Documente Academic
Documente Profesional
Documente Cultură
docPecuaria I
296759982.docPecuaria I
AYACUCHO - 2009
296759982.docPecuaria I
El Autor
296759982.docPecuaria I
CAPITULO I
NOCIONES DE ESTADISTICA DESCRIPTIVA
1. Definicin de estadstica
Ciencia que nos proporciona un conjunto de mtodos, tcnicas o procedimientos para recopilar,
organizar (clasificar, agrupar), presentar y analizar datos con el fin de describirlos o de realizar
generalizaciones validas.
La estadstica se divide en: a) estadstica descriptiva y b) estadstica inferencial
La estadstica descriptiva se ocupa de la descripcin de datos experimentales, es decir de la
recopilacin, organizacin y anlisis de datos sobre alguna caracterstica de ciertos individuos
pertenecientes a la poblacin o universo.
Esta parte se dedica nica y exclusivamente al ordenamiento y tratamiento mecnico de la
informacin para su presentacin por medio de tablas y de representaciones grficas, as como de
la obtencin de algunos parmetros tiles para la explicacin de la informacin.
La estadstica inferencial es obtener la informacin acerca de una poblacin, partiendo de la
informacin que contiene una muestra. Permiten al investigador generalizar a una poblacin de
individuos basndose en la informacin obtenida de un nmero limitado de participantes en la
investigacin
2. Poblacin y Muestra
Poblacin.- conjunto de elementos que contienen una o ms caractersticas observables de
naturaleza cualitativa o cuantitativa que se pueden medir en ellos (N). A cada elemento de una
poblacin se denomina unidad elemental. Una poblacin puede ser finita o infinita.
Ejemplos:
Poblacin finita: Las alpacas de la comunidad de Ccarhuapampa
Poblacin infinita: Los cuyes criollos del departamento de Ayacucho
Establezca un ejemplo de cada tipo de poblacin:
N1:...
N2:...
Muestra.- Es una parte de la poblacin (sub conjunto), seleccionada de acuerdo a un plan o regla,
con el fin de obtener informacin acerca de la poblacin de la cual proviene. La muestra debe ser
representativa de la poblacin y con ello queremos decir que cualquier individuo de la poblacin en
estudio debe haber tenido la misma probabilidad de ser elegido.
Establezca dos ejemplos de muestras:
296759982.docPecuaria I
n1:..
n2:........................................................................................................................................
3. Parmetro y Estadstico
Existen medidas para realizar descripciones cuantitativas de los conjuntos de datos, o poblaciones,
y de sus muestras, diferencindose entre ellas las que se refieren a las mismas poblaciones y a las
muestras.
Parmetro.- Es una medida descriptiva que resume una caracterstica de la poblacin, la cual es
calculada a partir de los datos observados de toda la poblacin.
Estadstico.- Es una medida descriptiva que resume una caracterstica de la muestra, la cual es
calculada a partir de los datos observados de una muestra aleatoria.
Para el caso de las poblaciones, las medidas que las describen suelen estar representadas con
letras griegas (por ejemplo y ); y para el caso de la muestras suelen estar representados por
letras de nuestro alfabeto (por ejemplo, x o s).
Un parmetro o estadstico puede ser la media, la mediana, la varianza, etc.
4. Variables Estadsticas
Definicin.- Es una caracterstica o propiedad definida en la poblacin que puede ser medida y/o
observada, pudiendo tomar dos o mas valores. Se representan por una letra del alfabeto (X, Y, Z,
etc). Estas se clasifican en:
Variables cuantitativas.- Son aquellas pueden medirse y/o cuantificarse numricamente. Estas
pueden ser de dos tipos:
Variables cuantitativas continuas, si admiten tomar cualquier valor dentro de un rango
numrico determinado. Pueden tomar tanto valores enteros como decimales. Ejemplo: edad,
peso, talla, etc.
Variables cuantitativas discretas, si admiten solo ciertos valores en un intervalo considerado.
Suelen tomar solamente y en forma estricta valores enteros. Ejemplo: nmero de hijos,
nmero de partos, etc.
Variables cualitativas. Representan una cualidad o atributo de los elementos de una determinada
poblacin. Ejemplo: sexo, color de ojo, forma de cabello, etc. En el proceso de medicin de estas
variables, se pueden utilizar dos escalas:
Escalas nominales (No ordenables): los datos tomados no mantienen una relacin de orden
entre s (color de los ojos, sexo, profesin, presencia o ausencia de un factor de riesgo o
enfermedad, etctera).
Escalas ordinales (Ordenables): en las escalas utilizadas, existe un cierto orden o jerarqua
entre las categoras (grados de disnea, estadiaje de un tumor, etctera).
296759982.docPecuaria I
296759982.docPecuaria I
Ejemplo:
b. Diagrama de barras.- Sobre un eje horizontal se representan los distintos valores de una variable
discreta o categrica, y sobre cada valor se levanta un rectngulo vertical cuya base est separada
de las contiguas. En un eje vertical se representa una caracterstica numrica de la variable como el
nmero de casos, o bien otra funcin resumen que puede estar asociada a otra variable
(frecuencias).
296759982.docPecuaria I
296759982.docPecuaria I
296759982.docPecuaria I
Ejemplo. Los siguientes datos representan pesos de 15 toretes criollos (kg) de 2 a 4 dientes de
edad.
165 178 185 169 152 180 175 189 195 200 183 191 197 208 179
Hacer su grfica de Stem-and Leaf.
Solucin: En este caso las ramas la forman los primeros dos dgitos de los datos, y las hojas sern
dadas por los ltimos dgitos de los datos.
Luego el stem-and leaf ser de la siguiente manera:
Ejemplo:
Se trata de los pesos vivos (kg) de carneros Corriedale de plantel: 78, 82, 54, 71, 58, 93, 61, 96,
70, 83, 67, 88, 74, 97, 72, 66, 73, 76, 80, 81, 83, 64, 91, 70, 77, 86 . Elabore el grafico de tallos
y hojas para observar la simetra de los datos.
Frecuencia absoluta
Frecuencia relativa
Frecuencia porcentual
10
296759982.docPecuaria I
tamao de la
la frecuencia
es necesario
absoluta y el
Frecuencia Absoluta Acumulada.- Para poder calcular este tipo de frecuencias hay que tener en
cuenta que la variable estadstica ha de ser cuantitativa o cualitativa ordenable. En otro caso no
tiene mucho sentido el clculo de esta frecuencia. La frecuencia absoluta acumulada de un valor de
la variable, es el nmero de veces que ha aparecido en la muestra un valor menor o igual que el de
la variable y lo representaremos por Ni.
Frecuencia Relativa Acumulada.- Al igual que en el caso anterior la frecuencia relativa acumulada
es la frecuencia absoluta acumulada dividido por el tamao de la muestra, y la denotaremos por Fi
Ejemplo1:
Se efectu una experiencia de cruzamiento de cuyes negros y blancos para observar la segregacin
del color de manto en la descendencia. Los resultados fueron los siguientes.
Cuadro 1. Distribucin de frecuencias del color de manto observado en la descendencia
cruzada
Color de
manto
Negro
Blanco
Rojo
Total
Frecuencia
Absoluta
fi
9
8
3
20
Frecuencia
Relativa
hi
0.45
0.4
0.15
1
Frecuencia
Porcentual
pi %
45
42
15
100
11
296759982.docPecuaria I
Ejemplo2:
Se trata de un estudio realizado en cuyes hembras de genotipo Per para observar la frecuencia de
cras nacidas (tamao de camada). Para tal efecto se recabo la informacin de 20 cuyes hembra
empadradas obtenindose el siguiente resultado:
La variable en estudio es...
Cuadro 2. Distribucin de frecuencias del nmero de cras nacidas por cuy hembra
empadrada
N de cras
nacidas
Frecuencias
Frecuencias Acumuladas
Absoluta
fi
Relativa
hi
Porcentual
pi %
Absoluta
Fi
Relativa
Hi
Porcentual
Pi %
0
1
2
3
4
1
4
7
6
2
0.05
0.20
0.35
0.30
0.10
5
20
35
30
10
1
5
12
18
20
0.05
0.25
0.60
0.90
1.00
5
25
60
90
100
Total
20
1.00
100
Ejemplo3.
Se trata de un establo lechero bajo crianza intensiva en la cual se registro la produccin de leche en
vacas Holstein en un momento dado. Para tal efecto se midi la produccin diaria de 45 vacas en
fase de produccin, obtenindose el siguiente resultado:
12
296759982.docPecuaria I
Frecuencias
Frecuencias Acumuladas
Absoluta
fi
Relativa
hi
Porcentual
pi %
Absoluta
Fi
Relativa
Hi
Porcentual
Pi %
1
2
4
10
16
8
3
1
45
0.022
0.044
0.089
0.222
0.356
0.178
0.067
0.022
1
2.2
4.4
8.9
22.2
35.6
17.8
6.7
2.2
100
1
3
7
17
33
41
44
45
0.022
0.066
0.155
0.377
0.733
0.911
0.978
1
2.2
6.6
15.5
37.7
73.3
91.1
97.8
100.0
13
296759982.docPecuaria I
PRACTICA N 1
ORGANIZACIN Y PRESENTACIN DE DATOS
Ejercicio N 1: En una granja de cuyes se efectu el inventariado de animales clasificndose a los
mimos segn forma de pelaje: Tipo I=125, Tipo II=48, Tipo III=17 y Tipo IV=20.
