FASE 5 - DESARROLLAR LA EVALUACIÓN FINAL PRUEBA OBJETIVA

ABIERTA

DIEGO JAVIER FANDIÑO RINCON

Nº DE GRUPO:
300046_138

Dieger1823@gmail.com

TUTOR:
LUIS ALBERTO CÁCERES TORRES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESTADÍSTICA DESCRIPTIVA
ZOOTECNIA
CEAD TUNJA
2019
 INTRODUCCIÓN

La estadística descriptiva con lleva a varias relaciones estadísticas, en el cual este

trabajo se realiza la solución de una serie de preguntas suministrada por el tutor al
estudiante en donde se definen algunos términos como: variable continua, una
discreta y una cualitativas es decir un análisis de variables estadísticas, Variables
aleatorias, probabilidades y los modelos probabilísticos. Y entre los anteriores
pronunciados podemos encontrar la diferenciación de la tabla de frecuencias tanto
discretas como continuas, distribuciones como la de poisson, distribución binomial
y distribución normal y se realiza la solución de unas preguntas de cada tema.
 OBJETIVOS

General: realizar un reconocimiento de términos estadísticos con la solución de las

preguntas orientadoras suministradas por el tutor.

Específicos: apropiación de términos y análisis de variables estadísticas para

obtener mejores bases sobre la estadística descriptiva.
 Poner en práctica las competencias desarrolladas en cada unidad temática
del curso para el desarrollo de este trabajo.
 Reconocer los diferentes modelos probabilísticos y saber en qué situaciones
se usa.
 DESARROLLO DEL TRABAJO

TRABAJO INDIVIDUAL
En el trabajo individual, cada estudiante deberá realizar un consolidado, definiendo
los siguientes términos:
Análisis de variables estadísticas:
 Vector de datos:
Los vectores son estructuras de datos similares a los arreglos, pero
más desarrollados, ya que entre otras cosas, crecen y decrecen
dinámicamente, según se necesite, la estructura de datos vector
representa un conjunto de objetos.
 Matriz de datos:
La matriz de análisis de datos constituye una herramienta de gran
utilidad para sacar partido de nuestros datos, ya sea con el fin de
realizar operaciones estadísticas o para someterlos al tratamiento
necesario, en función de nuestros objetivos.
 Variable cuantitativa continua:
Aquella variable que utiliza valores finitos y objetivos. Suele
caracterizarse por utilizar valores decimales. Por ejemplo: El peso de
una persona (por ejemplo 64.3 Kg, 72.3 Kg, etc)
 Variable cuantitativa discreta.
Aquella variable que usa valores enteros y no finitos. Por ejemplo: La
cantidad de familiares que tiene una persona (por ejemplo 2, 3, 4 ó
más)
 Variable cualitativa nominal.
Son aquellas variables que no siguen ningún orden en específico. Por
ejemplo: Colores (Negro, Naranja, Amarillo).
 Variable cualitativa categórica:
Variable que puede tomar uno de un número limitado, y por lo general
fijo, de posibles valores, asignando a cada unidad individual u otro tipo
observación a un grupo en particular o categoría nominal sobre la base
de alguna característica cualitativa.
 Qué es una tabla de frecuencias
También se le llama distribución de frecuencias a la agrupación de
datos en categorías mutuamente excluyentes que indican el número
de observaciones en cada categoría. Esto proporciona un valor
añadido a la agrupación de datos.
 ¿Cómo es la tabla de frecuencias de una variable continua, una
discreta y de una cualitativa? ¿cuál tiene intervalos?
La tabla de frecuencias de variable continua se caracteriza por
intervalos.
La tabla de frecuencias de variable discreta se caracteriza por
números enteros.
 Defina Histograma, en qué variables se usa:
Histograma es una representación gráfica de una variable en forma de
barras, donde la superficie de cada barra es proporcional a la
frecuencia de los valores representados.
Un histograma es una gráfica adecuada para representar variables
continuas, aunque también se puede usar para variables discretas. Es
decir, mediante un histograma se puede mostrar gráficamente la
distribución de una variable cuantitativa o numérica.
 Defina Gráfico de barras, en qué variables se usa.
Un gráfico de barras es una forma de resumir un conjunto de datos
por categorías. Muestra los datos usando varias barras de la misma
anchura, cada una de las cuales representa una categoría concreta,
se utiliza para representar datos de variables cualitativas o discretas.
Está formado por barras rectangulares cuya altura es proporcional a
la frecuencia de cada uno de los valores de la variable
 Defina Media muestral. Mostrar la fórmula de cálculo.
La media muestral, que es un estadístico que se calcula a partir de la
media aritmética de un conjunto de valores de una variable aleatoria.
La media poblacional, valor esperado o esperanza matemática de una
variable aleatoria.
  Defina Varianza muestral. Registrar fórmulas de cálculo.
En teoría de probabilidad, la varianza o variancia de una variable
aleatoria es una medida de dispersión definida como la esperanza del
cuadrado de la desviación de dicha variable respecto a su media.

