You are on page 1of 18

´´AÑO DE LA CONSOLIDACIÓN DEL MAR DE

GRAU´´
UNIVERSIDAD NACIONAL DEL SANTA
ESCUELA INGENIERÍA MECÁNICA

INFORME: ESTADÍSTICA: CONCEPTOS Y APLICACIONES.

INTEGRANTES:
 VALENCIA CUBAS ALEXANDRA PAOLA.
 RODRÍGUEZ SALINAS EDWARD.

DOCENTE:
L.CALDERON.

Nuevo Chimbote, 08 de septiembre del 2016.


ESTADÍSTICA

I. HISTORIA DE LA ESTADÍSTICA:

Desde los comienzos de la civilización han existido formas sencillas de


estadísticas, pues ya se utilizaban representaciones gráficas y otros símbolos
en pieles, rocas, palos de madera y paredes de cuevas para contar el número
de personas, animales o ciertas cosas. Hacia el año 3000 A.C. losbabilonios ya
usaban pequeñas tablillas de arcilla para recopilar datos en tablas sobre la
producción agrícola y de los géneros vendidos o cambiados mediante trueque.
Loes egipcios analizaban los datos de la población y la renta del país mucho
antes de construir las pirámides en el siglo XXX1 A.C.

Los libros bíblicos de Numéricos incluyen, en algunas partes, trabajos de


estadística. El primero contiene 2 censos de la población de Israel y el segundo
describe el bienestar material de las diversas tribus judías.

En China existían registros numéricos con anterioridad al año 2000 A.C. Los
griegos clásicos realizaban censos cuya información se utilizaba hacia el año
594 A.C. para cobrar impuestos.

El imperio romano fue el primer gobierno que recopilo una gran cantidad de
datos sobre la población, superficie y renta de todos los territorios bajo su
control, superficie y renta de todos los territorios bajo su control. Durante la
Edad Media Sólo se realizaron algunos censos exhaustivos en Europa. Los
reyes carolingios Pipino el Breve y Carlomagno ordenaron hacer estudios
minuciosos de las propiedades de la iglesia en los años 758 y 762
respectivamente.

Después de la conquista normanda de Inglaterra en 1066, el rey Guillermo I de


Inglaterra encargó un censo. El registro de nacimientos y defunciones comenzó
en Inglaterra a principios del siglo XVI, y en 1662 apareció el primer estudio
estadístico notable de la población, titulado “ Observationsonthe London Bills of
Mortality” (comentarios sobre las partidas de defunción de Londres)

Un estudio similar sobre la tasa de mortalidad en la ciudad de Breslau, en


Alemania, realizado en 1691, fue utilizado por el astrónomo ingles Edmund
Halley como base para la primera tabla de mortalidad. En el siglo XIX, con la
generalización del método científico para estudiar todos los fenómenos de las
ciencias naturales y sociales, los investigadores aceptaron la necesidad de
reducir a información a valores numéricos para evitar ambigüedad de las
descripciones verbales.

La Estadística se comenzó a desarrollar en las primeras civilizaciones como


una Ciencia Social, a partir de la necesidad de mediciones que tenía el Estado
para estudiar la población, de ahí deriva su nombre. En esta etapa, la disciplina
estaba acotada a realizar cálculos que resumieran los datos recogidos,
construir tablas y gráficos con medidas de resumen tales como promedios y
porcentajes. Este tipo de Estadística es aún hoy de gran importancia para la
sociedad y en la mayoría de los países está a cargo de instituciones oficiales

En nuestros días, la estadística se ha convertido en un método efectivo para


describir con exactitud de los valores de los datos económicos, políticos,
sociales, psicológicos, biológicos y físicos, y sirve como herramienta para
relacionar y analizar dichos datos.

El trabajo de un estadístico no consiste en solo reunir y tabular los datos, sino


sobre todo el proceso de interpretación de esa información. El desarrollo de la
teoría de la probabilidad ha aumentado el alcance de las aplicaciones de la
estadística, utilizandodeterminadas distribuciones probabilísticas; los resultados
de estas se pueden utilizar para analizar datos estadísticos-

La probabilidad es útil para comprobar la fiabilidad de las inferencias


estadísticas y para predecir el tipo de cantidad de datos necesarios en un
determinado estudio estadístico.