-
Raza
California
California
Leonado B.
N. Zelanda
N. Zelanda
California
Leonado B.
N. Zelanda
California
Leonado B.
Leonado B.
California
N. Zelanda
California
N. Zelanda
Tamao
Camada
8
8
10
7
8
9
12
10
7
10
9
8
7
6
8
N
Arete
016
017
018
019
020
021
022
023
024
025
026
027
028
029
030
Raza
California
California
Leonado B.
Leonado B.
California
Leonado B.
N. Zelanda
California
N. Zelanda
N. Zelanda
N. Zelanda
Leonado B.
California
Leonado B.
California
Tamao
Camada
7
6
10
12
11
12
8
8
9
7
7
9
8
10
9
14
296759982.docPecuaria I
Ejercicio N 3: Se disponen de informacin de peso vivo (kg) de un lote de gorrinos que fueron
sometidos a engorde con una dieta especial por un periodo de 150 das.
85.3 87.5 87.8 88.5 89.9 90.4 91.8 92.7 86.7 87.8 88.2 88.6 90.3 91.0 91.8 93.2 88.3 88.3
89.0 89.2 90.4 91.0 92.3 93.3 89.9 90.1 90.1 90.8 90.9 91.1 92.7 93.4 91.2 91.5 92.6 92.7
93.3 94.2 94.7 94.2 95.6 96.1
-
15
296759982.docPecuaria I
CAPITULO II
MEDIDAS DE RESUMEN DE DATOS CUANTITATIVOS
Recogido los valores que toman las variables en estudio (datos), se procede al anlisis descriptivo
de los mismos. Para variables categricas, se quiere conocer el nmero de casos en cada una de
las categoras, reflejando habitualmente el porcentaje que representan del total, y expresndolo en
una tabla de frecuencias.
Puesto que con los atributos no se pueden realizar operaciones aritmticas, para variables
cuantitativas o numricas (discretas o continuas), se opta por un mtodo de anlisis distinto,
respondiendo a las siguientes preguntas:
a. Alrededor de qu valor se agrupan los datos?
b. Supuesto que se agrupan alrededor de un nmero, cmo lo hacen? muy concentrados? muy
dispersos?
Es decir, tenemos que conocer las medidas de resumen de un conjunto de datos (sean de poblacin
o muestra). Tales medidas cuantitativas que describen a las poblaciones, pueden ser de:
a. Medidas de posicin
a.1. Medidas de tendencia central: media aritmtica, mediana, moda, media geomtrica, etc.
a.2. Medidas de localizacin o cuantiles: cuartiles, deciles, percentiles
b. Medidas de dispersin
Se encuentran: rango, varianza, desviacin estndar, coeficiente de variacin
c. Medidas de forma
Lo conforma la asimetra y curtosis
A continuacin se describen las respectivas medidas de resumen
a. Medidas de posicin
a.1. Medidas de tendencia central
Son valores que permiten resumir a un conjunto de datos dispersos. Podra asumirse que
estas medidas equivalen a un centro de gravedad que adoptan un valor representativo para
todo un conjunto de datos predeterminados.
Media (o promedio aritmtico).- Es la suma de todas las observaciones dividida por el
tamao de la muestra.
Para datos No agrupados:
Se utiliza la siguiente expresin:
Ejemplo1: Sean los siguientes pesos al nacimiento (kg) de llamas variedad Chaku:
16
296759982.docPecuaria I
5.2, 10.2, 7.0, 7.1, 10.2, 8.3, 9.4, 9.2, 6.5, 7.1, 6.6, 7.8, 6.8, 7.2, 8.4, 9.6, 8.5, 5.7,
6.4, 10.1, 8.2, 9.0, 7.8, 8.2, 5.3, 6.2, 9.1, 8.6, 7.0, 7.7, 8.3, 7.5
Xi
fi
hi
Fi
Hi
5.65
6.55
7.45
8.35
9.25
10.15
-
3
5
9
7
5
3
32
0.094
0.156
0.281
0.219
0.156
0.094
1
3
8
17
24
29
32
-
0.094
0.25
0.531
0.75
0.906
1
-
Media = 7.87
Mediana Es el valor que ocupa la posicin central de un conjunto de observaciones
ordenadas. El 50% de las observaciones son mayores que este valor y el otro 50% son
menores.
17
296759982.docPecuaria I
Me = (5 + 6) = 5.5
2
18
296759982.docPecuaria I
Mediana = 7.8
El 50% de los pesos al nacimiento fueron menores a 7.8 kg
Moda.- es el dato que posee la mayor frecuencia. En caso de empates pueden darse varias
modas. Puede no existir o existir ms de una moda, y se utiliza para analizar tanto la
informacin cualitativa como la cuantitativa
Para datos No agrupados
Ejemplo6: De los 32 nacimientos registrados en las llamas variedad Chaku
5.2, 10.2, 7.0, 7.1, 10.2, 8.3, 9.4, 9.2, 6.5, 7.1, 6.6, 7.8, 6.8, 7.2, 8.4, 9.6, 8.5, 5.7,
6.4, 10.1, 8.2, 9.0, 7.8, 8.2, 5.3, 6.2, 9.1, 8.6, 7.0, 7.7, 8.3, 7.5
Se observa que el dato que ocurre con mayor frecuencia es el 7.1 (aparece 02 veces),
siendo este el valor de la moda
Para datos agrupados
Se utiliza la siguiente expresin:
d2= 9-7 = 2
La moda es:
19
296759982.docPecuaria I
b. Medidas de dispersin
Miden el grado de variabilidad o dispersin de los datos respecto a la media; es decir cuan lejos
o distantes se encuentran los datos en torno a la media.
Rango o amplitud que es la diferencia entre el mayor y el menor valor de la muestra.
Sean los valores: (x1 x2 x3 ... xn ), la amplitud o rango de estos datos es A=(Xmax-Xmin)
Varianza (S2) que mide el alejamiento medio de las diferencias al cuadrado de cada
observacin a la media. Se estima como:
Para datos No agrupados
n
n 2
( x ) 2
2
x i nx 2
i
2
( xi x)
xi
n
S2 i 1
i 1
n 1
n 1
n 1
Xi
fi
fiXi
fiXi2
[5.2 - 6.1[
[6.1 - 7.0[
[7.0 - 7.9[
[7.9 - 8.8[
[8.8 - 9.7[
[9.7 - 10.6[
Total
5.65
6.55
7.45
8.35
9.25
10.15
3
5
9
7
5
3
32
16.95
32.75
67.05
58.45
46.25
30.45
251.9
95.7675
214.5125
499.5225
488.0575
427.8125
309.0675
2034.74
20
296759982.docPecuaria I
Desviacin tpica o estndar (s) est medida en las mismas unidades que la variable y es
la raz cuadrada de la varianza.
c. Medidas de forma
c.1. Asimetra
El coeficiente de asimetra de una variable mide el grado de asimetra de la distribucin de
sus datos en torno a su media. Su objetivo es expresar mediante un valor la forma simtrica
o asimtrica de la distribucin. Es adimensional
Grado de Asimetra
Simetra Perfecta Cero.
Sesgo Positivo Positivo.
Sesgo Negativo Negativo.
En el ejemplo sobre los peso al nacimiento de Llamas variedad Chaku el promedio es 7.87,
la mediana es 7.80, y la desviacin estndar 1.293. Por tanto, el sesgo es ligeramente
positivo +0.16
21
296759982.docPecuaria I
Asimtrica a derecha
(Promedio>Mediana)
Simtrica
Promedio=Mediana
Asimtrica a Izquierda
Promedio<Mediana
c.2. Curtosis
Mide el grado de apuntamiento de la distribucin, el cual esta relacionado con la
concentracin de los valores que toma en torno a su media. Se elige como referencia una
variable con distribucin normal, de tal modo que para ella el coeficiente de apuntamiento es
0.
