PROBABILIDAD

UNIDAD 2: FASE 2 DISTRIBUCIONES DE PROBABILIDAD

ESTUDIOS DE CASO

PRESENTADO POR
CARLOS ANDRS LONDOO, CD: 9725611
ERIKA ANDREA BEDOYA, CD: 65.795.594
JOHN FREDY RODRGUEZ, CD:
KAREN XIOMARA RIVERA CHALA, CD: 1.075.228.594
ESNEIDER CUADROS URREGO, COD: 1.027.886.385

PRESENTADO A
DIANA MILENA CALIMAN
TUTORA

GRUPO
100402_137

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CEAD NEIVA HUILA.
 MAYO 08 DE 2017
INTRODUCCION

Para determinar la probabilidad de que se presente un evento durante un intervalo

determinado (sea de tiempo, distancia, rea o volumen) se hace necesario aplicar ciertas
leyes y clculos que permitan encontrar con exactitud estos datos sin necesidad de llegar a
cometer errores, es necesario tener conocimiento de las tcnicas y teoras de conteo ms
comunes,

En este trabajo se escoge un ejercicio que cumpla los requisitos mnimos para practicar la
probabilidad, se pone en prctica la distribucin de probabilidad de Poisson la cual se basa
en dos supuestos: El primero consiste en que la probabilidad es proporcional a la longitud
del intervalos, el segundo supuesto consiste en que los intervalos son independientes.

Esta distribucin puede ser utilizada en variedad de reas, debemos tener en cuenta algunos
requisitos para que sea necesario y-o correcto utilizar esta: Los sucesos deben ser
aleatorios, los sucesos que ocurren en el intervalo deben ser independientes.
 DESARROLLO DEL TRABAJO

1. CUADRO SIPNOTICO
 2. SOLUCION AL ESTUDIO DE CASO N1

Para entregar una Tarjeta de crdito en los bancos del grupo Aval, los analistas del banco
clasifican o califican al cliente en funcin de la probabilidad de que resulte rentable. Una
tabla habitual de calificaciones es la siguiente:

La calificacin es la suma de los puntos de los seis rubros. Por ejemplo, Sushi Brown tiene
menos de 25 aos (12 puntos); ha vivido en el mismo domicilio durante dos aos (0
puntos); desde hace cuatro aos es dueo de un automvil (13 puntos), por el que realiza
pagos de $75 (6 puntos); realiza gastos domsticos de $200 (10 puntos) y posee una cuenta
de cheques (3 puntos). La calificacin que obtendra sera de 44. Despus, con una segunda
tabla, se convierten las calificaciones en probabilidades de rentabilidad del cliente, as:

La puntuacin de Sushi (44) se traducira en una probabilidad de rentabilidad aproximada

de 0.81. En otras palabras, 81% de los clientes como Sushi generaran dinero a las
operaciones con tar- jeta del banco. A continuacin se muestran los resultados de las
entrevistas con los tres posibles clientes.
 1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables.
David Born Puntos

