Fase 3- elaborar documento de aplicación de conceptos de probabilidad

Presentado por:
Lenis Pérez Blanco

Grupo: 73

Presentado a:
Luis Alberto Cáceres

Curso:
Estadística descriptiva

CCAV:
Sahagún- Córdoba

UNAD (Universidad Nacional Abierta y a Distancia)

03/11/19
 Introducción
El presente trabajo hace referencia a la fase 3 aplicaciones de conceptos de
probabilidad donde se procede a dar definición a espacio muestral, punto muestral,
eventos, variables aleatorias discretas proporcionales, de conteo no acotadas,
conceptos de probabilidad clásico y frecuencial, eventos mutuos excluyentes,
esperanza matemática de una variable aleatoria, además se denota las letras con las
que se representan cada una, seguidas de ejemplos para mayor comprensión, el
programa R juega un papel importante en este trabajo ya que es usado para generar
los gráficos para la elaboración completa del documento, a continuación se explican las
gráficas obtenidas en cada ejecución del programa R.

Objetivos
Analizar los conceptos de probabilidad para orientación de la definición de
cada punto y lo propuesto en lo referido al programa R
Aplicar los conceptos de cada punto, dando explicación en los gráficos
arrojados por el R
Concluir ideas específicas de probabilidad y variables aleatorias acorde a
cada punto
 Informe detallado de los temas tratados en la web conference
En este informe es breve la explicación que anexo, ya que no pude evidenciar la
totalidad de la webconference debido a que solo pude observarla y escucharla 7
minutos, se cortó en esos momentos y no apareció más. No participo en ellas por la
conectividad tengo difícil acceso.
En lo visto pude evidenciar las explicaciones de los pasos a seguir para la
ejecución de los comandos en R, a través de una presentación de apoyo. Como usar
códigos dados, la explicación de espacio muestral, evento aleatorio, lanzar dados,
definición de probabilidad clásica, frecuencial y ejemplos.
 Desarrollo del trabajo
1. Descargar el código “CODIGODADOS.txt” y ejecutarlo en el programa R.
Explique en sus propias palabras el experimento aleatorio del dado. El estudiante
debe entender que, aunque no es un experimento agropecuario nos ayuda a entender
los conceptos planteados.
Adjuntar los tres gráficos generados por el código (de Frecuencias Absolutas,
frecuencias relativas y frecuencias relativas acumuladas) y hacer una buena
descripción de cada uno de ellos.

La mayor probabilidad que se tiene es que la suma de las dos caras no de un

valor de 7 pudiendo ser los pares los siguiente: (3,4), (4,3), (5,2), (2,5), (6,1),(1,6).
 La sumatoria de caras de los dados tiene mayor porcentaje de sacar valores de
6, 7 y 8.

 Hay una probabilidad del 40% de sacar valores de sumatoria de dados igual a 6
o menos.
 Hay una probabilidad del 80% de sacar valores de sumatoria de dados igual a 9
o menos.
 Hay la probabilidad 100% de sacar valores de sumatoria de dados de cualquier
valor.
 2. definirlos siguientes puntos:
Espacio muestral, con qué letra se denota. Es el conjunto de resultados posibles
de un proceso experimental o también puede ser observacional, en este espacio el tipo
de variable es importante porque depende del conjunto de todos los valores que
potencialmente pueden asumir en un estudio aleatorio y se denota con la letra griega
Omega (Ω) ej.

Punto muestral. Se refiere a cada uno de los posibles resultados de un estudio

aleatorio puede decirse a cada elemento de omega Ω y se denota genéricamente con la
letra ω
Evento muestral: Es cualquier subconjunto delos elementos de omega Ω
Defina variable aleatoria: es una función que asocia a cada elemento del espacio
muestral omega Ω un número real, posteriormente a cada valor se le asigna
probabilidades de ocurrencia.

