Estadística Descriptiva (Para Agrarias)

Fase 5 – Desarrollar la evaluación final prueba objetiva abierta

Presentado Por:
Laura Camila Velasco
Código De Grupo:
300046_44

Presentado A:
Héctor Fabio López

Universidad Nacional Abierta A Distancia

Escuela Ambiente (ECAPMA de Ciencias Agrícolas, Pecuarias y del Medio)

Zootecnia.

Código: 1007714966

Mayo 23 del 2019

 Introducción

Las ciencias agrarias para ser eficientes, en el trabajo de campo, se apoyan

acertadamente en la estadística descriptiva; toma datos de una población
determinada obteniendo unos resultados que den solución a la problemática
objeto de la investigación, puesto que el propósito es mejorar la calidad de los
productos y procedimientos en la agricultura.
 Objetivos

General:
Aplicar correctamente los conceptos de la estadística descriptiva,
estudiados a lo largo de todo el curso, en situaciones reales o
imaginarias.

Específicos:
Poner en práctica las competencias desarrolladas en las unidades 1
y 2 del curso en los problemas plateados.
Desarrollar los pasos sugeridos para la comprensión de los
conceptos estudiados de estadística descriptiva.
1. Consulten el texto de Balzarini, la publicación de la Universidad Nacional de
Colombia del Dr. Mendoza y relacionen como grupo las siguientes
definiciones básicas del curso:

Vector de datos: Es una estructura de datos que almacena un

conjunto de datos del mismo tipo. Con un único nombre se define un
vector y por medio de subíndices hacemos referencia a cada
elemento del mismo.

Matriz de datos: Es un conjunto ordenado en una estructura de filas

y columnas

Variable cuantitativa continua: Dentro de las distintas operaciones,

funciones y fórmulas, representada generalmente con una letra (x, y,
z, etc.) asume valores distintos

Variable cuantitativa discreta: Cuando los valores posibles de

unas variables cuantitativas son números enteros y provienen de
unos procesos de conteo, la variable es de tipo discreta. Ejemplo:
Cantidad de frutos por planta.

Variable cualitativa nominal: Cada clase representa una

cualidad que no tiene ningún sentido ordenar (como mayor o
menor) respecto a otra clase de variables.

Variable cualitativa categórica: Indican un orden de la

clasificación y si se usan códigos es posible establecer un orden
jerárquico entre los mismos.

 Que es una tabla de frecuencias, como es la tabla de

frecuencias de una variable continua. una discreta y de
una cualitativa, ¿cuál tiene intervalos? Puede agregar
pantallazos registrando la fuente

Las frecuencias asociadas indican la cantidad de veces que

un valor de la variable fue observado en el conjunto de
unidades de análisis. Las tablas de frecuencias organiza los
datos de manera talque en una columna se muestran
diferentes tipos de frecuencias asociadas a esos valores
(frecuencias absolutas),frecuencias relativas, frecuencias
absolutas acumuladas y frecuencias relativas acumuladas y
su presentación a través de tablas.
 Como es la taba de frecuencias de una variable continua?

Como es la tabla de frecuencias de variable de una

variable discreta?

Los valores registrados para la variable peso (teóricamente

pueden ser muchos y todos distintos a ser continua) han sido
agrupados.

 Como es la tabla de frecuencias de variable de una

variable cualitativa?

Las frecuencias de individuos que pertenecen a cada una de

las clases, pueden presentarse en una tabla similar a las
anteriores. Para éste tipo de variables no se usan frecuencias
acumuladas porque la relación de mayor a menor carece de
sentido entre sus valores o categorías.
  Cuales tiene intervalos?

Las tablas de frecuencias discretas tienen intervalos cuyos

límites se indican con Ll=límite inferior y LS=límite superior.

 Defina Histograma, en que variables se usa:

En un histograma se observan “clases” sucesivas. Cada barra

se levanta sobre un conjunto de puntos del eje X.

Las frecuencias de variables continuas se grafican utilizando

histogramas.

 Defina Gráfico de barras, en que variables se usa.

En el eje “x” se representan los valores de la variable, y en el

eje”y” la frecuencia. Se usa en variables discretas, datos de
variables categorizadas.

 Defina Media muestral. Mostrar la fórmula de cálculo:

 Defina Varianza muestral. Registrar fórmulas de cálculo:

Es una función de los desvíos de cada “y” respecto a la media

muestral Y.

