UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERA DE SISTEMAS E INFORMTICA

Escuela Acadmico Profesional de Ingeniera de Sistemas e Informtica
SILABO DE ESTADISTICA II
1. DATOS GENERALES

Cdigo
: 204006
Prerrequisito
: 203005 Estadstica I
Crditos
: Cuatro (4)
Horas Semanales
: Cinco (Teora 3, Prctica 2)
Ciclo Acadmico
: Cuarto
Rgimen
: Obligatorio
Duracin
: 17 semanas
Semestre Acadmico : 2015-I
Docentes : Dra. Ilse Villavicencio Ramrez
(Seccin 1)
Lic. S. Orlando Giraldo Laguna
(Seccin 2 - Cordinador)
Lic. Jacinto Pedro Mendoza Sols (Seccin 3)

2. SUMILLA:
La asignatura corresponde al rea de formacin profesional general del Ingeniero de Sistemas, es de
carcter terico-prctico. Comprende el desarrollo de los temas fundamentales de la teora de la
probabilidad y de la inferencia estadstica paramtrica. Los contenidos estn agrupados en 5
unidades. Primera unidad: Espacio de probabilidad. Segunda unidad: Variable aleatoria,
caractersticas numricas y distribucin de probabilidad. Tercera unidad: Conceptos bsicos de
inferencia estadstica, muestreo y distribuciones muestrales. Cuarta unidad: Estimacin de
parmetros. Quinta unidad: Contraste de hiptesis.
3. COMPETENCIAS
3.1 COMPETENCIA GENERAL:
El estudiante, al concluir la asignatura, estar capacitado en altos niveles de competencia para
aplicar conceptos, principios y tcnicas para el clculo de probabilidades; asociar modelos
probabilsticos a fenmenos del mundo real; aplicar tcnicas de muestreo adecuadas al contexto del
problema que se aborda; utilizar adecuadamente las distribuciones muestrales; determinar tamaos
de muestra adecuados a situaciones particulares; construir intervalos de confianza para estimar
parmetros de inters; contrastar hiptesis, valorando la importancia de la estadstica en el ejercicio
profesional.
3.2 COMPETENCIAS ESPECFICAS:
Aplicar conceptos, principios y tcnicas para el clculo de probabilidades, en espacios
muestrales finitos e infinito numerables, valorando su importancia en la aplicacin a situaciones
reales.
Identificar conceptos, principios y tcnicas para el modelado de fenmenos aleatorios, usando el
enfoque de variable aleatoria, evaluando las caractersticas numricas y construyendo modelos
de probabilidad, valorando la importancia de su aplicacin en espacios muestrales infinito no
numerables.
Definir y aplicar conceptos, principios y tcnicas para la eleccin de una muestra aleatoria,
haciendo uso de las distribuciones muestrales, valorando su importancia en el proceso de
inferencia estadstica.
Definir y aplicar conceptos, principios y tcnicas para la construccin de intervalos de confianza,
un aspecto de la inferencia estadstica que permite estimar parmetros, valorando la importancia
de su uso en muchas reas del quehacer humano.

Definir y aplicar conceptos, principios y tcnicas para la prueba de hiptesis, contrastando la teora y
la realidad mediante una muestra, valorando su importancia como un problema de decisin de mucha
aplicacin en el quehacer profesional del ingeniero de sistemas.

4. METODO DE ENSEANZA/APRENDIZAJE
El docente, desarrollar la asignatura siguiendo criterios de mediacin, usando el mtodo inductivo,
flexible, participativo y constructivo. Las clases sern expositivas, con un enfoque terico-prctico,
promoviendo permanentemente la participacin activa de los estudiantes. Con este fin, se utilizar
las tcnicas de exposicin participativa, talleres y prcticas guiadas. Se elaborarn guas de
prcticas, orientadas a que el estudiante refuerce los conocimientos adquiridos en las clases tericas.
Se har uso de los medios de cmputo y de software estadstico para el procesamiento de los datos y
anlisis de la informacin.
Los estudiantes, participarn activamente a travs del desarrollo de problemas, estudio de casos,
talleres de creatividad, formando grupos pequeos de trabajo cooperativo.
5. PROGRAMACION DE CONTENIDOS
UNIDAD 1: ESPACIO DE PROBABILIDAD
COMPETENCIA:
Aplicar conceptos, principios y tcnicas para el clculo de probabilidades, en espacios muestrales
finitos e infinito numerables, valorando su importancia en la aplicacin a situaciones reales.
CAPACIDADES
Identifica fenmenos aleatorios, caracterizndolos completamente.
Describe, en un nivel aceptable, el espacio muestral asociado a un fenmeno aleatorio,
listando sus elementos por extensin y por comprensin.
Construye eventos y realiza operaciones con ellos, aplicando la teora de conjuntos.
Define axiomticamente la probabilidad, conoce sus propiedades y las demuestra.
Resuelve, en un nivel aceptable, probabilidades de eventos simples y compuestos, usando
propiedades bsicas y tcnicas de conteo.
Calcula probabilidades de eventos dependientes e independientes, haciendo un manejo
adecuado de sus propiedades.
SEM
.

