PROBABILIDAD

UNIDAD 2: EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES

Presentado al tutor:
AMELIA ELIZABETH CORDOBA

Entregado por el grupo:

100402_26

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
20 De Noviembre 2018
Bogotá
 INTRODUCCIÓN

La probabilidad nos permite identificar con qué frecuencia se puede presentar cierto evento en un
determinado experimento aleatorio. En nuestra vida, está característica se encuentra presente en todos
los ámbitos, puesto que en casi la totalidad de los fenómenos el azar juega un papel importante ya
que existen infinitas posibilidades de que un mismo evento se presente de diferentes formas en
distintos momentos.
La implementación de las fórmulas es compleja, debido a que la bibliografía referente al tema es
bastante amplia y se necesita hacer un análisis a la teoría para poder poner en marcha su aplicación
en diversos casos y lograr sacar conclusiones con los resultados obtenidos.
Se inicia con un recorrido por medio de los conceptos básicos de las variables aleatorias, sus tipos y
su distribución en base a sus propiedades, para adentrarnos un poco en las fórmulas y poder aplicarlas
en el tema siguiente que son cuatro casos prácticos que nos permitieron identificar claramente la
diferencia entre cada tipo de distribución.
 OBJETIVOS

 Comprender los conceptos de distribución discreta y continua.

 Implementar fórmulas probabilísticas para llegar a conclusiones sobre un tema concreto.

 Generar debate sobre los temas estudiados con los compañeros y tomar decisiones en
grupo.

 Conocer autores reconocidos en la ciencia de la probabilidad.

 EJERCICIO1. MENTEFACTO UNIDAD 2.

Experimentos en donde su Selección de muestra sin Mide la frecuencia Es la base para la Mide el
resultado sólo puede reemplazo de una población relativa de un evento inferencia de la espacio del
tomar un solo valor de los finita conocida y que representa en función a una estadística clásica, debido tiempo entre
dos posibles, son una proporción relativamente unidad de tiempo, a su relación con el un suceso y
mutuamente excluyentes. grande de la población. espacio o volumen teorema del límite central otro

BINOMIAL HIPERGEOMÉTRICA POISSON NORMAL EXPONENCIAL

DISTRIBUCIONES La aleatoriedad está

presente en la mayoría
de las situaciones
VARIABLES cotidianas. Lo que se
APLICABILIDAD
ALEATORIAS debe conocer son las
características de cada
situación para definir
su forma de análisis.

DISCRETAS CONTINUAS

Toman un número Toman cualquier valor

entero limitado de numérico producto de
valores, que son una medición, el cual
producto de un está referido a un
conteo intervalo de valores
 EJERCICIO 2. ESTUDIOS DE CASO.
ESTUDIO DE CASO 1
En el norte de Chile, un creciente número de personas que buscan un diploma de enseñanza
están eligiendo internados pagados en lugar de los tradicionales programas estudiantiles de
enseñanza. Un grupo de 8 candidatos para tres posiciones locales de enseñanza estaba
formado por cinco candidatos, que se habían inscrito en internados pagados y tres candidatos
que se habían inscrito en programas tradicionales estudiantiles de enseñanza. Supongamos
que los ocho candidatos están igualmente calificados para las posiciones. Represente con x
el número de candidatos capacitados en un internado que son contratados para estas tres
posiciones.
a. ¿La x tiene una distribución binomial o una distribución hipergeométrica?
Argumente su respuesta.
b. Encuentre la probabilidad de que tres candidatos capacitados en internado sean
contratados para estas posiciones.
c. ¿Cuál es la probabilidad de que ninguno de lo tres contratados sea capacitado en
internado?
VARIABLES:
N = 8 población total
k = 5 candidatos educados en internados
n = 3 vacantes disponibles
FÓRMULA:
𝑘 𝑁− 𝑘
∗( )
Pr(𝑥) = 𝑥 𝑛− 𝑥
𝑁
𝑛