II. ¿QUÉ ES LA ESTADISTICA?

La definición más común de estadística es aquella que la define como “La rama
del saber que trata del desarrollo y aplicación de métodos eficientes de
recolección, elaboración, presentación, análisis e interpretación de datos
numéricos.
De manera que cuando haya que realizar una o varias de esas tareas, allí debe
aplicarse la estadística, la cual permite también medir el error que se comete al
hacer afirmaciones con base en los datos, determinando el grado de confianza
que merecen las conclusiones, lo cual es imposible de realizar si no se aplican
los métodos estadísticos para planear y ejecutar la recolección de los datos,
elaborarlos y analizarlos. En la práctica, la estadística cambia de nombre según
el campo de aplicación. En las ciencias biológicas se denomina bioestadística,
en el estudio de la población humana se llama estadística demográfica,
aplicada al campo de la salid, lógicamente toma su nombre (estadística de
salud) y utiliza métodos de la estadística demográfica, de la bioestadística, de
la estadística económica y de la estadística social.

La estadística es una ciencia teórica que forma parte de las ciencias


matemáticas, al aplicarla a otras disciplinas se tienen que cumplir ciertas
condiciones para que su uso sea correcto. Sus leyes y fórmulas se basan en
poblaciones numéricas, en general, bien definidas aunque sean casi siempre
infinitas, además, sus elementos suelen ser números sin errores de medida. Al
aplicar los principios estadísticos a disciplinas distintas de las matemáticas hay
que tener en cuenta que las poblaciones casi nunca son infinitas y que los
valores, en muchos casos suelen proceder de medidas realizadas sobre
magnitudes que no se pueden evaluar con mucha exactitud. Si no se tienen en
cuenta las diferencias entre estadística matemática y aplicada, se pueden
cometer errores muy importantes.

Los conceptos y métodos estadísticos no son solo útiles sino que con
frecuencia son indispensables pata entender el mundo que nos rodea.
Proporcionan formas de obtener ideas nuevas del comportamiento de muchos
fenómenos que se presentarán en su campo de especialización escogido.

La disciplina de estadística nos enseña cómo realizar juicios inteligentes y


tomar decisiones informadas entre la presencia de incertidumbre y variación.
Sin incertidumbre y variación, habría poca necesidad de métodos estadísticos o
de profesionales en estadística.
 ESTADISTISTICA DESCRIPTIVA E INFERENCIAL:

Para facilitar el estudio de la estadística, esta se divide en varias áreas:

La teoría estadística o estadística matemática, que se especializa en el estudio


teórico del fundamento matemático de los métodos estadísticos, la estadística
aplicada comprende el estudio d la aplicación de esos métodos a las diversas
ramas del saber.

También para facilitar su estudio, la Estadística aplicada se puede separar en 2


áreas, las cuales no son independientes, sino que se combinan para lograr los
objetivos de la forma más eficiente.

En una de ellas se estudian los métodos de recolección, elaboración, análisis


básico y presentación de datos numéricos, por ejemplo: la recolección de datos
por entrevista, construcción de cuadros estadísticos, cálculo de porcentajes,
etc. A esta área se le llama ESTADÍSTICA DESCRIPTIVA. La estadística
descriptiva se puede definir como los métodos estadísticos que pretenden
describir las características más importantes de un conjunto de datos, sea que
provenga de una muestra o de una población. Utiliza técnicas estadísticas,
como la representación gráfica, cuadros estadísticos, medidas de posición y de
variabilidad.

Uno de los propósitos fundamentales de los métodos estadísticos es utilizar


estadísticos muestrales para estimar los parámetros de la población. A este
proceso de utilizar los estadísticos muestrales para llegar a conclusiones
acerca de los verdaderos parámetros de la población, se le llama inferencia
estadística o ESTADÍSTICA INFERENCIAL, donde se estudian los métodos
mediante los cuales es posible describir con los métodos de la Estadística
Descriptiva, las características de un conjunto, estudiando solo una parte del
mismo, o con base a un pequeño experimento, sacar conclusiones validad para
todos los casos iguales. Para esto se recurre al empleo del cálculo de
probabilidades. La inferencia Estadística permite así llegar a conclusiones
válidas con el mínimo de recursos posibles.

