PROBABILIDAD

Actividad reto 2 probabilidad condicional y distribuciones de probabilidad

PRESENTADO A:
 LIZLEY REYES

PRESENTADO POR:
CRISTHIAN CAMILO LUGO MONROY
OSCAR ANDRES LUGO
ANDRES FELIPE JARAMILLO
CODIGO: 100402A_762

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

FACULTAD DE CIENCIAS EMPRESARIALES.
JUNIO 2020
NEIVA- HUILA
 INTRODUCCION

El siguiente trabajo se realiza con la intención de trasmitir y aprender la importancia de la

probabilidad condicional y distribuciones de probabilidad, para que y de que se trata cada uno de
los siguientes temas, se realiza mediante conceptos, preguntas e información personal.
Estudios de caso estudiante N°1: ANDRES FELIPE JARAMILLO ACOSTA

(D. Hipergeométrica): De 50 personas seleccionadas de una determinada empresa, 20

de ellas son técnicos y 40 son profesionales de cierta área de la lingüística. Si se
selecciona aleatoriamente una muestra de 12 personas, ¿Cuál es la probabilidad de
que:
1. 6 de ellos sean tecnólogos?
N=50 personas
n=12 personas
d=20tecnologos
x=6 tecnologos

20 50−20
P ( X=6 )=
( 6 )( 12−6 )
=0,1896
50
(12)
2. 7 de ellos sean profesionales?
N=50 personas
n=12 personas
d=40 profesionales
x=7 profesionales

40 50−40
P ( X=7 )=
( 7 )( 12−7 )
=0,0387
50
(12)
(Distribución binomial). En una empresa el 25% de los empleados tienen estudios de
posgrado. Se elige aleatoriamente una muestra de 20 trabajadores. Si X es la variable
aleatoria que representa el número de trabajadores con postgrado, encuéntrese:
n!
P ( x=k ) =Cnk pk qn−k = pk qn−k
k ! ( n−k ) !
p=0,25
n=20
q=0,75
1. P( X ≤ 4)
 P ( x=0 )=C 20 0 20−0
0 ¿ 0,25 ¿ 0,75 =0,0031
20 1 20−1
P ( x=1 )=C 1 ¿ 0,25 ¿ 0,75 =0,021
P ( x=2 )=C 20 2 20−2
2 ¿ 0,25 ¿ 0,75 =0,067
20 3 20−3
P ( x=3 )=C 3 ¿ 0,25 ¿ 0,75 =0,133
P ( x=4 )=C 20 4 20− 4
4 ¿ 0,25 ¿ 0,75 =0,189

P ( X ≤ 4 ) =0,414

2. P( X < 4)

P ( x=0 )=C 20 0 20−0

0 ¿ 0,25 ¿ 0,75 =0,0031
20 1 20−1
P ( x=1 )=C 1 ¿ 0,25 ¿ 0,75 =0,021
P ( x=2 )=C 20 2 20−2
2 ¿ 0,25 ¿ 0,75 =0,067
20 3 20−3
P ( x=3 )=C 3 ¿ 0,25 ¿ 0,75 =0,133

P ( X < 4 )=0,225

3. P( X ≥ 6)

P ( x=0 )=C 20 0 20−0

0 ¿ 0,25 ¿ 0,75 =0,0031
20 1 20−1
P ( x=1 )=C 1 ¿ 0,25 ¿ 0,75 =0,021
P ( x=2 )=C 20 2 20−2
2 ¿ 0,25 ¿ 0,75 =0,067
20 3 20−3
P ( x=3 )=C 3 ¿ 0,25 ¿ 0,75 =0,133
P ( x=4 )=C 20 4 20− 4
4 ¿ 0,25 ¿ 0,75 =0,189
20 5 20−5
P ( x=5 )=C 5 ¿ 0,25 ¿ 0,75 =0,202

P ( X ≥6 )=1−0,617=0,382

4. P( X > 6)

P ( x=0 )=C 20 0 20−0

0 ¿ 0,25 ¿ 0,75 =0,0031
20 1 20−1
P ( x=1 )=C 1 ¿ 0,25 ¿ 0,75 =0,021
P ( x=2 )=C 20 2 20−2
2 ¿ 0,25 ¿ 0,75 =0,067
 P ( x=3 )=C 20 3 20−3
3 ¿ 0,25 ¿ 0,75 =0,133
20 4 20− 4
P ( x=4 )=C 4 ¿ 0,25 ¿ 0,75 =0,189
P ( x=5 )=C 20 5 20−5
5 ¿ 0,25 ¿ 0,75 =0,202
20 6 20−6
P ( x=6 )=C6 ¿ 0,25 ¿ 0,75 =0,168