Edad 42 aos 18

Tiempo de vivir en el mismo domicilio 9 aos 20

Antigedad con el auto 2 aos 13

Pago mensual del auto $140 4

Costo de vivienda $300 10

Cuenta de cheques o ahorros Ambas 15

Total de puntos 80 puntos

Probabilidad 0.95 = 95%

Edward Brendan Puntos

Edad 23 12

Tiempo de vivir en el mismo domicilio 2 0

Antigedad con el auto 3 13

Pago mensual del auto $99 6

Costo de vivienda $200 10

Cuenta de cheques o ahorros Solo cheque 3

Total de puntos 44 puntos

Probabilidad 0.81 = 81%

Ann McLaughlin Puntos

Edad 33 0

Tiempo de vivir en el mismo domicilio 5 20

Antigedad con el auto 7 3

Pago mensual del auto $175 4

Costo de vivienda Propietaria 12

Cuenta de cheques o ahorros Ninguna 0

Total de puntos 39

Probabilidad 0.77 = 77%

2 - Cul es la probabilidad de que los tres resulten rentables?
(0,95 + 0,81 + 0,77) = 2,53
2,53
= 0,84 = 84%
3
La probabilidad de que los tres resulten rentables es del 84%
3.- Cul es la probabilidad de que ninguno sea rentable?
(1 0,84) = 0,16 = 16%
La probabilidad de que ninguno sea rentable es del 16%
4. Determine la distribucin de probabilidad total del nmero de clientes rentables
entre este grupo de tres clientes.
Aqu realizo este cuadro realizando la distribucin de probabilidad de los 3 clientes
presentes.
Calificaciones Puntos

Edad 30

Tiempo de vivir en el mismo domicilio 40

Antigedad con el auto 29

Pago mensual del auto 14

Costo de vivienda 32

Cuenta de cheques o ahorros 18

Total 163

Luego realizo la multiplicacin de las calificaciones por el nmero total de los puntos
as:
x F(x) X*f(x)

0 0,18 0

1 0,25 0,25

2 0,18 0,36

3 0,08 0,24

4 0,20 0,8

5 0,11 0,55

total 1 2,2

La distribucin de probabilidad total del nmero de clientes rentable es de 2,2

5 -Redacte un breve resumen de sus hallazgos.
El cliente con mayor probabilidad de adquirir una Tarjeta de crdito en los bancos
del grupo Aval es David Born.
Segn la tabla de calificaciones el menor puntaje de los 3 clientes entrevistados es el
de pago mensual del auto.
Segn la tabla de calificaciones el puntaje que tiene mayor valor segn los clientes
es el del tiempo vivido en el mismo domicilio.

3. SOLUCION AL ESTUDIO DE CASO 2:

La distribucin de probabilidad binomial es una distribucin de probabilidad discreta que se
presenta con mucha frecuencia. Una de sus caractersticas consiste en que slo hay dos
posibles resultados en un determinado ensayo del
experimento y los resultados son mutuamente excluyentes;
Otra caracterstica de la distribucin binomial es el hecho
de que la variable aleatoria es el resultado de conteos. Es
decir, se cuenta el nmero de xitos en el nmero total de
ensayos. Una tercera caracterstica de una distribucin
binomial consiste en que la probabilidad de xito es la
misma de un ensayo a otro.

Un estudio del Departamento de Transporte de Illinois

concluy que 76.2% de quienes ocupaban los asientos delanteros de los vehculos utilizaba
cinturn de seguridad. Esto significa que los dos ocupantes de la parte delantera utilizaban
cinturones de seguridad. Suponga que decide comparar la informacin con el uso actual que
se da al cinturn de seguridad, para lo cual selecciona una muestra de 10 vehculos.

1.- Esta situacin cumple con los supuestos de la distribucin binomial?

Identifquelos

Si Cumple con los supuestos de la distribucin binomial.

a. Solo hay dos posibles resultados, que quienes ocupan el asiento delantero usen el
cinturn de seguridad o no lo usen. Los resultados son mutuamente excluyentes
b. Hay una variable aleatoria, usar o no usar el cinturn, que tiene un nmero de xitos
en el nmero total de ensayos
c. La posibilidad de que usen el cinturn o no lo usen es la misma para cada vehculo.
2.- Elabore un diagrama de barras para la distribucin de probabilidad binomial que
representa esta situacin

Uso del cinturn en asientos

delanteros de vehculos
100.0%
76.2%
80.0%

60.0% Usan cinturn

40.0% No usan cinturon

23.8%
20.0%

0.0%

3.- Cul es la probabilidad que los ocupantes de la parte delantera en exactamente 6

de los 10 vehculos seleccionados utilicen cinturones de seguridad?

= = () = 0.762

= = ( ) = 1 0.762 = 0.238

Elegimos 10 vehculos n = 10

En una distribucin binomial de parmetros

= 10 = 0.762 (, ) (10,0.762

x = probabilidad que exactamente 6 vehculos usen cinturn

=6
=6
= 10
= 0.762
= 0,238

= ( = ) = ( ) . .