CONTENIDOS
CONCEPTUALES
TEORIA

Fenmenos Aleatorios.
Espacio
Muestral
Asociado.
Eventos: Ocurrencia y
Operaciones
con
Eventos.
Probabilidad:
Propiedades
PRACTICA
Prctica dirigida sobre
fenmeno aleatorio, espacio
muestral, eventos.
TEORIA

Asignacin
de
Probabilidades a Eventos
en Espacios Finitos.
Mtodos
de

ESTRATEGIAS
DIDACTICAS

Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.

Mtodos: Deductivo,
lgico, activo, de
trabajo colectivo,
analtico.
Tcnicas: Expositiva

EVALUACION
CRITERIOS
INSTRUMENTOS

Comprensin y
aplicacin

Resolucin de ejercicios
y problemas, pruebas
especficas.

Comprensin
aplicacin y
anlisis,

Resolucin de ejercicios
y problemas, pruebas
especficas.

Enumeracin.
Aplicaciones.
PRACTICA
Prctica dirigida sobre
asignacin
de
probabilidades, aplicando
tcnicas de conteo.

con material de apoyo,

participativa, sesiones
de trabajo.

TEORIA

Probabilidad
Condicional: Definicin,
Propiedades.
Teorema
de
Multiplicacin. Teorema
de Probabilidad Total.
Teorema de Bayes.
Independencia
de
Eventos:
Definicin,
Propiedades.

PRACTICA

Prctica dirigida sobre

probabilidad condicional
e
independencia
de
eventos.

Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo,
analtico.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.

Comprensin
aplicacin y
anlisis.

Resolucin de ejercicios
y problemas, pruebas
especficas, prctica
calificada.

PRIMERA PRACTICA
CALIFICADA
BIBLIOGRAFA:

Mendenhall, Scheaffer, Wackerly, Estadstica Matemtica con Aplicaciones. Grupo Editorial

Iberoamrica. 1986.
Vliz Capuay Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.
Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. Cuarta edicin. 1992
UNIDAD 2: VARIABLE ALEATORIA Y DISTRIBUCION DE PROBABILIDAD
COMPETENCIA
Aplicar conceptos, principios y tcnicas para abordar fenmenos aleatorios, usando el enfoque de
variable aleatoria, clasificndolas, construyendo modelos de probabilidad segn su tipo, evaluando
sus caractersticas numricas y valorando la importancia de su aplicacin en espacios muestrales
infinito no numerables.
CAPACIDADES
Identifica las variables aleatorias y las clasifica segn su recorrido.
Aplica adecuadamente los conceptos para construir y hacer uso de distribuciones de
probabilidad de variable discreta y continua, calculando probabilidades de eventos de todo
tipo.
Construye la funcin de distribucin acumulativa de una variable discreta y continua.
Utiliza las distribuciones de probabilidad para obtener las caractersticas numricas de una
variable aleatoria, haciendo un manejo adecuado de sus propiedades.
Identifica y utiliza modelos de probabilidad especiales, asociados a fenmenos del mundo
real, tanto para variables aleatorias discretas como continuas.
SEM
.

CONTENIDOS
CONCEPTUALES

ESTRATEGIAS
DIDACTICAS

EVALUACION
CRITERIOS
INSTRUMENTOS

TEORIA

Definicin de una Variable

Aleatoria.
Tipos
de
Variables Aleatorias.
Variable aleatoria Discreta:
Funcin de Cuanta y
Distribucin de probabilidad.
Variable Aleatoria Continua:
Funcin de Densidad y
Distribucin de probabilidad.
Funcin de Distribucin
Acumulativa de una Variable
Aleatoria. Propiedades.

Mtodos: Deductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Comprensin y
aplicacin.

Resolucin de ejercicios
y problemas, pruebas
especficas.

