Anda di halaman 1dari 21

Probabilidad

Unidad 2: Paso 3 - Experimentos aleatorios y distribuciones de probabilidad continua

Oscar Adrián Camargo Cód. 93414511

Nidian Estella Caro Cód. 1110524755

Milton Raúl Ayala Cód. 1106888441

Alejandra Morales Cód. 1110535917

Grupo No 100402_53

Cesar Augusto Guzmán

Tutor

Universidad Abierta y a Distancia UNAD

2018

Ibagué
Introducción

Uno de los conceptos más importantes de la teoría de probabilidades es el de variable aleatoria


que, intuitivamente, puede definirse como cualquier característica medible que toma diferentes
valores con probabilidades determinadas. Toda variable aleatoria posee una distribución de
probabilidad que describe su comportamiento.

El valor esperado es un concepto fundamental en el estudio de las distribuciones de probabilidad.


Desde hace muchos años este concepto ha sido aplicado ampliamente en el negocio de seguros y
en los últimos veinte años ha sido aplicado por otros profesionales que casi siempre toman
decisiones en condiciones de incertidumbre.

Este trabajo compuesto por 5 casos de la vida real nos condujo a afirmar conceptos teóricos
fundamentos de las Distribuciones discretas y continuas de probabilidad y su aplicación en
situaciones problemas en contextos del desarrollo profesional donde es oportuna y acertada su
aplicabilidad.
Cuadro Sinóptico

Variable aleatoria: Función que asigna un valor,


usualmente numérico, al resultado de un
experimento aleatorio.

Variable aleatoria discreta: Aquella que sólo puede


tomar un número finito de valores dentro de un
intervalo

Variables aleatorias discretas y


continuas
Variable aleatoria continua: Es continua si su
función de distribución es una función continua.

Esperanza matemática: Es la suma del producto de


la probabilidad de cada suceso por el valor de dicho
suceso.
distribuciones de Probabilidad
Probabilidad Condicional y

Distribución uniforme: Es una familia


de distribuciones de probabilidad para variables
aleatorias continuas

Distribución binominal: Es una distribución de


probabilidad discreta que cuenta el número de
éxitos en una secuencia de n ensayos

Distribuciones discretas de Distribución binominal negativa y geométrica: Es


una distribución de probabilidad discreta que
probabilidad incluye a la distribución de Pascal.

Distribución hipergeométrica: Es
una distribución discreta relacionada
con muestreos aleatorios y sin reemplazo.

Distribución de Poisson: Expresa la probabilidad de


que ocurra un determinado número de eventos
durante cierto período de tiempo

Distribución normal: Es una distribución con forma


de campana donde las desviaciones estándar
sucesivas con respecto a la media establecen
valores de referencia para estimar el porcentaje de
observaciones de los datos
Distribuciones continuas de
probabilidad
Distribución t-student: Surge del problema
de estimar la media de
una población normalmente distribuida cuando
el tamaño de la muestra es pequeño.
Tabla 1.

Datos Estudiante Fotografía Ejercicios Ejercicios


seleccionados seleccionados
a desarrollar revisar
93.414.511 Caso Nº:1 Caso Nº:5
Oscar Camargo Arango
CEAD Ibagué

1106888441 Caso Nº:2 Caso Nº:1


Milton Ayala
CEAD Ibagué

1110524755 Caso Nº: 4 Caso Nº: 2


Dinian Estella Caro
CEAD Ibagué

1110535917 Caso Nº: 5 Caso Nº:2


Alejandra Morales Ropero
CEAD Ibagué
ESTUDIO DE CASO 1.

Supongamos que X es una variable aleatoria discreta y que x es uno de sus valores posibles. La
probabilidad de que la variable aleatoria X tome el valor específico x se representa por medio de
P (X = x). La función de probabilidad de una variable aleatoria es una representación de las
probabilidades de todos los resultados posibles. Esta representación podría ser algebraica,
gráfica o tabular. En el caso de las variables aleatorias discretas, un sencillo método es enumerar
las probabilidades de todos los resultados posibles de acuerdo con los valores de x.
Una empresa nueva de buses del Sistema Integrado de Transporte de Bogotá (SITP) ha
comenzado a dar servicio en un nuevo barrio. Se ha registrado el número de usuarios que hay en
este barrio en el servicio a primera hora de la mañana (5:00 a.m.). La tabla adjunta muestra la
proporción de cada uno de los días de la semana.

