Actividad 3

ESTADÍSTICA DESCRIPTIVA
Fase 3
Presentado por:
Carlos Alberto Perea Sánchez

Código: 1077433933
Grupo: 146
Presentado al tutor:
ISMAEL DUSSAN
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD
ESCUELA DE CIENCIAS AGRÍCOLAS, PECUARIAS Y
DEL MEDIO AMBIENTE

Quibdó choco
marzo-2020
A. PROBABILIDAD
En los anteriores pantallazos se observa la realización del procedimiento
en el programa R, además de eso se identifica claramente los conteos
con mayor probabilidad de ocurrencia.
Gráfico de barras SUMA DE CARAS

6
Frecuencias absolutas
5
4
3
2
1
0
2 3 4 5 6 7 8 9 10 12
FRECUENCIAS RELATIVAS SUMA DE CARAS

0.20
F re cuencias relativas
0.15
0.10
0.05
0.00
2 3 4 5 6 7 8 9 10 12
FRECUENCIAS RELATIVAS ACUMULADAS SUMA DE CARAS
1.0
F recuencias relativas
0.8
0.6
0.4
0.2
0.0
2 3 4 5 6 7 8 9 10 12
 Expliquen en sus propias palabras los siguientes términos:

a. Espacio muestral, con qué letra se denota
R: el espacio muestral es el conjunto de todos los resultados
posibles de un experimento aleatorio junto con una estructura del
mismo y se denota con la letra omega o s (Ω, S)
b. Punto muestral.
R: el punto muestral es cada uno de los elementos del espacio
muestral y se representa con una letra (S)
c. Evento muestral.
R:es el conjunto de uno o más resultados posibles del
experimento muestral.
d. Variable aleatoria.
R: Una variable aleatoria (v.a.) es una función que asocia a cada
resultado del espacio muestral un número real
e. ¿Qué significa que el espacio muestral de una variable
aleatoria continua es no contable?
R: podemos decir que la variable aleatoria continua es no contable,
porque no podemos decir: hay 6 posibilidades (como con el dado) o 2
(como con la moneda). No podemos dar un número preciso de opciones.
f. ¿Qué son variables aleatorias discretas proporcionales

y que son variables aleatorias discretas de conteo no
acotado? De ejemplos de este tipo de variables.
R: Las variables aleatorias discretas proporcionales son aquellas las
cuales provienen de conteos que nos pueden superar el número de
elementos evaluados. Un 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. [ CITATION Bal13 \l 3082 ]
Por su parte las variables aleatorias discretas de conteo no acotado son
aquellas en las cuales no se posee un denominador de origen natural,
ejemplo de ello es la cantidad de pústulas o manchas de roya
encontradas en una determinada superficie de cultivo de café.
g. Existen dos conceptos de probabilidad: el clásico y el

concepto frecuencia; 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 muéstrales tiene.
R: El concepto clásico de probabilidad se relaciona con la tendencia a
infinito del espacio muestral, basado así en la observación de los
elementos del mismo. [ CITATION Bal13 \l 3082 ]
La definición frecuencial de probabilidad tiene que ver con una serie

repetida de estudios de carácter aleatorio. También está dada cuando el
espacio muestran es infinito y de esta forma no pueden enumerarse
todos los resultados obtenidos producto del estudio. [ CITATION Bal13 \l 3082 ]
Para ejemplificar lo anterior recurriremos al ejemplo de la germinación

de semillas, para este caso se tiene un lote de semillas, de la cual
sacaremos la probabilidad de que la semilla germine óptimamente.
Cogemos una semilla y la plantamos esperando que germine, pero este
proceso lo repetiremos 500 veces, ósea se usaran 500 semillas, este
número de repeticiones será N, tengamos en cuenta que para lograr
obtener la probabilidad debemos saber el número de veces que el
evento ocurre en la cantidad de las repeticiones y lo denotaremos n A . La
probabilidad de germinación de una semilla en la totalidad de las
repeticiones la denominaremos P(A). Si de las 500 repeticiones (N) se
observó una germinación de 300 semillas (n A ), diremos que la
probabilidad de que una semilla germine se representa por:
P(A) = P (observar una semilla germinada) =n A =N = 300/500= 0,6 y

esta es la probabilidad de observar una semilla germinada en las 500
repeticiones. [ CITATION Bal13 \l 3082 ]
El experimento aleatorio es la semilla, el evento es la probabilidad de

que la semilla germine y la cantidad de puntos muéstrales es uno que
depende de la cantidad de semillas germinadas en la totalidad de
repeticiones.
h. ¿Qué diferencia existe entre el concepto de frecuencia