P ( X >6 )=1−0,785=0,214
5. P(2 ≤ X ≤ 8)

P ( x=2 )=C 20 2 20−2

2 ¿ 0,25 ¿ 0,75 =0,067
20 3 20−3
P ( x=3 )=C 3 ¿ 0,25 ¿ 0,75 =0,133
P ( x=4 )=C 20 4 20− 4
4 ¿ 0,25 ¿ 0,75 =0,189
20 5 20−5
P ( x=5 )=C 5 ¿ 0,25 ¿ 0,75 =0,202
P ( x=6 )=C20 6 20−6
6 ¿ 0,25 ¿ 0,75 =0,168
20 7 20−7
P ( x=7 )=C 7 ¿ 0,25 ¿ 0,75 =0,112
20 8 20−8
P ( x=8 )=C 8 ¿ 0,25 ¿ 0,75 =0,06

P ( 2≤ X ≤ 8 )=0,934
6. P(2 ≤ X <8)

P ( x=2 )=C 20 2 20−2

2 ¿ 0,25 ¿ 0,75 =0,067
20 3 20−3
P ( x=3 )=C 3 ¿ 0,25 ¿ 0,75 =0,133
P ( x=4 )=C 20 4 20− 4
4 ¿ 0,25 ¿ 0,75 =0,189
20 5 20−5
P ( x=5 )=C 5 ¿ 0,25 ¿ 0,75 =0,202
P ( x=6 )=C20 6 20−6
6 ¿ 0,25 ¿ 0,75 =0,168
20 7 20−7
P ( x=7 )=C 7 ¿ 0,25 ¿ 0,75 =0,112

P ( 2≤ X <8 )=0,873

7. P(2< X ≤ 8)

P ( x=3 )=C 20 3 20−3

3 ¿ 0,25 ¿ 0,75 =0,133
20 4 20− 4
P ( x=4 )=C 4 ¿ 0,25 ¿ 0,75 =0,189
20 5 20−5
P ( x=5 )=C 5 ¿ 0,25 ¿ 0,75 =0,202
P ( x=6 )=C20 6 20−6
6 ¿ 0,25 ¿ 0,75 =0,168
20 7 20−7
P ( x=7 )=C 7 ¿ 0,25 ¿ 0,75 =0,112
20 8 20−8
P ( x=8 )=C 8 ¿ 0,25 ¿ 0,75 =0,06
 P ( 2< X ≤8 )=0,867

8. P(2< X< 8)

P ( x=3 )=C 20 3 20−3

3 ¿ 0,25 ¿ 0,75 =0,133
20 4 20− 4
P ( x=4 )=C 4 ¿ 0,25 ¿ 0,75 =0,189
20 5 20−5
P ( x=5 )=C 5 ¿ 0,25 ¿ 0,75 =0,202
P ( x=6 )=C20 6 20−6
6 ¿ 0,25 ¿ 0,75 =0,168
20 7 20−7
P ( x=7 )=C 7 ¿ 0,25 ¿ 0,75 =0,112

P ( 2< X <8 )=0,80

9. P( X =4 )
P ( x=4 )=C 20 4 20− 4
4 ¿ 0,25 ¿ 0,75 =0,189

c. Distribución Poisson: En el estudio de cierto organismo acuático se toman gran

número de muestras de un estanque y se midió el número de organismos que había
en cada muestra. Se encontró que el promedio de organismos por muestra fue de
dos. Encontrar la probabilidad de que:

1. La siguiente muestra que se tome contenga una o más organismos.

μ=2

μ k e− μ
P( x=k)=
k!
0 −2
2 e
P ( x=0 )= =0,135
0!
P ( x ≥ 1 )=1−0,135=0,864
2. La próxima muestra tomada contenga exactamente 3 organismos.
 23 e−2
P ( x=3 )= =0,18
3!

d. Distribución Normal: Cierto tipo de baterías dura en promedio 3 años, con una
desviación estándar de 0,5 años. Suponiendo que la duración de las baterías está
normalmente distribuida, encuéntrese la probabilidad de que una batería dada dure
menos de 2,3 años.
μ=3
σ =0,5
X−μ 2,3−3
Z= = =−1,4
σ 0,5

