ESTADISTICA DESCRIPTIVA PARA AGRARIAS

UNIDAD 2: FASE 3 - ELABORAR DOCUMENTO DE APLICACIÓN DE CONCEPTOS

DE PROBABILIDAD

ESTUDIANTE

TUTOR

FRANCISCO JOSÉ MONTEALEGRE TORRES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

PROGRAMA DE AGRONOMIA

OCTUBRE DEL 2019

PREGUNTAS ORIENTADORAS FASE 3

Espacio muestral y con qué letra se denota
Este se define como el conjunto de todos los resultados posibles que se obtienen a realizar un
experimento aleatorio y la denotación más habitual del espacio muestral es mediante la letra
griega Ω.
Comportamiento individual o punto muestral a cada uno de los posibles resultados de un
experimento aleatorio. Los resultados básicos elementales serán definidos de forma que no
puedan ocurrir dos simultáneamente pero si uno necesariamente

Punto muestral
Son cada uno de los posibles resultados de un experimento aleatorio; también podemos decir que
son los elementos que componen el conjunto espacio muestral Ω, del experimento.
Ω = {𝜔1 , 𝜔2 , 𝜔3} .

Evento muestral
Un Evento es un resultado particular de un experimento aleatorio. En términos de conjuntos, un
evento es un subconjunto del espacio muestral y usualmente son descritos usando una
característica común de los resultados.

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.
Este ejercicio consiste es determinar las probabilidades de obtener diferentes resultados a lanzar
dos dados. Al lanzar los dos dados existen 36 posibilidades de obtener resultados ejemplo los
dados pueden caer 1-1, 1-2, 2-2, 2-4 y así sucesivamente hasta llegar a las 36 diferentes
resultados, a esos 36 resultados posibles se les denomina espacio muestral. Por otra parte al
lanzar los dados existen otras posibilidades, las cuales son de obtener dos números impares (3-5)
o dos números pares (2-4) y por ultimo tenemos la probabilidad de sacar dos números iguales (6-
6), la cual es más remota, este conjunto de resultados pueden ser denominados como
subconjuntos o eventos.
Para el caso de los números iguales se pueden obtener un total de seis combinaciones diferentes
(1-1, 2-2, 3-3, 4-4, 5-5, 6-6) esos 6 resultados los divididos en el total de los resultados que son
36 y así obtenemos la probabilidad (6/36=0, 166), seguido al multiplicarlo por 100 obtenemos
16,6% de probabilidades de obtener dos números iguales al lanzar dos dados.

Defina Variable aleatoria

Es una función que asocia a cada resultado del espacio muestral un número real a cada resultado
de un experimento aleatorio, estos valores posibles representan los resultados.

¿Qué significa que el espacio muestral de una variable aleatoria continua es no

contable?,
El espacio muestral de una variable aleatoria continua no es contable debido a que toma valores
en un intervalo (o varios intervalos) y describe las probabilidades de los posibles valores de una
variable aleatoria continua lo que nos deduce que entre dos valores de la misma variable pueden
realizarse un número infinito de valores.
Las variables aleatorias discretas proporcionales son aquellas donde los números asignados a los
sucesos elementales son puntos aislados ya que sus posibles valores constituyen un conjunto
finito o infinito numerable.
De lo anterior podemos decir que significa que en relación con dos valores de la variable,
pueden realizarse un número infinito de otros valores, es decir no tendrán fin alguno.
¿que son variables aleatorias discretas proporcionales y que son variables
aleatorias discretas de conteo no acotado? De ejemplos este tipo de variables.
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. (Balzarini, 2013)
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.
Existen dos conceptos de probabilidad: el clásico y el 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, cuántos puntos
muéstrales tiene.
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. (Balzarini, 2013)
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. (Balzarini, 2013)
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, o sea 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. (Balzarini, 2013)
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.
¿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 (AꓴB)?
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. (Balzarini, 2013)
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. (Balzarini, 2013)
P(AB), es igual a la suma de las probabilidades de cada evento.
En el caso de distribuciones de variables aleatorias cuando una variable es
continua y simétrica que modelo se usa:
Para el caso de variables continuas simétricas es usual la implementación del modelo normal.
¿Para una variable de conteo no acotado que modelo se utiliza?:
Para una variable de conteo no acotado se utiliza el modelo de Poisson.
Para variables de proporciones que modelo se utiliza?
Para el caso de variables de proporción es común la utilización de modelos.
Que variables tienen función de probabilidad y que variables tienen función de
densidad:
Para el caso de variables con función de probabilidad encontramos las variables discretas. Como
variables con función de densidad podemos encontrar las variables continuas.

¿Cuáles son los parámetros más usados en estadística para estudiar y utilizar
funciones de distribución de variables aleatorias?:
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. (Balzarini, 2013)
¿Qué es la esperanza matemática de una variable aleatoria, como se denota?:
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.
Que es la varianza de una variable aleatoria, como se denota?
La varianza de una variable es una medida de dispersión y es denotada con la letra griega sigma
(2  ).
3. Descargar el código “MODELOS.txt” y ejecutarlo en el Programa R, comparando los
resultados obtenidos con el programa R con respecto a la explicación de los ejercicios
brindados en el texto de Mónica Balzarini en las páginas 91 (Ejercicio de las vacas del
tambo), 93 (ejercicio del híbrido de maíz), 101 (ejercicio de la semilla de panicum) y 105
(ejercicio de las picaduras de gorgojo).
Adjuntar las gráficas generadas por el programa R para cada una de las tres
distribuciones descritas (Normal, Binomial y Poisson) y hacer una buena descripción y
explicación de la información presentada en cada una de ellas.

Responder las siguientes preguntas:

DISTRIBUCION NORMAL
¿Qué tipo de histograma se selecciona en un modelo probabilístico para una
variable aleatoria continúa cuando se tienen datos de esa variable?:
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. (Balzarini, 2013).
Formula de densidad para distribución normal:

¿Qué es la estandarización, cuál es su fórmula?:

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= √2
(Balzarini, 2013)

DISTRIBUCIÓN BINOMIAL
¿Qué tipo de conteos se trabajan con la distribución Binomial?
Se establecen dos tipos de conteos en la distribución binomial, estos representan el éxito y
fracaso.
Formula de densidad de distribución binomial.
𝑛
( ) 𝑝 𝑦 (1 − 𝑝)𝑛−𝑦
𝑓(𝑦; 𝑛, 𝑃) = { 𝑦 𝑠𝑖 𝑦 = 0, 1, … . , 𝑛
0
En la distribución binomial que es n y que es P:
En la distribución binomial n hace referencia al número de experimentos, y P hace referencia a la
probabilidad de ocurrencia o éxito.
A que es igual la esperanza y la varianza en esta distribución:
La esperanza en esta distribución es igual al número de repeticiones del experimento,
multiplicado por la probabilidad de ocurrencia o éxito, así: nxP. (Balzarini, 2013)
Por su parte la varianza es igual al número de repeticiones del experimento, multiplicado dos
veces por la probabilidad, así: nxPxP. (Balzarini, 2013)
DISTRIBUCION DE POISSON
Qué tipos de conteos se trabaja con la distribución de Poisson.
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. (Balzarini, 2013)
Formula de densidad distribución de Poisson.

𝞴𝒚 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).
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. (Balzarini, 2013)
Cómo se denota el único parámetro de esta distribución, a que es igual la media y
la varianza.
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.