Fase 3 - Distribución y probabilidad

Karen Alejandra Fandiño Vanegas

 Juan Fernando Avendaño Ramos

Edinson Arley velasquez

Laren Dayana pino

Kenyi Johana Buitrago

Código 1007920190

Grupo 21

Nombre del tutor  

Yessica Almeida braga

Universidad nacional abierta y a distancia

Programa agronomía

Escuela ciencias agrícolas pecuarias y del medio ambiente

Octubre 2021
 Introducción

En el presente documento se desarrollarán una serie de actividades de distribución y probabilidad

con el fin de darle respuesta a cada uno de los ítems propuestos en la guía de actividades los

cuales nos permiten desarrollar nuestros conocimientos acerca de esta materia que es de suma

importancia en nuestro programa académico.

 Objetivos

Objetivos específicos:

Reconocer los conceptos básicos de las probabilidades y las distribuciones más usadas y darle

respuesta a cada uno de los ejercicios en el programa R.

Objetivos generales:

 Conceptos básicos.

 Preguntas en el programa R.

 Gráficos.

 Modelos probabilísticos.

 Distribución Poisson.
1. Revisar el OVI y los Contenidos y referentes bibliográficos de la Unidad 2, ubicados en el

Entorno de Aprendizaje y explicar en sus propias palabras los siguientes términos:

a. Espacio muestral, con qué letra se denota:

Por medio del espacio muestral se pueden agrupar resultados de los experimentos aleatorios, el

cual es de gran ayuda en cualquier experimento ya que nos facilita la obtención de los datos y

determinar la estructura.

Este se denota con la letra E

b. Punto muestral:

Los puntos muestrales son aquellos que se dan por medio del espacio muestral es decir de los

resultados de un experimento simple.

c. Evento muestral:

Este es formado por los elementos o resultados que se dan de la muestra hace parte de los

acontecimientos de la muestra dentro de los experimentos.

d. Variable aleatoria:

Las variables aleatorias nos permiten dar valores numéricos en los experimentos aleatorios.

E ¿Qué significa que el espacio muestral de una variable aleatoria continua es no contable?

El espacio muestral de una variable aleatoria continua no contable, es que siempre se va a dar de

la misma posibilidad de una serie de números fija dentro de un espacio muestral, ya que si fuese

continua seria consecutiva como enumerar la edad de miles de personas que esos datos si se

pueden contar.
F ¿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 discretas es importante distinguir al menos dos subtipos muy comunes en estudios

biológicos: variables aleatorias discretas proporcionales: las proporciones que provienen de

conteos que no pueden superar el número de elementos evaluados. El ejemplo de una variable

discreta expresada como proporción es el número de semillas germinadas en cajas de Petri con

25 semillas cada caja, estos resultados se expresan como proporciones porque existe un

denominador natural, siendo este la cantidad de semillas por caja

G Existen dos conceptos de probabilidad: el clásico y el concepto frecuencial; defina cada

uno.

La probabilidad es algo en término aleatorio. Poseemos el concepto clásico de estadística que se

refiere a un numero de resultados en una serie de eventos divididos en un numero de resultados

posibles, esta misma se emplea en casos como en un evento donde sea simple un espacio

muestral y este tenga la probabilidad de poderse repetir.

La probabilidad al concepto frecuencial, esta probabilidad se refiere a que tan posible un suceso

si de alguna forma un experimento u operación tiende a repetirse varias veces, ejemplificando

dicha definición como el cociente entre la cantidad de algunos casos que son favorables y

cantidad de casos o datos posibles cuando la cantidad de estos mismos tiende a tener infinidad de

resultados.
[Link] 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 muéstrales

tiene.

En un experimento de germinación de semillas, se dice que el experimento aleatorio es la

posibilidad de que las semillas germinen o no, el evento es “encontrar la semilla germinada

“representando con la letra A; entonces:

n A 400
P( A)=P(observar semilla germinada)= = =0,4
N 1000

Donde las 400 semillas que germinaron son los puntos muéstrales.

I ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de probabilidad?

Una diferencia entre estos dos conceptos no es correcta afirmarla, debido a que el concepto de

probabilidad, es el número de veces que puede suceder un evento y como resultado de dicho

análisis se obtiene la probabilidad frecuencial o frecuencia relativa y esta nos informa acerca de

la proporción o el peso que tiene algún valor u observación en la muestra y el rango de este valor

siempre estará entre 0 y 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 U B)?

Los eventos mutuamente excluyentes son los resultados de un evento que no es posible que

ocurran simultáneamente. La intersección de dos eventos mutuamente excluyentes se denota

como un conjunto vacío. A una serie de eventualidad A y una B la operación P(AUB) es P(A) +

P(B) -P (A∩B).

K En el caso de distribuciones de variables aleatorias, si una variable es continua y

simétrica, ¿qué modelo se usa?

La distribución Poisson facilita el cálculo de probabilidades, si una variable es continua y

simétrica.

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

Se utiliza el modelo de regresión y es importante dejar expresado que si bien el valor puede ser

continuo en el rango 0-1.

M. Para variables de proporciones ¿qué modelo se utiliza?

Se utiliza el modelo de regresión beta ya que es un modelo matemático que busca la relación de

las variables dependiente e independiente, también busca su impacto sobre la variable

dependiente si hay algún cambio en la variable independiente.

N. ¿Qué variables tienen función de probabilidad y cuáles variables tienen función de

densidad?

La Función de Probabilidad es la probabilidad de que la variable aleatoria tome un valor

particular:

Las variables que tienen función de densidad son variable aleatoria discreta, las variables

Aleatorias continuas que son generalizadas de la función de probabilidad.

O. ¿Cuáles son los parámetros más usados en estadística para estudiar y utilizar funciones

de distribución de variables aleatorias?

La varianza y el valor esperado son los parámetros más usados en estadística, para estudiar y

utilizar funciones de distribución de variables aleatorias. La varianza forma la idea de

incertidumbre sobre el fenómeno y menor precisión de las conclusiones que podemos elaborar

desde los datos que los caracterizan, el valor esperado formaliza la idea de valor medio de un

fenómeno aleatorio.

P. ¿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 X, es el número {E} [X {E} [X]} o {E}} [X]}

{{E}} [X]} que formaliza la idea de valor medio de un fenómeno aleatorio.

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de

cada posible suceso aleatorio multiplicado por el valor de dicho suceso.

2. Lea el Capítulo 3 – Modelos probabilísticos del libro Estadística y Biometría de Mónica

Balzarini y responda las siguientes preguntas:

a. Qué tipo de histograma se debe seleccionar en un modelo probabilístico para una

variable aleatoria continua cuando se tienen datos de esa variable.

El histograma que se debe seleccionar para un modelo probabilístico para una variable aleatoria

continua cuando se tienen datos de la variable es un histograma de frecuencias relativas y

observar la forma del mismo. (varios, 2014)

b. Qué es la estandarización, cuál es su fórmula.

Según se indica (varios, 2014) Es una transformación que nos permite llevar cualquier

distribución normal a la distribución normal estándar. tiene la siguiente forma:

c. Qué tipo de conteos se trabajan con la distribución Binomial.

El tipo de conteos que se trabajan con la distribución binominal son los conteos acotados.

(varios, 2014)

d. En la distribución binomial qué es n y qué es P.

En la distribución binominal n es el número de veces que se repite el experimento y P es

probabilidad (varios, 2014)

e. A qué es igual la esperanza y la varianza en la distribución binomial.