PRACTICA
Prctica dirigida sobre variable
aleatoria y distribucin de
probabilidad.
TEORIA

Esperanza Matemtica de
una
Variable
Aleatoria:
Definicin. Propiedades.
Varianza de una Variable
Aleatoria:
Definicin.
Propiedades.
PRACTICA

Prctica
dirigida
sobre
esperanza y varianza de una
variable aleatoria.

Mtodos: Deductivo,
lgico, activo, de
trabajo colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Comprensin y
aplicacin.

Resolucin de ejercicios
y problemas, pruebas
especficas.

TEORIA

Distribuciones Especiales de
Variable Discreta: Bernoulli;
Binomial;
Poisson;
Geomtrica;
Pascal;
Hipergeomtrica.
PRACTICA

Prctica
dirigida
sobre
distribuciones especiales de
variable discreta.
TEORIA
Distribuciones Especiales de
Variable
Continua:
Uniforme;
Exponencial;
Normal:
Propiedades,
Estandarizacin, Manejo de
Tabla.
PRACTICA
Prctica dirigida sobre
distribuciones especiales de
variable continua.

Mtodos: Analgico,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Mtodos: Deductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Comprensin
aplicacin y
anlisis.

Comprensin
aplicacin y
anlisis.

Resolucin de ejercicios
y problemas, pruebas
especficas.

Resolucin de ejercicios
y problemas, pruebas
especficas, examen
parcial.

EXAMEN PARCIAL

BIBLIOGRAFA:

Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning.

Mendenhall, Scheaffer, Wackerly, Estadstica Matemtica con Aplicaciones. Grupo Editorial

Iberoamrica. 1986.
Vliz Capuay Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.
Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. Cuarta edicin. 1992

UNIDAD 3: MUESTREO Y DISTRIBUCIONES MUESTRALES

COMPETENCIA

Definir y aplicar conceptos, principios y tcnicas para la eleccin de una muestra aleatoria, tomando en
cuenta los diferentes diseos de muestreo, haciendo uso de las distribuciones muestrales, valorando su
importancia en el proceso de inferencia estadstica.

CAPACIDADES
Define, distingue y aplica correctamente los conceptos bsicos de la inferencia estadstica.
Clasifica y establece diferencias entre los mtodos de muestreo probabilstico, de modo tal que, de
acuerdo al contexto del problema que aborde, selecciona una muestra aleatoria aplicando el diseo
muestral correspondiente.
Distingue y utiliza adecuadamente las distribuciones en el muestreo, establece relaciones entre ellas,
calcula probabilidades mediante el uso de tablas y software estadstico, y aplica sus propiedades.

Distingue y hace uso correcto de las distribuciones muestrales correspondientes a cada una de las
estadsticas propuestas.

Utiliza, en un nivel aceptable, el Teorema del Lmite Central, valorando la importancia de su uso en
las aplicaciones prcticas.
SEM
.

CONTENIDOS
CONCEPTUALES
TEORIA

Conceptos
Bsicos
de
Inferencia
Estadstica:
Poblacin
Estadstica.
Muestra
Aleatoria.
Parmetros.
Estadsticas.
Estimador. Estimacin.
Inferencia
Estadstica:
Estimacin de Parmetros y
Prueba de Hiptesis.
Mtodos
comunes
de
Muestreo Aleatorio.
Distribuciones en el muestreo:
Ji Cuadrado; t de Student; F
de Snedecor. Uso de Tablas.

ESTRATEGIAS
DIDACTICAS

Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.

EVALUACION
CRITERIOS
INSTRUMENTOS

Comprensin
y aplicacin.

Resolucin de
ejercicios y problemas,
pruebas especficas.

PRACTICA

Prctica
dirigida
sobre
distribuciones en el muestreo.
10

TEORIA

Distribuciones
Muestrales:
Distribucin Muestral de la
Media Muestral.
Teorema del Lmite Central.
Distribucin Muestral de la
Varianza Muestral.
Distribucin Muestral de la
Proporcin Muestral.
PRACTICA

Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.

Comprensin
y aplicacin.

Resolucin de
ejercicios y problemas,
pruebas especficas.

