PREGUNTAS ORIENTADORAS FASE 3

1. Definir los siguientes conceptos tomados del libro de Balazarini se aclara

que para la presente actividad el estudiante debe consultar el capítulo dos
variables aleatorias y probabilidades y el capítulo tres modelos
probabilísticos.
Antes de iniciar se debe ver la presentación PROBABILIDADENR
disponible en power pont con audio les explica como ubicar los archivos
y unos conceptos básicos.
Para el desarrollo del ejercicio de los dados se debe descargar
CODIGODADOS y ejecutarlo desde R

Tema variables aleatorias y probabilidades

 Espacio muestral y con qué letra se denota.

Es un conjunto de resultados posibles, y éste usualmente se denota 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.

 Explique en sus propias palabras el experimento aleatorio del

dado deben descargar el CODIGODADO disponible en la
siguiente columna. El estudiante debe entender que, aunque
no es un experimento agropecuario nos ayuda a entender los
conceptos planteados.

El experimento tiene como objetivo que el estudiante entienda o se

familiarice con los conceptos fundamentos de la estadística, cómo lo son:
espacio muestral, evento muestral, entre otros. Además de observar como a
través de una serie de datos, se pueden establecer las probabilidades de
ocurrencia de los eventos estudiados.
 Código ejercicio de dados Disponible en
https://drive.google.com/file/d/1EB-
Oc37YW1lo8EY4snM8YigQcAriNKqp/view?usp=sharing

 Defina Variable aleatoria

Es como una función que asocia a cada elemento del espacio muestral Ω
un número real y luego a cada uno de estos valores se le asigna probabilidades
de ocurrencia.

 ¿Qué significa que el espacio muestral de una variable

aleatoria continua es no contable?¿que son variables
aleatorias discretas proporcionales y que son variables
aleatorias discretas de conteo no acotado? De ejemplos este
tipo de variables.

El espacio muestral asociado a una variable aleatoria de tipo continua es

no contable, significa que, entre dos valores de la variable, pueden realizarse un
número infinito de otros valores.

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 éste la cantidad de semillas por caja.

 Variables aleatorias discretas de conteo no acotado: Los conteos

no acotados o sin denominador natural.

El ejemplo de variable discreta obtenida por un conteo (no acotado) es el

número de pústulas de roya por m2 de cultivo.
  Existe dos conceptos de probabilidad el clásico y 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.

 Concepto o enfoque clásico de probabilidad: Cuando Ω es finito (el

número de puntos muestrales es contable) se puede dar una
definición de probabilidad que se basa en la observación de los
elementos del espacio muestral.
 Frecuencial de probabilidad: 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.

Experimento, consideré que la germinación de una semilla es un

experimento aleatorio (puede germinar o no). Supongamos que A se
representa el evento “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:

nA 600
P(A) = P(observar una semilla germinada) = = = 0,6
N 1000

 ¿Qué diferencia existe entre el concepto de frecuencia relativa

y el de probabilidad?

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 se habla de una frecuencia
relativa y se dice que ésta “aproxima” una probabilidad.
  ¿Que 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)?

Dos eventos son mutuamente excluyentes si cada no está formado por

puntos muestrales distintos, es decir no exige ningún punto muestral en la
intersección de los subconjuntos que representan los eventos.

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
pertenece al subconjunto A y al subconjunto B. Denotando la intersección de A
y B con AᴖB.

Cuando dos eventos son excluyentes, la intersección es cero y por tanto

la probabilidad de la unión de esos eventos, P(AᴗB), es la suma de las
probabilidades de cada evento, menos la probabilidad de la intersección.

 En el caso de distribuciones de variables aleatorias cuando

una variable es continua y simétrica que modelo se usa.

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

el uso del modelo Normal.

 ¿Para una variable de conteo no acotado que modelo se

utiliza?

Se utiliza el modelo de Poisson.

 ¿Para variables de proporciones que modelo se utiliza?

Se utiliza el modelo probabilístico Binomial.

 Que variables tienen función de probabilidad y que variables

tienen función de densidad.

 Función de probabilidad: Variable aleatoria discreta.

  Función de densidad: Variable aleatoria continua.

 ¿Cuáles son los parámetros más usados en estadística para

estudiar y utilizar funciones de distribución de variables
aleatorias?

La distribución de una variable aleatoria, independientemente del tipo de

variable, puede representarse también por su función de distribución, denotada
como F(y). Esta función asigna a cada valor de la variable un valor entre 0 y 1
que indica la probabilidad de que la variable, observada para un caso particular,
asuma un valor menor o igual al valor en que se está evaluando la función.

 ¿Qué es la esperanza matemática de una variable aleatoria,

como se denota?

La esperanza matemática de una variable aleatoria, usualmente se

denota 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, como se denota?

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

Sigma al cuadrado (𝜎 2 ), es una medida de dispersión.

Conceptos capítulo tres modelos probabilísticos:

DISTRIBUCION NORMAL

 ¿Qué tipo de histograma se seleccionar un modelo probabilístico

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

Para seleccionar un modelo probabilístico para una variable aleatoria

continua cuando se tienen datos de esa variable, resulta recomendable graficar
un histograma de frecuencias relativas y observar la forma del mismo.
  ¿Qué es la estandarización, cuál es su fórmula?

La llamada estandarización permite llevar cualquier distribución normal a la

distribución normal estándar. La transformación, estandarización, tiene la
siguiente forma:

𝑌−𝜇
𝑍=
√𝜎 2

DISTRIBUCIÓN BINOMIAL

 ¿Qué tipo de conteos se trabajan con la distribución Binomial?

La distribución Binomial puede usarse para el cálculo de probabilidades de

eventos provenientes de conteos acotados.

 ¿En la distribución binomial qué es n y que es P?

N: Número de experimentos aleatorios.

P: Probabilidad de ocurrencia.

 ¿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?

 Los conteos se refieren al número de veces que un evento ocurre en una
unidad de tiempo o espacio dado (hora, kilo, m2 , m3 , planta, etc.) y por lo tanto
los valores de la variable no están acotados.

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

ácaros por ejemplo se pueden trabajar con esta distribución.

En Agronomía, la distribución de 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.

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

igual la media y la varianza?

El único parámetro de la distribución de Poisson es λ. Si una variable

aleatoria Y se distribuye como Poisson se denota como Y῀ Poisson (λ). Esta
distribución tiene un único parámetro, que representa la esperanza y también
a la varianza, es decir que cuando Y῀ Poisson (λ), se cumple que:

 Revisando el ejercico de la table 3.1 del libro de Balzarini como se

obtiene λ en este caso a que es igual la media y la varianza.

El propósito de este muestreo fue estimar el parámetro λ de esta

distribución Poisson, que se calcula de la siguiente manera:
 [(10 ∗ 3) + (20 ∗ 6) + (30 ∗ 10) + (40 ∗ 20) + (50 ∗ 6) + (60 ∗ 5)]
λ=
50
= 37

La varianza es igual:

σ2 = λ = 37
La media es igual:
𝜇 = λ = 37