PROBABILIDAD

UNIDADES 1 Y 2: PASO 5 - EVALUACIÓN FINAL POA (PRUEBA OBJETIVA

ABIERTA)

LISETH NATALY ESPAÑOL-CC 1049632390

MONICA YANNETH BELTRAN CODIGO: 52336580
BLANCA AURORA CHINGATE LOPEZ CODIGO:1077941169
ANDRES FABIAN APERADOR CODIGO: 1022358870

INGRITH VIVIANA VEGA CODIGO: 1013666516

100402_5

YURY VANESSA NIETO

TUTOR DEL CURSO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

AGOSTO 2018
 INTRODUCCIÓN

Para comenzar este trabajo es fundamental en nuestras vidas cotidianas ya

que por medio de los teoremas de la probabilidad tendremos resultados de gran
importancia para poder escoger, la propuesta mas acertada y así crear una
estrategia que nos pueda favorecer a resolver cierta duda que se genera.
mediante los diferentes temas de operaciones y axiomas de probabilidad que
son una clave fundamental ya que por medio de dichas condiciones
mínimas que se deben verificar para que la función definida sobre el sucesos
que este aconteciendo determinemos la probabilidad, por medio de la practica
que se utilizara con las diferentes técnicas de conteo para poder , evaluar la
probabilidad del porque ocurre el fenómeno, con la finalidad de hacer
inferencias o deducciones relacionadas con una población tomando como base
diversos muestreos estadísticos con el objetivo de cuantificar cuan probable es
determinado el evento siendo así un estudio sobre las definiciones y reglas que
se pueden utilizar para estimar probabilidades de acertar en la respuesta correcta
según el caso dado siendo de una gran ayuda para tener una idea clara de
diagnósticos de la situación actual que puede vivir una organización en un tema
seleccionado donde se manejara las diferentes metodologías de estadística
mediante de instrumentos para la recolección de información ya que en la vida
cotidiana nos aparecen muchos interrogantes sobre las diferentes situaciones que
se presenta y queremos tener una adecuada respuesta donde esto nos arrojan
resultados diferentes donde podemos observar las condiciones iníciales en las
que se produce y así poder aplicar una adecuada estrategia..

Siendo a si de gran importancia conocer la función de probabilidad de una

variable que aborda el desarrollo de conceptos y aplicaciones de acuerdo con el
programa de probabilidad donde relacionamos, interpretamos, organizamos y les
damos significado y estructura a los datos con un propósito y relevancia, el
resultado es lo que conocemos como información que tiene como objetivo de
servir de apoyo, a la descripción y medición de series de datos, que nos explica
el uso en estadística, con los distintos tipos de series de datos, como son simples
y compuestos, a partir de las cuales se muestra la aplicación de las medidas de
tendencia central y de dispersión, asimetría, que aborda temas de estudio de la
probabilidad y comprende conceptos básicos, definiciones y aplicaciones; como
son las distribuciones de probabilidad discretas y los temas que abarca como
son: la distribución binomial, la binomial generalizada, la hipergeométrica y la
distribución de Poisson tratando temas del estudio de los números índices, que
son importantes y útiles sobre todo en el campo.
 OBJETIVOS

 OBJETIVO GENERAL

Comprende y aplicar en forma clara y pertinente los fundamentos de los

conceptos básicos de probabilidad, técnicas de conteo y Axiomas de Probabilidad
en forma clara y pertinente los fundamentos de las Distribuciones discretas y
continuas de probabilidad.

 OBJETIVO ESPECÍFICOS

Análisis e interpretación de situaciones problemas en contextos del

desarrollo profesional donde es oportuna y acertada su aplicabilidad.

Participa en el desarrollo de la actividad propuesta, consultando las

temáticas, Técnicas de Conteo y Teoría de Probabilidad, para la solución del
problema.

Aplicación de las teorías en diferentes situaciones de problemas en

contexto.
Consultar las temáticas correspondientes sobre, experimentos aleatorios y
distribuciones de probabilidad.
Identificar las funciones de probabilidad en sus diferentes variables.
Ejercicio 11

¿Red Social WhatsApp mientras se conduce un automovil?

La proporción de adultos (18 años o más) que admiten emplear la red social de
WhatApp para enviar mensajes de texto y audio mientras conducen es 47%.
Suponga que selecciona al azar tres conductores adultos y les pregunta si utilizan
el WhatsApp para enviar mensajes de texto y audio mientras conducen.

a. Encuentre la distribución de probabilidad para x, el número de conductores

en la muestra que admiten enviar mensajes de texto y audio mientras
conducen.
Distribución binomial
𝑛
𝑃(𝑋) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥
𝑋 = 1,2,3
𝑛=3
𝑝 = 0.47
𝑞 = 1 − 𝑝 = 1 − 0.47 = 0.53

𝟑
𝑷(𝟏) = ( ) 𝟎. 𝟒𝟕𝟏 𝟎. 𝟓𝟑𝟑−𝟏
𝟏
3 3! 3! 3∗2∗1 6
( )= = = = =3
1 1! (3 − 1)! 1! 2! 1 ∗ 2 ∗ 1 2

𝑃(1) = 3( 0.47)(0.2809) = 0.396069 = 39.6069%

𝟑
𝑷(𝟐) = ( ) 𝟎. 𝟒𝟕𝟐 𝟎. 𝟓𝟑𝟑−𝟐
𝟐
3 3! 3! 3∗2∗1 6
( )= = = = =3
2 2! (3 − 2)! 2! 1! 2 ∗ 1 ∗ 1 2
 𝑃(2) = 3( 0.2209)(0.53) = 0.351231 = 35.1231%

