Gráficos de barras, en que variables se usa.
 imagen 9:Diagrama de barras
Un diagrama de barras es una forma de resumir un conjunto de datos por
categorías. Muestra los datos usando barras del mismo ancho, donde cada una de
ellas representa una categoría, estos se usan en variables cuantitativas discretas y
variables cualitativas
Media poblacional.
La media poblacional es la suma de todos los valores observados de una
población dividida entre el número de valores de la población

Donde N es el total de la poblacion

Media muestral. Mostrar la fórmula de cálculo.
La media muestral es la suma de todos los valores observados de una muestra
dividida entre el número de valores de la muestra

Donde n es el tamaño total de la muestra en una población

Varianza poblacional. Varianza muestral. Registrar fórmulas de cálculo.
La varianza es la media de los cuadrados de las desviaciones de cada uno de los
datos de la variable respecto al a media.
Varianza poblacional

Varianza muestral

Mediana
Es un valor que divide a las observaciones en dos grupos con el mismo número de
individuos. Si el número de datos es par entonces se elige la media de los dos
datos centrales
Moda.
La moda corresponde al valor de la variable que más se repite; es decir, el dato
cuya frecuencia es mayor en una tabla de frecuencias absolutas.
Tema variables aleatorias y probabilidades
Espacio muestral y con qué letra se denota:
Conjunto de todos los valores que potencialmente pueden asumir en un estudio
aleatorio y se denota 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.
Evento muestral:
Se llama evento a cualquier subconjunto de elementos de Ω.
Explique en sus propias palabras el experimento aleatorio del dado:
Para el experimento de los dados los 36 posibles resultados de la combinación de
cada número con los demás representa el espacio muestral donde en el se
pueden presentan eventos como “que los dos dados tengan el mismo número” o
“que los dos dados tengan números pares” o “que los dos dados tengan números
impares” o “que salgo el número cinco en un dado y cualquier otro número
diferente de cinco”, este último evento está constituido por más punto muestrales y
por tanto será más probable de ocurrir.
Defina Variable aleatoria:
Es una función que asocia a cada elemento del espacio muestral Ω, un número
real y luego a cada uno de estos valores le asignaremos probabilidades de
ocurrencia.
El espacio muestral asociado a una variable aleatoria de tipo continua es no
contable, queriendo significar que, entre dos valores de la variable, pueden
realizarse un número infinito de otros valores.
¿Qué significa que el espacio muestral de una variable aleatoria continua es
no contable?
Significa que, entre dos valores de la variable, pueden realizarse un número
infinito de otros valores.
¿Que son variables aleatorias discretas proporcionales y que son variables
aleatorias discretas de conteo no acotado? De ejemplos este tipo de
variables.
Variables aleatorias discretas proporcionales
las proporciones que provienen de conteos que no pueden superar el
número de elementos evaluados como por ejemplo el número de semillas
germinadas en cajas de Petri con 25 semillas cada caja.
Variables aleatorias discretas de conteo no acotado
los conteos no acotados o sin denominador natural ejemplo es el número
de pústulas de roya por m 2 de cultivo.

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.
Probabilidad:
Si A es un subconjunto de puntos muestrales de Ω, entonces la
probabilidad de ocurrencia del evento A, denotada por P(A) es:

Definición frecuencial de probabilidad:

Si A es un evento y n A 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.
o ¿Cuál es el experimento aleatorio?: la germinación de una semilla.
o ¿Cuál es el evento?: encontrar la semilla germinada
 o ¿Cuántos puntos muestrales tiene?: Si se observan 1000
semillas, es decir se repite 1000 veces el ensayo de germinación.
¿Qué diferencia existe entre el concepto de frecuencia relativa y el de
probabilidad?
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.
¿Que 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)?
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 Ω, 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 Ω, 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.
En el caso de distribuciones de variables aleatorias cuándo una variable es
continua y simétrica ¿qué modelo se usa?
Para una variable continua y de distribución simétrica unimodal, es común el uso
del modelo Normal.
¿Para una variable de conteo no acotado que modelo se utiliza?
Para conteos no acotados en el modelo Poisson.
¿Para variables de proporciones que modelo se utiliza?
Para proporciones se piensa en el modelo probabilístico Binomial.
¿Qué variables tienen función de probabilidad y que variables tienen función
de densidad?
Las variables que tiene función de probabilidad son las variables aleatorias
discretas y las variables que tienen función de densidad son las variables
aleatorias continuas.
¿Cuáles son los parámetros más usados en estadística para estudiar y
utilizar funciones de distribución de variables aleatorias?
El valor esperado y la varianza son los parámetros más usados en estadística
para estudiar y utilizar funciones de distribución de variables aleatorias.
¿Qué es la esperanza matemática de una variable aleatoria, como se denota?
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.
Conceptos capítulo tres modelos
Distribución normal
¿Qué tipo de histograma se seleccionar un modelo probabilístico para
una variable aleatoria continua cuando se tienen datos de esa
variable?
Para seleccionar un modelo probabilístico para una variable aleatoria
continua cuando se tienen datos de esa variable, resulta recomendable
graficar un histograma de frecuencias relativas y observar la forma del
mismo.
¿Qué es la estandarización, cuál es su fórmula?
Permite llevar cualquier distribución normal a la distribución normal
estándar. La transformación, estandarización, tiene la siguiente forma:

