CONCEPTOS DE PROBABILIDAD

CONCEPTOS DE PROBABILIDAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

OMAR GARCIA

YEIMY TATIANA MORALES

GRUPO: 201620_54

ESCUELA DE CIENCIAS AGRICOLAS, PECUARIAS Y DEL MEDIO AMBIENTE

AGRONOMIA

ESTADISTICA DESCRIPTIVA

2020
CONCEPTOS DE PROBABILIDAD 2

INTRODUCCION

De acuedo al estudio de la estadistica entre sus objetivo implica conocer de manera

cuantitativa determinada parte de la relidad, por esto se hace necesario contruir un modelo

particular de objeto de estudio; en este sentido la probabilidad se caracteriza en la forma

mediable de diferentes valores donde se asigna a cada posible resultado de un experimento

aleatoriodeterminada probabilida.

Las distribuciones de probabilidad estan relacionadas con la districucion de frecuencias,

debido a que las destribuciones tratan sobre expectativas de algo que suceda, resutan ser

modelos utiles para hacer diferencias y tomar desiciones de incertidumbre una distrubucion.

A continuacion se presentan ejemplos de codigo “CODIGODADOS” con el programa R.

Teorias sobre todo lo relacionado con muestral, variables. Codigo “ MODELOS” con el

programa R y ejercicios.
CONCEPTOS DE PROBABILIDAD 3

a. PROBABILIDAD

1. Descargar el código “CODIGODADOS.txt” y ejecutarlo en el programa R. Explique

en sus propias palabras el experimento aleatorio del dado. El estudiante debe entender
que, aunque no es un experimento agropecuario nos ayuda a entender los conceptos
planteados.

El experimento que se realiza es el de lanzar dos dados no cargados y anotar los

resultados que arrojan los dos dados, de los cual se deduce que existen 36 posibles resultados;

el espacio muestral comienza con el valor mínimo 2 que nace de la suma del uno con uno, y

el máximo que nace de la suma de 6 y 6. Siendo dos de los puntos muéstrales de los 36 del

espacio muestral, se definen unos eventos como de sacar números iguales, sacar números

impares, se grafican.

TABLA DE FRECUENCIA ABSOLUTA

Esta imagen nos muestra la tabla de frecuencias absolutas desarrollada en el programa

R, la cual se resalta en color azul, donde la primera fila nos muestra los eventos y en la
segunda fila nos muestra las repeticiones de ese evento.

El evento 2 ocurre 1 vez, este se da cuando el dado cae en 1-1.

CONCEPTOS DE PROBABILIDAD 4

El evento 3 ocurre 2 veces, este se da cuando el dado cae en 1-2, 2-1.

El evento 4 ocurre 3 veces, este se da cuando el dado cae en 1-3, 2-2, 3-1.

El evento 5 ocurre 4 veces, este se da cuando el dado cae en 1-4, 2-3, 3-2, 4-1.

Gráfico de barras SUMA DE CARAS

6
5
Frecuencias absolutas

4
3
2
1
0

2 3 4 5 6 7 8 9 10 11 12

De igual modo en este grafico de barras vemos las frecuencias absolutas, Podemos ver
que el evento 7 es el que más se repite con 6 veces este se da cuando los dados caen en 1-6,
2-5, 3-4, 4-3, 5-2, 6-1.

El evento 2 y el evento 12 es el que menos se repite, en el evento dos se repite una

sola vez cuando el dado cae en 1-1, y el evento 12 se repite igualmente una vez cuando el
dado cae en 6-6.
CONCEPTOS DE PROBABILIDAD 5

FRECUENCIAS ABSOLUTAS ACUMULADAS

En esta tabla se observa la frecuencia absoluta acumulada la cual es la sumatoria.

