ESTADISTICA DESCRIPTIVA PARA AGRARIAS

FASE 3 APLICACIÓN DE CONCEPTOS DE PROBABILIDAD

LEIDY RODRIGUEZ ARANDA

1.060.873.659

GRUPO:300046_44

TUTOR: HECTOR FABIO LOPEZ

UNIVERSIDAD ABIERTA Y ADISTANCIA

ESCUELA DE CIENCIAS AGRICOLAS PECUARIAS MEDIO AMBIENTALES

ECAPMA

PROGRAMA AGRONOMIA

POPAYAN

NOVIEMBRE 2019
 INTRODUCCION

En el desarrollo del siguiente trabajo se tratará el tema de conceptos de

probabilidad. El concepto de probabilidad proviene del término latino probabilĭtas.
En primera instancia se entiende como la posibilidad que existe de que un
determinado hecho probable realmente suceda. Ese hecho puede finalmente
suceder, o no suceder.

La idea de probabilidad es algo en lo que diversos pensadores han trabajado a lo

largo de la historia de la humanidad. En un principio estos términos se relacionaban
exclusivamente con los juegos de azar ya practicados hace más de cinco mil años.
El concepto ha sufrido tales cambios y ha sido objeto de interés tan particular que
hoy en día la probabilidad es considera incluso como una de las ramas de la
matemática.

En este caso se define a la probabilidad como el estudio y medición cuantitativa de

que un determinado hecho suceda o se produzca. Para ello se determinan ciertos
presupuestos del contexto, sus posibles combinaciones y además se hace uso de
la disciplina de la estadística. En este caso las probabilidades suelen ser
representados en número mayores a cero e inferiores a uno o en fracciones.

Dentro de la teoría de la probabilidad se intenta determinar la cantidad de veces

que puede un determinado resultado acontecer, con el fin de conocer qué suceso es
el más probable. Algunos de los elementos que se tienen en cuenta son el espacio
de muestras, los sucesos, los sucesos elementales y las partes.
 OBJETIVOS

 Analizar y comprender los fundamentos básicos de probabilidad, variables

aleatorias, continuas y discretas.

 Realizar un trabajo en base a un ejemplo de probabilidad cotidiano: lanzar

dos dados.

 Emplear el programa R para el desarrollo del ejercicio e interpretar los

resultados obtenidos en este.
EXPERIMENTO ALEATORIO LANZAR DOS DADOS.

Imagen 1. Matriz de espacio muestral.

Imagen 2. Variable aleatoria suma de valores.

DESARROLLO EN EL PROGRAMA R

Imagen 1. Tabla de frecuencias absolutas

Imagen 2. Tabla de frecuencias absolutas acumuladas.

Imagen 3. Tabla de frecuencias relativas.

Imagen 4. Tabla de frecuencias relativas acumuladas.

 GRAFICOS DE FRECUENCIA
DEL EJERCICIO LANZAR DOS DADOS
GRAFICO ANALISIS
Gráfico de frecuencias absolutas
Analizando el siguiente gráfico de frecuencias absolutas
para nuestro experimento DADOS, encontramos 12
Gráfico de barras SUMA DE CARAS eventos en donde:
- El evento 2 se repite una vez
6

- El evento 3 dos veces

- El evento 4 tres veces
5

- El evento 5 cuatro veces

Frecuencias absolutas

- El evento 6, cinco veces

- El evento 7, seis veces
3

- El evento 8 cinco veces

- El evento 9 cuatro veces
2

- El evento 10, tres veces

- El evento 11 dos veces
1

- El evento 12 una vez

De esta manera podemos decir que el evento 7 es el que
0

2 3 4 5 6 7 8 9 10 11 12 más se repite. Formando así una curva del tipo normal.

Gráfico de frecuencias relativas

Analizando el siguiente gráfico de frecuencias relativas,
encontramos que:
- la probabilidad de la suma de las dos caras del
dado sea igual a 2 es de 0.027 o del 2.7%
- la probabilidad de la suma de las dos caras del
dado sea igual a 3 es de 0.055 o del 5.5%
 - la probabilidad de la suma de las dos caras del
dado sea igual a 4 es de 0.083 o del 8.3%
- la probabilidad de la suma de las dos caras del
FRECUENCIAS RELATIVAS SUMA DE CARAS dado sea igual a 5 es de 0.11 o del 11%
- la probabilidad de la suma de las dos caras del
0.20

dado sea igual a 6 es de 0.138 o del 13.8%

- la probabilidad de la suma de las dos caras del
0.15

dado sea igual a 7 es de 0.16 o del 16%

Frecuencias relativas

- la probabilidad de la suma de las dos caras del

dado sea igual a 8 es de 0.138 o del 13.8%
0.10

- la probabilidad de la suma de las dos caras del

dado igual a 9 es de 0.11 o del 11%
- la probabilidad de la suma de las dos caras del
0.05

dado igual a 10 es de 0.083 o del 8.3%

- la probabilidad de la suma de las dos caras del
dado igual a 11 es de 0.055 o del 5.5%
0.00

