You are on page 1of 21

1

FASE 6 – DISTRIBUCIONES DE PROBABILIDAD

PRESENTADO A:
ADRIAN REINALDO VALENCIA
TUTOR FISICA

ELABORADO POR:

OMAR DIAZ – COD.

– COD.

– COD.

- COD.

– COD.

PROBABILIDAD

GRUPO # 100402_123

UNIVERSIDAD NACIONAL ABIERTA Y DISTANCIA (UNAD)

ESCUELA CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

19 DE ABRIL DE 2018

TOLIMA
2

INTRODUCCION

Para el desarrollo de esta actividad se debe manejar de buena forma las diferentes fórmulas
aplicadas a la probabilidad, la idea principal es grupalmente identificar las incógnitas y
desarrollarlas activamente, donde los estudiantes al solucionar los casos propuestos logran
adquirir destrezas en el desarrollo adecuado de problemas lo cual nos puede servir tanto a
nivel profesional como personal. Del mismo modo comprender algunos conceptos básicos de
la probabilidad.
3

Cuadro sinóptico:

Toman un número finito


Discretas
o infinito numerable

Variables aleatorias

Toman cualquier valor


Continuas dentro de un intervalo de
números reales.

Resultado
Variables experimento de
Binomial aleatorias Bernoulli
Variables aleatorias discretas q=1-p
y distribuciones de
probabilidad

Distribución de
Distancia
frecuencias relativas
de número de Tiempo
Distribuciones de Poisson eventos raros que
probabilidad ocurren Espacio

Hipergeométrica
4

ESTUDIO DE CASO 1

Supongamos que X es una variable aleatoria discreta y que x es uno de sus valores posibles.
La probabilidad de que la variable aleatoria X tome el valor específico x se representa por
medio de P(X = x). La función de probabilidad de una variable aleatoria es una
representación de las probabilidades de todos los resultados posibles. Esta representación
podría ser algebraica, gráfica o tabular. En el caso de las variables aleatorias discretas, un
sencillo método es enumerar las probabilidades de todos los resultados posibles de acuerdo
con los valores de x.

Una empresa nueva de buses del Sistema


Integrado de Transporte de Bogotá (SITP) ha
comenzado a dar servicio en un nuevo barrio. Se
ha registrado el número de usuarios que hay en
este barrio en el servicio a primera hora de la
mañana (5:00 a.m.). La tabla adjunta muestra la
proporción de cada uno de los días de la semana.

Número de usuarios 0 2 3 5 6 8 10 12 15

Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08

Si X es la variable que representa el número de usuarios que la empresa debe atender a la


hora de inicio del servicio, con base en esta información y haciendo uso de los conceptos de
variables aleatorias discretas y función de probabilidad, prepare un informe en el que debe
incluir como mínimo lo siguiente

1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.

2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.

3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho


usuarios del barrio esperando el servicio

4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios


del barrio esperando este servicio

5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro


usuarios del barrio en este servicio

6. El numero esperado de usuarios de este servicio y su desviación estándar

7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la
empresa

Solución

Número de usuarios 0 2 3 5 6 8 10 12 15

Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
5

0 + 2 + 3 + 5 + 6 + 8 + 10 + 12 + 15 61
Media = = ≈ 6.77
9 9
Número de Usuarios = 61

Varianza: S² =∑(𝑋 − 𝑀)/𝑁

1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.

Número de usuarios Proporción Acumulada


0 0.02 0.02
2 0.05 0.07
3 0.12 0.19
5 0.18 0.37
6 0.13 0.5
8 0.16 0.66
10 0.14 0.8
12 0.12 0.92
15 0.08 1

Función de probabilidad
0.2

0.15
Proporción

0.1

0.05

0
0 2 3 5 6 8 10 12 15
Número de usuarios

2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.

Número de usuarios Proporción Acumulada


0 0.02 0.02
2 0.05 0.07
3 0.12 0.19
5 0.18 0.37
6 0.13 0.5
8 0.16 0.66
10 0.14 0.8
12 0.12 0.92
15 0.08 1
6

Función de probabilidad acumulada


1.2
1
1
0.8 0.92
0.8
0.6
0.66
0.4 0.5
0.2 0.37
0.02 0.07 0.19
0
0 2 3 5 6 8 10 12 15