En cuanto a la probabilidad podemos deducir que:
En el evento 2 la probabilidad es que ocurra 1 de cada 36 veces (1-1)
En el evento 3 la probabilidad es que ocurra 2 de cada 36 veces (1-2, 2-1)
En el evento 4 la probabilidad es que ocurra 3 de cada 36 veces (1-3, 2-2, 3-1)
En el evento 5 la probabilidad es que ocurra 4 de cada 36 veces (1-4, 2-3, 3-2, 4-1)
En el evento 6 la probabilidad es que ocurra 5 de cada 36 veces (1-5, 2-4, 3-3, 4-2, 5-
1)
En el evento 7 la probabilidad es que ocurra 6 de cada 36 veces (1-6, 2-5, 3-4, 4-6, 5-
2, 6-1)
En el evento 8 la probabilidad es que ocurra 5 de cada 36 veces (2-6, 3-5, 4-4, 5-3, 6-
2)
En el evento 9 la probabilidad es que ocurra 4 de cada 36 veces (3-6, 4-5, 5-4, 6-3)
En el evento 10 la probabilidad puede ocurrir 3 de cada 36 veces (4-6, 5-5, 6-4)
En el evento 11 la probabilidad puede ocurrir 2 de cada 36 veces (5-6, 6-5)
En el evento 12 la probabilidad puede ocurrir 1 de cada 36 veces (6-6)
CONCEPTOS DE PROBABILIDAD 6

FRECUENCIAS RELATIVAS

FRECUENCIAS RELATIVAS SUMA DE CARAS

0.20
0.15
Frecuencias relativas

0.10
0.05
0.00

2 3 4 5 6 7 8 9 10 11 12

Tanto en la primera imagen que es una tabla y en la segunda que es un gráfico

representan la frecuencia relativa la cual se calcula dividiendo la probabilidad del evento 2
que en este caso es (1) en 36 que es el total de repeticiones dando como resultado
0.02777778. se continua esta operación con cada uno de los eventos.
Por otra parte, podemos ver según el grafico que la frecuencia más alta es el evento 7
con 0.16 o 16%, igualmente las frecuencias más bajas son las de los eventos 2 y 12.
La probabilidad que se dé el evento 3 es de 0.055 o 5.5%
La probabilidad que se dé el evento 12 es de 0.027 o 2.7%
CONCEPTOS DE PROBABILIDAD 7

FRECUENCIAS RELATIVAS ACUMULADAS

FRECUENCIAS RELATIVAS ACUMULADAS SUMA DE CARAS

1.0
0.8
Frecuencias relativas

0.6
0.4
0.2
0.0

2 3 4 5 6 7 8 9 10 11 12

Se leen los datos observados en función de densidad, esta permite asignar

probabilidades a eventos definidos en términos de intervalos, es decir la probabilidad de una
variable asuma un valor mayor a (tanto) o menor a (Tanto), pero no exactamente igual a un
valor determinado.
El grafico se interpreta de la siguiente manera: la probabilidad de tener un valor ≥ 3
pero < a 5 es de 0.16 o 16%
La probabilidad de tener un valor ≤ 6 es de 1.00 o 100%
CONCEPTOS DE PROBABILIDAD 8

2. Explique con sus propias palabras los siguientes términos:

a. Espacio muestral y con qué letra se denota: Es el conjunto de todos los resultados
posibles de un experimento estadístico se llama espacio muestral y se representa con el
símbolo (Ω).

b. Punto muestral: Es un elemento del espacio muestral (Ω); es decir un resultado

particular del experimento.

c. Evento muestral: Es un subconjunto del espacio muestral Ω

d. Variable aleatoria: es una función que asocia a cada elemento del espacio muestral Ω un
número real y luego a cada uno de estos valores le asignaremos probabilidades de
ocurrencia.

e. ¿Qué significa que el espacio muestral de una variable aleatoria continua es no contable?
Una variable continua es no contable, ya que entre dos valores de la variable puede

existir un número de valores infinitos de las variables. Un ejemplo es tiempo que demora un

viaje, el peso de una fruta

f. ¿Qué son variables aleatorias discretas proporcionales y que son variables aleatorias
discretas de conteo no acotado? De ejemplos este tipo de variables
Las proporciones que provienen de conteos que no pueden superar el número de

elementos evaluados. Ejemplos: número de semillas germinadas en un experimento en el

laboratorio y número de plantas que producen en una hectárea.

Los conteos no acotados o sin denominador natural. Ejemplos: número de frutas

recogidas en arboles de cítricos.

g. 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 muéstrales tiene.
CONCEPTOS DE PROBABILIDAD 9

La probabilidad clásica: cuando el experimento aleatorio tiene n resultados y cada

1
uno de ellos con igual probabilidad de ocurrencia. p ( x ) = , un ejemplo es el de lanzar una
n

1
moneda al aire; se tiene la misma probabilidad de sacar cara o sello que es de
2

Probabilidad frecuencial: si A es un evento y n A es el número de veces que A ocurre

en N repeticiones independientes de un experimento, la probabilidad de A, se denota por

P( A).