22
296759982.docPecuaria I
PRACTICA N 2
ANALISIS DESCRIPTIVO DE DATOS CUANTITATIVOS I
(MEDIDAS DE RESUMEN I: Media, Mediana y Moda)
Datos no agrupados
Ejercicio N 1: Se tienen los siguientes pesos de pavos de carne (kg.) de la lnea Nicholas hybrid
medido a las 16 semanas de edad:
11.5, 12.5, 10.8, 14.0, 11.8, 12.0, 10.8, 12.5, 13.2, 11.8, 10.6, 13.4, 12.2, 13.4
Encuentre: La media, la mediana y la moda
Ejercicio N 2: Se disponen de los siguientes pesos de velln (kg.) de carnerillos de la raza Junn
(kg.) obtenidos despus de 01 de crecimiento:
4.5, 3.8, 4.8, 4.0, 3.6, 3.5, 3.6, 4.1, 5.0, 4.8, 3.4, 3.7, 3.2, 4.3, 4.7
Encuentre: La media, la mediana y la moda
Ejercicio N 3: En una granja de gallinas de postura de la lnea Isa Brown se dispuso del registro de
produccin de huevos mensual de 20 gallinas los cuales fueron:
24, 24, 25, 23, 23, 26, 26, 24, 22, 23, 25, 24, 24, 25, 25, 23, 24, 25, 22, 26, 23, 24, 23,
25, 25, 24, 22, 24, 25, 23
Encuentre: La media, la mediana y la moda (use tabla de frecuencias)
23
296759982.docPecuaria I
Ejercicio N 4: Se trata de un estudio realizado en cuyes hembras de genotipo Per para observar
la frecuencia de cras nacidas (tamao de camada). Para tal efecto se recabo la informacin de 20
cuyes hembra empadradas obtenindose el siguiente resultado:
Cuadro 2. Distribucin de frecuencias del nmero de cras nacidas por cuy hembra
empadrada
N de cras
nacidas
Frecuencia
Absoluta
fi
0
1
2
3
4
1
4
7
6
2
Total
20
Datos agrupados
Ejercicio N 5: Se cuenta con la informacin de peso vivo (kg.) de pollos de carne de la lnea Cobb
500 a las 7 semanas de edad:
24
296759982.docPecuaria I
Cuadro 3. Distribucin de frecuencias de los peso vivos (kg.) de pollos de carne de la lnea
Cobb 500
Intervalos (Ii)
(kg. de leche)
Frecuencias
Marca
de clase Absoluta Acumulada
(Xi)
(fi)
(Fi)
[2.0 - 2.2[
[2.2 - 2.4[
[2.4 - 2.6[
[2.6 - 2.8[
[2.8 - 3.0[
[3.0 - 3.2[
Total
4
8
18
24
12
6
72
Frecuencias
Marca
de clase Absoluta Acumulada
(Xi)
(fi)
(Fi)
1
25
296759982.docPecuaria I
[34 - 42[
[42 - 50[
[50 - 58[
[58 - 66[
[66 - 74[
[74 - 82[
[82 - 90]
Total
26
296759982.docPecuaria I
PRACTICA N 3
ANALISIS DESCRIPTIVO DE DATOS CUANTITATIVOS II
(MEDIDAS DE RESUMEN II: Varianza, desviacin estndar y coeficiente de
variacin)
Datos no agrupados
Ejercicio N 1: Se tienen los siguientes pesos de pavos de carne (kg.) de la lnea Nicholas hybrid
medido a las 16 semanas de edad:
11.5, 12.5, 10.8, 14.0, 11.8, 12.0, 10.8, 12.5, 13.2, 11.8, 10.6, 13.4, 12.2, 13.4
Encuentre: La desviacin media, varianza, desviacin estndar y el coeficiente de variacin
Ejercicio N 2: Se disponen de los siguientes pesos de velln (kg.) de carnerillos de la raza Junn
(kg.) obtenidos despus de 01 de crecimiento:
4.5, 3.8, 4.8, 4.0, 3.6, 3.5, 3.6, 4.1, 5.0, 4.8, 3.4, 3.7, 3.2, 4.3, 4.7
Encuentre: La desviacin media, varianza, desviacin estndar y el coeficiente de variacin
Ejercicio N 3: En una granja de gallinas de postura de la lnea Isa Brown se dispuso del registro de
produccin de huevos mensual de 20 gallinas los cuales fueron:
24, 24, 25, 23, 23, 26, 26, 24, 22, 23, 25, 24, 24, 25, 25, 23, 24, 25, 22, 26, 23, 24, 23,
25, 25, 24, 22, 24, 25, 23
Encuentre: La desviacin media, varianza, desviacin estndar y el coeficiente de variacin (use
tabla de frecuencias)
27
296759982.docPecuaria I
Ejercicio N 4: Se trata de un estudio realizado en cuyes hembras de genotipo Per para observar
la frecuencia de cras nacidas (tamao de camada). Para tal efecto se recabo la informacin de 20
cuyes hembra empadradas obtenindose el siguiente resultado:
Cuadro 2. Distribucin de frecuencias del nmero de cras nacidas por cuy hembra
empadrada
N de cras
nacidas
Frecuencia
Absoluta
fi
0
1
2
3
4
1
4
7
6
2
Total
20
Datos agrupados
28
296759982.docPecuaria I
Ejercicio N 5: Se cuenta con la informacin de peso vivo (kg.) de pollos de carne de la lnea Cobb
500 a las 7 semanas de edad:
Cuadro 3. Distribucin de frecuencias de los peso vivos (kg.) de pollos de carne de la lnea
Cobb 500
Intervalos (Ii)
(kg. de leche)
Frecuencias
Marca
de clase Absoluta Acumulada
(Xi)
(fi)
(Fi)
[2.0 - 2.2[
[2.2 - 2.4[
[2.4 - 2.6[
[2.6 - 2.8[
[2.8 - 3.0[
[3.0 - 3.2[
Total
4
8
18
24
12
6
72
Frecuencias
Marca
de clase Absoluta Acumulada
(Xi)
(fi)
(Fi)
1
2
29
296759982.docPecuaria I
[42 - 50[
[50 - 58[
[58 - 66[
[66 - 74[
[74 - 82[
[82 - 90]
Total
30
296759982.docPecuaria I
CAPITULO III
PROBABILIDADES
Las probabilidades constituyen como una especie de puente entre la estadstica descriptiva y la
estadstica inferencial; es decir proporciona las bases para la inferencia estadstica.
Las Probabilidades pertenecen a la rama de la matemtica que estudia ciertos experimentos
llamados aleatorios, o sea regidos por el azar, en que se conocen todos los resultados posibles,
pero no es posible tener certeza de cul ser en particular el resultado del experimento.
Ejemplo el sexo de la cra, el nmero de cras nacidas, etc.
Probabilidad.- Posibilidad de que suceda un evento o no dentro de un experimento aleatorio en un
tiempo y un espacio muestral definido.
Experimento aleatorio.- Es todo proceso que se puede repetir indefinidamente obtenindose
resultados imprevisibles.
Espacio muestral.- Conjunto de valores formado por todos los posibles resultados de un
experimento ().
Ejemplo: Al lanzar dos monedas, el espacio muestral es:
= {(c,c), (c,s), (s,c), (s,s)}.
Grupo sanguneo de un individuo = {A, B, AB, 0}.
Evento.- o suceso de un experimento aleatorio, es cualquier sub conjunto del espacio muestral
A = {{(c,c)}
La probabilidad de ocurrencia (o no ocurrencia) de un evento o suceso (A), siendo A un sub
conjunto del espacio muestral () se define como:
P(A) = Casos favorables
= N de elementos de A
Casos posible N de elementos de
Ejemplo1:
En los primeros 3 alumbramientos de una vaca Holstein Cul es la probabilidad de 2 cras sean
hembras?
31
296759982.docPecuaria I
Ejemplo3: En un granja de cuyes existen 240 cuyes de tipo I, 40 cuyes tipo II, 25 cuyes tipo III, y
30 cuyes tipo IV Cual es la probabilidad obtener un cuy tipo III o tipo IV?
Reglas de la Adicin
La Regla de la Adicin expresa que: la probabilidad de ocurrencia de al menos dos sucesos A y
B es igual a:
P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente (Probabilidad total)
Siendo: P(A) = probabilidad de ocurrencia del evento A
P(B) = probabilidad de ocurrencia del evento B
Eventos Independientes
Dos o ms eventos son independientes cuando la ocurrencia (o no-ocurrencia) de un evento no
tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). El
enunciado suele hacerse con la conjuncin y.
Un caso tpico de eventos independiente es el muestreo con reposicin, es decir, una vez tomada la
muestra se regresa de nuevo a la poblacin donde se obtuvo.
32
296759982.docPecuaria I
Ejemplo4: Lanzar al aire dos veces una moneda son eventos independientes por que el resultado
del primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o
sello, en el segundo lanzamiento.
Ejemplo5: En los primeros 3 alumbramientos de una vaca Holstein Cul es la probabilidad de que
la 1era y 2da cra sean hembras (las dos primeras cras sean hembras)?
Reglas de Multiplicacin
Se relacionan con la determinacin de la ocurrencia conjunta de dos o ms eventos. Es decir, la
interseccin entre los conjuntos de los posibles valores de A y los valores de B, esto quiere decir
que la probabilidad de que ocurran conjuntamente los eventos A y B es:
P(A y B) = P(A).P(B) si A y B son independientes
P(A y B) = P(A).P(B/A) si A y B son dependientes
CAPITULO IV
DISTRIBUCIONES DE PROBABILIDAD
Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como
resultado de un experimento. Una distribucin de probabilidad es similar a la distribucin de
frecuencias relativas. Si embargo, en vez de describir el pasado, describe la probabilidad que un
evento se realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto
que se puede disear un escenario de acontecimientos futuros considerando las tendencias
actuales de diversos fenmenos naturales.
Variable aleatoria.- Una variable se dice que es aleatoria, si los posibles valores que puede tomar
son determinados por el azar. En otras palabras se sabe qu valores puede tomar la variable pero
no se tiene certeza de su ocurrencia, slo se sabe que puede ocurrir con una cierta probabilidad.
Ejemplo1: En una granja avcola donde intempestivamente se presente la enfermedad de coriza
infecciosa, se sabe que un ave cualesquiera puede enfermar o no (eventos), pero no se sabe cul
de los dos eventos va a ocurrir.
33
296759982.docPecuaria I
Discretas: aquellas que resultan de contar el nmero de casos en los que el evento de
inters ocurre, por ejemplo: numero de cras nacidas por parto en perras, nmero de animales
que enferman de clera porcino en una granja.
2.
Ejemplo2: Si lanzamos 3 monedas al aire y X es el nmero de caras que salen, los valores que
toma X son 0, 1, 2 y 3.
Ejemplo3: Si de una camada de 6 cachorros se cuenta el n de hembras que se obtienen la
variable aleatoria toma los valores x =0, 1, 2, 3, 4, 5, 6
Ejemplo4: En una granja de cuyes los niveles hemoglobina sangunea (x) puede ser de x = 12.5
14.6, 13.8,..