La esperanza o también llamada valor esperado es igual a: 𝐸(𝑥) = 𝑛 ∗ 𝑝

La varianza es igual a: 𝑉(𝑥) = 𝑛 ∗ 𝑝 ∗ (1− 𝑝)

f. Mencione ejemplos en su área de estudio donde se podría utilizar la distribución

Binomial.
En mi área de estudio la cual es agronomía podemos utilizar la distribución binomial para

identificar el tipo de insectos que atacan a los cultivos, Identificación de los tipos de suelos,

cantidad de insecticidas apropiado para el cultivo.

g. Qué tipos de conteos se trabajan con la distribución de Poisson.

En la distribución de poisson se trabajan conteos donde el numero de veces de los eventos

ocurren en la unidad de tiempo y espacio determinado. Como, por ejemplo: la hora, metro

cuadro, metros cúbicos etc.

h. Cómo se denota el único parámetro de la distribución de Poisson.

Este se denota con el parámetro lambda λ el cual es igual a media y la varianza el cual es útil

para describir el numero de veces que ocurre un evento en un espacio finito de observación.

i. ¿A qué es igual la media y la varianza en la distribución de Poisson?

La varianza de Poisson aumenta a medida que aumentan los conteos y esta es función de la

media.

j. Mencione ejemplos en su área de estudio donde se podría utilizar la distribución de

Poisson.

En agronomía se podría utilizar para contar la cantidad de productos que salen de los sistemas de

producción por ejemplo de un cultivo de naranjas, calcular la cantidad de frutos infectados y en

mal estado entre muchos mas ya que este es de gran ayuda para poder calcular e identificar las

falencias o buenos resultados con más facilidad.

3. Abra “Script Fase 3 - [Link]”, ejecútelo y responda las siguientes preguntas:

a. Explique en sus propias palabras el experimento aleatorio del dado. Este ejercicio nos

ayudará a entender los conceptos de probabilidad y distribución.

Consiste en determinar las probabilidades de obtener diferentes resultados al lanzar dos dados.

Al lanzar los dados existen 36 posibilidades de obtener resultados, los cuales pueden caer 1-1, 1-

2, 2-2, 2- y así sucesivamente hasta llegar a los 36 diferentes resultados, los cuales se denominan

espacio muestral. por otra parte, alanzar los dados existen otras posibilidades las cuales se

obtienen dos números impares 3-5, y dos números pares 2-4, también tenemos la posibilidad de

sacar dos números iguales 6-6, la cual es más remota, a estos resultados los podemos denominar

subconjuntos o eventos.

Para los números iguales obtenemos un total de seis combinaciones diferentes 1-1, 2-2, 3-3, 4-4,

5-5, 6-6. Los seis resultados lo dividimos en el total de los resultados (36) y así obtenemos la

probabilidad (6/36=0,1), seguido al multiplicarlo por 100 obtenemos un 16,6% de probabilidades

de obtener números iguales al lanzar dados.

b. Adjunte en el informe los tres gráficos generados por el script (Frecuencias Absolutas,

frecuencias relativas y frecuencias relativas acumuladas). No debe haber más de un gráfico

por página.
Podemos identificar que el evento que mas se repite es el de resultado 6. Por consiguiente

tenemos mayor probabilidad de obtener un 6 en nuestro lanzamiento.

PERIODO 954 - 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
El grafico de frecuencias relativas nos evidencia que el resultado que más podemos obtener de la

suma de caras seria de 7.

PERIODO 954 - 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
El grafico nos permite identificar el peso i-enésimo acumulado de todas las muestras de nuestro

evento.
PERIODO 954 - FRECUENCIAS RELATIVAS ACUMULADAS SUMA DE CARAS
1.0
0.8
0.6
Frecuenciasrelativas

0.4
0.2
0.0

2 3 4 5 6 7 8 9 10 11 12

Identificando que las probabilidades entre cada uno de los resultados tienen poca diferencia de

rango.
c. Haga una breve descripción y explicación de cada uno de los gráficos adjuntados.

Recuerde que no debe poner pantallazos en su informe, para presentar los gráficos debe

hacer clic sobre el gráfico con el botón derecho del mouse y seleccionar “Copiar como

metafile” para posteriormente pegarlo (“Control+V”) en su informe.