¿Qué significa que el espacio muestral de una variable aleatoria continua es no

contable? significa que, entre dos valores de la variable, pueden realizarse un número
infinito de otros valores
¿Qué son variables aleatorias discretas proporcionales y que son variables
aleatorias discretas de conteo no acotado? De ejemplos de este tipo de variables. Las
variables aleatorias discretas proporcionales estas son provenientes de conteos que no
pueden superar el número de elementos evaluados, el valor de ésta puede ser continuo
en el rango de (0,1), la base de la variable es el conteo, por lo tanto, el espacio
generatriz es discreto, ejemplo El número de semillas germinadas en cajas de Petri con
25 semillas cada caja; los resultados se expresan como proporciones porque existe un
denominador natural: la cantidad de semillas por caja.
Variables aleatorias discretas de conteo no acotado:
Como estas variables son siempre contables se pueden enumerar teóricamente
no importando si es infinitamente grande o no está acotada un ejemplo es el número de
nematodos por hectárea registrado a partir de una muestra aleatoria de hectáreas en
producción de papas, podría no tener un valor límite. El número de postillas de parásito
por m2de cultivo

Existen dos conceptos de probabilidad: el clásico y el concepto frecuencial;

defina cada uno, en el caso del frecuencial explique el experimento de germinación de
una semilla cuál es el experimento aleatorio, cuál es el evento, cuantos puntos
muéstrales tiene.
Concepto clásico: tiene: La
probabilidad clásica se da cuando Ω es finito (el número de puntos muestrales es
contable) y se puede dar una definición de probabilidad que se basa en la
observación de
los elementos del espacio muestral.
Concepto frecuencial: se refiere a una serie repetida de estudios aleatorios,
usado generalmente cuando el espacio muestral es infinito y por tanto no se puede
enumerar todos los resultados posibles de estudio, se repite un número elevado de
veces, luego se registra la frecuencia relativa de ocurrencia de cada resultad,
posteriormente es usada como un estimador de probabilidad
¿Qué diferencia existe entre el concepto de frecuencia relativa y el de
probabilidad?
¿Qué son eventos mutuamente excluyentes? ¿Cómo es la intersección de dos
eventos mutuamente excluyentes? ¿Si son excluyentes, dado un evento A y uno B, a
que es igual la P (A ꓴ B)?
  Eventos mutuamente excluyentes: se dice que dos eventos A y B de un
espacio muestral Ω son mutuamente excluyentes si no contienen
elementos en común,
 La intersección es cero y por lo tanto la probabilidad de la unión de esos
eventos P (AUB) es la suma de las probabilidades de cada evento
 Si hay dos eventos excluyentes A y B, se puede decir que la probabilidad
de la unión de esos eventos, es la suma de las probabilidades de cada
evento P(AUB)=P(A)+P(B).
En el caso de distribuciones de variables aleatorias cuando una variable es
continua y simétrica, qué modelo se usa. Se usa el modelo normal
Para una variable de conteo no acotado, ¿qué modelo se utiliza? El modelo
poisson
Para variables de proporciones ¿qué modelo se utiliza? Se usa el modelo
probabilístico binomial
¿Qué variables tienen función de probabilidad y cuáles variables tienen función
de densidad?
Las variables que tienen función de probabilidad son las aleatorias discretas
Las variables que tienen función de densidad son las aleatorias continuas
¿Cuáles son los parámetros más usados en estadística para estudiar y utilizar
funciones de distribución de variables aleatorias? Teniendo en cuenta que los
parámetros se derivan de poblaciones y los estadísticos de muestras, entonces los
parámetros son: el valor esperado y la varianza; ya que uno formaliza la idea de un
valor medio de un fenómeno aleatorio mientras que el otro formaliza la idea de
incertidumbre y su mutuo la idea de precisión, entre más varianza más incertidumbre
hay sobre el fenómeno, y sobre las conclusiones hay menor precisión que se pueden
elaborar desde los datos que lo caracterizan.
¿Qué es la esperanza matemática de una variable aleatoria? ¿Cómo se denota?
Es desde un punto de vista intuitivo un promedio de los valores asumidos por la
variable, donde cada valor es ponderado por su probabilidad de ocurrencia y se denota
por la letra griega Mu (μ)
 ¿Qué es la varianza de una variable aleatoria? ¿Cómo se denota? Es una
medida de dispersión, su raíz cuadrada denominada desvío estándar (σ) es usada para
expresar la dispersión en términos de diferencias o desvíos de datos respecto a la
esperanza y se denota por var (.) o por la letra griega sigma al cuadrado ( σ 2 )
3. Descargar el código “MODELOS.txt” y ejecutarlo en el Programa R,
comparando los resultados obtenidos con el programa R con respecto a la explicación
de los ejercicios brindados en el texto de Mónica Balzarini en las páginas 91 (Ejercicio
de las vacas del tambo), 93 (ejercicio del híbrido de maíz), 101 (ejercicio de la semilla
de panicum) y 105 (ejercicio de las picaduras de gorgojo).
Adjuntar las gráficas generadas por el programa R para cada una de las tres
distribuciones descritas (Normal, Binomial y Poisson) y hacer una buena descripción y
explicación de la información presentada en cada una de ellas.
Ejercicio de las vacas del tambo
Ejercicio del hibrido de Maíz
Ejercicio de la semilla de panicum

