INTRODUCCION

La estadística y la probabilidad son herramientas fundamentales en el análisis de

datos y en la toma de decisiones informadas en diversas disciplinas. Desde la investigación

científica hasta el ámbito empresarial, estas áreas del conocimiento nos permiten

comprender y modelar fenómenos aleatorios, así como extraer conclusiones significativas a

partir de datos empíricos. En este trabajo, se abordarán una serie de ejercicios prácticos que

ilustran conceptos clave de estadística descriptiva, inferencial y teoría de la probabilidad. A

través de ejemplos concretos y cálculos detallados, se pretende no solo reforzar la

comprensión teórica de estos conceptos, sino también su aplicación en situaciones reales.

Con ello, se espera fomentar un enfoque crítico y analítico ante los datos, habilidades

esenciales en un mundo cada vez más impulsado por la información.

OBJETIVOS

Objetivo General:

Analizar y aplicar conceptos fundamentales de estadística y probabilidad a través de

ejercicios prácticos, con el fin de desarrollar habilidades analíticas y mejorar la

comprensión de los métodos estadísticos en la resolución de problemas.

Objetivos Específicos:

1. Identificar y aplicar técnicas de estadística descriptiva* para resumir y representar

datos, utilizando medidas de tendencia central y dispersión que permitan una

interpretación clara de los resultados.

2. Desarrollar competencias en la inferencia estadística* mediante la realización de

pruebas de hipótesis y la construcción de intervalos de confianza, para evaluar

afirmaciones sobre poblaciones a partir de muestras.

3. Explorar conceptos básicos de probabilidad* a través de ejercicios que involucren

eventos aleatorios, distribuciones y teoremas fundamentales, con el objetivo de

entender su aplicación en situaciones cotidianas y en la toma de decisiones.

SITUACION PROBLEMA

La disponibilidad de una base histórica, abarcando los años 2007 a 2018, sobre la

producción agrícola nacional es esencial para comprender y mejorar los procesos

relacionados con esta importante actividad económica. Esta base no solo ofrece

información detallada sobre la producción agrícola a nivel nacional, sino que también

brinda datos específicos a nivel regional, con un enfoque particular en los productores

agrícolas. Este enfoque busca fortalecer los procesos productivos y de comercialización,

contribuyendo así al desarrollo sostenible del sector agrícola en Colombia.

Es relevante destacar que Colombia se distingue por la extraordinaria diversidad de cultivos

que se siembran en diversos contextos geográficos y climáticos. En este sentido, la

comprensión precisa del estado de la agricultura es fundamental para tomar decisiones

informadas que beneficien a proyectos rurales y urbanos en los diferentes departamentos

del país. Se espera que esta base de datos proporcione un conocimiento más profundo de las

condiciones agrícolas, facilitando así la implementación de políticas y estrategias que

impulsen el desarrollo económico, cultural y social de la nación.

Con base en lo anterior: ¿Cómo puede la Universidad Nacional Abierta y a Distancia

(UNAD) contribuir al fortalecimiento de la producción agrícola en Colombia,

aprovechando la base histórica de datos entre 2007 y 2018 y brindando información clave a

los productores para mejorar sus procesos productivos y de comercialización? Las variables

de la base de datos son:

La UNAD puede desempeñar un papel crucial en el fortalecimiento de la producción

agrícola en Colombia a través de varias estrategias:

 Análisis de Datos Históricos: Utilizando la base de datos entre 2007 y 2018, la

UNAD puede identificar tendencias en la producción agrícola, incluyendo qué

cultivos han sido más exitosos en diferentes regiones y en qué condiciones

climáticas. Esto permitirá a los productores tomar decisiones informadas sobre qué

sembrar.

 Capacitación y Educación: La universidad puede ofrecer programas de formación y

talleres para agricultores, enfocándose en las mejores prácticas agrícolas, el uso

eficiente de recursos, y técnicas de comercialización. Esto ayudará a los productores

a mejorar sus procesos y aumentar su competitividad.

