ELABORAR DOCUMENTO DE APLICACIÓN DE CONCEPTOS DE

PROBABILIDAD

Laura Nathaly obando salinas

Código: 1051502927

Tutor: Catalina Muñoz

Grupo: 300046_137

Curso de estadística descriptiva

Universidad Nacional Abierta y a Distancia (UNAD)

Escuela de ciencias agrícolas, pecuarias y del medio ambiente

Zootecnia

CEAD Chiquinquirá

2020
INTRODUCCION

En el contexto está constituido el curso Estadística descriptiva. El trabajo constituye

con los complementos básicos fundamentales e elemental e introductorio de
probabilidad de la estadística en la cual está basado en los desarrollados en el
programa R.
OBJETIVOS

Objetivos generales:
Nos brindan las principales herramientas necesarias para que se pueda realizar un
trabajo que a su término se tiene capacidad de conocer los diferentes tipos de
variables continuas y discretas, el manejo de tablas, y la identificación de la
distribución de probabilidad de funciones de las variables.

Objetivos Específicos:
Conocer e interpretar todas las funciones y propiedades de la estadística y el
manejo de las variables que existe en el uso adecuado del programa R.
 Ejercicio 1

1. Descargar el código “CODIGODADOS.txt” y ejecutarlo en el programa

R. Explique en sus propias palabras el experimento aleatorio del dado

GRÁFICO DE BARRAS SUMA DE CARAS

6
5
4
Frecuencias absolutas

3
2
1
0

2 3 4 5 6 7 8 9 10 11 12

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
 FRECUENCIAS RELATIVAS SUMA DE CARAS
0.20
0.15
Frecuencias relativas

0.10
0.05
0.00

2 3 4 5 6 7 8 9 10 11 12

EJERCICIO 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:

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

aleatorio, junto con una estructura sobre el mismo se denotado E, S, Ω o U
 Punto muestral.

En la definición anterior, el espacio muestral Ω consta de n elementos

(puntos muéstrales). Punto muestral (ω). Es un elemento de Ω, es decir un
resultado particular del experimento.

 Evento muestral.

Un evento o suceso es cualquier subconjunto del espacio muestral, llamándose a los

sucesos que contengan un único elemento sucesos elementales

 Defina variable aleatoria:

es una función que asigna un número real, a cada resultado de espacio muestral de
una variable aleatoria
 1. ¿Qué significa que el espacio muestral de una variable aleatoria
continua es no contable?

Los espacios muéstrales se han dividido en dos grandes categorías: Espacio

muestral discreto y Espacio muestral continuo. En el Espacio muestral discreto,
tenemos un número de opciones conocidas, como, por ejemplo: 6 caras en un dado.
No podemos obtener más allá de 6 posibilidades. Están “limitados” dentro de x
número de opciones.

2. ¿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 de 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.

Una variable aleatoria puede ser discreta o continua según sea el rango

de esta aplicación. Una variable aleatoria es discreta si toma un número de valores
finito o infinito numerable. Estas variables corresponden a experimentos en los
que se cuenta el número de veces que ha ocurrido un suceso.

3. 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.

El clásico: Es el número de resultados favorables a la presentación de un evento

dividido entre el número total de resultados posibles, Para determinar la
probabilidad frecuencia, se repite el experimento aleatorio un número determinado
de veces, se registran los datos y se divide el número de veces que se obtiene el
resultado que nos interesa, entre el número de veces que se realizó el experimento.
4. ¿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 Probabilidad es la mayor o menor posibilidad de que ocurra un
determinado suceso. En otras palabras, su noción viene de la necesidad de medir o
determinar cuantitativamente la certeza o duda de que un suceso dado ocurra o no.
5. ¿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(A ꓴ B)?
En el ámbito de la lógica y de la teoría de la probabilidad dos proposiciones
(o eventos) son mutuamente excluyentes o disjuntos si ambos no pueden ser
verdaderos (o suceder simultáneamente). Un ejemplo de ello es el resultado de
revolear una vez una moneda, el cual solo puede ser "cara" o "cruz", pero no ambos.
¿Qué son eventos mutuamente excluyentes?
son mutuamente excluyentes si la ocurrencia de uno de ellos implica la no
ocurrencia de los otros n − 1 eventos. Por lo tanto, no pueden suceder
simultáneamente dos eventos mutuamente excluyentes. En lenguaje formal, la
intersección de cada par de ellos es vacía (el evento nulo): A ∩ B = ∅. Por lo tanto,
los eventos mutuamente excluyentes tienen la propiedad que: P(A ∩ B) = 0.2
¿Cómo es la intersección de dos eventos mutuamente excluyentes?
En lenguaje formal, la intersección de cada par de ellos es vacía (el evento nulo): A
∩B=∅
¿Si son excluyentes, dado un evento A y uno B, a que es igual la P(A ꓴ B)?