 ¿La x tiene una distribución binomial o una distribución hipergeométrica? En

este caso la variable X tiene una distribución de tipo Hipergeométrica, porque cumple
con la característica de que se está extrayendo una muestra sin reemplazo donde
también existen éxitos y fracasos.
  Encuentre la probabilidad de que tres candidatos capacitados en internado sean
contratados para estas posiciones. 𝐏𝐫(𝒙 = 𝟑)

Reemplazamos las variables en la fórmula que usará combinadas:

5 8− 5
∗( )
Pr(𝑥 = 3) = 3 3 − 3
8
3
5 3
∗( )
Pr(𝑥 = 3) = 3 0
8
3
Para solucionar las combinadas, necesitamos los factoriales:

𝑁 𝑛!
=
𝐾 𝐾! (𝑁 − 𝐾)
Cada combinada se reemplaza en la fórmula de factoriales:
5! 3!
∗
Pr(𝑥 = 3) = 3! 2! 0! 3!
8!
3! 5!
5 ∗ 4 ∗ 3 ∗ 2! 3!
∗
Pr(𝑥 = 3) = 3! 2! 0! 3!
8 ∗ 7 ∗ 6 ∗ 5!
3! 5!
Cancelamos los iguales:
5∗4∗3
∗ 0!
Pr(𝑥 = 3) = 3!
8∗7∗6
3!
Solucionando los factoriales tenemos:
5∗4∗3
∗1
Pr(𝑥 = 3) = 3 ∗ 2 ∗ 1
8∗7∗6
3∗2∗1
60
∗1
Pr(𝑥 = 3) = 1
5040
6
 360
Pr(𝑥 = 3) =
2016
Pr(𝑥 = 3) = 0,1785

 ¿Cuál es la probabilidad de que ninguno de lo tres contratados sea capacitado

en internado?

5 8− 5
∗( )
Pr(𝑥 = 0) = 0 3 − 0
8
3
5 3
∗( )
Pr(𝑥 = 0) = 0 3
8
3
5! 3!
∗( )
Pr(𝑥 = 0) = 0! 5! 3! 0!
8!
3! 5!
0! ∗ (0!)
Pr(𝑥 = 0) =
8 ∗ 7 ∗ 6 ∗ 5!
3! 5!
1∗1
Pr(𝑥 = 0) =
8∗7∗6
3∗2∗1
1
Pr(𝑥 = 0) =
336
6
6
Pr(𝑥 = 0) =
336
Pr(𝑥 = 0) = 0,0178
ESTUDIO DE CASO 2

La preferencia por el color de un auto cambia con los años y de acuerdo con el modelo
particular que seleccione el cliente. En año reciente, suponga que 10% de todos los autos de
lujo que se vendieron eran negros. Si 25 autos de es año y tipo se seleccionan al azar,
encuentre las siguientes probabilidades:

a) Al menos cinco autos sean negros.

b) A lo sumo seis autos son negros.
c) Más de cuatro autos son negros.
d) Exactamente cuatro autos son negros.
e) Entre tres y cinco autos (inclusive) son negros.
f) Más de veinte autos no son negros.

VARIABLES:
P = 10% = 0.1
Q = 1- 0.1 = 0.9
n = 25
FÓRMULA:
𝑛
𝑃 (𝑥 = 𝑘) = ( ) × 𝑃𝑘 × 𝑄 𝑛−𝑘
𝑘

 Al menos cinco autos sean negros 𝑷 (𝒙 ≥ 𝟓 )

Como sólo podemos calcular la probabilidad de un número exacto de éxitos (P(X=k));

entonces, para el cálculo de la probabilidad solicitada tendríamos que sumar las
probabilidades de 5, 6, 7 hasta 25, es decir,
P(X >= 5) = P(X=5) + P(X=6) + P(X=7) + ... + P(X=25).

Pero en casos como éste, es más sencillo calcular la probabilidad contraria y luego restarle
ese resultado al total (100%=1).