Número de 0 2 3 5 6 8 10 12 15
usuarios
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08

Si X es la variable que representa el número de usuarios que la empresa debe atender a la hora
de inicio del servicio, con base en esta información y haciendo uso de los conceptos de variables
aleatorias discretas y función de probabilidad, prepare un informe en el que debe incluir como
mínimo lo siguiente:
1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.
2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.
3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho usuarios
del barrio esperando el servicio
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del
barrio esperando este servicio
5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro usuarios del
barrio en este servicio
6. El número esperado de usuarios de este servicio y su desviación estándar
7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la empresa.
Solución:
Primero hallamos el número total de usuarios X

∑𝑛

𝟎 + 𝟐 + 𝟑 + 𝟓 + 𝟔 + 𝟖 + 𝟏𝟎 + 𝟏𝟐 + 𝟏𝟓 = 𝟔𝟏
Ahora hallamos la media M
𝑋

𝑛
𝟔𝟏
𝐌=
𝟗
𝐌 = 𝟔. 𝟕𝟕𝟕𝟕
Hallamos la desviación estándar

∑|𝑋 − 𝑀|2

𝑛

Donde X es el número de usuarios M la media y n es el número de datos

∑|61 − 6.7777|2

61

𝟒. 𝟗𝟏𝟖𝟕

1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.

Número de 0 2 3 5 6 8 10 12 15
usuarios
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
Probabilidad de número de usuarios
0.2

0.15
Proporción

0.1

0.05

0
0 2 3 5 6 8 10 12 15
Número de usuarios

2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.

Número 0 2 3 5 6 8 10 12 15
de
usuarios
Probabili 0.0313 0.0506 0.0603 0.0759 0.0800 0.078 0.0654 0.0461 0.0200
dad 87 03 9 78 98 64 43 62 58

PROBABILIDAD
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 2 4 6 8 10
3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho
usuarios del barrio esperando el servicio.
8
𝑃=
𝑋
8
𝑃=
61
𝑷 = 𝟎. 𝟏𝟑𝟏𝟏
La probabilidad que existe es de:
𝑷 = 𝟏𝟑. 𝟏𝟏%

4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del
barrio esperando este servicio.

𝑷 = 𝟎. 𝟏𝟑 + 𝟎. 𝟏𝟔 + 𝟎. 𝟏𝟒 + 𝟎. 𝟏𝟐 + 𝟎. 𝟎𝟖
𝑷 = 𝟎. 𝟔𝟑
La probabilidad que existe es de:
𝑷 = 𝟔𝟑%

5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro


usuarios del barrio en este servicio.
𝑷 = 𝟎. 𝟏𝟐 + 𝟎. 𝟎𝟓 + 𝟎. 𝟎𝟐
𝑷 = 𝟎. 𝟏𝟗
La probabilidad que existe es de:
𝑷 = 𝟏𝟗%

6. El número esperado de usuarios de este servicio y su desviación estándar

∑𝑛

𝟎 + 𝟐 + 𝟑 + 𝟓 + 𝟔 + 𝟖 + 𝟏𝟎 + 𝟏𝟐 + 𝟏𝟓 = 𝟔𝟏
El número de usuarios esperados de este servicio serian 61
La desviación estándar seria:
∑|𝑋 − 𝑀|2

𝑛

Donde X es el número de usuarios M la media y n es el número de datos

∑|61 − 6.7777|2

61

𝟒. 𝟗𝟏𝟖𝟕

7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la empresa.
Como se puede observar dentro del estudio del caso iniciando el nuevo horario de la
prestación del servicio este fue muy favorable, pero al transcurrir el tiempo se observa
una disminución en la prestación del servicio.
ESTUDIO DE CASO 21

La distribución de probabilidad binomial es una distribución de probabilidad discreta que se


presenta con mucha frecuencia.

Una de sus características consiste en que sólo hay dos posibles resultados en un determinado
ensayo del experimento y los resultados son mutuamente excluyentes; Otra característica de la
distribución binomial es el hecho de que la variable aleatoria es el resultado de conteos. Es decir,
se cuenta el número de éxitos en el número total de ensayos. Una tercera característica de una
distribución binomial consiste en que la probabilidad de éxito es la misma de un ensayo a otro.

Un estudio del Departamento de Transporte de Illinois


concluyó que 78.5% de quienes ocupaban los asientos
delanteros de los vehículos utilizaba cinturón de seguridad.
Esto significa que los dos ocupantes de la parte delantera
utilizaban cinturones de seguridad. Suponga que decide
comparar la información con el uso actual que se da al cinturón
de seguridad, para lo cual selecciona una muestra de 8
vehículos.