2 3 4 5 6 7 8 9 10 11 12 - la probabilidad de la suma de las dos caras del

Gráfico de frecuencias relativas acumuladas
dado sea igual a 12 es de 0.027 o del 2.7%.
En conclusión, la mayor probabilidad, es que la suma
de las caras de los dados es que su valor sea de 7.
Igualmente que el grafico anterior podemos ver que se
forma una curva del tipo normal.
En el análisis del siguiente gráfico de frecuencias
relativas acumuladas observamos que:
- La probabilidad de obtener un valor mayor o igual
a 2, pero menor de 4 es de 0.083 o del 8.3%.
- La probabilidad de obtener un valor mayor o igual
a 3, pero menor de 5 es de 0.16 o del 16%.
- La probabilidad de obtener un valor mayor o igual
a 4, pero menor de 6 es de 0.27 o del 27%.
 - La probabilidad de obtener un valor mayor o igual
FRECUENCIAS RELATIVAS ACUMULADAS SUMA DE CARAS a 5, pero menor de 7 es de 0.416 o del 41.6%.
- La probabilidad de obtener un valor mayor o igual

1.0
a 6, pero menor de 8 es de 0.583 o del 58.3%.
0.8
- La probabilidad de obtener un valor mayor o igual
a 7, pero menor de 9 es de 0.72 o del 72%.
Frecuencias relativas

- La probabilidad de obtener un valor mayor o igual

0.6

a 8, pero menor de 10 es de 0.83 o del 83%.

- La probabilidad de obtener un valor mayor o igual
0.4

a 9, pero menor de 11 es de 0.916 o del 91.6%.

- La probabilidad de obtener un valor mayor o igual
0.2

a 10, pero menor de 12 es de 0.972 o del 97.2%.

- La probabilidad de obtener un valor menor o igual
a 12, es de 1.0 o del 100%.
0.0

2 3 4 5 6 7 8 9 10 11 12
La altura de la curvatura es normal, con una
desviación estándar reducida de forma alargada.
Definición de los siguientes puntos según el libro de libro Estadística y Biometría de
Mónica Balzarini Capítulo dos - Variables Aleatorias y Probabilidades y el Capítulo tres -
Modelos Probabilísticos.
Espacio muestral
Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo
representaremos por E (o bien por la letra griega Ω).
Punto muestral (w).
Se define como punto muestral a los diferentes resultados posibles de un estudio aleatorio, es
decir a cada elemento del especio muestral. (Balzarini, 2013)
Es un elemento de Ω , es decir un resultado particular del experimento. Ω = {w1, w2, w3, …wn}.
Evento muestral
Conjunto de datos, valores o resultados posibles que puede asumir en un estudio de tipo
aleatorio. Su denotación es la letra omega (Ὼ). (Balzarini, 2013). Según (Balzarini, 2013) el
evento muestral, es el subconjunto de elementos provenientes del especio muestral.

Variable aleatoria
Se define variable aleatoria a la función que relaciona un resultado de un estudio con un valor
numérico, esta está íntimamente relacionadas al concepto probabilidad que es la encargada del
valor de esta variable. (Balzarini, 2013)
¿Qué significa que el espacio muestral de una variable aleatoria continua es no
contable?
Esto se refiere a que en este tipo de variable no se le puede deducir o suponer una conclusión
o respuesta sin ser antes estudiado. (Balzarini, 2013)
¿Que son variables aleatorias discretas proporcionales y que son variables aleatorias
discretas de conteo no acotado? De ejemplos este tipo de variables.
Variables aleatorias discretas proporcionales.
Las variables discretas proporcionales, son aquellas que provienen de conteos que pueden
superar el número de elementos evaluados. Ejemplo de una variable discreta expresada como
proporción es el número de semillas germinadas en cajas de Petri con 25 semillas cada caja;
los resultados se expresan como proporciones porque existe un denominador natural: la
cantidad de semillas por caja. (Balzarini, 2013)
Variables aleatorias discretas de conteo no acotado.
Son aquellas que provienen de conteos que no pueden superar el número de elementos
evaluados y los conteos no acotados o sin determinador natural.
Ejemplo de variable discreta obtenida por un conteo (no acotado) es el número de pústulas de
roya por m2 de cultivo. Para el caso de proporciones es importante dejar expresado que si bien
el valor puede ser continuo en el rango 0-1, el espacio generatriz es discreto, porque la base de
la variable es el conteo. (Balzarini, 2013)

