Chloridoideae

Chloridoideae

Cynodon dactylon

Clasificacin cientfica

Reino:

Plantae

Divisin:

Magnoliophyta

Clase:

Liliopsida

Orden:

Poales

Familia:

Poaceae

Subfamilia:

Chloridoideae

Subdivisiones

Vase el texto
[editar datos en Wikidata]

Chloridoideae es una subfamilia de plantas gramneas.

Morfologa[editar]
Se trata de plantas herbceas, con hojas provistas de pelos globosos y lgula pilosa.
Presentan a menudo espiguillas comprimidas lateralmente y reunidas en racimos
subespiciformes y unilaterales, con una o numerosas flores, cada una de ellas generalmente
con dos lodculas carnosas, tres estambres y dos estigmas.

Inflorescencias deEragrostis tef, una cloridoidea.

Los integrantes de las cloridoideas presentan espiguillas que se desarticulan por encima de
las glumas y poseen pelos bicelulares distintivos en la epidermis de las hojas. No obstante,
este ltimo carcter puede ser una sinapomorfa de slo un subgrupo del clado. Todo el clado
salvo dos especies muestra fotosntesis por la va del C4. Los nmeros cromosmicos bsicos
prevalecientes en la subfamilia son x=9 y x=19, aunque existen gneros con x=7 y 8. La
subfamilia se desarrolla mejor en regiones tropicales ridas y semiridas, donde se supone
que la fotosntesis C4 es ventajosa. Los centros de distribucin ubicados
en frica y Australia sugieren un origen en el Hemisferio Norte. Algunos gneros importantes
son Eragrostis (350 especies), Muhlenbergia (160 especies), Sporobolus (160
especies), Chloris (55 especies), Spartina (15 especies), y Eustachys(10 especies), los
primeros 3 gneros mencionados aparentemente son polifilticos.

DISTRIBUCIN DE POISSON.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula a utilizar sera:

donde:
p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es
totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como cada rea es independiente de
otra rea dada y cada producto es independiente de otro producto dado.

Ejemplos:
1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro
cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
Solucin:
a)

x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da cualquiera = 0, 1,
2, 3, ....., etc, etc.
= 6 cheques sin fondo por da
= 2.718

b)
x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das consecutivos = 0, 1, 2,
3, ......, etc., etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar de lo mismo que x.

2.

En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2 imperfecciones en
promedio por minuto. Determine las probabilidades de identificar a) una imperfeccin en 3 minutos, b) al menos dos
imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15 minutos.
Solucin:
a)
x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, ....,
etc., etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

b)

x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5 minutos = 0, 1, 2, 3, ....,
etc., etc.
= 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

=1-(0.367918+0.367918) = 0.26416
c)

x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15 minutos = 0, 1, 2, 3, .....,
etc., etc.
= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

= 0.0498026 + 0.149408 = 0.1992106

La distribucin Multinomial

Este modelo se puede ver como una generalizacin del Binomial en el que, en lugar de tener dos posibles resultados,
tenemos r resultados posibles.
Supongamos que el resultado de una determinada experiencia puede ser r valores distintos: A1, A2, ..., Ar cada uno de ellos con
probabilidad p1, p2, ..., pr, respectivamente.

Si repetimos la experiencia n veces en condiciones independientes, podemos preguntarnos la probabilidad de que el

suceso A1 aparezca k1 veces, el suceso A2, k2 veces y as sucesivamente:

Al modelo estadstico que nos da dicha probabilidad se le denomina Multinomial, y su funcin de densidad viene dada por:

como se ve, el modelo Multinomial queda definido por los parmetros (n, p1, p2, ..., pr). La frmula anterior puede deducirse de forma
anloga al caso Binomial. En realidad, si tomamos r = 2 tenemos exactamente el modelo Binomial.
Se debe destacar que este modelo es un ejemplo de distribucin multivariante, es decir, de distribucin conjunta de varias (r) variables
aleatorias. En efecto, si definimos la variable aleatoria X1 como nmero de veces que se produce el suceso A1 de un total
de n experiencias, y as sucesivamente, tenemos un conjunto de r variables aleatorias discretas cuya funcin de densidad conjunta
(valorada a la vez) viene definida por la anterior frmula. Ntese que si consideramos cada una de estas variables Xi (i = 1, 2, ..., r) por
separado, su distribucin es la Binomial de parmetros n y pi.

Los mejores cursos GRATIS

Participa en el Foro

Ver TODOS los 1350 cursos GRATIS

Distribuciones discretas: Multinomial

La distribucin multinomial es similar a la distribucin binomial, con la diferencia de que en lugar de dos
posibles resultados en cada ensayo, puede haber mltiples resultados:

Ejemplo de distribucin multinomial: a esas elecciones se presentaron 4 partidos polticos: el POPO

obtuvo un 40% de los votos, el JEJE el 30%, el MUMU el 20% y el LALA el 10% restante. Cul es la
probabilidad de que al elegir 5 ciudadanos al azar, 3 hayan votado al POPO, 1 al MUMU y 1 al LALA?

La distribucin multinomial sigue el siguiente modelo:

Donde:
X1 = x1: indica que el suceso X1 aparezca x1 veces (en el ejemplo, que el partido POPO lo hayan votado 3
personas)
n: indica el nmero de veces que se ha repetido el suceso (en el ejemplo, 5 veces)
n!: es factorial de n (en el ejemplo: 5 * 4 * 3 * 2 * 1)
p1: es la probabilidad del suceso X1 (en el ejemplo, el 40%)

Veamos el ejemplo:

Luego:
P = 0,0256

Es decir, que la probabilidad de que las 5 personas elegidas hayan votado de esta manera es tan slo del
2,56%

Nota: 0! es igual a 1, y cualquier nmero elevado a 0 es tambin igual a 1

Veamos otro ejemplo:

En una fiesta, el 20% de los asistentes son espaoles, el 30% franceses, el 40% italiano y el 10%
portugueses. En un pequeo grupo se han reunido 4 invitados: cual es la probabilidad de que 2 sean
espaoles y 2 italianos?

Aplicamos el modelo:

Luego
P = 0,0384

Por lo tanto, la probabilidad de que el grupo est formado por personas de estos pases es tan slo del
3,84%.