Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Presentado por:
Código: 1065909589
Presentado a:
Noviembre 2019
Introducción
respuesta al experimento de lanzar dos dados para el desarrollo del primer punto del documento
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.
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.
dos dados, donde se realizan todas las posibles combinaciones, en las que se encuentran 36
Tenemos la suma de todos los puntos muéstrales que se pueden observar al lazar los dados, lo
que se denomina variable aleatoria, por lo que se puede decir que existen 36 posibles resultados,
a lo que se puede decir que estos serán el espacio muestral, esto quiere decir que la probabilidad
para que la suma de 7 existen 6 posibles combinaciones o 6 puntos muéstrales donde la suma es
7.
Frecuencia relativa: En este grafico de barras de frecuencias relativas donde nos muestran que
al lanzar dos dados la suma con mayor probabilidad al repetirse es 7, de igual manera se muestra
relativas acumuladas, nos muestra la curva que presenta el grafico donde se suma las frecuencias,
Probabilísticos del libro Estadística y Biometría de Mónica Balzarini (que también se encuentra
Punto muestral: Se llama punto muestral o evento elemental a cada uno de los elementos
del conjunto Ω y será denotado genéricamente como: ω. Siguiendo con el ejemplo, un punto
muestral es el resultado posible “tres semillas sanas” (representado por ω = (+ + +)), otro punto
muestral es “la primera semilla sana y las otras dos no” (ω = (+ - -)).
de Ω. Se utilizarán letras A, B, C,.... para denotar los eventos, salvo en el caso del mismo Ω
(llamado evento cierto) y del subconjunto que no contiene ningún resultado posible (conjunto
vacío), denotado por ∅. Un evento de Ω, puede ser “observar una semilla cualquiera sana y las
otras no”. Este evento está constituido por los siguientes puntos muéstrales: A = {+ - - , - + - , - -
+}.
Defina variable aleatoria: Definiremos a una variable aleatoria como una función que
asocia a cada elemento del espacio muestral: un número real y luego a cada uno de estos valores
variable aleatoria.
Dado un espacio muestral Ω con una probabilidad asociada, una variable aleatoria X es una
contable?
Es el espacio muestral de una variable de tipo continuo no contable que entre los valores de la
¿Qué son variables aleatorias discretas proporcionales y que son variables aleatorias
Las variables aleatorias discretas proporcionales son aquellas las cuales provienen de conteo que
Las variables aleatorias de coteo no acotado son aquellas en las cuales no se posee un
asunto del dado y se pueda precisar la probabilidad. Así como cuando (Ω) es finito (el número de
mutuamente excluyentes? ¿Si son excluyentes, dado un evento A y uno B, a que es igual la P
(AꓴB)?
Es cuando dos eventos son mutuamente excluyentes, y cada uno se forma por puntos muéstrales
Se conforma un conjunto nuevo, que sujeta a los puntos muéstrales que a la vez conciernen al
sucesos son excluyentes, la intersección es cero sí son excluyentes, dado un evento A y uno B, a
El Modelo De Poisson.
densidad?
Es importante interpretar que los parámetros que se derivan de poblaciones y los estadísticos
desde muestras. Como también el valor esperado, acierta la representación del valor medio de un
claridad.
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,
distribución, ya que explicita dónde está posicionada, pero, como se observa en la Figura 2.6, dos
o más distribuciones pueden tener la misma medida de posición y sin embargo ser distintas.
Existe la necesidad de una medida que indique cuan disímiles son los valores de la variable
2.15 Los dos conjuntos de datos, A1, A2, corresponden a todos los valores posibles e igualmente
tienen igual esperanza pero nótese la diferencia en su variación: A1 ={ 8; 8; 9; 10; 11; 12; 12} y
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
Distribución Normal
usamos una transformación llamada estandarización que nos permite llevar cualquier distribución
forma:
Distribución Binomial
Es una distribución de probabilidad discreta que cuenta el número de éxitos en una secuencia de
n ensayos de Bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del
éxito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotómico, esto es,
solo dos resultados son posibles. A uno de estos se denomina «éxito» y tiene una probabilidad de
n= la cantidad de pruebas
p= la probabilidad
Número de veces que un evento ocurre en una unidad de tiempo o espacio dada (hora, kilo, m2,
m3, planta, etc.) y por tanto los valores de la variable no están acotados.
En agronomía se usa para qué tipo de conteos (los ácaros, por ejemplo, se pueden
Usarse para modelar el número de insectos sobre una planta, o en un golpe de red, el número de
varianza.
Se denota como λ.
Conclusión
Al consolidado de la fase 3, nos presenta con gran ayuda el entender las pasibilidades de poder
tener datos al lazar dados, tener claridad de sus variables continúan al ser ejecutado el
relativa acumulada, y entender cuál fue la posibilidad entre ellas que se repitiera más.
agrarias. Manejo de programas tecnológicos para facilitar el porcentaje de falencias que se pueda
Arribas, M.J.M., Almazán, L.A., & Mañas, R. B. (Eds.). (2012). historia de la probabilidad y de
la estadistica vi. . Recuperado de
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=86&docID=32074
20&tm=1519662405330
Balzarini,M:. (2013). EStadisticas y biometria: ilustraciones del uso infostat en problemas de
agronomia . Recuperado de
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?docID=3221775&quer
y=bioestadistica