PROBABILIDAD

Fase 6. Distribuciones de probabilidad

Presentado por:

Luis enrique Pérez Ravelo

Sergio Armando Reyes

Hernán Portillo

Grupo:

100402_19

Presentado a:

Adrián Reinaldo Valencia (Tutor)

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

Cartagena-Bolívar, 20 de Noviembre de 2017

1
 INTRODUCCIÓN

La Probabilidad es la mayor o menor posibilidad de que ocurra un determinado suceso. En otras

palabras, su noción viene de la necesidad de medir o determinar cuantitativamente la certeza o
duda de que un suceso dado ocurra o no. Ésta establece una relación entre el número de sucesos
favorables y el número total de sucesos posibles. Por ejemplo, lanzar un dado, y que salga el
número uno (caso favorable) está en relación a seis casos posibles (1, 2, 3, 4, 5 y 6); es decir, la
probabilidad es 1/6.

En teoría de la probabilidad y estadística, la distribución de probabilidad de una variable aleatoria

es una función que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que
dicho suceso ocurra. La distribución de probabilidad está definida sobre el conjunto de todos los
sucesos y cada uno de los sucesos es el rango de valores de la variable aleatoria. También se dice
que tiene una relación estrecha con las distribuciones de frecuencia. De hecho, se puede entender
que una distribución de probabilidades sería una frecuencia teórica, ya que ésta última es aquella
que describe cómo se espera que varíen los resultados. A continuación y siguiendo con la guía de
aprendizaje resolveremos una serie de ejercicios referidos a las probabilidades, todo esto con el
fin de mejorar nuestras habilidades en el cálculo probabilístico para problemas futuros.

2
 CUADRO SINOPTICO

Es una función de probabilidad que asigna un número real a cada

Resultado en el espacio maestral de un experimento aleatorio.

DISCRETA toma valores enteros (a saltos)

VARIABLES ALEATORIAS

toma valores reales

CONTINUA

DISTRIBUCIONES
Permiten enfrentar circunstancias en las que los resultados pertenecen a dos categorías relevantes: que ocurra un
Evento determinado o que no lo haga.
BINOMIAL Este tipo de experimento aleatoria se denomina ensayo de Bernoulli.
Sus dos resultados posibles son denotados por “éxito” y “fracaso”

La probabilidad de un éxito: p
La probabilidad de un fracaso: 1-p

BINOMIAL NEGATIVA La variable aleatoria x es el numero de ensayos de Bernoulli efectuados hasta que se tiene r
O DE PASCAL con una probabilidad constante de éxito p.

𝒇(𝒙, 𝒑, 𝒓) = (𝒙−𝟏
𝒓−𝟏
) ∙ 𝒑𝒙−𝒓 ∙ 𝒑𝒓 𝒙 = 𝒓, 𝒓 + 𝟏, 𝒓 + 𝒓 + 𝟐 +∙∙∙

GEOMÉTRICA Definida como el número de ensayos de Bernoulli necesarios para obtener el primer éxito.
Sea, la variable aleatoria x el número de ensayos realizados hasta obtener un éxito, ella tiene una
distribución geométrica con parámetros p, y se expresa:
𝒙−𝟏
𝒇(𝒙; 𝒑) = (𝟏 − 𝒑) 𝒙 = 𝟏, 𝟐, …

HIPERGEOMÉTRICA Distribución discreta relacionada con muestreos aleatorios y sin reemplazo. Supóngase que se
tiene una población de N elementos de los cuales, d pertenecen a la categoría A y N – d a
la B. la distribución hipergeométrica mide la probabilidad de obtener x (0 ≤ 𝑥 ≤ 𝑑) elementos de
la categoría A en una muestra de n elementos de la población original.
(𝒌𝒙)(𝑵−𝒌
𝒏−𝒙 )
𝑭(𝒙; 𝑵, 𝒌; 𝒏) = 𝒙 = 𝟎, 𝟏, 𝟐, … 𝐦𝐢𝐧(𝒌, 𝒏)
(𝑵
𝒏)