Acumulada

3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho

Teniendo en cuenta la tabla de distribución de probabilidad se puede observar la


probabilidad de que el número de usuarios sea 8 Pr(𝑋 = 8) = 0.16

4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios


del barrio esperando este servicio

Pr(𝑋 > 6) = 1 − Pr(𝑋 ≤ 6) = 1 − 0.5 = 0.5

5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro


usuarios del barrio en este servicio

Pr(𝑋 < 4) = Pr(𝑋 ≤ 3) = 0.19

6. El numero esperado de usuarios de este servicio y su desviación estándar

x: número de usuarios que hay que ofrecer a las 5:00 am

x P(x) xP(x) X–M (x-M)2 (x-M)2 P(x)

0 0,02 0 -7,46 55,65 1,1130

2 0,05 0,1 -5,46 29,81 1,49058

3 0,12 0,36 -4,46 19,8 2,3869

5 0,18 0,9 -2,46 6,05 1,0892

6 0,13 0,78 -1,46 2,13 0,2771

8 0,16 1,28 0,54 0,29 0,46656

10 0,14 1,4 2,54 6,45 0,9032


7

12 0,12 1,44 4,54 20,61 2,4733

15 0,08 1,2 7,54 56,85 4,5481

M = ∑𝑛𝑖=𝑛 𝑥𝑖 𝑃 (𝑥) = 7,46

M = 7,46
𝜎 2 (𝑥) = ∑𝑛𝑖=𝑛 (𝑥 − 𝑀)2 𝑃 (𝑥) = 14,3284

𝜎 (x)= √14,3284

𝜎 (x)= 3,785

7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la
empresa
Teniendo en cuenta los resultados obtenidos en los ejercicios realizados se puede
observar la probabilidad de que la empresa tenga entre 5 y 10 personas es del 61%
La mayor probabilidad es de 18% y corresponde a número de personas
La menor probabilidad es de 2% y corresponde a 0 número de personas, es decir es
muy poco probable que no se tengan usuarios a las 5:00am
8

ESTUDIO DEL 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 78.5% 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 8 vehículos.

Usando sus conocimientos sobre distribuciones discretas de


probabilidad, presente un informe en el que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución binomial.


Identifíquelos.

R: //

 Solo hay posibilidades de que en un vehículo en particular los ocupantes de la parte


delantera utilicen o no el cinturón de seguridad.
 Variable aleatoria es resultado de conteos; si, puesto que si el experimento se lo hace a
8 vehículos, se cuenta cuántos de ellos utilizan el cinturón de seguridad.
 La probabilidad de éxito es la misma de un ensayo a otro. Si, pues debido al estudio del
departamento de transporte Illinois, la probabilidad es del 78,5%

2. Diagrama de barras de la distribución de probabilidad binomial que representa


esta situación

R: //
9

P(A) 0,785
p(NA) 0,215

n x PROBABILIDAD
8 0 0,000005
1 0,000133
2 0,001704
3 0,012445
4 0,056798
5 0,165902
6 0,302868
7 0,315948
8 0,144197
TOTAL 1,00

3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de


los 8 vehículos seleccionados utilicen cinturones de seguridad.

R: // Utilizando la fórmula de distribución binomial

𝑛
𝑃(𝑛, 𝑥, 𝑝) = ( ) ∗ 𝑝 𝑥 ∗ 𝑞 𝑛−𝑥
𝑥
8
𝑃(8, 5, 0.785) = ( ) ∗ (0,785)5 ∗ (0,215)8−5
5
8!
𝑃(8, 5, 0.785) = ∗ (0,785)5 ∗ (0,215)3
5! ∗ (8 − 5)!
8!
𝑃(8, 5, 0.785) = ∗ (0,785)5 ∗ (0,215)3
5! ∗ 3!
𝑃(8, 5, 0.785) = 0,166

La probabilidad que se maneja es de 16,6% para el enunciado anterior


10

4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de


los 8 vehículos utilicen cinturón de seguridad

R: //
𝑃(𝑥 ≥ 5) = 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6) + 𝑃(𝑥 = 7) + 𝑝(𝑥 = 8)
8! 8! 8!
𝑃(𝑥 ≥ 5) = ( ∗ (0,785)5 ∗ (0,215)3 ) + ( ∗ (0,785)6 ∗ (0,215)2 ) + ( ∗ (0,785)7 ∗ (0,215)1 )
5! ∗ 3! 6! ∗ 2! 7! ∗ 1!
8!
+( ∗ (0,785)8 ∗ (0,215)0 )
8! ∗ 0!
𝑃(𝑥 ≥ 5) = 0,1659 + 0,3029 + 0,3159 + 0,1442
𝑃(𝑥 ≥ 5) = 0,9289
Con un 92,89% los de la parte delantera usan el cinturón de seguridad en por lo menos 5
vehículos.

5. Probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8


vehículos utilicen cinturón de seguridad.

R: //
𝑃(𝑥 ≤ 5) = 1 − 𝑃(𝑥 > 5)
𝑃(𝑥 ≤ 5) = 1 − [𝑃(𝑥 = 6) + 𝑃(𝑥 = 7) + 𝑝(𝑥 = 8)]
𝑃(𝑥 ≤ 5) = 1 − [0,3029 + 0,3159 + 0,1442]
𝑃(𝑥 ≤ 5) = 1 − 0,763
𝑃(𝑥 ≤ 5) = 0,237

La probabilidad de como máximo en 5 vehículos los de la parte delantera usen el cinturón de


seguridad es del 23,7%

6. Número de vehículos esperado en los que los ocupantes de la parte delantera


utilizan el cinturón de seguridad.

R: //
El valor esperado en una distribución binomial x B(n, p) es
E(x)=n*p
X B(8, 0.785)
E(x)= 8*(0,785)
E(x)=6,28 = 6 vehículos
11

ESTUDIO DEL CASO 3

Baloto es un juego novedoso de tipo loto en línea, de suerte y azar, donde el jugador elige 5
números del 1 al 43 y una súper balota con números del 1 al 16 a través de una terminal
de venta.

El juego consiste en acertar 5, 4 o 3 números en cualquier orden de una matriz del 1 al 43 y


otro número (súper balota) del 1 al 16.

El jugador señala en un tarjetón los 6 números que escoge. Los números están
representados en 43 balotas amarillas numeradas de 1 a las 43 y 16 balotas rojas
numeradas del 1 al 16. 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. En la tabla aparecen las opciones para ganar

Usando sus conocimientos sobre distribuciones discretas de probabilidad, presente un


informe en el que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución Hipergeometrica.


Identifíquelos.

Rta:
43 Números en 2 grupos ganadores y no pierden
- Ganan 5
- No ganan 38
- N=43
- K=5
- X=?
-
n N−k
( x )( n− k)
- n=5 P=
x=variable

0≤x≤5
12

5 38
( )( )
P = (X =X) = 𝑋 5−𝑋
43
( )
5

- Ganan 1 No Ganan 15

1 15
( )( )
P = (X = X) = 16
𝑋 1−𝑋
N=16
( ) 𝑑𝑒 16 𝑡𝑜𝑚𝑎𝑛 1
1

K=1 X=?
K= 1

Esta situación si cumple porque la distribución hipergeometrica es una distribución discreta.

2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números del


1 al 43 y la súper balota).
Rta:
5 38 38
( )( ) 1− ( ) 1𝑥1 1
P = (x = 5) = 5 5−5
43 = 43
0
= =
( ) ( ) 962598 962598
5 5

1 1
x = 0,000001038855265 ∙ 0,0652
962598 16

P(x)=0,000000006492848404
1 1
La probabilidad sería de P (X)= (962598)16
=
15401568

Es la posibilidad de 1 combinación entre 15401568

Es la probabilidad de 1 combinación entre 15401568 combinaciones para ganar

3. La empresa encargada del sorteo informa que hasta el sorteo anterior, la


posibilidad de ¨Pegarle al Gordo¨ era de 1 entre 8 millones, mientras que ahora
será de 1 entre 15 millones. Explique esta afirmación.

Rta:
43 16
( ) ( ) = 962598 ∙ 16 = 15401568
5 1
1
La probabilidad seria de
15401568

Es la probabilidad de 1 combinación entre 15401568 combinaciones para ganar


13

4. El sorteo también otorga otros premios (ver tabla.) presente la probabilidad de


obtener los premios que incluyen acertar balota.

Rta:

4 aciertos + 1 acierto
3 aciertos + 1 acierto
2 aciertos + 1 acierto
1 aciertos + 1 acierto
0 aciertos + 1 acierto