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.
Probabilidad clásica.
Se define como la probabilidad que se basa en la observación de los elementos del espacio
muestra. Esta se desarrolla originariamente estudiando los juegos de azar. (Balzarini, 2013)
Probabilidad frecuencial.
Se define como la serie repetida de estudios aleatorios. Generalmente esta se usa cuando el
espacio muestral es infinito y por tanto no se pueden enumerar todos los resultados posibles
del estudio. (Balzarini, 2013)
En el siguiente ejemplo nos basamos del expuesto. De la germinación de semillas, para este
caso se tiene un lote de semillas, de la cual sacaremos la probabilidad de que la semilla
germine óptimamente. Cogemos una semilla y la plantamos esperando que germine, pero este
proceso lo repetiremos 500 veces, probablemente se usaran 500 semillas, este número de
repeticiones será N, tengamos en cuenta que para lograr obtener la probabilidad debemos
saber el número de veces que el evento ocurre en la cantidad de las repeticiones y lo
denotaremos 𝑛𝐴. La probabilidad de germinación de una semilla en la totalidad de las
repeticiones la denominaremos P(A). Si de las 500 repeticiones (N) se observó una
germinación de 300 semillas (𝑛𝐴), diremos que la probabilidad de que una semilla germine se
representa por:
P(A) = P (observar una semilla germinada) =𝑛𝐴 =N = 300/500= 0,6 y esta es la probabilidad de
observar una semilla germinada en las 500 repeticiones. (Balzarini, 2013)
El experimento aleatorio es la semilla, el evento es la probabilidad de que la semilla germine y
la cantidad de puntos muéstrales es uno que depende de la cantidad de semillas germinadas
en la totalidad de repeticiones.

¿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.
Otra idea importante para comprender la medida de probabilidad es la de eventos mutuamente
excluyentes.
¿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)?

Eventos excluyentes
Se dice que son eventos excluyentes si cada uno de los eventos esta formado por puntos
muestrales distinto, es decir que no existe ningún punto muestral en la intersección de los
subconjuntos que representan el evento.
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 (A ∪B), es la suma de las probabilidades de cada evento. Por el
contrario, si la intersección no es vacía, la probabilidad de la unión de eventos 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?
Para las variables de conteos no acotados el modelo que se utiliza es el Poisson.
¿Para variables de proporciones que modelo se utiliza?
Para las variables de proporciones el modelo que se utiliza es el Binominal.
Que variables tienen función de probabilidad y que variables tienen función de densidad.
Según el caso de variables con función de probabilidad encontramos las variables discretas.
Como variables con función de densidad podemos encontrar las variables continuas.
Cuáles son los parámetros más usados en estadística para estudiar y utilizar funciones
de distribución de variables aleatorias.
Los parámetros utilizados en estadística para estudiar funciones de distribución de variables
aleatorias son el valor esperado, que a su vez formaliza el valor medio en un fenómeno
aleatorio.
¿Qué es la esperanza matemática de una variable aleatoria, como 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. (Balzarini, 2013)
¿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
(O2), es una medida de dispersión. Su raíz cuadrada, denominada desvío estándar (O) es
usada para expresar la dispersión en término de diferencias (o desvíos) de cada dato respecto
a la esperanza.

CONCLUSIONES
BIBLIOGRAFIA

 Balzarini, M. (2013). Estadística y biometría: ilustraciones del uso e infostat

en problemas de agronomía. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?docID
=3221775&query=bioestadistica
 Arribas, M. J. M., Almazán, L. A., & Mañas, R. B. (Eds.). (2012). Historia de
la probabilidad y de la estadística vi. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=8
6&docID=3207420&tm=1519662405330
 Balzarini, M. (2013). Estadística y biometría: ilustraciones del uso e infostat
en problemas de agronomía. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?docID
=3221775&query=bioestadistica
 Mirás M & Rodríguez E. (20181). Técnicas estadísticas con hoja de cálculo y
R. Recuperado
de www.investigo.biblioteca.uvigo.es/xmlui/handle/11093/970
 Mecabot. (2017). El software R, una herramienta para implementar métodos
numéricos. Recuperado de: http://mecabot-ula.org/tutoriales/r-project-
metodos-numericos/
 Saenz J. (2010). Métodos estadísticos con R y R comander. Recuperado
de: https://cran.r-project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf
 Gutiérrez, G. E., & Vladimirovna, P. O. (2016). Estadística inferencial 1 para
ingeniería y ciencias. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?docID
=4849828&query=estad%C3%ADstica+con+excel