DE POISSON Un proceso de Poisson constituye un mecanismo físico aleatorio en el cual los eventos ocurren al azar en una
escala de tiempo (o de distancia). Dado un proceso Poisson donde 𝞴 es el número promedio de ocurrencias en el
intervalo de números reales donde este se define la variable aleatoria X correspondiente al número de ocurrencias
en el intervalo es llamada variable aleatoria de Poisson y su función de Probabilidad está dada por:
𝒆 − 𝞴 𝞴𝒙
𝑓 (𝑥; 𝞴) = 𝒙! 𝒙 = 𝟎, 𝟏, 𝟐, … 𝞴 > 𝟎

UNIFORME Describe el comportamiento de una variable discreta que puede tomar n valores distintos con la misma probabilidad
DISCRETA cada uno de ellos. La variable toma los valores enteros empezando por a, a+1, a+2, etc. hasta el valor máximo b.
Valores x: a, a + 1, a + 2,..., b, números enteros
Parámetros: a: mínimo, a entero
3
 b: máximo, b entero con a < b:
𝟏
𝐟(𝐱) = 𝐧

Continuación cuadro sinóptico

DISTRIBUCIONES

UNIFORME Describir una variable aleatoria con probabilidad constante sobre el intervalo [a, b] en el que está definida. Esta
CONTINÚA distribución presenta una peculiaridad importante: la probabilidad de un suceso dependerá exclusivamente de la
amplitud del intervalo considerado y no de su posición en el campo de variación de la variable. Cualquiera sea la
distribución F de cierta variable X, la variable transformada Y=F(X) sigue una distribución uniforme en el
Intervalo [0,1]. Esta propiedad es fundamental por ser la base para la generación de números aleatorios de
Cualquier distribución en las técnicas de simulación.
Campo de variación: a £ x £ b
Parámetros: a: mínimo del recorrido
b: máximo del recorrido

NORMAL Es la distribución de probabilidad más importante del Cálculo de probabilidades y de la Estadística. Fue descubierta
por De Moivre (1773), como aproximación de la distribución binomial. La importancia de la distribución normal queda
totalmente consolidada por ser la distribución límite de numerosas variables aleatorias, discretas y continuas, como se
demuestra a través de los teoremas centrales del límite. Las consecuencias de estos teoremas implican la casi universal
presencia de la distribución normal en todos los campos de las ciencias empíricas: biología, medicina, psicología, física,
economía.
Campo de variación:-¥ < x < ¥
Parámetros: Mu: media de la distribución, -¥ < Mu < ¥
Sigma: desviación estándar de la distribución, Sigma > 0

CHI CUADRADO(X2) Es una distribución de probabilidad continua con un parámetro k que representa los grados de libertad
DE PEARSON de la variable aleatoria.
O JI CUADRADO se deriva de la distribución normal y está relacionada con teoría de muestreo de pequeñas muestras
n<30.
Son la base de metodologías inferenciales, como Intervalos de confianza y Pruebas de Hipótesis.

Sea:𝑿 = 𝒁𝟐𝟏 + 𝒁𝟐𝟐 + 𝒁𝟐𝟑 … + 𝒁𝟐𝒌 y k variables normales e Independientes,

cada una con media cero y varianza 1.
Entonces la variable aleatoria + 𝒁𝟐𝟐 + 𝒁𝟐𝟑 … + 𝒁𝟐𝒌
𝑿𝟐 = 𝒁𝟐𝟏
se llama variable aleatoria chi cuadrado con k grados de libertad.
(𝒇𝒐−𝒇𝒆)𝟐
X2 = ∑ 𝒇𝒆
δ = Nivel de significancia

DE T STUDENT
William Sealy Gosset (1976-1937) quien escribía bajo el seudónimo “student” describió en 1906 la
distribución de la variable t, cuya función de identidad es:

𝐶
y = f(t) = 𝑡2 con - ͚ < t < +͚
(1+ )√1/2
𝑉

4
 ‾𝑥− 𝜇 ‾𝑥− 𝜇
t= z=
𝑠/√𝑛 𝛿/√𝑛

5
 CASO 1

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

La calificación es la suma de los puntos de los seis rubros. Por ejemplo, Sushi Brown tiene menos
de 25 años (12 puntos); ha vivido en el mismo domicilio durante dos años (0 puntos); desde hace
cuatro años es dueño de un automóvil (13 puntos), por el que realiza pagos de $75 (6 puntos);
realiza gastos domésticos de $200 (10 puntos) y posee una cuenta de cheques (3 puntos).

