FASE 5 - DESARROLLAR LA EVALUACIÓN FINAL PRUEBA OBJETIVA

ABIERTA (POA)

Catalina Herrera Ordoñez

CODIGO: 1.026560798

TUTOR: DIEGO ALBERTO DEAZA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Ibagué/ Tolima

JULIO/2019
 INTRODUCCION

La estadística es una herramienta esencial para poder a llegar a tomar conclusiones

en base a una problemática, con el uso de la estadística se puede lograr conseguir
los objetivos planteados y así disminuir el margen de error, con la solucion a esta
actividad se busca dar una conceptualización a la temática planteada y lograr una
solucion eficaz y veraz de la actividad.
 OBJETIVO GENERAL

- Definir cada uno de los conceptos de manera clara y que no se preste para

entrar en ambigüedades.

OBJETIVOS ESPECIFICOS

- Estudiar la definición de algunos términos estadísticos.

- Comprender las variables aleatorias continuas y discretas aplicadas a las
ciencias agrarias.
- Aplicar las variables continuas, discretas y cualitativas, en un estudio que se
realizara en cualquier sitio del agro colombiano.
- Analizar y trabajar las tablas de frecuencia y gráficos de barras de variables
discretas. Entender el procesamiento estadístico descriptivo de variables
cualitativas.
1.

Definiciones básicas del curso:

 Vector de datos: son una forma de almacenar datos que permiten contener
una serie de valores del mismo tipo, cada valor que se contenga en esa
posición o índice siempre será un número entero positivo.

 Matriz de datos: son un conjunto de datos de elementos que están

ordenados en filas y también en columnas; una característica que presenta
la matriz de datos es que en las filas están las variables y en las columnas
los casos.
 Variable cuantitativa continúa; estas variables son las que pueden tomar
cualquier valor en un intervalo de datos, se pueden medir, se pueden
presentar como decimales.
 Variable cuantitativa discreta: a diferencia de las continuas estas no
pueden tomar cualquier valor en un intervalo de datos; se necesita que su
valor sea entero.

 Variable cualitativa nominal: es cuando los valores que ellas toman no

están sometidas a un criterio de orden, por ejemplo; los colores, lugar de
nacimiento, no necesitan llevar un orden específico.

 Variable cualitativa categórica: estas variables si tienen un número finito

de categorías o grupos distintos, pueden tomar valores como cualidades y
no necesariamente pueden tener un orden lógico; un ejemplo es el sexo que
puede tener cualquier ser viviente, ser hombre o mujer.
  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?

Las tablas de frecuencia son herramientas de estadísticas donde se colocan

los datos en columnas representando los distintos valores recogidos en la
muestra y las frecuencias (las veces) en que ocurren; las tablas de frecuencia
de una variable continua son aquellas (en las que los números no enteros)
en las que si el número es grande o la variable es continua los datos se
agrupan en intervalos o clases, todas las clases deberán tener la misma
amplitud; y las tablas de frecuencia de una variable discreta; para construir
una tabla discreta se siguen los mismos lineamientos para una continua pero
con la diferencia de que en este tipo de tablas no existen intervalos ni marcas
de clase, lo cual simplifica la construcción de la tabla.

Ejemplos:
Tabla de una variable continúa:

DEPARTAMENTO DE ECUACIONES DIFERENCIALES

Y ANÁLISIS NUMÉRICO, Universidad de Sevilla, área de análisis matemático
recuperado de
https://www.google.com/url?q=http://departamento.us.es/edan/php/asig/GRA
FAR/GFMA/Tema1.pdf&sa=D&source=hangouts&ust=1550246150702000&us
g=AFQjCNFdQNod426EJV1uqosJBPApBzEJ-g
La anterior tabla hace referencia a una variable continua, esta tabla tiene el privilegio
de que podamos organizar los datos por intervalos y esto también nos da la
oportunidad de tener una mejor comprensión del peso en kilogramos de 500
alumnos hombres de una universidad, en el intervalo de clase se refleja el peso en
kilogramos; siendo x el peso menor que es de 45, los intervalos van aumentando
de 5 en 5 hasta llegar al máximo peso que es de 90 kilogramos.

Tabla de una variable discreta:

DEPARTAMENTO DE ECUACIONES DIFERENCIALES

Y ANÁLISIS NUMÉRICO, Universidad de Sevilla, área de análisis
matemático recuperado de
https://www.google.com/url?q=http://departamento.us.es/edan/php/asi
g/GRAFAR/GFMA/Tema1.pdf&sa=D&source=hangouts&ust=155024615
0702000&usg=AFQjCNFdQNod426EJV1uqosJBPApBzEJ-g

La anterior tabla nos muestra la forma en que se agrupan datos en una tabla
pero con variante discreta; se requieren los mismos pasos que la de una
variable continua pero con la diferencia de que acá no se usan intervalos, ni
marcas, ni clase, en este ejemplo vemos la distribución de datos del número
de hermanos que tienen una muestra de 500 alumnos varones de una
universidad; el número de hermanos varía desde 0 hasta 11.
 Cuando se habla de variables cualitativas no podemos calcular las
frecuencias acumuladas pues no podemos establecer un orden en las clases
dentro de la modalidad.