A continuación se calculará: P(X <= 5) = P(X=0) + P(X=1) + P(X=2) + P(X=3) +

P(X=4) + P(X=5)

25
𝑃 (𝑥 = 0) = [( ) × 0.10 × 0.925−0 ]
0
 𝑃 (𝑥 = 0) = [1 × 0,071]
𝑃 (𝑥 = 0) = 0,0717

25
𝑃 (𝑥 = 1) = [( ) × 0.11 × 0.925−1 ]
1
𝑃 (𝑥 = 1) = [( 25) × 0,1 × 0,079]
𝑃 (𝑥 = 1) = 0,199

25
𝑃 (𝑥 = 2) = [( ) × 0.12 × 0.925−2 ]
2
𝑃 (𝑥 = 2) = [( 12,5) × 0,01 × 0,088]
𝑃 (𝑥 = 2) = 0,011

25
𝑃 (𝑥 = 3) = [( ) × 0.13 × 0.925−3 ]
3
𝑃 (𝑥 = 3) = [( 8,33) × 0,001 × 0,098]
𝑃 (𝑥 = 3) = 0,00082

25
𝑃 (𝑥 = 4) = [( ) × 0.14 × 0.925−4 ]
4
𝑃 (𝑥 = 4) = [( 6,25) × 0,0001 × 0,109]
𝑃 (𝑥 = 4) = 0,00007

25
𝑃 (𝑥 = 5) = [( ) × 0.15 × 0.925−5 ]
5
𝑃 (𝑥 = 5) = [( 5) × 0,00001 × 0,1215]
𝑃 (𝑥 = 5 ) = 0,000006

𝑃 (𝑥 ≤ 5 ) = 0,0717 + 0,199 + 0,011 + ,00082 + 0,00007 + 0,000006

𝑃 (𝑥 ≤ 5 ) = 0,283179
Al hallar la contraria, procedemos a continuación a calcular la correcta:
𝑃 (𝑥 ≥ 5 ) = 1 − 𝑃(𝑥 ≤ 5)
𝑃 (𝑥 ≥ 5 ) = 1 − 0,283179
𝑷 (𝒙 ≥ 𝟓 ) = 𝟎, 𝟕𝟏𝟔𝟖𝟐𝟏

 A lo sumo seis autos son negros 𝑷 (𝒙 ≤ 𝟔 )

Sabemos que la probabilidad de 0 a 5 es igual a 0,283179; ahora procedemos a calcular el

P(X=6) y sumarlo.

25
𝑃 (𝑥 = 6) = [( ) × 0.16 × 0.925−6 ]
6
𝑃 (𝑥 = 6) = [( 4,16) × 0,000001 × 0,1350]
𝑃 (𝑥 = 6 ) = 0,000001

𝑃 (𝑥 ≤ 6 ) = 0,283179 + 0,000001
𝑷 (𝒙 ≤ 𝟔 ) = 𝟎, 𝟐𝟖𝟑𝟏𝟖𝟎𝟑

 Más de cuatro autos son negros 𝑷 (𝒙 > 𝟒 ) = 𝑷(𝒙 ≥ 𝟓)

Este ítem es igual al solicitado en el a; puesto que más de 4 autos de color negro
significan los números a partir del 5 hasta el 25.

 Exactamente cuatro autos son negros 𝑷 (𝒙 = 𝟒 )

25
𝑃 (𝑥 = 4) = [( ) × 0.14 × 0.925−4 ]
4

𝑃 (𝑥 = 4) = [( 6,25) × 0,0001 × 0,109]

𝑷 (𝒙 = 𝟒) = 𝟎, 𝟎𝟎𝟎𝟎𝟕

 Entre tres y cinco autos (inclusive) son negros

𝑷 (𝟑 ≥ 𝒙 ≤ 𝟓) = 𝑷(𝒙 = 𝟑) + 𝑷(𝒙 = 𝟒) + 𝑷(𝒙 = 𝟓)
 25
𝑃 (𝑥 = 3) = [( ) × 0.13 × 0.925−3 ]
3
𝑃 (𝑥 = 3) = [( 8,33) × 0,001 × 0,098]
𝑃 (𝑥 = 3) = 0,00082