Continuas.
Uniforme
Normal
Gamma
Exponencial
Chi-cuadrado
t-estudent y F-Sneidecor
cccc, cccs, c csc, ccss, csc c, csc s, cssc, csss, sccc, sccs, s csc, scss, sscc, sscs, sssc, ssss
34
296759982.docPecuaria I
n() 16
Numero de Frecuencia Distribucin de Probabilidades
caras
0
1
2
3
4
1
4
6
4
1
1/16
4/16
6/16
4/16
1/16
P( X x) C xn p x q n x C xn p x (1 p ) n x
Donde:
p: Probabilidad de xito de cada ensayo.
n: Nmero de ensayos.
x: Nmero de xitos.,
x = 0, 1, 2, , n.
La media
= np
35
296759982.docPecuaria I
La varianza
2 = np(1-p)
Ejemplo1: Sea el caso de una droga X, con una dosis mortal de 1g/100 ml para cobayos
experimentales, en el 25% de los casos. Aplicando esta dosis a cien cobayos se desea saber
cuanto vale la probabilidad de que mueran veinte de ellos.
Primero analizaremos si este caso cumple los supuestos bsicos de una distribucin binomial:
100
(0.25) 20 (1 0.25)100 20 0.04902 4.9%
20
P ( x 20)
Distribucin Poisson
Esta distribucin es una forma lmite de la distribucin binomial, cuando la probabilidad de xito es
muy pequea y n es grande, por eso muchos la llaman: la binomial de los sucesos raros. A esta
distribucin se llama Ley de eventos improbables, lo cual significa que la probabilidad de p es bien
pequea. La expresin para modelar la probabilidad de ocurrencia de un evento poisson es:
P( x)
xe
x!
Donde:
: Media del nmero de ocurrencias.
: Constante de Euler (2.71828)
x : Nmero de ocurrencias,
X = 0, 1, 2, ., n
La media es np
2
La varianza es np .
Son eventos de este tipo las muertes por el sndrome de muerte sbitas en pollos de carne, la
presentacin de ojos zarcos en alpacas, ojos rojos en cuyes, etc.
Ejemplo de aplicacin:
una empresa productora de lneas genticas de pollos de carne reporta de la lnea Avelin 520 una
media de 8.6 muertes sbitas por campaa. Para efectos de ajuste d el alinea gentica, la empresa
desea saber cual es la probabilidad de que en cualquier campaa no ocurra muertes sbitas.
P ( x 0)
36
296759982.docPecuaria I
Practica N 04
Probabilidades y Distribuciones de Probabilidad de Variables Discretas
(Binomial y Poisson)
1. Un centro de engorde posee una poblacin de 35 vacunos mejorados, 140 vacunos criollos y 60
cebuinos. Suponiendo que todos vacunos tienen iguales posibilidades de ganancia de peso.
a) Cules la probabilidad de que el primer vacuno beneficiado sea Ceb?
37
296759982.docPecuaria I
2. Suponiendo que una poblacin de cuyes esta compuesta por 620 cuyes Per, 560 Andina, 380
Inti, son igualmente susceptibles a morir por salmonelosis:
Incidencia de la enfermedad
Casos clnicos
Casos no clnicos
38
102
12
120
50
222
Total
140
132
272
38
296759982.docPecuaria I
c) Que probabilidad existe de que un ave no manifieste la enfermedad por el hecho de haber
usado el coccidiostato
4. En ganadera vacuna de carne se desea obtener mayor porcentaje de machos, puesto que
estos responden mejor al engorde, siendo as:
a) Cual es la probabilidad de que una vaca Hereford genere 3 machos de un total de 5 partos
previstos?
b) Cul es la probabilidad que las 2 primeras cras nacidas sean machos de un total de 3
partos previstos?
39
296759982.docPecuaria I
40
296759982.docPecuaria I
Siendo: y son los parmetros del modelo y corresponden a la media y a la desviacin estndar,
respectivamente
Distribucin Normal estndar
Cuando se hace que =0 y =1, se produce la estandarizacin de la curva normal a una estndar o
tpica, donde la nueva variable aleatoria Z puede adoptar tanto valores positivos como negativos.
Ejemplo: Supongamos que observamos una caracterstica que sigue una distribucin normal con =
50 y 2 = 81 ( =9), siendo su notacin N(50,9).
Nuestro objetivo es conocer cul es la probabilidad de que una observacin obtenida al azar tome
un valor mayor a 63. Mediante la estandarizacin obtendramos:
41
296759982.docPecuaria I
De modo que P (X > 63) = P [(X 50)/9 > (63 50)/9)] = P (Z > 1,4) = 1 P (Z 1,4)= 0.925
Distribucin T-Student
La distribucin de la t de Student es una distribucin de probabilidad terica, muy similar a la
distribucin normal estndar. Uno de los parmetros necesarios en la distribucin normal es la
desviacin estndar poblacional, pero en el caso de no disponer de ella, puede utilizarse la
desviacin estndar muestral
Esta distribucin se diferencia de la distribucin normal ya que en ella aparece un parmetro,
llamado grados de libertad (k). Esto significa que para cada medida de la muestra n, en realidad
tenemos una distribucin diferente.
La distribucin t-student surge del problema de estimar la media de una poblacin normalmente
distribuida cuando el tamao de la muestra es pequeo. Asimismo cuando la desviacin tpica (o
estndar) de una poblacin se desconoce y se desea ser estimada a partir de los datos de una
muestra.
La forma de la grafica de la funcin de densidad t-student es semejante a la distribucin normal
estndar
42
296759982.docPecuaria I
Prueba
Utilidad
T de Student para
medias muestrales
T de Student
para proporciones
T de Student
para dos muestras
independientes
T de Student
para dos proporciones
T de Student
para dos muestras
apareadas
43
296759982.docPecuaria I
44
296759982.docPecuaria I
Practica N 05
Distribucin de Probabilidad de Variables Continuas I (Normal y T-Student)
Distribucin Normal
1. Siendo Z una variable aleatoria normal estandarizada, hallar:
a) P (Z 2), b) P (0 Z 2), c) P (0 Z 2.57), d) P (-1 Z +1), e) P (-2 Z +1)
2. Sea X una variable aleatoria que se distribuye normalmente con media 12 y varianza 4.
Hallar P(10 X 14)
3. El peso vivo (kg.) de una poblacin de ovinos de la raza Hampshire bajo crianza estabulada
estn distribuidos normalmente con media=50 y varianza =25. Si se elige un animal al azar:
a) Cul es la probabilidad de que su peso se encuentre entre 40 y 60 kg.
b) Hallar el valor de a para el cual la probabilidad de que un peso sea menor o igual que
a sea 0.20.
45
296759982.docPecuaria I
4. Una poblacin de gallinas de postura de la linea Hy line Brown, durante su pico mximo de
produccin registra una media de 1.45 kg. de huevo mensual con un desvi estndar de 0.2
kg.
a) Cul es la probabilidad de que la produccin de huevos supere el 1.5 kg. mensual?
c) Si por mejorar en la calidad de la dieta, las gallinas logran registrar una media de 1.55 kg de
huevos mensual, Cuanto debera ser la desviacin estndar para que el 30% de las
gallinas supere el 1.6 kg. de huevos por mes?
T- Student
5. Si X tiene distribucin t-student con 18 grados de libertad, hallar:
a) P(X 2.101), b) P(X > 1.734), c) P(X -2.878), d) P(-1.330 X 2.552), e) P(X 2)
46
296759982.docPecuaria I
47
296759982.docPecuaria I
Distribucin Chi-Cuadrado
Esta distribucin de probabilidad, a diferencia de las dos anteriores, no es simtrica respecto el valor
0, sino que es asimtrica positiva, es decir, solo toma valores positivos. Como en la distribucin t de
Student depende de los gados de libertad. Se denota como X2 con n grados de libertad. Esta
distribucin se hace ms simtrica al aumentar los grados de libertad.
La prueba X2 asociada a dicha distribucin se utiliza para comparar variables de tipo ordinal o
nominal, lo que es lo mismo, comparaciones de frecuencias observadas contra las frecuencias
esperadas, con datos de recuento.
La distribucin de probabilidad Chi-Cuadrado esta asociado a una variable aleatoria continua con
valores positivos mayor o igual a cero (X2 0), con curva asimtrica hacia la derecha
Fundamento:
Si
X=
Z 1 , Z 2 ,........, Z n
son v.a. que siguen una distribucin normal tipificada N (0,1), entonces
Z 12 Z 22 + ........ Z n2
n2
Existe una curva para cada valor de grado de libertad n-1. Su media es igual a su grado de libertad
(n-1) y su varianza es el doble 2(n-1).