La regla de la Adición 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:
P (A o B) = P(A) + P(B)  P (A y B)
Si A y B son no excluyentes Siendo:
P(A) = probabilidad de ocurrencia del evento
AP (B) = probabilidad de ocurrencia del evento
BP(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B Eventos
Independiente
En el caso de distribuciones de variables aleatorias cuando una variable es
continua y simétrica, qué modelo se usa.

 Para una variable de conteo no acotado, ¿qué modelo se utiliza?

Esta función asigna a cada valor de la variable un valor entre 0 y 1 que indica la

probabilidad de que la variable, observada para un caso particular, asuma un valor
menor o igual al valor en que se está evaluando la función de conteo es el de
regresión Poisson.

 Para variables de proporciones ¿qué modelo se utiliza?

Para la modelación de variables proporciones se recomienda emplear el enfoque

paramétrico de la regresión beta y evitar el uso del modelo normal. Si se tiene un
tamaño de muestra grande, el uso del enfoque de quasi-verosimilitud representa
una buena alternativa.
 ¿Qué variables tienen función de probabilidad y cuáles variables
tienen función de densidad?

 Función de probabilidad:
una función de probabilidad es una función que asocia a cada punto de su espacio
muestral X la probabilidad de que esta lo asuma.

 Función de densidad:
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.
 ¿Cuáles son los parámetros más usados en estadística para estudiar y
utilizar funciones de distribución de variables aleatorias?

 Esperanza matemática para una variable aleatoria discreta

Dada una variable aleatoria X que toma valores x1,x2,x3....xn con distribución de
Probabilidad, se define la esperanza matemática de una variable

Aleatoria como:

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

denota?
Es el número que expresa el valor medio del fenómeno que representa dicha
variable. La esperanza matemática, también llamada valor esperado, es igual al
sumatorio de las probabilidades de que exista un suceso aleatorio, multiplicado por
el valor del suceso aleatorio.
  ¿Qué es la la varianza de una variable aleatoria? ¿cómo se denota?
La varianza de una variable aleatoria es una característica numérica que proporciona
una idea de la dispersión de la variable aleatoria respecto de su esperanza. Decimos
que es un parámetro de dispersión.

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?

Es un proceso de búsqueda de patrones de equilibrio y unificación de las

características de un producto o servicio, con el fin de establecer normas de
asimilación a un modelo a seguir para la fabricación en serie.

DISTRIBUCIÓN BINOMIAL

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

Donde "n" es el número de repeticiones de la prueba y "p" la probabilidad de éxito.

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

El cálculo de la media y la varianza de una distribución binomial es inmediato si

conocemos sus parámetros n y p. Haciendo cálculos se llega a que:
Esperanza: E(X) = n·p
Varianza: Var(X) = n·p·q; donde q = 1- p, o sea, la probabilidad de fracaso.
DISTRIBUCION DE POISSON

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

Esta distribución es una de las más importantes distribuciones de variable discreta.
Sus principales aplicaciones hacen referencia a la modelización de situaciones en las
que nos interesa determinar el número de hechos de cierto tipo que se pueden
producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad
y ciertas circunstancias restrictivas.
En agronomía se usa para qué tipo de conteos (los ácaros, por ejemplo, se
pueden trabajar con esta distribución).
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 cm^3 de suelo o el número de coliformes en 1 ml de agua, entre otros
conteos de interés
Cómo se denota el único parámetro de esta distribución, a que es igual la
media y
la varianza.

El parámetro de la distribución es, en principio, el factor de proporcionalidad para la

probabilidad de un hecho en un intervalo infinitésimo. Se le suele designar como
parámetro de intensidad, aunque más tarde veremos que se corresponde con el
número medio de hechos que cabe esperar que se produzcan en un intervalo
unitario (media de la distribución); y que también coincide con la varianza de la
distribución.
ejercicio 3:
Descargar el código “MODELOS.txt” y ejecutarlo en el Programa R.
Presente las gráficas obtenidas con el código, analice y compare los resultados
obtenidos, con respecto a los ejercicios planteados en el Capítulo 3 del texto
Estadística y Biometría de Mónica Balzarini: Distribución normal - Ejercicio de
las vacas del tambo (página 91)

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
Probabilidad en distribución normal - Ejercicio del híbrido de maíz
0.4
0.3

20 20

x 25
F(x)

0.2

x 25

30
0.1

30

35

35
40
0.0

10 15 20 25 30 35 40
40

x
dnorm(x, MEDIA2, SIGMA)

0.00 0.02 0.04 0.06 0.08 0.10 dnorm(x, MEDIA, SIGMA1)

0.12

10 0.00 0.05 0.10 0.15 0.20 0.25

10

15

15
DISTRIBUCION DE POSSION
La distribución de Possion se usa para distribuciones de variables discretas (conteos)

EJERCICIO DE LAS PICADURAS DE GORGOJO

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

semilla de Panicum
 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
 BIBLIOGRAFIA
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0036-36342009000500007
https://www.estudiaraprender.com/2011/12/13/probabilidad- frecuencial/
https://economipedia.com/definiciones/esperanza-matematica.html