Documente Academic
Documente Profesional
Documente Cultură
I.E.
CRDENAS CENTRO
MDULO DE ESTADSTICA
CICLO VI
GRADO UNDCIMO
2
TABLA DE CONTENIDO
pg.
UNIDAD 1
EJERCICIOS 7
EJERCICIOS 12
EJERCICIOS 16
UNIDAD 2
EJERCICIOS 18
1.2. VARIANZA 19
1.2.1. Varianza para datos agrupados 20
1.2.2. Varianza para datos NO agrupados 20
1.2.3. Propiedades 20
3
EJERCICIOS 21
2. DISTRIBUCIN BINOMIAL 21
EJERCICIOS 22
3. DISTRIBUCIN DE POISSON 22
3.1. PROPIEDADES 22
3.2. RELACIN CON OTRAS DISTRIBUCIONES 23
3.2.1. Sumas de variables aleatorias de Poisson 23
3.2.2. Distribucin binomial 23
3.2.3. Aproximacin normal 23
3.2.4. Distribucin exponencial 23
3.3. PROCESOS DE POISSON 24
EJERCICIOS 25
4. DISTRIBUCIN NORMAL 25
4.1. LA NORMAL N(0; 1) 26
4.2. TIPIFICAR UNA VARIABLE NORMAL 29
EJERCICIOS 29
UNIDAD 3
COMPRENSIN LECTORA 36
UNIDAD 4
1. MTODOS DE INVESTIGACIN 37
4
2.9. PRESUPUESTO 39
2.10. BIBLIOGRAFA 39
BIBLIOGRAFA 48
5
UNIDAD 1
1. VARIABLE ALEATORIA, ESPACIO MUESTRAL, TCNICAS DE CONTEO
Tambin se le llama variable de azar o variable El nmero asociado a cada suceso elemental puede
estocstica, y significa cantidad que puede tomar ser cualquiera dentro del conjunto de los nmeros
varios valores imprevistos. reales, con la condicin nica de que a sucesos
elementales distintos le correspondan nmeros
Ejemplo 1.- Sea el experimento aleatorio de lanzar tambin distintos. Se comprueba fcilmente que la
un dado al aire. Los posibles resultados del correspondencia as definida entre el conjunto de los
experimento (sucesos elementales) son los posibles sucesos elementales de un experimento
siguientes: <<que salga 1>>, <<que salga 2>>, aleatorio y el conjunto de los nmeros reales es una
<<que salga 3>>, <<que salga 4>>, <<que salga 5>> aplicacin inyectiva.
y <<que salga 6>>. Resulta sencillo asociar a cada
suceso elemental el nmero correspondiente a la
cara del dado que haya salido. Por tanto, la variable
aleatoria, X, ser:
X= 1,2,3,4,5,6
Por el contrario, si dado un experimento aleatorio
cualquiera no resulta inmediata la asociacin de un
nmero para cada uno de los posibles sucesos
elementales, se establece una correspondencia entre
el conjunto de los posibles sucesos elementales y el 1.1.1. Clasificacin de las variables aleatorias.
conjunto de los nmeros reales, de manera que a Las variables aleatorias pueden ser continuas o
cada suceso elemental le corresponda un nmero discontinuas. En este ltimo caso se denominan
real arbitrario y que a sucesos elementales distintos tambin discretas.
les correspondan nmeros distintos.
Se denomina variable aleatoria al conjunto imagen
de esta correspondencia, es decir, al conjunto de los 1.1.1.1. Variable aleatoria continua. Si X es
nmeros reales que se hayan hecho corresponder a una Variable aleatoria continua, puede tomar
cada uno de los sucesos elementales. cualquier valor de un intervalo continuo o dentro de
un campo de variacin dado. Las probabilidades de
Ejemplo 2.- Sea el experimento aleatorio de que ocurra un valor dado x estn dadas por una
averiguar la marca de tabaco que preferir un funcin de densidad de probabilidad de que X quede
individuo entre las posibles marcas: <<X>>, <<Y>>, entre a y b. El rea total bajo la curva es 1.
<<Z>>.
Ejemplo. Sea el experimento aleatorio consistente
En este caso la asociacin de un nmero para cada en medir la altura que es capaz de saltar cada
suceso elemental posible del experimento no es miembro de un conjunto de personas. En este
inmediata. En consecuencia, se establece una experimento, cada miembro del conjunto observado
correspondencia entre el conjunto de los sucesos da lugar a un nmero, por lo que se toma como
elementales posibles y el conjunto de los nmeros variable aleatoria el conjunto de las medidas de las
reales, del modo siguiente:
6
alturas que son capaces de saltar las distintas Ejemplo. Sea el experimento aleatorio consistente
personas. en lanzar una moneda al aire. Los sucesos
elementales del experimento, <<que salga cara>>,
En el supuesto que una persona hubiera saltado 105
<<que salga cruz>>, no vienen representados por los
cm y otra 106 cm, no existira ninguna razn para
nmeros, por lo que casa suceso elemental se le
que otra no hubiera saltado un valor intermedio
hace corresponder un nmero real. As al suceso
cualquiera entre las dos anteriores, como 105.5 cm.
elemental <<que salga cara>> se le hace
Se trata de una variable aleatoria continua.
corresponder el nmero 1 y al suceso elemental
<<que salga cruz>> se le hace corresponder el
nmero 2.
1.1.1.2. Variable aleatoria discontinua o discreta.
Se dice que una Variable aleatoria Discreta o La variable aleatoria ser: X = (1,2).
Discontinua X, tiene un conjunto definido de valores
posibles x1,x2,x3,..xn con probabilidades
respectivas p1,p2,p3,..pn., Es decir que slo puede
tomar ciertos valores dentro de un campo de
variacin dado. Como X ha de tomar uno de los
valores de este conjunto, entonces p1 + p2 ++
pn=1.
En general, una variable aleatoria discreta X
representa los resultados de un espacio muestral en
forma tal que por P(X = x) se entender la
probabilidad de que X tome el valor de x. De esta
forma, al considerar los valores de una variable
aleatoria es posible desarrollar una funcin
Se trata de una variable aleatoria discontinua o
matemtica que asigne una probabilidad a cada discreta, ya que nicamente puede adoptar los
realizacin x de la variable aleatoria X. Esta funcin
valores 1 y 2.
recibe el nombre de funcin de la probabilidad.
