Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CC.: 1099546511
TUTOR
de Ω).
esto para poder buscar sus posibles resultados. Un ejemplo de ello podría ser el
análisis de los resultados al lanzar un dado, entonces la cara que caerá al lanzar una
espacio muestral
contable. A esto decimos que nunca podemos saber el número de las opciones que
tipo de variables.
Estas son aquellas que solo se pueden en un valor finito de valores, pero dentro de un
intervalo.
Un ejemplo serio, una manada de animales salvajes que puede ser de 4,5,6,7, o 08
Sabemos que cuando una variable solo es capaz de adquirir un numero finito de
cantidad de veces que ha llovido en un lugar en un mes, solo puede ser un valor igual
o mayor a 0 y entero. Es por esto por lo que estos valores pueden ser acotados o no.
nA
P(A) = P (observar una semilla germinada) = =600 /1000=0,6
N
muestral es infinito y por tanto no se pueden enumerar todos los resultados posibles
del estudio
probabilidad?
una probabilidad.
función de densidad?
valores asumidos por la variable, donde cada valor es participe por su probabilidad de
Al lanzar un dado se logran dar 36, posibles resultados esto se logra combinando cada
número con los otros, se inicia con el numero 1 combinándolo con las otras 6 opciones
del otro dado, así debemos hacerlo con los demás números, del dos al 6 así estriamos
Y los eventos son subconjuntos del espacio muestral. Entonces vemos en este caso
Llegado el caso que en ambos dados salgan números pares se le llama evento, o
también le podemos llamar evento cuando ambos dados salen números iguales.
porcentaje 16,6%
2. Adjunte en el informe los tres gráficos generados por el script (Frecuencias
3
2
1
0
2 3 4 5 6 7 8 9 10 11 12
mediante este grafico de barras podemos ver los valores y las proporciones
representados en la suma de caras y observado así la diferencia de modo considerado
que hay de una frecuencia a la otra.
PERIODO 951 - 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
0.6
0.4
0.2
0.0
2 3 4 5 6 7 8 9 10 11 12
Por medio de esta grafica podemos apreciar la amanera en que va aumentando poco
a poco las barras, esto debido a la acumulación de las caras. Dando como resultado
que entre más acumuladas estén las caras más altas será la grafica
RESUMEN DEL PROGRA R DE LA PRIMERA PARTE “Script Fase 3 - DADOS.txt”
>
> # 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
> # 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
>
>
>
>
> #PROCESAMIENTO EN R
>
> # 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
nombre: "fabs"
> fabs
SUMADADOS
2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
> fabsacum
2 3 4 5 6 7 8 9 10 11 12
1 3 6 10 15 21 26 30 33 35 36
el nombre: "frel"
SUMADADOS
2 3 4 5 6 7 8
> # Podemos decir entonces que la probabilidad que la suma de las dos caras sea igual a 2 es del 0.027 o
>
> 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
>
>
>
> #Preparado por: Luis Alberto Cáceres - Director de curso
>
GRAFICA MODELOS
PERIODO 951 - 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
En esta figura podemos apreciar dos gráficos de la producción de leche, la cual cuenta
En esta grafica podemos determinar que existen dos graficas de las cuales en la azul
cuenta con una varianza de 9 litros al igual que en la figura roja no cambia la varianza,
ya que son los mismos animales, pero la azul cuenta con una medida de 25 y la figura
roja tiene una medida de 30 litros de leche, es por eso que tenemos dos picos en la
figura.
PERIODO 951 - Producción de leche Función de Distribución N (misma media, distinta varianza
0.4
0.3
F(x)
0.2
0.1
0.0
10 15 20 25 30 35 40
Esta figura nos muestra dos gráficos de producción de leche la cual cuenta con la
misma media, pero distinta varianza en una misma grafica.
Mediante esta grafica podemos determinar que existen dos gráficos de los cuales, en
la azul cuenta con una media de 25 litros, al igual que en la figura de color rojo, pero la
de color azul cuenta con una varianza de 9 y la figura roja cuenta con una varianza de
2 litros de leche, aunque tienen l misma varianza su forma cambia, ya que a mayor
varianza más es su amplitud.
PERIODO 951 - Rendimiento de maíz - 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
Rendimiento (qq/Ha)
PERIODO 951 - 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)
Esta figura nos muestra una gráfica de rendimiento del maíz que cuenta con una
media de 60 y una varianza de 49. También vemos que cuanta con un rango de
rendimiento de 50 a 65.
Aquí podemos determinar en la gráfica que tenemos que la media es 60, ya que
vemos que es el centro de la gráfica y la varianza es el anchor de la figura seria de 60,
por esto vemos que va desde 30 a 90 qq/Ha, también podemos observar que tiene
según la sobra un rango de rendimiento de la región entre 50 y 65 qq /Ha.
PERIODO 951 - Distribución Binomial - Germinación de semillas
0.25
0.20 (n=10,p=0.25)
Probabilidad del evento
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10
Esta figura nos muestra una gráfica de distribución binomial la cual es una distribución
de probabilidad discreta, la cual cuenta el número de éxitos de una secuencia, y
contamos con 10 columnas que representan 10 semillas para germinación.
Esta grafica nos muestra que al realizar la prueba que se realizó con 10 semillas
donde hay 0% de probabilidad que germinen las 10 semillas la probabilidad que
germinen 7 semillas es de 0,003%, la probabilidad que germinen menos de 3 semillas
será de 52,55%, probabilidad que germinen más o tres semillas es de 47,44%, la
probabilidad que germinen máximo 5 semillas seria de 98%
RESUMEN DEL PROGRA R DE LA PRIMERA PARTE “SCRIPT FASE 3 –
MODELOS. TX