Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GRUPO: 93
TUTOR:
ISMAEL DUSSAN
Por medio del siguiente trabajo se lleva a cabo la aplicación de conocimientos referentes a las
variables aleatorias y probabilidades y los modelos probabilísticos usados dentro del campo de
agrarias para calcular la calidad de una producción o las probabilidades de obtener los resultados
Objetivos específicos
probabilísticos.
relativas acumuladas.
Espacio muestral
Gráfico de barras SUMA DE CARAS FRECUENCIAS RELATIVAS SUMA DE CARAS
0.20
6
5
0.15
Frecuencias absolutas
Frecuencias relativas
4
0.10
3
2
0.05
1
0.00
0
2 3 4 5 6 7 8 9 10 11 12 2 3 4 5 6 7 8 9 10 11 12
0.6
2 3 4 5 6 7 8 9 10 11 12
Frecuencias absolutas
Gráfico de barras SUM A DE CARAS
6
5
4
3
2
1
0
2 3 4 5 6 7 8 9 10 11 12
Análisis: En el gráfico de Frecuencia absoluta podemos observar los números con sus
respetivas frecuencias donde 7 es el número de mayor frecuencia. Ejemplo (3,4=7), (2,5=7),
(6,1=7) repetimos este proceso a la inversa para un total de 6 movimientos de los dados. los
de menor frecuencia de nuestro estudio de dados son 2 y 12. Ejemplo podemos tener las
sumas de estos los cuales pueden ser del 1,1= 2 o 6,6= 12 ya que no hay otra forma de que
salga 12 o 2 con los dados. Y así podemos ver el tamaño de espacio muestral.
0.15
0.10
0.05
0.00
2 3 4 5 6 7 8 9 10 11 12
Análisis: en el gráfico
de frecuencias relativas podemos observar la probabilidad de que un resultado nos salga al
realizar el lanzamiento de los dados. Ejemplo al momento de ejecutar el código DADOS en el
programa R medice que la probabilidad que me salga 7 es de 0.16666667 para un 16.66%.
otro ejemplo es 4 tenemos que es 0.08333333 para un 8.33%. de probabilidad.
Frecuencias relativas
FRECUENCIAS RELAT IVAS ACUM ULADAS SUM A DE CARAS
1.0
0.8
0.6
0.4
0.2
0.0
2 3 4 5 6 7 8 9 10 11 12
2. Definiciones de terminos.
Punto muestral.
Se denomina punto muestral a cada uno de los posibles resultados de un estudio aleatorio, es
decir a cada elemento de
Evento muestral.
Se llama evento a cualquier subconjunto de elementos de
Variable aleatoria.
Es una función que asocia a cada elemento del espacio muestral un número real y luego a
cada uno de estos valores le asignaremos probabilidades de ocurrencia. Se puede de dar de
dos formas cualitativa o cuantitativa dependiendo el valor de la variable.
¿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.
Ejemplo de variables aleatorias con espacios muestrales con estas características son los
rendimientos, las ganancias de peso, las precipitaciones, entre otras.
ejemplo, el número de nematodos (gusano) por hectárea registrado a partir de una muestra
aleatoria de hectáreas en producción de papas, podría no tener un valor límite.
Concepto frecuencial.
Es distinta ya que se refiere a una serie repetida de estudios aleatorios. Generalmente se usa
cuando el espacio muestral es infinito y por tanto no se pueden enumerar todos los resultados
posibles del estudio.
La esperanza matemática de una variable aleatoria, usualmente denotada por E(.) o la letra
griega Mu (μ) 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.
La varianza de una variable aleatoria, denotada por Var(.) o la letra griega Sigma al cuadrado,
es una medida de dispersión. Su raíz cuadrada, denominada desvío estándar () es usada para
expresar la dispersión en término de diferencias (o desvíos) de cada dato respecto a la
esperanza.