La estadística inferencial generaliza los resultados observados en una muestra


a toda la población bajo estudio, por medio del planteamiento y pruebas de
hipótesis y cálculo de intervalos de confianza; se aplica a problemas como
estimar, mediante pruebas, el rendimiento promedio de un proceso químico,
verificar las especificaciones de producción a partir de mediciones efectuadas
sobre muestras o predecir los residuos de cloro en una piscina bañándose en
una muestra de datos tomados en ciertos periodos de tiempo.

VARIABLES

Una variable estadística es una propiedad que puede fluctuar y cuya variación
es susceptible de adoptar diferentes valores, los cuales pueden medirse u
observarse. Las variables adquieren valor cuando se relacionan con otras
variables, es decir, si forman parte de una hipótesis o de una teoría. En este
caso se las denomina constructos o construcciones hipotéticas.
Se le llama variable a aquel elemento de un algoritmo, fórmula o proposición
que representa un elemento no especificado de un determinad conjunto. A este
conjunto se lo conoce bajo el nombre de universo de la variable y cada uno de
sus elementos es un valor de la variable.
Es el conjunto de valores que puede tomar cierta característica de la población
sobre la que se realiza el estudio estadístico.
Estas variables pueden ser: la edad, el peso, las notas de un examen, etc.

CLASIFICACIÓN

 VARIABLES CUALITATIVAS

Las variables cualitativas se refieren a características o cualidades que no


pueden ser medidas con números.
Podemos distinguir dos tipos:
 ORDINAL O CASI CUANTITATIVA:

La variable puede tomar distintos valores ordenados siguiendo una


escala establecida, aunque no es necesario que el intervalo entre
mediciones sea uniforme, por ejemplo: leve, moderado, fuerte.

 NOMINAL:

En esta variable los valores no pueden ser sometidos a un criterio de


orden, como por ejemplo los colores.

Ejemplo:
Partido político al que votó; región en que vive; sexo; estado civil; marca
de coche que conduce...

 VARIABLES CUANTITATIVAS

Son las variables que toman como argumento cantidades numéricas,


son variables matemáticas.

Las variables cuantitativas además pueden ser:

 CONTINUA:

Con una variable continua hay inevitablemente un error de medida


Puede tomar un valor fijo dentro de un intervalo determinado. Y siempre
entre dos valores observables va a existir un tercer valor intermedio que
también podría tomar la variable continua. Una variable continua toma
valores a lo largo de un continuo, esto es, en todo un intervalo de
valores. Un atributo esencial de una variable continua es que, a
diferencia de una variable discreta, nunca puede ser medida con
exactitud; el valor observado depende en gran medida de la precisión de
los instrumentos de medición.
Con una variable continua hay inevitablemente un error de medida.
Como ejemplo, la estatura de una persona
Con una variable continua hay inevitablemente un error de medida

Ejemplo:
La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.

 DISCRETA:

Una variable discreta es aquella que solo puede tomar un número finito
de valores entre dos valores cualesquiera de una característica.
Es una variable que solo puede tomar algunos valores dentro de un
mínimo conjunto numerable, es decir, no acepta cualquier valor,
únicamente aquellos que pertenecen al conjunto. Estas variables se dan
de modo coherente separaciones entre valores observables sucesivos.
Dicho con más rigor, se define una variable discreta como la variable
que hay entre dos valores observables (potencialmente), hay por lo
menos un valor no observable (potencialmente).
Ejemplo:
El número de hermanos de 5 amigos: 2, 1, 0, 1, 3.

 VARIABLE BIDIMENSIONAL

Es una variable en la que cada individuo está definido por un par de


caracteres (X,Y).

Estos dos caracteres son a su vez variables estadísticas en las que si


existen relación entre ellas, una de las dos variables es la variable
independiente y la otra es la dependiente.
 VARIABLE INDEPENDIENTE

Una variable independiente es aquella cuyo valor no depende de otra


variable. Es aquella característica o propiedad que se supone es la causa
del fenómeno estudiado. En investigación experimental se llama así a
la variable que el investigador manipula.

Las variables independientes son las que el investigador escoge para


establecer agrupaciones en el estudio, clasificando intrínsecamente a los
casos del mismo. Un tipo especial son las variables de control, que
modifican al resto de las variables independientes y que de no tenerse en
cuenta adecuadamente pueden alterar los resultados por medio de
un sesgo.

La variable independiente se suele representar en el eje de abscisas.