Ejercicio de la picadura de gorgojo

 Responder las siguientes preguntas:
DISTRIBUCION NORMAL: se usa para calcular probabilidad en variables
continuas y de distribución simétrica unimodal y tiene la sgte densidad

( )
2
1 1 y −μ
f ( y )= e
σ √2 π 2 σ

¿Qué tipo de histograma se debe seleccionar en un modelo probabilístico para

una variable aleatoria continúa cuando se tienen datos de esa variable?: Se debe
seleccionar un histograma de frecuencias relativas y observar la fórmula del mismo.
Ejemplo:

¿Qué es la estandarización? Es una transformación que nos permite llevar

cualquier distribución normal a la distribución normal estándar. ¿Cuál es su fórmula? Es
Y −μ
la siguiente: Z=
√σ2

DISTRIBUCIÓN BINOMIAL: se usa para el cálculo de probabilidad de eventos

provenientes de conteos acotados.
 ¿Qué tipo de conteos se trabajan con la distribución Binomial? Se trabajan los
conteos acotados
En la distribución binomial ¿qué es n y que es P?: n es el número de
experimentos aleatorios y p es probabilidad de ocurrencia
¿A qué es igual la esperanza y la varianza en esta distribución? La esperanza es
igual al número de experimentos por probabilidad de ocurrencia, es decir: E ( Y )=nP
y la varianza es igual al número de experimentos n por probabilidad de
ocurrencia P por 1 menos probabilidad de ocurrencia P ,es decir:
V ( Y )=nP (1−P)

DISTRIBUCION DE POISSON: sirve como modelo probabilístico para variables

discretas de tipos de conteo
¿Qué tipos de conteos se trabaja con la distribución de Poisson? Los tipos de
conteos que se trabajan son: hora, kilo, m2 ,m3 , planta , etc los conteos se refieren al
número de veces que un evento ocurre en una unidad de tiempo o espacio.
En agronomía se usa para qué tipo de conteos (los ácaros, por ejemplo, se
pueden trabajar con esta distribución). Se usa para los tipos de conteos en gramos,
centímetros cúbicos, mililitros entre otros, en cuanto a los parásitos si se puede trabajar
con esta distribución ya que se usa para modelar el número de insectos sobre una
planta
¿Cómo se denota el único parámetro de esta distribución? el único parámetro se
denota así ( λ ) si una variable aleatoria Y se distribuye como poisson lo denotamos
como Y ͂ poisson ( λ )

¿A que es igual la media y la varianza? La varianza de una muestra o de un

conjunto de valores, es la sumatoria de las desviaciones al cuadrado con respecto al
promedio o a la media, todo esto dividido entre el número total de observaciones menos
1 Ambas son iguales al único parámetro de la distribución poisson (λ) se cumple:
μ= E (Y )=λ
σ 2=V (Y )=λ
Conclusión
Después de haber realizado el trabajo puedo resaltar la importancia de los conceptos
de probabilidad y los resultados arrojados por el R, de los gráficos de las frecuencias
relativas absolutas y acumuladas, además las gráficas de las tres distribuciones como
lo son normal, binomial y poisson
 Bibliografía
Balzarini, M. (2013). Estadística y biometría: ilustraciones del uso e infostat en
problemas de agronomía. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?
docID=3221775&query=bioestadistica
Rienzo et al (2008) Estadística para las ciencias Agropecuarias. Editorial brujas.
Córdoba- argentina recuperado de
http://aulavirtual.agro.unlp.edu.ar/pluginfile.php/2968/mod_resource/content/0/
Estadistica_para_las_Ciencias_Agropecuarias_-_Di_Rienzo.pdf