Caractersticas:
48
296759982.docPecuaria I
Pruebas de independencia
X 2 (k-1).(m-1), ) =
Donde:
k-1, m-1 = grados de libertad
Oi = Valor observado en la i-esimo nivel de la variable
ei = Valor esperado en la i-esimo nivel de la variable
Oij = Valor observado en la i-esimo nivel de la variable 1 con el j-esimo nivel de la variable 2
eij = Valor esperado en la i-esimo nivel de la variable 1 con el j-esimo nivel de la variable 2
Distribucin F de Snedecor
f x
12 / v1 n1 1 S12 / 12 n1 1 S12 / 12
F 2
2 / v 2 n2 1 S 22 / 22 n2 1 S 22 / 22
; para
; para
49
296759982.docPecuaria I
50
296759982.docPecuaria I
PRACTICA N 06
DISTRIBUCIN DE PROBABILIDAD DE VARIABLES CONTINUAS II (CHICUADRADO Y F DE SNEIDECOR)
Distribucin Chi-Cuadrado y sus Aplicaciones
1. Encuentre las siguientes probabilidades:
a) La probabilidad de que una variable estadstica chi-cuadrado de 6 grados de libertad sea
mayor que 3.4 P ( x26 >3.4)
51
296759982.docPecuaria I
Tipo de Medicamento
Nuevo antiparasitario
Antiparasitario convencional
12
23
48
37
60
60
Sub total
35
85
120
52
296759982.docPecuaria I
Per
12
34
46
Grupo Gentico
Inti
9
29
38
Sub total
Per x Inti
23
31
54
44
94
138
Sistema de ordeo
Manual
Mecnico
54
86
74
154
128
240
Sub total
140
228
368
53
296759982.docPecuaria I
6. Se quiere estudiar la posible asociacin entre el hecho de que una gestante fume durante el
embarazo y que el nio presente bajo peso al nacer. Para responder a esta pregunta se
realiza un estudio de seguimiento a 2000 gestantes, a las que se interroga sobre su hbito
tabaquito durante la gestacin, adems de registrar el peso de los respectivos neonatos.
Se podra afirmar que el bajo peso de los recin nacidos esta influenciado por el hbito
tabquico de las madres gestantes?. Use = 0.05
Habito de la gestante
Fumadora
No fumadora
Sub total
Sub total
250
1,750
2,000
Sub total
143
117
260
54
296759982.docPecuaria I
c.
2. Se tiene indicios de que la variabilidad de los ndices acadmicos tiene relacin con el nivel
55
296759982.docPecuaria I
respectivamente. Se tendr evidencias suficientes como para decir que el nivel competitivo
fue mayor en el ao 2007?.
influencia gentica de la lnea materna utilizada. Por otro lado, la obtencin de lotes
homogneos en peso facilita el manejo de los lechones durante toda la fase de recra y
engorde. Un porcicultor desea incorporar una nueva lnea gentica a su establecimiento
ganadero C-235 que segn indicaciones de la casa gentica producen lechones ms
homogneos en peso que la lnea gentica convencionalmente usada por la granja C-105.
Para tal efecto, el porcicultor antes de iniciar la compre de un importante lote de vientres,
realiza una prueba comparativa entre ambas lneas, reportndose la siguiente informacin:
nC-105 = 12, S2C-105 = 58.5; nC-235 = 7, S2C-235 = 32.8; Existir evidencias suficientes como
para indicar que las varianzas de los peso al destete con menores en la nueva lnea
gentica C-235?. Considere un = 0.01
56
296759982.docPecuaria I
Capitulo V
Estimacin de Parmetros
Los parmetros de una poblacin (, 2, , ) pueden ser estimados mediante:
a) Estimacin puntual. Aqu obtendremos un valor, como estimacin del parmetro. Se estima
mediante estadsticos (X, S2, S, )
b) Estimacin por intervalos de confianza. Aqu obtendremos un intervalo dentro del cual estimamos
(bajo cierta probabilidad) el parmetro.
c) Otros: Momentos, Mnimos Cuadrados, Mxima verosimilitud Restringida (REML), MIVQUEO,
Muestreo de Gibbs.
En el siguiente cuadro observamos los estimadores de los parmetros:
Intervalos de Confianza
Definicin.- Un intervalo de confianza es un rango de valores (calculado a partir de una muestra)
en el cual se encuentra el verdadero valor del parmetro, con una determinada probabilidad.
En lugar de indicar simplemente un nico valor como estimacin del parmetro, el mtodo de
intervalos de confianza ofrece un intervalo de valores donde con cierta probabilidad se encuentra el
verdadero valor del parmetro.
En general un intervalo de confianza se representa como:
P K . K . 1
Donde:
= Es el lmite inferior del intervalo de confianza.
= Es el lmite superior del intervalo de confianza.
57
296759982.docPecuaria I
1-
Casos:
P X z (1 / 2 ) .
X z (1 / 2 ) .
1
n
n
X
S
n
S
S
P X T(1 / 2 ;n 1) .
X T(1 / 2 , n 1) .
1
n
n
X 1 X 2 ( 1 2 )
21 2 2
n1 n2
21 2 2
21 2 2
1
P ( X 1 X 2 ) z (1 / 2 ) .
1 2 ( X 1 X 2 ) z (1 / 2 ) .
n
n
n
n
1
2
1
2
2 (n1 1) S 2 1 (n 2 1) S 2 2
S C
n1 n 2 2
X 1 X 2 (1 2 )
S 2C S 2C
n1
n2
S 2C S 2C
S 2C S 2C
1
P ( X 1 X 2 ) t (1 / 2 ; n1 n 2 2 ) .
1 2 ( X 1 X 2 ) t (1 / 2 ; n 1 n 2 2 ) .
n
n
n
n
1
2
1
2
58
296759982.docPecuaria I
p
(1 )
n
p (1 p )
p (1 p )
1
P p z (1 / 2 ) .
p z (1 / 2 ) .
n
n
( p1 p 2 ) ( 1 2 )
1 (1 1 ) 2 (1 2 )
n1
n2
p (1 p1 ) p 2 (1 p 2 )
p (1 p1 ) p 2 (1 p 2 )
1
P ( p1 p 2 ) z (1 / 2 ) . 1
1 2 ( p1 p 2 ) z (1 / 2 ) . 1
n1
n2
n1
n2
(n 1) S 2
2
(n 1) S 2
(n 1) S 2
2
1
2
2 ( / 2;n 1)
(1 / 2;n 1)
S 21 / 21
F 2 2
S 2 / 2
2
21 S 21
S1
P 2 .F( / 2;r ,r ) 2 2 .F(1 / 2;r ,r ) 1
2 S2
S 2
2
59
296759982.docPecuaria I
Entonces para cada valor del parmetro a estimar se generara su respectivo error estndar:
E.S X
E.S p
S2
n
p (1 p)
n
60
296759982.docPecuaria I
PRACTICA N 07
ESTIMACIN DE PARMETROS POR INTERVALOS DE CONFIANZA (, 1
2, 2, )
7. El peso vivos de una muestra de 20 alpacas de un centro de produccin alpaquera arrojo
una media de 48.4 kg. y una varianza de 27.8. Se trata de estimar un intervalo de confianza
para la media del peso vivo de todos los animales pertenecientes de dicho centro de
produccin alpaquera considerando un error del 5%.
8. Los pesos finales al beneficio de 15 toretes de la raza Hereford en kg fueron los siguientes:
448, 460, 514, 488, 592, 490, 507, 513, 492, 534, 523, 452, 464, 562, 584. Suponiendo que
los pesos se distribuyen normalmente, determine un intervalo de confianza para la media
con un nivel de confianza del 95%.
9. De una muestra de 35 caballos de carrera se determino que las pulsaciones del corazn
tiene una media de 85 puls/min y un desvio estandar de 15 puls/min. Hallar los lmites que
determinan el aumento medio verdadero de las pulsaciones del corazn, asi como para el
valor de su varianza para una confianza del 95%.
61
296759982.docPecuaria I
10. Una muestra de 15 aves tomadas al azar de un establecimiento avcola de 5000 aves,
permiti establecer un aumento de peso promedio de 210 gr. por semana y un desvi
estndar de 26 gr. Se busca estimar el incremento de peso promedio para esa poblacin de
aves con una confianza del 99%. Estime el intervalo de confianza para el valor de la
varianza.
11. Se realizo un experimento para comparar el tiempo promedio requerido por el cuerpo
humano para absorber dos medicamentos A y B. Para ello se eligieron al azar a 12
personas para ensayar cada frmaco registrndose e tiempo en minutos que tardo en
alcanzar un nivel especfico en la sangre. Estime un intervalo de confianza del 95% para la
diferencia del tiempo promedio, as como para la razn entre ambas varianzas.
Medicamento A
nA = 12
XA = 36.8
S2A = 15.57
Medicamento B
nB = 12
XB = 32.6
S2B = 17.54
62
296759982.docPecuaria I
0.70
1.20
0.65
Determinar un intervalo de confianza al 95% para la diferencia del contenido medio de plomo,
as como para la proporcin de ambas varianzas.
Capitulo VI
Pruebas de Hiptesis
Definicin de hiptesis.- Proposiciones o conjeturas tentativas acerca de las relaciones entre dos
o mas variables, y se apoyan en conocimientos organizados y sistematizados. Son las guas para
una investigacin o estudio y constituyen la parte medular del mtodo deductivo y/o inductivo
cuantitativo
Surgen del planteamiento del problema, del anlisis de una materia (revisin de la literatura); decir
de las preguntas de investigacin. Tambin del anlisis de teoras, de estudios previos realizados o
antecedentes consultados. A veces la experiencia y la observacin constante ofrecen materia
potencial para el establecimiento de hiptesis, lo mismo se dice de la intuicin.
