Responder los incisos l, m, n, o, p

l. Para una variable de conteo no acotado, ¿qué modelo se utiliza?

R/ para una variable de conteo no acotado el modelo que se utiliza es el de Regresión de
Poisson.
m. Para variables de proporciones ¿qué modelo se utiliza?
R/ para las variables de proporciones el modelo que se utiliza es el de Regresión Beta.
n. ¿Qué variables tienen función de probabilidad y cuáles variables tienen función de
densidad?
R/ la función de densidad se presenta en una variable aleatoria continua y describe la
probabilidad relativa según la cual dicha variable aleatoria tomará determinados valores.
Las variables que presentan la función de probabilidad son las variables aleatorias discretas
donde la aplicación a cada valor Xi de la variable aleatoria se le asigna su probabilidad Pi.
o. ¿Cuáles son los parámetros más usados en estadística para estudiar y utilizar
funciones de distribución de variables aleatorias?
R/ los parámetros son:
 Parámetros de tendencia central o medidas de localización.
 Parámetros de dispersión de la variable aleatoria.
 Parámetros de sesgo.
 Parámetros de aplanamiento o curtosis.
Los parámetros de localización, dispersión, sesgo y curtosis constituyen el conjunto de
valores útiles y necesarios para caracterizar a la distribución de la variable aleatoria y
suelen agruparse con la notación D (μ, , Y1, Y2) donde D representa la distribución.
p. ¿Qué es la esperanza matemática de una variable aleatoria? ¿cómo se denota?
R/ es la generalización de la media aritmética o toda la población, es decir, es la media de
la variable aleatoria. También se le llama valor medio, valor esperado o esperanza
matemática.
Se representa por medio de la letra griega μ(miú).
Ejecutar el código DADOS, presentar los resultados obtenidos
Abra “Script Fase 3 - DADOS.txt”, ejecútelo y responda las siguientes preguntas:
a. Explique en sus propias palabras el experimento aleatorio del dado

Para el lanzamiento de un dado

En el lanzamiento de un dado, suelen ocurrir diferentes eventos probabilísticos,

según sea el caso. En este tipo de experimentos, es indispensable hacer uso de la
probabilidad de Laplace, la cual establece que, la probabilidad de que ocurra un
evento aleatorio es igual al número de casos favorables entre el número de casos
posibles, todo esto multiplicado por 100, obteniendo un valor porcentual de dicho
evento. Por ejemplo, si se quiere saber qué probabilidad hay de que al lanzar un
dado caiga un numero par o impar, es necesario utilizar la fórmula de Laplace para
los eventos que se quieren calcular:

Número de casos favorables: 3

Número de casos posibles: 6

P (A) que caiga un número par

3
P (A) = × 100
6
P (A) = 50% la probabilidad de que salga un número par es del 50%

P (B) que caiga un número impar

3
P (B) = × 100
6
P (B) = 50% la probabilidad de que salga un número impar es del 50%

Para el lanzamiento de dos dados

En el lanzamiento de dos dados, al igual que en el anterior, también es necesario

utilizar la probabilidad de Laplace, salvo que, en este, las probabilidades de que
ocurra un evento son mayores, ampliando así el espacio muestral en diferentes
parejas de valores.

1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
 4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

Por ejemplo, ¿qué probabilidad hay de que al lanzar dos dados la suma de ambos dé
como resultado 8?

Número de casos favorables: 5

Número de casos posibles: 36

5
P (8) = ×100
36
P (8) = 13,88% probabilidad de que al lanzar dos dados la suma entre ellos sea
igual a 8.

O qué probabilidad hay de que salga un número impar?

Número de casos favorables: 18

Número de casos posibles: 36

18
P (impar) = ×100
36
P (8) = 50% probabilidad de que salga un número impar en el lanzamiento de
dos dados.
 PERIODO 951 - Gráfico de barras SUMA DE CARAS

6
B. Gráficos

5
dados Frecuencias absolutas

4
3
2
1
0

2 3 4 5 6 7 8 9 10 11 12

Análisis:
En el gráfico de barras suma de caras, es de notar los 36 posibles eventos del espacio
muestral, en donde se suman los valores obtenidos en cada uno de los dados, generando así
un gráfico de frecuencias para la variable discreta “sumadados”.
En ella, es de notar las diferentes frecuencias absolutas que se obtienen en el lanzamiento
de dos dados, tal es el caso del número 7, el cual tiene 6 posibles combinaciones en las que
puede caer, siendo el de mayor frecuencia absoluta en el espacio muestral. Seguidamente,
los números 6 y 8 tienen 5 posibles combinaciones en las que pueden salir, con una
frecuencia absoluta de 5 repeticiones dentro del espacio muestral. Luego, los números 5 y 9
tienen 4 posibilidades de aparecer en el lanzamiento de dos dados, dicha frecuencia
absoluta está dada por las mismas posibilidades eventuales antes mencionadas.
Posteriormente, es de observar que los números 4 y 10 tienen las mismas posibilidades de
salir al momento de lanzar dos dados, con una frecuencia absoluta de 3 repeticiones en cada
 PERIODO 951 - FRECUENCIAS RELATIVAS SUMA DE CARAS
uno de los

0.20
casos. Así
mismo, los
números 3 y 11

0.15
tienen Frecuencias relativas
las
mismas
0.10
0.05
0.00

2 3 4 5 6 7 8 9 10 11 12

posibilidades de aparecer al momento de lanzar dos dados, con un total de 2 repeticiones en

cada uno de los eventos.
Por último, es de notar que los números con menores frecuencias absolutas y menores
eventos probabilísticos son el 2 y el 12, con posibilidades de que solo pueden salir una vez
en el espacio muestral en el lanzamiento de los dos dados.