25
𝑃 (𝑥 = 4) = [( ) × 0.14 × 0.925−4 ]
4
𝑃 (𝑥 = 4) = [( 6,25) × 0,0001 × 0,109]
𝑃 (𝑥 = 4) = 0,00007

25
𝑃 (𝑥 = 5) = [( ) × 0.15 × 0.925−5 ]
5
𝑃 (𝑥 = 5) = [( 5) × 0,00001 × 0,1215]
𝑃 (𝑥 = 5 ) = 0,000006

𝑃 (3 ≥ 𝑥 ≤ 5 ) = 0,00082 + 0,00007 + 0,000006

𝑷 (𝟑 ≥ 𝒙 ≤ 𝟓 ) = 𝟎, 𝟎𝟎𝟎𝟗𝟎

 Más de veinte autos no son negros 𝑷 (𝒙 > 𝟐𝟎 )

En este caso las variables sufren un cambio, debido a que el caso de éxito sería que el auto
fuera de un color diferente al negro.

P = 90% = 0.9
Q = 1- 0.9 = 0.1
n = 25
25
𝑃 (𝑥 = 21) = [( ) × 0.921 × 0.125−21 ]
21
𝑃 (𝑥 = 21) = [( 1,19) × 0,109 × 0,0001]
𝑃 (𝑥 = 21) = 0,0000130

25
𝑃 (𝑥 = 22) = [( ) × 0.922 × 0.125−22 ]
22
 𝑃 (𝑥 = 22) = [( 1,14) × 0,098 × 0,001]
𝑃 (𝑥 = 22) = 0,00011

25
𝑃 (𝑥 = 23) = [( ) × 0.923 × 0.125−23 ]
23
𝑃 (𝑥 = 23) = [( 1,09) × 0,088 × 0,01]
𝑃 (𝑥 = 23) = 0,00096

25
𝑃 (𝑥 = 24) = [( ) × 0.924 × 0.125−24 ]
24
𝑃 (𝑥 = 24) = [( 1,04) × 0,079 × 0,1]
𝑃 (𝑥 = 24) = 0,00830

25
𝑃 (𝑥 = 25) = [( ) × 0.925 × 0.125−25 ]
25
𝑃 (𝑥 = 25) = [( 1) × 0,071 × 1]
𝑃 (𝑥 = 25) = 0,07178

𝑃 (𝑥 > 20 ) = 0,0000130 + 0,00011 + 0,00096 + ,00830 + 0,07178

𝑷 (𝒙 > 𝟐𝟎 ) = 𝟎, 𝟎𝟖𝟏𝟏𝟖
ESTUDIO DE CASO 3

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.

El incremento del número de vuelos regionales cortos en aeropuertos importantes ha

aumentado la preocupación por la seguridad en el aire. Un aeropuerto de la región este ha
registrado un promedio mensual de cinco accidentes a punto de ocurrir en aterrizajes y
despegues en los últimos 5 años.

a. Encuentre la probabilidad de que durante un mes determinado no haya accidentes a

punto de ocurrir en aterrizajes a punto de ocurrir en aterrizajes y despegues en el
aeropuerto.
b. Encuentre la probabilidad de que durante un mes determinado haya cinco accidentes
a punto de ocurrir.
c. Encuentre la probabilidad de que haya al menos cinco accidentes a punto de ocurrir
durante un mes particular.

VARIABLES:
ƛ =5 Accidentes mensuales
k = Cantidad de accidentes que pueden ocurrir
FÓRMULA:
𝑘
𝑃 (𝑥 = 𝑘) = ( ƛ ƛ )
𝑘! 𝑒

 En un mes determinado no haya accidentes a punto de ocurrir en aterrizajes a

punto de ocurrir en aterrizajes y despegues en el aeropuerto 𝑷 (𝒙 = 𝟎 )
0
𝑃 (𝑥 = 0) = ( 5 5 )
0! 𝑒

