PROBABILIDAD

Ingrid Lorena Torres Pérez

Cód. 1.099.204.334
EJERCICIOS DE PROBABILIDAD DEL MODULO “CAPITULO 4, 5 y 6”

INGRID LORENA TORRES PÉREZ

C.C.N°1.099.204.334

TUTOR

ANDRES CAMILO ACOSTA VARGAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

FACULTAD DE CIENCIAS BÁSICAS E INGENIERÍA
PROGRAMA DE INGENIERIA INDUSTRIAL

PROBABILIDAD

TUNJA

Página 1
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
2013
INTRODUCCIÓN

A partir de trabajar activamente desarrollando los ejercicios propuestos para la comprensión

de esta unidad 2 del modulo de probabilidad, nosotros los estudiantes, adquirimos destrezas
en el desarrollo adecuado de problemas que se nos pueden presentar a lo largo de nuestra
vida así como en las carreras profesionales que nos ofrece la UNAD. En forma muy general
este documento nos presenta el desarrollo de 39 ejercicios propuestos sobre variables
aleatorias y distribuciones de probabilidad utilizando las formulas correspondientes para
solucionar cada uno de ellos

Página 2
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334

OBJETIVO GENERAL

Desarrollar un taller de ejercicios sobre los contenidos de los capítulos 4, 5 y 6 de la Unidad 2 del
curso PROBABILIDAD, los cuales nos permitirán profundizar en los temas tratados.

OBJETIVOS ESPECÍFICOS

 Identificar las distintas variables que nos ofrece cada ejercicio con el fin de poder aplicar la
fórmula adecuada.

 Realizar cada ejercicio indicando los pasos efectuados para el desarrollo de cada uno de
ellos.

 Resolver las preguntas planteadas en cada ejercicio.

Página 3
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334

EJERCICIOS CAPÍTULO 4.

2.- Para las siguientes tablas de datos, determine si se trata de una distribución de
probabilidad. En los casos en que sea así, identifique los requisitos que no se
satisfacen. En los casos en que si se describa una distribución de probabilidad,
calcule su media y desviación estándar.
a.
x 0 1 2 3
f(x) 0,125 0,375 0,375 0,125

P(X=x) = 0.125+.0.375+0.75+0.125

=1

μ x=E(x)= ∑(0)(0.125) +(1)(0.375)+(2)(0.375)+(3)(0.125)

μ x=E(x)= 1.5

σ_x²=V(x)= [(0²-0.125) (1.5) + (1²-0.375) (1.5)+(2-0.375)(1.5)+(3²-0.125)(1.5)]

σ_x²=V(x)= 19.5

b.
x 0 1 2 3 4
F(x) 0,502 0,365 0,098 0,011 0,001

P(X=x) = 0.502+0.365+0.098+0.011+0.001

Página 4
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
= 0.966

No se cumple la distribución de probabilidad porque la sumatoria de P(X=x) es

0.966 y debe de dar uno

c.
x 0 1 2 3 4
f(x) 0,0000 0,0001 0,0006 0,0387 0,9606

P(X=x) = 0.0000+0.0001+0.0006+0.0387+0.9606

=1

μ x=E(x)= {(0)(0.0000)+(0.0001)(1)+(2)(0.0006)+(3)(0.0387)+(4)(0.9606)}

= 3.9598

σ_x²=V(x)= [(0²-0.00)(3.9598) + (1²-0.0001)(3.9598)+(2²-0.0006)(3.9598)+(3²-

0.0387)(3.9598)+(4²-0.9606)(3.9598)] = 114.8342

4.- Sea X una variable aleatoria discreta. Determine el valor de k para que la
función f (x) = k / x , x = 1, 2, 3, 4, sea la función de probabilidad de X. Determine
además P(1 £ X £ 3)