1
La probabilidad de cada evento es de
36

Utilizando la fórmula de distribución binomial. Esta especifica el número de veces (x) que puede

ocurrir un evento en un número independiente de tiradas n y donde p es la probabilidad de la

ocurrencia del evento en una simple tirada

4. Abra en el programa R “Script Fase 3 – [Link]” y ejecútelo. Este script dará

respuesta a los ejercicios del libro “Estadística y Biometría de Mónica Balzarini” en el

Capítulo 3 – Modelos probabilísticos; describa los ejercicios y responda las siguientes

preguntas:

a. Distribución normal - Ejercicio de las vacas del tambo (página 91).

i. Presente y describa el gráfico "Producción de leche - Función de Distribución N (misma

varianza, distinta media)". Este gráfico muestra dos distribuciones dentro de la misma

gráfica -una azul y otra roja-. Para obtenerlo, cuando aparezca la gráfica de distribución

de color azul, NO LA CIERRE, continúe ejecutando el script (para volver al script, ubique

el cursor en el marco azul, donde aparece el nombre del script, para que no pierda la

secuencia de ejecución).

ii. Presente y describa el gráfico "Producción de leche - Función de Distribución N (misma

media, distinta varianza". Al igual que el anterior, muestra dos distribuciones en la misma

gráfica, cada una con distinta varianza, cuando le aparezca el primer gráfico (color azul)

no lo cierre y continúe ejecutando el script hasta que le aparezca la segunda línea de

distribución (color rojo).

b. Probabilidad en distribución normal - Ejercicio del híbrido de maíz (página 93).

i. Presente y describa el gráfico “Rendimiento de maíz - Función de Distribución N

([Link])”

ii. Indique los valores de media (µ) y sigma (σ).

iii. Indique la probabilidad de que el rendimiento sea igual o menor que 55 qq/Ha.

iv. Indique la probabilidad de que el rendimiento sea mayor que 55 qq/Ha.

v. Indique la probabilidad de que el rendimiento se encuentre entre 50 y 65 qq/Ha.

vi. Presente y describa el gráfico “Rendimiento de maíz Distribución Normal con área bajo

la curva”

c. Distribución binomial - Ejercicio de la semilla de Panicum sp. (página 102).

i. Indique la probabilidad de que germinen 8 de las 10 semillas.

# Supóngase que se toman 10 semillas de Panicum sp y se registra el evento "Germinó"o "No

germinó", después de 5 días de sembradas:

n= 10 # Número total de ensayos realizados, en este caso son 10, que fueron el número de

semillas evaluadas

p= 0.25 # La probabilidad de germinación de las semillas fue del 25 por ciento

# Queremos saber la probabilidad que germinen 8 de las 10 semillas:

k= 8

# Probabilidad de que germinen 8 de las 10 semillas:

dbinom(k,n,p)

Respuesta:

> dbinom(k,n,p)

[1] 0.0003862381

ii. Indique la probabilidad de que germinen al menos 4 de las 10 semillas.

# En este caso, se interpreta como la probabilidad de que germinen 4 o más semillas

# Es equivalente a la probabilidad que germinen 4 semillas, más la probabilidad que germinen 5,

más la prob. que germinen 6; y así sucesivamente hasta 10.

# Otra forma de calcularlo es a la inversa, calculando la probabilidad que germinen menos de 4 y

restándole a la probabilidad total:

k1=3 # Hay que calcular la probabilidad de un valor que sea una unidad menor que el que

queremos hallar

pbinom(k1,n,p) # probabilidad de que germinen 3 semillas o menos

Respuesta:

[1] 0.7758751

iii. Indique la probabilidad de que germinen 4 o más semillas.

1-pbinom(k1,n,p)

Respuesta:

[1] 0.2241249

iv. Indique la probabilidad de que germinen a lo sumo 6 semillas.

