Universidad Autónoma de Nuevo León

Facultad de Ciencias Biológicas

División de estudios posgrado

Conservación, fauna silvestre y sustentabilidad

Métodos Estadísticos Aplicados a Ecología y Conservación

1er Semestre

Evidencia de Aprendizaje
Laboratorio.4R:
Distribución de probabilidad

Presenta: Mayte Méndez Lozano

Nombre del Facilitador: Dra. Luz Adriana Pérez Solano
Fecha y lugar: 24 de octubre 2022, Cuidad Universitaria, San Nicolás de los
Garzas
Métodos y Resultados

#Ejercicios
#Elige la distribución más adecuada para cada situación y responde lo
solicitado. Integra a tus respuestas un gráfico.

#1. En una localidad dada existe una prevalencia del 35% de mixomatosis
en conejos. Si se realiza un muestreo aleatorio de 10 conejos
silvestres, cuál sería la probabilidad de:

#Distribución Bernoulli

#Que 3 conejos presenten la enfermedad (P (x = 3)).

#n=10
#p=.35
#q=1-0.35= 0.65
#x=3
dbinom(3,size=10,p=0.35)

## [1] 0.2522196

# La probabilidad de que 3 conejos presenten la enfermedad es igual a

=0.25
#(P (x = 3))=0.25

#Que entre 3 a 6 conejos inclusive presenten la enfermedad (P(3 ≤ x ≤

6))

sum(dbinom(3:6,size=10,p=0.35))

## [1] 0.7123683

# La probabilidad de entre 3 a 6 conejos presentan la enfermedad es de

0.712
#(P(3 ≤ x ≤ 6))=0.712

#Menos o igual a 4 conejos P(x ≤ 4)

sum(dbinom(0:4,size=10,p=0.35))

## [1] 0.7514955

#La probabilidad de que menos o igual a 4 conejos presente la enfermedad

es de 0.751
#(P(3 ≤ x ≤ 6))= 0.751

#Todos los valores de probabilidad (0 a 10) suman 1

x<-0:10
dbinom(x,size=10,p=0.35)

## [1] 1.346274e-02 7.249169e-02 1.756530e-01 2.522196e-01 2.376685e-01

## [6] 1.535704e-01 6.890980e-02 2.120302e-02 4.281378e-03 5.123017e-04
## [11] 2.758547e-05

eventos<-dbinom(x,size=10,p=0.35)
sum(eventos)

## [1] 1

plot(x, dbinom(x,size=10,p=0.35),type = "h",

main = "Probabilidad binomial",
ylab = "Probabilidad", xlab = "Número de éxitos")

#Para el ejercicio 1, se realizó la Gráfica de la probabilidad de que 3

conejos presenten la enfermedad.

plot(3, dbinom(3,size=10,p=0.35),type = "h", lwd = 5,

main = "Probabilidad de mixomatosis en conejos",
ylab = "P(X = 3)", xlab = "Número de éxitos")
#Gráfica de la probabilidad que de entre 3 a 6 conejos presenten la
enfermedad

plot(3:6, dbinom(3:6,size=10,p=0.35),type = "h", lwd = 5,

main = "Probabilidad de mixomatosis en conejos",
ylab = "P(3 ≤ x ≤ 6)", xlab = "Número de éxitos")

#Gráfica de la probabilidad de entre 0 a 4 conejos presenten la

enfermedad

plot(0:4, dbinom(0:4,size=10,p=0.35),type = "h", lwd = 5,

main = "Probabilidad de mixomatosis en conejos",
ylab = "P(x ≤ 4)", xlab = "Número de éxitos")
#2. Durante el estudio de cierto organismo acuático, se tomó un gran
número de muestras de una laguna, y se contó el número de organismos en
cada muestra. El número promedio de organismos encontrados por muestra
fue 2. Calcule la probabilidad de que la próxima muestra que se tome
tenga

#Distribución de Poisson

#x=

#λ=2

#e=2.7182

#Un organismo o menos.

sum(dpois(0:1,lambda=2))

## [1] 0.4060058

# La probabilidad de que la proxima muestra se de 0:1 es igual a 0.406

#P(0 ≤ x ≤ 1)=0.406

#Exactamente 4 organismos.
dpois(4,lambda=2)