P ( x ≤ 2,3 )=0,0808
Estudios de caso estudiante N°21: CRISTHIAN CAMILO LUGO

a. Distribución Hipergeométrica: Un lote de 40 artículos contiene

5 defectuosos. Se elige una muestra aleatoria de 8 artículos. ¿Cuál
es la probabilidad de que 3 de ellos sean defectuosos?
n n
Combinación k =
k ! ( n−k ) !
n n−r

Usamos la formula P(X)

( x )(n−x )

(nn )
N=40
n=8
R=5
x=3

5 40−5
P ( X )=
( 3)( 8−3 )

(408)
10.324632
P ( x) = =0,04221
76904685
P ( X=3 )=0,04221
P¿
R= La probabilidad de que sean defectuosos es de 4,22%

b. Distribución Binomial: En cierta zona geográfica, el 10% de las

personas son analfabetas. ¿Cuál es la probabilidad de que una
muestra aleatoria de 15 adultos el número de analfabetos sea:
1
 1. ¿Exactamente 6?

Formula binomial P ( X=r )= ( nr ) p q n−r

p=0,1
n=15
q=0,9
r =6
10.
15
P ( x=6 )= 0,16 ¿ 0,915−6
6
6
15 9
P ( x=6 )= 0,1 ¿ 0,9
6
15 !
P ( x=6 )= ¿ 1∗10−6∗0,387420
6!9!
P ( x=6 )=5.005¿ 1∗10−6∗0,387420=0,01939
R: La probabilidad de que 15 adultos sean exactamente 6 analfabetas es de 1, 939

2. ¿Menos de 5?
Como piden las probabilidades menores de 5 debemos calcular
las probabilidades de 0, 1, 2, 3, 4 y sumarlas
15
P ( x=0 )= 0,10 ¿ 0,915=0,20589
0
15
P ( x=1 )= 0,11 ¿ 0,914=0,34315
1
15 2
P ( x=2 )= 0,1 ¿ 0,913=0,26689
2
15 3
P ( x=3 )= 0,1 ¿ 0,912=0,12850
3
15
P ( x=4 )= 0,1 4 ¿ 0,911 =0,04283
4
Sumando las probabilidades obtenidas
P ( X ≤5 )=0,98726
3. ¿3 o más?
En este caso valiéndonos de la condición de la probabilidad esta
entre 0 y 1 ademas que las sumas de las probabilidades son 1.
Calculamos la suma de la propiedad para 0, 1, 2 y restamos 1.
Como resultado tendremos la probabilidad de ser 3 o más.
( Px ≥ 3 ) 1− p ( x=0 ) + P ( X=1 ) + P( X=2)
 REMPLAZAMOS ( 0,20589+0,34315+0,26689 )
Px ≥ 3=0,81593
La probabilidad de que 3 o mas sean analfabetas es de 81,5%

4. ¿Entre 3 y 5 inclusive?
Otra suma de probabilidades esta vez de 3, 4, 5 incluyen 3 y 5
como ya las hemos calculado solo sumamos.
P ( x=3 ) + p ( x=4 )∗( x=5 )
0,12850+0,04283+ 0,01047

P ( x=5 )= ( 155 ) 0,1 0,9 =0,01047

5 10

La suma es 0,1818
La probabilidad de que entre 3 y 5 inclusive sean analfabetas es
del 19,18%
5. Menos de 7 pero más de 4?
Debemos calcular la probabilidad para 5y6 como ya los hemos
calculado sumamos
P ( X=5 )+ P (X=6)
0,01047+ 0,01939=0,02986
La probabilidad de que el número de analfabetas sea más de 4
pero menos de 7 es de 2,98%