Prctica
dirigida
sobre
distribuciones muestrales.
BIBLIOGRAFIA
Larson, H., Introduccin a la Teora de Probabilidad e Inferencia Estadstica. Limusa, 1989.
Mtacc Meza Mximo, Estadstica Descriptiva y Probabilidad. Editorial San Marcos.Vliz Capuay
Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.
UNIDAD 4: ESTIMACION DE PARAMETROS
COMPETENCIA

Definir y aplicar conceptos, principios y tcnicas para la construccin de intervalos de confianza, un aspecto
de la inferencia estadstica que permite estimar parmetros, valorando la importancia de su uso en el rea de
ingeniera de sistemas.

CAPACIDADES
Determina la razn por la que se hace estimacin de parmetros.
Identifica y distingue las propiedades de un estimador puntual y las aplica correctamente.
Construye y aplica intervalos de confianza para estimar el parmetro de una poblacin,
utilizando una muestra.
Construye y aplica intervalos de confianza para estimar parmetros de dos poblaciones
independientes, utilizando dos muestras.
SEM
.

11

CONTENIDOS
CONCEPTUALES
TEORIA

Estimacin
Puntual.
Propiedades
de
los
Estimadores. Estimacin
por Intervalos. Intervalo de
Confianza para la Media de
una Poblacin Normal. Casos.
Intervalo de Confianza para la
Varianza de una Poblacin
Normal.
Intervalo de Confianza para la
Proporcin de una Poblacin
de Bernoulli.

ESTRATEGIAS
DIDACTICAS

Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

EVALUACION
CRITERIOS
INSTRUMENTOS

Comprensin
aplicacin,
sntesis.

Resolucin de ejercicios
y problemas, pruebas
especficas.

Comprensin
aplicacin,
sntesis.

Resolucin de ejercicios
y problemas, pruebas
especficas, prctica
calificada

PRACTICA

Prctica dirigida sobre

intervalos de confianza para
un parmetro.
12

TEORIA

Intervalos de Confianza para

la Razn de Varianzas de dos
poblaciones normales.
Intervalo de Confianza para la
Diferencia de Medias de dos
Poblaciones
Normales
Independientes. Casos.
Intervalo de Confianza para
Datos Pareados.
Intervalo de Confianza para la

Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Diferencia de Proporciones en
Poblaciones de Bernoulli.
PRACTICA

Prctica
dirigida
sobre
intervalos de confianza para
dos parmetros.
SEGUNDA
CALIFICADA
BIBLIOGRAFA:

PRACTICA

Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning.

Mendenhall, Scheaffer, Wackerly, Estadstica Matemtica con Aplicaciones. Grupo Editorial
Iberoamrica. 1986.
Vliz Capuay Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.
Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. Cuarta edicin. 1992
Fuente < citar referencia abreviada>

UNIDAD 5: CONTRASTE DE HIPOTESIS

COMPETENCIA

Definir y aplicar conceptos, principios y tcnicas para la prueba de hiptesis, mediante una muestra,
valorando la importancia de su uso como un problema de decisin, de mucha aplicacin en el quehacer
profesional del ingeniero de sistemas.

CAPACIDADES
Define, distingue y aplica correctamente los conceptos bsicos de la prueba de hiptesis.
Determina la razn por la que se hace prueba de hiptesis.
Formula una hiptesis estadstica referente al valor de un parmetro, realiza el contraste
siguiendo el procedimiento adecuado, toma una decisin y la interpreta.
Compara dos parmetros siguiendo el procedimiento de prueba de hiptesis, toma una decisin y
la interpreta, valorando la importancia de su uso en el quehacer profesional del ingeniero de
sistemas.
SEM
.

CONTENIDOS
CONCEPTUALES

ESTRATEGIAS
DIDACTICAS

EVALUACION
CRITERIOS
INSTRUMENTOS

TEORIA

13

Las Hiptesis Estadsticas.

Errores en la
Prueba de Hiptesis: Error de
Tipo I y Error de Tipo II.
Regin Crtica: Nivel de
Significacin.
Prueba de Hiptesis para la
Media
de una Poblacin
Normal.

Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Comprensin
aplicacin,
sntesis,
evaluacin.

Resolucin de
ejercicios y problemas,
pruebas especficas.

PRACTICA

Prctica dirigida sobre

pruebas para la media.
14

TEORIA

Prueba de Hiptesis para la

Varianza de una Poblacin
Normal.
Prueba de Hiptesis para la
Proporcin de una Poblacin
de Bernoulli.
Prueba de Hiptesis para la
Diferencia
de
dos

Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Comprensin
aplicacin,
sntesis.,
evaluacin.

Resolucin de
ejercicios y problemas,
pruebas especficas.

