Sie sind auf Seite 1von 8

Unidad 2: Fase 3 – Programa R

Presentado a:
Francisco José Montealegre

Presentado por:
Keli Jojana Vargas Becerra

Código: 1084256789 Grupo: 83

Universidad Nacional Abierta y a Distancia UNAD


Escuela de Ciencias Agrícolas Pecuarias y del Medio Ambiente ECAPMA
Noviembre de 2019
TRABAJO INDIVIDUAL
En el trabajo individual, cada estudiante deberá realizar los siguientes ejercicios:

1. Descargar el código “CODIGODADOS.txt” y ejecutarlo en el programa R.


Explique en sus propias palabras el experimento aleatorio del
dado. El estudiante debe entender que, aunque no es un
experimento agropecuario nos ayuda a entender los conceptos
planteados.

Según el experimento planteado de los dados (experimento aleatorio) es aquel


en donde es posible conocer su posible resultado ya sea muy pocas o muchas
las posibilidades hay un espacio muestral que nos indica que una de todas esas
posibilidades puede ser el resultado final.

 Adjuntar los tres gráficos generados por el código (de Frecuencias


Absolutas, frecuencias relativas y frecuencias relativas acumuladas) y
hacer una buena descripción de cada uno de ellos.

Frecuencias Absolutas: este grafico nos indica la cantidad de veces que se repite
un suceso al realizar un número determinado de experimentos aleatorios.
Frecuencias relativas: es el cociente entre la frecuencia absoluta de un determinado
valor y el número total de datos; según el grafico se deduce que la probabilidad que la
suma de las dos caras sea igual a 12 es del 0.027 o 2.7%.
Frecuencias relativas acumuladas: Es el cociente entre la frecuencia acumulada
de un determinado valor y el número total de datos. Este grafico nos indica las
posibilidades que tenemos de un resultado cuando se lanzan dos dados desde
1 hasta 12, sumando las dos caras.

2. Leer el Capítulo dos - Variables Aleatorias y Probabilidades y el Capítulo tres


- Modelos Probabilísticos del libro Estadística y Biometría de Mónica Balzarini
(que también se encuentra en la carpeta) y responder o definir los siguientes
puntos:

• Espacio muestral, se compone de todos y cada uno de los sucesos


elementales, es usualmente denotado con la letra griega omega (Ω).

• Punto muestral: Se denomina punto muestral a cada uno de los posibles


resultados de un estudio aleatorio, es decir a cada elemento de Ω.
• Evento muestral: Se llama evento a cualquier subconjunto de elementos
de Ω.

• Defina variable aleatoria: pueden ser interpretadas como funciones


usadas para describir los resultados de un estudio aleatorio.
• ¿Qué significa que el espacio muestral de una variable aleatoria
continua es no contable?
queriendo significar que entre dos valores de la variable, pueden realizarse un
número infinito de otros valores
• ¿Qué son variables aleatorias discretas proporcionales y que son
variables aleatorias discretas de conteo no acotado? De ejemplos de este tipo
de variables.
Se dice que una variable aleatoria es discreta si toma un número finito o a lo más
numerable de valores: En este caso la ley de la variable aleatoria es la ley de
probabilidad sobre el conjunto de los valores posibles de que asocia la
probabilidad al singleton.
El espacio muestral asociado a una variable de tipo discreta es siempre contable,
es decir puede ser teóricamente enumerado, aún si éste es infinitamente grande
o no está acotado. Por ejemplo, el número de nematodos por hectárea registrado
a partir de una muestra aleatoria de hectáreas en producción de papas, podría
no tener un valor límite
• 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.

Probabilidad: es la posibilidad que ocurra un evento determinado.


Frecuencial de probabilidad: 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.
“encontrar la semilla germinada”. Si se observan 1000 semillas, es decir se repite
1000 veces el ensayo de germinación (N=1000) en condiciones tales que cada
observación no afecte a las otras y 600 semillas germinan (nA=600), se dice que
la probabilidad estimada de observar una semilla germinada, está dada por:

Una idea importante para comprender la medida de probabilidad es la de eventos


mutuamente excluyentes.

• ¿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?


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.

¿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)?
Si A y B son dos eventos de Ω, la unión de eventos conforma un nuevo conjunto,
que contiene a los puntos muestrales de A y de B. La unión de A y B se denota
por AUB.
Si A y B son dos eventos de Ω, la intersección de eventos conforma un nuevo
conjunto, que contiene a los puntos muestrales que simultáneamente pertenecen
al subconjunto A y al subconjunto B. 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(AUB), 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.
• Para una variable de conteo no acotado, ¿qué modelo se utiliza?
• Para variables de proporciones ¿qué modelo se utiliza?
• ¿Qué variables tienen función de probabilidad y cuáles variables tienen
función de densidad?
• ¿Cuáles son los parámetros más usados en estadística para estudiar y
utilizar funciones de distribución de variables aleatorias?
• Qué es la esperanza matemática de una variable aleatoria? ¿cómo se
denota?
• ¿Qué es la la varianza de una variable aleatoria? ¿cómo se denota?

3. Descargar el código “MODELOS.txt” y ejecutarlo en el Programa R,


comparando los resultados obtenidos con el programa R con respecto a la
explicación de los ejercicios brindados en el texto de Mónica Balzarini en las
páginas 91 (Ejercicio de las vacas del tambo), 93 (ejercicio del híbrido de maíz),
101 (ejercicio de la semilla de panicum) y 105 (ejercicio de las picaduras de
gorgojo).
• Adjuntar las gráficas generadas por el programa R para cada una de las
tres distribuciones descritas (Normal, Binomial y Poisson) y hacer una buena
descripción y explicación de la información presentada en cada una de ellas.

Responder las siguientes preguntas:


DISTRIBUCION NORMAL
• Qué tipo de histograma se debe seleccionar en un modelo probabilístico
para una variable aleatoria continua cuando se tienen datos de esa variable
• Qué es la estandarización, cuál es su formula.

DISTRIBUCIÓN BINOMIAL
• Qué tipo de conteos se trabajan con la distribución Binomial
• En la distribución binomial que es n y que es P.
• A qué es igual la esperanza y la varianza en esta distribución.

DISTRIBUCION DE POISSON
• Qué tipos de conteos se trabaja con la distribución de Poisson.
• En agronomía se usa para qué tipo de conteos (los ácaros por ejemplo,
se pueden trabajar con esta distribución).
• Cómo se denota el único parámetro de esta distribución, a que es igual la
media y la varianza.