La calificación que obtendría sería de 44. Después, con una segunda tabla, se convierten las
calificaciones en probabilidades de rentabilidad del cliente, asi:

La puntuación de Sushi (44) se traduciría en una probabilidad de rentabilidad aproximada de 0.81.

En otras palabras, 81% de los clientes como Sushi generarían dinero a las operaciones con tarjeta
del banco. A continuación, se muestran los resultados de las entrevistas con los tres posibles clientes

6
  INFORME A PRESENTAR

Prepare un informe en el que como mínimo, incluya:

1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten rentables. 2.-
Con los datos anteriores construya una variable aleatoria que represente el número de clientes
rentables para el banco y determine: ¿Cuál es la probabilidad de que los tres resulten rentables?

3.- ¿Cuál es la probabilidad de que ninguno sea rentable?

4.- Determine la distribución de probabilidad total del número de clientes rentables entre este grupo
de tres clientes.

5.- Redacte un breve resumen de sus hallazgos.

SOLUCION

1. Califique a cada uno de estos clientes y calcule la probabilidad de que resulten rentables.

Dada la tabla de datos de correspondencia entre puntaje y probabilidad de ser rentable ejecutamos
una regresión lineal para encontrar la función de densidad de esta variable aleatoria.

P(SER RENTABLE) = 0.0043X + 0.6093

X: PUNTAJE

PUNTAJE DE CLASIFCACIÓN
David Edward Ann
Criterio Born Brendan McLaughlin
Edad 18 12 0
Tiempo de vivir en el mismo
domicilio 20 0 20
Antigüedad del Auto 13 13 3
Pago Mensual del Auto 4 6 4
Costo de Vivienda 10 10 12
Cuanta de Cheque o ahorros 15 3 2
Puntaje Total 80 44 41
P(ser rentable) 0,95 0,7985 0,7856

7
 2. Con los datos anteriores construya una variable aleatoria que represente el número de
clientes rentables para el banco y determine: ¿Cuál es la probabilidad de que los tres resulten
rentables?

Dado que el puntaje es quien determina la rentabilidad del cliente, nuestra variable aleatoria será
X: puntaje y la función de densidad representa la probabilidad de que un cliente sea rentable así:

0.00216008 𝑅=0
0.05751636 𝑅=1
𝑃(𝑅) = 0.3438704 𝑅 = 2
0.59593652 𝑅=3
{ 𝑂 𝑒. 𝑜. 𝑐

P(R=3) =0.95*0.7985*0.7856=0.59593652

3. ¿Cuál es la probabilidad de que ninguno sea rentable?

P(R=0) = (1-0.95)*(1-0.7985)*(1-0.7856)=0.00216008

4. Determine la distribución de probabilidad total del número de clientes rentables entre este
grupo de tres clientes.

0.00216008 𝑅=0
0.05967644 𝑅=0 𝑣 𝑅=1
𝑃(𝑅) = 0.40622356 𝑅 = 0 𝑣 𝑅 = 1 𝑣 𝑅 = 3
1 𝑅=0 𝑣𝑅=1 𝑣 𝑅=2 𝑉 𝑅=3
{ 𝑂 𝑒. 𝑜. 𝑐

5. Redacte un breve resumen de sus hallazgos.

Los hallazgos encontrados permiten decir la probabilidad de una persona o un cliente según el
puntaje sea rentable se evidencia a mayor sea el puntaje así será de rentable, para poder realizar
este estudio mencionado se implementó la regresión lineal y seguido a lo anterior se organizó la
base de datos distribuida en tres clientes por un lado los identificados en variable aleatoria R:
Número de Clientes Rentables, para R= 0, 1, 2, 3, y el uso de su función de densidad de probabilidad
para poder determinar las posibles eventualidades que se pueden presentar según la variable
aleatoria.

