Fase 3 bioestadistica UNAD

        [pic 1]

Tarea # 3

Construcción de un documento de aplicación de conceptos de probabilidad.

BIOESTADISTICA.

Grupo 302277045_3

Presentado por:

Isabella Gallego Martínez

Código: 1.006.227.435

Presentado a:

ASTRID TATIANA ROMERO.

Tutora BIOESTADISTICA.

Universidad Nacional Abierta y a Distancia – UNAD

Ingeniería Agroforestal ECAPMA

BIOESTADISTICA. 302277045_1141

CCAV Cartagena – CEAD Palmira

Abril de 2022

INTRODUCCION

A través del abordaje de las lecturas propuestas se sigue profundizando en la comprensión y aprendizaje de la bioestadística. Las variables aleatorias son parte esencial para poder contestar una pregunta de investigación. El concepto de variable es utilizado por nosotros a diario, sin embargo, es difícil distinguir de manera rápida de que clase es. Por lo tanto, conocer todos los conceptos relacionados con estas nos ayudan a identificarla y cual es el tipo de distribución a la que podemos apuntar para la aplicación del modelo probabilístico más acertado en la comprobación estadística de la hipótesis planteada. Lo que se constituye en una imprescindible herramienta para la formación de un ingeniero agroforestal o cualquier tipo de profesional en la rama de las ciencias biológicas.

Objetivo General

Abordar de manera teórica y práctica los conceptos de variables aleatorias, probabilidad distribuciones de probabilidad y modelos probabilisticos.

Objetivos Específicos

• Aprender a identificar las variables aleatorias y sus subdivisiones.

• Comprender el concepto de probabilidad y como este se relaciona de acuerdo a la variable que se identifica.

• Identificar y diferenciar los modelos probabilísticos y como aplicarlos a los datos de un estudio bioestadistico.

• Aplicar de manera practica los conceptos estudiados.

Desarrollo de la tarea 3.

Revisión conceptual. En grupos de manera colaborativa:

1. Deberán construir un diagrama conceptual para los conceptos de variables aleatorias y probabilidad, y otro para los modelos probabilísticos (dos diagramas por grupo). Definir los siguientes conceptos tomados del libro de Balzarini (Dispuesto en la bibliografía de esta guía, ver al final enlace de descarga, capítulos 2 y 3) y sintetizar en un diagrama de flujo (coherente, breve y claro).

Conceptos a definir tema variables aleatorias y probabilidades:

• Espacio muestral y con que letra se denota.

El espacio muestral es el conjunto de todos los valores posibles que puede asumir una variable en un estudio aleatorio y se representa con la letra omega , Ejemplo . (Balzarini, M. et al. 2013) [pic 2][pic 3]

• Punto muestral.

Es cada uno de los valores, datos o elementos que se obtuvieron dentro del espacio muestral. (Balzarini, M et al. 2013)

• Evento muestral.

Son agrupaciones o subconjuntos de datos que están contenidos y tienen relación dentro del espacio muestral. Ejemplo  entonces . (Balzarini, M. et al. 2013)[pic 4][pic 5]

• Explique en sus propias palabras el experimento aleatorio del dado. Sobre este ejercicio, el estudiante debe entender que, aunque no es un experimento agropecuario nos ayuda a entender los conceptos planteados.

El ejemplo de los dados busca establecer que tan alta es la probabilidad de tener pares numéricos, sin embargo, la probabilidad más alta es que salgan números diferentes es ambos dados. (Balzarini, M. et al. 2013)

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

Esto significa que cuando dentro del espacio muestral se calculan valores intermedios entre dos valores de una variable, estos cálculos tienden al infinito por tal razón se les llama no contables. (Balzarini, M. et al. 2013)

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

Las variables aleatorias discretas a diferencia de las continuas son contables, esto quiere decir que pueden tomar un número finito de valores dentro de un intervalo, las proporcionales son aquellas cuyos valores no pueden superar la cantidad de elementos que se evalúan, ósea solo se estudia una proporción, ejemplo el número de personas mayores de 60 años en una muestra de 200 personas, Numero de semillas atacada por insectos en una muestra de 500 semillas. Mientras que las variables de conteo no acotado, son aquellas donde a pesar de que se parte de un valor discreto aleatorio no se conocen los limites precisos de la variable. Ejemplo el número espermatozoides que contiene una muestra de semen de un bovino, otro ejemplo es el número de granos de café con presencia de broca en una hectárea. (Balzarini, M. et al. 2013)

• Existe dos conceptos de probabilidad el clásico y concepto frecuencial, defina cada uno. En el caso del concepto frecuencial explique su concepto pensando en un experimento de germinación de una semilla y definiendo cuál es el experimento aleatorio, cuál es el evento, cuantos puntos muestréales tendría (hipotético, pero congruente y puntual).

El enfoque o concepto clásico de probabilidad parte de que el espacio muestral finito. Este se da cuando todos los resultados son igualmente probables y no pueden ocurrir al mismo tiempo, entonces la probabilidad es la relación o división entre el número puntos muestréales favorables y el número total de puntos muestréales del espacio muestral. El resultado de esta relación o división siempre será un número ubicado entre 0 y 1.

[pic 6]

Mientras que el concepto frecuencial en pocas palabras es el resultado de la relación o división entre el número de veces que ocurre un evento muestral entre el total de veces que se repitió dicho evento en replicas separadas de un estudio. Este tipo de enfoque se utiliza para muestreos en áreas muy grandes, donde se toman zonas al azar y cada zona se le aplica el mismo experimento.

Explicado con el ejemplo de las semillas tenemos que se ponen a germinar un lote de semillas, en total 1500 semillas, el experimento consiste en sembrar una semilla y repetir el procedimiento 1500 veces, la variable a estudiar es si germinan o no. (Balzarini, M. et al. 2013)

El experimento aleatorio es la verificación de germinación de las semillas.

Evento corresponde a la observación de la germinación de las semillas.

Puntos muestrales 1500 semillas sembradas.

[pic 7]

[pic 8]

[pic 9]

Con lo anterior podemos decir que.

[pic 10]

Esto nos indica que, del lote de semillas, la probabilidad porcentual es de 73% de germinación.

• ¿Qué diferencia existe entre el concepto de frecuencia relativa y el de probabilidad?

La frecuencia relativa es la relación que hay entre la frecuencia absoluta y número total de datos, mientras que probabilidad frecuencial, es la probabilidad que se basa en el número de veces que ocurre un evento, en proporción de los experimentos realizados. En este sentido más que una diferencia hay una correlación entre ambos conceptos, ya que, la probabilidad es un valor en el que se estabilizan las frecuencias relativas de un evento, cuando el número de observaciones de un experimento se hace cada vez más grande. (Balzarini, M. et al. 2013)

• ¿Que 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)?

En palabras simples son el resultado de dos eventos que a pesar de estar dentro de un espacio muestral no se correlacionan, ya que, no presentan puntos muestrales o datos en común. Por tal razón, no hay intersección. P(AꓴB) esto significa que, ante la ausencia de datos comunes, la probabilidad que resulta es la suma o unión de probabilidades de los eventos. (Balzarini, M. et al. 2013)

• En el caso de distribuciones de variables aleatorias cuando una variable es continua y simétrica que modelo se usa.

Una variable es continua es aquella que puede tomar un valor fijo dentro de un intervalo determinado, entre dos valores observables va a existir un tercer valor, Para una variable continua y de distribución simétrica se usa el modelo Normal. (Balzarini, M. et al. 2013)

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

Para analizar variables de conteo se usa el modelo de regresión Poisson. (Balzarini, M. et al. 2013)

...