 Asesoría Técnica: A través de sus programas académicos, la UNAD puede

proporcionar asesoría técnica directa a los agricultores, ayudándoles a implementar

tecnologías innovadoras y sostenibles que aumenten la productividad.

 Investigación Aplicada: La UNAD podría llevar a cabo investigaciones que aborden

problemas específicos del sector agrícola colombiano, como el manejo de plagas, la

conservación del agua o el uso de fertilizantes orgánicos. Los resultados podrían ser

compartidos con los productores para que puedan aplicarlos en sus prácticas.

 Desarrollo de Redes: Fomentar redes entre agricultores para compartir experiencias,

recursos y conocimientos puede ser otro enfoque valioso. La UNAD podría actuar

como facilitador para conectar a los productores con especialistas, otros agricultores

y mercados.
 Plataformas Tecnológicas: Implementar plataformas digitales que permitan a los

agricultores acceder fácilmente a información actualizada sobre precios del

mercado, condiciones climáticas, y técnicas agrícolas podría ser muy beneficioso.

 Promoción de Prácticas Sostenibles: La educación sobre prácticas agrícolas

sostenibles no solo contribuiría al aumento de la producción, sino que también

ayudaría a preservar el medio ambiente, asegurando que las futuras generaciones

puedan continuar beneficiándose de los recursos agrícolas del país.

Ejercicio 1: Fomento al bilingüismo. Cada estudiante debe elegir un literal que contiene

una pareja de conceptos con los que deberá hacer una breve infografía en inglés, dando

concepto y un ejemplo sencillo.

Conceptos:

A. Media, Mediana
A
Ejercicio 2: Cada estudiante debe seleccionar una de las variables cuantitativas presentadas

en la base de datos. Debe manifestar su elección en el foro. Tenga en cuenta las elecciones

de sus compañeros de grupo, no se permiten variables repetidas. Usando el conjunto de

datos para la variable seleccionada realice lo siguiente:

• Construya la tabla de frecuencia con datos agrupados (área sembrada, área

cosechada, tiempo de producción, rendimiento) o con datos no agrupados (área no

cosechada).

Frecuenci Frecuenci Frecuenci Frecuenci

Frecuenci a a relativa a relativa a relativa
Marca de a absoluta Frecuenci acumulad Porcentua Porcentua
Datos Intervalos clase absoluta acumulad a relativa a l l
Muestra 450 LI LS Xi fi Fi hi Hi pi Pi
K=Intervalo 10 1 0 54 26,75 243 243 0,54 0,54 54 54
Lim inferior 0 2 54 107 80,26 64 307 0,142 0,682 14,222 68,222
Lim superior 522 3 107 161 133,77 48 355 0,107 0,789 10,667 78,889
Rango 522 4 161 214 187,28 19 374 0,042 0,831 4,222 83,111
a=amplitud 54 5 214 268 240,78 22 396 0,049 0,880 4,889 88,000
6 268 321 294,29 13 409 0,029 0,909 2,889 90,889
7 321 375 347,80 15 424 0,033 0,942 3,333 94,222
8 375 428 401,31 12 436 0,027 0,969 2,667 96,889
9 428 482 454,82 8 444 0,018 0,987 1,778 98,667
10 482 535 508,32 6 450 0,013 1 1,33 100
450 1 100

• A partir de la tabla de frecuencia construya un histograma, un diagrama circular y

un polígono de frecuencia. Presente conclusiones a partir de estos gráficos.

 HISTOGRAMA Y POLIGONO DE
FRECUENCIA
300

250
FRECUENCIA

200

150

100

50

0
26 78 131 183 235 287 339 392 444 496

MARCA DE CLASE

HISTOGRAMA DE FRECUENCIA POLIGONO DE FRECUENCIA

El histograma y el polígono de frecuencia muestran una distribución de datos con una

marcada asimetría positiva o a la derecha. Esto significa que la mayor parte de los datos se

concentran en los valores más bajos (tiempo de producción menor), con una cola larga

hacia los valores más altos (tiempos de producción mayores).

Análisis:

- Mayor Frecuencia: La clase con mayor frecuencia se encuentra entre 26 y 78

unidades de tiempo (meses), esto indica que la mayoría de los cultivos se producen

dentro de este rango de tiempo.