8
 CASO 2

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 86.2% 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 10 vehículos.

Presente un informe en el que como mínimo incluya:

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

Solución:

 Al ser la muestra de 10 vehículos, la cantidad de pruebas estará limitada a 10.

 Las posibilidades de que en un vehículo en particular los ocupantes de la parte delantera
utilicen o no el cinturón de seguridad son solo dos, como lo indica la distribución binomial.
 Para cualquier vehículo la probabilidad de que sus ocupantes utilicen el cinturón de
seguridad es la misma, es decir un 86,2%
 Al ser vehículos independientes, las pruebas también lo serán por lo que los resultados
obtenidos en un vehículo no influyen en el otro

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

esta situación

Solución: Para esta parte del ejercicio nos apoyaremos en el programa Excel.

9
 Probabilidad binomial
100% 1.56E-07 4.40E-06 7.33E-05 8.01E-04 6.00E-03
3.12E-02
1.12E-01
99% 0.226502322
2.61E-01
98% 3.63E-01

97% 1 2 3 4 5
6
7
96% 10
8
95% 9

94%
1 2 3 4 5 6 7 8 9 10

vehículo P(x)

La interpretación del grafico anterior está ligada tanto al porcentaje como al índice de probabilidad
para cada automóvil, es decir, nos basamos en la tabla de probabilidad binomial que veremos más
adelante.

3.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera en exactamente 6 de los
10 vehículos seleccionados utilicen cinturones de seguridad?

Solución: Para resolver esta parte del ejercicio primero debemos conocer la fórmula de
probabilidad general la cual incluye el uso de combinatorias.

𝑛 = 10

𝜋 = 0.862

𝑃(𝑥) = 𝑛𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥

𝑃(𝑥 = 6) = 𝑛𝐶𝑥 ∗ (0.862)6 (1 − 0.862)10−6

𝑃(𝑥 = 6) = 210(0.41024)(0.00036)

𝑃(𝑥 = 6) = 0.031

4.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de por lo menos 6 de los
10 vehículos utilicen cinturón de seguridad?

10
Solución: para resolver este ejercicio he decidido apoyarme en Excel debido a que me tomaría
más tiempo el cálculo de cada caso, además de tener un aplicabilidad del tema.

P(x)
C (Probabilidad
# Vehículo (combinatoria) binomial)
1 10 1,56E-07
2 45 4,40E-06
3 120 7,33E-05
4 210 8,01E-04
5 252 6,00E-03
6 210 3,12E-02
7 120 1,12E-01
8 45 2,61E-01
9 10 3,63E-01
10 1 0,226502

Al final simplemente hacemos la sumatoria de las x mayores o iguales a 6:

𝑃(𝑥 ≥ 6) = 𝑃(𝑥 = 6) + 𝑃(𝑥 = 7) + 𝑃(𝑥 = 8) + 𝑃(𝑥 = 9) + 𝑃(𝑥 = 10)

𝑃(≥ 6) = 0.031 + 0.112 + 0.261 + 0.363 + 0.226
𝑃(𝑥 ≥ 7) = 0.993

5.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de máximo 6 de los 10
vehículos utilicen cinturón de seguridad?

Solución: Para resolver esta parte simplemente hacemos la sumatoria de los valores de x igual o
menores a 6 guiándonos de nuestra tabla anterior.

𝑃(𝑥 ≤ 6) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6)

𝑃(𝑥 ≤ 6) = 1,56 ∗ 10−7 + 4,40 ∗ 10−6 + 7,33 ∗ 10−5 + 8.01 ∗ 10−4 + 0.006 + 0.0312
𝑃(𝑥 ≤ 6) = 0,038

6.- Encuentre el valor esperado del número de vehículos en los que los ocupantes de la parte
delantera utilizan el cinturón de seguridad?