## [1] 0.09022352

#La probabilida de que la proxima muestra se de extactamente 4 es de

0.090
#P (x = 4)=0.090
#Gráficamos
#P(0 ≤ x ≤ 1)=0.406

#Valores del eje X

x0<-0:1

plot(x0,dpois(x0, 2), type = "h", lwd = 5,

main = "Probabilidad de la muestra",
ylab = "P(0 ≤ x ≤ 1)", xlab = "Número de muestras")

#Gráficamos
#P (x = 4)=0.090

x1<-4

plot(x1,dpois(x1, 2), type = "h", lwd = 5,

main = "Probabilidad de la muestra",
ylab = "P (x = 4)", xlab = "Número de muestras")
#3. La precipitación pluvial promedio en la ciudad el mes de marzo fue
de 9.22 cm. Suponiendo una distribución normal con una desviación
estándar de 2.83, encuentre la probabilidad de que la ciudad obtenga,
durante el próximo mes de marzo, una precipitación pluvial de:

#Distribución normal

#de 1.84 cm o menor P(X ≤ 1.84)

pnorm(1.84, mean=9.22, sd=2.83, lower.tail=TRUE)

## [1] 0.004556657

#P(X ≤ 1.84)=0.004

#de 5 cm o más, pero sin rebasar 7 cm P(5 ≤ X ≤ 7)

pnorm(7, mean=9.22, sd=2.83, lower.tail=TRUE)- pnorm(5, mean=9.22,

sd=2.83, lower.tail=TRUE)

## [1] 0.1484284

#P(5 ≤ X ≤ 7)=0.148

#pnorm permite calcular la función de distribución acumulada

#Gráficamos la P(X ≤ 1.84)

# Media y desviación típica
mu <- 9.22
sigma <- 2.83

# Grid para una distribución normal no estándar

x3 <- seq(-1.84, 1.84, length = 10) * sigma + mu

# Función de densidad
f <- dnorm(x, mu, sigma)

plot(x, f, type = "l", lwd = 2, col = "orange", ylab = "Densidad", xlab =

"Precipitación pluvial")
abline(v = mu)

# Línea vertical en la media

#Gráficamos P(5 ≤ X ≤ 7)

lb <- 5
ub <- 7

x4 <- seq(lb, ub, length = 11) # Nueva rejilla

y <- dnorm(x4, mu, sigma) # Densidad

plot(x4, f, type = "l", lwd = 2, col = "orange", ylab = "Densidad", xlab

= "Precipitación pluvial")

polygon(c(lb, x4, ub), c(0, y, 0), col = rgb(0, 1, 0, alpha = 0.01))

#4. En un proceso de fabricación de un determinado tipo de llantas para

automóvil, el 8% de ellas resultan defectuosas. Si tenemos 1600 llantas
de esta fabrica, calcule la probabilidad de que estén defectuosas:

#Distribución binomial

#n=1600
#p=0.08
#q=0.92

#Entre 132 y 149

sum(dbinom(132:149,size=1600,p=0.08))

## [1] 0.3433719

# La probabilida de que esten defectupsas de 132 a 149 es de 0.343

#P(132 ≤ X ≤ 149)=0.343

#Exactamente 135

dbinom(135,size=1600,p=0.08)
## [1] 0.02922287

#La probabilidad de que esten defectuosas en exactamente 135 es de 0.029

#P (x = 135)=0.029

#Todas las probabilidades

x5<-0:1600
dbinom(x5,size=1600,p=0.08)

## [1] 1.149539e-58 1.599359e-56 1.111902e-54 5.150201e-53

1.788016e-51
## [6] 4.962909e-50 1.147223e-48 2.271644e-47 3.933402e-46
6.050218e-45

eventos1<-dbinom(x5,size=1600,p=0.08)

sum(eventos)

## [1] 1

#Todos los valores de probabilidad (0 a 10) suman 1

#Graficamos todas las probabilidades

plot(x5, dbinom(x5,size=1600,p=0.08),type = "h",

main = "Todas la probabilidades",
ylab = "Probabilidad", xlab = "Número de éxitos")
#Gráficamos P(132 ≤ X ≤ 149)=0.343

plot(132:149, dbinom(132:149,size=1600,p=0.08),type = "h", lwd = 5,

main = "Probabilidad de defecto en llantas",
ylab = "P(132 ≤ x ≤ 149)", xlab = "Número de éxitos")

#Gráficamos P (x = 135)=0.029

plot(135, dbinom(135,size=1600,p=0.08),type = "h", lwd = 5,

main = "Probabilidad de defecto en llantas",
ylab = "P(X = 135)", xlab = "Número de éxitos")