Estadística Descriptiva

Unidad 2 - Fase 3 - Distribución y probabilidad

Estudiante
Yeison Avilés Vásquez

Código: 12203360

Luis Alberto Cáceres Torres 

Tutor

Código del curso:

300046_72

Universidad Nacional Abierta y a Distancia UNAD

Escuela de Ciencias Agrícolas, Pecuarias y del Medio Ambiente ECAPMA
Programa Agronomía
Octubre 23/2020
14. Lea el Capítulo 3 – Modelos probabilísticos del libro Estadística y Biometría de Mónica
Balzarini y responda las siguientes preguntas:

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

variable aleatoria continua cuando se tienen datos de esa variable.

Cuando se tienen datos de esa variable, se recomienda utilizar el histograma de frecuencias

relativas donde se le dará un análisis a la forma de este mismo.

b. Qué es la estandarización, cuál es su fórmula.

La estandarización es el proceso de ajustar o adaptar características en un producto, servicio

o procedimiento; con el objetivo de que éstos se asemejen a un tipo, modelo o norma en
común.

Y −μ
La fórmula de la estandarización es: Z=
√ σ2
Dónde: Z: es la variable aleatoria obtenida de la transformación

Y: la variable aleatoria original

 y σ 2 son respectivamente, la esperanza y la varianza de la distribución de Y

c. Qué tipo de conteos se trabajan con la distribución Binomial.

El tipo de conteos que se trabajan con la distribución Binomial, son eventos provenientes
de conteos acotados, siendo el caso que se realicen x número (n) de experimentos aleatorios
y que cada uno de ellos se de registro de uno de los dos resultados posibles, éxito o fracaso,
donde el éxito tiene una cierta probabilidad (P) de ocurrencia, (siendo este ensayo más
conocido como ensayo Bernoulli).

d. En la distribución binomial qué es n y qué es P.

n= Número de experimentos o cantidad de pruebas

p= Probabilidad

e. A qué es igual la esperanza y la varianza en la distribución binomial.

La esperanza es igual a E (Y); la Varianza es igual a V (Y), cuando Y tiene distribución
Binomial es:
n
μ= E (Y )=∑ y f ( y )=nP
y=0

❑2=V ( Y )=nP( 1−P)

f. Mencione ejemplos en su área de estudio donde se podría utilizar la distribución

Binomial.

Ejemplo 1

Como podemos encontrar en (Balzarini Monica et al., 2011) Para ilustrar el uso de la
función presentamos el siguiente ejemplo. 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. En este experimento las semillas están suficientemente aisladas como para
asegurar respuestas independientes. Si la probabilidad de germinación es (para todas las
semillas) igual a 0.25 calculemos:

a) Probabilidad que germinen 7 de las 10 semillas,

b) Probabilidad que germinen al menos 3 de las 10 semillas,

c) Probabilidad que germinen a lo sumo 5 semillas.

d) La esperanza de esta variable aleatoria.

e) La varianza.
Ejemplo 2

Para citar otro ejemplo (Balzarini Monica et al., 2011) (que resolveremos con software),
supongamos que un criadero de semillas afirma que el poder germinativo de las semillas de
un nuevo híbrido es del 98%. Un técnico decide poner a prueba esta afirmación, y para esto
toma 100 semillas del hibrido en forma aleatoria y las coloca en bandejas de germinación lo
suficientemente distanciadas como para pensar que cada semilla germina o no
independientemente de las semillas vecinas. El técnico realiza la prueba siguiendo los
protocolos de ensayos de germinación (cada uno se considera un ensayo Bernouilli) y
encuentra que la cantidad de semillas germinadas es de 94.

 ¿Cuál es la probabilidad de la condición de verdad de la afirmación de la empresa

vendedora? Para el cálculo de la probabilidad es necesario definir los parámetros de la
distribución Binomial, que en este caso son n=100 (considerando que las semillas germinan
independientemente unas de otras) y P= 0,98; luego calcular la P(Y≤94). El cálculo con el
software InfoStat se hace siguiendo las instrucciones dada para otras distribuciones. La
probabilidad de obtener valores de poder germinativo menores o iguales a 94% es muy baja
(P=0,0154), es decir solo el 1,5% de las veces que se realice este experimento se obtendrán
94 semillas germinadas o menos si es cierta la afirmación del vendedor. Por la baja
probabilidad calculada, aquí se podría deducir que la semilla del híbrido tiene el poder
germinativo que indica el vendedor.

g. Qué tipos de conteos se trabajan con la distribución de Poisson.

Como lo dice (Balzarini Monica et al., 2011) los conteos se refieren al número de veces que
un evento ocurre en una unidad de tiempo o espacio dada (hora, kilo, m 2, m3, planta, etc.) y
por tanto los valores de la variable no están acotados. Es decir, mientras los valores de Y en
una Binomial podían pertenecer a los naturales entre 0 y n inclusive, en el caso de una
Poisson pueden pertenecer a los naturales entre 0 e infinito.
h. Cómo se denota el único parámetro de la distribución de Poisson.

El único parámetro de la distribución de Poisson se denota como lambda ().

i. ¿A qué es igual la media y la varianza en la distribución de Poisson?

Es igual a que el único parámetro de la distribución Poisson es . Si una variable aleatoria

Y se distribuye como Poisson lo denotamos como: Y~ Poisson(). Esta distribución tiene
un único parámetro, que representa la esperanza y también a la varianza, es decir que
cuando Y~ Poisson(), se cumple:

μ= E (Y )=λ

σ 2=V ( Y )=λ
j. Mencione ejemplos en su área de estudio donde se podría utilizar la distribución de
Poisson.

Para citar otro ejemplo (Balzarini Monica et al., 2011) 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.
Bibliografía

Balzarini Monica, Di Rienzo Julio, Tablada Margot, Gonzalez Laura, & Bruno Cecilia.
(2011). Estadística y Biometría.
http://www.agro.unc.edu.ar/~mcia/archivos/Estadistica y Biometria.pdf