ESTADISTICA PARA AGRARIAS

FASE 3

DIEGO JIMENEZ BELTRAN

cod: 1069752618
 INTRODUCCION

En este trabajo conocemos conceptos estadísticos básicos e importantes como

probabilidad, varianzas, variables, modelos probabilisticos, entre otros
teniendo como fin un resultado para aplicarlos y el saber manejar el programa
R, ya que esta técnica para estadística es muy indispensable, si lo llevo al
ámbito de mi carrera, hace las cosas mas sencillas como el simple hecho de
saber: de 100 semillas cuantas me van a germinar o cual es la probabilidad que
mi cultivo este listo para cierta fecha, o a cuantas personas les gusta cierto
producto, cual producto es mas consumido por las personas..
 OBJETIVO

El objetivo de este trabajo es dar a conocer como es el funcionamiento

del programa R a través de conceptos estadísticos y ejemplos del mismo,
por medio de códigos y modelos, diseñados especialmente para dicho
programa, así enseñando y exponiendo ya que muchas personas no tienen
conocimiento de este programa tan practico y útil para el desempeño y
desarrollo de nuestros trabajos, encuestas y programas estadísticos.
PREGUNTAS ORIENTADORAS

1. ESPACIO MUESTRAL Y CON QUE LETRA SE DENOTA: conjunto

de resultados posibles, denotado con la letra griega omega.
B. PUNTO MUESTRAL: cada uno de los posibles resultados de un
estudio aleatorio, es decir a cada elemento de omega
C. EVENTO MUESTRAL: cualquier subconjunto de elementos de omega
EXPERIMENTO ALEATORIO DEL DADO

ESTE EXPERIMENTO
ALEATORIO, TOMAN MUESTRAS
DE LOS POSIBLES RESULTADOS
QUE PUEDE DAR UN PAR DE
DADOS AL SER LANZADOS, HAY
MUCHAS PROBABILIDADES Y
MUCHOS RESULTADOS PORQUE
CADA DADO TIENE DEL 1 AL 6,
Y CADA NUMERO ES UNA
POSIBLE RESPUESTA. EN EL
EJEMPLO PONEN TODO EL
PROCEDIMIENTO (1,1) (1,2)
(1,3).. Y PODEMOS ENTENDER
AUN MEJOR LO QUE ES LA
PALABRA ALEATORIA.
E. VARIABLE ALEATORIA: función que asocia a cada elemento del espacio muestral
omega un número real y luego a cada uno de estos valores le asignaremos probabilidades
de ocurrencia.
F. QUE SIGNIFICA QUE EL ESPACIO MUESTRAL DE UNA VARIABLE
ALEATORIA CONTINUA ES NO CONTABLE ?
entre dos valores de la variable, pueden realizarse un número infinito de otros valores.
G. QUE SON VARIABLES ALEATORIAS DISCRETAS DE CONTEO NO ACOTADO:
son las proporciones que provienen de conteos que no pueden superar el número de
elementos evaluados y los conteos no acotados o sin denominador natural.
H. EXISTE DOS CONCEPTOS DE PROBABILIDAD EL CLASICO Y CONCEPTO FRECUENCIAL,
DEFINA CADA UNO. EN EL CASO DE FRECUENCIAL EXPLIQUE EL EXPERIMENTO DE
GERMINACION DE UNA SEMILLA, CUAL ES EL EXPERIMENTO ALEATORIO, CUAL ES EL
EVENTO, CUANTOS PUNTOS MUESTRALES TIENE.

CLASICO:

Cuando omega es finito (el número de puntos muestrales es contable) se puede dar una
definición de probabilidad que se basa en la observación de los elementos del espacio
muestral. Ésta se desarrolló originariamente estudiando los juegos de azar.

