INFORME WEB CONFERENCIA

En términos generales la Web conferencia permitió conocer cómo trabajar con el programa
R en lo relacionado a poder resolver problemas de estadística como el de el lanzamiento de
2 dados, experimento para el cual se mostró el la solución con el programa de apoyo, en lo
correspondiente al espacio muestral, suma de caras y la gráfica como se muestra a
continuación:

FRECUENCIAS RELAT IVAS ACUMULADAS CONT EO

1 .0
F re c u e n c i a s re l a ti v a s

0 .8
0 .6
0 .4
0 .2
0 .0

0 1 2 3 4 5 6 7 8 9 10

Se trataron los temas relacionados con las distintas distribuciones, en especial al normal de
la cual se mostró gráfica y se habló de la importancia de la interpretación de la misma,
además se habló de conceptos como varianza y media para la distribución.

DISTRIBUCIÓN BINOMIAL
Una distribución binomial es una distribución de probabilidad discreta que describe el
número de éxitos al realizar n experimentos independientes entre sí, acerca de una variable
aleatoria.
Existen una gran diversidad de experimentos o sucesos que pueden ser caracterizados bajo
esta distribución de probabilidad. Imaginemos el lanzamiento de una moneda en el que
definimos el suceso “sacar cara” como el éxito. Si lanzamos 5 veces la moneda y contamos
los éxitos (sacar cara) que obtenemos, nuestra distribución de probabilidades se ajustaría a
una distribución binomial.
Por lo tanto, la distribución binomial se entiende como una serie de pruebas o ensayos en la
que solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra variable
aleatoria.
En la distribución Binomial se plantean dos tipos de conteos, los cuales representan el éxito
(p) y fracaso (q).
Fórmula de densidad de distribución binomial.
f ( y ; n , P )=¿

DISTRIBUCION DE POISSON
La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las
ocurrencias de algún suceso durante un intervalo determinado. Nuestra variable aleatoria x
representará el número de ocurrencias de un suceso en un intervalo determinado, el cual
podrá ser tiempo, distancia, área, volumen o alguna otra unidad similar o derivada de éstas.
Se da un tipo de Conteo que corresponde al número de veces que un evento ocurre en una
unidad de tiempo o espacio determinado. Como centímetro cúbico, minutos, metro, plantas
o árboles, entre otros.
Fórmula de densidad distribución de Poisson.

λ y e− λ
{
f ( y , λ ) = y ! si y =0 ,1,2 , …
0

DISTRIBUCION NORMAL
La distribución normal es un modelo teórico capaz de aproximar satisfactoriamente el valor
de una variable aleatoria continua a una situación ideal.
En otras palabras, la distribución normal adapta una variable aleatoria continua a una
función que depende de la media y la desviación típica. Es decir, la función y la variable
aleatoria continua tendrán la misma representación pero con ligeras diferencias
Es una función que nos permite llevar una función de distribución de carácter normal a
distribución de carácter normal estándar.
Esta función la representa la siguiente Fórmula:
y−µ
Z=
√❑2
Conceptos importantes para la distribución normal:
Varianza: es una medida de dispersión que representa la variabilidad de una serie de datos
respecto a su media. Formalmente se calcula como la suma de los residuos al cuadrado
divididos entre el total de observaciones. También se puede calcular como la desviación
típica al cuadrado.
Media: es también conocido como promedio y resulta de la sumatoria de los datos dividido
el total de los mismos.
Además de todo lo anterior el Tutor dijo que era necesario estudiar conceptos
anteriores y que no solo son de la estadística probabilística en particular y su
aplicación en la Agronomía, sino que lo son de la estadística en general y algunos de
esos conceptos son:
Población: universos de elementos de aplicación de proceso estadístico
Muestra: fragmento de la población
Espacio muestral: conjunto de todos los posibles resultados que pueden darse en un
experimento aleatorio.
 Definición de conceptos Estadísticos
Explique en sus propias palabras los siguientes términos:
a. Espacio muestral, con qué letra se denota.
Se refiere a todos los posibles resultados que pueden darse en un experimento estadístico o
aleatorio. Uno de los símbolos es la letra E.
b. Punto muestral.
Corresponde a un único resultado o elemento entre el conjunto de posibilidad en un
experimento aleatorio.
c. Evento muestral.
Suceso o fenómeno por darse con relación al cual se genera el espacio muestral.
d. Variable aleatoria
Es un simple símbolo que permite describir una probabilidad
e. ¿Qué significa que el espacio muestral de una variable aleatoria continua es no
contable?
Que pueden darse valores decimales, ya que entre dos valores de una variable pueden darse
infinitos resultados.
f. ¿Qué son variables aleatorias discretas proporcionales y que son variables
aleatorias discretas de conteo no acotado? De ejemplos de este tipo de variables.
Variables aleatorias discretas proporcionales: son las que resultan de conteos que no
pueden superar el número de elementos evaluados o estudiados estadísticamente. Por
ejemplo el número de germinadas en cajas de Petri con 25 semillas cada caja; los resultados
se expresan como proporciones porque existe un denominador natural, el cual es la cantidad
de semillas por caja.
Variables aleatorias discretas de conteo no acotado: corresponde a las que no se posee
un denominador de origen natural, ejemplo de ello es la cantidad de manchas que pueden
aparecer en la concha de cualquier cultivo.
g. Existen dos conceptos de probabilidad: el clásico y el concepto frecuencial; defina
cada uno.