Tipos de Hiptesis:
1.- Hiptesis de Investigacin.- Tambin denominadas hiptesis de trabajo. Son proposiciones
tentativas acerca de las posibles relaciones entre dos o ms variables. Se les suele simbolizar como
Hi o H1, H2, H3, etc. Pueden ser: a) Descriptivas de un valor pronosticado (o de estimacin), b)
Correlacionales, c) De diferencia de grupos, y d) Causales
2.- Hiptesis nulas.- Sirven para refutar o negar lo que afirma la hiptesis de investigacin. Se
simboliza as: Ho
63
296759982.docPecuaria I
3.- Hiptesis alternativas.- Son posibilidades alternas ante las hiptesis de investigacin y nula. Se
simboliza Ha, y solo deben formularse si hay otras posibilidades adems de las hiptesis de
investigacin y nula.
4.- Hiptesis estadsticas.- Son exclusivas del enfoque cuantitativo y representan la transformacin
de las hiptesis de investigacin, nulas y alternativas en smbolos estadsticos. Existen tres tipos de
hiptesis estadsticas: 1) De estimacin, 2) De correlacin y 3) De diferencia de medias.
En enfoques cuantitativos, la hiptesis nula (H 0) es aquella hiptesis que es aceptada
provisionalmente como verdadera y cuya valides ser sometida a comprobacin experimental. Los
resultados experimentales nos permitirn seguir aceptndola como verdadera o si por el contrario
debemos rechazarla como tal.
Toda hiptesis nula va acompaada de otra hiptesis alternativa. La hiptesis alternativa (H a o H1) es
aquella hiptesis que se acepta en caso de que la hiptesis nula H 0 sea rechazada.
Ejemplo:
Si se asume que 0 es un valor del parmetro desconocido de una poblacin cuya distribucin se
supone conocida, entonces son hiptesis nulas y alternativas las siguientes afirmaciones
= 0 , y Ha : 0
2) H0 : 0 , y Ha : > 0
3) H0 : 0 , y Ha : < 0
1) H0 :
64
296759982.docPecuaria I
Zonas de rechazo de la Ho.- Las zonas de rechazo de la Ho puede estar ubicado a la derecha, a la
izquierda o en ambas zonas de la distribucin de probabilidad
Errores tipo I y tipo II
El problema de rechazar o aceptar una hiptesis puede plantearse como un problema de decisin,
en el que evidentemente existe la posibilidad de fracasar o acertar en la eleccin o decisin a la
hora de concluir que la hiptesis, bien nula o bien alternativa, son rechazables o no.
El problema de decisin: rechazo/no rechazo, vendra expresado en las siguientes opciones en
forma de tabla:
Situacin
Hiptesis
real
H0 es verdadera
H0 es falsa
de
la
Decisin
Aceptamos
Correcto
Error Tipo II ()
Rechazamos
Error Tipo I ()
Correcto
65
296759982.docPecuaria I
x u0
1 2
2 (n1 1) S 2 1 (n 2 1) S 2 2
S C
n1 n 2 2
Prueba de hiptesis para la proporcin poblacional (
x u0
s
n
X 1 X 2 ( 1 2 )
21 2 2
n1 n2
X 1 X 2 (1 2 )
S 2C S 2C
n1
n2
p
(1 )
n
) Z
1 )2
( p1 p 2 ) ( 1 2 )
1 (1 1 ) 2 (1 2 )
n1
n2
(n 1) S 2
X
2
1
Prueba de hiptesis para razn de varianzas poblacionales ( 2 )
2
2
S 21 / 21
F 2 2
S 2 / 2
66
296759982.docPecuaria I
67
296759982.docPecuaria I
PRACTICA NRO. 08
PRUEBAS DE HIPTESIS I
(USO DE LAS PRUEBAS ESTADSTICAS: Z () , T (n-1, ), y F (n1-n2-1,))
1. La ganancia de peso medio de los pollos de carne de la lnea Cobb 500 en condiciones
normales de temperatura ambiental es de 47.8 gr/da. Sin embargo, se piensa que este valor
medio disminuye en poca de verano. Para corroborar tal presuncin se hace el seguimiento
a un grupo de 25 aves durante dicha poca, encontrndose una media de 42.8 gr./da y una
desviacin tpica de 12.8 gr. Si la variable ganancia de peso se distribuye normalmente.
Apoya la evidencia proporcionada por la muestra la presuncin de que los pollos criados
durante la poca de calor reducen su velocidad de crecimiento?. El error tipo I no debe ser
mayor al 1%.
68
296759982.docPecuaria I
Medicamento B
nB = 12
XB = 32.6
S2B = 17.54
2.1
2.4
2.5
-
69
296759982.docPecuaria I
a.
b.
70
296759982.docPecuaria I
7. Un grupo de investigadores afirma haber descubierto un tipo de alimentacin para las gallinas,
bajo la cual estas producen huevos que no aumentan el colesterol en las personas que los
consumen. Para comprobar dicha teora, se seleccionaron al azar 10 personas a las que se
les midi su nivel de colesterol antes (X) y despus (Y) de ser sometidos a una dieta a base
de dichos huevos, siendo los resultados los siguientes:
Dieta
Antes (X)
Despus (y)
120
130
312
306
243
255
287
290
423
440
155
140
Suponiendo Normalidad:
71
296759982.docPecuaria I
72
296759982.docPecuaria I
PRACTICA NRO. 09
PRUEBAS DE HIPTESIS II
(USO DE LAS PRUEBAS ESTADSTICAS: Z () , T (n-1, ), y F (n1-n2-1,))
8. En una granja experimental se intenta comparar la virulencia de dos organismos patgenos (A
y B) causantes de epidemias en pollos. De 200 pollos inoculados con el organismo A, 137
manifestaron signos durante los 14 primeros das. De 150 pollos inoculados con el organismo
B, 98 manifestaron signos en los primeros 14 das. Con un nivel de confianza del 95%,
existir diferencias entre la virulencia de los dos organismos? (Se supone que los pollos
estn aislados y no hay contagios).
9. En una granja avcola se plantea la hiptesis de que la variabilidad (en trminos de desviacin
estndar) de los huevos producidos diariamente es de 12 gr. En una muestra de 12 huevos
elegidos al azar durante la puesta de un da se han encontrados los siguientes pesos de
huevos (gr.): 71, 66, 64, 72, 69, 67, 70, 68, 65, 69, 63, 64
Con estos datos se justifica la suposicin que la desviacin estndar verdadera es 12 gr.
Considere un error tipo I del 5%., y supngase que la distribucin de los pesos es normal.
73
296759982.docPecuaria I
10. Un productor porccola desea incorporar una nueva lnea materna a su establecimiento (XP540), pues a recibido comentados que de esta nueva lnea produce camadas de lechones
mas uniformes al destete. Para comprobar tal comentario, compra un lote de 4 marranas de la
nueva lnea gentica cuya muestra al azar de 30 lechones arrojo una variabilidad de pesos
(en trminos de desvos estndar) de 1.8 kg. La lnea gentica convencional con la que
siempre trabaja el porcicultor es el MP- 320 y de los registros de produccin se seleccionan un
grupo de 40 pesos de lechn destetados y obtiene un desvi estndar de 2.2 kg. Si los pesos
de los lechones se distribuyen normalmente:
a) Se podr afirmar que la nueva lnea materna XP-540 produce lechones con menor
variabilidad de peso al destete que la lnea convencional MP-320?
b) Si el mercado de venta de lechones apunta a vender lechones uniformes en peso,
recomienda o no su compra?.
11. Un funcionrio de Prompex desea saber si dos empresas agro exportadoras del pais estn
reuniendo los estndares optimo de calidad exigidos por la entidad reguladora como para
aceptar su solicitud de exportar carne de cuy. Para ello contrata los servicios de una
consultora vinculado al sector para que realice un estudio a fin de verificar el cumplimiento de
los estndares de calidad del producto. La informacin de dicho estudio se obtuvo en base a
una seleccin aleatoria de muestras de carcasas (gr. de carcasa)
Empresa
exportadora
A
B
Promedio
variancia
24
28
672.8
680.2
924.0
576.0
Uno de los requerimientos para que Prompex acepte la salida de los productos al exterior es
que la variancia de las carcasas sea a lo ms de 625 gr2:
a) Cumplir las empresas agro exportadoras los requerimientos exigidos por la entidad
reguladora?,
b) Para que valores del estimador no existir evidencias para rechazar la Hp en a)
c) Con que nivel de confianza se aceptara la Hp en a)?
d) Se puede concluir para un =0.05 que el peso de la carcasa medio de la empresa B es
superior en 12 gr o mas que el peso de la carcasa medio de la empresa A?
74
296759982.docPecuaria I
75
296759982.docPecuaria I
CAPITULO VII
INTRODUCCIN A LOS DISEOS EXPERIMENTALES
Definicin de experimento.- El experimento implica la manipulacin intencional de una accin
(variable) para analizar sus posibles efectos (sentido cientfico).
Es parte del proceso de investigacin que consiste en manipular deliberadamente una o ms
variables independientes (supuestas efectos), dentro de una situacin de control y a fin de observar
sus efectos (variable dependiente) ".
En general, el experimento tiene lugar en sistemas donde existen una o varias variables de
respuesta (y) cuyo valor depende de una o varias variables independientes (x) controlables,
llamadas factores.
Las respuestas pueden estar influenciadas por otras variables no controladas, llamadas variables
intervenientes (X).
Factores
(Xi)
Respuestas
(Yi)
Variables no controladas
(Xi)
Diseo de un experimento
Es un arreglo sistemtico o la forma como estarn organizados los elementos y/o recursos que
sern usados durante la ejecucin del experimento.