relativa y el de probabilidad?
R: La frecuencia relativa se da cuando el número de repeticiones de un
determinado experimento no es grande o elevado, por su parte para
considerar una función como probabilidad, se debe asignar a cada
evento del espacio muestral un número real entre 0 y 1. [ CITATION Bal13 \l
3082 ]
i. ¿Qué 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)?
R: Los eventos mutuamente excluyentes son aquellos en los cuales cada
evento cuenta o está formado por puntos muéstrales totalmente
diferentes, lo que significa que no existe ningún punto muestral en la
intersección de los subconjuntos. [ CITATION Bal13 \l 3082 ]
La intersección de dos eventos mutuamente excluyentes conforma un
nuevo conjunto, el cual posee puntos muéstrales pertenecientes tanto al
subconjunto A como al B, la intersección entre dos conjuntos se denota
A∩B, pero si A y B son excluyentes, la intersección es vacía por lo tanto
P(AB), es igual a cero. [ CITATION Bal13 \l 3082 ]
P(AB), es igual a la suma de las probabilidades de cada evento.
j. En el caso de distribuciones de variables aleatorias

cuando una variable es continua y simétrica, ¿qué
modelo se usa?
R: Para el caso de variables continuas simétricas es usual la
implementación del modelo normal.
k. Para una variable de conteo no acotado, ¿qué modelo

se utiliza?
R: Para una variable de conteo no acotado se utiliza el modelo de
Poisson.
l. Para variables de proporciones ¿qué modelo se

utiliza?
R: Para el caso de variables de proporción es común la utilización de
modelos.
m. ¿Qué variables tienen función de probabilidad y cuáles

variables tienen función de densidad?
R: Para el caso de variables con función de probabilidad encontramos
las variables discretas. Como variables con función de densidad
podemos encontrar las variables continuas.
n. ¿Cuáles son los parámetros más usados en estadística

para estudiar y utilizar funciones de distribución de
variables aleatorias?
R: Los parámetros más usados en estadística para estudiar funciones de
distribución de variables aleatorias son el valor esperado, que a su vez
formaliza el valor medio en un fenómeno aleatorio.
Por otra parte tenemos el parámetro de varianza, el cual formaliza la
incertidumbre y la idea de precisión más varianza indica más
incertidumbre sobre el fenómeno y menor precisión de las conclusiones
que podemos elaborar desde los datos que lo caracterizan. [ CITATION
Bal13 \l 3082 ]
o. ¿Qué es la esperanza matemática de una variable

aleatoria? ¿cómo se denota?
R: Es considerada como un promedio de los valores asumidos por la
variable, allí cada valor es ponderado por la probabilidad de su
ocurrencia. Esta se denota con la letra griega µ.
¿Qué es la varianza de una variable aleatoria? ¿cómo se denota?

R: La varianza de una variable es una medida de dispersión y es
denotada con la letra griega sigma (2  ).
B. DISTRIBUCIÓN
FunciÃ³n de DistribuciÃ³n N(MEDIA.MEDIA2 EN ROJO,MISMA VARIANZA)

0.00 0.02 0.04 0.06 0.08 0.10 0.12
F(x)
10 15 20 25 30 35 40
0.00 0.02 0.04 0.06 0.08 0.10 0.12
dnorm (x, ME D IA 2, S IGMA )
10 15 20 25 30 35 40
x
FunciÃ³n de DistribuciÃ³n N(VARIANZA.VARIANZA1 EN ROJO,MISMA MEDIA)
0.4
0.3
F(x)
0.2
0.1
0.0
10 15 20 25 30 35 40
x
0.25
dnorm(x, MEDIA, SIGMA1)
0.20
0.15
0.10
0.05
0.00
10 15 20 25 30 35 40
x
FunciÃ³n de DistribuciÃ³n N(media.sigma)
0.05
0.04
0.03
F(x)
0.02
0.01
0.00
20 40 60 80 100
FunciÃ³n de DistribuciÃ³n N(media.sigma)

0.05
0.04
0.03
F(x)
0.02
0.01
0.00
20 40 60 80 100
x
Responder las siguientes preguntas:
 DISTRIBUCION NORMAL
Qué tipo de histograma se debe seleccionar en un modelo

probabilístico para una variable aleatoria continua cuando se
tienen datos de esa variable
R: Se debe seleccionar un histograma de variables de tipo relativas,
posteriormente se debe hacer una observación de la forma del mismo.
Se pueden aplicar modelos teóricos y funciones matemáticas que
permiten ajustar o aproximar el histograma. [ CITATION Bal13 \l 3082 ].
Formula de densidad para distribución normal:
Qué es la estandarización, cuál es su fórmula.