Usando sus conocimientos sobre distribuciones discretas de probabilidad, Ilustración 1. Estudio de caso 2

presente un informe en el que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución binomial. Identifíquelos

2. Diagrama de barras de la distribución de probabilidad binomial que representa esta situación

3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de los 8 vehículos


seleccionados utilicen cinturones de seguridad

4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los 8 vehículos
utilicen cinturón de seguridad

5. Probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8 vehículos utilicen
cinturón de seguridad

6. Número de vehículos esperado en los que los ocupantes de la parte delantera utilizan el
cinturón de seguridad.

1
Tomado y adaptado de Lind, Marchall. Estadística Aplicada a los Negocios y la Economía. Ed. Mc
Graw Hill
SOLUCIÓN

1. ¿Esta situación cumple con los supuestos de la distribución binomial? Identifíquelos.

El caso cumple totalmente con los requisitos de la distribución binomial. La probabilidad de éxito
equivale a p=0.785 y números de ensayos es de n=8, donde las probabilidades se miden en
términos de éxito y fracaso con respecto a que usen cinturón de seguridad en los puestos
delanteros.

2. Elabore un diagrama de barras para la distribución de probabilidad binomial que


representa esta situación.

• P= 78,5% = 0.785 Es la probabilidad de que ocurra.


• Q= 21,5% = 0.215 Es la probabilidad de que no ocurra.
• N= 8 Número de eventos en total.
• X= 1a8 Relación.
Formula:
𝑷(𝒙) = 𝒏 𝑪𝒙 𝒑𝒙 (𝒒)𝒏−𝒙

𝑃(1) = 8 𝐶1 ∗ 0,7851 ∗ (0.215)8−1 = 8 ∗ 0,7851 ∗ 0,2157 = 0,01%


𝑃(2) = 8 𝐶2 ∗ 0,7852 ∗ (0.215)8−2 = 28 ∗ 0,7852 ∗ 0,2156 = 0,17%
𝑃(3) = 8 𝐶3 ∗ 0,7853 ∗ (0.215)8−3 = 56 ∗ 0,7853 ∗ 0,2155 = 1,24%
𝑃(4) = 8 𝐶4 ∗ 0,7854 ∗ (0.215)8−4 = 70 ∗ 0,7854 ∗ 0,2154 = 5,68%
𝑃(5) = 8 𝐶5 ∗ 0,7855 ∗ (0.215)8−5 = 56 ∗ 0,7855 ∗ 0,2153 = 16,59%
𝑃(6) = 8 𝐶6 ∗ 0,7856 ∗ (0.215)8−6 = 28 ∗ 0,7856 ∗ 0,2152 = 30,29%
𝑃(7) = 8 𝐶7 ∗ 0,7857 ∗ (0.215)8−7 = 8 ∗ 0,7857 ∗ 0,2151 = 31,59%
𝑃(8) = 8 𝐶8 ∗ 0,7858 ∗ (0.215)8−8 = 1 ∗ 0,7858 ∗ 0,2150 = 14,42%
X C P^x (q)^ n-x Probabilidad %
1 8 0,785 0,0000212 0,0001333610 0,01%
2 28 0,616 0,0000988 0,0017042296 0,17%
3 56 0,484 0,0004594 0,0124448394 1,24%
4 70 0,380 0,0021368 0,0567976682 5,68%
5 56 0,298 0,0099384 0,1659020263 16,59%
6 28 0,234 0,0462250 0,3028676527 30,29%
7 8 0,184 0,2150000 0,3159483154 31,59%
8 1 0,144 1,0000000 0,1441973416 14,42%
99,99%

0,9289153360 x≤5
0,2369821246 x≥5

Diagrama de barras de la distribución de probabilidad binomial que representa esta


situación

DISTRIBUCION BINOMIAL
0.35
0.3
Probabilidad binomial

0.25
0.2
0.15
0.1 %
0.05 Linear (%)
0
-0.05
1 2 3 4 5 6 7 8
% 0.01% 0.17% 1.24% 5.68% 16.59% 30.29% 31.59% 14.42%
Exitos

3. ¿Cuál es la probabilidad de que los ocupantes de la parte delantera en exactamente 5 de


los 8 vehículos seleccionados utilicen cinturones de seguridad?
𝑃(3) = 8 𝐶5 ∗ 0,7855 ∗ (0.215)8−5 = 56 ∗ 0,7855 ∗ 0,2153 = 𝟏𝟔, 𝟓𝟗%
La probabilidad que los ocupantes de la parte delantera en exactamente 5 de los 8 vehículos de la
muestra utilicen cinturones de seguridad es de aproximadamente 16,59%

4. ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de


los 8 vehículos utilicen cinturón de seguridad?