𝑃 (𝑥 = 0) = 0,0067

 En un mes determinado haya cinco accidentes a punto de ocurrir en aterrizajes

a punto de ocurrir 𝑷 (𝒙 = 𝟓 )
5
𝑃 (𝑥 = 5) = ( 5 5 )
5! 𝑒

𝑃 (𝑥 = 5) = 0,175467

 En un mes determinado no haya accidentes a punto de ocurrir en aterrizajes a

punto de ocurrir 𝑷 (𝒙 ≤ 𝟓 ) = 𝑷(𝒙 = 𝟎) + 𝑷(𝒙 = 𝟏) + 𝑷(𝒙 = 𝟐) … . 𝑷(𝒙 = 𝟓)

0
𝑃 (𝑥 = 0) = ( 5 5 )
0! 𝑒

𝑃 (𝑥 = 0) = 0,0067

1
𝑃 (𝑥 = 1) = ( 5 5 )
1! 𝑒

𝑃 (𝑥 = 1) = 0,0336

2
𝑃 (𝑥 = 2) = ( 5 5 )
2! 𝑒

𝑃 (𝑥 = 2) = 0,0842
 3
𝑃 (𝑥 = 3) = ( 5 5 )
3! 𝑒

𝑃 (𝑥 = 3) = 0,1403

4
𝑃 (𝑥 = 4) = ( 5 5 )
4! 𝑒

𝑃 (𝑥 = 4) = 0,175467

5
𝑃 (𝑥 = 5) = ( 5 5 )
5! 𝑒

𝑃 (𝑥 = 5) = 0,175467

𝑷 (𝒙 ≤ 𝟓 ) = 𝟎, 𝟎𝟎𝟔𝟕 + 𝟎, 𝟎𝟑𝟑𝟔 + 𝟎, 𝟎𝟖𝟒𝟐 + 𝟎, 𝟏𝟒𝟎𝟑 + 𝟎, 𝟏𝟕𝟓𝟒 + 𝟎, 𝟏𝟕𝟓𝟒

𝑷 (𝒙 ≤ 𝟓 ) = 𝟎, 𝟔𝟏𝟓𝟔

ESTUDIO DE CASO 4

El coeficiente intelectual C.I. de un individuo es medido en una escala que va de 45 a 155.

El C.I. de 100 es el promedio. La mayoría de la población tiene el C.I. alrededor de 100.
Existen menos personas que tienen el C.I. menor a 85 y muy pocos tienen el C.I. por encima
de 115.

Una empresa que recluta personal para multinacionales, plica 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:
 Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.
 Porcentaje de personas podrían tener un C.I. superior a 95.
 Probabilidad de que una persona tenga un C.I. entre 85 y 90.
  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).
 Puntuación de C.I. que es superada solo por el 10% de los sujetos.
 Valores de C.I. entre los que se encuentran el 50% central de los sujetos.
VARIABLES
Media (𝜇)=100
Desviación Estándar (𝜎)=15
FÓRMULA
𝑥−𝜇
𝑍=
𝜎
 Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.
𝒁(𝒙 ≤ 𝟗𝟓)
Hallamos la distribución normal Z:

95 − 100
𝑍=
15
−5
𝑍=
15
𝑍 = −0,33
Procedemos a buscar la probabilidad en base a la tabla de Distribución Normal:

𝑃(𝑍 ≤ 95) = 0,3707

𝑃(𝑍 ≤ 95) = 37,07%
 Porcentaje de personas podrían tener un C.I. superior a 95 𝒁(𝒙 ≥ 𝟗𝟓)
Como ya se conoce el resultado de 𝑍(𝑥 ≤ 95), procedemos a hallar su contrario:
𝒁(𝒙 ≥ 𝟗𝟓) = 𝟏 − 𝒁(𝒙 ≤ 𝟗𝟓)
𝒁(𝒙 ≥ 𝟗𝟓) = 𝟏 − 𝟎, 𝟑𝟕𝟎𝟕
𝒁(𝒙 ≥ 𝟗𝟓) = 𝟎, 𝟔𝟐𝟗𝟑
 Probabilidad de que una persona tenga un C.I. entre 85 y 90 𝒁(𝟖𝟓 ≤ 𝒙 ≥ 𝟗𝟎)
Para hallar el valor de este intervalo, calculamos cada límite individualmente y sumamos
los resultados:
85 − 100
𝑍=
15
−15
𝑍=
15
𝑍 = −1
𝑃(𝑍 ≤ 85) = 0,1584
 90 − 100
𝑍=
15
−10
𝑍=
15
𝑍 = −0,66
𝑃(𝑍 ≤ 90) = 0,2546