 Defina desviación estándar: La desviación estándar es la medida

de dispersión más común, que indica qué tan dispersos están los
 datos con respecto a la media. Mientras mayor sea la desviación
estándar, mayor será la dispersión de los datos.

 Defina Mediana: Es el valor que separa por la mitad las

observaciones ordenadas de menor a mayor, de tal forma que el
50% de estas son menores que la mediana y el otro 50% son
mayores.

 Defina Moda: Es el valor de la variable que más veces se repite, es

decir, aquella cuya frecuencia absoluta es mayor.

 Tema variables aleatorias y probabilidades.

 Espacio muestral y con qué letra se denota:

Es el conjunto de todos los resultados posibles de un

experimento aleatorio. Se denota con la letra “E” mayúscula.

 Punto muestral: Se denomina punto muestral a cada uno de los

posibles resultados de un estudio aleatorio, es decir a cada elemento
de 

 Evento aleatorio: Es aquel acontecimiento de un hecho p proceso o

que está por venir. Es aleatorio, si no es posible determinarlo con
exactitud.

 Para una variable de conteo no acotado que modelo se utiliza?

Modelo probabilístico Binomial y para conteos no acotados en
el modelo Poisson.
 Para variables de proporciones que modelo se utiliza?
El espacio generatriz es discreto porque la base de la variable
es el conteo
 Que variables tienen función de probabilidad y que variables
tienen función de densidad

Las funciones de probabilidad y densidad, de las variables

aleatorias discretas y continuas, contienen toda la información
sobre los procesos que generan los datos de la variable.
  Cuáles son los parámetros más usados en estadística
para estudiar y utilizar funciones de distribución de
variables aleatorias.

El valor esperado y la varianza son los parámetros más

usados en estadística, para estudiar y utilizar funciones de
distribución de variables aleatorias.

-El valor esperado

-La varianza

 Que es la esperanza matemática de una variable aleatoria, como

se denota?
Denotada por E. Solo proporciona información parcial acerca
de la función de probabilidad o (densidad) ya que explica
dónde está posicionada la distribución de valores sobre la
recta real.

 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.

Cuando se tiene datos de esa variable, resulta recomendable

graficar un histograma de frecuencias relativas y observar la
forma del mismo.
Fig 3.1 presentan 4 histogramas de frecuencias relativas diferentes.
  Que es la estandarización, cuál es su fórmula.
Permite llevar cualquier distribución normal a la distribución
normal estándar. La transformación estandarización tiene la
siguiente formula.
Y−μ
 Z= √σ2

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

La distribution Binomial

 ¿A que es igual la esperanza y la varianza en esta distribución?

 DISTRIBUCION DE POISSON
 ¿Qué tipos de conteos se trabaja con la distribución de Poisson?
 La distribución de Poisson también sirve como modelo
probalistico para variables discretas de tipo de conteo.

En agronomía la distribución Poisson suele usarse para

modelar el número de insectos sobre una planta.

 ¿Cómo se denota el único parámetro de esta distribución?

 Responda falso o verdadero en la distribución de Poisson es igual la

media y la varianza.
Verdadero.

