You are on page 1of 23

FASE 3 - ELABORAR DOCUMENTO DE APLICACIÓN DE CONCEPTOS DE

PROBABILIDAD

DANNA KATHERYNE SIERRA QUIMBAYO – COD: 1106399531

GRUPO: 300046_59

TUTOR: HECTOR FABIO LOPEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

ESCUELA DE CIENCIAS AGRICOLAS, PECUARIAS Y DEL MEDIO AMBIENTE

ESTADISTICA DECRIPTIVA

IBAGUE - TOLIMA

MAYO 2019
1. Preguntas Orientadoras.

Tema variables aleatorias y probabilidades:

 Espacio muestral y con qué letra se denota.

Se llama espacio muestral al conjunto de todos los resultados posibles de un estudio


aleatorio experimental u observacional. Será denotado con la letra griega omega (Ω).

 Punto muestral

Se llama punto muestral o evento elemental a cada uno de los elementos del conjunto
Ω.

 Evento muestral

Se le llama evento muestral a cualquier subconjunto de Ω.

 Explique en sus propias palabras el experimento aleatorio del


dado deben descargar el CODIGODADO disponible en la
siguiente columna:
FRECUENCIAS RELATIVAS ACUMULADAS SUMA DE CARAS
1.0
0.8
Frecuencias relativas

0.6
0.4
0.2
0.0

2 3 4 5 6 7 8 9 10 11 12
6
5
Gráfico de barras SUMA DE CARAS
Frecuencias absolutas

4
3
2
1
0

2 3 4 5 6 7 8 9 10 11 12

 Defina Variable aleatoria

Es una función que asigna un número real, a cada resultado del espacio muestral,
cuyo dominio es el espacio muestral y el rango es el conjunto de los número reales.

 ¿Qué significa que el espacio muestral de una variable aleatoria


continua es no contable?, ¿que son variables aleatorias discretas
proporcionales y que son variables aleatorias discretas de
conteo no acotado? De ejemplos este tipo de variables.

Si una variable aleatoria continua es no contable quiere decir que entre dos calores
de la variable puede realizarse un número infinito de otros valores. Las variables
aleatorias discretas proporcionales son aquellas que provienen de conteos que no
pueden superar el número de elementos evaluados, como por ejemplo el número de
animales que han muerto en distintos invernaderos en los que hay 100 de ellos.
 Existe dos conceptos de probabilidad el clásico y 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, cuántos puntos
muestrales tiene.

 ¿Qué diferencia existe entre el concepto de frecuencia relativa


y el de probabilidad?

No existe diferencia, debido a que en las frecuencias relativas depende del número
de veces que se repite en un experimento no varía para ser tan grande, y se estaría
hablando de algo cercano a una probabilidad.

 ¿Que son eventos mutuamente excluyentes?, como es la


intersección de dos eventos mutuamente excluyentes, si son
excluyentes, dado un evento A y uno B, a que es igual la P(AꓴB)?

Los eventos mutuamente excluyentes se presentan al formar puntos muéstrales


distintos. Por consiguiente, los eventos se dan cuando no existe ningún punto
maestral en la intersección de los subconjuntos.

 En el caso de distribuciones de variables aleatorias cuando una


variable es continua y simétrica que modelo se usa.

Para las variables de este caso se utiliza el modelo normal.

 Para una variable de conteo no acotado que modelo se utiliza

Para este caso de variable de utiliza el modelo de poison.

 Para variables de proporciones que modelo se utiliza

Para estas variables se usa el modelo probabilístico binomial.

 Que variables tienen función de probabilidad y que variables


tienen función de densidad.
Las aleatorias continuas tienen función de densidad y las variables aleatoria
discretas función de probabilidad.

 Cuáles son los parámetros más usados en estadística para


estudiar y utilizar funciones de distribución de variables
aleatorias.

La varianza y valor esperado.

 Que es la esperanza matemática de una variable aleatoria,


como se denota

Se realiza por promedios donde los valores dependen de su probabilidad y se


identifican por la letra E.

 Que es La varianza de una variable aleatoria, como se denota?

Es la medida de dispersión denotada como Var.


2. Aplicación de conceptos
2.1. EN EL CAPITULO 2 EN EL EJERCICIO APLICACIÓN Y PAGINAS
SIGUIENTES.
2.2. TRABAJO CON VARIABLES DE CIENCIAS AGRARIAS.

