UNIDAD N 1

Introduccin

Estadstica:
Nos da la probabilidad de las decisiones
Azar o aleatorio es aquello que est fuera de control
La palabra estadstica viene de los datos del estado (poblacin, etc.)
Fisher en 1900 es el padre de los diseos experimentales
Gousset (1908) diseo t-student
La distribucin normal
1 x

2 2

F (x) =

1
2 2

2 0

F (x) =

d.o.f.

Poblacin:
Es un conjunto de datos medibles (Cuantitativas)

Poblacin

2
n
Tamao:
Nmero de elementos que conforman la muestra
Si n = 100 y tenemos 10,000 muestras, tenemos una poblacin de medidas
muestrales, la distribucin de las medidas muestrales sigue el mismo
comportamiento que la normal.
Para muestras pequeas no sigue el mismo comportamiento hasta 1920 Fisher
encontr el modelo matemtico

Poblacin

Muestra

1 y 2 es interferencia estadstica

Si se conoce la poblacin se puede deducir lo que ocurre en una muestra

Sesgar = desviar
2

0
Media Poblacional
Media Muestral

Muestra de tamao n

n=?

De que tamao debe ser la muestra

n=

Uno fija la exactitud y la circunferencia

Mtodo cientfico

1. Coleccin de hechos por observacin o experimentacin

2. Formulas preguntas como consecuencia del punto anterior acerca de
cmo y por que
3. formulacin de hiptesis que conteste a las preguntas planteadas
4. verificacin o comprobacin de las hiptesis
para conocer hay que observar
Observacin:
Es la percepcin de un fenmeno o de las caractersticas de un objeto o un
ser vivo a travs de los sentidos, el fenmeno debe ser cuantificado
Los fenmenos observables se les observa varias veces que se repitan
La hiptesis relaciona lo supuesto con lo real
La ley no es absoluta; por ahora es el campen
Una ley no es la realidad por que muchas veces se desechan datos separados

. . . . .
0

X
Se desecha pero es
la realidad

La ley predice estos

Modelo matemtico
Reducidos
Fsicos
No-reducidos
Verbales
Modelo
Abstractos

Simblicos
Deterministicos
Matemticos
No-deterministicos

Modelo deterministico

F (x)

x
Modelo No-deterministico

Modelo no-deterministico
F (x)
x

Modelo no-deterministico = Modelo estadstico

Ventajas de los modelos matemticos

1. Puede predecir y los datos predichos se pueden comparar con la
realidad
2. A partir de los fracasos, se puede reafinar el modelo
Desventajas
1. El modelo se vuelve ms complejo a medida que las variables aumentan
en el modelo
2. El modelo no es la realidad

Rendimiento de un cultivo =

Modelo matemtico

F (Fertilizantes, fungicidas, insecticidas..)

y=

F(x) =

0 1 2 2 3 3 ......... 30 30

Para fines prcticos

Y = 0 1
2 2 3 3 .......... 30 30

Diagrama del funcionamiento del modelo matemtico

Mundo real

Modelo matemtico

Datos

Modelo

Problemas

Problemas del modelo

Solucin de problemas

Solucin matemtica

Modelo matemtico deterministico

2
3
30
y = 0 1 2 3 ......... 30

30

y=

0 i i
i 1

30

y=

0 1 i i
i 2

30

i i
i2

Y=

Modelo matemtico no-deterministico

Error experimental

Debido a la parte aleatoria, error de las variables en el modelo

Rendimiento

y = 4.8 +3.94 F + 0.003 F2 3.1 H + 8.3 H2 + .

y = 8.3 + 2.4 F + 0.4 F2
La ecuacin tiene diferentes coeficientes por que absorben la parte eliminada
En agronoma a + a 2 a
Debido a las interacciones
Ejemplo:
0.9 FH que es lineal, pero existe interaccin entre dos variables
N