La variable independiente es la que se le asignan valores arbitrarios

 VARIABLE DEPENDIENTE

Una variable dependiente es aquella cuyos valores dependen de los que


tomen otra variable. La variable dependiente en una función que suele
representar por y. La variable dependiente se representa en el eje
ordenadas. Son las variables de respuesta que se observan en el estudio, y
que podrían estar influidas por los valores de las variables independientes.

Hayman (1974 : 69) la define como propiedad o característica que se trata


de cambiar mediante la manipulación de la variable independiente.

La variable dependiente es el factor que es observado y medido para


determinar el efecto de la variable independiente.

 VARIABLE ALEATORIA

Una variable aleatoria puede concebirse como un valor numérico que está
afectado por el azar. Dada una variable aleatoria no es posible conocer con
certeza el valor que tomará está al ser medida o determinada, aunque sí se
conoce que existe una distribución de probabilidad asociada al conjunto de
valores posibles.

Por ejemplo, en una epidemia de cólera, se sabe que una persona


cualquiera puede enfermar o no (suceso), pero no se sabe cuál de los dos
sucesos va a ocurrir.

Solamente se puede decir que existe una probabilidad de que la persona


enferme.

Para trabajar de manera sólida con variables aleatorias en general es


necesario considerar un gran número de experimentos aleatorios, para su
tratamiento estadístico, cuantificar los resultados de modo que se asigne un
número real a cada uno de los resultados posibles del experimento. De este
modo se establece una relación funcional entre elementos del espacio
muestral asociado al experimento y números reales.

 DISCRETA:

Una una variable aleatorea es discreta si su recorrido es un conjunto


discreto.
Se denomina variable aleatoria discreta aquella que sólo puede
tomar un número finito de valores dentro de un intervalo.
Ejemplo:
El número de componentes de una manada de lobos, puede ser 4 ó 5
ó 6 individuos pero nunca 5,75 ó 5,87.
Otros ejemplos de variable discreta serían el número de pollos de
gorrión que llegan a volar del nido o el sexo de los componentes de
un grupo familiar de babuinos.

 CONTINUA:

Una variable aleatorea es continua si su recorrido es un conjunto no


numerable. Intuitivamente esto significa que el conjunto de posibles
valores de la variable abarca todo un intervalo de números reales.
Ejemplo:
La variable que asigna la estatura a una persona extraída de una
determinada población es una variable continua ya que, teóricamente,
todo valor entre, pongamos por caso, 0 y 2,50 m, es posible.

 VARIABLE BINOMINAL

La variable aleatoria binomial, X, expresa el número de éxitos obtenidos


en cada prueba del experimento.
La variable binomial es una variable aleatoria discreta, sólo puede tomar
los valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n
pruebas.
La distribución binomial es típica de las variables que proceden de un
experimento que cumple las siguientes condiciones:

1) El experimento está compuesto de n pruebas iguales, siendo n un


número natural fijo.

2) Cada prueba resulta en un suceso que cumple las propiedades de


la variable binómica o de Bernouilli, es decir, sólo existen dos posibles
resultados, mutuamente excluyentes, que se denominan generalmente
como éxito y fracaso.

3) La probabilidad del ‚éxito (o del fracaso) es constante en todas las


pruebas. P(éxito) = p ; P(fracaso) = 1 - p = q

4) Las pruebas son estadísticamente independientes

Ejemplo:
k = 6, al lanzar una moneda 10 veces y obtener 6 caras.
NIVELES O ESCALAS DE MEDICIÓN

La medición puede definirse como la asignación de números a objetos y


eventos de acuerdo con ciertas reglas; la manera como se asignan esos
números determina el tipo de escala de medición (Stevens, 1946; Cohen y
Cohen, 1975; Saris y Stronkhorst, 1984).

Una escala de medición es el conjunto de los posibles valores que una cierta
variable puede tomar. El nivel en que una variable puede ser medida determina
las propiedades de medición de una variable, el tipo de operaciones
matemáticas que puede usarse apropiadamente con dicho nivel, las fórmulas y
procedimientos estadísticos que se utilizan para el análisis de datos y la prueba
de hipótesis teóricas.

ESCALAS DE MEDICIÓN EN ESTADÍSTICA

Según Stevens (1946,1957) las escalas o niveles de medición se clasifican en


4 grupos: escala nominal, ordinal, intervalo y escala de razón.

Las dos primeras (nominal y ordinal) se conocen como escalas categóricas, y


las dos últimas (intervalo y razón) como escalas numéricas. Las escalas
categóricas se usan comúnmente para variables cualitativas, mientras que las
numéricas son adecuadas para la medición de variables cuantitativas.