Página 5
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
 f 
f 1    f  3  f  4   1
 2
k k k k
   1
1 2 3 4
 1 1 1
k 1    1
 2 3 4
25
k. 1
12
12
k
25
12 12 1 12 1 12  1 1
P 1   X  3  P  X  1  P  X  2   P  X  3  .1  .  .  1    
25 25 2 25 3 25  2 3
12 11 22 88
.    0.88
25 6 25 100
O también
P(1<= X <= 3) = 1 – P(X=4) = 1- 12/25 •1/ 4 = 22/25 = 0.88

6.- Compruebe que la siguiente función es función de distribución acumulada de la

variable aleatoria discreta X y calcule la función de probabilidad y las
probabilidades pedidas.
 0 X  0,1
0,25  0,  X  0,3

F  x  
0,75 0,3  X  0,5

 1 0,5  X

a. P(X ≤ 0,5) d. P(X < 0)

b. P(X ≤ 0,4) e. P(0 ≤X < 0,1)
c. P(0,4 ≤ X £ 0,6) f. P(-0,1 < X < 0,1)

x<-0.1 -------------> F(x) = 0

-0,1 <= x < 0,3 -> F(x) = 0.25
0.3 <= x < 0.5---> F(x) = 0.75
0.5 <= x -----------> F(x) = 1

Página 6
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
Esta función es monótona creciente,
comienza en cero y termina en uno,
por lo tanto es una función de distribución válida

P(X≤0.5)=F(0.5)=1
P(X≤0.4)=F(0.4)=0.75
P(0.4≤X≤0.6)= F(0.6) - F(0.4) = 1 - 0.75 = 0.25
P(X<0) = F(0) = 0.25
P(0≤X<0.1) = F(0,1) - F(0) = 0.25 - 0.25 = 0
P(-0.1<X<0.1) = F(0.1) - F(-0.1) = 0.25 - 0.25 = 0

Notemos que hay saltos de probabilidad en -0,1;0,3 y 0,5

8.- Dada la siguiente función de probabilidad acumulada de la variable aleatoria

discreta X,




0 X  1

F X   1 1  X  1
4
1
 2 1 X  3
3
 4 3 X  5
1 X 5


Obtenga:
a. P(X ≤ 3) d. P(X = 3)
b. P(X ≥1) e. P(-0,4 < X < 4)
c. P(X < 3) f. P(X = 5)

Página 7
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334

10.- Demuestre que las siguientes funciones son funciones de densidad de

probabilidad para algún valor de k; determine el valor de k. Calcule la media y
varianza de cada una de las tres funciones de densidad.
· f (x) = kx2 para 0 < x < 4
· f (x) = k(1+ 2x) para 0 < x < 2
̄
· x f x kē= - para 0 < x
La función es monótona creciente.
debe tomar el valor 1
para la integral en todo el eje x
Para x <= 4
F(x) = int (-inf a x) f(x) dx
= k² int (0 a x) (x² dx)
= (k²/3) x³
Entonces normalizamos
(k²/3) 4³ =1

Página 8
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
k² = 3/(4)
F(x) = 3 x²/64

E(x) = Media = int (0 a 4) (x*(3x²/64) dx)

= int (0 a 4) (3x³/64 dx)
= (3/256) * 4^4 = 3

E(x²) = int (0 a 4) (x²(3x²/64) dx)

= (3/320) . 4^5 = 48/5 =9.6

Varianza = 9.6 - 3² = 0.6

b)
Para x <=2
F(x) = k int ( - inf a x ) (1+2x) dx
= k ( x + x²)
entonces normalizamos
k (2 + 2²) = 1
k = 1/6
F(x) = (1/6) (1+2x)

E(x) = media = (1/6) int(0 a 2) (x.(1+2x))dx

= (1/6) int(0 a 2) (x+2x²)dx
=(1/6) (2²/2 + (2/3).2³)
=(1/6) (2 + 16/3)
= 11/9

Página 9
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
E(x²) = 16/9
varianza = 16/9 - (11/9)² =23/81

12.- Sea X una variable aleatoria continua.

a. Determine el valor de k, de manera que la función f(x) sea la función
de densidad de probabilidad de X.

1 2  X  7
F  x   5
 0 enotrocaso

b Determine la función de distribución acumulada de X.

c. Calcule P(X ³ 1/ 2) y P(-1/ 2 £ X £ 1/ 2) .