10 (0.762)6 (0.238)106
= ( = 6) = ( ). .
6

10 !
Nmeros complementarios: ( ) = !()!
6

10 10 9 8 7 6 5! 151.200
( )= = = 210
6 6 5 4 3 2 (5)! 720

10 (
= ( = 6) = ( ) . 0.762)6 . (0.238)106
6

= ( = 6) = (210). (0.195762). (0.003208) = 0.1319

= 0.1319

4.- Cul es la probabilidad que los ocupantes de la parte delantera de por lo menos 6
de los 10 vehculos utilicen cinturn de seguridad?

= ( 6) = ( = 6) + ( = 7) + ( = 8) + ( = 9) + ( = 10)

= ( 6) = 0.1319 + 0.241 + 0.2897 + 0.206 + 0.0660

= ( 6) = 0.9346

5.- Cul es la probabilidad que los ocupantes de la parte delantera de mximo 6 de

los 10 vehculos utilicen cinturn de seguridad?

= ( 6) = ( = 0) + ( = 1) + ( = 2) + ( = 3) + ( = 4) + ( = 5)
+ ( = 6)

= ( 6) = 0.00000058 + 0.000018 + 0.00026 + 0.0022 + 0.012 + 0.049 + 0.1319

= ( 6) = 0,195378

6.- Encuentre el valor esperado del nmero de vehculos en los que los ocupantes de la
parte delantera utilizan el cinturn de seguridad?
=
 = 10
= 76.2%
=
= 10 0.762
= 7.62

4. SOLUCION AL ESTUDIO DE CASO N3

El Baloto, es la lotera en lnea de Colombia, supervisado por ETESA (Empresa territorial

para la salud). Es un juego que consiste en acertar 6, 5, 4 o 3 nmeros en cualquier orden de
una matriz del 1 al 45; El jugador seala en un tarjetn los 6 nmeros que escoge. Los
nmeros estn representados en 45 balotas numeradas del 1 al 45. Cada nmero aparece
una sola vez y las balotas ganadoras se seleccionan sin reemplazo. El premio acumulado se
entrega a quien haga coincidir los seis nmeros.
1. Esta situacin cumple con los supuestos de la distribucin Hipergeomtrica?
Identifquelos
(Sugerencia: Divida los 45 nmeros en dos grupos: ganadores y no ganadores)
Si en el apartado 2 nos dicen que calculemos la probabilidad usando la distribucin
hipergeomtrica ser porque este apartado es verdadero, ahora a intentar demostrarlo.
En la distribucin hipergeomtrica hay una poblacin N y unos elementos de ella que
cumplen una propiedad, la cantidad de estos elementos es d. Entonces nosotros extraemos
una muestra n de la poblacin y la distribucin nos da la probabilidad que hayamos elegido
x elementos con la propiedad.
La poblacin N son los 45 nmeros.
Los elementos que cumplen la propiedad son los 6 que han salido en el sorteo.
La muestra que tomamos es una muestra de 6 nmeros.
Y la probabilidad que nos da la distribucin hipergeomtrica es la de tener de 0 a seis
ganadores en la muestra.

2. Usando la distribucin de probabilidad hipergeomtrica determinar la

probabilidad de que el jugador acierte los 6 nmeros.
Dicha probabilidad viene dada por esta frmula:

( )( )
() =

( )

La de acertar 6 es
6 45 6 39
( )( ) 1( ) 1
(6) = 6 66 = 0 = =
45 45 45!
( ) ( )
6 6 39! 6!
39! 6! 6! 720
= = = =
45! 45 44 43 42 41 40 5864443200
1
= = 1.22773804 107 = 0.000000122773804
8145060
(6) = 0.000000122773804
3. La empresa encargada del sorteo informa que la probabilidad de que coincidan
todos los nmeros es de 1 en 8145060. Qu significa esto en trminos de
probabilidad? Coincide esto con su respuesta anterior
En trminos de probabilidad significa
(6) = 1/8145060 = 1.22773804 10^(7)
Coincide a la perfeccin porque llegu a esa misma fraccin. El sorteo tambin otorga un
premio si el jugador hace coincidir 3, 4 o 5 de los nmeros ganadores.