Fuente: Jorge Coronado Padilla. (2007). Escalas de Medidas. Paradigmas Vol2


Escala Nominal

Es la escala más elemental y la forma más rudimentaria de medir.

Una escala de medición es nominal si los datos son etiquetas o categorías que
se usan para definir un atributo de un elemento, utilizándose letras, símbolos e
incluso números para distinguir agrupamientos. En el caso de usar números,
cabe recalcar que estos no poseen propiedades cuantitativas y sirven
únicamente para identificar las clases, es decir, cumplen una función
puramente de clasificación y no se pueden manipular aritméticamente; cada
cifra representa una categoríadiferente.

En esta escala se tienen dos o más categorías del ítem o variable medida.Las
variables nominales que incluyen dos categorías se denominan dicotómicas,
como por ejemplo, el sexo (masculino o femenino). Las variables con tres o
más categorías se denominan multicotómicas o policotómicas. Son ejemplos
de estas variables las siguientes: filiación política o carrera elegida.

Los datos empleados con las escalas nominales constan generalmente de la


frecuencia de los valores o de la tabulación de número de casos en cada clase,
según la variable que se está estudiando, permitiéndose la operación
matemática del conteo.Las escalas nominales sólo admiten el cálculo de
proporciones, porcentajes y razones.Para exhibir este tipo de información se
usan con mayor frecuencia tablas de contingencia y gráficas de barras.

Ejemplo1:Cuando se estudia el desempleo de un país y se incluye la variable


sexo, se codifica masculino como 1 y femenino como 2, donde los números 1 y
2 representan categorías de datos.

Ejemplo2: El estado de una persona para determinada enfermedad se puede


clasificar como “sano” o “enfermo” o bien como “1” o “2”.

Escala Ordinal

Las clases en las escalas ordinales no solo se diferencian unas de otras


(característica que define a las escalas nominales) sino que mantiene una
especie de relación entre sí. También permite asignar un lugar específico a
cada objeto de un mismo conjunto, de acuerdo con la intensidad, fuerza, etc.;
presentes en el momento de la medición, mostrándose un ordenamiento donde
existe el “mayor que o menor que” entre ellas. Las etiquetas, símbolos o
números asignados si indican jerarquía. Si utilizamos números, la magnitud de
estos no es arbitraria sino que representa el orden del rango del atributo
observado.

La distancia entre puntos de la escala no es constante: no se puede determinar


la distancia entre las categorías, sólo es interpretable el orden entre sus
valores, es decir que aunque hay orden entre las categorías, la diferencia entre
dos categorías adyacentes no es la misma en toda la extensión de la escala.

En este tipo de escalas, los datos son mutuamente excluyentes (un individuo o
medición pertenece únicamente a una categoría), y exhaustiva (cada individuo,
objeto o medición, debe pertenecer, obligatoriamente, a una cualquiera de las
categorías).

Desde el punto de vista matemático, y al igual que las escalas nominales, las
escalas ordinales sólo admiten el cálculo de proporciones, porcentajes y
razones.

Ejemplo1: Asignación del orden de atención según llegada de pacientes a una


consulta médica (primer turno, segundo turno, tercer turno, etc.).

Ejemplo2: Etapa de desarrollo de un ser vivo (recién nacido, lactante, niño,


joven, adulto, anciano).

Ejemplo3: Grados de desnutrición de la población infantil en una región (leve,


moderada y severa)

Escala de Intervalos

También conocida como escala de cardinales. Esta escala mide las variables
de manera numérica.

Aquí puede establecerse orden entre sus valores, hacerse comparaciones de


igualdad, y medir la distancia existente entre cada valor de la escala es decir
puede establecer “distancia” entre dos individuos, donde puede saberse
cuántas unidades de más tiene una unidad observacional comparada con otra,
con relación a cierta característica analizada indicando exactamente la
separación entre 2 puntos, lo cual, de acuerdo al principio de isomorfismos, se
traduce en la certeza de que los objetos así medidos están igualmente
separados a la distancia o magnitud expresada en la escala.