14.- Suponga que la función de distribución acumulada de la variable aleatoria

continua X es:
 0 X  2

F  X   0,25 X  0,5 2  X  2
 1 2 X


Determine:
a. P(X < 1,8) c. P(X < -2)
b. P(X > -1,5) d. P(-1 < X < 1)

Media= integral de 0 a 4 de xf(x) = 0.25x

E(x)= (0.25)x²/2 (x=0,4) --> (0.25)4²/2 - 0.25*0²/2 = 2

Varianza = E(X²) - E(X)²

Página
10
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334

E(X²) = integral de 0 a 4 de x²f(x) = 0.25x²

E(x²)= (0.25)x³/3 (x=0,4) --> (0.25)4³/3 – (0.25)0³/3 = 5.33333

Varianza = E(X²) - E(X)² = 5.3333 - 2² = 1.33333

16.- Sea X la variable que representa la cantidad de lluvia caída de una semana
en una región determinada. Suponga que ,=1,0 y σ=0,25 pulgadas. ¿Sería extraño
que esta región registre más de dos pulgadas de agua durante una semana?
Tipificamos: z = (x-m)/s = (2-1)/0.25 = 4

Y observa que en las tablas la probabilidad Pr(X<4) está redondeada a 1, luego es

muy pequeña la probabilidad. Sería muy extraño que se registrasen más de dos
pulgadas.

Calculando la probabilidad con DERIVE se obtiene 1-0.9999683287 =

0.0000316713

18.- Se lleva a cabo un estudio de un fármaco destinado a mantener un ritmo

cardíaco constante en pacientes que ya han sufrido un infarto. Sea X el número de
latidos por minuto, registrado durante la utilización de este fármaco con la
siguiente función de probabilidad:

x 40 60 68 70 72 80 100
f(x) 0,01 0,04 0,05 0,80 0,05 0,04 0,01
Utilizando la desigualdad de Chébyshev, ¿entre qué valores oscilará el
ritmo cardíaco del 75% de los pacientes tratados?
a. cuando menos 0,95?
b. cuando menos 0,99?

Página
11
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334

EJERCICIOS CAPITULO 5

1.- Se sabe que el 60% de los alumnos de una universidad asisten a clases el día
viernes. En una encuesta a 8 alumnos de la universidad. ¿Cuál es la probabilidad
de que:
a) por lo menos siete asistan a clase el día viernes.
b) por lo menos dos no asistan a clase.

a) P(x>=7)=1-P(x<=6)1-0,89362432=0,10637568

b) P(x<=7)=0,98320384

3.- En promedio, el 10% de las varillas de madera usadas en cierto producto

presentan problemas para ser usadas. ¿cuál es la probabilidad de que en un

Página
12
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
paquete de 15 varillas,
a) encuentre exactamente 5 con defectos.
b) por lo menos 10 estén nudosas,
c) no mas de 4 estén nudosas.

Pr(X=5) = C(15,5) • 0.1 5 • 0.9 10 = 3003 • 10 5 • 0.3486784401 = 0.0105

Pr( X 10
) = Pr(X=11) + Pr(X=12) + Pr(X=13) + Pr(X=14) + Pr(X=15) =

C(15,11) 0.1 11 •0.9 4 + C(15,12) 0.1 12 •0.9³ + … =

C(15,4) 0.1 11 •0.9 4 + C(15,3) 0.1 12 •0.9³ + … =

1365•10 11 •0.6561 + 455 • 10 12 •0.729 + … =

0.995 • 10^(-9) + 3.31•10^(-10) + … = prácticamente cero

Pr(X<5) = Pr(X=0) + Pr(X=1) + Pr(X=2) + Pr(X=3) + Pr(X=4) =

Comb(15,0) 0.1 0 • 0.9 15 + Comb(15,1) 0.1 1 • 0.9 14 + Comb(15,2) 0.1² • 0.9 15 +

Comb(15,3) 0.1³ 0.9 12 + Comb(15,4) 0.1 4 • 0.9 11 = 0.93657

5.- Los registros muestran que 30% de los pacientes admitidos en una clínica, no
pagan sus facturas y eventualmente se condona la deuda. Suponga que llegan 4
nuevos pacientes a la clínica, cual es la probabilidad de que se tenga que
perdonar la deuda de uno de los cuatro. B) los cuatro pacientes paguen sus
facturas.