c. Distribución Poisson: Un conmutador puede manejar un

máximo de 5 llamadas por minuto, encuéntrese las probabilidades
de que el número de llamadas recibidas por el conmutador sea:
Datos x 5 llamadas/ MINUTO
1. A lo sumo 4.
xk − x
FORMULA DE POISSON P ( x=k ) = e
k!
Debemos calcular la probabilidad para 0, 1, 2, 3, y 4
 50 −5
P ( x=0 )= e =0,0673
0!
51 −5
P ( x=1 )= e =0,0336
1!
52 −5
P ( x=2 )= e =0,0842
2!
3
5 −5
P ( x=3 )= e =0,1403
3!
54 −5
P ( x=4 )= e =0,1754
4!
Luego sumamos eso es igual a 0,4672
La probabilidad de que las llamadas recibidas sean a lo sumo 4 es
de 46,72%
2. Menos de 3.
Calculamos y sumamos la probabilidad para 0,1, 2 y
obtendremos
P¿
P ( x ≤ 3 )=0,0673+ 0,0336+0,0842=0,1851
La probabilidad que reciba menos de 3 llamadas es de 18,51%
3. Al menos 4.
Debemos calcular y sumar los probabilidades de 4 y 5
P ( X=4 )=0,1754
55 −5
P ( X=5 )= e =0,1754
5!
0,3508
La probabilidad de que reciba almenos 4 es de 35%
4. Quede saturado.
Para quedar saturado debe recibir más de 5 llamadas por
minuto esto seria
P¿
0,0673+0,0336+ 0,0842+ 0,1403+0,1754+ 0,1754
La probabilidad de que se sature es de 32,38%
5. Entre 1 y 3.
Como es mayor que 1 y menor que 3 seria la P(x=2)=0,0842
La probabilidad de que el número de llamadas sean entre 1 y 3
es de 8,4%
6. Una o más pero menos de 5.
Calculamos la probabilidad y sumamos
p ( x=0 ) + p ( x=1 ) +¿
0,0336+ 0,0842+ 0,1403+ 0,1754 valores ya obtenidos
¿ 0,4335
La probabilidad de ser uno o más pero menos de 5 es de 43%
7. No más de 4 pero más de 1.
En términos matemáticos 1 ≤ x ≥ 4
¿
0,0842+0,1403=0,2245
La probabilidad de que reciba no más de 4 llamadas pero más
de una es de 22,45

8. Más de 2 pero menos de 5.

p ( x=3 ) + p ( x=4 )=0,3157
La probabilidad de que sean mas de 2 menos de 5 es de 31,57

9. Ninguna.
Es la probabilidad de 0
0
5 −5
P ( x=0 )= e =0,0673
0!
La probabilidad que no reciba ninguna llamada es de 6,73%
 d. Distribución Normal: Supóngase que se sabe que los pesos de
cierto grupo de personas están distribuidos aproximadamente de
forma normal con media μ=70 kg ¿Cuál es la probabilidad de que
una persona elegida al azar de este grupo pese entre 50 kg y 85
kg?

Respuesta en este caso no hay una desviación estándar por ese motivo no se puede realizar el
ejercicio

He buscado el ejercicio en internet y aparece con una desviación estándar de 12, 5 procedo a
desarrollarlo

Distribución
normal

50 70 85

Utilizaremos el parámetro

X−μ
Z=
σ
Para este caso X 1 =50 X 2=85
50−70 85−70
Z1 = =−1,6 Z2 = =−1,2
12,5 12,5
Buscando la tabla de distribución normal estándar al 50%
Z1 =1,6=0,4452 Z2 =1,2=0,3849
 Estudios de caso estudiante N°32: OSCAR ANDRES LUGO
RAMIREZ

a. Distribución Hipergeométrica: En un auditorio se encuentran

reunidas 7 personas, de las cuales 2 son hombres. Una persona
elige aleatoriamente 4 de dichas personas. ¿Cuál es la
probabilidad de elegir:

Formula distribución hipergeométrica

K N K
P ( x) =
( x )( n x )

( Nn )
N: número total de muestra.

K: número de éxitos de la población.

n: numero de la muestra.

x: número de éxitos de la muestra.

1. Cero hombres.

N :7

K :2

n :4

x: 0

2
Tomado y adaptado de Gutiérrez, Banegas, Ana Laura. Probabilidad y estadística Enfoque por competencias, Grupo
Editorial Mc Graw Hill, 2012.
 2 72
P ( x=0 )=
( 0 )( 4 0 )

( 74 )

2 5
P ( x=0 )=
( 0 )( 4 ) 1∗5
=
( 4 ) 35
7

5
P ( x=0 )=
35
P ( x=0 )=0,1428
Combinaciones
n!
C nk =
( n−k ) ! k !
2! 2∗1
C 20= = =1
( 2−0 ) ! 0 ! 2∗1∗0
5! 5∗4∗3∗2∗1
C 54= = =5
( 5−4 ) ! 4 ! 1∗4∗3∗2∗1
7! 7∗6∗5∗4∗3∗2∗1 210
C 74= = = =35
( 7−4 ) ! 4 ! 3∗¿ 2∗1∗4∗3∗2∗1 6

