APLICACIÓN DE CONCEPTOS DE PROBABILIDAD

FASE 3

PRESENTADO POR

ANDRES FELIPE CASTAÑEDA

GRUPO: 300046_55

PRESENTADO A

HECTOR FABIO LOPEZ

 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

ESCUELA DE CIENCIAS AGRICOLAS, PECUARIAS Y DEL MEDIO AMBIENTE

NOVIEMBRE, 2019

INTRODUCCION

En el siguiente trabajo veremos las gráficas realizadas en el programa R,

guiándonos por el documento fase 3 –preguntas orientadoras.

OBJETIVOS:

 Aprender el manejo del programa R.

 Interpretar y analizar gráficas.
 Construir gráficos mediante comandos.
Evidencia de participación en la web conference

Mi nombre de usuario al campus es: afcastam que está señalado en azul

SOLUCION
 2. Leer el Capítulo dos - Variables Aleatorias y Probabilidades y el Capítulo
tres - Modelos Probabilísticos del libro Estadística y Biometría de Mónica
Balzarini (que también se encuentra en la carpeta) y responder o definir los
siguientes puntos:

 Espacio muestral, con qué letra se denota:

Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo
representaremos por E (o bien por la letra griega Ω)

 Punto muestral:

Es el conjunto de todos los posibles resultados de un experimento, Es un elemento

de Ω, es decir un resultado particular del experimento.

 Evento muestral:

Consiste en el conjunto de todos los posibles resultados de un experimento

aleatorio, junto con una estructura sobre el mismo
 Defina variable aleatoria:

Es una función que asigna un valor, usualmente numérico, al resultado de un

experimento aleatorio

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

continua es no contable?
Es cuando la variabilidad obtenida, que es continua, simplemente no la podemos
deducir.

 ¿Qué son variables aleatorias discretas proporcionales y que son

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

Se denomina variable aleatoria discreta aquella que sólo puede tomar un número
finito de valores dentro de un intervalo.

Ejemplo:
Número de caras obtenidas al lanzar tres monedas: 0, 1, 2, 3. Suma de las caras
superiores obtenidas al lanzar dos dados: 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12.

Conteo no acotado:
Cuando una variable solo es capaz de adquirir un número finito de valores
dentro de un intervalo se dice que es aleatoria discreta. Por ejemplo, las
veces que ha llovido en la ciudad este mes solo puede ser un valor igual o
mayor a 0 y entero. Por ello también se dice que estos valores pueden ser
acotados o no. Un ejemplo de variable aleatoria discreta de conteo no
acotado es la cantidad de espermatozoides en una muestra de semen, por
cuanto se tratará de un valor discreto de tipo aleatorio y sin límites precisos.

 Existen dos conceptos de probabilidad: el clásico y el 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 muéstrales tiene.
Tienen la misma posibilidad
 ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de
probabilidad?

La primera es que la frecuencia relativa va a estar acotada entre 0 y 1, debido

a que la frecuencia de los valores de la muestra, siempre va a ser menor al tamaño
de la muestra. La segunda es que la suma de todas las frecuencias relativas va a
ser 1 si se mide en tanto por 1, o 100 si se mide en tanto por ciento
 ¿Qué son eventos mutuamente excluyentes? ¿Cómo 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)?
Son mutuamente excluyentes o disjuntos si ambos no pueden ser verdaderos. Un
ejemplo de ello es el resultado de revolear una vez una moneda, el cual solo puede
ser "cara" o "cruz", pero no ambos.

Se dice que dos eventos son mutuamente excluyentes, cuando ambos no pueden
ocurrir simultáneamente en el resultado de una experimentación. También se
conocen como eventos incompatibles. Por ejemplo al dejar rodar un dado, pueden
separarse los posibles resultados como: Números impares o pares.

P(A) + P(B)

 En el caso de distribuciones de variables aleatorias cuando una variable

es continua y simétrica, qué modelo se usa.
Es común el uso del modelo normal para ambas.
 Para una variable de conteo no acotado, ¿qué modelo se utiliza?
Modelo poisson
 Para variables de proporciones ¿qué modelo se utiliza?

