Preguntas orientadoras fase 5

Desarrollar la evaluación final prueba objetiva abierta (POA)

Estadística descriptiva (para agrarias)

Estudiante

Sergio Alejandro Ovalle Fernandez

Nombre Tutor

Luis Alberto Caceres Torres

Universidad Nacional Abierta y a Distancia - UNAD

Municipio de Pacho – Cundinamarca

12 de diciembre, 2019
 Introducción

Con la resolución de presente trabajo permite que al cabo de la realización de

este se pueda llegar a la correcta interpretación del vocabulario relacionada con
Análisis de variables estadísticas, modelos probabilísticos, variables aleatorias y
probabilidades comprender su significado y así poder llegar a desarrollar
competencias sobre el uso y manejo de las mismas.
para lograr esto se cumplieron actividades como la búsqueda de conceptos
básicos de estas, que conllevan a poner en practica la estadística descriptiva.

Objetivos

Identificar conceptos relacionados con la estadística descriptiva.

Interpretar los fundamentos de los tipos de variables estadísticas, modelos
probabilísticos, variables aleatorias y probabilidades.
Desarrollar competencias para poder llegar a realizar recomendaciones sobre
el uso y manejo correcto de las variables estadísticas.
 Análisis de variables estadísticas

Vector de datos: es un vector formado por una o más variables aleatorias

escalares. La estadística multivariante se ocupa de los vectores aleatorios que
tienen aplicaciones en muchas ciencias y técnicas.
Matriz de datos: Es un modo de ordenar los datos de manera que sea
particularmente visible la estructura tripartita de los datos.
Variable cuantitativa continua: Es una variable que puede tomar un valor fijo
dentro de un intervalo determinado. Y siempre entre dos valores observables va a
existir un tercer valor intermedio que también podría tomar la variable continua.
Una variable continua toma valores a lo largo de un continuo, esto es, en todo
un intervalo de valores. Un atributo esencial de una variable continua es que, a
diferencia de una variable discreta, nunca puede ser medida con exactitud; el valor
observado depende en gran medida de la precisión de los instrumentos de
medición.
Variable cuantitativa discreta: Es una variable que no puede tomar algunos
valores dentro de un mínimo conjunto numerable, quiere decir, no acepta cualquier
valor, únicamente aquellos que pertenecen al conjunto. En estas variables se dan
de modo coherente separaciones entre valores observables sucesivos. Como
ejemplo, el número de animales en una granja (a, b, c, d, 4, 5, 6, 7, …).
Variable cualitativa nominal: puede ser tratada como nominal cuando sus
valores representan categorías que no obedecen a una clasificación intrínseca.
Por ejemplo, el departamento de la compañía en el que trabaja un empleado.
Variable cualitativa categórica: Es una variable que puede tomar uno de un
número limitado, y por lo general fijo, de posibles valores, asignando a cada
unidad individual u otro tipo observación a un grupo en particular o categoría
nominal sobre la base de alguna característica cualitativa. La distribución de
probabilidad asociada con una variable categórica se llama una distribución
categórica.
Qué es una tabla de frecuencias: se le llama distribución de frecuencias a la
agrupación de datos en categorías mutuamente excluyentes que indican el
número de observaciones en cada categoría. Esto proporciona un valor añadido a
la agrupación de datos.
¿Cómo es la tabla de frecuencias de una variable continua, una discreta y de
una cualitativa? ¿cuál tiene intervalos?
A diferencia de una tabla de frecuencias para una variable discreta, los valores
registrados para la variable peso (que teóricamente pueden ser muchos y todos
distintos por ser continua) han sido agrupados en intervalos de clase cuyos límites
se indican con LI= límite inferior y LS=límite superior. En cada intervalo de clase
se han contabilizado o agrupado, para el cálculo de frecuencias, aquellos datos
comprendidos entre los límites de dicho intervalo.
Defina Histograma, en qué variables se usa: es una representación gráfica de
una variable en forma de barras, donde la superficie de cada barra es proporcional
a la frecuencia de los valores representados. Sirven para obtener una "primera
vista" general, o panorama, de la distribución de la población, o de la muestra,
respecto a una característica, cuantitativa y continua (como la longitud o el peso).
Defina Gráfico de barras, en qué variables se usa: es una forma de resumir un
conjunto de datos por categorías. Muestra los datos usando varias barras de la
misma anchura, cada una de las cuales representa una categoría concreta. La
altura de cada barra es proporcional a una agregación específica (por ejemplo, la
suma de los valores de la categoría que representa). Las categorías podrían ser
desde grupos de edad a ubicaciones geográficas.
Se usa para variables cualitativas y cuantitativas discretas
Defina Media muestral. Mostrar la fórmula de cálculo: es
una medida cuantitativa, derivada de un conjunto de datos de una muestra, con el
objetivo de estimar o inferir características de una población o modelo estadístico.
Más formalmente un estadístico es una función medible T que, dada una muestra
estadística de valores , les asigna un número, , que sirve para estimar
determinado parámetro de la distribución de la que procede la muestra. Así, por
ejemplo, la media de los valores de una muestra (media muestral) sirve para
estimar la media de la población de la que se ha extraído la misma; la varianza
muestral podría usarse para estimar la varianza poblacional, etc.

