Escuela de Ciencias Agrícolas, Pecuarias y del Medio Ambiente

Estadística descriptiva

Unidad 2- fase 3: Distribución y probabilidad

Estudiante

Adriana María Orrego Zapata- 1041327983

Eduwin Andrés Lozano-

Wilfredy Lemus Villamizar-1095929990

Yeison Andrey Colorado- 1047996288

Grupo

300046-2

Tutor

Alexander Salazar

Universidad Nacional Abierta y a Distancia –UNAD

CEAD Bucaramanga

Julio de 2022
Introducción
 Objetivos

Objetivo general

Objetivos específicos
1. Revisar el OVI y los Contenidos y referentes bibliográficos de la Unidad 2, ubicados en
el Entorno de Aprendizaje y explicar en sus propias palabras los siguientes términos:
a. Espacio muestral, con qué letra se denota.
Espacio muestral es el posible resultado de los experimentos o de cada situación de forma
aleatoria y se denota con la letra Ω (omega).
b. Punto muestral.
Es un elemento del espacio muestral, o por decirlo así un resultado particular del experimento
realizado.
c. Evento muestral.
Es el conjunto de los posibles resultados del experimento.
d. Variable aleatoria
Es quien transforma los resultados del espacio muestral en números reales.
e. ¿Qué significa que el espacio muestral de una variable aleatoria continua es no
contable?

f. ¿Qué son variables aleatorias discretas proporcionales y que son variables aleatorias
discretas de conteo no acotado? De ejemplos de este tipo de variables.
g. Existen dos conceptos de probabilidad: el clásico y el concepto frecuencial; defina
cada uno.
h. En el caso de la probabilidad frecuencial, explique el experimento de germinación de
una semilla, cuál es el experimento aleatorio, cuál es el evento y cuantos puntos
muestrales tiene.
i. ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de probabilidad?
j. ¿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)?
k. ¿Qué tipos de distribuciones de frecuencia o de probabilidad son las más comunes en
el estudio de variables biológicas? Presente ejemplos gráficos de ellas.
l. Defina qué es curtosis y presente ejemplos gráficos de los tipos de curtosis que
existen.
m. ¿Qué significa la simetría o asimetría de una variable? ¿qué tipos de asimetrías
existen? Presente ejemplos gráficos.
n. Para una variable de conteo no acotado, ¿qué modelo de distribución se utiliza?
o. Para variables de proporciones ¿qué modelo de distribución se utiliza?
p. ¿Qué variables tienen función de probabilidad y cuáles variables tienen función de
densidad?
q. ¿Cuáles son los parámetros más usados en estadística para estudiar y utilizar
funciones de distribución de variables aleatorias?
r. ¿Qué es la esperanza matemática de una variable aleatoria? ¿cómo se denota?

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.
Para una variable aleatoria continua cuando se tienen datos, es recomendable graficar un
histograma de frecuencias relativas y observar la forma del mismo.
b. Qué es la estandarización, cuál es su fórmula
Es el proceso de transformación de una variable, que consiste en restar el promedio y dividir
entre la desviación estándar, nos permite llevar cualquier distribución normal a la distribución
normal estándar. La transformación, estandarización, tiene la siguiente forma:
Y −μ
Z=
√ σ2
c. Qué tipo de conteos se trabajan con la distribución Binomial.
La distribución Binomial usa para el cálculo de probabilidades de eventos provenientes de
conteos acotados. Los valores de Y en una Binomial podían pertenecer a los naturales entre 0 y
n inclusive.
d. En la distribución binomial qué es n y qué es P.
P es la probabilidad de éxito, por lo tanto, pertenece al intervalo [0 ,1] y n es el número de
ensayos Bernouille independientes.
e. A qué es igual la esperanza y la varianza en la distribución binomial.
Cuando Y tiene distribución Binomial la esperanza y la varianza son:

Esperanza μ=E ( Y )=nP

2
Varianza σ =V ( Y )=nP (1−P )
f. Qué tipos de conteos se trabajan con la distribución de Poisson
La distribución de Poisson también sirve como modelo probabilístico para variables discretas
de tipo conteo, se refieren al número de veces que un evento ocurre en una unidad de tiempo o
espacio dada, por tanto, los valores de la variable no están acotados. Pueden pertenecer a los
naturales entre 0 e infinito.
 g. Cómo se denota el único parámetro de la distribución de Poisson.
Si una variable aleatoria Y se distribuye como Poissson lo denotamos como:

Y Poisson( λ). Esta distribución tiene un único parámetro λ que representa el ocurrencia
promedio.
h. ¿A qué es igual la media y la varianza en la distribución de Poisson?