FRECUENCIAL:

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.
CUAL ES EL EXPERIMENTO ALEATORIO:
la germinación de una semilla, (puede
germinar o no)
CUAL ES EL EVENTO: “encontrar la semilla
germinada”
CUANTOS PUNTOS MUESTRALES
TIENE: 1
I. QUE DIFERENCIA EXISTE ENTRE EL CONCEPTO DE FRECUENCIA RELATIVA Y PROBABILIDAD: las
frecuencias se entienden como probabilidades sólo cuando N tiende a infinito. Si el número de veces que se
repite un experimento no es grande, entonces hablaremos de frecuencia relativa y diremos que ésta
“aproxima” una probabilidad.
I. QUE SON EVENTOS MUTUAMENTE EXCLUYENTES? COMO ES LA INTERSECCION DE
DOS EVENTOS MUTUAMENTE EXCLUYENTES, SI SON EXCLUYENTES, DADO UN
EVENTO a Y UNO b A QUE ES IGUAL LA p (aUb)
EVENTOS MUTUAMENTE EXCLUYENTES: son mutuamente excluyentes si cada uno está
formado por puntos muestrales distintos, es decir no existe ningún punto muestral en la
intersección de los subconjuntos que representan los eventos
COMO ES LA INTERSECCION: Cuando dos eventos son excluyentes, la intersección es cero
y por tanto la probabilidad de la unión de esos eventos, P(AUB), es la suma de las
probabilidades de cada evento.
DADO UN EVENTO a Y UNO b A QUE ES IGUAL LA p (aUb): es la suma de las
probabilidades de cada evento.
K. EN EL CASO DE DISTRIBUCIONES DE VARIABLES ALEATORIAS,
CUANDO UNA VARIABLE ES CONTINUA Y SIMETRICA QUE MODELO SE

USA: es común el uso del modelo Normal.

L. PARA VARIABLES DE PROPORCIONES QE MODELO SE UTILIZA:

modelo probabilístico Binomial.

M. PARA UNA VARIABLE DE CONTEO NO ACOTADO QUE MODELO SE

UTILIZA: el modelo Poisson.

N. QUE VARIABLES TIENEN FUNCION DE PROBABILIDAD Y QUE
VARIABLES TIENEN FUNCION DE DENSIDAD:

FUNCION DE PROBABILIDAD: designa una probabilidad de

ocurrencia a cada valor de la variable
FUNCION DE DENSIDAD: permite asignar probabilidades a eventos

definidos en términos de intervalos.

O. CUALES SON LOS PARAMETROS MAS USADOS EN ESTADISTICA
PARA ESTUDIAR Y UTILIZAR FUNCIONES DE DISTRIBUCION DE

VARIABLES ALEATORIAS: El valor esperado y la varianza.

P. QUE ES LA ESPERANZA MATEMATICA DE UNA VARIABLE, COMO SE
DENOTA: un promedio de los valores asumidos por la variable, donde cada valor es
ponderado por su probabilidad de ocurrencia. Denotada por E(.) o la letra griega Mu
(μ).

Q. QUE ES LA VARIANZA DE UNA VARIABLE ALEATORIA, COMO SE

DENOTA: 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.
 CONCEPTO CAPITULO 3 MODELOS
PROBABILISTICOS

DISTRIBUCION NORMAL

A.QUE TIPO DE HISTOGRAMA SE SELECCIONA UN

MODELO PROBABILISTICO PARA QUE UNA VARIABLE
ALEATORIA CONTINUA CUANDO SE TIENEN DATOS
DE ESA VARIABLE: un histograma de frecuencias
relativas.
DISTRIBUCION BINOMIAL

A.QUE TIPOS DE CONTEOS SE TRABAJAN CON LA

DISTRIBUCION BINOMIAL: conteos acotados.

B.EN LA DISTRIBUCION BINOMIAL QUE ES n Y QUE ES p:

dónde P es la probabilidad de éxito y por lo tanto pertenece al
intervalo [0;1] y n es el número de ensayos Bernouille independientes.

C.A QUE ES IGUAL LA ESPERANZA Y LA VARIANZA EN ESTA

DISTRIBUCION: La esperanza de la variable Y=número de
lanzamientos que resultan en cara es igual a 20x0,5=10 y la varianza de
Y es 20x0,5x0,5=5.
DISTRIBUCION DE POISSON

A.QUE TIPOS DE CONTEOS SE TRABAJA CON LA

DISTRIBUCION DE POISSON: La distribución de Poisson también
sirve como modelo probabilístico para variables discretas de tipo
conteo.