En v.a. Discreta, una distribución Binomial cumple:

B(p) => E(X) = p (esperanza).

Llamamos (X), al concepto ---> Paga sus facturas

Página
13
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334

1/ P(X=1) = (n sobre k) p K (1-p) (n - k)

= (4 sobre 1) p 1 (1-0.5) (4 -1)
= 0,25 => 25 %
2/ P(X=4) = (4 sobre 4)p 4 (1-0.5) 0
= 0,0625 => 6,25 %

7.- Los clientes llegan a una exhibición a razón de 6,8 clientes /hora Calcule la
probabilidad de que a) en la primera media hora por lo menos lleguen dos clientes;
b) en cualquier hora dada llegue mas de uno.

en una hora el promedio de clientes que llegan la exhibición es de 6,8, el promedio

de clientes en media hora será 6,8/2 = 3,4 clientes

a)
Definamos a la variable aleatoria x : “Cantidad de clientes que llegan a la
exhibición en media hora"
P (x=ó>2) = 1 - P (x=ó<1) = 1 - [P (x=0) + P (x=1)]
P (x=0) = 3,4 0 * e 3 ,4 / 0! = 1 (0,13533528323661269189399949497256 / 1) =
0,1353
P (x=1) = 3,4^1 * e 3 ,4 / 1! = 3,4 ( 0,13533528323661269189399949497256 / 1 =
0,4601)
P (x=ó>2) = 1 - [P (x=0) + P (x=1)] = 1 - (0,1353 + 0,4601) = 1 - 0,5954 = 0,4045 =
40,45%

b)= 6,8

P (en cualquier hora dada llegue más de uno) = P (en cualquier hora dada por lo
menos lleguen dos clientes)

Definamos a la variable aleatoria x : “Cantidad de clientes que llegan a la

exhibición en una hora"
P (x=ó>2) = 1 - P (x=ó<1) = 1 - [P (x=0) + P (x=1)]

Página
14
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
P (x=0) = 6,8 0 * e -6,8 / 0! = 1 (0,0011137751478448030787892198392705 / 1 =
0,0011)
P (x=1) = 6,8 1 * e -6,8 / 1! = 6,8 * 0,0011137751478448030787892198392705 / 1
= 0,0075

P (x=ó>2) = 1 - [P (x=0) + P (x=1)] = 1 - (0,0011 + 0,0075) = 1 - 0,0086 = 0,9913 =

99,13%

9.- Las estadísticas indican que en una fabrica se presentan en promedio 10

accidentes por trimestre. Determine la probabilidad de que no haya mas de 12
accidentes en el último trimestre.

11.- Un jefe de almacén sabe que 6 de las 25 bicicletas que tiene para la venta
presentan fallas en los frenos y necesitan ajuste. Si el vendedor que no tenía
conocimiento de lo anterior vendió en el día 4 bicicletas, ¿cuál es la probabilidad
de que vendiera dos de las que requerían ajuste

Distribución binomial

p = 6/25 = 0.24
q = 1 - p = 0.76

Página
15
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
Exactamente 2 falladas

(C4,2) (p² )q (4 - 2)
= (6) (0.24²) (0.76²)
= 0.20

13.- Un almacén contiene diez maquinas impresoras, cuatro de las cuales están
defectuosas. Una compañía selecciona al azar cinco de las maquinas, pensando
que todas están en condiciones de trabajar, ¿cuál es la probabilidad de que las
cinco maquinas estén en buen estado?