80

40

00

90 cm

Fertilizante
Lmina de riego

Rendimiento; 3 Ton / Ha
Debido a Fertilizante
Debido a riego

2.4
0.8

Ton / Ha
Ton / Ha

Debido a ambas 3.2 Ton / Ha Nel debido a la interaccin

Rendimiento del cultivo + riego

Rendimiento del cultivo + Fertilizante

Rendimiento del cultivo + riego

+ Fertilizante

3
0.8

Ton / Ha
Ton / Ha

0.9
3.8

Ton / Ha

3
2.4

Ton / Ha
Ton / Ha

5.4

Ton / Ha

3
0.8
2.4

Ton / Ha
Ton / Ha
Ton / Ha

6.2

Ton / Ha

Lo cul no es cierto debido a la

interaccin riego-Fertilizante

Rendimiento
No es cierto

Fertilizantes

Diferencia entre un modelo deterministico y un modelo estadstico

1. El modelo estadstico es un modelo matemtico donde interviene un
elemento aleatorio
2. El modelo estadstico en contraste con el modelo matemtico
deterministico no se aplica a un solo evento si no a un nmero de ellos
3. En el modelo estadstico a causas del elemento aleatorio no se puede
determinar con exactitud el valor de una variable con funcin de otra u
otras, en el modelo matemtico si es posible determinar las variables por
est razn se le llama modelo deterministico

Modelo deterministico
A = 2
Modelo aleatorio no-deterministico
Y = 0 1
0 1

Coeficientes desconocidos, se requieren varias observaciones

para conocer estos parmetros

Efecto aleatorio

Rendimiento = F (Fertilidad, lmina de riego)

Falta luz, calidad, plagas, esos factores se incluyen en el efecto aleatorio

El objetivo es tener un modelo sencillo del fenmeno

Efecto aleatorio:
El hecho de que en un fenmeno dado no sea posible determinar con precisin
el estado final de dicho fenmeno, si no que se tenga cierto grado de
incertidumbre sobre ese estado final se conoce como aleatoriedad del
fenmeno.
Variedad X:
Fecha de floracin; 95 das
Algunas florean antes, otras despus dependiendo de las condiciones, por eso
el efecto aleatorio da una idea de cuando ocurre la floracin
Razones para el carcter aleatorio
1. El carcter aleatorio (azar) puede consistir en que no se puede definir el
estado inicial del fenmeno para determinar con suficiente precisin el
estado final del fenmeno.
2. la aleatoriedad del fenmeno puede estar relacionada con las leyes
naturales involucradas
3. la aleatoriedad de los fenmenos se debe a que las leyes naturales son
vlidas hablando estrictamente solo para fenmenos ideales.
Variedad X
Das de floracin y
y

Resultado de la parcela o de una planta en este caso una planta

yi

El modelo estadstico

= 95 das

yi

Es el que se va a observar

yi

= 95 das + i

Se despeja i y se evala el efecto aleatorio

i =

yi

- 95 das

Poblacin

yi

de medida de floracin 95 das

Muestra

Cuando no se conoce la se muestrea la poblacin

El modelo ms sencillo

yi
yi =

Observaciones, manifestaciones tomados de la naturaleza,

establecimientos de estados finales del fenmeno.

Media, generalmente no se conoce

Parmetro:
Cualquier valor que se refiere a la poblacin es una cantidad propia de la
poblacin
Los clculos se le conocen como estimador, es una funcin matemtica que se
hace en la poblacin
El modelo a nivel poblacional

yi
El modelo a nivel muestral

= i

y i i

Sumar las observaciones

Nmero de observaciones

y1 + y2 + y3 +yn

n
n

i 1

n
Con las observaciones de la muestra se evala
Con las observaciones de la poblacin se evala
Media a nivel muestral

Media a nivel poblacional

Estimar

El parmetro no varia, puede ser media, varianza o cualquier valor de la

poblacin o asimetra.

Prueba de hiptesis

Ho
Hiptesis inicial
Ha

Hiptesis alternante
Valor lgico propuesto por nosotros

Variedad X
Floracin 90 das
En la prueba de hiptesis

Ho; 0
Ha; 0

Se esta operando de esta forma

Modelo a nivel poblacional

yi

= i

yi =

Datos reales

Promedio de las edades, pesos, es la medida general

i Variable aleatoria debida a la constitucin gentica, tiempo, etc.