Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 1
Fase N°:2
Código: 1077085779
Codigo: 1070011323
Grupo: 300046_12
Programa (Zootecnia)
CEAD - Zipaquirá
Gachancipá
2020
EXPERIMENTO ALEATORIO LANZAR DOS DADOS - PERIODO 764
3
2
1
0
2 3 4 5 6 7 8 9 10 11 12
PERIODO 764 - 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
PERIODO 764 - Gráfico de barras SUMA DE CARAS
6
5
4
Frecuencias absolutas
3
2
1
0
2 3 4 5 6 7 8 9 10 11 12
PERIODO 764 - 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
PERIODO 764 - 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
>
> # Hay 36 posibles resultados, que da de combinar cada número con los demás
> # Iniciamos con el número 1 en el primer dado y lo vamos combinando con las seis posibles
opciones del segundo dado (1,2,3,4,5,6)
> # Hacemos lo mismo con el número 2 del primer dado y las seis combinaciones que puede haber
con el segundo y así sucesivamente,
> # hasta obtener una matriz de ESPACIO MUESTRAL como se presenta a continuación:
>
> # VEMOS QUE HAY 36 RESULTADOS POSIBLES, POR TANTO ESTE ES EL ESPACIO MUESTRAL
> # Los eventos son subconjuntos del espacio muestral (los 36 posibles resultados del dado)
> # Por ejemplo, un evento puede ser que en ambos dados salgan números pares (2,2 4,4 6,6)
> # Otro evento puede ser sacar dos números iguales, en donde se tendrían los siguientes posibles
resultados:
> # En este caso habrían 6 resultados de éxito de los 36 posibles del espacio muestral.
> # La probabilidad por tanto de obtener dos números iguales sería: 6/36 = 0.166 O 16,6% en
términos porcentuales
>
> # Es otra forma de presentar los 36 posibles eventos del espacio muestral, en donde se suman
los valores obtenidos en cada dado:
>
>
>
> PROCESAMIENTO EN R
Error: unexpected symbol in " PROCESAMIENTO EN"
>
> # Creamos el vector con los datos sumando los valores de cada dado, como se indicó
anteriormente
> # EJEMPLO:
> # (1,1),(1,2),(1,3),(1,4),(1,5),(1,6)
> # Sumando quedará: 2, 3, 4, 5, 6, 7 y así sucesivamente hasta llegar al último evento (6,6):
>
> SUMADADOS=c(2, 3, 4, 5, 6, 7,
+ 3, 4, 5, 6, 7, 8,
+ 4, 5, 6, 7, 8, 9,
+ 5, 6, 7, 8, 9, 10,
+ 6, 7, 8, 9, 10, 11,
>
>
>
SUMADADOS
2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
> fabs
SUMADADOS
2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
2 3 4 5 6 7 8 9 10 11 12
1 3 6 10 15 21 26 30 33 35 36
SUMADADOS
2 3 4 5 6 7 8
9 10 11 12
> # Podemos decir entonces que la probabilidad que la suma de las dos caras sea igual a 2 es del
0.027 o 2.7% en términos porcentuales.
