Unidad 2 Fase 3 –Elaborar documento de aplicación de conceptos de

probabilidad

Presentado por: Miguel Arcángel Romero Velásquez

Codigo:1121396143

Grupo:127

Presentado a Tutor: MAIKEL SUAREZ RIVERO

Universidad Nacional Abierta y a Distancia

Vicerrectoría Académica y de Investigación
 Marzo 2020

EXPERIMENTO ALEATORIO LANZAR DOS DADOS

El experimento aleatorio del dado es la manera más sencilla de entender

las probabilidades, donde según el código el espacio muestral de lanzar
dos dados es 36 puntos muéstrales, siendo el conjunto total de
resultados. Un evento aleatorio es un subconjunto del espacio muestral el
cual según el experimento aleatorio de los dados puede ser sacar dos
números pares en el cual tenemos 6 puntos muéstrales que cumplen la
condición sobre 36 puntos muéstrales totales dándonos como resultado el
16,7 % de probabilidad.
Donde encontramos eventos incluyentes, excluyentes y complementarios
cuando se lanzan dos dados. Como lo podemos notar a continuación con
el programa R.

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

Barra de frecuencia absoluto que nos muestra el numero de proabilidades

que un evento que tenga mayor frecuencia que da como resultado el
numero 7 cuando cuando tiene mayor posibilidad de que el dado de ese
mismo resultado con 6 ocurrencias de 36 efectivas realizadas y el menos
es 2 y 12 con una proabilidad
 0.20 FRECUENCIAS RELATIVAS SUMA DE CARAS FRECUENCIAS RELATIVAS ACUMULADAS SUMA DE CARAS

1.0
0.8
0.15

0.6
Frecuencias relativas

Frecuencias relativas
0.10

0.4
0.05

0.2
0.0
0.00

2 3 4 5 6 7 8 9 10 11 12 2 3 4 5 6 7 8 9 10 11 12

Se esplica la distribucion en porcentajes de numero de proabilidares de

frecuencia relativa de un dato estadistico es el conciente entre la
frecuencia absoluta y el numero total de datos de la suma de dos caras
dividido por 100

 Expliquen en sus propias palabras los siguientes términos:

Espacio muestral, con qué letra se denota

Conjunto de todos los valores que potencialmente pueden asumir en un
estudio aleatorio. Tal conjunto de resultados posibles se denomina
espacio muestral y es usualmente denotado con la letra griega omega(Ω)

Punto muestral: Se denomina punto muestral a u conjunto de posibles

resultados de u experimento de un punto muestral (ω). En un elemento de
Ω de un resultado específico de un estudio

Evento muestral: (A). Es un conjunto de posibles resultados del

experimento. A es un subconjunto de Ω (A ⊂Ω)

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?:
Significa que, entre dos valores de la variable, pueden realizarse un
número infinito de otros valores.
Ejemplo de variables aleatorias con espacios muestrales con estas
características son los rendimientos, las ganancias de peso, las
precipitaciones, entre otras.

¿Qué son variables aleatorias discretas proporcionales y que son

variables aleatorias discretas de conteo no acotado? De ejemplos de
este tipo de variables:
Las variables aleatorias discretas son conocidas como un número finito o
a lo más numerable de valores. En otras palabras, esta variable puede
tomar un número finito de valores dentro de un intervalo, como por
ejemplo el número exacto de una cantidad de una manada de lobos.

Por otro lado, las variables aleatorias de conteo vienen siendo una
muestra que puede tomar ciertos valores, con frecuencia números
enteros, por lo que entre sus ejemplospodemoscolocar:

Número de caras al lanzar una moneda

El resultado del lanzamiento de un dado
Número de hijos de una familia

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, cuantos puntos muestrales tiene:

 Conceptos de probabilidad el clásico

se puede dar una definición de probabilidad que se basa en la
observación de los elementos del espacio muestral. Ésta se desarrolló
originariamente estudiando los juegos de azar

 Concepto frecuencial .
Es distinta ya que se refiere a una serie repetida de estudios aleatorios.
Generalmente se usa cuando el espacio muestral es infinito y por tanto no
se pueden enumerar todos los resultados posibles del estudio
 En el caso del frecuencial explique el experimento de germinación de
una semilla.

 cuál es el experimento aleatorio ,

son las 1000 semillas las cuales se estudiaron.
 cuál es el evento.
Es el número de semillas que se pueden encontrar germinadas las cuales
fueron 600.
 cuantos puntos muestrales tiene.
se dice que la probabilidad estimada de observar una semilla germinada,
está dada por: P(A) = P(observar una semilla germinada) = nA N = 600 /
1000 = 0,6

¿Qué diferencia existe entre el concepto de frecuencia relativa y el de

probabilidad?

Si bien la analogía es fundamental, las frecuencias se entienden como

probabilidades sólo cuando N tiende a infinito.
Si el número de veces que se repite un experimento no es grande,
entonces hablaremos de frecuencia relativa y diremos que ésta
“aproxima” una probabilidad

¿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)?

Se dice que dos eventos son mutuamente excluyentes si cada uno está
formado por puntos muestrales distintos, es decir no existe ningún punto
muestral en la intersección de los subconjuntos que representan los
eventos.
Denotaremos la intersección de A y B con A  B. Cuando dos eventos son
excluyentes, la intersección es cero y por tanto la probabilidad de la unión
de esos eventos, P(A B), es la suma de las probabilidades de cada
evento.

En el caso de distribuciones de variables aleatorias cuando una

variable es continua y simétrica.
¿qué modelo se usa

. Se usa el modelo normal

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

 Se usa el modelo Poisson

Para variables de proporciones ¿qué modelo se utiliza?