Se analiza si una semilla germina o no que es el experimento aleatorio, se propone el

evento A “encontrar la semilla germinada” el experimento tiene 1000 puntos muéstrales de

los cuales 600 son del evento A; es decir,

600
P ( A )= =0,6
1000

h. ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de probabilidad?

Si bien la analogía es fundamental, 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 hablaremos de frecuencia relativa y diremos que ésta “aproxima” una

probabilidad.

i. ¿Que son eventos mutuamente excluyentes?, como es la intersección de dos eventos

mutuamente excluyentes, si son excluyentes, dado un evento A y uno B, ¿a qué es igual la
P( A ∪ B)?
Se dice que dos eventos son mutuamente excluyentes si cada uno está formado por

puntos muéstrales distintos, es decir no existe ningún punto muestral en la intersección.

P ( A ∩ B )=∅, es decir la probabilidad es cero.

La probabilidad P ( A ∪ B ) =P ( A )+ P( B); pero si la intersección no es vacía, la unión

es igual a P ( A ∪ B ) =P ( A )+ P ( B )−P( A ∩ B).

CONCEPTOS DE PROBABILIDAD 10

j. En el caso de distribuciones de variables aleatorias cuando una variable es continua y

simétrica que modelo se usa.
Se usa el modelo Normal.

k. ¿Para una variable de conteo no acotado que modelo se utiliza?

El modelo que se utiliza es de Poisson

l. ¿Para variables de proporciones que modelo se utiliza?

El modelo que se utiliza es el probabilístico Binomial

m. ¿Qué variables tienen función de probabilidad y que variables tienen función de

densidad?
La función de probabilidad tiene una variable aleatoria discreta y la función de

densidad una variable aleatoria continua.

n. ¿Cuáles son los parámetros más usados en estadística para estudiar y utilizar funciones de
distribución de variables aleatorias?
El valor esperado y la varianza son los parámetros más usados en estadística para

estudiar y utilizar funciones de distribución de variables aleatorias.

El valor esperado, formaliza la idea de valor medio de un fenómeno aleatorio.

La varianza formaliza la idea de incertidumbre y su recíproco 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.

o. ¿Qué es la esperanza matemática de una variable aleatoria, como se denota?

La esperanza matemática de una variable aleatoria, usualmente denotada por E(.) o la

letra griega Mu (μ) es, desde un punto de vista intuitivo, un promedio de los valores asumidos

por la variable, donde cada valor es ponderado por su probabilidad de ocurrencia.

p. ¿Qué es la varianza de una variable aleatoria, como se denota?

La varianza de una variable aleatoria, denotada por Var (.) o la letra griega Sigma al

cuadrado (σ 2 ), es una medida de dispersión. Su raíz cuadrada, denominada desvío estándar (

σ ) es usada para expresar la dispersión en término de diferencias (o desvíos) de cada dato

respecto a la esperanza.
CONCEPTOS DE PROBABILIDAD 11

B. DISTRIBUCIÓN

1. 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).

a. Ejercicio de las vacas del tambo.

Función de Distribución N(MEDIA.MEDIA2 EN ROJO,MISMA VARIANZA)
0.12
0.10
0.08
F(x)

0.06
0.04
0.02
0.00

10 15 20 25 30 35 40

Función de Distribución N(MEDIA.MEDIA2 EN ROJO,MISMA VARIANZA)

0.12
0.10
0.08
F(x)

0.06
0.04
0.02
0.00

10 15 20 25 30 35 40

x
CONCEPTOS DE PROBABILIDAD 12

La primera grafica muestra una distribución normal de las vacas de tambo con los

datos originales con una sola media que es de 25 y una varianza de 9, al cambiar la media de

25 a 30 y deja r la misma varianza la gráfica se traslada 5 unidades a la derecha.

Función de Distribución 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

Función de Distribución 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

Al dejar la media igual y cambiando la varianza la curva representativa cambia de

estar achatada o platicúrtica a ser apuntada o leptocúrtica.

b. Ejercicio del hibrido del maíz.