El diseo adecuado de un experimento es una etapa fundamental de la experimentacin, que
permite el suministro correcto de datos a posteriori, los que a su vez conducirn a que se realice el
anlisis objetivo de la informacin y que permitir obtener finalmente deducciones vlidas del
problema a investigar (hiptesis).
Involucra la forma en la que los niveles de los factores o tratamientos en estudio sern asignados a
las unidades experimentales, la eleccin del tamao muestral y la disposicin de las unidades
experimentales.
El diseo experimental determina el modelo estadstico que se usara para poner a prueba la
hiptesis del investigador
Principios del diseo experimental
Los principios bsicos del diseo experimental son: a) repeticin, b) aleatorizacin y c) control local.
a) Repeticin: Viene a ser la reproduccin del experimento bsico (asignacin de un tratamiento a
una unidad experimental). Las principales razones:
76
296759982.docPecuaria I
- Proporcionar una estimacin del error experimental, siendo tal estimacin confiable a medida que
aumenta el nmero de repeticiones, permitir estimaciones ms precisas del tratamiento en estudio.
b) Aleatorizacin: Consiste en la asignacin al azar de los tratamientos en estudio a las unidades
experimentales con el propsito de asegurar que un determinado tratamiento no presente sesgo. La
aleatorizacin hace vlidos los procesos de inferencia y las pruebas estadsticas.
c) Control local (Control del error experimental): Consiste en tomar medidas dentro del diseo
experimental para hacerlo ms eficiente, de tal manera que pueda permitir la reduccin del error
experimental y as hacerla ms sensible a cualquier prueba de significacin.
Unidad experimental: son los objetos, individuos, intervalos de espacio a los cuales se
aplica el tratamiento (Factor), y donde se miden y/o extrae la informacin de la variable que
se investiga.
Factor: son las variables independientes que pueden influir en la variabilidad de la variable
de inters o respuesta.
Tratamiento: son los niveles de un determinado factor del cual se interesa conocer su
influencia en la variable respuesta.
variable respuesta, pero se supone que sta existe y se quiere controlar su efecto para
disminuir la variabilidad residual (error experimental).
Niveles de un factor: Son cada uno de los resultados de un factor. Dependiendo de cmo
sean elegidos por el experimentador, o sean elegidos al azar de una poblacin se
denominan factores de efectos fijos o factores de efectos aleatorios.
Observacin experimental: es cada medicin de la variable respuesta u observada.
especifico del factor en estudio. Constituye como referencial del experimento y sirve para la
comparacin de los tratamientos en prueba.
Interaccin de factores: existe interaccin entre dos factores FI y FJ si el efecto de algn
nivel de FI cambia al cambiar de nivel en FJ. Esta definicin puede hacerse de forma
simtrica y se puede generalizar a interacciones de orden tres o superior.
Tamao del Experimento: es el nmero total de observaciones recogidas en el diseo.
77
296759982.docPecuaria I
78
296759982.docPecuaria I
El ANOVA tradicional (una sola va) parte de descomponer la variacin total de la muestra, en dos
componentes:
Esta igualdad bsica nos indica que la variacin total es igual a la suma de la variacin o dispersin
entre los grupos, ms la variacin o dispersin dentro de cada grupo. Los grupos estn definidos
por los niveles de factor.
El anlisis de la varianza se va a basar no slo en la descomposicin de la variacin total, sino
adems en la comparacin de la variacin ENTRE-grupos y la variacin INTRA-grupos, teniendo en
cuenta sus correspondientes grados de libertad.
El mtodo del ANOVA o ANVA presenta sus resultados mediante la siguiente estructura de tabla:
Fuente de variacin
Grados de
Libertad
Suma de
Cuadrados
Cuadrado
Medios
F
Calculado
k-1
SSA
SSA/(k-1)
MSA/MSE
(n-1)k
SSE
SSE/k(n-1)
kn-1
SST
Total
F
Tabla
79
296759982.docPecuaria I
Practica N 10
Uso del anlisis de Varianza en Diseos experimentales Bsicos (DCA y
DBCA)
1. Los miembros del Jockey Club del Per, desean adoptar un mtodo eficaz para el
entrenamiento de sus caballos a fin a lograr animales mucho ms veloces y resistentes al
cansancio. Para tal efecto se ponen a prueba 03 mtodos de entrenamiento para un total de 15
caballos durante un periodo de 01 meses y 12 km. de recorrido. Los resultados se evalan en
funcin al tiempo que logran en llegar a la meta final. Los tiempos empleados (minutos) por los
grupos luego de la etapa de entrenamiento y prueba fueron los siguientes:
Mtodo I
Mtodo II
Mtodo III
14.5
13.2
12.2
16.2
12.8
11.6
13.7
14.1
10.8
14.6
13.7
13.3
16.4
11.4
10.5
Para una posibilidad de cometer error tipo I, se puede afirmar que los tres mtodos producen
resultados equivalentes?
Dieta 2
Dieta 3
80
296759982.docPecuaria I
(Solo H. soya)
(H. soya + H. pescado) (H. soya + H. langosta)
32.8
38.9
30.5
34.1
37.6
28.3
29.6
34.7
26.8
35.1
40.2
29.4
37.2
35.6
32.6
33.4
38.2
31.4
30.7
41.3
27.3
Se podra decir que las dietas elaboradas, independientemente del tipo de insumo proteico
producen los mismos resultados?
3. Tres grupos de alpacas madres de la misma edad y raza, empadradas en la misma poca y
lugar quedan preadas, y luego son sometidas durante el ltimo tercio de gestacin a tres
distintos programas de alimentacin. Completada la gestacin y producido el parto se pesan las
cras (kg), obtenindose el siguiente resultado:
Pastizal
(csped de puna)
6.4
5.5
7.2
5.7
7.3
6.42
Sistema de Alimentacin
Pastizal + Pasto
Pasto cultivado
cultivado
(rye grass + trbol)
7.2
8.2
6.3
7.8
6.8
8.5
7.6
8.1
6.4
7.6
6.86
8.04
81
296759982.docPecuaria I
4. Se quiere evaluar el efecto de dos marcas comerciales de implantes anablicos sobre los pesos
al beneficio de toretes Bos Indicus de 02 a 04 dientes (2 aos de edad aprox.) frente a un testigo
que solo recibe una dieta convencional de engorde. Por razones de costos y bioseguridad, el
experimento tuvo que realizarse con animales que permanecieron en sus respectivas estancias
(en total cuatro). A los grupos de animales experimentales se les suministro el mismo tipo y nivel
de alimentacin (en trminos de cantidad y aporte nutricional). El periodo experimental tuvo una
duracin de 3 meses, tiempo del cual se registr los siguientes pesos vivos (kg)
Sin
Estancia
Implante
Implante A Implante B
I
422
435
418
II
370
412
482
III
395
460
430
IV
405
398
434
Se podra afirmar que los anablicos usados generaron algn diferencial en los pesos vivos medios
de los toretes?. Concluya bajo una posibilidad de error del 5%
82
296759982.docPecuaria I
Fuente de variacin
Grados
libertad
de
Suma
de
cuadrados
Cuadrados
medios
F calculado
F tabla
Tratamiento
Error experimental
total
a. Escriba el modelo aditivo lineal correspondiente y explique cada componente
b. Formule las hiptesis correspondientes y pngale a escrutinio utilizando la prueba
estadstica mas conveniente Hay diferencias significativas entre los tratamientos usados?.
Use = 0.05
83
296759982.docPecuaria I
Capitulo VIII
ANALISIS BIVARIANTE: Regresin y Correlacin Lineal Simple
El anlisis de regresin y correlacin comprende el anlisis de datos muestrales para saber como se
relacionan entre s dos o ms variables en una poblacin. El anlisis de correlacin produce un
nmero que resume el grado de relacin entre dos variables, mientras que la regresin da lugar a
una ecuacin matemtica que describe dicha relacin. Est ecuacin se puede utilizar para estimar
o predecir los valores futuros que puede tener una variable cuando se conocen o suponen los
valores de la otra variable
Los datos necesarios para el anlisis de regresin y correlacin provienen de observaciones de
variables relacionadas
Regresin lineal simple
Sea Y una variable aleatoria que depende de otra variable aleatoria independiente X, el modelo de
regresin lineal simple se expresa como:
Y X
Siendo y sus parmetros, cuyos estimadores son: a y b
Si los datos provienen de una muestra, el modelo de regresin seria:
Y a bX
Siendo
mnimos cuadrados:
Y a bX e
( X ).( Y )
XY
SP ( X , Y )
n
b
( X ) 2
SC ( X )
2
X
n
a Y b X
La pendiente
indica el cambio promedio en la variable de respuesta cuando la variable
predictora aumenta en una unidad adicional.
El intercepto
indica el valor promedio de la variable de respuesta cuando la variable predictora
vale 0. Sin embargo carece de interpretacin prctica si es irrazonable considerar que el rango de
valores de x incluye a cero.
Intervalo de confianza para los parmetros de la ecuacin de regresin
Para la pendiente poblacional
El intervalo de confianza del 100(1-) % para la pendiente poblacional
s
Sxx
es estimado usando la
~ t( n2)
84
296759982.docPecuaria I
P( t ( n 2 , / 2 )
s
t ( n 2 , / 2 )
Sxx
s
) 1
Sxx
El Coeficiente de Correlacin
Sea X, Y dos variables aleatorias con varianza
correlacin de pearson se define como:
2 X , 2 Y
Cov( X , Y )
el coeficiente de
Cov( X , Y )
1 1
2
2
Su estimador segn el mtodo de mnimos
cuadrados
se estima como:
x y
( X ).( Y )
XY
Cov( X , Y )
SP( X , Y )
n
rX ,Y
2
2
( X )
( Y )
SC ( X ).SC (Y )
S XS Y
( X
).( Y
)
R2
Coeficiente de Determinacin
Indica la proporcin de la varianza total que esta siendo explicada por el modelo de regresin.