3. CODIGO MODELOS.txt EJECUTADO EN R
0.06
0.04
0.02
0.00
10 15 20 25 30 35 40
x
Al no cambiar la esperanza podemos observar que las gráficas se mantienen, aunque cambien de
posición y son iguales a las obtenidas en el libro.
0.2
0.1
0.0
10 15 20 25 30 35 40
Las graficas estan iguales a las que nos presenta el libro, los resultados se dan debido a que se
modifico la varianza pero la esperanza es la misma. Al aumentar la varianza, modificamos la
amplitud de la onda.
20 40 60 80 100
Análisis: Podemos decir que la probabilidad de rendimiento que ocurra el evento, (se encuentra
dentro la producción del hibrido de maíz está dentro el intervalo dado [50, 65]) y al realizar el
proceso en el programa R y realizando las observaciones con el libro de Balzarini esto nos
muestra que la probabilidad es de 0,6859 o del 68.59%.
DISTRIBUCION BINOMIAL - Ejercicio de la semilla de Panicum
DISTRIBUCION NORMAL
Qué tipo de histograma se debe seleccionar en un modelo probabilístico para una
variable aleatoria continua cuando se tienen datos de esa variable.
La distribución normal se usa para el cálculo de probabilidades de variables continuas, cuyos
histogramas tienen forma “acampanada”, por eso y porque su expresión matemática fue
estudiada por Gauss, también se conoce como modelo Gaussiano. El siguiente histograma
corresponde a la variable aleatoria perímetro que fue medido sobre numerosas cabezas de ajo,
para el cual el modelo Normal con media 17,2 y varianza 10,7 pareciera proveer un buen ajuste,
ejemplo:
Gráfico de barras SUMA DE CARAS
6
5
Frecuencias absolutas
4
3
2
1
0
2 3 4 5 6 7 8 9 10 11 12
donde Y es el valor de la variable aleatoria que define el evento de interés, µ y σ² son la media y
la varianza de la distribución de Y. La nueva variable aleatoria Z, obtenida mediante
estandarización de Y, se distribuye normal con media cero y varianza uno, es decir, normal
estándar.
DISTRIBUCIÓN BINOMIAL
Qué tipo de conteos se trabajan con la distribución Binomial
Se supone que se realizan cierto número (n) de experimentos aleatorios y en cada experimento se
registra uno de dos resultados posibles, éxito o fracaso donde el éxito tiene una cierta
probabilidad (P) de ocurrencia (este ensayo con resultado binario se conoce como ensayo
Bernoulli). Se supone además que estos experimentos son independientes (es decir el resultado
de un experimento no afecta al resultado de otro) y que la probabilidad de éxito (o fracaso) se
mantiene constante a través del conjunto de experimentos.
En la distribución binomial que es n y que es P.
P es la probabilidad de éxito y por lo tanto pertenece al intervalo [0;1] y n es el número de
ensayos Bernouille independientes.
A qué es igual la esperanza y la varianza en esta distribución.
La E(Y) y la V(Y) cuando Y tiene distribución Binomial son:
Por ejemplo, si se tira 20 veces una moneda, y se quiere calcular la probabilidad de obtener 12
caras, es decir, P (Y = 12), esta será:
DISTRIBUCION DE POISSON
Qué tipos de conteos se trabaja con la distribución de Poisson.
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.
En agronomía se usa para qué tipo de conteos (los ácaros, por ejemplo, se pueden
trabajar con esta distribución).
En Agronomía, la distribución Poisson suele usarse para modelar el número de insectos sobre
una planta, o en un golpe de red, el número de manchas defectuosas en un mosaico, o en un
metro cuadrado de piso, el número de colémbolos en 100 g de suelo, o en 1000 cm3 de suelo o el
número de coliformes en 1 ml de agua, entre otros conteos de interés.
Cómo se denota el único parámetro de esta distribución, a que es igual la media y la
varianza.
La función de probabilidad de una variable aleatoria Y que se distribuye como una variable
Poisson puede expresarse como:
Bibliografía