El valorcero de la escala no es absoluto, sino un cero arbitrario: El cero no


representa conceptos como ‘ninguno’, ‘vacío’ o ‘nada’; es decir, cero no
representa la ausencia de la característica medida; representa un punto
conveniente del cual se marcan intervalos de igual magnitud para construir la
escala. Este punto podría colocarse en cualquier posición dentro del rango
posible de la variable que se mide.

Desde el punto de vista matemático, las operaciones aritméticas de


multiplicación y división no son apropiadas, las escalas de intervalo admiten el
cálculo de proporciones, porcentajes y razones; además, permite estimar
estadísticos como: la media aritmética, mediana, moda, rangos y desviación
estándar.

Ejemplo1: En la escala de temperatura centígrada puede decirse que la


distancia entre 25° y 30°C es la misma que la existente entre 20° y 25° C, pero
no puede afirmarse que una temperatura de 40° C equivale al doble de 20°C
en cuanto a intensidad de calor se refiere, debido a la ausencia de cero
absoluto.

Ejemplo2:Sobrepeso respecto de un patrón de comparación.

Escala de Razón

Tambien conocida como escala de proporción o cociente. Corresponde al nivel


de medición más completo. Tiene las mismas propiedades que la escala de
intervalos, y además posee el cero absoluto. Aquí el valor cero no es arbitrario,
pues representa la ausencia total de la magnitud que se está midiendo. Con
esta escala se puede realizar cualquier operación lógica (ordenamiento,
comparación) y aritmética. A iguales diferencias entre los números asignados
corresponden iguales diferencias en el grado de atributo presente en el objeto
de estudio. Ejemplos: longitud, peso, distancia, ingresos, precios.Con esto
notamos que esta escala no puede ser usada en los fenómenos psicológicos,
pues no se puede hablar de cero inteligencia o cero aprendizaje, etc.

Desde el punto de vista matemático, las escalas de razón admitenel cálculo de


todo tipo de operaciones aritméticas, obtener razones y proporciones, así como
la estimación de un buen número de estimadores estadísticos. La Economía y
la Demografía son las áreas que más utilizan este tipo de escalas.

Ejemplo1: Número de hijos en una familia.

Ejemplo2: Estatura de las personas.

Ejemplo3: Litros de agua consumidos por persona al día.

 Ejemplos que tienen que ver especificamente con las ciencias de la


salud:

Ejemplo1:
Un médico desea determinar la influencia de la Edad (años cumplidos) sobre
las enfermedades respiratorias, en los habitantes de Nuevo Chimbote, Ancash.

Variable independiente: Edad


Escala de razón
Variable cuantitativa continua
Variable dependiente: Enfermedades cardíacas
Escala nominal
Variable cualitativa nominal
Variables intervinientes: Calidad de alimentación (buena regular, mala)
Escala ordinal
Variable cualitativa ordinal

Ejemplo 2:
Un investigador desea determinar si el astigmatismo influye en el rendimiento
promedio (puntos) de los estudiantes del segundo ciclo de Medicina
(Universidad Nacional del Santa)
Variable independiente: Presencia de astigmatismo
Escala nominal
Variable cualitativa nominal
Variable dependiente: Rendimiento promedio
Escala intervalo
Variable cuantitativa continua
Variables intervinientes: Cumple con el tratamiento
Escala nominal
Variable cualitativa nominal
Referencias
 Giampaolo Orlandoni Merli. (2010). Escalas de Medición en Estadística. En Telos, vol12
(págs. 243-247). Maracaibo.

 Jorge Coronado Padilla. (2007). Escalas de Medidas. En C. u. Unitec, Paradigmas Vol2


(págs. 104-125). Bogotá: ISSN 1909-4302 .

 Mario Triola (2004) Estadística. México: Pearson, Addison Wesley.


 ANDERSON, D. SWEENEY D. y Williams, T. (1982, 2005).
 stadística para administración y economía. México: Thomson editores.

 CHISTENSEN, H. (1990). Estadística paso a paso. México: trillas 3era edición.


 GIMENEZ, J. (S.F). Matemática V. Caracas: Ediciones Eneva.
 SPIEGEL MURRAY R. ,SCHILLER JOHN J. ,SRINIVASAN R. ALU. Probabilidad y Estadística.
Editorial Mc Graw Hil. 2da edición.
 Sheldon M. Ross. (2007), Introducción a la bioestadística.
 Rafael Álvarez Cáceres (2007) ,Estadística aplicadas a las ciencias de la salud
 Michael J. Evans (2005), Probabilidad y Estadística