Defina Varianza muestral. Registrar fórmulas de cálculo: Se denomina

varianza muestral cuando se calcula la varianza de una comunidad, grupo o
población en base a una muestra.
La varianza (S^2 oo2): Es el resultado de la división de la sumatoria de las
distancias existentes entre cada dato y su media aritmética elevadas al cuadrado y
el número total de datos.
2
 Formula Conceptual: s =∑ ¿ ¿¿
2 2
 Fórmula de cálculo: s =∑ x −¿ ¿¿ ¿
Defina 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 número central de un grupo de números ordenados por

tamaño. Si la cantidad de términos es par, la mediana es el promedio de los dos
números centrales.
Defina Moda: es el valor con mayor frecuencia en una de las distribuciones de
datos. Esto va en forma de una columna cuando encontremos dos modas, es
decir, dos datos que tengan la misma frecuencia absoluta máxima. Una
distribución trimodal de los datos es en la que encontramos tres modas. En el caso
de la distribución uniforme discreta, cuando todos los datos tienen la misma
frecuencia, se puede definir las modas como indicado, pero estos valores no
tienen utilidad. Por eso algunos matemáticos califican esta distribución como «sin
moda».
El intervalo modal es el de mayor frecuencia absoluta. Cuando tratamos con datos
agrupados antes de definir la moda, se ha de definir el intervalo modal.

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 suele designar con la letra Ω
Punto muestral: Se llama punto muestral o evento elemental a cada uno de los
elementos del conjunto Ω.
Evento aleatorio: Dado un espacio muestral Ω, se llama evento a cualquier
subconjunto de Ω.
En el caso de distribuciones de variables aleatorias, ¿cuándo 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?
Variables discretas es importante distinguir al menos dos subtipos muy comunes
en estudios biológicos: las proporciones que provienen de conteos que no pueden
superar el número de elementos evaluados y los conteos no acotados o sin
denominador natural.
Para variables de proporciones, ¿Qué modelo se utiliza?
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.
Si el espacio muestral de una variable es discreto pero representado por nombres
o códigos que representan categorías excluyentes y exhaustivas de la variable,
entonces la variable aleatoria es una variable cualitativa de tipo categorizada
(nominal u ordinal).
¿Qué variables tienen función de probabilidad y que variables tienen función
de densidad?
La función de distribución de probabilidad de una variable aleatoria discreta
Para una variable aleatoria discreta la función de distribución de probabilidades es
aquella que designa una probabilidad de ocurrencia a cada valor de la variable. A
diferencia de la función de probabilidad, se tiene la distribución acumulada que
designa una probabilidad de ocurrencia para valores menores o iguales a un valor
de la variable.
La función de densidad de una variable aleatoria continúa denotada como
contienen toda la información sobre la variable.
¿Cuáles son los parámetros más usados en estadística para estudiar y
utilizar funciones de distribución de variables aleatorias?
Los parámetros se derivan de poblaciones y los estadísticos desde muestras.
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, formaliza la idea de valor medio de un fenómeno aleatorio.
¿Qué es la esperanza matemática de una variable aleatoria y 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.
La esperanza de una variable aleatoria sólo 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. La esperanza es una
medida de la tendencia central de la distribución.

Modelos probabilísticos

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
Qué es la estandarización, cuál es su fórmula.
Formula:

Donde Y es el valor de la variable aleatoria que define el evento de interés, y son

la media y la varianza de la distribución de Y. La nueva variable aleatoria Z,
obtenida mediante estandarización de Y, se distribuye normal con media cero y
varianza uno, es decir, normal estándar.

DISTRIBUCIÓN BINOMIAL
Qué tipo de conteos se trabajan con la distribución Binomial
En cálculo de probabilidades de eventos provenientes de conteos acotados.
A qué es igual la esperanza y la varianza en esta distribución.
Es igual a la media poblacional o media. Cuando la variable aleatoria es discreta,
la esperanza es igual a la suma de la probabilidad de cada posible suceso
aleatorio multiplicado por el valor de dicho suceso. Por lo tanto, representa la
cantidad media que se ‘espera’ como resultado de un experimento aleatorio
cuando la probabilidad de cada suceso se mantiene constante y el experimento se
repite un elevado número de veces.

DISTRIBUCION DE POISSON
Que 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.
Como se denota el único parámetro de esta distribución.
La varianza es igual a la esperanza y por lo tanto la variabilidad de los conteos
aumenta con el nivel medio de los mismos. Este es un caso típico de asociación
entre esperanza y varianza.
Responda falso o verdadero: en la distribución de Poisson ¿es igual la
media y la varianza?
Verdadero, porque al aumentar el promedio de los conteos, aumenta también su
varianza.

Conclusiones

De acuerdo con la elaboración de la tarea sobre estadística descriptiva puedo

concluir que esta me permitió el reconocimiento de diferentes conceptos y su
importancia que tienen a la hora de realizar estadísticas, para llegar al uso y
representación correcta de la información para que sea de más fácil compresión
mediante la sintetización.
 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