Proporciones Poblacionales.
PRACTICA

Prctica dirigida sobre

pruebas de hiptesis para la
varianza y la proporcin.
TEORIA

15

Prueba de Hiptesis para la

Razn de dos Varianzas
poblacionales.
Prueba de Hiptesis para la
Diferencia de dos Medias
Poblacionales Independientes.
Casos: Varianzas Conocidas y
Varianzas
Desconocidas
(Iguales y Diferentes)
Prueba de Hiptesis para la
Media de Datos Pareados.

Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Comprensin
aplicacin,
sntesis.,
evaluacin.

Resolucin de
ejercicios y problemas,
pruebas especficas,
examen final.

PRACTICA

16
17

Prctica dirigida sobre

pruebas de hiptesis para
comparar dos parmetros.
EXAMEN FINAL
EXAMEN SUSTITUTORIO

BIBLIOGRAFIA
Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning. Sptima
Edicin, 2008.
Hines & Montgomery, Probabilidad y Estadstica para Ingeniera y Administracin. CECSA, 1986.
Mendenhall & Sincich, Probabilidad y Estadstica para Ingeniera y Ciencias. Prentice-Hall, 4
Edicin. 1997.
Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. 4 Edicin. 1996.
6. EVALUACION

La evaluacin de los estudiantes es integral, continua y permanente. Para el promedio final

se tomar en cuenta los siguientes conceptos: exmenes escritos, prcticas calificadas, desarrollo
de listas de ejercicios, informes escritos y participacin en clases.
CONCEPTO

Examen parcial (EP)

Examen final (EF)
Promedio de prcticas calificadas (PP)
Promedio de trabajos encargados
participacin en clases (PT)

PORCENTAJE

0.3
0.3
0.3
0.1

Se tomar en cuenta la destreza en el uso de las herramientas estadsticas, la claridad en el

lenguaje (oral y escrito), la pulcritud y orden en los exmenes e informes escritos.
El promedio final ponderado se obtendr de la siguiente manera:
P F = 0.3 EP + 0.3 EF + 0.3 PP + 0.1 PT

7. BIBLIOGRAFIA

BSICA
1. Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning.
Sptima Edicin, 2008.
2. Freund & Miller & Miller, Estadstica Matemtica con Aplicaciones. Pearson Educacin. 6
Edicin.
3. Freund & Walpole, Estadstica Matemtica con Aplicaciones. Prentice-Hall, 4 Edicin, 1990.
4. Hines & Montgomery, Probabilidad y Estadstica para Ingeniera y Administracin. CECSA,
1986.
5. Mendenhall, Scheaffer, Wackerly, Estadstica Matemtica con Aplicaciones. Grupo Editorial
Iberoamrica. 1986.
6. Mendenhall & Sincich, Probabilidad y Estadstica para Ingeniera y Ciencias. Prentice-Hall 4
Edicin. 1997.
7. Montgomery & Runger, Probabilidad y Estadstica aplicados a la Ingeniera. McGraw-Hill. 1
Edicin. 1996.
8. Scheaffer & McClave, Probabilidad y Estadstica para Ingeniera. Grupo Editorial
Iberoamrica. 1993.
9. Vliz Capuay Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.
10. Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. Cuarta edicin. 1992
COMPLEMENTARIA
1. Johnson Robert, Estadstica Elemental. Trillas. 2 Edicin.
2. Larson, H., Introduccin a la Teora de Probabilidad e Inferencia Estadstica. Limusa, 1989.
3. Meyer, P., Probabilidad y Aplicaciones Estadsticas. Addison-Wesley Iberoamericana, 1992.
4. Mtacc Meza Mximo, Estadstica Descriptiva y Probabilidad. Editorial San Marcos.
5. Mtacc Meza Mximo, Tpicos de Inferencia Estadstica. Editorial San Marcos.
6. Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. 4 Edicin. 1996.

ENLACES Y SITIOS WEB

http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/distribucion_normal.html
http://ar.answers.yahoo.com/question/index?qid=20080803091252AAyiMLy
http://webpages.ull.es/users/jjsalaza/curriculum/books/GOBCAN02.pdf
http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal2.pdf
http://www.hezkuntza.ejgv.euskadi.net/r43573/es/contenidos/informacion/dia6_sigma/es_sigma/adjuntos/sigma_27/4_distribucion_normal.pdf
http://www.areagratuita.com/descargasmd/apuntestrabajos/trabajos/matematicas/descargar_aportaciones_de_gauss_al_calculo_integral.pdf