# A lo sumo se interpreta que germinen máximo 6 semillas:

k2=6

pbinom(k2,n,p) # probabilidad de que germinen máximo 6 semillas

Respuesta:

[1] 0.9964943

v. Indique la esperanza (E) de esta variable aleatoria.

# La esperanza de esta variable aleatoria:

E=n*p

Respuesta:

[1] 2.5

vi. Indique la varianza (V) de esta variable aleatoria.

# La varianza de esta variable aleatoria:

V=n*p*(1-p)

Respuesta:

[1] 1.875

vii. Presente y describa el gráfico “Distribución Binomial - Germinación de

semillas\n(n=10,p=0.25)”

Respuesta:
11. Abra en el programa R
“Script Fase 3 –
[Link]” y ejecútelo de
acuerdo con
las indicaciones dadas
previamente. Este script dará
respuesta a los ejercicios del
libro
“Estadística y Biometría de
Mónica Balzarini” en el
Capítulo 3 – Modelos
probabilísticos; describa los
ejercicios y responda las
siguientes preguntas:
c. Distribución binomial -
Ejercicio de la semilla de
Panicum sp.(página 102).
i. Indique la probabilidad de que
germinen 7 de las 10 semillas.
Supóngase que se toman 10
semillas de Panicum sp y se
registra el evento "Germinó" o
"No germinó", después de 5
días desde su implantación:
k= 7 # Queremos saber la
probabilidad que germinen 7 de
las 10 semillas
n= 10 # Número total de
ensayos realizados, en este caso
son 10, que fueron el número
de semillas evaluadas
p= 0.25 # La probabilidad de
germinación de las semillas fue
del 25 por ciento
dbinom(k, n, p) #
PROBABILIDAD DE UN
VALOR IGUAL P(X=7), "que
germinen
siete semillas"
11. Abra en el programa R
“Script Fase 3 –
[Link]” y ejecútelo de
acuerdo con
las indicaciones dadas
previamente. Este script dará
respuesta a los ejercicios del
libro
“Estadística y Biometría de
Mónica Balzarini” en el
Capítulo 3 – Modelos
probabilísticos; describa los
ejercicios y responda las
siguientes preguntas:
c. Distribución binomial -
Ejercicio de la semilla de
Panicum sp.(página 102).
i. Indique la probabilidad de que
germinen 7 de las 10 semillas.
Supóngase que se toman 10
semillas de Panicum sp y se
registra el evento "Germinó" o
"No germinó", después de 5
días desde su implantación:
k= 7 # Queremos saber la
probabilidad que germinen 7 de
las 10 semillas
n= 10 # Número total de
ensayos realizados, en este caso
son 10, que fueron el número
de semillas evaluadas
p= 0.25 # La probabilidad de
germinación de las semillas fue
del 25 por ciento
dbinom(k, n, p) #
PROBABILIDAD DE UN
VALOR IGUAL P(X=7), "que
germinen
siete semillas"
11. Abra en el programa R
“Script Fase 3 –
[Link]” y ejecútelo de
acuerdo con
las indicaciones dadas
previamente. Este script dará
respuesta a los ejercicios del
libro
“Estadística y Biometría de
Mónica Balzarini” en el
Capítulo 3 – Modelos
probabilísticos; describa los
ejercicios y responda las
siguientes preguntas:
c. Distribución binomial -
Ejercicio de la semilla de
Panicum sp.(página 102).
i. Indique la probabilidad de que
germinen 7 de las 10 semillas.
 Supóngase que se toman 10
semillas de Panicum sp y se
registra el evento "Germinó" o
"No germinó", después de 5
días desde su implantación:
k= 7 # Queremos saber la
probabilidad que germinen 7 de
las 10 semillas
n= 10 # Número total de
ensayos realizados, en este caso
son 10, que fueron el número
de semillas evaluadas
p= 0.25 # La probabilidad de
germinación de las semillas fue
del 25 por ciento
dbinom(k, n, p) #
PROBABILIDAD DE UN
VALOR IGUAL P(X=7), "que
germinen
siete semilla
x <- 0:n

