Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DISTRIBUCIONES
DE
PROBABILIDAD
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
INTRODUCCIN
En esta unidad y para concluir con la tarea de plasmar los primeros conceptos de
Probabilidades y Estadstica; desarrollaremos los conceptos referidos a la probabilidad
clsica y frecuencial. Las reglas y los conceptos generales, hasta la utilizacin de la regla
de Bayes.
Luego se exponen las distribuciones de probabilidad para espacios muestrales
discretos como la distribucin uniforme discreta, la Binomial, la Poisson, y para espacios
muestrales continuos, como la distribucin uniforme continua, la normal y la exponencial.
Trabajar con las tablas permite ahorrar tiempo y esfuerzo, al tiempo que podemos
entender mejor algunos conceptos. Adelante
OBJETIVOS ESPECFICOS
Que el alumno luego de conocer los conceptos bsicos de probabilidad, los aplique en
distribuciones discretas y/o continuas.
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
CONTENIDOS
Uniforme discreta.
Binomial.
Poisson.
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Esquema de contenidos
A continuacin le presentamos un esquema con vinculacin de contenidos.
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Definiciones y conceptos
Distribuciones discretas
Las distribuciones discretas son aquellas en las que la variable puede tomar
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
p( x ) 1
i 1
Distribuciones continuas
Las distribuciones continuas son aquellas que provienen de espacios
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
P(a X b) f ( x) dx 1
a
f(x)
P(a X b)
una
P(a X u ) F (u ) f ( x) dx
a
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
E ( x ) xi p ( xi )
i 1
E ( x) xi f ( xi ) dx
a
f ( x; k )
1
, con x x1 , x2 ,, xk .
k
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
1
f ( x;8) , con x 1,2,,8.
8
P(x < 6) = P(x 5) =
1 1 1 1 1 5
0,625
8 8 8 8 8 8
xi
i 1
( xi ) 2
i 1
1
.5.1.1.2.- DISTRIBUCIN DISCRETA BINOMIAL Proceso de Bernoulli:
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
hablar
de
dos
soluciones
nicamente
se
trata
de
sucesos
complementarios:
A la probabilidad de xito se le denomina "p"
A la probabilidad de fracaso se le denomina "q" = 1 - p
Verificndose que:
p+q=1
p + q = 0,5 + 0,5 = 1
p + q = 0,25 + 0,75 = 1
p + q = 0,001 + 0,999 = 1
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
P( x k ) n Ck . p k .q nk
con k = 0,1,2,,n
Recuerde que:
Ck
n!
k!.(n k )!
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Ejemplo 1
En cierto sector de una empresa el 75% de los accidentes se deben a la
falta de sealizacin adecuada Cul es la probabilidad de que dentro de los
prximos 8 accidentes, exactamente 4 se deban a la falta de sealizacin?
"k" es el nmero de xitos. En este ejemplo " k " igual a 4 (en cada xito decimos
que la variable toma el valor 1: como son 4 xitos, entonces k = 4)
"n" es el nmero de intentos. En el caso planteado n = 8
"p" es la probabilidad de xito, es decir, que los accidentes de deban a la falta de
sealizacin adecuada. Por lo tanto p = 0,75
La frmula quedara:
P( x 4)
8!
.0,754.0,25(8 4) 0,08652
4!.(8 4)!