4. Calcule la probabilidad, para hacer coincidir 3 de los 6 nmeros ganadores.

Usaremos la frmula que enuncibamos antes pero ahora con x=3

( )( )
() =

( )

La de acertar 3 seria
39 38 37
6 45 6 6 5 4 39 20
( )( ) ( ) 3!
3 6 3 3! 3 45 44 43 42 41 40 =
(6) = = =
45 45 6!
( ) ( )
6 6
20 9139 182780
= = = 0.02244059589
8145060 8145060
5. Calcule la probabilidad de que coincidan 4 de los 6 nmeros ganadores.

( )( )
() =

( )

La de acertar 4 es:

6 45 6 6 5 39
( )( )
4 6 4 2 (2)
(6) = = =
45 45
( ) ( )
6 6
El combinatorio 45 sobre 6 ya est calculado en los dos pasos anteriores as que lo pondr
directo
39 38
15 15 741 11115 741
2 = = = = 0.001364630831
8145060 8145060 8145060 543004

6. Calcule la probabilidad de que coincidan 5 de los 6 nmeros ganadores.

( )( )
() =

( )

La de acertar 5 es:
6 45 6 39
( )( ) 6( )
(6) = 4 6 5 = 1 =
45 45
( ) ( )
6 6
Como ya conocemos el combinatorio 45 sobre 6 lo ponemos directo
6 39 234 39
= = = 2.872807014 105
8145060 8145060 1357510

7. Con base en los resultados obtenidos, usted invertira dinero en el BALOTO?

Con base a los resultados no, porque acertar 6 es casi imposible y acertar 5 medio
imposible, tampoco es fcil acertar 4 y acertar 3 con suerte una vez al ao si se juega todas
las semanas.
Pero aparte de las probabilidades hay que tener en cuenta lo que no se reparte en premios
porque se lo lleva el estado, y eso puede ser el 33% o ms, y despus los impuestos si te
tocara un premio gordo. Luego no, no jugara. Solo cuando hay un acumulado grande a lo
mejor jugara uno das

5. SOLUCION DE CASO N4

La distribucin de probabilidad de Poisson describe el nmero de veces que se presenta un

evento en un intervalo especfico. El intervalo puede ser de tiempo, distancia, rea o
volumen. La distribucin 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 ms grande sea el
intervalo, mayor ser la probabilidad; adems, el nmero de veces que se presenta un
evento en un intervalo no influye en los dems intervalos.
Esta distribucin posee diversas aplicaciones. Se le utiliza como modelo para describir la
distribucin de errores en una entrada de datos, el nmero de rayones y otras
imperfecciones en las cabinas de automviles recin pintados, el nmero de partes
defectuosas en envos, el nmero de clientes que esperan mesa en un restaurante, el nmero
de accidentes en una carretera en un periodo determinado.
La compaa de aviacin Delta Airlines, se caracteriza por su responsabilidad y cuidado
con el equipaje de sus pasajeros, por lo que pocas veces se pierde equipaje. En la mayora
de los vuelos no se pierden maletas; en algunos se pierde una; en unos cuantos se pierden
dos; pocas veces se pierden tres, etc. Suponga que una muestra aleatoria de 1.000 vuelos
arroja un total de 300 maletas perdidas.
De esta manera, el nmero promedio de maletas perdidas por vuelo es de 0.3.

Formula distribucin de Poisson

k
P( x=k )=
k!