Cuando Y Poisson( λ) se cumple que μ= E (Y )=σ 2 =V ( Y )=λ

La propiedad de esperanza igual a varianza de la distribución Poisson implica que, al aumentar

el promedio de los conteos, aumenta también su varianza.
i. Realice un cuadro comparativo donde indique al menos 5 variables relacionadas
con su programa de estudio, donde se pueda ver claramente la diferencia entre el
uso de la distribución Binomial y la distribución Poisson:
VARIABLE DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN POISSON
Número de Se requiere que se conozca
Se necesita conocer el promedio
plantas de yuca un porcentaje de plantas
de plantas contaminadas en una
con plagas en las enfermas y un numero de
hectárea o en un cultivo
hojas ellas
Se necesitaría un número
Numero de Se requeriría conocer el promedio
limitado de semillas y la
semillas que de semillas que germinan por un
probabilidad de que
germinan lote de ellas
germinen
Se requiere un porcentaje Se necesita conocer el promedio
Numero de
de animales con bajo peso de terneros con bajo peso y una
terneros con bajo
y una cantidad limitada de delimitación de espacio (cada 100
peso
ellos vacas, un corral, etc.)
Número de Se necesitaría un total de Se requiere una delimitación de un
plantas atacadas plantas y un porcentaje de espacio y el promedio de plantas
por las hormigas plantas atacadas atacadas
Número de días Se necesitaría un número Se requiere un periodo de tiempo
no laborados por de días y un porcentaje de determinado y un promedio de
un jornalero ausencias ausencias
3. Abra “Script Fase 3 - DADOS.txt”, ejecútelo y responda las siguientes preguntas:
a. Revise el experimento de los dados en el libro Estadística y Biometría de Mónica
Balzarini (Capítulo 2 - Variables aleatorias y probabilidades. Página 70) y explique en sus
propias palabras el experimento aleatorio del dado.
Hemos visto a una variable aleatoria como un descriptor de eventos aleatorios que tiene
asociada una función para asignar probabilidades a esos eventos. Para ejemplificar los
conceptos distribucionales de probabilidad y función de distribución supongamos un
experimento aleatorio donde se tiran dos dados, cada uno de los resultados posibles de la
tirada son representados por el par de números que salen: Ω={(1,1), (1,2), (1,3), (1,4), (1,5),
(1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3),
(4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)} Este
espacio muestral es finito y discreto y por ello se pueden calcular probabilidades desde el
concepto clásico, para cualquier variable aleatoria definida sobre el espacio. Por ejemplo, si se
quiere estudiar la variable aleatoria Y=suma de los puntos en los dos dados, el espacio
muestral de esta variable tendrá como elementos las sumas posibles (es decir todos los valores
posibles para Y). Ω(y)= {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} Para una variable aleatoria discreta la
función de distribución de probabilidades f(.), es aquella que designa una probabilidad de
ocurrencia a cada valor de la variable (Tabla 2.1).
Explicación del experimento aleatorio dado:
Al lanzar los dados hay 36 resultados posibles en el cual el espacio muestral es finito (hay un
límite o un número específico) y discreto. Al estudiar la Variable aleatoria tendrá como
elementos las sumas posibles 2,3,4,5,6,7,8,9,10,11,12, ya que al lanzar los dados nunca saldrá
1 y tampoco 13.
b. Adjunte en el informe los tres gráficos generados por el script (Frecuencias
Absolutas, frecuencias relativas y frecuencias relativas acumuladas). No debe haber más
de un gráfico por página.
c. Haga una breve descripción y explicación de cada uno de los gráficos adjuntados.
Recuerde que no debe poner pantallazos en su informe, para presentar los gráficos debe
hacer clic sobre 4 el gráfico con el botón derecho del mouse y seleccionar “Copiar como
metafile” para posteriormente pegarlo (“Control+ V”) en su informe (En RStudio, sólo

debe exportar el gráfico).