𝑃(5 ≤ 𝑋) = 𝑃(5) + 𝑃(6) + 𝑃(7) + 𝑃(8)

𝑃(5 ≤ 𝑋) = (0,1659) + (0,3028) + (0,3159) + (0,1441)

𝑃(5 ≤ 𝑋) = 𝟎, 𝟗𝟐𝟖𝟕

La probabilidad de seleccionar 8 vehículos y hallar que los ocupantes de 5 o más vehículos utilizan
cinturón de seguridad es de aproximadamente 92,87 %.

5. ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8


vehículos utilicen cinturón de seguridad?

𝑃(5 ≥ 𝑋) = 𝑃(1) + 𝑃(2) + 𝑃(3) + 𝑃(4) + 𝑃(5)

𝑃(5 ≥ 𝑋) = (0,0001333610) + (0,0017042296) + (0,0124448394) + (0,0567976682) +


(0,1659020263)

𝑃(5 ≥ 𝑋) = 𝟎, 𝟐𝟑𝟔𝟗𝟖𝟐𝟏𝟐𝟒𝟔 = 𝟐𝟑, 𝟔𝟗%

La probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8 vehículos utilicen
cinturón de seguridad es de aproximadamente: 23,69%

6. ¿Cuál es el número de vehículos esperado en los que los ocupantes de la parte


delantera utilizan el cinturón de seguridad?
 p=0.785 Es la probabilidad de que ocurra.
 n= 8 Número de eventos en total.
 x= Cantidad de vehículos.
𝑥 = 𝑛 ∗ 𝑝 = 8 ∗ 0,785
𝑥 = 𝟔, 𝟐𝟖

El número de vehículos esperado en los que los ocupantes de la parte delantera utilizan el cinturón
de seguridad es de 6,28 aproximadamente 6 vehículos.

Estudio de Caso No 3
ESTUDIO DE CASO 42

La distribución de probabilidad de Poisson describe el


número de veces que se presenta un evento durante un
intervalo específico. El intervalo puede ser de tiempo,
distancia, área o volumen. La distribución se basa en
dos supuestos. El primero consiste en que la
probabilidad es proporcional a la longitud del
intervalo. El segundo supuesto consiste en que los
intervalos son independientes. En otras palabras,
cuanto más grande sea el intervalo, mayor será la probabilidad; además, el número
de veces que se presenta un evento en un intervalo no influye en los demás
intervalos.

Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para


describir la distribución de errores en una entrada de datos, el número de rayones y
otras imperfecciones en las cabinas de automóviles recién pintados, el número de
partes defectuosas en envíos, el número de clientes que esperan mesa en un
restaurante, el número de accidentes en una carretera en un periodo determinado.

Los padres preocupados porque sus hijos son “propensos a accidentes” pueden estar
tranquilos, de acuerdo a un estudio realizado por el Departamento de Pediatría de la
Universidad de California, San Francisco. Los niños que se lesionan dos o más
veces tienden a sufrir estas lesiones durante un tiempo relativamente limitado, por
lo general un año o menos. El estudio determinó que el número promedio de
lesiones por año para niños en edad escolar es de dos.
Ilustración 2. Estudio de caso 4
Usando sus conocimientos sobre distribuciones de
probabilidad discretas, presente un informe que como
mínimo contenga:

1.- ¿Esta situación cumple con los supuestos de la distribución Poisson?


Identifíquelos

Cumple con el primer supuesto, que dice que la probabilidad es proporcional a la


longitud del intervalo, en este caso de 1000 vuelos se pierden 300 maletas, es decir
que existe un promedio de 0.3 maletas perdidas por vuelo.

2
Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
Si cumple con el segundo supuesto, debido a que el número de veces que se
presenta un evento en un intervalo si influye en los demás intervalos, ya que es
una muestra aleatoria y los intervalos son independientes, es decir si es más
grande el intervalo tendrá mayor probabilidad.

2.- Determine cuál es la probabilidad de que en un vuelo no se pierda ninguna


maleta

∑𝑛𝑖=1 𝑋𝑖
𝜆=
𝑛

𝜆𝑥 . 𝑒 −𝜆
𝑓(𝑥; 𝜆) =
𝑥!

e: es la base del logaritmo natural igual a 2.71828.


k es el número de ocurrencias de un evento; la probabilidad de que viene dada por
la función

k! es el factorial de k

λ es un número real positivo, igual que el número esperado de ocurrencias durante


el intervalo dado. Los eventos ocurren en promedio 300 maletas pérdidas por 1000
vuelos,

(0,3)0 . (𝑒 −0.3 )
𝑃(0) = = 0.7408
0!