5 38 1 38
( )( ) ( ) ( ) 1 (5019802) 501942
a. 0 5
43 = 5
15
0
= = = 0,032590
( ) ( ) 962598 15404568
5 1
5 38 1 15
( )( ) ( ) ( ) 5 ∙38 1 190 1 190
b. 4 1
43 = 1
16
0
= ∙ = ∙ = = 0,0000123364862
( ) ( ) 962598 16 962598 16 15401568
5 1
5 38 1 15
( )( ) ( ) ( ) 10703 1 10703 1 10703
c. 3 2
43 = 1
16
0
= ∙ = ∙ = = 0,0004564470319
( ) ( ) 962598 16 15401868 16 15401868
5 1
5 38 1 15
( )( ) ( ) ( ) 10(8436) 1 84360
d. 2 3
43 = 1
16
0
= ∙ = = 0,00547736438
( ) ( ) 962598 16 15401568
5 1
5 38 1 15
( )( ) ( ) ( ) 5(73815) 1 369075
e. 1 4
43 = 1
16
0
= ∙ = = 0,02396469
( ) ( ) 962598 16 15401568
5 1

P= a + b + c + d + e = 0,624995736= 6, 25%

5. Presente la probabilidad de obtener los premios que no incluyen acertar la súper


balota.

Rta:

5 aciertos + 0 acierto

4 aciertos + 0 aciertos

3 aciertos + 0 aciertos

5 38 1 15
( )( ) ( ) ( ) 1 (1) 1(15) 1 15 15
𝑎. 5
43
0
= 0
16
1
= ∙ = ∙ = 0,0000009739268106
( ) ( ) 962598 16 962598 16 15451668
5 1
5 38 1 15
( )( ) ( ) ( ) 5 ∙38 15 190 15 2850
𝑏. 4 1
43 = 1
16
0
= ∙ = ∙ = = 0,000185046094
( ) ( ) 962598 16 962598 16 15401568
5 1
14

5 38 1 15
( )( ) ( ) ( ) 10(703) 15 7030 15 105450
𝑐. 3
43
1
= 0
16
1
= ∙ = ∙ = = 0,006846705478
( ) ( ) 962598 16 962598 16 15401568
5 1

P= a + b + c
P= 0,007032725499= 0,703%

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

Rta: Claramente nos muestra los resultados que es un sistema de juego con mucha
posibilidad de perder y muy poca de ganar.
15

ESTUDIO DEL CASO 4

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.

Los padres preocupados porque sus hijos son “propensos


a accidentes” pueden estar tranquilos, de acuerdo a un
estudio realizado por el Departamento de Pediatría de la
Universidad de California, San Francisco. Los niños que
se lesionan dos o más veces tienden a sufrir estas
lesiones durante un tiempo relativamente limitado, por
lo general un año o menos. El estudio determinó que el
número promedio de lesiones por año para niños en
edad escolar es de dos.

Usando sus conocimientos sobre distribuciones de probabilidad discretas, presente un


informe que como mínimo contenga:

1. Esta situación cumple con los supuestos de la distribución Poisson. Identifíquelos.

Esta situación si cumple con los supuestos de la distribución de Poisson porque cumple con:

 A mayor número de meses mayor probabilidad de que un niño se lesione.


 La probabilidad de que un niño se lesione en un año es independiente de la del año
siguiente.

2. Probabilidad de que un niño sufra tres lesiones durante el año.

𝑒 −2 23
𝑃= = 0.18
3!

3. Probabilidad de que un niño sufra más de tres lesiones durante el año.

La probabilidad de que un niño sufra más de tres lesiones en un año es la probabilidad total
menos la probabilidad de que un niño sufra sufra como máximo tres lesiones en el año, esto
es

𝑒 −2 23
𝑃(3,2) =
3!
16

𝑒 −2 22
𝑃(2,2) =
2!

𝑒 −2 21
𝑃(1,2) =
1!

𝑒 −2 20
𝑃(0,2) =
0!

𝑒 −2 23 𝑒 −2 22 𝑒 −2 21 𝑒 −2 20
𝑃 = 1− − − − = 0.14
3! 2! 1! 0!

4. Probabilidad de que un niño sufra una lesión en los siguientes tres meses del año.

Es lo mismo que decir, la probabilidad de que un niño sufra cuatro lesiones en un año
𝑒 −2 (2)4
𝑃(4,2) = = 0.09
4!

5. Número de lesiones esperado por año y su desviación estándar. Dentro de que limites se
espera entonces que caiga el número de lesiones por año.

El número de lesiones esperadas es

𝜆 = 2 𝑙𝑒𝑠𝑖𝑜𝑛𝑒𝑠 𝑝𝑜𝑟 𝑎ñ𝑜

La desviación estándar es

𝜎 = √𝜆 = √2 = 1.4142 ≈ 𝟏

Entonces se espera que las lesiones anuales caigan entre los límites 1 y 3 lesiones.