Fase 4
 FRECUENCIAS RELATIVAS CONTEO

0.06
0.05
0.04
Frecuencias relativas

0.03
0.02
0.01
0.00

8 12 16 19 22 25 28 32 36 40 43 47

Gráfico de barras CONTEO

3.0
2.5
Frecuencias absolutas

2.0
1.5
1.0
0.5
0.0

8 12 16 19 22 25 28 32 36 40 43 47
 FRECUENCIAS RELATIVAS ACUMULADAS CONTEO

1.0
0.8
Frecuencias relativas

0.6
0.4
0.2
0.0

8 12 16 19 22 25 28 32 36 40 43 47

Distribución de Poisson
5.5e-06
Probabilidad de un conteo mínimo

4.5e-06
3.5e-06
2.5e-06

5 6 7 8 9 10 11

Conteo
 EXPLICACIÓN

En la Variable discreta 1: número de casas que reciclan en 50 manzanas, se

realizó el procesamiento de los datos obtenidos, en el cual se quiere saber
cuántas casas de cada manzana realizan reciclaje, teniendo como resultado
después de procesar los datos que en una las 50 manzanas solo reciclan ocho
hogares y el máximo de hogares que reciclan por manzana son 49 y la media
serian 28 hogares teniendo en cuenta que cada manzana tiene un promedio de 60
viviendas, podemos observar en el gráfico de frecuencia relativa los 50 hogares
se agrupan en tres grupos el primero se sitúa en 0,02 el segundo en el 0,04 y el
tercero en el 0,06, en la gráfica de frecuencia absoluta al se conforman al igual
que la anterior en tres grupos pero con diferente escala el primer grupo se ubica
en el 1 el segundo en el 2 y el tercero en el 3 escalando de 1 en 1, en la gráfica de
frecuencia relativa acumulada está conformada por 12 grupos en la que el mínimo
grupo se encuentra en la escala de 8 y el máximo en 47 y en la gráfica de Poisson
observamos que la mínima probabilidad es del 4,1 lo que equivalente a 8

Discreta 2: número de personas que llevan su bolsa reutilizable a mercar en

50 supermercados. Fuente internet

FRECUENCIAS RELATIVAS CONTEO

0.10
0.08
Frecuencias relativas

0.06
0.04
0.02
0.00

1 3 6 8 10 14 16 18 23 29 36
 Gráfico de barras CONTEO

5
4
Frecuencias absolutas

3
2
1
0

1 3 6 8 10 14 16 18 23 29 36

FRECUENCIAS RELATIVAS ACUMULADAS CONTEO

1.0
0.8
Frecuencias relativas

0.6
0.4
0.2
0.0

1 3 6 8 10 14 16 18 23 29 36
 Probabilidad de un conteo mínimo

4e-05 5e-05 6e-05 7e-05 8e-05

0.6
0.8
1.0

Conteo
Distribución de Poisson

1.2
1.4
 EXPLICACIÓN

En la variable discreta 2: número de personas que llevan su bolsa reutilizable a

mercar en 50 supermercados, después de realizar los procedimientos estadísticos
de la variable discreta podemos concluir que el mínimo número de personas que
lleva5on bolsas reutilizables a los supermercados, para llevar sus productos fue 1
persona, la media está alrededor del 12,26 y el máximo número de personas que
llevaron bolsas fueron 56. Como podemos observar en la grafía de frecuencia
relativa la probabilidad de que una persona lleve bolsa es del 0,08 equivalente al
8%, la probabilidad más alta que existe es que 5 personas lleven bolsas es del
0,10 equivalente al 10% y la probabilidad que 56 personas lleven bolsas
reutilizables a mercar es de 0,02 equivalente al 2% de todas las personas que
realizan compras en los 50 supermercados

Continua 1: temperaturas diarias registrada en 50 municipios (fuente el

colombiano)

0.20
0.15
Frequency

0.10
0.05
0.00

2.97 9.04 15.11 21.18 27.24 33.31 39.38 45.45

Class limits
12
10
8
Frequency

6
4
2
0

2.97 9.04 15.11 21.18 27.24 33.31 39.38 45.45

Class limits
 Función de Densidad N(media.sigma)

0.030
0.020
f(x)

0.010
0.000

0 200 400 600 800 1000 1200

Pantallazos consola R
 Explicación

En la variable continua 2: material articulado (PM10) en 50 días (estación Kennedy

Bogotá), después de procesar los 50 datos del material articulado 10 (PM10),
puedo concluir que el mínimo PM10 fue de 11 µg/m3, el primer cuartil fue de 27
µg/m3 equivalente al 25% PM10 de los 50 días analizados, la media fue de 38
µg/m3 equivalente al 50% de PM10, la mediana fue de 39,94 µg/m3, el tercer
cuartil fue de 53 µg/m3 equivalente al 75% PM10 y el máximo PM10 fue de 70
µg/m3lo que equivale al 100% de los contaminantes más altos de PM10
registrado en los 50 días procesados. La probabilidad que se presente un valor
menor o igual a 39,94 el cual es la mediana es de 0,525 equivalente al 52,5% y la
probabilidad de que se presente un valor mayor a 40,94 es de 0,474, equivalente
al 47,4%
Cualitativa 1: calidad del aire en 50 ciudades (buena- mala) fuente caracol tv
30
25
20

Función de Probabilidad B(10,0.6)

15

0.10
0.08
10

P(X=k)