Adems, ofrece una idea de la calidad de ajuste del modelo a los datos. Indica la eficiencia del
modelo para explicar el comportamiento de los datos. Se calcula como:
2
R 2 ( rX , Y ) 2
( X ).( Y )
XY
n
( X )
( Y ) 2
2
( X
).( Y
)
n
n
2
R2
SC regresion
SC total
r n2
1 r 2
85
296759982.docPecuaria I
PRACTICA N 11
ANALISIS BIVARIANTE: REGRESION Y CORRELACION LINEAL SIMPLE
1. Un centro de investigacin en reproduccin animal, ha conducido una investigacin para
evaluar la relacin existente entre el nivel de endsmosis en semen de carneros despus de
haber pasado por un proceso de criogenizacin a 160 C y su nivel de fertilidad durante su
uso en inseminacin artificial por va laparoscpico Dicho estudio arrojo los siguiente
informacin:
Fertilidad (%)
Endsmosis (%)
65.2
80.5
64.2
82.3
68.7
78.3
60.3
65.0
56.3
71.2
66.5
89.4
60.1
76.5
64.3
81.6
62.1
68.2
58.2
70.6
86
296759982.docPecuaria I
345
45
420
22
380
30
368
24
405
38
362
38
384
36
367
25
349
41
410
21
405
24
355
48
87
296759982.docPecuaria I
40.5 38.1 28.6 30.8 52.6 58.4 25.6 28.6 44.3 20.8
3
3.3
3.6
3.5
2.8
2.9
3.4
3.1
3.2
3.6
4.1
4
4.2
4.1
3.9
4.1
4.3
4.2
4.1
4.3
d) Realice una prueba de hiptesis para el valor del parmetro para ver si la relacin es
lineal o no. Construya el ANVA respectivo y realice la prueba F.
88
296759982.docPecuaria I
4. Una empresa ovina del centro del pas, desea saber el grado de asociacin que existe entre
los caracteres de inters econmico de su ganado lanar, a fin de evaluar la posibilidad de
reorientar sus objetivos de crianza. Para ello, durante una campaa de esquila logra obtener
informacin productiva de 10 carnerillos de la raza Corriedale de 2 dientes (peso vivo y peso
de velln) e informacin de laboratorio con miras a medir su finura. Los datos de campo y
laboratorio se muestran en el cuadro 4.
Peso vivo (kg)
42.5 38.5 45.6 36.8 40.6 42.3 40.8 44.6 42.8 34.6
Peso velln (kg)
3.2
3.1
3.5
3.0
3.4
3.4
3.6
3.7
3.6
3.3
Dimetro (u)
26.4 25.8 28.1 26.8 28.3 28.7 29.1 27.3 27.8 25.8
a) Estime sus respectivos coeficientes de correlacin y coeficientes de determinacin
89
296759982.docPecuaria I
90
296759982.docPecuaria I
CAPITULO IX
Teora Elemental del Muestreo y Tamao de Muestra
El objetivo de la estadstica inferencial es obtener la informacin acerca de una poblacin, partiendo
de la informacin que contiene una muestra. El proceso que se sigue para seleccionar una muestra
se denomina Muestreo.
Tipos de muestreo
Existen dos tipos de muestreo: a) el probabilstico y b) el no probabilstico.
Con el muestreo probabilstico, todos los sujetos tienen la misma probabilidad de entrar a formar
parte del estudio, puesto que la eleccin se hace al azar. El no probabilstico es aquel en el que
no todos los sujetos tienen la misma probabilidad de formar parte de la muestra de estudio.
Cuando se hace una muestra probabilstica debemos tener en cuenta principalmente dos aspectos:
- El mtodo de seleccin.
- El tamao de la muestra
Los tipos de muestreo probabilstico ms utilizados son: a) aleatorio simple, b) aleatorio
sistemtico, c) aleatorio estratificado y d) aleatorio por conglomerados.
a. Muestreo aleatorio simple
Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del mismo
tamao tiene igual probabilidad de ser seleccionada de la poblacin. Para obtener una muestra
aleatoria simple, cada elemento en la poblacin tenga la misma probabilidad de ser seleccionado.
Existen dos formas de extraer una muestra de una poblacin: con reemplazo y sin reemplazo:
91
296759982.docPecuaria I
Para obtener una muestra aleatoria estratificada, primero se divide la poblacin en grupos, llamados
estratos, que son ms homogneos que la poblacin como un todo. Los elementos de la muestra
son entonces seleccionados al azar o por un mtodo sistemtico de cada estrato. Las estimaciones
de la poblacin, basadas en la muestra estratificada, usualmente tienen mayor precisin (o menor
error muestral) que si la poblacin entera muestreada mediante muestreo aleatorio simple. El
nmero de elementos seleccionado de cada estrato puede ser proporcional o desproporcional al
tamao del estrato en relacin con la poblacin.
D. Muestreo de agrupado (conglomerados).
Para obtener una muestra de conglomerados, primero dividir la poblacin en grupos que son
convenientes para el muestreo. En seguida, seleccionar una porcin de los grupos al azar o por un
mtodo sistemtico. Finalmente, tomar todos los elementos o parte de ellos al azar o por un mtodo
sistemtico de los grupos seleccionados para obtener una muestra. Bajo este mtodo, aunque no
todos los grupos son muestreados, cada grupo tiene una igual probabilidad de ser seleccionado.
Por lo tanto la muestra es aleatoria.
Una muestra de conglomerados, usualmente produce un mayor error muestral (por lo tanto, da
menor precisin de las estimaciones acerca de la poblacin) que una muestra aleatoria simple del
mismo tamao. Los elementos individuales dentro de cada conglomerado tienden usualmente a
ser iguales.
Por ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente pobre puede vivir en
otra rea. No todas las reas son muestreadas en un muestreo de reas.
Caractersticas de una buena muestra
-
Precisin
Eficiencia (Exactitud confiabilidad )
Correccin
C - Solamente Eficiente
D - Ni eficiente ni preciso
92
296759982.docPecuaria I
Tamao de muestra
Para determinar el tamao muestral de un estudio, debemos considerar diferentes situaciones:
Estudios para determinar parmetros. Es decir pretendemos hacer inferencias a valores
poblacionales (proporciones, medias) a partir de una muestra
Estudios para contraste de hiptesis. Es decir pretendemos comparar si las medias o las
proporciones de las muestras son diferentes.
N = Total de la poblacin
Z2 = Valor z al cuadrado para cierta nivel de confianza.
p = proporcin esperada
q=1p
d = precisin
93
296759982.docPecuaria I
Prctica Nro. 12
Determinacin del Tamao de Muestra
1. Se sabe que el contenido de fructosa de cierto alimento sigue una distribucin normal, cuya
varianza es conocida, teniendo un valor de 0,25. Se desea estimar el valor de la media
poblacional mediante el valor de la media de una muestra, admitindose un error mximo de 0,2
con una confianza del 95%. Cul ha de ser el tamao de la muestra?
2. Es necesario estimar entre 5,000 establos, el nmero de vacas lecheras por establo con un
error de estimacin de 4 y un nivel de confianza del 95%. Sabemos que la varianza es 1,000.
Cuntos establos deben visitarse para satisfacer estos requerimientos?.
94
296759982.docPecuaria I
a. Cuntos pollos debo de pesar para conocer la media del establecimiento avcola?.
b. Si la poblacin de aves en el centro avcola fuera de 500,000 cunto debera ser mi
tamao de muestra?
5. Para estimar la proporcin de familias de una determinada ciudad que poseen perros, se
necesita realizar una muestra aleatoria de tamao n. Calcular el valor mnimo de n para
garantizar que, a un nivel de confianza del 95%, el error en la estimacin sea menor que 0,05.
(Como se desconoce la proporcin, se ha de tomar el caso ms desfavorable, que ser 0,5)
6. En un determinado barrio se seleccion al azar una muestra de 100 personas cuya media de
ingresos mensuales resultaba igual a S/. 1,060.0 con una desviacin tpica de S/. 200.0
a.
b.
95
296759982.docPecuaria I
b. Qu tamao debe tener una muestra de dicha poblacin para que su media est
comprendida entre 17,9 y 18,3 aos, con una confianza del 99,5%?
9. Deseamos utilizar un nuevo frmaco antidiabtico y consideramos que seria clnicamente eficaz
si lograse un descenso de 15 mg/dl respecto al tto. Habitual con el antidiabtico estndar. Por
estudios previos sabemos que la desviacin tpica de la glucemia en pacientes que reciben el
tratamiento habitual es de 16 mg/dl. Aceptamos un riesgo de 0.05 y deseamos un poder
estadstico de 90% para detectar diferencias si es que existen.
BIBLIOGRAFA CONSULTADA
96
296759982.docPecuaria I
97
296759982.docPecuaria I
98
296759982.docPecuaria I
99
296759982.docPecuaria I
100
296759982.docPecuaria I
101
296759982.docPecuaria I
102
296759982.docPecuaria I
103
296759982.docPecuaria I
104
296759982.docPecuaria I
105
296759982.docPecuaria I
106