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
E ( x) n p
Varianza : 2 n p q
Desvo estndar : n p q
Aplicando la frmula de la esperanza matemtica para la distribucin
binomial en el ejercicio que se est estudiando: E( x) 8 x 0,75 6
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
P( X 3 / p( x ) 0,75, n 8) P 8 X 0) P( X 1) P( X 2) P( X 3) 0,0273
Los valores de probabilidad los podemos obtener directamente de la tabla
de la distribucin binomial acumulada en la interseccin de p(x) = 0,75 y n=3
Probabilidad
n=8
0,01
0,05
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,75
0,80
0,95
0,99
0,9227
0,6634
0,4305
0,1678
0,0576
0,0168
0,0039
0,0007
0,0001
0,0000
0,0000
0,0000
0,0000
0,9973
0,9428
0,8131
0,5033
0,2553
0,1064
0,0352
0,0085
0,0013
0,0004
0,0001
0,0000
0,0000
0,9999
0,9942
0,9619
0,7969
0,5518
0,3154
0,1445
0,0498
0,0113
0,0042
0,0012
0,0000
0,0000
1,0000
0,9996
0,9950
0,9437
0,8059
0,5941
0,3633
0,1737
0,0580
0,0273
0,0104
0,0000
0,0000
1,0000
0,9996
0,9896
0,9420
0,8263
0,6367
0,4059
0,1941
0,1138
0,0563
0,0004
0,0000
1,0000
0,9988
0,9887
0,9502
0,8555
0,6846
0,4482
0,3215
0,2031
0,0058
0,0001
0,9999
0,9987
0,9915
0,9648
0,8936
0,7447
0,6329
0,4967
0,0572
0,0027
1,0000
0,9999
0,9993
0,9961
0,9832
0,9424
0,8999
0,8322
0,3366
0,0773
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
4
5
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Ejemplo 2
Un agrnomo recibe una publicidad sobre un nuevo insecticida donde se
manifiesta que la eficiencia del producto es del 90 % en la exterminacin de una
plaga especfica. Para verificar este anuncio se realiza un experimento en el cual
se someten a 20 insectos al insecticida en cuestin.
a) Calcular el valor esperado de insectos vivos y muertos
p(insectos muertos) = 0,90
p(insectos vivos) = 0,10
En probabilidad, se ha definido como valor esperado al parmetro
esperanza matemtica.
En la distribucin binomial: E(x) = n p(x)
E(insectos vivos) = 20 0,10 = 2 insectos vivos
E(insectos muertos) = 20 0,90 = 18 insectos muertos
Interpretacin de los resultados: se espera que despus de realizar el
experimento se encuentren 2 insectos vivos y 18 insectos muertos
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
P[ X / n, p( x)]
n!
20!
p( x) x [1 p( x) nx ]
0,10 2 0,9018 0,2852
X ! (n X )!
2! 18!
P[ X / n, p( x)]
n!
20!
p( x) x [1 p( x) nx ]
0,9016 0,10 4 0,0898
X ! (n X )!
16! 4!
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Estos
clculos
pueden
omitirse
utilizando
la
funcin
del
excel
Probabilidad p(x)
0,05
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0,95
0,3585
0,1216
0,0115
0,0008
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,7358
0,3917
0,0692
0,0076
0,0005
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,9245
0,6769
0,2061
0,0355
0,0036
0,0002
0,0000
0,0000
0,0000
0,0000
0,0000
0,9841
0,8670
0,4114
0,1071
0,0160
0,0013
0,0000
0,0000
0,0000
0,0000
0,0000
0,9974
0,9568
0,6296
0,2375
0,0510
0,0059
0,0003
0,0000
0,0000
0,0000
0,0000
0,9997
0,9887
0,8042
0,4164
0,1256
0,0207
0,0016
0,0000
0,0000
0,0000
0,0000
1,0000
0,9976
0,9133
0,6080
0,2500
0,0577
0,0065
0,0003
0,0000
0,0000
0,0000
0,9996
0,9679
0,7723
0,4159
0,1316