CONCEPTOS DE PROBABILIDAD 13

Función de Distribución N(media.sigma)

0.05
0.04
0.03
F(x)

0.02
0.01
0.00

20 40 60 80 100

Función de Distribución N(media.sigma)

0.05
0.04
0.03
F(x)

0.02
0.01
0.00

20 40 60 80 100

El área bajo de la curva de la función normal nos indica la probabilidad que existe

encontrar un maíz hibrido entre determinados valores; en este caso se halla la probabilidad de

que se encuentre entre 50 y 65, para el valor mínimo al realizar la diferencia con la media

arroja un valor negativo para z y para el máximo un valor positivo. Entonces para el

rendimiento menor de 50 la probabilidad es de 0,0765 y para un rendimiento mayor a 50 es

de 0,9234. Para hallar la probabilidad entre 50 y 65 se realiza una resta entre las

probabilidades encontradas lo cual arroja una p ( 50< x< 65 )=0,6859

c. Ejercicio de la semilla de panicum sp.

CONCEPTOS DE PROBABILIDAD 14

Del análisis de R se puede concluir:

p ( x=7 )=0.00308

p ( x<3 )=0,5255

p ( x>3 )=0,4745

P ( x ≥ 5 )=0,9802

La esperanza es de 2,5 y la varianza de 1,875

d. Ejercicio de las picaduras de gorgojo

La probabilidad de que ninguna de las semillas tenga picadura es de 0,8187 es decir el

81,87%
CONCEPTOS DE PROBABILIDAD 15

La probabilidad de que tenga una picadura es de 0,1637 es decir el 16,37%

Al sumar las dos nos da un valor de 0,9824 equivalente al 98,24%

Al restar 1 menos 0,9824 arroja 0,0176 que es la probabilidad de que dos de las cien

semillas tengan picaduras.

2. Responder a las siguientes preguntas:

Distribución Normal

1. ¿Qué tipo de histograma se debe seleccionar en un modelo probabilístico para una

variable aleatoria continua cuando se tienen datos de esa variable?
RTA: Histograma simple
2. ¿Qué es la estandarización, cuál es su fórmula?
RTA: Permite llevar cualquier distribución normal a la distribución normal estándar.

La transformación, estandarización, tiene la siguiente forma:

Y −μ
Z=
√ σ2

Distribución Binomial

1. ¿Qué tipo de conteos se trabajan con la distribución Binomial?

Puede usarse para el cálculo de probabilidades de eventos provenientes de conteos

acotados

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

La letra n son el número de experimentos realizados y P es la probabilidad de éxitos

de los experimentos.

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

CONCEPTOS DE PROBABILIDAD 16

n
μ= E ( y )=∑ yf ( y )=nP
y=0

σ 2=V ( y )=nP(1−P)

Distribución de Poisson

1. ¿Qué tipos de conteos se trabaja con la distribución de Poisson?

Los conteos son el número de veces que un evento ocurre en una unidad de tiempo o

espacio dado. Por lo tanto, los valores de las variables no están acotados.

2. En agronomía se usa para qué tipo de conteos (los ácaros, por ejemplo, se pueden
trabajar con esta distribución).
Si porque se puede hallar el promedio de ácaros por día.

En Agronomía, la distribución Poisson suele usarse para modelar el número de

insectos sobre una planta, o 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.

3. ¿Cómo se denota el único parámetro de esta distribución, a que es igual la media y la

varianza?
μ= E ( y )=λ

σ 2=V ( y )=λ
CONCEPTOS DE PROBABILIDAD 17

CONCLUSIONES

Una vez desarrollo el tema sobre probabilidades se puede llegar a la siguiente conclusión:

A través de estas construcciones teóricas, se podrá experimentar sobre aquello que la realidad

no permitía, se usa extensamente en áreas como la estadística la física, la matemática, la

ciencia para lograr conclusiones sobre la probabilidad de sucesos potenciales en sistemas

complejos. Por ello es necesario conocer cada distribución de la probabilidad en casos

específicos, sus usos y forma de aplicarlos.

Así mismo la probabilidad mide la frecuencia con la que se obtiene un resultado al llevar a

cabo un experimento aleatorio, del que se conoce todos los resultados posibles, bajo

condiciones superficialmente estables; en este sentido se recurre a diferentes distribuciones

de probabilidad como werbull, erlang, exponencial, gamma si surge el caso de uso.

CONCEPTOS DE PROBABILIDAD 18

REFERENCIAS

Acceder a la carpeta:
https://drive.google.com/drive/folders/1RcG3-JAA2saXxAwrKMcdhDUkv9jbV8jR?

usp=sharing