B.EN AGRONOMIA SE USA PARA QUE TIPO DE CONTEOS, LES

RECUERDO LOS ACAROS POR EJEMPO SE PÙEDEN TRABAJAR
CON ESTA DISTRIBUCION: 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.
A.COMO SE DENOTA EL UNICO PARAMETRO DE ESTA
DISTRIBUCION, A QUE ES IGUAL LA MEDIA Y LA
VARIANZA: es λ

B.A QUE ES IGUAL LA MEDIA Y LA VARIANZA:

al aumentar el promedio de los conteos, aumenta también su
varianza. La varianza de una Poisson es función de la media.
 MODELO NORMAL

A.EJERCICIO DE LAS VACAS DEL TAMBO EN EL TEXTO, EN EL

CODIGO DE MODELOS DEBEN CORRR EL CODIGO PARA ESTE
EJERCICIO QUE ESTA CON LOS DATOS DEL TEXTO,
ADICIONALMENTE DEBEN HACER LA GRAFICA DE LA FUNCION DE
DENSIDAD CON UNA MEDIDA DE 28 Y 23 AMBAS CON UNA
VARIANZA DE 10, MISMA VARIANZA EN AMBOS CASOS, Y ACER EL
EJERCICIO CON UNA MEDIDA DE 32 Y 2 VARIANZAS, UNA DE 10 Y
UNA DE 8, ES EL CASO DE LA MISMA MEDIDA Y 2 VARIANZAS,
QUE PASA CUANDO SE CAMBIA LA MEDIDA Y HAY LA MSIMA
VARIANZA HASTA DONDE SE DESPLAZA LA FIGURA, Y QUE PASA
CUANDO SE CAMBIA LA VARIANZA EN QUE SE AFECTA LA FIGURA.
EN EL EJERCICIO DE LAS VACAS DESDE DIFERENTES CASOS, LA
GRAFICA VARIA SEGUN LA MEDIA Y LA VARIANZA, EN ESTE CASO
PUSIMOS UNA SOLA MEDIA Y DOS VARIANZAS Y DOS MEDIAS Y UNA
VARIANZA CON DIFERENTE NUMERO COMO LO INDICA EL EJERCICIO,
Y LOS RESULTADOS NOTAN, EN ALGUNAS GRAFICAS EL NIVEL ESTA
MAS ALTO Y EN OTRA ESTA MAS BAJO, SI SE PUSIERON DOS
VARIANZAS Y UNA MEDIA LA GRAFICA SE VE MAS BAJA, DISMINUYE.
A.EN EL TEXO REVISAR EL EJERCICIO DE LOS HIBRIDOS DE MAIZ Y EN EL
CODIGO MODELOS CORRER EL CODIGO PARA LOS DATS REGISTRADOS EN
ESTE CODIGO QUE SON LOS MISMOS DEL LIBRO, ADICIONALMENTE
DETERMINAR LA PROBABILIDAD DE UN VALOR ENTRE 62 Y 51 PARA EL
RENDIMIENTO, TAMBIEN LA PROBABILIDAD DE UN VALOR MENOR DE 59 Y
UN VALOR AYOR A 53.
 MODELO POISSON
A.EL ESTUDIANTE DEBE REVISAR DEL TEXTO EL EJERCICIO DE LAS PICADURAS
DE GORGOJO, CORRER EL CODIGO MODELOS QUE ETSA CON LOS DATOS DEL
TEXTO, Y ADICIONALMENTE DETERMINAR CUANTAS DE 100 SEMILLAS
TENDRAN 3 PICADURAS Y CUANTAS 6 O MAS, EN ESTE CASO SAQUE LAS
PROBABILIDADES DE 0,1,2,3,4,5 LAS SIMA Y SE LAS RESTA A 1.
 CONCLUSIONES

Finalmente concluimos mediante diferentes tipos de ejercicios realizados

en el programa R, como por ejemplo el ejercicio de las vacas, que desde
diferentes caos, la gráfica varia según la media y la varianza. teniendo como
resultado unas gráficas cuyos resultados son bajos y altos. también
concluimos con un fuerte concepto de cada una de las preguntas realizadas,
teniendo como resultado el buen manejo de la estadística a lo largo de
nuestra carrera, desempeñándolo en el área de agronomía, para varios tipos
de muestras estadísticas, como ya lo mencionaba al inicio del trabajo.