𝑷(𝟖𝟓 ≤ 𝒁 ≥ 𝟗𝟎) = 𝟎, 𝟏𝟓𝟖𝟒 + 𝟎, 𝟐𝟓𝟒𝟔

𝑷(𝟖𝟓 ≤ 𝒁 ≥ 𝟗𝟎) = 𝟎, 𝟒𝟏𝟑
𝑷(𝟖𝟓 ≤ 𝒁 ≥ 𝟗𝟎) = 𝟒𝟏, 𝟑%
 Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el
30% inferior 𝑷(𝒁 = 𝒙) = 𝟑𝟎%
Buscamos en la tabla de distribución de frecuencia normal el valor de Z al que le
corresponde el 30%.
𝑷(𝒁 = −𝟎, 𝟓𝟐) = 𝟑𝟎%
En nuestra fórmula Z, reemplazamos el resultado por el valor encontrado en la tabla y
procedemos a despejar “x” para encontrar la puntuación solicitada:
𝑥 − 100
−0,52 =
15
−0,52 ∗ 15 = 𝑥 − 100
(−0,52 ∗ 15) + 100 = 𝑥
(−7,8) + 100 = 𝑥
𝟗𝟐, 𝟐 = 𝒙
Para pertenecer al 30% inferior del test de coeficiente intelectual se deben sacar un menor
o igual puntaje a 92,2.

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

𝑷(𝒁 = 𝒙) = 𝟏𝟎%
Para conocer el valor superado sólo por el 10% de los sujetos, procedemos a calcular la
puntuación que saca el 90% de la población:
 𝑷(𝒁 = 𝟏, 𝟑) = 𝟗𝟎%
(1,3 ∗ 15) + 100 = 𝑥
(19,5) + 100 = 𝑥
𝟏𝟏𝟗, 𝟓 = 𝒙
El 90% de los sujetos sacan un porcentaje inferior o igual a 119,5. Si queremos estar
dentro del 10% superior, debemos sacar un porcentaje mayor a 119,5.

 Valores de C.I. entre los que se encuentran el 50% central de los sujetos
𝑷(𝒁 = 𝒙) = 𝟓𝟎%
𝑷(𝒁 = 𝟎, 𝟎) = 𝟓𝟎%
(0,0 ∗ 15) + 100 = 𝑥
(0) + 100 = 𝑥
𝟏𝟎𝟎 = 𝒙
El 50% central de los sujetos saca una puntuación de C.I igual a 100.
 CONCLUSIONES

• Es posible identificar datos importantes para definir el tipo de variables y así

implementar su aplicación.
• Con estos procedimientos podemos dar tratamiento a un conjunto de datos
específicos.
• La implementación de la probabilidad puede darse en cualquier ámbito de la vida
cotidiana.
 BIBLIOGRAFÍA

 Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 242-

304. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&do
cID=11013767&tm=1470693471527

 García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. Primer curso.

Recuperado de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/detail.action?docID=4722054

 Sánchez, J. (2018). Distribución binomial. Recuperado

de: http://hdl.handle.net/10596/19010

 Estructura del mentefacto. Recuperado el 20 de noviembre de 2018 de:

https://es.slideshare.net/cebaronva/el-mentefacto

 Tabla Normal Estándar Valores Positivos Y Negativos. Recuperado el 20 de

noviembre de : https://es.calameo.com/read/00500660270f7c1129194

 Distribución normal de probabilidades. Recuperado el 17 de noviembre de 2018de:

https://www.youtube.com/watch?v=1yJ19xJcjAQ