0,0210
0,0013
0,0000
0,0000
0,0000
0,9999
0,9900
0,8867
0,5956
0,2517
0,0565
0,0051
0,0001
0,0000
0,0000
1,0000
0,9974
0,9520
0,7553
0,4119
0,1275
0,0171
0,0006
0,0000
0,0000
10
0,9994
0,9829
0,8725
0,5881
0,2447
0,0480
0,0026
0,0000
0,0000
11
0,9999
0,9949
0,9435
0,7483
0,4044
0,1133
0,0100
0,0001
0,0000
12
1,0000
0,9987
0,9790
0,8684
0,5841
0,2277
0,0321
0,0004
0,0000
13
0,9997
0,9935
0,9423
0,7500
0,3920
0,0867
0,0024
0,0000
14
1,0000
0,9984
0,9793
0,8744
0,5836
0,1958
0,0113
0,0003
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
15
0,9997
0,9941
0,9490
0,7625
0,3704
0,0432
0,0026
16
1,0000
0,9987
0,9840
0,8929
0,5886
0,1330
0,0159
17
0,9998
0,9964
0,9645
0,7939
0,3231
0,0755
18
1,0000
0,9995
0,9924
0,9308
0,6083
0,2642
1,0000
0,9992
0,9885
0,8784
0,6415
1,0000
1,0000
1,0000
1,0000
19
20
calcular como:
P(X >15/ p(x)=0,90, n=20) = P(X16/ p(x)=0,90, n=20) = 1- P(X15/ p(x)=0,90,
n=20)
Este resultado puede encontrarse rpidamente utilizando la funcin del
Excel antes mencionada o la tabla de la distribucin binomial acumulada en la
interseccin de p(x) = 0,90 y X = 15
n=20
Probabilidad p(x)
0,05
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0,95
0,3585
0,1216
0,0115
0,0008
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,7358
0,3917
0,0692
0,0076
0,0005
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,9245
0,6769
0,2061
0,0355
0,0036
0,0002
0,0000
0,0000
0,0000
0,0000
0,0000
0,9841
0,8670
0,4114
0,1071
0,0160
0,0013
0,0000
0,0000
0,0000
0,0000
0,0000
0,9974
0,9568
0,6296
0,2375
0,0510
0,0059
0,0003
0,0000
0,0000
0,0000
0,0000
0,9997
0,9887
0,8042
0,4164
0,1256
0,0207
0,0016
0,0000
0,0000
0,0000
0,0000
1,0000
0,9976
0,9133
0,6080
0,2500
0,0577
0,0065
0,0003
0,0000
0,0000
0,0000
0,9996
0,9679
0,7723
0,4159
0,1316
0,0210
0,0013
0,0000
0,0000
0,0000
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
0,9999
0,9900
0,8867
0,5956
0,2517
0,0565
0,0051
0,0001
0,0000
0,0000
1,0000
0,9974
0,9520
0,7553
0,4119
0,1275
0,0171
0,0006
0,0000
0,0000
10
0,9994
0,9829
0,8725
0,5881
0,2447
0,0480
0,0026
0,0000
0,0000
11
0,9999
0,9949
0,9435
0,7483
0,4044
0,1133
0,0100
0,0001
0,0000
12
1,0000
0,9987
0,9790
0,8684
0,5841
0,2277
0,0321
0,0004
0,0000
13
0,9997
0,9935
0,9423
0,7500
0,3920
0,0867
0,0024
0,0000
14
1,0000
0,9984
0,9793
0,8744
0,5836
0,1958
0,0113
0,0003
15
0,9997
0,9941
0,9490
0,7625
0,3704
0,0432
0,0026
16
1,0000
0,9987
0,9840
0,8929
0,5886
0,1330
0,0159
17
0,9998
0,9964
0,9645
0,7939
0,3231
0,0755
18
1,0000
0,9995
0,9924
0,9308
0,6083
0,2642
1,0000
0,9992
0,9885
0,8784
0,6415
1,0000
1,0000
1,0000
1,0000
19
20
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
P( x k ) e
( t ) k
.
k!
E ( x) t
con k = 0,1,2,,n
2 t
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Recuerde que:
e = 2,71828
t = es el nmero promedio de resultados por unidad de tiempo o regin.
k " es el nmero de xito cuya probabilidad se est calculando
P( x 2) e 3 .
(3) 2
0,224
2!
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Otra opcin que tienen disponible para encontrar las probabilidades de una
variable aleatoria que sigue una distribucin de Poisson es utilizar la Tabla de la
Distribucin de Poisson acumulada.