EJERCICIOS
1. Supngase que la produccin de un da de 850 piezas manufacturadas contiene 50 piezas que no cumplen con
los requerimientos del cliente. Se seleccionan del lote dos piezas al azar y sin reemplazo. Sea la variable aleatoria
X igual al nmero de piezas de la muestra que no cumplen. Cul es la funcin de distribucin acumulada de X?
2. Dada la variable aleatoria X continua y con funcin de distribucin F se define la variable Y=F(X). Demustrese
que Y sigue una distribucin uniforme en [0,1].
3. Un punto aleatorio X tiene distribucin uniforme en el intervalo [0,1] y otro punto aleatorio Y tiene distribucin
uniforme en el intervalo [2,3]. Se define la variable distancia entre X e Y por d=Y-X. Suponiendo que X e Y son
independientes, calclese la esperanza matemtica y la varianza de d.
4. Supongamos que el consumo familiar de un cierto producto se distribuye como una variable aleatoria de
distribucin uniforme, con esperanza igual a 10 y varianza unidad. Determina la probabilidad de que dicho
consumo este comprendido entre 8 y 12 unidades.
7
1.2. ESPACIO MUESTRAL
Ejemplo:
8
1.3. TCNICAS DE CONTEO
Suponga que se encuentra al final de una lnea de 1.3.1. Principio multiplicativo de conteo. Si se
ensamble final de un producto y que un supervisor le desea realizar una actividad que consta de r pasos,
ordena contar los elementos de un lote que se ha en donde el primer paso de la actividad a
manufacturado hace unas horas y del que se realizar puede ser llevado a cabo de N1 maneras o
desconoce el nmero de productos que lo formas, el segundo paso de N2 maneras o formas y
constituyen, de inmediato usted empezar a contar el r-simo paso de Nr maneras o formas, entonces
un producto tras otro y al final informar al supervisor esta actividad puede ser llevada a efecto de;
que son, 48, 54 u otro nmero cualquiera. Ahora N1 x N2 x ..........x Nr maneras o formas
suponga que ese mismo supervisor le plantea la
siguiente pregunta cuntas muestras o grupos ser
posible formar con los productos del lote, si las El principio multiplicativo implica que cada uno de los
muestras o grupos a formar son de ocho elementos pasos de la actividad deben ser llevados a efecto,
cada una de ellas?. uno tras otro.
9
1.3.2. Principio aditivo de conteo. Si se desea M + N + W = 16 + 12 + 2 = 30 maneras de
llevar a efecto una actividad, la cual tiene formas seleccionar una lavadora
alternativas para ser realizada, donde la primera de
esas alternativas puede ser realizada de M maneras
o formas, la segunda alternativa puede realizarse de 1.3.3. Permutaciones y combinaciones. Para
N maneras o formas ..... y la ltima de las entender lo que son las permutaciones es necesario
alternativas puede ser realizada de W maneras o definir lo que es una combinacin y lo que es una
formas, entonces esa actividad puede ser llevada a permutacin para establecer su diferencia y de esta
cabo de, manera entender claramente cuando es posible
utilizar una combinacin y cuando utilizar una
M + N + .........+ W maneras o formas permutacin al momento de querer cuantificar los
elementos de algn evento.
10
Reflexionando al respecto nos damos cuenta de que donde lo nico que nos interesa es el contenido de
el orden en este caso no tiene importancia, ya que lo los mismos.
nico que nos interesara es el contenido de cada
grupo, dicho de otra forma, quines estn en el b) Suponga que se han nombrado como
grupo? Por tanto, este ejemplo es una combinacin, representantes del saln a Daniel como Presidente,
quiere decir esto que las combinaciones nos a Arturo como secretario y a Rafael como tesorero,
permiten formar grupos o muestras de elementos en pero resulta que a alguien se le ocurre hacer algunos
cambios, los que se muestran a continuacin:
CAMBIOS
PRESIDENTE: Daniel Arturo Rafael Daniel
SECRETARIO: Arturo Daniel Daniel Rafael
TESORERO: Rafael Rafael Arturo Arturo
Creo que la respuesta sera no, ya que el cambio de funcin que se hace a los integrantes de la representacin
original hace que definitivamente cada una de las representaciones trabaje de manera diferente, importa el orden
de los elementos en los arreglos?. La respuesta definitivamente sera s, luego entonces las representaciones
antes definidas son diferentes ya que el orden o la forma en que se asignan las funciones s importa, por lo tanto
es este caso estamos tratando con permutaciones.
A continuacin obtendremos las frmulas de permutaciones y de combinaciones, pero antes hay que definir lo que
es n! (ene factorial), ya que est involucrado en las frmulas que se obtendrn y usarn para la resolucin de
problemas.
Ejem.
10!=1 x 2 x 3 x 4 x.........x 10=3,628,800
8!= 1 x 2 x 3 x 4 x.........x 8=40,320
6!=1 x 2 x 3 x 4 x..........x 6=720, etc., etc.
Para hacer esto, partiremos de un ejemplo. Esta solucin se debe, a que al momento de asignar
Cuntas maneras hay de asignar los cuatro el primer lugar tenemos a 14 posibles candidatos,
primeros lugares de un concurso de creatividad que una vez asignado ese lugar nos quedan 13 posibles
se verifica en las instalaciones de un instituto, si hay candidatos para el segundo lugar, luego tendramos
14 participantes? 12 candidatos posibles para el tercer lugar y por
ltimo tendramos 11 candidatos posibles para el
Solucin: cuarto lugar.
Haciendo uso del principio multiplicativo, Luego si n es el total de participantes en el concurso
y r es el nmero de participantes que van a ser
14x13x12x11 = 24,024 maneras de asignar los premiados, y partiendo de la expresin anterior,
primeros tres lugares del concurso entonces.
11
14x13x12x11= n x (n - 1) x (n - 2) x .......... x (n r + Esta frmula nos permitir obtener todos aquellos
1) arreglos en donde el orden es importante y solo se
usen parte (r) de los n objetos con que se cuenta,
Si la expresin anterior es multiplicada por (n r)! / adems hay que hacer notar que no se pueden
(n r)!, entonces repetir objetos dentro del arreglo, esto es, los n
objetos son todos diferentes.
= n x (n 1 ) x (n 2) x ......... x (n r + 1) (n r)!
/ (n r)! Entonces, qu frmula hay que usar para arreglos
en donde se utilicen los n objetos con que se
= n!/ (n r)! cuenta?
Si en la frmula anterior se sustituye n en lugar de r,
Por tanto, la frmula de permutaciones de r entonces.
objetos tomados de entre n objetos es:
nPn= n!/ (n n)! = n! / 0! = n! / 1 = n!
nPn= n!
RESUELVE
1. Si lanzas dos dados de seis lados sobre una mesa plana horizontal:
a) Cuntas veces es posible que la suma de los nmeros de las caras que aparecen sea diez?
b) Cuntas veces es posible obtener suma de diez, si una de las caras es cuatro?
c) cuntas veces se obtiene suma par?
d) Cuntas veces se obtiene suma 1?.
e) Cuntas veces se obtiene suma par si los resultados en las dos caras son iguales?.
2. A una fiesta van 15 nias y 13 nios. Considera todas las parejas que se pueden formar si dos de las
parejas son fijas por cuanto son novios intensos y no participan con el resto del grupo. Cuntas de estas
parejas tendrn a una simptica y popular nia como uno de sus elementos?.
3. Un estudiante tiene cinco libros de literatura, tres de historia, cuatro de filosofa y dos de matemticas.
Arma un estante en donde colocar todos sus libros. De cuntas maneras diferentes puede colocarlos en
cada caso?
4. A una funcin de teatro asisten 7 amigos y se sientan en lugares contiguos. De cuntas maneras
pueden acomodar si son tres parejas que quieren sentarse juntas dos a dos y dejar al amigo sin pareja en
uno de los extremos?
12
2. PROBABILIDAD DE OCURRENCIA DE UN EVENTO
Al estudiar un fenmeno aleatorio es posible que queramos saber el resultado que podemos esperar en lugar de
otro, bajo ciertas condiciones. Para dar respuesta a esta inquietud es necesario conocer no slo todos los
resultados posibles del fenmeno sino tambin definir exactamente cada evento que se va a considerar y sus
posibilidades de ocurrencia.
La probabilidad de un evento de un espacio muestral es la razn entre el nmero de casos favorables del evento y
el nmero de casos posibles, siempre y cuando la ocurrencia de cada uno de estos sea igualmente posible.
Nmero de elementos de A
P ( A) =
Nmero de elementos de EM
Sean A y B dos eventos y sea P [B] 0., A y B son eventos independientes si: P [A/B] = P [A], como
consecuencia, si A y B son independientes y P [A/B] = P [AB] / P [B] = P[A] P [A B] = P[A] P [B] y
viceversa.
1. P [A/B] = P[A]
2. P [B/A] = P[B]
3. P [A B] = P[A]P[B]
13
2.2. REGLAS BSICAS DE PROBABILIDAD
Esto quiere decir que la probabilidad de que ocurra otro. En una seleccin de elementos de un conjunto
uno de ellos o ambos es igual a la suma de sus dado, sin que los elementos se reintegren al
probabilidades menos la probabilidad
dad de que ocurran conjunto, cada seleccin afecta
af la probabilidad de
ambos. ocurrencia de las subsiguientes. En este caso
tenemos eventos dependientes.
Por otra parte, un par de eventos son independientes
si la ocurrencia de uno no afecta la ocurrencia del
14
Si dos eventos son independientes, la probabilidad El resultado es 286
de ocurrencia de ambos se calcula multiplicando sus
individuales probabilidades asociadas: Otra forma de calcularlos es con la expresin
n!
Cr =
r ! ( n r )!
P(A y B) = P(A) P(B) n
P ( AyB )
P (B A) =
P ( A)
Ahora falta saber cuntos equipos se pueden formar
con dos mujeres y un hombre, para ello nuevamente
Donde se espera que ocurra B, ya que A ya ocurri. recurrimos al anlisis combinatorio. Puesto que la
idea de que un equipo est formado por dos mujeres
Ejemplo. Cul es la probabilidad de que se integre
y un hombre de un total de siete mujeres y seis
un equipo de trabajo con dos mujeres y un hombre,
hombres, se puede traducir en dos mujeres forman el
si se eligen al azar los integrantes de un grupo de
equipo de un total de siete y un hombre de un total
seis hombres y siete mujeres? .
de seis. Al ser eventos independientes aplicamos la
regla descrita y adems el anlisis combinatorio.
Para resolver el problema primero necesitamos
saber cuntos equipos diferentes se pueden formar,
sabemos que el equipo es de tres integrantes y que ( 7 C2 ) ( 6 C1 ) Calculando esto, se obtiene el nmero
las personas que lo pueden formar son trece. 126
Entonces hay 126 maneras diferentes de formar un
Debemos emplear el anlisis combinatorio. equipo con dos mujeres y un hombre, adems hay
Calculamos las combinaciones de trece elementos 286 formas diferentes de integrar a los equipos. Por
tomados de tres en tres. En las calculadoras lo tanto la probabilidad de que un equipo est
cientficas se tiene la funcin para el clculo de formado por dos mujeres y un hombre es:
combinaciones, el smbolo es n Cr . 126 63
P= = = 0.4405 = 44.05%
Entonces calculamos 13 C3 . 286 143
15
EJERCICIOS
1. El gerente de un restaurante que slo da servicio mediante reservas sabe, por experiencia, que el 20% de las
personas que reservan una mesa no asistirn. Si el restaurante acepta 25 reservas pero slo dispone de 20
mesas, cul es la probabilidad de que a todas las personas que asistan al restaurante se les asigne una mesa?
2. Si lanzas un dado normal de seis caras dos veces, Cul es la probabilidad de obtener:
a) Pares de seis?
b) Sumas pares?
c) Sumas diez?
d) Sumas de a lo ms diez?
e) Sumas superior a diez)
3. Una bolsa contiene seis bolas azules, cuatro bolas rojas, tres bolas verdes y una bola negra. Si extraes al azar
un par de bolas, cul es la probabilidad de que:
4. Un avin de alto rendimiento contienen tres computadoras idnticas. Se utiliza nicamente una para operar el
avin; las dos restantes son repuestos que pueden activarse en caso de que el sistema primario falle. Durante una
hora de operacin la probabilidad de que una falle en la computadora primaria( o de cualquiera de los sistemas de
repuesto activados) es 0,0005. Suponiendo que cada hora representa un ensayo independiente,
(a) Cul es el tiempo promedio para que fallen las tres computadoras?
(b) Cul es la probabilidad de que las tres computadoras fallen en un vuelo de 5 horas?
5. De una bolsa que tiene cinco bolas rojas y tres azules se saca una bola y luego se saca la otra.
a) cul es el espacio muestral si la primera se devuelve a la bolsa antes de sacar la segunda? (con
reposicin).
b) Cul es el espacio muestral si la primera no se devuelve antes de sacar la segunda (Sin reposicin).
c) Cul es la probabilidad de que las dos bolas sacadas sean del mismo color si no hubo reposicin? Cul
si hubo reposicin?.
6. Un lote contiene 100 piezas de un proveedor de tubera local y 200 unidades de un proveedor de tubera del
estado vecino. Si se seleccionan cuatro piezas al azar y sin reemplazo,
16
UNIDAD 2
1. VALOR ESPERADO Y VARIANZA
17
1.1.1.3. Si tenemos dos variables X e Y, discretas Es importante indicar que la independencia de las
o continuas, el valor esperado de su suma o variables es condicin suficiente pero no necesaria
diferencia es la suma o diferencia de sus valores para que el valor esperado del producto de dos
esperados variables sea igual al producto de sus valores
esperados, es decir, sta es una propiedad de las
variables independientes pero se cumple en
variables que no son independientes.
EJERCICIOS
1. Lanzamos dos monedas. Si salen dos caras
recibimos 3 pesos, si sale una cara recibimos 1 peso
y si no sale ninguna cara pagamos 5 pesos .Cul
es la ganancia media del juego?
18
1.2. VARIANZA
Para calcular la varianza por un mtodo ms sencillo En este contexto de la medida de la variacin se
se utiliza la expresin: plantea el problema de medir la variacin conjunta de
variables de variables asociadas.
19
1.2.1.. Varianza para datos agrupados
Para simplificar el clculo de la varianza vamos o utilizar las siguientes expresiones que son
equivalentes a las anteriores.
Ejemplo:
9, 3, 8, 8, 9, 8, 9, 18
1.2.3. Propiedades
Como sumamos cuadrados la varianza siempre es positiva y ser nula cuando todos los valores de la
variable sean coincidentes y por tanto iguales a la varianza.
Al elevar al cuadrado elevamos la unid
unidad
ad de medida de las observaciones al cuadrado.
Al elevarse al cuadrado las desviaciones aquellos valores ms alejados de la media afectarn mucho a la
varianza.
Es invariante ante cambios de origen.
Si se produce un cambio de escala la nueva varianza es igual igual a la anterior multiplicada por el cuadrado
del cambio.
Si se produce simultneamente un cambio de origen y escala en los datos, slo el cambio de escala
afectar a la varianza.
20
EJERCICIOS
1) Sumando 5 a cada nmero del conjunto 3, 6, 2, 1, 7, 5, obtenemos 8, 11, 7, 6, 12, 10. Probar que ambos
conjuntos de nmeros tienen la misma desviacin tpica pero diferentes medias cmo estn relacionadas las
medias?.
2) Multiplicando cada nmero 3, 6, 2, 1, 7 y 5 por 2 y sumando entonces 5, obtenemos el conjunto 11, 17, 9 7, 19
15. Cul es la relacin entre la desviacin tpica de ambos conjuntos? Y entre las medias?
3) Tenemos una variable X de la que sabemos que: CV = 0,5 y que Sx = 3. Cul es el valor de la media de X?.
4) Tenemos dos variables X e Y con el mismo recorrido y media, siendo sus varianzas 4 y 9 respectivamente.
Para cual de las dos variables el valor de la media es ms representativo?
2. DISTRIBUCIN BINOMIAL
Por ejemplo las siguientes experiencias son de tipo
Una variable aleatoria X se llama binomial si su valor Bernouilli:
es igual al nmero de xitos que ocurren en n
pruebas independientes, teniendo todas ellas la Jugar a cara o cruz.
misma probabilidad de xito, que designamos por p. El nacimiento de un nio (varn o mujer)
Su funcin de probabilidad es: Obtener un 4 en el lanzamiento de un dado.
Obtener un nmero par en el lanzamiento de un
dado.
Obtener copas al extraer una carta de la baraja
espaola.
La fabricacin de una pieza en una factora
Si una variable X sigue la distribucin binomial de (aceptable o defectuosa).
parmetros n y p suele designarse como: El resultado de una operacin (xito o fracaso).
El lanzamiento a una canasta (encestar o fallar).
Aprobar o suspender un examen.
21
EJERCICIOS
1. La probabilidad de que cierto jugador de baloncesto enceste una canasta de 3 puntos es 0.3. Cul es la
probabilidad de que enceste, exactamente dos canastas de cinco lanzamientos?
3. Una mquina
a produce 12 piezas defectuosas de cada mil que fabrica. Hallar la probabilidad de que al examinar
40 piezas:
a) Solo haya una defectuosa.
b) No haya ninguna defectuosa.
5. En una determinada ciudad, la probabilidad del nacimiento de una nia es del 56%. Seleccionamos una familia
de cinco hijos. Calcular la probabilidad de que:
a) Tenga exactamente 3 nias.
b) Tenga al menos dos nias.
c) Cul es el nmero medio de hijas en las familias con cinco hijos?.
3. DISTRIBUCIN DE POISSON
22
Tanto el valor esperado como la varianza de una Dobinski, el n-simo
simo momento iguala al nmero
variable aleatoria con distribucin de Poisson son de particiones de tamao n.
iguales a . Los momentos de orden superior
La moda de una variable aleatoria de distribucin de
son polinomios de Touchard en cuyos coeficientes
tienen una interpretacin combinatoria.
combinatori De hecho, Poisson con un no entero es igual a , el mayor
cuando el valor esperado de la distribucin de de los enteros menores que (los smbolos
Poisson es 1, entonces segn la frmula de representan la funcin parte entera). Cuando es un
entero positivo, las modas son y 1.
n valor esperado es
La funcin generadora de momentos de la distribucin de Poisson con
La divergencia Kullback-Leibler desde una variable aleatoria de Poisson de parmetro 0 a otra de parmetro es
23
EJEMPLO: Ejemplos de estos eventos que pueden ser
modelados por la distribucin de Poisson incluyen:
Si el 2% de los libros encuadernados en cierto taller
tiene encuadernacin defectuosa, para obtener la El nmero de autos que pasan a travs de un
probabilidad de que 5 de 400 libros encuadernados cierto punto en una ruta (suficientemente
en este taller tengan
ngan encuadernaciones defectuosas distantes de los semforos) durante un periodo
usamos la distribucin de Poisson. En este caso definido de tiempo.
concreto, k es 5 y , ,, el valor esperado de libros El nmero de errores de ortografa que uno
defectuosos es el 2% de 400, es decir, 8. Por lo comete al escribir una nica pgina.
tanto, la probabilidad buscada es El nmero de llamadas telefnicas
telefnica en una
central telefnica por minuto.
El nmero de servidores web accedidos por
minuto.
Este problema tambin podra resolverse recurriendo El nmero de animales muertos encontrados por
unidad de longitud de ruta.
a una distribucin binomial de parmetros k = 5, n =
400 y =0,02. El nmero de mutaciones
m de determinada
cadena de ADN despus de cierta cantidad de
radiacin.
3.3. PROCESOS DE POISSON El nmero de ncleos atmicos inestables que
decayeron en un determinado perodo
La distribucin de Poisson se aplica a varios El nmero de estrellas en un determinado
determinad
fenmenos discretos de la naturaleza (esto es, volumen de espacio.
aquellos fenmenos que ocurren 0, 1, 2, 3,... veces La distribucin de receptores visuales en
durante un periodo definido de tiempo o en un rea la retina del ojo humano.
determinada) cuando la probabilidad de ocurrencia La inventiva de un inventor
invento a lo largo de su
del fenmeno es constante en el tiempo o el espacio. carrera.
24
EJERCICIOS
1. Una empresa electrnica observa que el nmero de componentes que fallan antes de cumplir 100 horas de
funcionamiento es una variable aleatoria de Poisson. Si el nmero promedio de estos fallos es ocho,
a) cul es la probabilidad de que falle un componente en 25 horas?
b) y de que fallen no ms de dos componentes en 50 horas?
c) cul es la probabilidad de que fallen por lo menos diez en 125 horas?
2. Supongamos que el nmero de imperfecciones en un alambre delgado de cobre sigue una distribucin Poisson
con una media de 2.3 imperfecciones por milmetro.
a) Determine la probabilidad de 2 imperfecciones en un milmetro de alambre.
b) Determine la probabilidad de 10 imperfecciones en 5 milmetros de alambre.
c) Determine la probabilidad de al menos una imperfeccin en 2mm de alambre
4. DISTRIBUCIN NORMAL
La funcin de distribucin normal juega un papel La distribucin normal tambin es importante por su
central en la estadstica ya que, adems de sus relacin con la estimacin por mnimos cuadrados,
interesantes propiedades de reproductividad y de uno de los mtodos de estimacin ms simples y
aproximacin de otras distribuciones, sirve para antiguos.
modelizar una gran cantidad de situaciones
Algunos ejemplos de variables asociadas a
prcticas.
fenmenos naturales que siguen el modelo de la
La importancia de esta distribucin radica en que normal son:
permite modelar numerosos fenmenos naturales, caracteres morfolgicos de individuos como
sociales y psicolgicos. Mientras que los la estatura;
mecanismos que subyacen a gran parte de este tipo caracteres fisiolgicos como el efecto de un
de fenmenos son desconocidos, por la enorme frmaco;
cantidad de variables incontrolables que en ellos caracteres sociolgicos como el consumo de
intervienen, el uso del modelo normal puede cierto producto por un mismo grupo de
justificarse asumiendo que cada observacin se individuos;
obtiene como la suma de unas pocas causas
caracteres psicolgicos como el cociente intelec-
independientes.
tual;
De hecho, la estadstica es un modelo matemtico nivel de ruido en telecomunicaciones;
que slo permite describir un fenmeno, sin errores cometidos al medir ciertas magnitudes;
explicacin alguna. Para la explicacin causal es etc.
preciso el diseo experimental, de ah que al uso de La distribucin normal tambin aparece en muchas
la estadstica en psicologa y sociologa sea conocido reas de la propia estadstica. Por ejemplo,
como mtodo correlacional. la distribucin muestral de las medias muestrales es
25
aproximadamente normal, cuando la distribucin de En la figura se muestran dos distribuciones
la poblacin de la cual se extrae la muestra no es normales, con media = 0 y desviaciones tpicas =
normal. Adems, la distribucin normal maximiza la 1 y = 0.5. Como las dos tienen la misma media =
entropa entre todas las distribuciones con media 0, la funcin
n roja es mas alargada pues tiene menos
y varianza conocidas, lo cual la convierte en la variabilidad que la azul.
eleccin natural de la distribucin subyacente a una
lista de datos resumidos en trminos de media
muestral y varianza. La distribucin normal es la ms
extendida en estadstica y muchos tests estadsticos
estn basados en una supuesta "normalidad".
En probabilidad,
obabilidad, la distribucin normal aparece como
el lmite de varias distribuciones de probabilidad
continuas y discretas.
26
27
Ejemplo:
Solucin:
Ahora vas a manejar la tabla en forma inversa. Nos dan la probabilidad y calculamos
culamos el valor de la variable z0 que
acumula dicha probabilidad.
P(z < z0) = 0.7019 P(z < z1) = 0.8997 P(z < z2) = 0.9625
Solucin:
28
4.2. TIPIFICAR UNA VARIABLE NORMAL
a) P(z < z0) = 0.50
Cuando tenemos una variable le normal N(; ), para b) P(z < z0) = 0.8729
calcular las probabilidades se efecta
efect un cambio de c) P(z < z0) = 0.3300
variable que la convierte en una del tipo N(0; 1): d) P(z > z0) = 0.9015
e) P(z < z0) = 0.9971
f) P(z > z0) = 0.1190
29
UNIDAD 3
El mtodo es el modelo de trabajo o secuencia lgica organizados y verificables. En el caso de la vida real,
que orienta la investigacin, ahora bien el estudio del el proceso para apropiarse del conocimiento es
mtodo o de los mtodos se llama metodologa. continuo y muy desordenado. En el caso de la
investigacin cientfica debemos tener en cuenta que
El mtodo cientfico (del griego: -meta = hacia, a lo se trata de una experiencia creativa donde no
largo -odos = camino-; camino), es decir que se trata pueden excluirse la intuicin ni la subjetividad.
del camino que debe seguir el cientfico para el logro
del conocimiento. Para recorrer este camino es necesario respetar
algunas grandes fases o momentos:
El mtodo cientfico est sustentado por dos
pilares fundamentales. 1.1.1. Fase Proyectiva: Es el primer momento
donde el investigador ordena y sistematiza sus
inquietudes, formula sus preguntas y elabora
El primero de ellos es la reproducibilidad, es decir,
organizadamente los conocimientos que constituyen
la capacidad de repetir un determinado experimento
su punto de partida, revisando y asimilando lo que se
en cualquier lugar y por cualquier persona. Este pilar
ya se conoce respecto al problema que se ha
se basa, esencialmente, en la comunicacin y
planteado. Es el momento que se atiende a la
publicidad de los resultados obtenidos. racionalidad y a lograr la coherencia lgica del marco
terico y de la investigacin en general.
El segundo pilar es la falsabilidad. Es decir, que
toda proposicin cientfica tiene que ser susceptible 1.1.2. Fase Metodolgica: es donde el investigador
de ser falsada, esto implica que se pueden disear fija la estrategia ante el objeto de estudio, es cuando
experimentos que en el caso de dar resultados formula el modelo operativo para apropiarse del
distintos a los predichos negaran la hiptesis puesta
conocimiento. La preocupacin mayor durante toda
a prueba.
esta fase es la de elaborar sistemas de
comprobacin lo ms confiables posibles.
La sistematizacin de los mtodos cientficos es una
materia compleja y tediosa. No existe una nica 1.1.3. Fase Tcnica: Es abordar las formas y
clasificacin, ni siquiera a la hora de considerar
procedimientos concretos que nos permitan
cuntos mtodos distintos existen. Sin embargo aqu
recolectar y organizar la informaciones que
se presenta una clasificacin que cuenta con cierto
necesitamos. Es esta fase se obtiene la informacin
consenso dentro de la comunidad cientfica.
y adems se redefinen y ponen a punto las tcnicas
y los instrumentos que se emplean en la
Adems es importante saber que ningn mtodo es investigacin.
un camino infalible para el conocimiento, todos
constituyen una propuesta racional para llegar a su 1.1.4. Fase de Sntesis: Se inicia cuando el
obtencin. investigador dispone de los datos que le proporciona
el objeto de estudio, y as se puede elaborar los
nuevos conocimientos.
1.1. COMPONENTES DE UN PROYECTO DE
INVESTIGACIN
30
En toda investigacin cientfica se necesitan de tres
elementos componentes:
Las investigaciones podrn clasificarse de acuerdo a lo expresado ms abajo, lo cual no quiere decir
que se la nica clasificacin, sino que segn el autor o el rea del conocimiento a que se refiera podr
existir distintas forma de clasificarse.
31
32
1.3. ORGANIZACIN DE LA INFORMACIN
33
simultneo, que se complementan y determinan pedaggicos o prcticos: si no hay algo de algn
mutuamente. modo desconocido o mal conocido no hay, en
verdad, autntica necesidad de investigar, de
1.3.1. Pasos para la organizacin obtener nuevo conocimiento.
- Definicin del rea temtica: implica la seleccin Los problemas de conocimiento no deben
de un campo de trabajo, de la especialidad o confundirse con los problemas de la vida prctica,
problemtica donde nos situamos. Para explicarnos aunque ambos puedan estar estrechamente ligados.
mejor ejemplificaremos diciendo que son reas As, por ejemplo, no es un problema de investigacin
temticas: reducir los accidentes de trnsito, pero en cambio s
lo es responder a la pregunta: cules son las causas
La educacin en el primer ciclo, la funcin materna que producen los accidentes de trnsito? Con base a
en nios sordos, la toma de decisiones, las su repuesta es que podr resolverse el problema
prctico, pero es preciso hacer la distincin entre
migraciones internas, la comercializacin de obras
estas dos clases de problemas para disipar
de arte.
frecuentes equvocos que luego se traducen en
serios inconvenientes para el investigador.
34
tema, pero reenfocadas para los fines especficos de tiene por misin determinar la forma en que el
nuestro caso. Implica por lo tanto la revisin y problema habr de ser verificado: establecer el
organizacin de los conocimientos previos criterio general de comprobacin, el sistema de
disponibles sobre el tema, en lo que se refieren aproximacin a la realidad especfica considerada, la
particularmente al problema que
e se ha planteado y al estrategia general a utilizar.
punto de vista que se ha asumido acerca del mismo.
Las variables: se definen conceptuamente, se
operacionalizan
lizan y se determinan los indicadores que
luego servir para el diseo de los instrumento de
recoleccin de informacin.
35
COMPRENSIN LECTORA
En 1939, Leonid Vitalyevich Kantorovich (1912-1986), matemtico sovitico, ide el concepto de programacin
lineal, en el proceso de resolver un problema relativo a horarios de produccin de una fbrica. Kantorovich estudi
matemticas en la Universidad estatal Leningrado, donde le otorgaron el doctorado a la edad de 18 aos. Desde
1934 hasta 1960 fue profesor en la Universidad de Leningrado. A partir de 1961, y por 10 aos, fue el presidente
de la rama sovitica de matemticas y economa en la academia de ciencias de la Unin de Repblicas Socialistas
Soviticas. Desde 1971 hasta 1976, dirigi el Instituto de Planeacin Econmica de Mosc. An cuando la
preparacin de Kantorovich fue totalmente en matemticas, su inters por la aplicacin de ellas a la economa lo
llev a sugerir el uso del mtodo de programacin lineal a esta cuando en 1939 public su libro Mtodos
matemticos para organizar y planear produccin. Otro libro con el cual ampli su contribucin a la economa y
que escribi en 1942 pero public en 1959 se titula El mejor uso de recursos econmicos. En ste describe la
aplicacin de tcnicas de optimizacin a un rango amplio de problemas.
Los mtodos propuestos por Kantorovich se ampliaron, curiosamente, debido a la Segunda Guerra Mundial. Como
los pelotones de soldados de la fuerza area americana aumentaron considerablemente era difcil coordinar el
suministro de provisiones. Un equipo de matemticos se dedic al desarrollo de programas que, con el uso de
calculadoras y computadores, facilitaron la organizacin ptima el suministro.
El matemtico americano George Dantzig (1914- ) desarroll en 1947, el mtodo simplex, que permite resolver
problemas de programacin lineal simultneamente. Dantzig, hijo de un matemtico ruso que emigr a Estados
Unidos, tuvo muchas dificultades en matemticas cuando era nio pero debido no slo al apoyo de su padre sino
tambin de un amigo escolar de un profesor, Dantzig no slo super sus problemas sino que lleg a ser un gran
matemtico. Su campo de inters es la estadstica. Segn Dantzig el mejor regalo de su padre fue proveerlo de
miles de problemas de geometra durante su adolescencia pues el ejercicio mental necesario para resolverlos, en
el momento en el cual mi cerebro estaba creciendo, contribuy ms que cualquier otra cosa al desarrollo de mi
poder analtico". Estudi matemticas en la Universidad de Maryland y estaba adelantando estudios de postgrado
cuando estall la guerra. En ese momento comenz a trabajar con la Fuerza Area como civil, siendo esto el
principio de una carrera exitosa en varias instituciones relacionadas con la defensa de su patria. El trmino
"programacin lineal" para el mtodo de resolucin lo sugiri T J Koopmans, amigo de Dantzig, en 1948. Tiene su
origen en el uso del trmino militar "programar" usado para referirse a los horarios organizados para
entrenamiento, suministro y desplazamiento de los soldados. En 1952, Dantzig comenz a trabajar con la
corporacin RAND como investigador para el desarrollo de programas para computadoras. A partir de 1960,
retom su carrera acadmica como docente en las universidades de Berkeley y Stanford.
Contesta:
36
UNIDAD 4
1. MTODOS DE INVESTIGACIN
37
formula una teora que unifica los diversos - Qu resultados personales y generales traer el
elementos. Consiste en la reunin racional de varios desarrollo de esa investigacin?
elementos dispersos en una nueva totalidad, este se
presenta ms en el planteamiento de la hiptesis. 2.2. JUSTIFICACIN Y/O ANTECEDENTES
- Mtodo sistmico: Est dirigido a modelar el Son las razones por las cuales se plantea la
objeto mediante la determinacin de sus investigacin.
componentes, as como las relaciones entre ellos.
Esas relaciones determinan por un lado la estructura - La justificacin terica son las razones que
del objeto y por otro su dinmica. argumentan el deseo de verificar, rechazar o aportar
aspectos tericos en relacin con el objeto de
- Mtodo lgico inductivo: Es el razonamiento que, conocimiento.
partiendo de casos particulares, se eleva a
conocimientos generales. Destaca en su aplicacin - La justificacin metodolgica son las razones que
el mtodo de interpolacin. sustentan un aporte por la utilizacin o creacin de
instrumentos y modelos de investigacin.
- Mtodo lgico deductivo: Mediante ella se aplican
los principios descubiertos a casos particulares, a - La justificacin prctica son las razones que
partir de un enlace de juicios. sealan que la investigacin propuesta ayudar en la
solucin de problemas o en la toma de decisiones.
- Analoga: Consiste en inferir de la semejanza de
algunas caractersticas entre dos objetos, la - La justificacin debe responder a la pregunta. Por
probabilidad de que las caractersticas restantes qu se investiga?
sean tambin semejantes. Los razonamientos
analgicos no son siempre validos. 2.3. FORMULACIN DEL PROBLEMA
38
responder a la pregunta: Para qu y qu se busca estudio descriptivo identifica caractersticas del
con la investigacin propuesta? universo de investigacin, seala formas de
conducta, establece comportamientos concretos y
Dar respuesta a a esta interrogante permite delimitar el descubre y comprueba asociaciones entre variables.
marco de estudio y sus alcances, se deben plantear El estudio explicativo orienta a la comprobacin de
objetivo general y objetivos especficos. Los primeros hiptesis casuales.
deben ofrecer resultados amplios; los especficos se
refieren a situaciones particulares que inciden en el 2.8. PLAN DE TRABAJO Y/O CRONOGRAMA DE
objetivo general. ACTIVIDADES
2.5. ELEMENTOS TERICOS QUE El investigador debe sealar las diferentes etapas del
FUNDAMENTAN LA INVESTIGACIN - MARCO proyecto y el tiempo estimado para cada una de
TERICO ellas. Mediante la grfica de Gantt se establece una
relacin entre las etapas de investigacin
investigac y tiempo
La investigacin que se realiza debe tener en cuenta de ejecucin, se representa por el uso de barras
el conocimiento previo, pues forma parte de una horizontales.
estructura terica ya existente.
2.9. PRESUPUESTO
- El marco terico es la descripcin
pcin de los elementos
tericos planteados por uno por varios autores que En el presupuesto deben incluirse los gastos de la
permiten al investigador fundamentar su proceso de investigacin en trminos de precios y cantidades
conocimiento. reales de acuerdo con los rubros:
39
3. INSTRUMENTOS DE RECOLECCIN DE LA INFORMACIN
Es la herramienta que permite una adecuada Estas encuestas pueden ser Encuestas por
explotacin de la fuente de informacin. Cuando Muestreo en donde se elige una parte de la
hablamos de recoleccin de datos nos estamos poblacin que se estima representativa de la
refiriendo a informacin emprica abstrada en poblacin total o podr ser Encuesta de la
conceptos. Poblacin.
La recoleccin de datos tiene que hacer con el
concepto de medicin, proceso mediante el cual se
obtiene el dato, valor o respuesta para la variable
que se investiga.
40
La palabra entrevista deriva del latn y significa "Los La entrevista periodstica se distingue
que se ven entre s". Una entrevista es un hecho que fundamentalmente por tres factores:
consiste en un dilogo entablado entre dos o ms
personas: el entrevistador o entrevistadores que
interroga y el o los que contestan. Se trata de una
tcnica o instrumento empleado en diversas
investigaciones, medicina, seleccin de personal.
Una entrevista no es casual sino que es un dilogo
interesado, con un acuerdo previo y unos intereses y
expectativas por ambas partes.
41
Otras clasificaciones:
3.4. LA EXPERIMENTACIN
42
Ejemplo: Podemos hablar de la potencia de un automvil y vincularla con su aceleracin segn el siguiente
cuadro:
Como se ve, es imposible la unin directa entre el concepto y el indicador, la misin del investigador es disear y
encontrar como medir para poder unir el concepto no observable con el indicador.
4.1. TCNICAS PARA LA CLASIFICACIN DE LA 4.1.1.4. Respeto a las fuentes. Al mismo tiempo, el
INFORMACIN tratamiento de las fuentes debe ser respetuoso con
ellas mediante la fidelidad a las fuentes: no falsearlas
4.1.1. Tratamiento de las fuentes ni tergiversarlas para hacerlas decir lo que al
investigador interesa que digan.
4.1.1.1. Reunin de fuentes. El primer paso de
cualquier investigacin es la reunin de un corpus 4.1.1.5. Cita de las fuentes. La investigacin original
documental suficiente de todas las fuentes de
no debe ocultar las fuentes en las que se basa. Si la
informacin que vayan a interesar en el tema sobre
aportacin original es insuficiente o irrelevante, no
el que se est investigando.
hay originalidad sino plagio. La reproduccin de citas
puede ser abusiva (a veces la mayor parte de el
4.1.1.2. Crtica de las fuentes. El tratamiento de las
texto son entrecomillados). Para algunos casos
fuentes documentales, si pretende ser cientfico, (publicacin o edicin crtica de fuentes) la tarea del
tiene que partir de una crtica de las fuentes, es
investigador se convierte en una glosa. Es necesario
decir, del juicio que el investigador (periodista o
utilizar con cuidado el recurso que se conoce como
historiador, por ejemplo) deben de hacer sobre su
intertextulidad: no entrecomillar y citar a lo largo del
sinceridad y correspondencia con la realidad. texto que escribe el autor de la investigacin, pero
reconociendo bien sea en el propio texto, a pie de
4.1.1.3. Contraste de fuentes. Evaluadas en su pgina o al final del captulo o la obra que lo que se
validez, las fuentes deben contrastarse entre ellas, dice tiene una fuente y no es del todo produccin
viendo si coinciden o discrepan, y en qu grado. De propia.
43
4.2. MTODOS PARA LA CLASIFICACIN DE LA Una informacin nos dice que:
INFORMACIN
Como podemos ver armamos un sistema de matrices donde se van relacionando los distintos datos y se obtienen
conclusiones de inters tales como que la escuela 1 tiene mejor nivel que la 2.
44
PRUEBA TIPO ICFES
45
12. Una mujer tiene 10 faldas, 9 camisas, 6 pares El parque Xcaret en Mxico recibe al ao unos 700
de tacones y 3 bufandas. De cuantas formas mil visitantes. La entrada vale 45 dlares para
diferentes se puede vestir esta mujer: adultos y 22 para nios.
a) 1230
b) 1620 16. Una familia (entre nios y adultos) pag casi
c) 2400 180 dlares por la entrada, es posible que la
d) 870 familia este conformada por:
a) 3 adultos y 2 nios c) 4 adultos y 4 nios
Responde las preguntas 13 y 14 teniendo en cuenta b) 3 adultos y 3 nios d) 4 adultos y 2 nios
la siguiente informacin.
17. Tomando x como el nmero de adultos y z el
Se ha preguntado a un cierto nmero de familias por nmero de nios que visitan el parque cada ao,
el nmero de hijos. Los resultados obtenidos estn la expresin 45x + 22z representa:
representados en una tabla y un diagrama de barras. a) 45 adultos y 22 nios.
b) El valor de la entrada de 45 adultos y 22
No. No. nios en un ao.
De Hijos De
Familias
c) 67 personas.
0 2 d) El valor de la entrada de nios y adultos que
1 4 visitan el parque anualmente.
2 6
3 ? Responde las preguntas 18 y 19 de acuerdo con la
4 2
siguiente informacin:
5 ?
TOTAL ?
A continuacin se presenta la grfica que muestra la
relacin entre el consumo mensual en metros
cbicos y la tarifa de pago mensual, del servicio de
13. Al completar la tabla se tiene que: agua.
a) El nmero de familias que tiene 3 hijos es 5.
b) El nmero de familias que tiene 5 hijos es 5.
c) El total de familias encuestadas es 44.
d) No hay familias que tengan 5 hijos.
46
19. Si un usuario pag 37.000 pesos por el 22. La menor cantidad de agua se sac el da:
consumo mensual, el nmero de metros cbicos a) Lunes
que consumi en dicho mes est entre: b) Martes
c) Mircoles
a) 0 y 20 b) 20 y 4 c) 40 y 50 d) 50 y 60 d) En los tres das se extrajo la misma cantidad
de agua.
Responde las preguntas 20 y 21 de acuerdo con la
siguiente informacin: 23. Qu cantidad de agua queda disponible para
el da jueves?:
Sigue estrictamente el orden de las operaciones a) 100 litros c) 175 litros
indicadas y vers que siempre llegas al mismo b) 168 litros d) 232 litros
resultado.
Responde las preguntas 24 a 26 de acuerdo con la
siguiente informacin
47
BIBLIOGRAFA
http://html.rincondelvago.com/sistemas-digitales.html
http://es.wikipedia.org/wiki/Tridimensional
http://tdd.elisava.net/coleccion/12/cross-es
http://www.monografias.com/trabajos27/datos-agrupados/datos-agrupados.shtml#centiles
http://www.ematematicas.net/parit.php
http://www.profesorenlinea.cl/matematica/ProbabilidadCalculo.htm
http://www.mitecnologico.com/Main/TecnicasDeConteo
http://tratamientodedatos.wordpress.com/2011/03/07/medidas-de-tendencia-central-para-datos-no-agrupados-y-
agrupados/
http://www.monografias.com/trabajos43/medidas-dispersion/medidas-dispersion2.shtml
http://www.eumed.net/libros/2006c/203/2n.htm
http://html.rincondelvago.com/variables-aleatorias.html
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r51634.PDF
http://books.google.com.co/books?id=KgWUmCvw42kC&pg=RA1-PA61&lpg=RA1-
PA61&dq=Un+futbolista+posee+tres+pares+de+guayos,+cinco+pares+de+medias,&source=bl&ots=feF2ewf4Jy&si
g=j1NCMHa3h3ww77ckpp3gR_XWTTc&hl=en&sa=X&ei=y9xxT_WtNcybtwfw2dWuDw&redir_esc=y#v=onepage&
q=Un%20futbolista%20posee%20tres%20pares%20de%20guayos%2C%20cinco%20pares%20de%20medias%2
C&f=false
http://www.ucm.es/info/genetica/Estadistica/estadistica_basica.htm#Valor esperado de una variable
http://www.ucm.es/info/genetica/Estadistica/estadistica_basica.htm#varianza
http://personales.unican.es/gonzaleof/Sociales_2/aleatorias.pdf
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
http://www3.uji.es/~mateu/t4-alumnos.pdf
http://www.mailxmail.com/curso-tesis-investigacion/tesis-concepto-proceso-investigacion-1-2
PAREDES NUEZ, Pamela; RAMREZ PANATT Manuel. Apuntes de Preparacin para la Prueba de Seleccin
Universitaria Matemtica.Chile. 2009.
48