> prob <- dbinom(x,n,p)

> barplot(prob,col = "red",[Link]=x,

+ xlab="Evento (germinación de x semillas)",ylab="Probabilidad del

evento",main="PERIODO 954 - Distribución Binomial - Germinación de

semillas\n(n=10,p=0.25)")

‘En esta grafica se puede observar la probabilidad que germine mejor una semilla es

decir que tenga éxito es la cantidad de 2 semillas, que entre más semillas hay menos

probabilidad de éxito que germine las semillas y que entre menos semillas la

probabilidad es poca a nula.

d. Distribución Poisson - Ejercicio de las picaduras de gorgojo (página 105).

i. Indique la probabilidad de que en 100 semillas dos tengan 1 picadura.

Supongamos que el número promedio de picaduras de gorgojo por semilla es 0.2 (es decir, que

cada 100 semillas 20 tienen picaduras) PROBABILIDAD DE UN VALOR EXACTO

X1= 1 valor de conteo que se quiere calcular la probabilidad

Lamda=0.2 en la distribución de poisson lamda equivale a la media o la varianza, son el mismo

valor Dpois (x1, lamda) la probabilidad de que en 100 semillas una tenga 1 picadura es de

0.1637 o de 16.37 %.

ii. Indique la probabilidad de que en 100 semillas dos o más tengan picaduras.

En el caso de dos o más picaduras toca a uno quitarle las probabilidades de cero más la de uno

x0=0 el valor de conteo que se quiere calcular la probabilidad en este caso que ninguna semilla

tenga picaduras.

iii. Indique la probabilidad de que en 100 semillas una tenga picaduras.

x2=1 lamda=0.2 La probabilidad de que ninguna semilla tenga picaduras es de 0.8187 0 del

81.87 % y la probabilidad de que 2 de las 100 semillas tengan picaduras es de 0.0175 o del 11.8

%.

Si la probabilidad de que una semilla tomada al azar no tenga picaduras es 0.8187308 (81,87),

deberíamos esperar que, en un grupo de 100; aproximadamente 82 semillas no estén picadas, y si

la probabilidad de que tengan solo una picadura es de 0.1637462 (16,37), entonces solo 16

semillas cumplirán esta condición y finalmente 0.0175231 (1,7), aproximadamente 2 de cada 100

semillas tendrán 2 o más picaduras de gorgojos.

 Conclusión

 El trabajo realizado es para a colocar en práctica los conceptos de probabilidad y la

aplicación de la distribución normal, distribución binomial y la distribución de Poisson,

teniendo la aplicación del programa R.

 La probabilidad es la menor o mayor posibilidad de que ocurra un evento y se obtiene

otra necesidad para determinar una certeza o una duda de que ocurra un suceso.
  La probabilidad de ocurrencia de un evento es proveniente de la observación de una

característica en nuestro caso en el área agropecuaria.

 Para concluir este trabajo fue de gran aprendizaje ya que realizamos diferentes métodos y

la utilización del programa R el cual es de suma importancia ya que en este podemos

realizar cálculos de forma rápida que nos permite obtener los resultados con más

facilidad.

Bibliografía

García, P. A. (2014). La interpretación de los datos: Una introducción a la estadística aplicada.

UNED - Universidad Nacional de Educación a Distancia. Biblioteca virtual UNAD

[Link]
Balzarini Mónica; Di Rienzo Julio; Tablada Margot; Gonzalez, Laura; Bruno Cecilia; Córdoba
Mariano; Robledo Walter; Casanoves Fernando. 2011. Editorial Brujas 1º Edición Primera
Impresión Impreso en Argentina: “Introducción a la Bioestadística. Aplicaciones con InfoStat en
Agronomía” de Balzarini et al.