Por distribución hipergeométrica:

N = 10
a = 6 en buen estado
n = 5 impresoras seleccionadas.
x = variable de impresoras en buen estado (0, 1, 2 ....) = 5

P (x, n) =C (a, x) C (N-a, n-x) / C (N, n)

P (x = 5; n = 5) = C (6, 5) C (4, 0) / C (10, 5 ) = 6 / 252 = 0,0238 = 2,38%

Por distribución binomial:

P (elegir 5 en buen estado de 10 impresoras) = (6/10) (5/9)( 4/8)( 3/7)( 2/6) =
0,0238 = 2,38%

15.- La probabilidad de que un estudiante de aviación pase la prueba escrita para

obtener su licencia de piloto privado es de 0.7. encuentre la probabilidad de que
una persona pase la prueba antes del cuarto intento.

( digamos que N signifique no pasa y S signifique que si pasa):

1. S..............(pasa en el primer intento)

2. NS...........(pasa en el segundo intento)

Página
16
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
3. NNS........(pasa en el tercer intento)

de acuerdo a lo anterior que P(S) = 0.7 y P(N) = 0.3...si los eventos son
independientes tendríamos que:

P(1) = 0.7
P(2) = (0.3)(0.7) = 0.21
P(3) = (0.3)(0.3)(0.7) = 0.063

La probabilidad final buscada es P = P(1) + P(2) + P(3) = 0.7+ 0.21 + 0.063 =

0.973 = 97.3%

17.- En un departamento de control de calidad se inspeccionan las unidades

terminadas que provienen de una línea de ensamble. Se piensa que la proporción
de unidades defectuosas es de 0.05. Cual es la probabilidad de que la vigésima
unidad inspeccionada sea la segunda que se encuentre defectuosa?

P (elegir unidad defectuosa) = 0,05 = 5% ( de cada 100 unidades saldrán 5

defectuosas)
P (elegir unidad no defectuosa) = 1 - 0,05 = 0,95 = 95% (de cada 100 unidades
saldrán 95 no defectuosas)

P (elegir 19 unidades con una defectuosa) = 0,95^18 x 0,05 x C (19, 1) = 0,3773

Hay que multiplicar por 19 (C (19, 1)) porque tienes 19 maneras diferentes de que
te salga una unidad defectuosa en las 19 primeras unidades elegidas (que salga la
1ª defectuosa, o la 2ª ó la 3ª....ó la 19ª)

P (la vigésima unidad inspeccionada sea la segunda que se encuentre defectuosa)

= 0,3773 x 0,05 = 0,0188 = 1,88%

Página
17
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334

EJERCICIOS CAPITULO 6
2.- Una empresa de productos de hule fabrica pelotas esféricas de hule baratas,
cuyos diámetros oscilan entre 4 y 8 cm. Suponga que el diámetro de una pelota
elegida al azar es una variable aleatoria que se distribuye de modo uniforme entre
dichos valores. ¿Cuál es el valor esperado del volumen de una pelota?

Página
18
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
.
4.- Las notas de un examen hecho a una clase de 36 alumnos siguen una
distribución Normal con media 4.2 y desviación estándar 1.3.
a) Calcular el número de alumnos con nota entre 5 y 7.
b) Número de alumnos con nota entre 4 y 6.

Distribución normal
  4.2 y  1.3

a. ero de alumnos con nota entre 5 y7

x   5  4.2 0.8
Z1     0.6153
 1.3 1.3
x   7  4.2 0.8
Z1     2.15
 1.3 1.3
P  0.62  z  2.15  P  z  2.15  P  z  0.62   0.98422  0.7324  0.252
El número de alumnos con nota entre 5 y 7 es de 0.252 * 36 =9.072 es decir aproximadamente 9
alumnos.
b. número de alumnos entre 4 y 6
x   4  4.2  0.2
Z1     0.154
 1.3 1.3
x   6  4.2 1.8
Z1     1.38
 1.3 1.3
P   0.15  z  1.38  P  z  1.38  1  P  z  0.15   0.9162  1  0.5596   0.9162  0.4404  0.4758

El número de alumnos con nota entre 4 y 6 es de 0.4758 * 36 = 17.12 es decir aproximadamente

17 alumnos

6.- El Departamento de Talento Humano de una universidad ha hecho un estudio

sobre la distribución de las edades del profesorado y ha observado que se
distribuyen normalmente con una media de 34 años y una desviación típica de 6
años. De un total de 400 profesores hallar:
a) ¿Cuántos profesores hay con edad menor o igual a 35 años?
b) ¿Cuántos de 55 años o más?