donde Y es el valor de la variable aleatoria que define el evento de interés,

μ y σ 2 son la media y la varianza de la distribución de Y. La nueva variable
aleatoria Z, obtenida mediante estandarización de Y, se distribuye normal
con media cero y varianza uno, es decir, normal estándar.
DISTRIBUCIÓN BINOMIAL
¿Qué tipo de conteos se trabajan con la distribución Binomial?
Se supone que se realizan cierto número (n) de experimentos aleatorios y
en cada experimento se registra uno de dos resultados posibles, éxito o
fracaso donde el éxito tiene una cierta probabilidad (P) de ocurrencia (este
ensayo con resultado binario se conoce como ensayo Bernoulli).
¿A que es igual la esperanza y la varianza en esta distribución?

DISTRIBUCION DE POISSON
¿Qué tipos de conteos se trabaja con la distribución de Poisson?
 en el caso de la Poisson, los conteos se refieren al número de veces que un
evento ocurre en una unidad de tiempo o espacio dada (hora, kilo, m 2, m3,
planta, etc.) y por tanto los valores de la variable no están acotados.
¿Como se denota el único parámetro de esta distribución, a que es
igual la media y la varianza?
el único parámetro de la distribución Poisson es λ.

Responda falso o verdadero en la distribución de Poisson es igual la

media y la varianza.
Verdadero

2. En el documento Word individual debe presentar un resumen de sus

resultados obtenidos que registre la tabla de frecuencias de la variable
continua, los gráficos de barras de la variable discreta y la cualitativa,
respondiendo cuál es la media de la variable continua, el intervalo de más
alta frecuencia relativa en la variable continua, el máximo y mínimo se su
variable discreta y el valor de probabilidad de la variable cualitativa.

AREA DE TRABAJO: cultivo de maíz afectado por plaga de gusano

cogollero.

Variable continúa
 F re c u e n c ia s re la tiv a s F re c u e n c ia s a b s o lu ta s

0 .0 0 0 .0 1 0 .0 2 0 .0 3 0 .0 4 0 .0 5 0 .0 6 0 .0 0 .5 1 .0 1 .5 2 .0 2 .5 3 .0

4
4

9
9

11
11

17
17

21
21

24
24

27
27

30
30

33
33
Gráfico de barras CONT EO

36
36

FRECUENCIAS RELATIVAS CONT EO

40
40
Variable continua

0 .2 5
0 .2 0
F re q u e n c y

0 .1 5
0 .1 0
0 .0 5
0 .0 0

28.71 33.70 38.69 43.68 48.66 53.65 58.64 63.63

Class limits

Variable cualiatativa.
 Funcion de porbabilidad B(10,0.6)
30
25

0.10
20

0.08
P(X=m)

0.06
15

0.04
10

0.02
5

0.00
0

0 10 20 30 40 50
Infectada No infectada
m
 BIBLIOGRAFIA

Balzarini, M. (2013). Estadística y biometría: ilustraciones del

uso e infostat en problemas de agronomía. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.
action?docID=3221775&query=bioestadistica 

Balzarini, M. (2013). Estadística y biometría: ilustraciones del

uso e infostat en problemas de agronomía. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.
action?docID=3221775&query=bioestadistica 

Mecabot. (2017). El software R, una herramienta para

implementar métodos numéricos. Recuperado
de: http://mecabot-ula.org/tutoriales/r-project-metodos-
numericos/
Saenz J. (2010). Métodos estadísticos con R y R comander.
Recuperado de:https://cran.r-project.org/doc/contrib/Saez-
Castillo-RRCmdrv21.pdf