Bioestadística

María Alejandra Ojeda Londoño

Tutor

Universidad Nacional Abierta y a distancia UNAD

Puerto asís Putumayo -- ECAPMA

05-10-2022
 Introducción
La estadística es la ciencia de recolectar, describir e interpretar datos. Por medio del

siguiente trabajo se lleva a cabo la interpretación y aplicación de conceptos adquiridos en

esta fase sobre las variables aleatorias y probabilidad en base del libro de Balzarini,

posteriormente se realizan ejercicios donde se aplican los conceptos anteriormente

mencionados, adicionalmente se aplican modelos probabilísticos en normal, binomial y

Poisson.

Objetivos
 Interpretar y aplicar los conceptos estadísticos para variables aleatorias y probables.

Objetivos específicos

Definir cada uno de los conceptos estadísticos.

Aplicar conocimientos adquiridos en ejercicios del libro de Balzarini.

Ejecutar códigos de probabilidad de variables en R.

Descargar los códigos para el consolidado de la fase 3

Identificar detalladamente el suceso del experimentó de lanzar dos dados.

Identificar los tipos de variables en las ciencias agrarias.

Reconocer los tipos de gráficos y explicarlos. Manejo del programa R

Actividad

Definición de conceptos
 Variables aleatorias y probables

Espacio muestral y con qué letra se denota:

Es el conjunto de posibles resultados de un estudio aleatorio, se denota con la letra Omega

(Ω).

Defina punto muestral y evento muestral

Punto muestral: Se denomina punto muestral a cada uno de los posibles resultados de un

estudio aleatorio, es decir a cada elemento del espacio muestral (Ω).

Evento muestral: Se llama evento a cualquier subconjunto de elementos del espacio

muestral (Ω).

Explique en sus propias palabras el experimento aleatorio del dado. Sobre este

ejercicio, el estudiante debe entender que, aunque no es un experimento

agropecuario nos ayuda a entender los conceptos planteados.

aleatoria: Se define variable aleatoria a la función que relaciona un resultado de un estudio

con un valor numérico, está íntimamente relacionado con el concepto de probabilidad de

que sea la encargada del valor de esta variable.

¿Qué significa que el espacio muestral de una variable aleatoria continua no es

contable?
Esto quiere decir que ese tipo de variables no se puede deducir o suponer una conclusión o

respuesta sin realizar un estudio adelantado.

¿Qué son variables aleatorias discretas proporcionales y que son variables

aleatorias discretas de conteo no acotado? De ejemplos de este tipo de variables

Variables aleatorias discretas proporcionales.

Las variables discretas proporcionales, provienen de conteos que pueden superar el número

de elementos evaluadores. Ejemplo de una variable discreta expresada como proporción es

el número de semillas germinadas en cajas de Petri con 25 semillas cada caja; los resultados

se expresan como proporciones porque existe un denominador natural: la cantidad de

semillas por caja.

Variables aleatorias discretas de conteo no acotado:

Son aquellas que provienen de conteos que no pueden superar el número de elementos

evaluados y los conteos no acotados o sin determinador natural.

Ejemplo de variable discreta obtenida por un conteo (no acotado) es el número de pústulas

de roya por m2 de cultivo. Para el caso de proporciones es importante dejar expresado que

si bien el valor puede ser continuo en el rango 0-1, el espacio generatriz es discreto, porque

la base de la variable es el conteo.

Existen dos conceptos de probabilidad: el clásico y el concepto frecuencial; defina cada

uno, 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 muéstrales

tiene.

Probabilidad clásica:

Se define como la probabilidad que se basa en la observación de los elementos del espacio

muestra. Esta se desarrolla originariamente estudiando los juegos de azar. (Balzarini, 2013)

Probabilidad frecuencia.

Se define como la serie repetida de estudios aleatorios. Generalmente esta se usa cuando el

espacio muestral es infinito y por tanto no se pueden enumerar todos los resultados posibles

del estudio. Así, se repite el estudio un número grande de veces y se registra la frecuencia

relativa de ocurrencia de cada resultado, la que es luego usada como un estimador de

probabilidad.

En el siguiente ejemplo nos basamos del expuesto. De la germinación de semillas, para este

caso se tiene un lote de semillas, de la cual sacaremos la probabilidad de que la semilla

germine óptimamente. Cogemos una semilla y la plantamos esperando que germine, pero

este proceso lo repetiremos 500 veces, probablemente se usaran 500 semillas, este número

de repeticiones será N, tengamos en cuenta que para lograr obtener la probabilidad

debemos saber el número de veces que el evento ocurre en la cantidad de las repeticiones y

lo denotaremos nA.

La probabilidad de germinación de una semilla en la totalidad de las repeticiones la

denominaremos P(A). Si de las 500 repeticiones (N) se observó una germinación de 300

semillas (𝑛a), diremos que la probabilidad de que una semilla germine se representa por:

P(A) = P (observar una semilla germinada) =𝑛a =N = 300/500= 0,6 y esta es la

probabilidad de observar una semilla germinada en las 500 repeticiones. (Balzarine, 2013)

¿Qué diferencia existe entre el concepto de frecuencia relativa y el de

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. Otra idea importante

para comprender la medida de probabilidad es la de eventos mutuamente excluyentes.

¿Qué variables tienen función de probabilidad y cuáles variables tienen

función de densidad?

En la teoría de probabilidad encontramos las variables discretas por lo tanto las variables
continuas tienen función de densidad.

¿Cuáles son los parámetros más usados en estadística para estudiar y utilizar

funciones de distribución de variables aleatorias?

Los parámetros utilizados en estadística para estudiar funciones de distribución de variables

aleatorias son el valor esperado, que a su vez formaliza el valor medio en un fenómeno

aleatorio.

¿Qué es la esperanza matemática de una variable aleatoria? ¿cómo se denota?

La esperanza matemática de una variable aleatoria, normal mente 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.

Distribución Normal

Qué tipo de histograma se selecciona un modelo probabilístico para una

variable aleatoria continua cuando se tienen datos de esa variable.

Histogramas de frecuencias relativas de variables aleatorias continuas donde se superponen

funciones de modelos probabilísticos teóricos que ajustan relativamente bien las formas de

los histogramas.

Distribución Binomial

Qué tipo de conteos se trabajan con la distribución Binomial

La distribución binomial puede usarse para el cálculo de probabilidades de eventos

provenientes de conteos acotados, es decir sobre n de conteos independientes.

En la distribución binomial que es n y que es P.

n = Número de experimentos aleatorios.

P = Probabilidad de ocurrencia.

A que es igual la esperanza y la varianza en esta distribución.

La Esperanza E(Y) =

μ=E(Y )=∑ y=0nyf ( y )=nP

La Varianza V(Y) =

σ2=V (Y )=nP(1−P)
 Distribución de Poisson

Que tipos de conteos se trabaja con la distribución de 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.

En agronomía se usa para que tipo de conteos, les recuerdo 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 doliformes en 1 ml de agua, entre otros conteos de interés.

Como se denota el único parámetro de esta distribución, a que es igual la

media y la varianza.

Esta distribución tiene un único parámetro, que representa la esperanza y también a la

varianza, se denota con (λ).

 Conclusión

Bibliografía
Balzarine. (2013).

Balzarini, M:. (2013). Estadísticas y biometría: ilustraciones del uso infostat en problemas

de agronomía. Recuperado de

http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action

Arribas, M.J.M., Almazán, L.A., & Mañas, R. B. (Eds.). (2012). historia de la probabilidad

y de la estadística vi. . Recuperado de

http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action