Donde:
k =Nmero de veces que se repite el suceso .
=Nmero medio de veces que ocurre el suceso enel intervalo .
=Constante 2.718281828
1. Esta situacin cumple con los supuestos de la distribucin Poisson?
R. Si, debido a que cumple con los requisitos para que se pueda utilizar la distribucin de
probabilidad de Poisson que son:
- Sucesos aleatorios; en este caso se estudia la probabilidad de que se pierda una maleta
en cierta cantidad de vuelos.
- Independencia de sucesos; en este caso el que se pierda una maleta es un suceso que no
est sujeto a variables que puedan determinar la razn por la cual se pierde una entonces
es un suceso independiente.

2. Determine cul es la probabilidad de que en un vuelo no se pierda ninguna maleta.

k
P( x=k )=
k
Donde:
X =Perdida de maleta
=0.3 por vuelo
=2.718281828
k =0
Reemplazando:
P( 0.3
x=0)= 0 0.740818221
0.3 =
1 =0.7408182274.081822 %
0!
La probabilidad de que no se pierda ninguna maleta es de 74.081822%

3. Determine cul es la probabilidad de que en un vuelo se pierda exactamente una

maleta

k
P( x=k )=
k!
Donde:
X =Perdida de maleta
=0.3 por vuelo
=2.718281828
k =1
Reemplazando:
0.3 1
P( x=1)= 0.740818220.3
0.3 =
1 =0.22224546622.2245466 %
1!
La probabilidad de que se pierda exactamente una maleta es de 22.2245466%
4. Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y cuatro
maletas

k
P( x=k )=
k!
Donde:
X =Perdida de maleta
=0.3 por vuelo
=2.718281828
k =2,3,4
Se debe hallar.
P( x=2)+P(x=3)+ P( x=4)
Reemplazando:
0.3 2
P( x=2)= 0.74081822 0.09

0.3 =
2 =0.0333368193.33368199 %
2!

P( x=3)=
0.3 3 0.74081822 0.027
0.3
=6 =0.0033336810.333368199 %
3!

P( x=4)=
0.3 4 0.740818220.0081
0.3 =
24 =0.0002500260.025002614 %
4!

Sumando:
P( x=2)+P(x=3)+ P(
x=4)=0.033336819+0.003333681+0.000250026=0.0369205253.6920526 %
La probabilidad de que se pierdan entre 2 y 4 maletas es de 3.6920526%
5. Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms de
cuatro maletas

k
P( x=k )=
k!
Donde:
X =Perdida de maleta
=0.3 por vuelo
=2.718281828
k >4
Utilizando la propiedad de estadstica de sucesos:
P( A)=1P (A )
Entonces
P( x >4 )=1P(x4) , esto debido a que la probabilidad que se pide debe ser mayor a 4 por
lo tanto para poder hallar la probabilidad utilizando la propiedad de sucesos es necesario
tomar la probabilidad de entre 0 y 4 maletas perdidas.
Hallando P( x4)
P(x4)=P(x=0)+P (x=1)+ P( x =2)+P(x =3)+ P ( x=4)
Como ya hemos hallado estas probabilidades anteriormente, no es necesario hacer de nuevo
los clculos sino que se toman como referencia para realizar la suma.

P( x4)=0.74081822+0.222245466 +0.033336819+0.003333681+0.000250026
=0.99998421299.9984212 %
Luego hallamos
P( x >4 )=1P(x4)=10.999984212=0.0000157880.0015788 %
La probabilidad de que se pierdan ms de 4 maletas es de 0.0015788%
6. En qu momento debe sospechar el supervisor de la Aerolnea que en un vuelo se
estn perdiendo demasiadas maletas?

k
P( x=k )=
k!
Donde:
X =Perdida de maleta
=0.3 por vuelo
=2.718281828
k >0
Utilizando la propiedad de estadstica de sucesos:
P ( A)=1P ( A )

Entonces, el supervisor debe preocuparse cundo k >0

Por tanto, utilizando la propiedad de estadstica de sucesos...
P( x >0)=1P (x=0)
P( x >0)=10.74081822=0.2591817825.918178 %