 Defina desviación estándar.

Es un índice numérico de la dispersión de un conjunto de datos (o
población). Mientras mayor es la desviación estándar, mayor es la
dispersión de la población. La desviación estándar es un promedio de
las desviaciones individuales de cada observación con respecto a la
media de una distribución.
 Defina Mediana.
En el ámbito de la estadística, la mediana representa el valor de la
variable de posición central en un conjunto de datos ordenados.
 Defina Moda.
la moda es el valor con mayor frecuencia en una de las distribuciones
de datos. Esto va en forma de una columna cuando encontremos dos
modas, es decir, dos datos que tengan la misma frecuencia absoluta
máxima, en pocas palabras es lo que más se repite.
Variables aleatorias y probabilidades

 Espacio muestral y con qué letra se denota. En la teoría de

probabilidades, el espacio muestral o espacio de muestreo consiste
en el conjunto de todos los posibles resultados de un experimento
aleatorio, junto con una estructura sobre el mismo, la letra griega
omega: Ω.
 Punto muestral
(ω ). Es un elemento de Ω , es decir un resultado particular del
experimento.
 Evento aleatorio. En la teoría de la probabilidad, un evento aleatorio o
fuente de sucesos aleatorio es un subconjunto de un espacio
muestral, es decir, un conjunto de posibles resultados que se pueden
dar en un experimento aleatorio.
 En el caso de distribuciones de variables aleatorias, ¿cuándo una
variable es continua y simétrica? ¿Qué modelo se usa? los modelos
para variable aleatoria discreta, que se definen a partir del modelo
Bernoulli. Se la emplea como modelo de duración aleatoria
  Para una variable de conteo no acotado, ¿Qué modelo se utiliza?
Se ajusta a un modelo lineal generalizado (MLG) Poisson con la
variable de conteo no acotado
 Para variables de proporciones, ¿Qué modelo se utiliza?
Los resultados muestran que la mejor opción estadística para el
análisis de proporciones continuas es el modelo de regresión beta,
 ¿Qué variables tienen función de probabilidad y que variables tienen
función de densidad?