 Defina Histograma, en que variables se usa:

se usa para variables continuas, un histograma es un gráfico que representa

las distribuciones de frecuencias a través de rectángulos dentro de ciertas
coordenadas; en el histograma aparecen 2 ejes; un eje vertical que
representa las frecuencias (absolutas) y el eje horizontal que representa los
intervalos de clase o las clases que se van a representar.

 Defina Gráfico de barras, en que variables se usa;

Es un gráfico que se utiliza para representar datos de variables cualitativas o
discretas. Se forma por barras rectangulares cuya altura es proporcional a la
frecuencia de cada uno de los valores de la variable, las barras se pueden
hacer de manera horizontal o vertical; todas las barras deben tener el mismo
ancho y no deben suponerse las unas con las otras, en el eje abscisas se
colocan las cualidades de la variable; y en el eje de ordenadas se colocan
las barras proporcionales a la frecuencia relativa o absoluta del dato.

 Defina Media muestral, Mostrar la fórmula de cálculo:

Es una variable aleatoria ya que depende de la muestra; es una media
cuantitativa, si se tiene una muestra estadística de valores (𝑥1 , 𝑥2 , … 𝑥𝑛 ) para
una variable aleatoria X con distribución de probabilidad 𝑓(𝑥, 𝜃, ) donde 𝜃 es
un conjunto de parámetros de la distribución; la fórmula de cálculo;
 𝑛
1 𝑥1 +𝑥2 +⋯+𝑥𝑛
𝑥̅ 𝑛 = 𝑇 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = ∑ 𝑥𝑖 =
𝑛 𝑛
𝑖=1
https://wikimedia.org/api/rest_v1/media/math/render/svg/b297f54aaa2e4961
958d25ea0d98fafb1c898d27

 Defina Varianza muestral, Registrar fórmulas de cálculo;

La varianza Muestral es un estimador sincero de la varianza poblacional; es cuando

se calcula la varianza de una comunidad o población en base a una muestra,
significa que los valores de la variable muestral tienden a igualar el valor de la
varianza poblacional; la varianza muestral se identifica como: 𝑆 2 y la varianza
poblacional como; Ō2 .

 Defina desviación estándar; es un índice numérico de la dispersión de un

conjunto de datos (o población). Mientras mayor es la desviación estándar,
mayor es la dispersión de la población. La desviación estándar es un
promedio de las desviaciones individuales de cada observación con respecto
a la media de una distribución. Así, la desviación estándar mide el grado de

dispersión o variabilidad. La fórmula de la desviación estándar es ,

donde representa la suma de las diferencias al cuadrado entre cada

observación y la media y N representa el número total de observaciones.

 Defina Mediana; representa el valor de la variable de posición central en un

conjunto de datos ordenados (de menor a mayor).
 Defina Moda; es el valor que más se repite o con mayor frecuencia aparece
en una distribución o conjunto de datos; la moda se puede hallar tanto en
distribuciones cualitativas como cuantitativas.

Tema variables aleatorias y probabilidades:

 Espacio muestral y con qué letra se denota: se denota con la letra
griega omega Ω; conjunto de todos los resultados posibles de un
experimento aleatorio.
 Punto muestral: Es un elemento del espacio muestral de cualquier
experimento dado.

Evento Muestral: Es todo subconjunto de un espacio muestral. Se

denotan con letras mayúsculas: A, B, etc.
 En el caso de distribuciones de variables aleatorias cuando una
variable es continua y simétrica que modelo se usa;

Cuando una variable es continua y simétrica el modelo que es más

común es el normal.

 ¿Para variables de proporciones que modelo se utiliza?

Para las variables de proporción se utiliza el modelo de regresión por
mínimos cuadrados ordinarios, se aduce con regularidad un
argumento asintótico para su aplicación, en el sentido de que tamaños
de muestra grandes permiten generar cuantificaciones válidas y
confiables

 Que variables tienen función de probabilidad y que variables

tienen función de densidad:
Para función de probabilidad solo tiene sentido
para variables aleatorias que toman un conjunto discreto de valores,
función de densidad, o, simplemente, densidad de una aleatoria
continua describe la probabilidad relativa según la cual dicha variable
aleatoria tomará determinado valor.
  Cuáles son los parámetros más usados en estadística para
estudiar y utilizar funciones de distribución de variables
aleatorias;
Los parámetros más usados en estadística para estudiar y utilizar
funciones de distribución de variable aleatorias son el valor esperado
y la varianza son los parámetros más usados.