ESTUDIO DE CASO 5

Para una poblacin grande de personas sin hogar, Wong y Piliavin (2001)
examinaron factores de estrs, recursos y agotamiento psicolgico empleando la
Escala de Depresin del Centro de Estudios Epidemiolgicos (CESD), un
cuestionario de evaluacin comunitario.
Entre las personas sin hogar, la puntuacin media del cuestionario CESD es 23,5
con una desviacin estndar de 7.5 y se considera que para la Variable X =
puntuacin del CESD, la distribucin es normal. Como trabajador en el rea de
admisiones en un refugio para personas sin hogar, usted es el encargado de
aplicar el CESD y debe evaluar los resultados para las nuevas personas que
lleguen al centro.
Dentro de las polticas del refugio se encuentra que cualquier persona cuya
puntuacin sea de 20 o ms puntos en el CESD debe enviarse a ver a un doctor.
INFORME A PRESENTAR:

Prepare un informe en el que como mnimo, incluya:

1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al
Doctor.

=

20 23,5
=
7,5
3,5
= =
7,5
0,47
= 0,466
( = 0,47) = 0,1808 18,08%
( 0,47) = 0,1808 + 0,5 = 0,6808 68,08%

Rta. La probabilidad de que una persona que llegue al refugio sea enviado a ver al
Doctor es de 68,08%

2. La probabilidad de que una persona que llegue al refugio tenga una puntacin
de 10 o menos puntos.

10 23,5
=
7,5

13,5
= =
7,5

= 1.8 1. 80

( = 1,8) = 0,4641 46,41%

( 1,8) = 0,5 0,4641 = 0,0359 3,59%

Rta: La probabilidad de que una persona que llegue al refugio tenga una puntacin de 10
o menos puntos es del 3,59%

3. La probabilidad de que una persona que llegue al refugio tenga una puntuacin
entre 16 y 20 puntos

=

Para 16 se tiene que

16 23,5
=
7,5

7,5
= =
7,5

= 1.0
( = 1) = 0,3413 34.13%

Para 20 se tiene que

20 23,5
=
7,5

3,5
= = 0.4667
7,5

= 0.4667

2 = 0,46 0,47
(2 = 0,47) = 0,1808
(1 < < 2 ) = 0,3413 0,1808 = 0,1605 16,05%

Rta: La probabilidad de que una persona que llegue al refugio tenga una
puntuacin entre 16 y 20 puntos es del 16,05%

4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser
enviadas a los servicios de prevencin de suicidios, Qu puntuacin hace
calificar a una persona que llega al refugio para este servicio?
Se va a la tabla y se consulta 15% o sea 0.15 como valor de rea.

A este valor de rea se le halla el valor Z. asociado. = 1.035

Implica que
23.5
= ==> 1.035 =
7.5
Luego el valor de X que cumple esta condiciones

X = 1.035*7.5 + 23.5 = 7.7625 + 23.5 = 31,26 aproximado 31

5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a un
servicio de orientacin laboral para mejorar sus recursos. Qu puntuacin
permite calificar a una persona para acceder a este servicio?

= 0,67
23,5
0,67 =
7,5

= (0.68 . 7,5) + 23,5 =

= (0.68 . 7,5) + 23,5 = -5.1+23.= 18.4 Aproximado 18

 REFERENCIAS
FsicayMates, (2016, Enero 11). Distribucin de Poisson | Teora y ejercicio resuelto.
Recuperado de: https://youtu.be/hmAfNpD7Eps
FsicayMates, (2016, Enero 25). Distribucin de Poisson | Ejercicio resuelto #2.
Recuperado de: https://youtu.be/TZM1oReEfNU
Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=11013
767&tm=1470693471527
Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=183&docID=10436
604&tm=1470693651415
Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=268&docID=11013
767&tm=1470693526577
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadstica terica: Probabilidad e
inferencia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=47&docID=109956
69&tm=1470693596054
Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=194&docID=10436
604&tm=1470693683773
Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=297&docID=11013
767&tm=1470693984628
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadstica terica: Probabilidad e
inferencia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=59&docID=109956
69&tm=1470694057290
Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=59&docID=109956
69&tm=1470694602509