Página
19
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334
n=400
N(μ=34, σ=6)

a)

p(x<35)=p(z<(35-34)/6)=p(z<0.1667)=0.5…
Por tanto se espera que 400*0.5636=255 profesores tengan 35 años o menos.

b)
p(x>55)=1-p(x<55)=1-p(z<(55-34)/6)=1-p

8.- La duración media de un lavavajillas es de 15 años, con una desviación típica

igual a 0.5 años. Si la vida útil de electrodomésticos se distribuye normalmente,
halla la probabilidad de que al comprar un lavavajillas éste dure más de 16 años.

  15 y  0.5
x   16  15 1
P  x  16 Z1    2
 0.5 0.5
P  z  2   P  z  2   1  P  z  2   1  0.97725  0.0228

La probabilidad de que el lavavajilla dure 16 es de 0.0228

10.- Un calentador de agua requiere por término medio 30 minutos para calentar
40 galones de agua hasta una temperatura determinada. Si los tiempos de
calentamiento se distribuyen normalmente con una desviación estándar de 0,5
minutos ¿Qué porcentaje de los tiempos de calentamiento son superiores a 31
minutos?

  30 y  0.5
N  40
x 31  30 1
Z1    2
 0.5 0.5
p  z  2   1  P  z  2   1  0.97725  0.0228

El porcentaje de los tiempos de calentamiento superiores a 31 minutos es de40 * 0.0228 = 0.912 *

100 = 91.2%

12.- Suponiendo que las tallas de los adultos de un país A siguen una distribución
normal con media 180 cm. y desviación típica 5 cm. y que las tallas de los adultos
en un país B siguen una distribución también normal, pero con media 180 cm. y
desviación típica 15 cm., contestar de manera justificada en cuál de los dos países
es más probable encontrar adultos con talla superior a 195 cm. y dónde es más
probable encontrar adultos con talla comprendida entre 175 y 185 cm.

Página
20
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334

a. Aµ=180 cm yσ= 5cm

Bµ=180 cm y σ=15cm

x   195  180 15
zA    3
 5 5
x   195  180 15
zS    1
 15 15
P  z  3   1  P  z  3  1  0.998650  0.00135
P  z  1   1  P  z  1  1  0.8416  0.1584

Es más probable encontrar adultos con talla superior a 195 cm en el país B ya que hay una
probabilidad de 0.1584 con respecto al país A, que tiene una probabilidad de 0.00135

b. País A:
x   175  180 5
Z1      1
 5 5
x   185  180 5
Z2  1
 5 5
P   1  z    P  z  1  1  P  z  1   0.8416  1  0.8416  0.8416  0.1584  0.6832

PaísB :
x   175  180 5
Z1     0.33
 15 15
x   185  180 5
Z2     0.33
 15 15
P   0.33  z  0.33  P  z  0.33  1  P  z  0.33   0.6293  1  0.6293  0.6293  0.3707  0.259

Es más probable encontrar adultos con talla entre 175 cm y 185 cm en el país A ya que hay una
probabilidad de 0.6832 con respecto al país B, que tiene unaprobabilidad de 0.259

CONCLUSIÓN

Gracias al desarrollo de este taller me he dado cuenta que las variables aleatorias y las distribuciones
de probabilidad son de gran utilidad ya quedando un buen uso de las formulas que estas nos ofrecen
podemos dar solución rápida a problemas que se nos pueden presentar en cualquier parte de
nuestro trabajo, ya sea en investigación o en la vida cotidiana.

Página
21
 PROBABILIDAD
Ingrid Lorena Torres Pérez
Cód. 1.099.204.334

Página
22