R/=La probabilidad de que sean cero hombres es de 14,28%

2. Un hombre?.
 K N K
P ( x) =
( x )( n x )

( Nn )

N :7

K :2

n :4

x :1

2 72
P ( x=1 )=
( 1 )( 4 1 )

( 74 )
2 5
P ( x=1 )=
( 1 )( 3 ) 2∗10
=
( 4 ) 35
7

20
P ( x=1 )= =0,571
35

Combinaciones
n!
C nk =
( n−k ) ! k !
2! 2∗1
C 21= = =2
(2−1 ) ! 1 ! 1∗1
5! 5∗4∗3∗2∗1 20
C 53= = = =10
(5−3 ) ! 3 ! 2∗1∗3∗2∗1 2
7! 7∗6∗5∗4∗3∗2∗1 210
C 74= = = =35
( 7−4 ) ! 4 ! 3∗¿ 2∗1∗4∗3∗2∗1 6
 R/= La probabilidad de que sea un hombre es de 57,1%

3. ¿Dos hombres?

( Kx )( Nn Kx )
( Nn )

N :7

K :2

n :4

x :2
2 72
P ( x=2 )=
( 2 )( 4 2 )

( 74 )
2 5
P ( x=2 )=
( 2 )( 2 ) 1∗10
=
( 4 ) 35
7

10
P ( x=2 )= =0,285
35

Combinaciones
n!
C nk =
( n−k ) ! k !
2! 2∗1 2
C 22= = = =1
(2−2 ) ! 2! 0∗2∗1 2
 5! 5∗4∗3∗2∗1 20
C 52= = = =10
(5−2 ) ! 2! 3∗2∗1∗2∗1 2
7! 7∗6∗5∗4∗3∗2∗1 210
C 74= = = =35
( 7−4 ) ! 4 ! 3∗¿ 2∗1∗4∗3∗2∗1 6

R/= La probabilidad de que sean de hombres es de 28,5%

b. Distribución Binomial: Una secretaria que debe de llegar a su

trabajo todas las mañanas a las 8:00 AM se retarda 15 minutos o
más el 20% de las veces. El presidente de la compañía que no
llega sino a las 10:00 AM llama semanalmente a la oficina entre
las 8:00 AM y las 8:15 AM para dictar una carta. ¿Cuál es la
probabilidad de que tres mañanas de las seis en que el presidente
llama, la secretaria no esta en la oficina?

Formula distribución binomial

P ( X=x )= ( nx ) P (( 1−P ) )
x n−x

n: muero de ensayos

P: probabilidad de éxito.
x: número de casos exitosos

n=6

P=0,20

x=3

P ( X=3 )= ( 63 ) 0,20 ( (1−0,20 ) )

3 6−3

P ( X=3 )=( 20∗8∗10−3 )∗0,83

P ( X=3 )=0,16∗0512

P ( X=3 )=0,0819

Combinaciones

n!
C nk =
( n−k ) ! k !
6! 6∗5∗4∗3∗2∗1 120
C 63= = =
( 6−3 ) ! 3 ! 3∗2∗1∗3∗2∗1 6

6!
C 63= =20
( 6−3 ) ! 3 !

R/= La probabilidad de que 3 de las mañanas la secretaria no

esta en la oficina es de 8,19%
 c. Distribución Poisson: Ciertos automóviles llegan a una garita de
peaje aleatoriamente a una tasa de 300 autos cada hora.
Encuentre la probabilidad de que durante un periodo dado en un
minuto lleguen.

Funcion de probabilidad poisson

℮−λ∗λ x
P x=
( )
x!

Conversión

300 →60 min

x → 1 min

1∗300
x=
60

x=5

λ=5 autos por minuto

1. Cuatro automóviles.
℮=2,7182

x=4

λ=5

2,7182−5∗5 4
P ( x=4 )=
4!

6,74∗625
P ( x=4 )=
4∗3∗2∗1

4,21
P ( x=4 )=
24

P ( x=4 )=0,175
R/= La probabilidad es de 17,5%

2. Cuando más, dos automóviles.

℮=2,7182
x=2
λ=5
P ( x ≤ 2 )=P ( x=0 ) + P ( x=1 ) + P(x=2)

P ( x=0 )
2,7182−5∗50
P ( x=0 )=
0!
(6,74∗10¿¿−3)∗1
P ( x=0 )= ¿
1
0,00674
P ( x=0 )=
1
P ( x=0 )=0,00674