Análisis:
Como es de notar en el gráfico de barras de las frecuencias relativas “suma de caras”, el
número 7 obtuvo un mayor valor respecto a los demás eventos, con un valor decimal del
0,1666,
PERIODO 951 - 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

representado un valor porcentual del 16,66% de que dicho evento pueda ocurrir. A su vez,
los números 6 y 8 alcanzaron valores decimales iguales a 0,1388, que en porcentaje
representa un valor del 13,88% de que dichas sumatorias puedan darse en el lanzamiento de
dos dados. Seguidamente, los números 5 y 9 obtuvieron una frecuencia relativa de 0,1111,
cuyo valor porcentual es igual al 11,11%, lo que indica de que dichos números tienen esta
probabilidad de salir al poner a prueba dicho experimento.
Por otra parte, los números 4 y 10 obtuvieron las mismas frecuencias relativas, adquiriendo
un valor decimal de 0,0833, que expresado en porcentaje es del 8,33% de que dichos
eventos se den. Además, los números 3 y 11 alcanzaron un valor porcentual probabilístico
del 5,55%. Por último, los números 2 y 12 representan un valor porcentual del 2,77% de
que dichos eventos puedan ocurrir.

Análisis:
Como es de observar en el gráfico de frecuencias relativas acumuladas, a cada una de las
variables muestrales le corresponde un valor en la frecuencia relativa (resultado de dividir
su frecuencia absoluta entre el número total de datos), el cual se va acumulando a medida
que se efectúan las respectivas sumas de todos los posibles eventos de la muestra, hasta
recaer en el último de ellos. Por tal razón, es que podemos observar en el gráfico que el
número que presenta un mayor pico en la frecuencia relativa acumulada es el número 12,
dado que, la totalidad de los posibles eventos muestrales llegan hacia este valor,
representando así un 100% del total. En su defecto, vemos como disminuye el valor de las
frecuencias relativas acumuladas de forma gradual en los demás eventos probabilísticos
analizados, significativamente desde el número 9 hasta el número 2, ya que hasta estos
puntos aún no se han alcanzado a agrupar mediante sumas los demás eventos muestrales
con sus respectivas frecuencias relativas, salvo en los números 10 y 11, donde se pueden
identificar casi que la totalidad de ellos.

PERIODO 951 - Producción de leche Función de Distribución N (misma varianza, distinta media
0.12
0.08 0.10
F(x)

0.06
0.02 0.04
0.00

10 15 20 25 30 35 40

Producción de leche (litros/día)

Punto 11 literal A
a. Distribución normal - Ejercicio de las vacas del tambo (página 91).
i. Presente y describa el gráfico "Producción de leche - Función de Distribución N
(misma varianza, distinta media)".

Análisis:
Como es de observar en el gráfico “Producción de leche función de distribución N (misma
varianza, distinta media), la producción de leche diaria de las vacas del tambo tiene una
media (esperanza) de 25 L y una varianza de 9 L 2, representada por una curva azul en
forma de campana. Asimismo, la curva roja me permitió ver gráficamente el aumento en 5L
de la producción diaria, para un total de 30L como medida de esperanza sin modificación
de la varianza, todo esto, por efecto del consumo de la nueva ración para las vacas.
Además, es de notar que cambia la ubicación de la media, pero la forma de ambas gráficas
es la misma por que no cambió la varianza. No obstante, es de apreciar que, de mantenerse
el valor de la varianza, se sabe de ante mano que no todas las vacas del tambo estarían
produciendo la media aritmética de la producción (25L o 30L) y tendrán una fuerte
variabilidad en las producciones diarias, dado que, existe una dispersión considerable de las
producciones con respecto al valor promedio.

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

Producción de leche (litros/día)

En relación a lo anterior, se hace notoria la necesidad de que los productores implementen

estrategias, basadas en que se obtenga un promedio general de la producción de leche de las
vacas acorde a lo esperado, por lo que se requerirá establecer planes de alimentación con el
que se logre que todas las vacas produzcan por igual o valores próximos a la media.

ii. Presente y describa el gráfico "Producción de leche - Función de Distribución N

(misma media, distinta varianza".

Análisis:

El grafico “producción de leche función de distribución N (misma media,

distinta varianza), presenta una curva azul en forma de campana representativa
del valor de la media igual a la producción de 25L de leche/día con una varianza
de 9L2. En la segunda curva, puedo notar que se maneja el mismo valor de la
media, equivalente a 25L de leche/día, pero con una varianza igual a 2. En este
caso, ambas gráficas tienen la misma media, pero sus formas cambiaron porque
tienen distinta varianza. Es de asumir que, a mayor varianza la gráfica tendrá
mayor amplitud.

Por lo tanto, en la primera curva graficada con media igual a 25L y varianza
igual a 9L2, se espera que al modificar las raciones de las vacas del tambo la
varianza pueda disminuir y así obtener una producción diaria de leche cercanas
 al valor promedio, asumiendo que cada una de las vacas puedan llegar a
producir la misma cantidad diaria o cercana a esta.

Referencias
Mendoza, H, Bautista, G. (2002). Probabilidad y Estadística. Universidad Nacional
de Colombia, http://www.virtual.unal.edu.co/cursos/ciencias/2001065/. Licencia:
Creative Commons BY-NC-ND.