Documentos de Académico
Documentos de Profesional
Documentos de Cultura
94 - Colaborativo - Fase 3
94 - Colaborativo - Fase 3
ELABORADO POR:
ANGIE TATIANA BRIÑEZ
ID 1110528735
GERALDIN CORTES MORENO
ID 1116918530
PRESENTADO AL TUTOR:
ISMAEL DUSSAN
DIRECTOR DE CURSO
MARZO 2020
INTRODUCCION
El estudio de los modelos probabilísticos y las variables aleatorias y probabilidades propone una
solución a los interrogantes que se presentan en determinadas situaciones permitiendo predecir
cuáles serán los posibles resultados que se obtendrán de acuerdo a ciertos factores. Su uso en las
áreas de la Agronomía se hace cada vez más común e importante logrando de esta manera
calificar la calidad de los productos
Objetivo general
Objetivos específicos
sus propias palabras el experimento aleatorio del dado. El estudiante debe entender que,
planteados.
Espacio Muestral
con 6 veces
1
0
2 3 4 5 6 7 8 9 10 11 12
FRECUENCIAS RELATIVAS SUMA DE CARAS
0.20
obtenemos dividiendo la
0.10
2 3 4 5 6 7 8 9 10 11 12
2 3 4 5 6 7 8 9 10 11 12
• Espacio muestral, con qué letra se denota: Es el conjunto de todos los valores
de ocurrencia
no contable?
Quiere decir que como las variables continuas manejan rangos o intervalos,
Petri con las semillas, el resultado de semillas germinadas no podría ser mayor de
25, dado que ese es el número de semillas que se pusieron en las cajas.
posibles.
Ejemplo de la semilla
600
P(A)= 1000 = 0.6
Libro: Se dice que dos eventos son mutuamente excluyentes si cada uno está formado
decir no tienen puntos muestrales en común. Al tener una intersección igual a cero la
probabilidad de la unión de esos eventos, P(AUB), es la suma de las probabilidades
de cada evento.
Para una variable continua y de distribución simétrica unimodal, es común el uso del
modelo Normal
densidad.
letra griega Mu (μ) es, desde un punto de vista intuitivo, un promedio de los valores
ocurrencia.
La varianza de una variable aleatoria, denotada por Var(.) o la letra griega Sigma al
DISTRIBUCIÓN
Podemos observar que las gráficas obtenidas con el programa R coinciden con las
obtenidas en el libro dado que las condiciones iniciales no cambian. A las vacas se les da
una ración adicional para aumentar la producción de leche en 5 litros, pero la varianza no
se toca.
Datos procesados en R:
Teniendo en cuenta los datos suministrados por el libro podemos observar como la
0.2
0.1
0.0
10 15 20 25 30 35 40
x
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
0.02
0.01
0.00
20 40 60 80 100
x
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
[1] 0.003089905
Probabilidad de que germinen menos de 3 semillas
[1] 0.5255928
Para conocer la probabilidad que germinen 3 o mas semillas se resta 1 menos el anterior
resultado:
> 1-pbinom(k1,n,p) # La probabilidad de que germinen 3 o más semillas es de 0.4744 o del
47.44 por ciento
[1] 0.4744072
Distribución Poisson
La distribución de Poisson también sirve como modelo probabilístico para variables discretas de
tipo conteo. A diferencia de la Binomial, donde el conteo se realizaba sobre n experimentos
independientes, en el caso de la Poisson, los conteos se refieren al número de veces que un
evento ocurre en una unidad de tiempo o espacio dada (hora, kilo, m2, m3, planta, etc.) y por
tanto los valores de la variable no están acotados. Es decir, mientras los valores de Y en una
Binomial podían pertenecer a los naturales entre 0 y n inclusive, en el caso de una Poisson
pueden pertenecer a los naturales entre 0 e infinito.
> dpois(x1,lamda) # La probabilidad de que en 100 semillas una tenga 1 picadura es de 0.1637 o
de 16.37 por ciento
[1] 0.1637462
>
> x0=0 # El valor de conteo que se quiere calcular la probabilidad, en este caso que ninguna
semilla tenga picaduras
> x2=1
[1] 0.8187308
[1] 0.0175231
> # La probabilidad de que 2 de las 100 semillas tengan picaduras es de 0.0175 o del 1.8 por
ciento
>
Distribucion Normal
Para una variable aleatoria continua cuando se tienen datos de esa variable, resulta
recomendable graficar un histograma de frecuencias relativas y observar la forma del
mismo
En agronomía se usa para que tipo de conteos, les recuerdo los ácaros por ejemplo se
pueden trabajar con esta distribución
• Como se denota el único parámetro de esta distribución, a que es igual la media
y la varianza.
El único parámetro de la distribución Poisson es . Si una variable aleatoria Y se
distribuye como Poissson lo denotamos como: Y~Poisson(). Esta distribución tiene
un único parámetro, que representa la esperanza y también a la varianza, es decir que
cuando Y~ Poisson(), se cumple:
• En agronomía se usa para qué tipo de conteos (los ácaros por ejemplo, se pueden
trabajar con esta distribución).