Estadística Descriptiva (Para Agrarias)

Estudiante:
Eder Eduardo Ortiz Munive

Tutor:
Diego Alberto Deaza

Universidad Nacional Abierta Y A Distancia – Unad

Escuela De Ciencias Agricolas, Pecuarias Y Del Medio Ambiente
Abril de 2019
 INTRODUCCIÓN

La construcción del siguiente trabajo es entender lo conceptos básicos de probabilidad;

Variables aleatorias continuas y discretas aplicadas a las ciencias agrarias del curso para

utilizarla en el uso y análisis de términos estadísticos. Trabajo utilizando el programa R

para emplearlo en el uso y análisis de términos estadísticos.

OBJETIVOS

 Estudiar la definición de algunos términos estadísticos

 Comprender las variables aleatorias continuas y discretas aplicadas a las

ciencias agrarias.

 Analizar las Distribuciones de probabilidad aplicadas a las ciencias agrarias

DESARROLLO DEL TRABAJO

El estudiante con base en la lectura y análisis de los contenidos de la unidad 2,

Realizara un trabajo individual de acuerdo a las preguntas orientadoras del foro
de la fase 3 y apoyado en la bibliografía requerida

Tema variables aleatorias y probabilidades

 Espacio muestral y con qué letra se denota.
Conjunto de resultados posibles y es denotado con la letra griega omega (Ω)

 Punto muestral.
A cada uno de los posibles resultados de un estudio aleatorio, a cada elemento de (Ω)

 Evento muestral.
Cualquier subconjunto de elementos (Ω)

 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.
  Defina Variable aleatoria
Función que asocia a cada elemento del espacio muestral (Ω) un número real y luego a
cada uno de estos valores le asigna probabilidades de ocurrencia

 ¿Qué significa que el espacio muestral de una variable aleatoria continua es

no contable?, 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.
Dicretas: es siempre contable, teóricamente enumeradas, número de nematodos por
hectárea registrado a partir de una muestra aleatoria de hectáreas en producción de
papas. Podría no tener un valor límite.
 variables aleatorias discretas de conteo no acotado: número de pústulas de roya por
m² 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, cuántos puntos muestrales tiene.
conceptos de probabilidad el clásico:
Si A es un subconjunto de puntos muestrales de (Ω), entonces la probabilidad de
ocurrencia del evento A, denotada por P(A) es
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃(𝐴) =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙

 ¿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 es una frecuencia
relativa y se dice que se “aproxima” a una probabilidad
 ¿Que son eventos mutuamente excluyentes?, se dice que dos eventos son
mutuamente excluyentes si cad uno está formado por puntos muestrales
distintos
como 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)?
probabilidad de unión de esos eventos
 En el caso de distribuciones de variables aleatorias cuando una variable es
continua y simétrica que modelo se usa. Modelo normal
 Para una variable de conteo no acotado que modelo se utiliza? Modelo de
Poisson
 Para variables de proporciones que modelo se utiliza? Probalístico binominal
 Que variables tienen función de probabilidad es aquella que designa una
probabilidad de ocurrencia a cada valor de la variable
y que variables tienen función de densidad permite asignar probabilidades a
eventos definidos en términos de intervalos
 Cuáles son los parámetros más usados en estadística para estudiar y utilizar
funciones de distribución de variables aleatorias. El valor esperado y la
varianza
  Que es la esperanza matemática de una variable aleatoria, como se denota?
Denotada por E () o la letra griega Mu (µ), desde el punto de vista intuitivo, un
promedio de los valores asumidos por la variable donde cada valor es ponderado
por su probabilidad de ocurrencia. Proporciona información parcial acerca de la
función de probabilidad (o densidad) ya que explica dónde está posicionada la
distribución de valores sobre la recta real
 Que es la varianza de una variable aleatoria, como se denota letra griega
sigma al cuadrado σ2 , es una medida de dispersión, denominada desvió estándar
(σ) para expresar la dispersión en términos diferencia de cada dato respectivo de
la esperanza
Conceptos capítulo tres modelos probabilísticos
DISTRIBUCION NORMAL
 Qué tipo de histograma se seleccionar un modelo probabilístico para una
variable aleatoria continua cuando se tienen datos de esa variable
histograma de frecuencias relativas
 Que es la estandarización, cuál es su fórmula. Permite llevar cualquier
distribución normal estándar
𝒀−µ
𝒁=
√σ𝟐

DISTRIBUCIÓN BINOMIAL
 Qué tipo de conteos se trabajan con la distribución Binomial, conteos
acotados
 En la distribución binomial que es n y que es P. se supone que se realizan
ciertos 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 , conocido como ensayo Bernoulli
 A que es igual la esperanza y la varianza en esta distribución.
DISTRIBUCION DE POISSON
 Que tipos de conteos se trabaja con la distribución de Poisson. Variables
discretas, los conteos se refiere al número de veces que u evento ocurre en una
unidad de tiempo o espacio, dada ( hora, kilo, planta, 𝑚2 etc.
 En agronomía se usa para que tipo de conteos, les recuerdo los ácaros por
ejemplo se pueden trabajar con esta distribución. La distribución de Poisson

 Como se denota el único parámetro ( λ)

 de esta distribución, a que es igual la media y la varianza.
  Revisando el ejercico de la table 3.1 del libro de Balzarini como se obtiene λ
en este caso a que es igual la media y la varianza.

En este caso es adecuado para no confundirse leer el texto indicado

2. Aplicación de conceptos
EN EL CAPITULO 2 EN EL EJERCICIO APLICACIÓN Y PAGINAS
SIGUIENTES
  Estudie el ejercicio de velocidad del viento de la del texto y explicar por qué
hay un sitio mejor para el objeto del estudio, pueden tomar pantallazos del
gráfico.

 Desarrolle el ejercicio 2.1 del texto de Balzarini y en el caso del punto e

revise la presentación de probabilidad obtener la tabla de frecuencias
relativas f(y) y la tabla de frecuencias relativas acumuladas que es la misma
F(Y), este ejercicio se puede desarrollar en una tabla de Word.

 Desarrolle el ejercicio 2.3 del texto de Balzarini , para el desarrollo de este

punto puede usar Excel y es una variable discreta, la cantidad de días es la
frecuencia absoluta, hay que sacar f(y) que es la frecuencia relativa , de las
frecuencias relativas salen las probabilidades de cada valor de la variable
número de tractores vendidos, en el caso de tres o más se suma la de tres y
la de cuatro pues no hay más .


TRABAJO CON VARIABLES DE CIENCIAS AGRARIAS
  El estudiante debe revisar la presentación PROBABILIDAD EN R
 El estudiante debe descargar en su carpeta de trabajo el archivo Excel
PROBABILIDAD.csv y el código CODIGOPROBABILIDAD, debe verificar
lectura de la carpeta y correr el respectivo código.

En este caso el código explica como seleccionar las variables y el programa las lee
del archivo PROBABILIDAD Cada estudiante debe correr el modelo para una
variable discreta y una continua dando conclusiones de lo encontrado acorde a su
profesión. ¿cuál es conteo de más alta probabilidad? En el caso de la variable
continua el 50% de los datos de su variables serán menores ó iguales a que avalor?

3. En este punto se pretende que el estudiante aprenda a aplicar modelos

probabilísticos debe revisar en el capítulo tres modelos probabilísticos, en este los
ejercicios
CONCLUSIONES

REFERENCIAS BIBLIOGRÁFICAS

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