El estudiante debe descargar en su carpeta de trabajo el archivo Excel


PROBABILIDAD.csv y el código CODIGOPROBABILIDAD, debe verificar lectura de la
carpeta y correr el respectivo código. En este caso el código explica como seleccionar
las variables y el programa las lee del archivo PROBABILIDAD Cada estudiante debe
correr el modelo para una variable discreta y una continua dando conclusiones de lo
encontrado acorde a su profesión.
Gráfico de barras CONTEO
8
6
Frecuencias absolutas

4
2
0

5 7 9 11 13 15 17 19 21 23 25 27 29

FRECUENCIAS RELATIVAS ACUMULADAS CONTEO


1.0
0.8
Frecuencias relativas

0.6
0.4
0.2
0.0

5 7 9 11 13 15 17 19 21 23 25 27 29
VARIABLES CUANTITATIVAS CONTINUAS:
20
15
Frequency

10
5
0

8.91 11.58 16.93 22.28 27.63

Class limits

Distribución empirica
1.0
0.8
Distribución empirica

0.6
0.4
0.2
0.0

10 15 20 25 30

Pesoconejos
 ¿Cuál es conteo de más alta probabilidad?

El conteo de más alta probabilidad es el 21, con un 10% de probabilidad.

 En el caso de la variable continua el 50% de los datos de su variables


serán menores o iguales a que a valor

A la mediana que es 18pm

3. En este punto se pretende que el estudiante aprenda a aplicar modelos


probabilísticos debe revisar en el capítulo tres modelos
probabilísticos, en este los ejercicios de aplicación de los modelos
normal, binomial y Poisson, para lo cual el estudiante debe descargar
el código MODELOS y ubicarlo en la carpeta estadística descriptiva,
para correrlo desde el programa R

3.1. MODELO NORMAL.

 Deben revisar en el texto el ejercicio de las vacas del tambo en el texto,


en el código de MODELOS, deben correr el código para este ejercicio
que esta con los datos del texto, adicionalmente deben hacer la gráfica
de la función de densidad con una media de 28 y 23 ambas con una
varianza de 10 misma varianza en ambos casos, y hacer el ejercicio
con un media de 32 y dos varianzas una de 10 y otra de 8, es el caso
de la misma media y dos varianzas, que pasa cuando se cambia le media
y hay la misma varianza, hacia donde se desplaza la figura y que pasa
cuando se cambia la varianza en que se afecta la figura.
Función de Distribución N(MEDIA.MEDIA2 EN ROJO,MISMA VARIANZA)

0.12
0.10
0.08
F(x)

0.06
0.04
0.02
0.00

10 15 20 25 30 35 40

Función de Distribución N(MEDIA.MEDIA2 EN ROJO,MISMA VARIANZA)


0.12
0.10
0.08
F(x)

0.06
0.04
0.02
0.00

10 15 20 25 30 35 40

x
Función de Distribución N(VARIANZA.VARIANZA1 EN ROJO,MISMA MEDIA)
0.4
0.3
F(x)

0.2
0.1
0.0

10 15 20 25 30 35 40

x
Función de Distribución N(VARIANZA.VARIANZA1 EN ROJO,MISMA MEDIA)
0.4
0.3
F(x)

0.2
0.1
0.0

10 15 20 25 30 35 40

 En el texto revisar el ejercicio de los híbridos de maíz y en el código


MODELOS correr el código para los datos registrados en este código que
son los mismos del libro, adicionalmente determinar la probabilidad de un
valor entre 62 y 51 para el rendimiento, también la probabilidad de un valor
menor de 59 y un valor mayor a 53.
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

x
0.05
0.04
0.03
Función de Distribución N(media.sigma)
F(x)

0.02
0.01
0.00

20 40 60 80 100

3.2. MODELO BINOMIAL

 En el texto deben revisar en tema de modelo binomial el ejercicio de la


germinación de semillas de panicum correrlo con los datos del código
MODELOS que son los mismos del libro, adicionalmente CON AYUDA DEL
CÓDIGO determinar la probabilidad de germinar 5 semillas, por lo menos
cuatro y a lo sumo 4.
La probabilidad de que las 5 semillas germinen es de 0.0583992 y de que germinen
a lo sumo 4 es de 0.9218731.

3.3. MODELO POISSON


 El estudiante debe revisar del texto el ejercicio de las picaduras del Gorgojo,
correr el código MODELOS que está con los datos del texto, y
adicionalmente determinar cuantas de 100 semillas tendrán 3 picaduras y
cuantas 6 o más, en este caso saque las probabilidades de 0,1,2,3,4,5 las
suma y se las resta a uno.
4. REFERENCIAS BIBLIOGRÁFICAS
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=bioes
tadistica