P ( x=1 )
2,7182−5∗51
P x=1 =
( )
1!
(6,74∗10¿¿−3)∗5
P ( x=1 )= ¿
1
0,034
P ( x=1 )=
1
P ( x=1 )=0,034

P( x=2)
2,7182−5∗5 2
P x=2 =
( )
2!
6,74∗25
P ( x=2 )=
2∗1
0,168
P ( x=2 )=
2
 P ( x=2 )=0,084

P ( x ≤ 2 )=P ( x=0 ) + P ( x=1 ) + P(x=2)

P ( x ≤ 2 )=0,00674+ 0,034+0,084

P ( x ≤ 2 )=0,12

R/= La probabilidad de que se cunado más dos automóviles es de 12%

3. Menos de 6 automóviles.
P ( x ≤ 5 )=P ( x=0 ) + P ( x=1 ) + P ( x =2 )+ P ( x=3 )+ P ( x=4 ) + P ( x=5 )

℮=2,7182

λ=5
P ( x=3 )
P ( x=5 )

P ( x=3 )
2,7182−5∗53
P ( x=3 )=
3!

0,842
P ( x=3 )=
3∗2∗1

0,842
P ( x=3 )=
6

P ( x=3 )=0,14

P ( x=5 )
2,7182−5∗5 5
P ( x=5 )=
5!
 21,05
P ( x=5 )=
5∗4∗3∗2∗1

21,05
P ( x=5 )=
120

P ( x=5 )=0,175
P ( x ≤ 5 )=P ( x=0 ) + P ( x=1 ) + P ( x =2 )+ P ( x=3 )+ P ( x=4 ) + P ( x=5 )
P ( x ≤ 5 )=0,00674 +0,034+ 0,084+0,14+ 0,175+0,175
P ( x ≤ 5 )=0,614

R/=la probabilidad de que sean menos de 6 es 61,4%

d. Distribución Normal: Si los valores de colesterol total para cierta

población están distribuidos aproximadamente en forma normal
con μ=200 y σ =20. Hallar la probabilidad de que un individuo
elegido al azar de dicha población tenga un valor de colesterol de:

Media de los datos ( μ )=200

Desviación estándar ( σ )=20

N (200 ; 20)

Formula para normalizar

x−μ
z=
σ

1. Al menos 225.

x=225
μ=200

σ =20

x−μ
z=
σ

P( x ≤225)

Normalizando

225−200
z=
20

25
z=
20

z=1,25

P ( z ≤ 1,25 )=0,8944

R/= La probabilidad de que al menos un individuo registre 225 es 0,8944

2. Cuando mucho 200.

x=200

μ=200

σ =20

x−μ
z=
σ

P( x ≤200)

Se normaliza
 x−μ
z=
σ

200−200
z=
20

0
z=
20

z=0

P ( z ≤ 0 )=0,5000

R/= La probabilidad de que cuando mucho un individuo registre 200 es

0,5000

3. Menos de 205.
x=205
μ=200
σ =20
x−μ
z=
σ
P( x ≤205)

Se normaliza

x−μ
z=
σ

205−200
z=
20

5
z=
20
z=0,25

P= ( z ≤ 0,25 )=0,4013

R/= La probabilidad de que posea menos de 205 un individuo es 0,4013

P ( colesterol ≤ 205 )=0,40
 CONCLUCIONES

Conocimos como se desarrolla Probabilidad Condicional y Distribuciones de

Probabilidad sus teorías y métodos

Dados los ejercicios de probabilidades se comprendió como se utilizan y con que fin se
hacen los ejercicios.
 Bibliografía
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 150-152.
Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso. Pp. 195-
221. Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?docID=4722054&ppg=196
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 245-261. 
Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso. Pp. 221-
243. Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?docID=4722054&ppg=222
Distribuciones continuas de probabilidad.
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 279 -301. 
Recuperado de  https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?docID=3227823&ppg=296
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso. Pp. 267-
291. Recuperado de https://bibliotecavirtual.unad.edu.co:2538

OVI Unidad 2 – Distribución binomial

Objetivo virtual de información que presenta la distribución binomial, así como un ejemplo
de su aplicación.
Sánchez, J. (2018). Distribución Binomial. Recuperado
de http://hdl.handle.net/10596/19010
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=b039aa4c3b2b62b99
f8129c3bb3ab609
Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y estadística 1.
Distrito Federal, MÉXICO: Grupo Editorial Patria. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=11230886&p00=conceptos+generales+estad%C3%ADstica+descriptiva&ppg=46