En la teoría de la probabilidad, la función de densidad de probabilidad,

función de densidad, o, simplemente, densidad de una variable
aleatoria continua describe la probabilidad relativa según la cual dicha
variable aleatoria tomará determinado valor.
La probabilidad de que la variable aleatoria caiga en una región
específica del espacio de posibilidades estará dada por la integral de
la densidad de esta variable entre uno y otro límite de dicha región.
 ¿Cuáles son los parámetros más usados en estadística para estudiar
y utilizar funciones de distribución de variables aleatorias?
 un parámetro de una población es una medida que resume o
describe el comportamiento general de dicha población.
 Parámetros de centralización. Son las medidas que informan acerca
de la mayor o menor agrupación o concentración de los datos entorno
a la media: media, moda y mediana.
 Parámetros de dispersión.
 ¿Qué es la esperanza matemática de una variable aleatoria y cómo
se denota?
La esperanza matemática de una variable aleatoria X es el número
que expresa el valor medio del fenómeno que representa dicha
variable. La esperanza matemática, también llamada valor esperado,
es igual al sumatorio de las probabilidades de que exista un suceso
aleatorio, multiplicado por el valor del suceso aleatorio.
Modelos probabilísticos
DISTRIBUCIÓN NORMAL
 Qué tipo de histograma se debe seleccionar en un modelo probabilístico para
una variable aleatoria continua cuando se tienen datos de esa variable
la "campana de Gauss". La distribución de una variable normal está
completamente determinada por dos parámetros, su media y su desviación
estándar, denotadas generalmente por y
 Qué es la estandarización, cuál es su fórmula.
La normalización estadística es la transformación de escala de la distribución
de una variable con el objetivo de poder hacer comparaciones respecto a
conjuntos de elementos y a la media mediante la eliminando los efectos de
influencias
DISTRIBUCIÓN BINOMIAL
 Qué tipo de conteos se trabajan con la distribución Binomial
La distribución binomial es una distribución de probabilidad discreta que
cuenta el número de éxitos en una secuencia de n ensayos de Bernoulli
independientes entre sí, con una probabilidad fija p de ocurrencia del éxito
entre los ensayos.
 A qué es igual la esperanza y la varianza en esta distribución.
Varianza. En teoría de probabilidad, la varianza o variancia. De una variable
aleatoria es una medida de dispersión definida como la esperanza del
cuadrado de la desviación de dicha variable respecto a su media. La varianza
tiene como valor mínimo 0.
DISTRIBUCION DE POISSON
 Que tipos de conteos se trabaja con la distribución de Poisson.
esta distribución es una de las más importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelización de
situaciones en las que nos interesa determinar el número de hechos de cierto
tipo que se pueden producir en un intervalo de tiempo o de espacio, bajo
presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de
sus usos frecuentes es la consideración límite de procesos dicotómicos
reiterados un gran número de veces si la probabilidad de obtener un éxito es
muy pequeña.
 Como se denota el único parámetro de esta distribución. Se denota
Me/x=xk
 Responda falso o verdadero: en la distribución de Poisson ¿es igual la
media y la varianza?verdadero
 porque la distribución de Poisson es una distribución de probabilidad
discreta que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado número de eventos durante
cierto período de tiempo.
 CONCLUSIONES
 En el desarrollo de este trabajo se reconoce diferentes términos estadísticos
con la solución de las preguntas suministradas por el tutor y se Pone en
práctica las competencias desarrolladas en la unidad 1 y 2 del curso.

 Se obtiene unos conocimientos más profundos sobre una gran parte del
análisis de variables estadísticas, Variables aleatorias, probabilidades y los
modelos probabilísticos y reconocimiento de las cualidades de las tablas de
frecuencias como las discretas y continúas.
 Se reconoce los diferentes modelos probabilísticos, distribuciones como la
de poisson, distribución binomial y distribución normal y se realiza la solución
de unas preguntas de cada tema y saber en qué situaciones se usa.

 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=32217
75&query=bioestadistica
 Arribas, M. J. M., Almazán, L. A., & Mañas, R. B. (Eds.). (2012). Historia de la
probabilidad y de la estadística vi. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=86&docI
D=3207420&tm=1519662405330
 Variables aleatorias continuas y su distribución de probabilidad aplicada a las
ciencias agrarias ,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=32217
75&query=bioestadistica
 Mirás M & Rodríguez E. (20181). Técnicas estadísticas con hoja de cálculo y R.
Recuperado de www.investigo.biblioteca.uvigo.es/xmlui/handle/11093/970
 Variables aleatorias discretas y su distribución de probabilidad aplicada a las
ciencias agrarias, 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=32217
75&query=bioestadistica
 Definición de términos, definición de varianza ,tomado de
intranetua.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/Estadis
tica/varianza/varianza.html