La probabilidad acumulada P(X2/=3) puede encontrarse en la
interseccin de = 3 y X = 2
0,1
0,2
0,3
0,4
4
5
6
0,67
0,5
0,6
0,7
0,8
0,9
1,0
2,0
2,5
3,0
0,0498
0,91
0,1991
1,5
0,92
0,999 0,998 0,997 0,994 0,991 0,987 0,981 0,934 0,857 0,758
1
1
1
0,999 0,996
0,6472
0,8153
0,9161
0,9665
0,9881
0,999
0,9962
0,9989
10
0,9997
11
0,9999
12
1,0000
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
E( X ) n p
Ejemplo:
La probabilidad de tener un accidente de trnsito es de 0,02 cada vez que
se viaja. Si se realizan 200 viajes, cul es la probabilidad de tener exactamente 3
accidentes?
Como la probabilidad p es menor que 0,1, y el producto n.p es menor que 5,
entonces aplicamos el modelo de distribucin de Poisson.
P( X 3) e 4 .
43
3!
Luego, P (x = 3) = 0,1953
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 200 viajes es
del 19,53%
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
ACTIVIDAD DE APRENDIZAJE
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
f (x)
1
,
f (x)
Donde:
1
,
f ( x)
1
1
0,8333
3,60 2,40 1,20
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Es decir, que el valor final est entre 2,40 $ y 2,50 $ tiene un 8,33% de
probabilidad, que est entre 2,50 y 2,60, otro 8,33%, etc.
El valor medio de esta distribucin se calcula:
E ( x)
2,40 3,60
3,00$
2
Por lo tanto, el precio medio esperado del gasoil para el prximo ao es de $ 3,00
La varianza en una distribucin uniforme continua ser:
VAR ( x) 2
( ) 2
12
(3,60 2,40) 2
0,12$ 2
12
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
ACTIVIDAD DE APRENDIZAJE
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
(
1
f ( x)
.e 2
2 .
Donde 3,14159... y
)2
e = 2,71828
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
El rea total bajo la curva y por encima del eje horizontal es igual a uno.-
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Frmula de transformacin:
Esta nueva variable se distribuye como una normal tipificada, con media =0 y
desvo estndar =1, permitindonos, por tanto, conocer la probabilidad
acumulada en cada valor: Z ~ N (0, 1)
Trabajar con la distribucin normal estndar tiene la ventaja, de que las
probabilidades o reas para cada valor bajo la curva se encuentran en una tabla.
Por ejemplo: tenemos una variable aleatoria que sigue el modelo de una
distribucin normal con = 10 y 2 = 4, es decir: X ~ N (10, 4). Para transformarla
en una normal estndar se procede de la siguiente forma:
X 10
2
IMPORTANTE
P( X 7 / 5, 1)
Lo primero que vamos a hacer es transformar esa distribucin en una normal
estndar, para ello se crea una nueva variable (Z) que ser igual a la anterior (X)
menos su media y dividida por la desviacin estndar:
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Recuerde que:
75
2
1
Esta nueva variable Z se distribuye como una normal estndar. Ahora podemos
consultar en la tabla la probabilidad acumulada para el valor 2 (equivalente a la
probabilidad de empleados que trabajan menos de 7 hs. en la mquina).
P( X 7 / 5, 1) P(Z 2)
Esta probabilidad es 0,97725 o sea que el porcentaje de empleados que
trabajan menos de 7 hs. en la mquina es del 97,725%.
Resolveremos ahora un problema que refuerza los conceptos vistos
Ejemplo 2
Una empresa que tiene a su personal distribuido en grupos de trabajo de igual
cantidad de personas, desea realizar un estudio sobre presentismo. Toma en
cuenta la asistencia de cuatro grupos de trabajo en dos semanas consecutivas
obteniendo:
Grupo 1
Grupo 2
Grupo 3
Grupo 4
Semana 1
47
42
46
48
Semana 2
48
48
42
45
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
Utilizamos los datos obtenidos como una serie simple para encontrar la media
y el desvo estndar: = 45,75 y = 2,55.