h. En el caso de la probabilidad frecuencial, explique el experimento de germinación

de una semilla, cuál es el experimento aleatorio, cuál es el evento y cuantos puntos
muestrales tiene.
i. ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de probabilidad?
Sencillamente la frecuencia relativa se presenta cuando el número de repeticiones de un
determinado experimento o suceso aleatorio no es grande o elevado, mientras que para
considerar una función como probabilidad, se debe asignar a cada evento del espacio
muestral un número del conjunto de los reales en el intervalo [0-1].

j. ¿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)?
Los eventos mutuamente excluyentes se entienden como aquellos en los cuales cada
evento cuenta o está formado por puntos muéstrales totalmente distintos, por lo tanto, no
existe ningún punto muestral en la intersección de los subconjuntos en cuestión.
La intersección de dos eventos mutuamente excluyentes son el génesis o permiten un
nuevo conjunto, el cual tiene puntos muéstrales pertenecientes tanto al subconjunto A como
al B. La intersección entre dos conjuntos se expresa o denota A ∩ B, pero si A y B son
excluyentes, la intersección es vacía por lo tanto P( A ∩ B), es igual a cero. P( A ∩ B)=0
P( A ∪B), es idéntico o igual a la suma de las probabilidades de cada evento.

k. En el caso de distribuciones de variables aleatorias ¿cuándo una variable es

continua y simétrica? ¿qué modelo se usa?
Por las condiciones o características de probabilidad, Para el caso de variables continuas
simétricas corresponde la aplicación del modelo normal.
Entendiendo que la distribución normal es un modelo teórico capaz de aproximar
satisfactoriamente el valor de una variable aleatoria continua a una situación ideal, es decir,
la distribución normal adapta una variable aleatoria continua a una función que depende de
tener como información la media y la desviación típica.
Responder las siguientes preguntas:
• DISTRIBUCION NORMAL
o Qué tipo de histograma se debe seleccionar en un modelo probabilístico para una variable
aleatoria continua cuando se tienen datos de esa variable
R//: Gráfica de barras
o Qué es la estandarización, cuál es su fórmula.
R//: Es una función que nos permite llevar una función de distribución de carácter normal a
distribución de carácter normal estándar.
Esta función la representa la siguiente Fórmula:
y−µ
Z=
√❑2
• DISTRIBUCIÓN BINOMIAL
o Qué tipo de conteos se trabajan con la distribución Binomial
R//: Se plantean dos tipos de conteos, los cuales representan el éxito (p) y fracaso (q).
Fórmula de densidad de distribución binomial.
f ( y ; n , P )=¿

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

R//: n= Número de eventos, P= Probabilidad de éxito
o A qué es igual la esperanza y la varianza en esta distribución.
R//: Al producto indicado entre el número de repeticiones del experimento y la probabilidad
de ocurrencia o éxito (np).
la varianza es igual al producto de número de repeticiones del experimento y las dos la
probabilidad, éxito y fracaso (npq)

• DISTRIBUCION DE POISSON
o Qué tipos de conteos se trabaja con la distribución de Poisson.
R//: Conteos que corresponde al número de veces que un evento ocurre en una unidad de
tiempo o espacio determinado. Como centímetro cúbico, minutos, metro, plantas o árboles,
entre otros.
Fórmula de densidad distribución de Poisson.
 λ y e− λ
{
f ( y , λ ) = y ! si y =0 ,1,2 , …
0

o En agronomía se usa para qué tipo de conteos (los ácaros, por ejemplo, se pueden trabajar
con esta distribución).
R//: Es utilizado principalmente para determinar el número de insectos sobre una planta, el
número de manchas defectuosas en un mosaico, el número de coliformes en litro de agua,
entre otros.

o Cómo se denota el único parámetro de esta distribución, a que es igual la media y la

varianza.
R//: Se denota con . La varianza de poisson aumenta a medida que aumentan los conteos y
esta es función de la media.

La suma de dos variables aleatorias independientes con distribución de Poisson resulta en

una nueva variable aleatoria, también con distribución de Poisson, de parámetro igual a la
suma de parámetros:

X1 ~ P(λ = λ1)    y    X2 ~ P(λ = λ2)

y definimos Z = X1 + X2, entonces,

Z ~ P(λ = λ1 + λ2)

Este resultado se extiende inmediatamente al caso de n variables aleatorias independientes

con distribución de Poisson. En este caso, la variable suma de todas ellas sigue una
distribución de Poisson de parámetro igual a la suma de los parámetros.

Bibliografía

Balzarini, M. (2013). Estadística y Biometría. Ilustraciones del uso de infostat en problemas de

agronomia. Brujas. Obtenido de http://www.agro.unc.edu.ar/~mcia/archivos/Estadistica%20y
%20Biometria.pdf

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t6.h
tm
https://fisicaymates.com/distribucion-de-poisson/