- Decrecimiento Gradual: A medida que aumenta el tiempo de producción, la

frecuencia disminuye gradualmente. Esto sugiere que es menos común que los

cultivos tarden periodos de tiempo significativamente largos para su producción. La

 disminución no es abrupta sino relativamente suave, lo que apunta a una

variabilidad en los tiempos de producción más allá de la clase con mayor

frecuencia.

- Poca Frecuencia en Valores Altos: Las clases con marcas de clase mayores a 300

muestran una frecuencia muy baja, indicando que los tiempos de producción

extremadamente largos son eventos poco frecuentes.

• Con base en la tabla de frecuencia, responda las siguientes preguntas:

- ¿En cuál intervalo se observa una cantidad mayor de los parámetros de su variable

escogida?

El intervalo con mayor cantidad de parámetros es el primero, de 0 a 52, con una

frecuencia absoluta de 242 meses.

- ¿Hasta cuál intervalo se acumula el 80% de los parámetros de su variable escogida?

Para determinar hasta qué intervalo se acumula el 80% de los parámetros, primero

calculamos el 80% del total de parámetros:

0.80∗450=360 meses .
Observando la columna Frecuencia absoluta acumulada (Fi), vemos que el 80% (360

meses) de los parámetros se acumula hasta el intervalo de 209 a 261, es decir el intervalo

número 5.

• Encuentre la media aritmética, mediana y moda usando las fórmulas para cada una

de estas en Excel.

Frecuenci Frecuencia
Marca de a absoluta
Datos Intervalos clase absoluta acumulada
Muestra 450 LI LS Xi fi Fi xi*fi
K=Intervalo 10 1 0 52 26,10 242 242 6316,2
Liminferior 0 2 52 104 78,30 64 306 5011,2
Limsuperior 522 3 104 157 130,50 47 353 6133,5
Rango 522 4 157 209 182,70 18 371 3288,6
a=amplitud 52 5 209 261 234,90 19 390 4463,1
6 261 313 287,10 19 409 5454,9
Medidas detendeciacentral 7 313 365 339,30 13 422 4410,9
Media 105,212 8 365 418 391,50 9 431 3523,5
Posicion mediana 225 9 418 470 443,70 13 444 5768,1
Mediana 49 10 470 522 495,90 6 450 2975,4
Moda 30 450 47345,4

• Encuentre el cuartil 2, el decil 7 y el percentil 45.

Percentil
Cuartil 2 Decil 7 45
K 2 K 7 K 45
Kn/4 225 Kn/10 315 Kn/100 202,5
F 0 F 306 F 0
FW 242 FW 47 FW 242
A 52 A 52 A 52
Li 0 Li 104 Li 0
Valor 48,35 Valor 114 Valor 43,51

• Interprete los resultados anteriores.

 Medida Resultado INTERPRETACIÓN
Valor Máximo 522 El mayor tiempo de
producción son 522 meses
Valor mínimo 0 El menor tiempo de
producción son 0 meses
Rango 522 Los tiempos de producción
están entre 0 y 522 meses
Media 105,2 El tiempo promedio de
producción es de 105,2
meses
Mediana 49 El 50% del tiempo de
producción esta entre 0 y 49
meses
Moda 30 El tiempo de producción de
mayor frecuencia es de 30
meses
Cuartil 2 (Q2) 48,35 El 50% de producción esta
entre 0 y 48,35 meses
Decil 7 (D7) 114 El 70% de producción esta
entre 0 y 114 meses
Percentil 45 (P45) 43,51 El 45 % de producción está
entre 0 y 43,51 meses

• Encuentre la varianza, desviación típica y coeficiente de variación, asimetría y

curtosis; con base en lo anterior responda ¿La distribución es homogénea o heterogénea?

¿Qué tipo de concentración y asimetría presentan los datos?