>
> frelacum
2 3 4 5 6 7 8
9 10 11 12
> # En este caso, la probabilidad de obtener un valor mayor o igual a 2 pero menor de 4 es de
0.083 o 8.3%
> # es lo mismo que sumar la probabilidad de obtener un valor de 2 (0.027) y de 3 (0.055) = 0.083
>
>
>
Warning messages:
>
>
>
>
PERIODO 764 - Producción de leche Función de Distribución N (misma varianza, distinta media
0.12
0.10
0.08
F(x)
0.06
0.04
0.02
0.00
10 15 20 25 30 35 40
PERIODO 764 - Producción de leche Función de Distribución N (misma varianza, distinta media
0.12
0.10
0.08
F(x)
0.06
0.04
0.02
0.00
10 15 20 25 30 35 40
0.4
0.3
F(x)
0.2
0.1
0.0
10 15 20 25 30 35 40
0.02
0.01
0.00
20 40 60 80 100
Rendimiento (qq/Ha)
PERIODO 764 - Rendimiento de maíz Distribución Normal con área bajo la curva
0.05
0.04
0.03
F(x)
0.02
0.01
0.00
20 40 60 80 100
Rendimiento (qq/Ha)
PERIODO 764 - Rendimiento de maíz Distribución Normal con área bajo la curva
0.05
0.04
0.03
F(x)
0.02
0.01
0.00
20 40 60 80 100
Rendimiento (qq/Ha)
PERIODO 764 - Distribución Binomial - Germinación de semillas
(n=10,p=0.25)
0.25
0.20
Probabilidad del evento
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10
>
> # EJERCIO DE LAS VACAS DEL TAMBO, Libro Estadística y Biometría de Mónica Balzarini,
CAPITULO 3 - MODELOS PROBABILÍSTICOS - Distribución normal, página 91
> # La producción de leche diaria de las vacas de un tambo se distribuye como el modelo normal,
con esperanza 25 litros (que es la misma media) y varianza de 9 litros al cuadrado:
> MEDIA=25
> VARIANZA=9
> # A las vacas se les da una nueva ración que aumenta su producción en 5 litros, pero no cambia
la varianza, ya que son los mismos animales:
> MEDIA2=30
> SIGMA=sqrt(VARIANZA)
> dnorm(x,MEDIA,SIGMA)
[1] 5.140930e-04 8.836587e-04 1.477283e-03 2.402033e-03 3.798662e-03
[51] 4.955732e-07
>
> # POR FAVOR NO LO CIERRE, ya que sobre este mismo aparecerá el siguiente gráfico (continúe
ejecutando el código)
> # Cuando aparezca el gráfico, seleccione nuevamente el código de ejecución (Editor R) ubicando
el cursor en el MARCO AZUL, donde aparece el nombre del código
>
> curve(dnorm(x,MEDIA,SIGMA),xlim=c(10,40),col="blue",lwd=2,
> # Este gráfico (de color rojo) le debe aparecer junto con el anterior gráfico de color azul, en la
misma gráfica:
>
>
> # se puede observar que cambia la ubicación de la media (esperanza), pero la forma de ambas
gráficas es la misma porque no cambió la varianza
>
> # Ahora se realiza el mismo procedimiento pero en este caso no cambia la media (esperanza)
sino las varianzas:
>
> MEDIA=25
> VARIANZA=9
> VARIANZA1=2
> SIGMA=sqrt(VARIANZA)
> SIGMA1=sqrt(VARIANZA1)
> x=seq(15,40,by=0.5)
> dnorm(x,MEDIA,SIGMA)
[51] 4.955732e-07
>
> # POR FAVOR NO LO CIERRE, ya que sobre este mismo aparecerá el siguiente gráfico (continúe
ejecutando el código)
>
> curve(dnorm(x,MEDIA,SIGMA),xlim=c(10,40),ylim=c(0,0.4),col="blue",lwd=2,
>
> # EJERCICIO DE HIBRIDO MAIZ, Libro Estadística y Biometría de Mónica Balzarini, CAPITULO 3 -
MODELOS PROBABILÍSTICOS - Distribución normal, página 93
>
> # Si Y es el rendimiento de un híbrido de maíz que puede modelarse con una distribución
normal, con media de 60 qq/Ha y varianza de 49 qq/Ha:
> media= 60
> varianza= 49
> sigma=sqrt(varianza)
> sigma
[1] 7
> dnorm(X,media,sigma)
[101] 9.684491e-05
>
>
> curve(dnorm(x,media,sigma),xlim=c(20,100),col="blue",lwd=2,
>
> # Especificamos el valor del que queremos saber su probabilidad, en este caso, 50:
> valor=50
> pnorm(valor,media,sigma)
[1] 0.07656373
>
> # Quiere decir que la probabilidad de que el rendimiento esté por debajo de 50 qq/Ha es de
0.0765 o del 7.65 por ciento
>
> valor=50
> # Para hallar la probabilidad de un valor mayor que 50, se resta 1 menos la probabilidad de hallar
un valor igual o menor:
>
> 1-pnorm(valor,media,sigma)
[1] 0.9234363
> # En este caso, la probabilidad de que el rendimiento esté por encima de 50 qq/Ha, es de 0.923 o
92.3 por ciento.