R: Es una función que nos permite llevar una función de distribución
carácter normal a una distribución de carácter normal estándar. Esta
función la representa la siguiente formula:
y−µ
Z= [ CITATION Bal13 \l 3082 ]
√❑2
 DISTRIBUCIÓN BINOMIAL
Qué tipo de conteos se trabajan con la distribución Binomial

R: Se establecen dos tipos de conteos en la distribución binomial, estos
representan el éxito y fracaso.
Formula de densidad de distribución binomial.
f ( y ; n , P )=¿
En la distribución binomial que es n y que es P.

R: En la distribución binomial n hace referencia al número de
experimentos, y P hace referencia a la probabilidad de ocurrencia o
éxito.
A qué es igual la esperanza y la varianza en esta distribución.

R: La esperanza en esta distribución es igual al número de repeticiones
del experimento, multiplicado por la probabilidad de ocurrencia o éxito,
así: nxP. [ CITATION Bal13 \l 3082 ]
Por su parte la varianza es igual al número de repeticiones del
experimento, multiplicado dos veces por la probabilidad, así: nxPxP.
[ CITATION Bal13 \l 3082 ]
 DISTRIBUCION DE POISSON
Qué tipos de conteos se trabaja con la distribución de Poisson.

R: Con la distribución de Poisson se trabajan conteos que hacen
referencia al número de veces que un evento ocurre en una unidad de
tiempo o espacio determinada. Como, por ejemplo: hora, metro
cuadrado, metro cubico, planta, entre otros. [ CITATION Bal13 \l 3082 ]
Formula de densidad distribución de Poisson.
λ y e− λ
{
f ( y , λ ) = y ! si y =0 ,1,2 , …
0
En agronomía se usa para qué tipo de conteos (los ácaros, por

ejemplo, se pueden trabajar con esta distribución).
R: En agronomía es utilizado principalmente para determinar el número
de insectos sobre una planta, en un golpe de red, el número de
manchas defectuosas en un mosaico, o en un metro cuadrado de piso,
el número de colémbolos en 100 g de suelo, o en 1000 cm3 de suelo o
el número de coliformes en 1 ml de agua, entre otros conteos de
interés. [ CITATION Bal13 \l 3082 ]
Cómo se denota el único parámetro de esta distribución, a que es

igual la media y la varianza.
R: El parámetro de la distribución de Poisson se denota con . La
varianza de Poisson aumenta a medida que aumentan los conteos y esta
es función de la media.
Bibliografía:
Balzarini, M. (2013). Estadística y Biometría. Ilustraciones del uso de infostat en problemas de
agronomia. Brujas. Obtenido de http://www.agro.unc.edu.ar/~mcia/archivos/Estadistica
%20y%20Biometria.pdf

Actividad 3

Cargado por

Copyright:

Formatos disponibles

Actividad 3

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Actividad 3

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA DESCRIPTIVA

Carlos Alberto Perea Sánchez

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS AGRÍCOLAS, PECUARIAS Y

DEL MEDIO AMBIENTE

Gráfico de barras SUMA DE CARAS

FRECUENCIAS RELATIVAS SUMA DE CARAS

 Expliquen en sus propias palabras los siguientes términos:

f. ¿Qué son variables aleatorias discretas proporcionales

g. Existen dos conceptos de probabilidad: el clásico y el

La definición frecuencial de probabilidad tiene que ver con una serie

Para ejemplificar lo anterior recurriremos al ejemplo de la germinación

P(A) = P (observar una semilla germinada) =n A =N = 300/500= 0,6 y

El experimento aleatorio es la semilla, el evento es la probabilidad de

h. ¿Qué diferencia existe entre el concepto de frecuencia

i. ¿Qué son eventos mutuamente excluyentes? ¿Cómo

P(AB), es igual a la suma de las probabilidades de cada evento.

j. En el caso de distribuciones de variables aleatorias

k. Para una variable de conteo no acotado, ¿qué modelo

l. Para variables de proporciones ¿qué modelo se

m. ¿Qué variables tienen función de probabilidad y cuáles

n. ¿Cuáles son los parámetros más usados en estadística

o. ¿Qué es la esperanza matemática de una variable

¿Qué es la varianza de una variable aleatoria? ¿cómo se denota?

FunciÃ³n de DistribuciÃ³n N(MEDIA.MEDIA2 EN ROJO,MISMA VARIANZA)

FunciÃ³n de DistribuciÃ³n N(media.sigma)

Qué tipo de histograma se debe seleccionar en un modelo

Qué es la estandarización, cuál es su fórmula.

Qué tipo de conteos se trabajan con la distribución Binomial

En la distribución binomial que es n y que es P.

A qué es igual la esperanza y la varianza en esta distribución.

Qué tipos de conteos se trabaja con la distribución de Poisson.

En agronomía se usa para qué tipo de conteos (los ácaros, por

Cómo se denota el único parámetro de esta distribución, a que es

También podría gustarte