Solución: para esto simplemente multiplicamos el número de muestras por la probabilidad

11
𝑛 = 10

𝜋 = 0,862

𝑋 = (10)(0,862)

𝑋 = 8,62

Es decir que el número d vehículos esperados en los que sus ocupantes usaran cinturón de seguridad
está comprendido entre 8 y 9 si nos basamos en una muestra de 10 vehículos.

Nota: Apreciado tutor, debido que al principio del ejercicio decía que la muestra era de 10 vehículos
he decidido realizar el ejercicio basando en esta.

12
 CASO 3

El Baloto, es la lotería en línea de Colombia, supervisado por ETESA (Empresa territorial para la
salud). Es un juego que consiste en acertar 6, 5, 4 o 3 números en cualquier orden de una matriz
del 1 al 45; El jugador señala en un tarjetón los 6 números que escoge. Los números están
representados en 45 balotas numeradas del 1 al 45. Cada número aparece una sola vez y las
balotas ganadoras se seleccionan sin reemplazo. El premio acumulado se entrega a quien haga
coincidir los seis números.

45 balotas numeradas del 1 al 45. Cada número aparece una sola vez y las balotas ganadoras se
seleccionan sin reemplazo. El premio acumulado se entrega a quien haga coincidir los seis
números.

Presente un informe en el que como mínimo incluya:

1.- ¿Esta situación cumple con los supuestos de la distribución Hipergeométrica? Identifíquelos
(Sugerencia: Divida los 45 números en dos grupos: ganadores y no ganadores)
2.- Usando la distribución de probabilidad Hipergeométrica determinar la probabilidad de que el
jugador acierte los 6 números
3.- La empresa encargada del sorteo informa que la probabilidad de que coincidan todos los
números es de 1 en 8145060. ¿Qué significa esto en términos de probabilidad? Coincide esto con
su respuesta anterior.

El sorteo también otorga un premio si el jugador hace coincidir 3, 4 o 5 de los números ganadores

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

5) Calcule la probabilidad de que coincidan 4 de los 6 números ganadores
6) Calcule la probabilidad de que coincidan 5 de los 6 números ganadores
7) Con base en los resultados obtenidos, ¿usted invertiría dinero en el BALOTO?

DESARROLLO

1. Efectuando división de los 45 números en dos grupos llamados ganadores y no ganadores,

tenemos:
39 no ganadores
6 ganadores

Entonces los números ganadores corresponden a muestra desde el grupo A.

A continuación medimos probabilidad de obtener 0 ≤ 𝑥 ≤ 6 elementos del grupo de ganadores,
indicando que sí cumple con los supuestos de la distribución hipergeometrica.
Continuando con el enunciado, definiremos la distribución de probabilidad hipergeometrica:
N:45, de donde el grupo de ganadores es 6 y de no ganadores es 39.
M: tamaño de la muestra y N número de ganadores donde
x ―>número de ganadores
6 39
(𝑥 )(6−𝑥)
PX = x =
(45
6)
Donde 0≤x≤6

2. Usando la distribución de probabilidad Hipergeométrica determinar la probabilidad de que

el jugador acierte los 6 números.
13
Se determina por medio de la ecuación:

(𝑑 𝑁−𝑑
𝑥)( 𝑛−𝑥 )
𝑃(𝑥) =
(𝑁
𝑛)

(6 45−6
6)( 6−6 ) 1.(39
0) 1
P(6) = = =
(45
6) (45
6)
45!
39!−6!

39! .6! 6! 720 1

= = =
45! 45.44.43.42.41.40 5864443200 8145060
= 1.22773804 ∗ 10−7 = 0.000000122773804

3. La empresa encargada del sorteo informa que la probabilidad de que coincidan todos los
números es de 1 en 8145060. ¿Qué significa esto en términos de probabilidad? Coincide
esto con su respuesta anterior.

Sí coincide ya que 8145160 combinaciones posibles de 6 números para un total de 45 y solo una
combinación es la ganadora.