Teniendo en cuenta lo anterior podemos decir que hay un 74% de probabilidad de


que ninguna maleta se pierda.
3.- Determine cuál es la probabilidad de que en un vuelo se pierda exactamente
una maleta

(0,3)1 . (𝑒 −0.3 )
𝑃(1) = = 0.222
1!

En base al resultado obtenido se puede decir que la probabilidad de que se pierda


solo una maleta es del 22,2%

4.- Determine cuál es la probabilidad de que en un vuelo se pierdan entre dos y


cuatro maletas

(0,3)2 . (𝑒 −0.3 )
𝑃(2) = = 0.033
2!
(0,3)3 . (𝑒 −0.3 )
𝑃(3) = = 0.00333
3!

De acuerdo a los resultados obtenidos se puede decir que el 3.33 %, pierde dos
maletas, que el 0.3% pierde tres maletas, el 0.025% pierde cuatro maleta.

5.- Podría establecer cuál es la probabilidad de que se pierdan en un vuelo más de


cuatro maletas

(0,3)4 . (𝑒 −0.3 )
𝑃(4) = = 0.00025
4!

La probabilidad de que pierda cuatro maletas es de 0.025%

6.- ¿En qué momento debe sospechar el supervisor de la Aerolínea que en un


vuelo se están perdiendo demasiadas maletas?
De acuerdo a los resultados obtenidos, se puede evidenciar que el momento en el
cual se pierden mayor cantidad de maletas es en el 1, es decir que se debe cuidar al
momento de recoger las maletas para ser trasladadas al avión.
Estudio de Caso No 5

El Coeficiente intelectual C.I. de un individuo es medida en una escala que va de 45 a 155. Un


C.I. de 100 es el promedio. En la figura siguiente se puede ver que la mayoría de la población
tiene el C.I. alrededor de 100. Existen menos personas que tienen el CI menor a 85 y muy pocos
tienen el CI por encima de 115. Una empresa que recluta personal para multinacionales aplica un
test de inteligencia a todos los posibles candidatos. Una persona que desea ser contratada, acaba
de presentar el test y le informan que ha obtenido C.I. igual a 95. Asumiendo que las puntuaciones
en un test de inteligencia se distribuyen normalmente y sabiendo que las puntuaciones CI tienen
promedio 100 y desviación estándar 15, usted debe presentarle un informe acerca de sus
resultados. Usando sus conocimientos sobre la distribución de probabilidad normal, presente un
informe que como mínimo contenga:

1. Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.

como primera medida tenemos que la ya media está dada:

Media (x)=100

Entonces calculamos de la siguiente manera:

95 − 100
= 0.33
15

Multiplicamos por 100 para calcular el porcentaje


0.33 * 100= 33%
Respuesta: el 33% tiene C.I. inferior o igual a 95.

2. Porcentaje de personas podrían tener un C.I. superior a 95.


Para ello entonces restamos la media menos las personas que tienen el CI <= 95
X=100 − 33 = 67
R// el 67% de personas tiene un CI superior a 95.

3. Probabilidad de que una persona tenga un C.I. entre 85 y 90


A continuación, vamos a hacer la siguiente:

85 − 100
𝑥= =1
15
𝑝(≤ 85) = 1 − 0.8413 = 0.1587

Cambiamos a porcentaje multiplicando por 100

0.1583 ∗ 100 = 15,87%

Ahora con la desviación estándar

90 − 100
𝑧= = 0,66
15

Ahora, visualizando la tabla de distribución de probabilidad normal observamos los siguientes.

𝑝(≤ 90) = 0,7454 ∗ 100 = 74.54%

Y se procede a restar los resultados de los porcentajes para calcular el valor total.
80
𝑝 ( ) = 7454 − 1587 = 5867
90

Entonces dejándolo en contexto

80
𝑝 ( ) = 5.867%
90

R// C.I. entre 85 y 90 es de 5.8%

4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el 30% inferior
(puntuación de CI que deja el 30% de sujetos por debajo).
Calculamos entonces lo siguiente
100-70= 30
El 30% están en 85%, adicional la tabla nos muestra que el 68% de la población esta en rango de
85 y 115.

5. Puntuación de C.I. que es superada solo por el 10% de los sujetos

Viendo la grafica esta ubicada entre el 135 y 160 que es muy superior.

6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos

Se encuentran en el rango de 95
Bibliografía

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Recuperado de


http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=1101
3767&tm=1470693471527
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=183&docI
D=10436604&tm=1470693651415

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.


Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=268&docI
D=11013767&tm=1470693526577

Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica:


Probabilidad e inferencia. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=47&d
ocID=10995669&tm=1470693596054

Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto


Técnico Nacional