UNIDAD 2: FASE 3 - ELABORAR DOCUMENTO DE APLICACIÓN DE

CONCEPTOS DE PROBABILIDAD

PRESENTADO POR:
YENIFER CAMILA GUERRERO RIVERA
CODIGO: 1082780279

JORGE OME
CODIGO:

GRUPO: 300046_57

TUTOR:
HÉCTOR FABIO LÓPEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

PITALITO HUILA
2019
 1. Definir los siguientes conceptos de probabilidad.

• Espacio muestra y con qué letra se denota:

El espacio muestra es la colección de todos los posibles resultados de un experimento, se denota con la letra Ω.

• Punto muestra:

Punto muestra son los elementos de un espacio muestra.

• Evento muestra:

Evento muestra son los conjuntos de resultados posibles de Ω (espacio muestra)

• Explique en sus propias palabras el experimento aleatorio del dado deben descargar el CODIGODADO disponible en la siguiente columna.

El estudiante debe entender que, aunque no es un experimento agropecuario nos ayuda a entender los conceptos planteados.

• Variable aleatoria:

Se define como el hecho de relacionar los resultados de un espacio muestra de un experimento con números reales únicos.

• ¿Qué significa que el espacio muestra de una variable aleatoria continua es no contable?

Espacio muestra asociado a una variable aleatoria continua es no contable, queriendo significar que, entre dos valores de la variable, pueden realizarse
un número infinito de otros valores.

• ¿Qué son variables aleatorias discretas proporcionales y que son variables aleatorias discretas de conteo no acotado?

Las variables discretas proporcionales y aleatorias discretas de conteo no acotado son los conteos que no pueden superar el número de elementos
evaluados.

El ejemplo variable aleatoria discreta proporcional: De 300 semillas de zanahoria plantadas en una huerta, germinaron y nacieron 110 plantas.

Ejemplo variable aleatoria discreta de conteo no acotado: Numero de árboles de café sembrados de 3x3 mts de distancia, cada 300m2 de área de tierra.
 2 EN EL EJERCICIO APLICACIÓN Y PAGINAS SIGUIENTES

•Estudie el ejercicio de velocidad del viento del texto y explique por qué hay un sitio mejor para el objeto del estudio, pueden tomar pantallazos del gráfico.

• Estudiante Jorge ome

El objetivo de la actividad es utilizar un molino de viento que produce energía eólica

como fuente para el bombeo de agua subterránea, se analizaron los datos de
kilómetros por hora en las ubicaciones de norte y sur, determinando que en la zona
norte la velocidad del viento oscila entre 32Km/h hasta los 54 km/h y en la zona sur
oscila entre 18 km/h hasta los 29 km/h, determinando que para un rendimiento
aceptable se deben considerar velocidades promedio de 26 km/h, la zona norte es la
adecuada para la ubicación del molino de viento, esta permite tener las velocidades
requeridas para realizar la actividad.
 ejercicio 2.1 del texto de Balzarini y en el caso del punto e revise la presentación de probabilidad en R. En este caso se requiere
obtener la tabla de frecuencias relativas f(y) y la tabla de frecuencias relativas acumuladas que es la misma F(Y), este ejercicio se
puede desarrollar en una tabla de Word.
• El concepto de probabilidad clásica debido a que el espacio muestral es finito.

• Son independientes porque la ocurrencia de un evento no afecta el otro.

• La probabilidad de que ocurra A o B, se puede determinar cómo;

𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃(𝐵)
5 4 9
𝑃 𝐴 ∪ 𝐵 = + = = 𝟏 = 𝟏𝟎𝟎%
9 9 9
 Desarrolle el ejercicio 2.3 del texto de Balzarini , para el desarrollo de este punto puede usar Excel y es una
variable discreta, la cantidad de días es la frecuencia absoluta, hay que sacar f(y) que es la frecuencia relativa , de
las frecuencias relativas salen las probabilidades de cada valor de la variable número de tractores vendidos, en el
caso de tres o
más se suma la de tres y la de cuatro pues no hay más .
Variables cuantitativas discretas:

• Estudiante :Yenifer Camila Guerrero

 Estudiante: Jorge ome

• Variable continua

• PM5

• Ejecutando el código se obtiene la siguiente tabla de frecuencia para la variable;

Se obtienen los datos del primer cuartil, la mediana y el tercer cuartil;
El polígono de frecuencias respectivo del material particulado PM5.

• Histograma de frecuencias relativas.

 Estudiante: Yenifer Camila Guerrero Rivera
3. En este punto se pretende que el estudiante aprenda a aplicar modelos probabilísticos debe revisar en el capítulo tres modelos
probabilísticos, en este los ejercicios de aplicación de los modelos normal, binomial y Poisson, para lo cual el estudiante debe descargar el

código modelos y ubicarlo en la carpeta estadística descriptiva, para correrlo desde el programa R.

Obtener la gráfica de la función de densidad con una

media de 28 y 23 ambas con una varianza de 10 misma
varianza en ambos casos.
MODELO NORMAL.
Deben revisar en el texto el ejercicio de las vacas del tambo en
el texto, en el código de MODELOS, deben correr el código
para este ejercicio que esta con los datos del texto
 Resumen web conferencia.

Explica como lo indicado en las preguntas orientadoras que se deben guardar todos
los documentos y archivos en una misma carpeta, con el nombre de “Estadística
Descriptiva”, así ingresar al programa R, se cambiar dirección, se configura para que
lea la carpeta, posterior a esto, se verifica que el programa lea la carpeta
seleccionada, indica como procesar los códigos. Explica las tablas de frecuencia de
variables cuantitativas discretas correlacionando los términos de probabilidades y
frecuencias, cómo usar los códigos dados donde están comprendidos los códigos
de variable discreta, continua y los códigos modelos.
 Bibliografía.
Balzarini, M., Di Rienzo, J., Tablada, M., Gonzales, L., Bruno, C., Cordoba, M., & Robledo, W. &. (2011). Estadistica y

Biometria. Argentina: Brujas .

www.agro.unc.edu.ar/~mcia/archivos/Estadistica%20y%20Biometria.pdf

Gutiérrez, G. E., & Vladimirovna, P. O. (2016). Estadística inferencial 1 para ingeniería y ciencias. Recuperado
dehttp://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?docID=4849828&query=estad%C3%ADstica+con+excel

Deaza D. (2018). OVI Distribuciones de probabilidad en el programa R. Recuperado de:

http://hdl.handle.net/10596/23235