EVALUACIÓN FINAL

Presentado por:
Mónica Arteaga Rodríguez 1122782203
Edison Leonardo Vallejo Romero 1,08,754,043
XXXXXXX
XXXXXX
XXXXXXXXXXX
Curso 300046 – Estadística Descriptiva
Grupo 32

Presentado a:
Gloria Cecilia Ruales.

Universidad Nacional Abierta y a Distancia UNAD

Pasto, mayo de 2019
 INTRODUCCIÓN
Hay muchos aspectos de la vida científica y
cotidiana que se fundamentan en la estadística
descriptiva porque es un punto de partida para la
toma de decisiones y lógicamente las ciencias
agrarias no podían ser la excepción, necesitan de
la investigación para que ayuden a dinamizar la
explotación de los suelos.
Por esta razón en este ejercicio ponemos en
practica lo aprendido durante lo largo del curso y
gracias a un trabajo en equipo, compromiso he
investigación hemos realizado el trabajo con el cual
culminamos esta materia.
 OBJETIVO GENERAL
Aplicar correctamente los conceptos de la estadística
descriptiva, estudiados a lor largo de todo el curso, en
situaciones reales y/o imaginarias.

Objetivos específicos
 Poner en práctica las competencias desarrolladas en las
unidades 1 y 2 del curso en los problemas plateados.
 Desarrollar los pasos sugeridos para la comprensión de los
conceptos estudiados de estadística descriptiva.
 Dar por terminado el proceso de formación del curso y asi
poner en practica lo aprendido
 Pregunta 3: Base de datos

La imagen corresponde a la base Datos (excel) con la información

del ejemplo (variables con número 1) y, la información del ejercicio
realizado (variables con número 2) donde se tomó una muestra de
50 plantas de café para analizar la presencia de broca (Variable
discreta), se tuvo en cuenta kg de café (variable continua) y, si se
encuentran dañadas o sanas las plantas de café (variable
cualitativa).
 14
12
Variable Continua

0.25
10

0.20
8
Frequency

Frequency

0.15
6

0.10
4

0.05
2
0

0.00
798.93 1400.89 2002.84 2604.80 3206.76 3808.72 4410.67 5012.63 798.93 1400.89 2002.84 2604.80 3206.76 3808.72 4410.67 5012.63

Class limits Class limits

La variable continua es el café y, se mide en kg (unidades).

Cuál es es intervalo con mayor frecuencia relativa?
El intervalo de mas alta frecuencia relativa esta entre 798.83 a 1400.89
que corresponde al valor mas común entre el cultivo de café.
 Variable Discreta
Gráfico de barras CONTEO
FRECUENCIAS RELATIVAS CONTEO
3.0

0.06
2.5

0.05
2.0

0.04
Frecuencias absolutas

Frecuencias relativas

0.03
1.5

0.02
1.0

0.01
0.5

0.00
0.0

8 9 17 19 21 25 28 32 35 37 42 44 46 49 51 54 56 65 68
8 9 17 19 21 25 28 32 35 37 42 44 46 49 51 54 56 65 68

La variable discreta es el análisis de presencia de broca en un

cultivo de café.
Cuál es el conteo de más alta probabilidad?
El conteo de más alta probabilidad esta entre 37 o 46 brocas presentes
en el cultivo de café.
 Pregunta 4: Correr código
modelo
En que variables lo pueden aplicar en sus carreras?, deben desarrollar un
párrafo de síntesis.
Modelo Normal
Modelo Binomial
 Modelo de Poisson
El estudiante debe revisar del texto el ejercicio de las picaduras del Gorgojo, correr el código
MODELOS que está con los datos del texto, y adicionalmente determinar cuántas de 100 semillas
tendrán 4 picaduras y cuantas 6 o más, en este caso saque las probabilidades de 0,1,2,3,4,5 las
suma y se las resta a uno.
 4 picaduras y cuantas 6 o
más

Por lo tanto, para la probabilidad de 6 o más picaduras se tiene;

𝑃 𝑥≥6
= 1 − (𝑃 𝑥 = 0 + 𝑃 𝑥 = 1 + 𝑃 𝑥 = 2 + 𝑃 𝑥 = 3 + 𝑃 𝑥 = 4 + 𝑃 𝑥 = 5 )
Reemplazando valores se obtiene;
𝑃 𝑥 ≥ 6 = 1 − 0.8187 + 0.1637 + 0.0164 + 0.0011 + 5.46 ∗ 10−5 + 2.18 ∗ 10−6
𝑃 𝑥 ≥ 6 = 4.32 ∗ 10−5
La probabilidad de que tenga 6 o más picaduras es del 0.0043%.
 ANÁLISIS
 Resultados código del ejemplo, en donde existirá una
probabilidad del 16,37% aproximadamente de que 1
semilla sea picada.

 La probabilidad de que la semilla tenga 2 picaduras o

más es de aproximadamente un 1.75%.

 La probabilidad de que la semilla tenga 4 picaduras o

más es de aproximadamente un 2,18%

 La probabilidad de que tenga 6 o más picaduras

es del 0.0043%.
 Conclusiones
 La estadística descriptiva con la ayuda de la tecnología, busca
nuevas estrategias que den solución a diferentes problemáticas que
afronta el sector agrario como lo es la seguridad alimentaria a nivel
mundial.

 En general, la estadística se encarga de almacenar la masa de datos

numéricos provenientes de la observación de multitud de fenómenos,
procesándolos de forma razonable.

 Para una variable continua y de distribución simétrica unimodal, es

común el uso del modelo normal.

 La distribución de Poisson también sirve como modelo probabilístico

para variables discretas de tipo conteo. A diferencia de la Binomial,
donde el conteo se realizaba sobre n experimentos independientes,
en el caso de la Poisson, los conteos se refieren al número de veces
que un evento ocurre en una unidad de tiempo o espacio dada (hora,
kilo, m^2, m^3, planta, etc.) y por tanto los valores de la variable no
están acotados.
 Bibliografía
 Balzarini, M. (2013). Estadística y biometría:
ilustraciones del uso e infostat en problemas de
agronomía. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/r
eader.action?docID=3221775&query=bioestadistica
 Mecabot. (2017). El software R, una herramienta para
implementar métodos numéricos. Recuperado
de: http://mecabot-ula.org/tutoriales/r-project-metodos-
numericos/
 Saenz J. (2010). Métodos estadísticos con R y R
comander. Recuperado de: https://cran.r-
project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf