Distribución de Probabilidad Jorge

UNIVERSIDAD TECNOLGICA DE CAMPECHE
INGENIERA EN TECNOLOGAS DE LA INFORMACIN

ACTIVIDAD DE INVESTIGACIN
Distribuciones de Probabilidad
Distribuciones de probabilidad
QUE PRESENTA:
Jorge Luis de la Cruz Prez
ASIGNATURA:
ESTADSTICA APLICADA
PARA APROBAR LA UNIDAD ll:
Distribuciones de Probabilidad
CUATRIMESTRE:
SEP - DIC 2016
San Antonio Crdenas, Carmen, Campeche
Septiembre de 2016

ndice
INTRODUCCIN ...................................................................................................... 3
Distribucin de probabilidad .................................................................................. 4
Divisin de distribuciones................................................................................... 4
DISTRIBUCIONES CONTINUAS .............................................................................. 5
La distribucin uniforme ..................................................................................... 5
Distribucin normal o de Gauss ......................................................................... 5
Distribucin Gamma () ..................................................................................... 7
Distribucin exponencial .................................................................................... 8
Distribucin Chi-cuadrado (c2)........................................................................... 9
Distribucin T de Student ................................................................................. 10
Distribucin F de Snedecor .............................................................................. 11
DISTRIBUCIONES DISCRETAS ............................................................................ 13
Distribucin uniforme ........................................................................................... 13
Distribucin binomial ........................................................................................... 14
Distribucin multinomial ....................................................................................... 15
Distribucin hipergeomtrica ............................................................................... 16
Distribucin multihipergeomtrica ........................................................................ 17
Distribucin de poisson........................................................................................ 17
CONCLUSIN ........................................................................................................ 20
Septiembre de 2016

INTRODUCCIN
Cuando nos planteamos estudiar estas distribuciones de probabilidad, lo hacemos
partiendo de la base que su estudio nos permitir simplificar el tratamiento
estadstico de muchos fenmenos reales. De esta manera, si nosotros nos
encontramos con un fenmeno real tal y como puede ser realizar una inversin o
no. Este es un fenmeno que tiene dos posibles valores, invertir, no invertir. Bien,
veremos que este tipo de fenmenos los podemos estudiar como una variable o
distribucin de Bernuille. Si nosotros hemos estudiado esta variable tendremos
perfectamente identificados tanto la media como la varianza como su funcin de
cuanta, etc... Es decir, conocemos el comportamiento probabilstico de este
fenmeno. Si nos ponemos a pensar en fenmenos econmicos reales, veremos
que existen muchos que se pueden ajustar a un comportamiento de este tipo. Todos
ellos estn estudiados simultneamente mediante la distribucin de Bernuilli o la
generalizacin binomial.
Una distribucin de probabilidad indica toda la gama de valores que pueden
representarse como resultado de un experimento. Una distribucin de probabilidad
es similar al distribucin de frecuencias relativas .Sin embargo, en vez de describir
el pasado, describe la probabilidad que un evento se realice en el futuro, constituye
una herramienta fundamental para la prospectiva, puesto que se puede disear un
escenario de acontecimientos futuros considerando las tendencias actuales de
diversos fenmenos naturales.
Las decisiones estadsticas basadas en la estadstica inferencial son fundamentales
en la investigacin que son evaluadas en trminos de distribucin de probabilidades.
Una variable aleatoria es un valor numrico que corresponde al resultado de un
experimento aleatorio, como el nmero de caras que se obtienen al lanzar 4 veces
una moneda, el nmero de lanzamientos de un dado hasta que aparece el seis, el
nmero de llamadas que se reciben en un telfono en una hora, el tiempo de espera
a que llegue un autobs...
Septiembre de 2016

Distribucin de probabilidad
En teora de la probabilidad y estadstica, la distribucin de probabilidad de una
variable aleatoria es una funcin que asigna a cada suceso definido sobre la variable
aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad
est definida sobre el conjunto de todos los sucesos y cada uno de los sucesos es
el rango de valores de la variable aleatoria.
La distribucin de probabilidad est completamente especificada por la funcin de
distribucin, cuyo valor en cada x real es la probabilidad de que la variable aleatoria
sea menor o igual que x
Divisin de distribuciones
Esta divisin se realiza dependiendo del tipo de variable a estudiar, esto significa
que:
1. Si la variable es una variable discreta (valores enteros), corresponder una
distribucin discreta, de las cuales existen:
Distribucin normal (eventos independientes).
Distribucin de poisson (eventos independientes).
Distribucin hipergeomtrica(eventos dependientes).
2. Si la variable es continua, esto significa que puede tomar cualquier valor dentro
de un intervalo, la distribucin que se generar ser una distribucin continua,
tambin llamada "distribucin normal".
Adems, se puede utilizar la "distribucin de poisson como una aproximacin de la
distribucin binomial" cuando la muestra por es estudiar es grande y la probabilidad
de xito es pequea. De la combinacin de los dos tipos de distribuciones anteriores
(a y b), surge una conocida como "distribucin normal como una aproximacin de la
distribucin binomial y de poisson".
Septiembre de 2016

DISTRIBUCIONES CONTINUAS
La distribucin uniforme
Es una variable que puede tomar tanto valores enteros como fraccionarios.
Es generada por una variable continua (x).
f(x) 0 Las probabilidades asociadas a cada uno de los valores que toma x deben
ser mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de
probabilidad deber tomar solo valores mayores o iguales a cero. La funcin de
densidad de probabilidad slo puede estar definida en los cuadrantes I y II.
La sumatoria de las probabilidades asociadas a cada uno de los valores que toma
x debe ser igual a 1. El rea definida bajo la funcin de densidad de probabilidad
deber ser de 1.
Hasta el momento se han considerado las distribuciones de probabilidad para

variables discretas, donde se poda asignar el valor que toma la funcin de
probabilidad cuando la variable aleatoria tomaba un valor en concreto. Sin embargo,
al considerar las variables continuas se encuentra uno el problema de que, lo ms
probable, los datos que se puedan recabar no sean completamente exactos, o dos
o ms de ellos no coincidan, por lo que se tienen que trabajar en intervalos y, en
ese momento, modelar una funcin se convierte en un problema serio.
Distribucin normal o de Gauss
La distribucin normal fue definida por De Moivre en 1733 y es la distribucin de
mayor importancia en el campo de la estadstica.
Una variable es normal cuando se ajusta a la ley de los grandes nmeros, es decir,
cuando sus valores son el resultado de medir reiteradamente una magnitud sobre
la que influyen infinitas causas de efecto infinitesimal.
Las variables normales tienen una funcin de densidad con forma de campana a la
que se llama campana de Gauss.
Su funcin de densidad es la siguiente:
Septiembre de 2016

Los parmetros de la distribucin son la media y la desviacin tpica, y ,

respectivamente. Como consecuencia, en una variable normal, media y desviacin
tpica no deben estar correlacionadas en ningn caso (como desgraciadamente
ocurre en la inmensa mayora de las variables aleatorias reales que se asemejan a
la normal.
La curva normal cumple las siguientes propiedades:
1)
El mximo de la curva coincide con la media.
2)
Es perfectamente simtrica respecto a la media (g1 = 0).
3)
La curva tiene dos puntos de inflexin situados a una desviacin tpica de

la media. Es convexa entre ambos puntos de inflexin y cncava en ambas
colas.
4)
Sus colas son asintticas al eje X.
Septiembre de 2016

Para calcular probabilidades en intervalos de valores de la variable, habra que

integrar la funcin de densidad entre los extremos del intervalo. por desgracia (o por
suerte), la funcin de densidad normal no tiene primitiva, es decir, no se puede
integrar. Por ello la nica solucin es referirse a tablas de la funcin de distribucin
de la variable (calculadas por integracin numrica) Estas tablas tendran que ser
de triple entrada (, , valor) y el asunto tendra una complejidad enorme.
Afortunadamente, cualquier que sea la variable normal, X, se puede establecer una
correspondencia de sus valores con los de otra variable con distribucin normal,
media 0 y varianza 1, a la que se llama variable normal tipificada o Z. La equivalencia
entre ambas variables se obtiene mediante la ecuacin:
La funcin de distribucin de la variable normal tipificada est tabulada y,

simplemente, consultando en las tablas se pueden calcular probabilidades en
cualquier intervalo que nos interese.
De forma anloga a lo pasaba con las variables Poisson, la suma de variables
normales independientes es otra normal.
Histograma de una normal idealizada Histograma de una muestra de una variable

normal
Distribucin Gamma ()
La distribucin gamma se define a partir de la funcin gamma, cuya ecuacin es:
Septiembre de 2016

La funcin de densidad de la distribucin gamma es:
y son los parmetros de la distribucin.

La media y la varianza de la variable gamma son:
Distribucin exponencial
Es un caso particular de la distribucin gamma cuando = 1. Su funcin de
densidad es:
Su parmetro es .
La media y la varianza de la distribucin exponencial son:
Septiembre de 2016

Distribucin Chi-cuadrado (c2)

Es otro caso particular de la distribucin gamma para el caso = 2 y = n / 2, siendo
n un nmero natural.
Su funcin de densidad es:
El parmetro de la distribucin c2 es n y su media y su varianza son,

respectivamente:
Otra forma de definir la distribucin c2 es la siguiente: Supongamos que tenemos n

variables aleatorias normales independientes, X1,..., Xn, con media i y varianza
(i = 1... n), la variable definida como
tiene distribucin c2 con n grados de libertad y se le denomina c2n.
Variables chi-cuadrado con valores de

menos asimtricas.
progresivamente mayores son cada vez
Septiembre de 2016

Distribucin T de Student
Supongamos dos variables aleatorias independientes, una normal tipificada, Z , y
otra con distribucin c2 con n grados de libertad, la variable definida segn la
ecuacin:
tiene distribucin t con n grados de libertad.

La funcin de densidad de la distribucin t es:
El parmetro de la distribucin t es n, su nmero de grados de libertad.

Esta distribucin es simtrica respecto al eje Y y sus colas se aproximan
asintticamente al eje X. Es similar a la distribucin Z salvo que es platicrtica y, por
tanto, ms aplanada.
Cuando n tiende a infinito, t tiende asintticamente a Z y se pueden considerar
prcticamente iguales para valores de n mayores o iguales que 30..
Variables T con valores de n progresivamente mayores son cada vez menos

platicrticas
Septiembre de 2016

Comparacin entre la variable T y el normal tipificado.

Distribucin F de Snedecor
Sean U y V dos variables aleatorias independientes con distribucin c2 con
n1 y n2 grados de libertad, respectivamente. La variable definida segn la ecuacin:
tiene distribucin F con n1, n2 grados de libertad.

La funcin de densidad de la distribucin F es:
Los parmetros de la variable F son sus grados de libertad n1 y n2.

Las distribuciones F tienen una propiedad que se utiliza en la construccin de tablas
que es la siguiente:
Llamemos fa,n1,n2 al valor de una distribucin F con n1 y n2 grados de libertad que
cumple la condicin, P(F > fa,n1,n2) = ; llamemos f1-a,n1,n2 al valor de una distribucin
Septiembre de 2016

F con n1 y n2 grados de libertad que cumple la condicin, P(F > f 1a,n1,n2) = 1- .

Ambos valores estn relacionados de modo que uno es el inverso del otro.
Variables F con distintos valores de
1,
Septiembre de 2016

DISTRIBUCIONES DISCRETAS
Las distribuciones discretas son aquellas en las que la variable puede pude tomar
un nmero determinado de valores:
Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado
puede salir un nmero de 1 al 6; en una ruleta el nmero puede tomar un valor del
1 al 32.
Distribucin uniforme
La distribucin uniforme es la que corresponde a una variable que toma todos sus
valores, x1, x2..., xk, con igual probabilidad; el espacio muestral debe ser finito.
Si la variable tiene k posibles valores, su funcin de probabilidad sera:
Donde k es el parmetro de la distribucin (un parmetro es un valor que sirve para

determinar la funcin de probabilidad o densidad de una variable aleatoria) La media
y la varianza de la variable uniforme se calculan por las expresiones:
El histograma de la funcin toma el aspecto de un rectngulo, por ello, a la

distribucin uniforme se le suele llamar distribucin rectangular.
Septiembre de 2016

Distribucin binomial
La distribucin binomial es tpica de las variables que proceden de un experimento
que cumple las siguientes condiciones:
1) El experimento est compuesto de n pruebas iguales, siendo n un nmero
natural fijo.
2) Cada prueba resulta en un suceso que cumple las propiedades de la variable
binmica o de Bernouilli, es decir, slo existen dos posibles resultados,
mutuamente excluyentes, que se denominan generalmente como xito y
fracaso.
3) La probabilidad del xito (o del fracaso) es constante en todas las pruebas.
P (xito) = p; P (fracaso) = 1 - p = q
4) Las pruebas son estadsticamente independientes,
En estas condiciones, la variable aleatoria X que cuenta el nmero de xitos en la
n pruebas se llama variable binomial. Evidentemente, el espacio muestral estar
compuesto por los nmeros enteros del 0 al n. Se suele decir que una variable
binmica cuenta objetos de un tipo determinado en un muestreo de n elementos con
reemplazamiento.
La funcin de probabilidad de la variable binomial se representa como b(x,n,p)
siendo n el nmero de pruebas y p la probabilidad del xito. n y p son los parmetros
de la distribucin.
La manera ms fcil de calcular de valor de nmeros combinatorios, como los

incluidos en la expresin anterior, es utilizando el tringulo de Tartaglia
Septiembre de 2016

La media y la varianza de la variable binomial se calculan como:

Media = = n p
Varianza = 2 = n p q
Grficamente el aspecto de la distribucin depende de que sea o no simtrica Por
ejemplo, el caso en que n = 4:
Distribucin multinomial
La distribucin multinomial es esencialmente igual a la binomial con la nica
diferencia de que cada prueba tiene ms de dos posibles resultados mutuamente
excluyentes.
Si tenemos K resultados posibles (Ei, i = 1,..., K) con probabilidades fijas (pi , i = 1,
... , K), la variable que expresa el nmero de resultados de cada tipo obtenidos en n
pruebas independientes tiene distribucin multinomial.
La probabilidad de obtener x1 resultados E1, x2 resultados E2, etc. se representa

como:
Los parmetros de la distribucin son p1,..., pK y n.

Septiembre de 2016

Distribucin hipergeomtrica
Una variable tiene distribucin hipergeomtrica si procede de un experimento que
cumple las siguientes condiciones:
1) Se toma una muestra de tamao n, sin reemplazamiento, de un conjunto
finito de N objetos.
2) K de los N objetos se pueden clasificar como xitos y N - K como fracasos.
X cuenta el nmero de xitos obtenidos en la muestra. El espacio muestral es el
conjunto de los nmeros enteros de 0 a n, o de 0 a K si K < n.
En este caso, la probabilidad del xito en pruebas sucesivas no es constante pues
depende del resultado de las pruebas anteriores. Por tanto, las pruebas no son
independientes entre s.
La funcin de probabilidad de la variable hipergeomtrica es:
Los parmetros de la distribucin son n, N y K.

Los valores de la media y la varianza se calculan segn las ecuaciones:
Si n es pequeo, con relacin a N (n << N), la probabilidad de un xito variar muy

poco de una prueba a otra, as pues, la variable, en este caso, es esencialmente
binomial; en esta situacin, N suele ser muy grande y los nmeros combinatorios se
vuelven prcticamente inmanejables, as pues, la probabilidades se calculan ms
cmodamente aproximando por las ecuaciones de una binomial con p = K /
N.
La media de la variable aproximada ( = n p = n (K / N)) es la misma que la de la
variable antes de la aproximacin; sin embargo, la varianza de la variable binomial
es ligeramente superior a la de la hipergeomtrica.
Septiembre de 2016

El factor por el que difieren ser siempre menor que 1 y tan prximo a 1 como cierto
sea que n << N.
El aspecto de la distribucin es bastante similar al de la binomial. Como ejemplo,
mostramos los casos anlogos a los de las binomiales del apartado anterior (p inicial
= 0,25 y n = 4)
Distribucin multihipergeomtrica
Este variable se define igual que la hipergeomtrica con la nica diferencia de que
se supone que el conjunto de objetos sobre el que se muestrea se divide en R
grupos de A1, A2,..., AR objetos y la variable describe el nmero de objetos de cada
tipo que se han obtenido (x1, x2,..., xR)
Esta situacin es anloga a la planteada en el caso de la distribucin multinomial.

La funcin de probabilidad es:
Distribucin de poisson
Una variable de tipo poisson cuenta xitos (es decir, objetos de un tipo determinado)
que ocurren en una regin del espacio o del tiempo.
El experimento que la genera debe cumplir las siguientes condiciones:
Septiembre de 2016

1. El nmero de xitos que ocurren en cada regin del tiempo o del espacio es
independiente de lo que ocurra en cualquier otro tiempo o espacio disjunto del
anterior.
2. La probabilidad de un xito en un tiempo o espacio pequeo es proporcional al
tamao de este y no depende de lo que ocurra fuera de l.
3. La probabilidad de encontrar uno o ms xitos en una regin del tiempo o del
espacio tiende a cero a medida que se reducen las dimensiones de la regin en
estudio.
Como consecuencia de estas condiciones, las variables Poisson tpicas son
variables en las que se cuentan sucesos raros.
La funcin de probabilidad de una variable Poisson es:
El parmetro de la distribucin es que es igual a la media y a la varianza de la

variable.
Esta caracterstica puede servirnos para identificar a una variable Poisson en casos
en que se presenten serias dificultades para verificar los postulados de definicin.
La distribucin de Poisson se puede considerar como el lmite al que tiende la
distribucin binomial cuando n tiende a
y p tiende a 0, siendo np constante (y
menor que 7); en esta situacin sera difcil calcular probabilidades en una variable
binomial y, por tanto, se utiliza una aproximacin a travs de una variable Poisson
con media l = n p.
La varianza de la variable aproximada es ligeramente superior a la de la variable
binomial.
Las variables Poisson cumplen la propiedad de que la suma de variables Poisson

independientes es otra Poisson con media igual a la suma las medias.
El aspecto de la distribucin depende muchsimo de la magnitud de la media. Como
ejemplo, mostramos tres casos con = 0,5 (arriba a la izquierda), = 1,5 (arriba a
Septiembre de 2016

la derecha) y = 5 (abajo) Obsrvese que la asimetra de la distribucin disminuye

al crecer y que, en paralelo, la grfica empieza a tener un aspecto acampanado.
Septiembre de 2016

CONCLUSIN
Distribucin de probabilidad de variables aleatorias discretas. Una variable puede
tomar una variable cualquiera durante un proceso dado. Las variables aleatorias son
funciones que asocian a cada elemento del espacio muestral [conjunto de los
diferentes resultados de un experimento estadstico] un nmero real, se clasifican
en: Variable aleatoria discreta, proporciona datos cuantitativos discretos, es el
resultado de un proceso de conteo (ejemplo el nmero de soles de n lanzamientos
de una moneda) y Variable aleatoria contina, se encuentra dentro de un intervalo
comprendido entre 2 nmeros x(estatura de un alumno de un grupo escolar). La
distribucin de probabilidad, describe el comportamiento de fenmenos estadsticos
es decir, es un listado de las probabilidades de todos los resultados posibles que
podran presentarse si se efecta un experimento. En la distribucin discreta, las
variables asumen un nmero limitado de valores, por ejemplo el nmero de aos de
estudio y en la distribucin continua, las variables en estudio pueden asumir
cualquier valor dentro de determinados lmites, por ejemplo la estatura de un
estudiante. Son las probabilidades que se asocian a cada uno de los valores que
toma la variable aleatoria x. La distribucin de probabilidad para una variable
aleatoria discreta, son las relaciones de los resultados y sus probabilidades de las
frecuencias observadas. Un ejemplo seria la probabilidad de que al lanzar un dado
n nmero de veces caiga cara2 o que al lanzar una moneda 2 veces caiga sol las 2
tiradas. Existen varios modelos matemticos que representan diversos fenmenos
discretos de la vida real. Las ms tiles son: 1.- La distribucin uniforme discreta.
1.- La distribucin de probabilidad Binomial o de Bernoulli. 2.- La distribucin de
probabilidad Hipergeomtrica. 3.- La distribucin de probabilidad de Poisson.
Septiembre de 2016

Referencias
http://cvb.ehu.es/open_course_ware/castellano/tecnicas/software_mate/material-de-estudio1/distribuciones-de-probabilidad-discretas-y-continuas.pdf
http://personales.unican.es/gonzaleof/Itop/teoria/Teoria_distribuciones.pdf
http://herzog.economia.unam.mx/profesores/blopez/estadistica-discretas.pdf
http://pendientedemigracion.ucm.es/info/genetica/Estadistica/estadistica_basica%201.htm
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/04Distribuciones%20d
e%20Probabilidad.htm
Septiembre de 2016

Distribución de Probabilidad Jorge

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Distribución de Probabilidad Jorge

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD TECNOLGICA DE CAMPECHE

INGENIERA EN TECNOLOGAS DE LA INFORMACIN

Jorge Luis de la Cruz Prez

PARA APROBAR LA UNIDAD ll:

SEP - DIC 2016

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

Distribucin normal (eventos independientes).

Distribucin de poisson (eventos independientes).

Distribucin hipergeomtrica(eventos dependientes).

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

Hasta el momento se han considerado las distribuciones de probabilidad para

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

Los parmetros de la distribucin son la media y la desviacin tpica, y ,

El mximo de la curva coincide con la media.

Es perfectamente simtrica respecto a la media (g1 = 0).

La curva tiene dos puntos de inflexin situados a una desviacin tpica de

Sus colas son asintticas al eje X.

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

Para calcular probabilidades en intervalos de valores de la variable, habra que

La funcin de distribucin de la variable normal tipificada est tabulada y,

Histograma de una normal idealizada Histograma de una muestra de una variable

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

La funcin de densidad de la distribucin gamma es:

y son los parmetros de la distribucin.

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

Distribucin Chi-cuadrado (c2)

El parmetro de la distribucin c2 es n y su media y su varianza son,

Otra forma de definir la distribucin c2 es la siguiente: Supongamos que tenemos n

tiene distribucin c2 con n grados de libertad y se le denomina c2n.

Variables chi-cuadrado con valores de

San Antonio Crdenas, Carmen, Campeche

progresivamente mayores son cada vez

UNIVERSIDAD TECNOLGICA DE CAMPECHE

tiene distribucin t con n grados de libertad.

El parmetro de la distribucin t es n, su nmero de grados de libertad.

Variables T con valores de n progresivamente mayores son cada vez menos

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

Comparacin entre la variable T y el normal tipificado.

tiene distribucin F con n1, n2 grados de libertad.

Los parmetros de la variable F son sus grados de libertad n1 y n2.

UNIVERSIDAD TECNOLGICA DE CAMPECHE

F con n1 y n2 grados de libertad que cumple la condicin, P(F > f 1a,n1,n2) = 1- .

Variables F con distintos valores de

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

Donde k es el parmetro de la distribucin (un parmetro es un valor que sirve para

El histograma de la funcin toma el aspecto de un rectngulo, por ello, a la

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE

La manera ms fcil de calcular de valor de nmeros combinatorios, como los

San Antonio Crdenas, Carmen, Campeche

UNIVERSIDAD TECNOLGICA DE CAMPECHE