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

Aplicamos la formula anterior pero la incógnita x = 3
(𝑑 𝑁−𝑑
𝑥)( 𝑛−𝑥 )
𝑃(𝑥) =
(𝑁
𝑛)
6 46−6 6.5.4 39 39.38.37
(3)( 6−3 ) .( ) 20. 20.9139 182780
𝑃(6) = = 3! 3
= 3!
= = = 0.02244059589
(45
6) (45
6)
45.44.43.42.41.40
8145060 8145060
6!

5. Calcule la probabilidad de que coincidan 4 de los 6 números ganadores

(𝑑 𝑁−𝑑
𝑥)( 𝑛−𝑥 )
𝑃(𝑥) =
(𝑁
𝑛)

6.5 39 39.38
(6 45−6
4)( 6−4 )
.( ) 15. 2! 15.741 11115 741
𝑃(6) = = 2 2
= = = = 0.001364630831
(45
6) (45
6) 8145060 8145060 8145060 543004

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

(𝑑 𝑁−𝑑
𝑥)( 𝑛−𝑥 )
𝑃(𝑥) =
(𝑁
𝑛)

(6 45−6
5)( 6−5 ) 6.(39
1) 6.39 234 39
𝑃(6) = = = = = = 2.872807014 ∗ 10−5
(45
6) (45
6) 8145060 8145060 1357510

14
 7. Con base en los resultados obtenidos, ¿usted invertiría dinero en el BALOTO?

Invocando el decir de mucha gente que la esperanza es lo último que se pierde, sí compraría de
vez en cuando el Baloto.

Desarrollo de los ejercicios

Desarrollados con formulación de Distribución Hipergeometrica donde se obtiene éxitos y/o

fracasos en una población conocida de donde se toman muestras sin reemplazo existiendo
también éxitos y/o fracasos.

Se usa en cálculos de probabilidad de obtención de cierto número de éxitos en un espacio

muestral de n ensayos.
Este muestreo es con reemplazos e independiente de las pruebas o ensayos.

En el presente trabajo se empleó la fórmula matemática correspondiente y además se verifico

mediante hoja de Excel formulada para incluir los datos y obtener automáticamente la respuesta o
dato solicitado.
A continuación, se incluyen pantallazos de lo expresado.

Prueba Excel punto 3

Prueba Excel punto 4

15
Prueba Excel punto 5

Prueba Excel punto 6

16
17
 CONCLUSIÓN

Para finalizar podemos concluir que la solución de cada uno de los ejercicios anteriores fue de
gran ayuda para recordar los diferentes temas estudiados en el área de las probabilidades,
mediante la resolución de estos ejercicios pudimos colocar en práctica nuestros conocimientos
básicos en este área y por el medio del cual entendemos la necesidad de continuar estudiando y
practicando hasta llegar a un conocimiento pleno de las probabilidades. Es gracias a la aplicación
de las distribuciones de probabilidad que logramos resolver cada ejercicio planteado en el
siguiente trabajo y que nos serán de gran ayuda durante los futuros problemas que tengamos en
el transcurso de nuestra carrera ya sea en este curso o en otros.

18
 BIBLIOGRAFIA

 Martínez, C. (2011). Estadística Básica Aplicada. Ecoe, 4a edición. Recuperado

de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=199&docID=
10560355&tm=1489689688328
 M. Pliego López, R. M. Pérez, Estadística I (2004) 2nd ed., pp. 27-94. Madrid:
Paraninfo. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2081/ps/i.do?id=GALE%7CCX4052400006&v=2.1&u=
unad&it=r&p=GVRL&sw=w&asid=b039aa4c3b2b62b99f8129c3bb3ab60
 Peña, D. (2014). Fundamentos de Estadística. Alianza Editorial S.A. Edición electrónica.
Disponible en la base de datos de la biblioteca de la UNAD:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=121&docID=1102
8686&tm=1470689905871
 Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y estadística 1.
Distrito Federal, MÉXICO: Grupo Editorial Patria. Retrieved from Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=148&docID=1
1230886&tm=1489689899405
 Normas APA: http://normasapa.net/normas-apa-2016/

19