 ¿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.

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:
El tipo de histograma que se debe seleccionar en una modelo probalistico de
una variable aleatoria continua cuando se tienen algunos datos de esa
variable es un histograma de frecuencias relativas y se puede observar la
forma del mismo; existen 4 diferentes modelos, están los; exponencial,
uniforme, Chi-cuadrado y los normal.
 Que es la estandarización, cuál es su fórmula:
 estandarización que nos permite llevar cualquier distribución normal a la
distribución normal estándar. La transformación, estandarización, tiene la siguiente

forma

Donde Y es el valor de la variable aleatoria que define el evento de interés;

µ Y 𝝈𝟐 son la media y la varianza de la distribución de y.

DISTRIBUCIÓN BINOMIAL
 Qué tipo de conteos se trabajan con la distribución Binomial;
Los tipos de conteos que se trabajan en la distribución Binomial son eventos
provenientes de conteos acotados.

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

En esta distribución la esperanza es igual a multiplicar las veces que se tira
la moneda (en este caso en particular) en otras palabras el número de
veces que se realiza el experimento por la probabilidad de éxito (p) , y la
varianza de y = (que es el número de lanzamientos o incidencia de algo)
multiplicarlos dos veces probabilidad de Éxito (P). Y=número de
lanzamientos que resultan en cara es igual a 20x0,5=10 y la varianza de Y
es 20x0,5x0,5=5.

DISTRIBUCION DE POISSON
 Que tipos de conteos se trabaja con la distribución de Poisson;
En la distribución de Poisson se trabaja con variables discretas de tipo
Conteo, en esta distribución los conteos se refieren al número de veces que
un evento ocurre en una unidad de tiempo o espacio dada y por tanto los
valores de la variable no están acotados.

 Como se denota el único parámetro de esta distribución:

El único parámetro de la distribución Poisson es λ. Quiere decir que si una
variable aleatoria Y se distribuye como Poisson es porque aparece de esta
forma; λ, este parámetro representa tanto la varianza como la esperanza:

𝝈𝟐 = 𝒗 (𝒚) = 𝝀

𝝁 = 𝑬(𝒚) = 𝝀
 Esta distribución tiene un único parámetro, que representa la esperanza y
también a la varianza, es decir que cuando Y~ Poisson().

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

media y la varianza;
Es verdadero, ya que La propiedad de esperanza y la de varianza en esta
distribución implica que, al aumentar el promedio de los conteos, aumenta
también su varianza y por siguiente esta es función de la media.
1. Síntesis de la fase 4_ aplicación de conceptos a un proyecto:
 Variable continua: Grado de turbidez del agua

Se dividieron los 50 datos en intervalos en la tabla de frecuencias y quedaron en 7

intervalos; la mediana de los datos es; 3.165, la media; 3,531 son 2 los intervalos
que más contienen número de datos; el intervalo que va desde 1.341 hasta 2,444
y el intervalo que va desde 2,444 cm hasta 3,547.

 Variable Discreta: la variable a estudiar es el PH del agua

 Gráfico de barras; El dato de mínimo valor es el de 1; el máximo dato es el
de 42. En el gráfico de frecuencias absolutas nos enseña el número de veces
que aparece un valor; siendo el valor 22 el de mayor aparición con 7
repeticiones y los valores de1,4,10,16,18,24,32,42. con menor repetición pues
solo aparecen una vez.
  Variable Cualitativa: En esta variable; se buscó hallar el porcentaje de
producción en cuanto a calidad; sea de buena o mala calidad el producto del
Cacao:

De los 50 datos tenemos que las variables (turbidez y pH); con 25 se cuenta con buena
calidad y 20 con mala calidad.
 Conclusiones

 Los conceptos antes mencionados han sido analizados e investigados de tal

manera de hacer mas facil su comprensión y entendimiento, esto hizo mas
claro y entendible el dasarrolo de la actividad.
 Puedo comprender que la estadística descriptiva aplicada a Agrarias es un
área novedosa, con lo cual sabemos la necesidad de la investigación para el
desarrollo a satisfacción de las actividades propuestas
 Referencias Bibliográficas

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

en problemas de agronomía.
Recuperadode http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.a
ction?docID=3221775&query=bioestadistica

 Estadística para las Ciencias Agropecuarias, /Julio Alejandro Di Rienzo,

Marzo de 2008 en Editorial Brujas,
http://frrq.cvg.utn.edu.ar/pluginfile.php/2103/mod_resource/content/0/DEPO
SITO_DE_MATERIALES/LIBRO-EST.CIENCIAS.AGRP.UNC._7_Ed.pdf.

Mendoza, H.(Sf). Probabilidad y estadística. Recuperado de

http://red.unal.edu.co/cursos/ciencias/2001065/html/contenido.html