Introducción

La estadística descriptiva se sustituye o reduce como el conjunto de datos

obtenidos por un pequeño número de valores descriptivos, como pueden ser: el
promedio, la mediana, la media geométrica, la varianza, la desviación típica, etc.
Estas medidas descriptivas pueden ayudar a brindar las principales propiedades
de los datos observados, así como las características clave de los fenómenos bajo
investigación.

El siguiente trabajo permitirá al estudiante aprender a interpretar los diferentes

fundamentos de los tipos de variables estadísticas cuantitativas y cualitativas, su
forma de procesamiento y el desarrollo, recomendaciones de uso y manejo de las
variables estadísticas.
gráficos generados por el código (de Frecuencias Absolutas, frecuencias
relativas y frecuencias relativas acumuladas
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, con qué letra se denota

consiste en el conjunto de todos los posibles resultados de un experimento y es
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.
Según (Balzarini, 2013) el evento muestral, es el subconjunto de elementos
provenientes del especio muestral

Defina 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.

¿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
¿Qué son variables aleatorias discretas proporcionales y que son variables
aleatorias discretas de conteo no acotado? De ejemplos de este tipo de
variables.

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
Y las variables aleatorias discreta de conteo 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

¿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
¿Qué 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 está 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, qué 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, ¿qué modelo se utiliza?

Para las variables de conteos no acotados el modelo que se utiliza es el Poisson.

Para variables de proporciones ¿qué modelo se utiliza?

Para las variables de proporciones el modelo que se utiliza es el Binominal.

¿Qué variables tienen función de probabilidad y cuáles 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? ¿cómo 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
¿Qué es la la varianza de una variable aleatoria? ¿cómo 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.

gráficas generadas por el programa R para cada una de las tres

distribuciones descritas (Normal, Binomial y Poisson)

En la gráfica anterior se evidencia el aumento de producción de leche en las

vacas, donde el dato referente a 25 aumento su mayor productividad, a partir
de este empieza a descender en el dato 40 igualándolo a cero donde se
puede decir que esta eficiencia en las vacas es igual al cero.
En el anterior caso representado en la gráfica lineal se logra evidenciar la
baja productividad de leche en los datos de 10 a 20, donde asciende un poco
y encuentra el punto más alto el dato 25 y decae en el dato 40. En
conclusión, la producción de leche en este momento tuvo un
comportamiento poco eficiente
En las siguientes graficas se evidencia la probabilidad de ocurrencia en los
híbridos de maíz

En la presente grafica se observa la probabilidad de ocurrencia de un valor

menor a 60
En la presente grafica se observa la probabilidad de ocurrencia en un rango
entre 45 y 60.

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

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 de este. Existen diversos
modelos teóricos o funciones matemáticas que podrían ajustar o “aproximar bien”
la forma del histograma
Qué es la estandarización, cuál es su formula
La estandarización es una transformación para las variables aleatorias con
funciones de densidad normal diferente, para su distribución, de esta manera
facilita los cálculos de probabilidades.

Formula.
𝑌−
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. Se supone que se realizan cierto número (n) de
experimentos aleatorios y en cada experimento se registra uno de dos resultados
posibles, éxito o fracaso donde el éxito tiene una cierta probabilidad (P) de
ocurrencia

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

N; es número (n) y P probabilidad (P).

A qué es igual la esperanza y la varianza en esta distribución

La esperanza de la variable Y=número de lanzamientos que resultan en cara es
igual a 20 x 0,5 = 10 y la varianza de Y es 20 x 0,5 x 0,5 = 5.

DISTRIBUCION DE POISSON

Qué tipos de conteos se trabaja con la distribución de Poisson

La distribución de Poisson también sirve como modelo probabilístico para
variables discretas de tipo conteo. A diferencia de la Binomial, donde el conteo se
realizaba sobre n experimentos independientes, en el caso de la Poisson, los
conteos se refieren al 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.
Cómo se denota el único parámetro de esta distribución, a que es igual la
media y la varianza.

Usando el menú ESTADÍSTICAS  PROBABILIDADES Y CUANTILES, donde se

debe ingresar el valor del parámetro lambda ( = 2) luego de seleccionar la
distribución Poisson y el valor 2 como valor de la variable se denota como valor de
X). El resultado que se muestra indica que P (Y > 2) =0,3233. La varianza de una
variable aleatoria, denotada por Var(.) o la letra griega Sigma al cuadrado (2  ), es
una medida de dispersión. Su raíz cuadrada, denominada desvío estándar (  ) es
usada para expresar la dispersión en término de diferencias (o desvíos) de cada
dato respecto a la esperanza.
 Referencias bibliográficas

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