>
>
> # Probabilidad que un dato de rendimiento tomado al azar esté comprendido en el intervalo de
50 a 65 qq/Ha:
> valor1=50
> valor2=65
> VALOR1=pnorm(valor1,media,sigma)
> VALOR1
[1] 0.07656373
> VALOR2=pnorm(valor2,media,sigma)
> VALOR2
[1] 0.7624747
>
> VALOR2-VALOR1
[1] 0.685911
>
> # Se resta la probabilidad de que el rendimiento esté por debajo de 65 qq/Ha (p=0.762), menos
la probabilidad de que esté por debajo de 50 qq/Ha (0.0765)
>
>
>
> xP <- c(valor1,regionX,valor2) # Base de los polígonos que crean el efecto "sombra"
> # Cuando le abra la gráfica no la cierre y vuelva al Editor R, seleccionando el marco azul del
cuadro, donde aparece el nombre del código
> curve(dnorm(x,media,sigma),xlim=c(20,100),col="blue",lwd=2,
>
> # Ejercicio de la semilla de Panicum, Libro Estadística y Biometría de Mónica Balzarini, CAPITULO
3 - MODELOS PROBABILÍSTICOS - Distribución binomial, página 101:
>
> # Supóngase que se toman 10 semillas de Panicum sp y se registra el evento "Germinó"o "No
germinó",después de 5 días desde su implantación:
> n= 10 # Número total de ensayos realizados, en este caso son 10, que fueron el número de
semillas evaluadas
> p= 0.25 # La probabilidad de germinación de las semillas fue del 25 por ciento
>
> dbinom(k,n,p) # PROBABILIDAD DE UN VALOR IGUAL P(X=7), "que germinen siete semillas"
[1] 0.003089905
>
> # En este caso, se interpreta como la probabilidad de que germinen tres o más semillas
> # Es equivalente a la probabilidad que germinen 3 semillas, más la probabilidad que germinen 4,
más la prob. que germinen 5; y así sucesivamente hasta 10.
> # Otra forma de calcularlo es a la inversa, calculando la probabilidad que germinen menos de 3 y
restándole a la probabilidad total:
>
> k1=2 # Hay que calcular la probabilidad de un valor que sea una unidad menor que el que
queremos hallar
>
[1] 0.5255928
>
> #Para conocer la probabilidad que germinen 3 o más semillas se resta 1 menos el anterior
resultado:
> 1-pbinom(k1,n,p) # La probabilidad de que germinen 3 o más semillas es de 0.4744 o del 47.44
por ciento
[1] 0.4744072
>
> k2=5
> pbinom(k2,n,p) # La probabilidad de que germinen a lo sumo 5 semillas, es de 0.98 o del 98 por
ciento
[1] 0.9802723
>
> E=n*p
>E
[1] 2.5
>
> V=n*p*(1-p)
>V
[1] 1.875
> # La varianza es de 1.875
>
>
> #este gráfico muestra la probabilidad de ocurrencia de cada uno de los 11 eventos posibles, es
decir que germinen 0 semillas, 1.., hasta 10.
> # En este caso, cuando p es menor que 0.5, la distribución se encuentra sesgada positivamente
hacia la izquierda
>
>
>
> # EJERCICIO DE LAS PICADURAS DE GORGOJO, Libro Estadística y Biometría de Mónica Balzarini,
CAPITULO 3 - MODELOS PROBABILÍSTICOS - Distribución Poisson, página 105:
> # Supongamos que el número promedio de picaduras de gorgojo por semilla es 0.2 (es decir, que
cada 100 semillas 20 tienen picaduras).
> dpois(x1,lamda) # La probabilidad de que en 100 semillas una tenga 1 picadura es de 0.1637 o
de 16.37 por ciento
[1] 0.1637462
>
> ## DOS PICADURAS O MAS TOCA A UNO QUITARLE LAS PROBABILIDADES DE CERO MAS LA DE
UNO
> x0=0 # El valor de conteo que se quiere calcular la probabilidad, en este caso que ninguna
semilla tenga picaduras
> x2=1
> dpois(x0,lamda) # La probabilidad de que ninguna semilla tenga picaduras es de 0.8187 o del
81.87 por ciento
[1] 0.8187308
[1] 0.0175231
> # La probabilidad de que 2 de las 100 semillas tengan picaduras es de 0.0175 o del 1.8 por ciento
>
>
>