6. Realmente, pueden estar tranquilos los padres? Sustente su opinión en los resultados
obtenidos.

Los padres deberían tener cuidado porque no es para nada despreciable la probabilidad de
que sus hijos sufran varias lesiones al año y si estas lesiones son graves peor aún.

Resumen

Como observamos en esta situación se cumplen los dos supuestos:

 A mayor número de meses mayor probabilidad de que un niño se lesione.


 La probabilidad de que un niño se lesione en un año es independiente de la del año
siguiente.

Por lo tanto se puede utilizar la distribución de probabilidad de Poisson la cual viene dada
por
17

𝑒 −𝜆 𝜆𝑘
𝑃=
𝑘!

En donde:

 𝜆 → Es la el número esperado de lesiones en el año


 𝑘 → Es el número de lesiones a las cuales se le quiere conocer la probabilidad
 𝑃 → Probabilidad de que un número k de lesiones sabiendo que el número esperado
es 𝜆
18

ESTUDIO DEL CASO 5

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


Un C.I. de 100 es el promedio. En la figura siguiente se puede ver que la mayoría de la
población tiene el C.I. alrededor de 100. Existen menos personas que tienen el CI menor a
85 y muy pocos tienen el CI por encima de 115.

Una empresa que recluta personal para multinacionales, aplica 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:

1. Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.

95 − 100
𝑍= = −0.33
15

𝑍 = −0,33

𝑃(𝑍 ≤ −0,33) = 𝑃(𝑍 > 0,33) = 1 − 𝑃(𝑍 ≤ 0,33)

= 1 − 0,6293 = 𝟎, 𝟑𝟕𝟎𝟕

2. Porcentaje de personas podrían tener un C.I. superior a 95.

𝑍 = 0,3707

= 1 − 0,3707 = 𝟎, 𝟔𝟐𝟗𝟑
19

3. Probabilidad de que una persona tenga un C.I. entre 85 y 90

𝑿 = 𝟖𝟓

85 − 100
𝑍= = −1
15

𝑿 = 𝟗𝟎

90 − 100
𝑍= = −0,66
15

𝑃(−1 < 𝑍 < −0,66)

= 𝑃(𝑍 < −0,66) − 𝑃(𝑍 < −1)

= (1 − 0,7454) − (1 − 0,8413)

= 0,2546 − 0,1587

= 𝟎, 𝟎𝟗𝟓𝟗

4. 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).

𝑃(𝑍 < 𝑥) = 0,3

𝑍 = −0,5244

−05244(15) + 100 = 𝑥

𝒙 = 𝟗𝟐, 𝟏

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

𝑃 = 0,90

𝑍 = 1,2815

1,2815(15) + 100 = 𝑥
𝑥 = 𝟏𝟏𝟗, 𝟐𝟐𝟐𝟓

6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos

Z = 0,67

Máximo valor X = 100 + 0,67(15)

Mínimo valor x = 100 – 0,67(15)= 89,95


20

CONCLUSIÓN

ESTUDIANTE CONCLUSIÓN
(CASO1)
OMAR YOVANY FORERO DIAZ (CASO 2) Comprender en los diferentes casos de
estudio, lo útil de calcular la probabilidad en
donde se extraigan muestras o se realicen
experiencias repetidas sin devolución de
elementos extraídos o sin retornar a la
situación experimental inicial.

JOHN JAIRO BARRERO (CASO 3) Analizar las diferentes tipos de


probabilidades que puede existir en el
momento que una persona toma la decisión
de participar apostando en un juego de azar,
si puede existir favorabilidad o no.
(CASO 4)
CARLOS MARIO SALAZAR RIOS (CASO 5) Analizando la posible desviación estándar del
estudio podemos concluír que la probabilidad
nos da como resultado que el aspirante al
trabajo está dentro del tengo establecido en
promedio de inteligencia de la persona
promedio... dentro de los límites está en un
promedio bueno por lo cual pidiera ser
contratado fácilmente
21

BIBLIOGRAFIA

 Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 280 a


298. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=297&docID=
11013767&tm=1470693984628
 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica:
Probabilidad e inferencia. Página 58 a 77. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=59&docID=1
0995669&tm=1470694057290
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico
Nacional. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=224&docID=
3192101&tm=1512261758930

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=194&docID=
10436604&tm=1470693683773

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=239&docID=
10560355&tm=1489690264128
 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=b039aa4c3b2b62b99f8129c3bb3ab609
 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=
11028686&tm=1470689905871
 http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11230886
&p00=conceptos+generales+estad%C3%ADstica+descriptiva&ppg=46