4. Abra en el programa R “Script Fase 3 – MODELOS.txt” y ejecútelo. Este script está
basado en los ejemplos del libro “Estadística y Biometría de Mónica Balzarini” - Capítulo
3 – Modelos probabilísticos.
 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)".

Indique si estas gráficas son simétricas y qué tipo de curtosis tiene cada una.
Las curvas son simétricas y presentan meso curtosis.
ii. Presente y describa el gráfico "Producción de leche - Función de Distribución N
(misma media, distinta varianza".
Indique si estas gráficas son simétricas y qué tipo de curtosis tiene cada una.
La primera curva (azul) es platicúrtica y la segunda curva (roja) es leptocúrtica. Son graficas
asimétricas.
b. Probabilidad en distribución normal - Ejercicio del híbrido de maíz (página 93).
i. Presente y describa el gráfico “Rendimiento de maíz - Función de Distribución N
(media. Sigma)”.

Es una gráfica con curva mesocúrtica, la cual está indicando el rendimiento de producción de
maíz.
ii. Indique los valores de la media y la desviación estándar.
Media: 5,8
Varianza: 3

Desviación estándar: √ varianza

Desviación estándar: √ 3

Desviación estándar: 1,73

iii. Indique la probabilidad de que el rendimiento sea igual o menor que 6 Toneladas por
hectárea (Ton/Ha).
Probabilidad de que el rendimiento sea igual o menor al valor indicado es de 0.5459637 o
54,59%.
iv. Indique la probabilidad de que el rendimiento sea mayor que 6 Ton/Ha.
Probabilidad de que el rendimiento sea mayor que el valor indicado 0.4540363 o 45,4%.
v. Indique la probabilidad de que el rendimiento se encuentre entre 5,5 y 6,5 Ton/Ha.
Probabilidad de que el rendimiento se encuentre entre los valores indicados 0.2257019 o
22,57%
vi. Presente y describa el gráfico “Rendimiento de maíz Distribución Normal con área
bajo la curva”

La curva de la gráfica es mesocúrtica y el área que observamos debajo de la curva de color

naranja es la probabilidad de producción obtenida entre 5,5 y 6,5 ton/ha que corresponde al
22,57%.
c. Distribución Binomial - Ejercicio de la semilla de Panicum sp. (página 102).
i. Indique la probabilidad de que germinen 7 de las 10 semillas.
La probabilidad de que germinen 7 de las 10 semillas es de 0.0030895 0,3%
ii. Indique la probabilidad de que germinen al menos 4 de las 10 semillas.
La probabilidad de que germinen 4 semillas o menos es de 0.9218731 o 92,18%
iii. Indique la probabilidad de que germinen 4 o más semillas.
La probabilidad de que germinen 4 o más semillas es de 0.07812691 o 7,8%
iv. Indique la probabilidad de que germinen a lo sumo 6 semillas.
La probabilidad de que germinen 6 semillas es de 0.016222 o 1,6%
v. Indique la esperanza (E) de esta variable aleatoria.
La esperanza de esta variable es del 2.5
vi. Indiqué la varianza (V) de esta variable aleatoria.
La varianza de esta variable es de 1.875
vii. Presente y describa el gráfico “Distribución Binomial - Germinación de semillas\n
(n=10, p=0.25)”

El valor esperado más probable de germinación esta entre dos y tres semillas.
d. Distribución Poisson - Ejercicio de las picaduras de gorgojo (página 105).
i. Indique la probabilidad de que, en 100 semillas 10 tengan picaduras.
La probabilidad es de 2.310351e-14
ii. Indique la probabilidad de que, en 100 semillas cuatro o más tengan picaduras.
La probabilidad es de 2.258191e-06
iii. Indique la probabilidad de que en 100 semillas máximo 3 tengan picaduras.
La probabilidad es de 0.9999432