Se usa el modelo probabilístico Binomial.

¿Qué variables tienen función de probabilidad y cuáles variables

tienen función de densidad?

La función de distribución de probabilidad de una variable aleatoria

discreta y la función de densidad de una variable aleatoria continua.

¿Cuáles son los parámetros más usados en estadística para estudiar

y utilizar funciones de distribución de variables aleatorias?

Muestras el valor esperado y la varianza son los parámetros más usados

en estadística para estudiar y utilizar funciones de distribución de
variables aleatorias.
 El valor esperado, formaliza la idea de valor medio de un fenómeno
aleatorio.
 La varianza formaliza la idea de incertidumbre y su recíproco la idea
de precisión, más varianza indica más incertidumbre sobre el
fenómeno y menor precisión de las conclusiones que podemos elaborar
desde los datos que lo caracterizan.

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

se denota?

La esperanza matemática de una variable aleatoria, usualmente denotada

por E(.) o la letra griega Mu (µ) es, desde un punto de vista intuitivo, un
promedio de los valores asumidos por la variable, donde cada valor es
ponderado por su probabilidad de ocurrencia.

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

La varianza de una variable aleatoria, denotada por Var(.) o la letra

griega Sigma al cuadrado ( 2  ), es una medida de dispersión. Su raíz
cuadrada, denominada desvío estándar (  ) es usada para expresar la
dispersión en término de diferencias (o desvíos) de cada dato respecto a
la esperanza.

 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:


o Distribución normal - Ejercicio de las vacas del tambo (página 91),
o Probabilidad en distribución normal - Ejercicio del híbrido de maíz
(página 93)
o Distribución binomial - Ejercicio de la semilla de Panicum sp.
(página 102)
 o Distribución Poisson - Ejercicio de las picaduras de gorgojo (página
105).

Función de Distribución N(MEDIA.MEDIA2 EN ROJO,MISM A VARIANZA)

0 .0 8 0 .1 0 0 .1 2
F (x )

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

10 15 20 25 30 35 40

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

Grafica explicativa donde se puede apreciar que, ocasionando un cambio

en la variación de ración, se espera que con raciones diferenciales. Las
vacas del tambo que producían menor cantidad de leche se acercan a un
promedio de producción

Función de Distribución N(VARIANZA.VARIANZA1 EN ROJO,MISMA MEDIA)

Función de Distribución N(VARIANZA.VARIANZA1 EN ROJO,MISMA MEDIA)
0.4

0.4
0.3

0.3
F(x)

F(x)
0.2

0.2
0.1

0.1
0.0

0.0

10 15 20 25 30 35 40 10 15 20 25 30 35 40

x x

Grafica de medidas de varianza según la producción que da como

resultado al suministrar ración
 Función de Distribución N(media.sigma) Función de Distribución N(media.sigma)
0.05

0.05
0.04

0.04
0.03

0.03
F(x)

F(x)
0.02

0.02
0.01
0.01

0.00
0.00

20 40 60 80 100 20 40 60 80 100

x x
DISTRIBUCION NORMAL

 Que tipo de histograma se selecciona un modelo probabilístico

para una variable aleatoria continua cuando se tienen datos de esa
variable.

Para seleccionar un modelo pirobalística de variable aleatoria continua

resulta recomendable grafica un histograma de frecuencia relativa y
observar la forma del mismo
 Que es la estandarización, cuál es su formula.

Para usar las tablas, debemos expresar nuestra variable como una normal
estándar para ello usamos una transformación llamada estandarización
que nos permite llevar cualquier distribución normal a la distribución
normal estándar. La transformación, tiene la siguiente forma:

Donde Y es el valor de la variable aleatoria que define el evento de

interés y son la media y la varianza de la distribución de Y la nueva
variable aleatoria Z obtenida mediante estandarización de Y se distribuye
normal con media cero y varianza uno, es decir, normal estándar.

DISTRIBUCIÓN BINOMIAL
Formula:

 Que tipo de conteos se trabajan con la distribución Binomial.

Puede usarse para el cálculo de probabilidades de eventos provenientes

de conteos acotados. Se supone que se realizan cierto número (n) de
experimentos aleatorios y en cada experimento se registra uno de dos
resultados posibles, éxito o fracaso.
 En la distribución binomial que es n y que es P.

Se supone que se realizan cierto número (n) de experimentos aleatorios y

en cada experimento se registra uno de dos resultados posibles, éxito o
fracaso donde el éxito tiene una cierta probabilidad (P) de ocurrencia.
 A que es igual la esperanza y la varianza en esta distribución.

Resultados posibles son dos, uno con probabilidad y otro con

probabilidad.

DISTRIBUCION DE POISSON

Que tipos de conteos se trabaja con la distribución de Poisson.

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, m2, m3, planta, etc.) y por tanto los
valores de la variable no están acotados decir, mientras los valores de Y
en una Binomial podían pertenecer a los naturales entre 0 y n inclusive,
en el caso de una Poisson pueden pertenecer a los naturales entre 0 e
infinito.

 En agronomía se usa para que tipo de conteos, les recuerdo los

ácaros por ejemplo se pueden trabajar con esta distribución.
En Agronomía, 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 cm3 de suelo o el
número de coliformes en 1 ml de agua, entre otros conteos de interés.

 Como se denota el único parámetro de esta distribución, a que es

igual la media y la varianza.

Parámetro es λ. La propiedad de esperanza igual a varianza de la

distribución Poisson implica que al aumentar el promedio de los conteos,
aumenta también su varianza. La varianza de una Poisson es función de
la media