Probalistico binomial
 ¿Qué variables tienen función de probabilidad y cuáles variables tienen
función de densidad?
En teoría de la probabilidad, una función de probabilidad (también
denominada función de masa de probabilidad) es una función que asocia a cada
punto de su espacio muestral X la probabilidad de que ésta lo asuma.
La función de densidad de probabilidad, función de densidad, o, simplemente,
densidad de una variable aleatoria continua describe la probabilidad relativa según
la cual dicha variable aleatoria tomará determinado valor. ... Una variable aleatoria
X tiene densidad f, siendo f una función no-negativa
 ¿Cuáles son los parámetros más usados en estadística para estudiar y
utilizar funciones de distribución de variables aleatorias?

Los parámetros estadísticos sirven para la información dada por una tabla o por
una gráfica, los más usados son de centralización, de posición y de dispersión

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

denota?
En estadística la esperanza matemática (también llamada esperanza, valor
esperado, media poblacional o media) de una variable aleatoria, es el número
o que formaliza la idea de valor medio de un fenómeno aleatorio.
El primer término es la "esperanza" de perder la apuesta de 1€, por eso el valor es
negativo.

 ¿Qué es la varianza de una variable aleatoria? ¿cómo se

denota? Una variable aleatoria es una medida de dispersión definida como la
esperanza del cuadrado de la desviación de dicha variable respecto a su media. ...
La varianza tiene como valor mínimo 0
3. código “MODELOS.txt”
Responder las siguientes preguntas:
DISTRIBUCION NORMAL

 Qué tipo de histograma se debe seleccionar en un modelo probabilístico

para una variable aleatoria continua cuando se tienen datos de esa variable
 Qué es la estandarización, cuál es su fórmula.

Significa ajustar los valores medidos en diferentes escalas respecto a una escala
común, a menudo previa a un proceso de realizar promedios. En casos más
complicados, la normalización puede referirse a ajustes más sofisticados donde la
intención es conseguir todas las distribuciones de probabilidad que se ajustan a los
valores.

DISTRIBUCIÓN BINOMIAL

 Qué tipo de conteos se trabajan con la distribución Binomial

En estadística, la distribución binomial es una distribución de probabilidad discreta

que cuenta el número de éxitos en una secuencia de n ensayos de Bernoulli
independientes entre sí, con una probabilidad fija p de ocurrencia del éxito entre los
ensayos.

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

Cuenta el número de éxitos en una secuencia de n ensayos

de Bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del
éxito entre los ensayos. Un experimento de Bernoulli se caracteriza por
ser dicotómico, esto es, solo dos resultados son posibles. A uno de estos se
denomina «éxito» y tiene una probabilidad de ocurrencia p y al otro, «fracaso», con
una probabilidad2 q = 1 - p. En la distribución binomial el anterior experimento se
repite n veces, de forma independiente, y se trata de calcular la probabilidad de un
determinado número de éxitos. Para n = 1, la binomial se convierte, de hecho, en
una distribución de Bernoulli.

 A qué es igual la esperanza y la varianza en esta distribución:

La varianza o variancia (que suele representarse como ) de una variable

aleatoria es una medida de dispersión definida como la esperanza del cuadrado
de la desviación de dicha variable respecto a su media.

Su unidad de medida corresponde al cuadrado de la unidad de medida de la

variable: por ejemplo, si la variable mide una distancia en metros, la varianza se
expresa en metros al cuadrado. La varianza tiene como valor mínimo 0.
La desviación estándar (raíz cuadrada positiva de la varianza) es una medida de
dispersión alternativa, expresada en las mismas unidades que los datos de la
variable objeto de estudio.

DISTRIBUCION DE POISSON

 Qué tipos de conteos se trabaja con la distribución de Poisson.

La distribución de Poisson es una distribución de probabilidad discreta que expresa,

a partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un
determinado número de eventos durante cierto período de tiempo.

 En agronomía se usa para qué tipo de conteos (los ácaros por ejemplo,
se pueden trabajar con esta distribución).
 Cómo se denota el único parámetro de esta distribución, a que
es igual la media y la varianza

Un parámetro es un número que resume la gran cantidad de datos

que pueden derivarse del estudio de una variable estadística. El
cálculo de este número está bien definido, usualmente mediante
una... Por ejemplo, la media aritmética se define como la suma de
todos los datos
 CONCLUSIONES

En este trabajo queda demostrado que la estadística está presente en cada

momento de nuestra vida, pudimos apreciar con se aplica en la agronomía y
también realizamos graficas mediante el programa R

BIBLIOGRAFIA

Tomado de: https://drive.google.com/drive/folders/1RcG3-JAA2saXxAwrKMcdhDUkv9jbV8jR