0.06
0.04
5

0.02
0.00
0

0 10 20 30 40 50

buena mala k

EXPLICACIÓN

En la variable cualitativa 1: calidad del aire en 50 ciudades (buena- mala), en la

cual se analizaron las temperaturas de 50 ciudades de Colombia calificándolas
como buena calidad y mala calidad del aire, podemos observar en la gráfica que
30 ciudades tienen buena calidad y 20 ciudades tienen mala calidad del aire, la
probabilidad que 10 ciudades tenga mala calidad del aire es de 0,0032 equivalente
al 0,32%, la probabilidad que 3 ciudades tengan mala calidad del aire es de 0,694
equivalente al 69,4% y la probabilidad que 4 ciudades tenga mala calidad del aire
es de 0,676 equivalente al 67,6% después de analizar todos los anteriores datos
se puede concluir que la probabilidad de éxito de las 50 ciudades de tener una
buena calidad del aire es del 0,6 equivalente al 60%
Cualitativa 2: tipos de bombillos utilizados en 50 hogares (ahorrador- no
ahorrador) encuesta casa a casa
30
25
20
15
10
5
0

ahhorradores no ahorradores

Pantallazos consola R
 EXPLICACIÓN
En la variable cualitativa 2: tipos de bombillos utilizados en 50 hogares (ahorrador-
no ahorrador) fuente: encuesta casa a casa, después de procesar la información
de los 50 hogares, podemos observar en la anterior grafica que de los 50 hogares
encuestados 32 viviendas utilizan bombillos ahorradores y en 18 casa utilizan
bombillos no ahorradores lo que equivale al 36% de las 50 viviendas. La
probabilidad de éxito que en 10 viviendas utilicen bombillos ahorradores es de 0,2
equivalente al 20%, la probabilidad de éxito que en 3 viviendas utilicen bombillos
ahorradores es de 0,06 equivalente al 6% y la probabilidad de éxito que en 4
casas utilicen bombillos ahorradores es de 0,08 equivalente al 8%, podemos
concluir que el 64% de los 50 hogares encuestados utilizan bombillos ahorradores
 CONCLUSIONES
La estadística juega un papel muy importante en nuestras vidas, ya que
actualmente ésta se ha convertido en un método muy efectivo para describir con
mucha precisión los valores de datos económicos, políticos, sociales, psicológicos,
biológicos, ambientales y físicos, además, sirve como herramienta para relacionar
y analizar dichos datos. El trabajo del experto estadístico ha evolucionado mucho,
ya no consiste sólo en reunir y tabular los datos, sino sobre todo en el proceso de
interpretación de esa información, ahora tiene un papel mucho más importante, lo
que nos permites mejorar la toma de decisiones al momento de enfrentarnos con
las diferentes problemáticas.

BIBLIOGRAFÍAS

 Mirás M & Rodríguez E. (20181). Técnicas estadísticas con hoja de

cálculo y R. Recuperado de
https://publicacions.uvigo.es/opencms/export/sites/publicacions/publi
cacions_gl/documentos/xndice_y_primer_capxtulo_TECNICAS_EST
ADISTICAS.pdf

 Sáenz J. (2010). Métodos estadísticos con R y R comande.

Recuperado de: https://cran.rproject.org/doc/contrib/Saez-Castillo-
RRCmdrv21.pdf
 Deaza D. (2018). OVI Variables cuantitativas. Recuperado de:
http://hdl.handle.net/10596/23236

 Posada, H., G.J. 2016. Elementos básicos de estadística descriptiva

para el análisis de datos. Fundación Universitaria Luis Amigó.
Recuperado de:
http://www.funlam.edu.co/uploads/fondoeditorial/120_Ebook-
elementos_basicos.pdf

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

infostat en problemas de agronomía. Recuperado el 15 de abril de
2019 de
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?doc
ID=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 el 16 de
abril de 2019 de:
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg
=86&docID=3207420&tm=1519662405330

 Mirás M & Rodríguez E. (20181). Técnicas estadísticas con hoja de

cálculo y R. Recuperado el 16 d abril de 2019 de
https://publicacions.uvigo.es/opencms/export/sites/publicacions/publi
cacions_gl/documentos/xndice_y_primer_capxtulo_TECNICAS_EST
ADISTICAS.pdf

 Deaza D. (2018). OVI Distribuciones de probabilidad en el programa

R. Recuperado el 18 de abril de 2019 de:
http://hdl.handle.net/10596/23235