1. Varianza: Una varianza alta indica que los tiempos de producción están muy

dispersos; es decir, hay cultivos cuyo tiempo de producción difiere

significativamente de la media.
 2. Desviación estándar: una desviación estándar de aproximadamente 120,21 meses

sugiere que, en promedio, los cultivos se producen aproximadamente 120 meses (10

años) más o menos que la media, lo que es bastante significativo.

3. Coeficiente de variación: Un valor de 1,14 (114%) indica que la variabilidad en

los tiempos de producción es alta en relación con la media. Esto puede significar

que existe gran inconsistencia en el tiempo que tardan diferentes cultivos en

producirse.

Ejercicio 3: Cada estudiante debe seleccionar dos de las variables presentadas en la base de

datos. Debe manifestar sus elecciones en el foro. Tenga en cuenta las elecciones de sus

compañeros de grupo, no se permite que la combinación elegida por diferentes

estudiantes sean las mismas. Usando el conjunto de datos para las dos variables

seleccionadas realice lo siguiente:

• Encuentre la ecuación de regresión lineal.

• Grafique dentro de un diagrama de dispersión la recta que representa la regresión

lineal y determine si la relación entre las variables es positiva, negativa o sin relación.

• Encuentre el coeficiente de determinación y determine el porcentaje de

confiabilidad del modelo matemático obtenido.

• Encuentre el coeficiente de correlación de Pearson y determine el nivel de

correlación lineal entre las variables (perfecta, excelente, aceptable, regular mínima o sin

correlación)

• Usando la ecuación de regresión lineal, realice 3 predicciones.

 Área cosechada
1000
900
f(x) = 1.00104010028919 x − 0.847344363779492
800
R² = 0.999894655423259
700
600
500
400
300
200
100
0
0 100 200 300 400 500 600 700 800 900 1000

La relación entre las variables área sembrada y área cosechada es positiva, ya que la

pendiente de la recta de regresión (1,001) es positiva. Esto indica que a medida que

aumenta el valor de x, el valor de y también aumenta.

El porcentaje de confiabilidad del modelo matemático se determina mediante el

coeficiente de determinación (R²). En este caso,

R ²=0,9999, lo que representa un 99 , 99 % de confiabilidad. Esto indica que el

modelo explica el 99,99% de la variabilidad de la variable dependiente (y) (el área

cosechada) en función de la variable independiente (x).

El nivel de correlación lineal entre las variables es perfecta o casi perfecta. Un R²

cercano a 1 indica una correlación lineal muy fuerte.

Predicciones usando la ecuación de regresión lineal

y=1,001 x−0,8473

Para realizar las predicciones, necesitamos valores de 'x' (variable independiente:

área sembrada). Asumiendo tres valores hipotéticos para 'x':

Para x=150

y=1,001∗150−0,8473=149,2527 ≈ 149 , 3

Para x=300

y=1,001∗300−0,8473=299,4527 ≈ 299 , 5

Para x=500

y=1,001∗500−0,8473=499,2527 ≈ 499 , 3

Las predicciones indican que, para cada valor de área sembrada, se espera un valor

de área cosechada muy cercano, lo que refuerza la alta correlación observada. Estas

predicciones se basan en el modelo lineal y su validez está limitada al rango de

datos utilizados para generar el modelo.

CONCLUSIÓN
 A lo largo de este trabajo, se ha evidenciado la importancia de la estadística y la

probabilidad como herramientas esenciales para el análisis de datos y la toma de decisiones

informadas. A través de los ejercicios realizados, se han explorado conceptos clave que no

solo fortalecen el entendimiento teórico, sino que también permiten aplicar estos

conocimientos en situaciones prácticas. La estadística descriptiva ha facilitado la

comprensión de conjuntos de datos mediante su resumen y visualización, mientras que la

inferencia estadística ha proporcionado un marco para realizar afirmaciones sobre

poblaciones basadas en muestras. Además, el estudio de la probabilidad ha enriquecido

nuestra capacidad para evaluar riesgos y anticipar resultados en contextos inciertos. En

conjunto, estos aprendizajes subrayan la relevancia de dominar herramientas estadísticas en

un mundo donde la información es cada vez más abundante y necesaria para fundamentar

decisiones efectivas.