Como sabemos que la poblacin tiene distribucin normal, podemos
escribir:
X 45,75
2,55
p(Xi)
El rea es 0.4500
x = 41,55
El rea es 0.4500
x = 45,75
z = -1,645
x = 49,94
z=0
z = 1,645
90%
Z1
5%
Z2
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
0,0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
-2,0
0,0228
0,0222
0,0217
0,0212
0,0207
0,0202
0,0197
0,0192
0,0188
0,0183
-1,9
0,0287
0,0281
0,0274
0,0268
0,0262
0,0256
0,0250
0,0244
0,0239
0,0233
-1,8
0,0359
0,0351
0,0344
0,0336
0,0329
0,0322
0,0314
0,0307
0,0301
0,0294
-1,7
0,0446
0,0436
0,0427
0,0418
0,0409
0,0401
0,0392
0,0384
0,0375
0,0367
-1,6
0,0548
0,0537
0,0526
0,0516
0,0505
0,0495
0,0485
0,0475
0,0465
0,0455
-1,5
0,0668
0,0655
0,0643
0,0630
0,0618
0,0606
0,0594
0,0582
0,0571
0,0559
-1,4
0,0808
0,0793
0,0778
0,0764
0,0749
0,0735
0,0721
0,0708
0,0694
0,0681
-1,3
0,0968
0,0951
0,0934
0,0918
0,0901
0,0885
0,0869
0,0853
0,0838
0,0823
-1,2
0,1151
0,1131
0,1112
0,1093
0,1075
0,1056
0,1038
0,1020
0,1003
0,0985
-1,1
0,1357
0,1335
0,1314
0,1292
0,1271
0,1251
0,1230
0,1210
0,1190
0,1170
-1,0
0,1587
0,1562
0,1539
0,1515
0,1492
0,1469
0,1446
0,1423
0,1401
0,1379
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
X 45,75
1,645
2,55
X1 = 41,55
Ejemplo 3
A los efectos de reducir el ausentismo diario, la empresa desea premiar a
aquellos grupos de trabajo cuya asistencia supera el 98 %.
En este ejemplo, a diferencia del anterior, no interesa saber cual es el valor
mnimo (x1), sino directamente el valor de X2.
El rea es 0,5000
rea 0,4800
X=45,75
Z=0
X=50,98
Z=2,05
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
2,05
X 45,75
2,55
- EJERCICIOS RESUELTOS-
I.- La renta media de los habitantes de un pas es de 40.000 $/ao, con una
varianza de 150 millones de pesos. Se supone que se distribuye segn una
distribucin normal. Calcular:
a) Porcentaje de la poblacin con una renta inferior a 30 mil $; Lo primero que
hacemos es estandarizar los valores:
30000 40000
0,8165
12247,45
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
55000 40000
1,22
12247,45
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
60%
Z1
20%
Z2
X Z
X 1 40.000 0,84 12247,45 29.712,14
X 2 40.000 0,84 12247,45 50.287,86
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
II.- La vida media de los habitantes de un pas es de 68 aos, con una varianza de
Por lo tanto
75 68
1,4
5
P( X 75 / 68, 5) P( z 1,40)
P( Z 1,40) 1 0,9192 0,0808
60 68
1,6
5
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
ACTIVIDAD DE APRENDIZAJE
EJERCICIOS PROPUESTOS:
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
a) Tan slo hay 100 plazas. Usted ha obtenido un 7,7. Sera oportuno ir
organizando una fiesta para celebrar su xito?
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
7. Si
nmero entero.
es un
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
10. Qu condiciones debe cumplir una distribucin para aplicar lo del punto
anterior? _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
__________________________________________ ___
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual
BIBLIOGRAFIA
PROBABILIDADES Y ESTADSTICA
_____________________________________________________________________
Lic. Mnica L. Pascual