𝟑
𝑷(𝟑) = ( ) 𝟎. 𝟒𝟕𝟑 𝟎. 𝟓𝟑𝟑−𝟑
𝟑
3 3! 3! 3∗2∗1 6
( )= = = = =0
3 3! (3 − 3)! 3! 0! 3 ∗ 2 ∗ 1 6
𝑃(0) = 0( 0.103823)(1) = 0 = 0%

𝑃(𝑋) = 𝑃(1) + 𝑃(2) + 𝑃(3)

𝑷(𝑿) = 𝟎. 𝟑𝟗𝟔𝟎𝟔𝟗 + 𝟎. 𝟑𝟓𝟏𝟐𝟑𝟏 + 𝟎 = 𝟎. 𝟕𝟒𝟕𝟑 = 𝟕𝟒. 𝟕𝟑%

b. Construya un histograma de probabilidad para p(x).

c. ¿Cuál es la probabilidad de que exactamente uno de los tres conductores

envié mensajes de texto y audio mientras conduce?

Rta: La probabilidad de que uno de los tres envié mensajes y audio mientras
conduce es 𝟑𝟗. 𝟔𝟎𝟔𝟗%

d. ¿Cuáles son la media y la desviación estándar poblacional para la variable

aleatoria x?

Rta: Media
 𝝁 = 𝒏𝒑

𝝁 = 𝟑 ∗ 𝟎. 𝟒𝟕

𝝁 = 𝟏. 𝟒𝟏

Varianza

𝑽[𝑿] = 𝝁𝒒

𝑽[𝑿] = 𝟏. 𝟒𝟏 ∗ 𝟎. 𝟓𝟑

𝑽[𝑿] = 𝟎. 𝟕𝟒𝟕𝟑

Desviación típica

𝝈 = +√𝑽[𝑿]

𝝈 = +√𝟎. 𝟕𝟒𝟕𝟑

𝝈 = 𝟎. 𝟖𝟔𝟒𝟒

RESUMEN: Distribución Binomial

La Distribución Binomial esta relacionada con al distribución de Bernoulli que es

una distribución de variable aleatoria X que toma solamente valores de cero y uno
(éxito y fracaso), cuando se realiza un solo experimento.

La distribución binomial es una distribución de probabilidades que surge al

cumplirse las siguientes condiciones:

1. El número de ensayos o repeticiones del experimento (n) es constante.

2. En cada ensayo hay sólo dos posibles resultados (éxito o fracaso,
defectuoso o no defectuoso).
 3. La probabilidad de cada resultado posible en cualquier ensayo permanece
constante.
4. En cada ensayo, los dos resultados posibles son mutuamente excluyentes.
5. Los resultados de cada ensayo son independientes entre si.

FORMULA
𝑛
𝑃(𝑋) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥

Media

𝝁 = 𝒏𝒑

Varianza

𝑽[𝑿] = 𝝁𝒒

Desviación típica

𝝈 = +√𝑽[𝑿]

Ejercicio 22 (Blanca Chingate Lopez)

Prueba de la FDA. Como reglamentación se conoce que la duración máxima de

patente para un nuevo medicamento es 17 años. Restando el tiempo requerido
por la FDA para probar y aprobar el medicamento, es decir, el tiempo que una
compañía tiene para recuperar costos de investigación y desarrollo y obtener una
utilidad. Suponga que la distribución de tiempos de vida de patente para nuevos
medicamentos es como se muestra a continuación:

Años, x 3 4 5 6 7 8 9 10 11
p(x) 0.03 0.05 0.07 0.10 0.14 0.20 0.18 0.12 0.07

Años, x 12 13
p(x) 0.03 0.01

a. Encuentre el número esperado de años de vigencia de patente para un

nuevo medicamento.

𝐹(𝑋) = 𝑃[𝑋 ≤ 𝑥] = ∑ 𝑃[𝑋 = 𝑥𝑖 ]

𝑥𝑖≤𝑥

𝐹(13) = 𝑃[𝑋 ≤ 0.01] + 𝑃[𝑋 ≤ 3] + 𝑃[𝑋 ≤ 4] + 𝑃[𝑋 ≤ 5] + 𝑃[𝑋 ≤ 6] + 𝑃[𝑋 ≤ 7]

+ 𝑃[𝑋 ≤ 8] + 𝑃[𝑋 ≤ 9] + 𝑃[𝑋 ≤ 10] + 𝑃[𝑋 ≤ 10] + 𝑃[𝑋 ≤ 11]
+ 𝑃[𝑋 ≤ 12]
= 0.01 + 0.03 + 0.05 + 0.07 + 0.10 + 0.14 + 0.20 + 0.18 + 0.12 + 0.07
+ 0.03 = 1
b. Encuentra la desviación estándar de x.

Años, x p(x)
X-E(X)
3 0.03 778-3 -4,78
4 0.05 4-779 -3,78
5 0.07 5-780 -2,78
6 0.10 6-781 -1,78
7 0.14 7-782 -0,78
8 0.20 8-783 0,22
9 0.18 9-784 1,22
10 0.12 10-785 2,22
11 0.07 11-786 3,22
12 0.03 12-787 4,22
13 0.01 33-788 5,22

Valor esperado:

E(X) = ∑ 𝑋𝑖 ∗ 𝑃(𝑋𝑖 )
 E(X) = 0.03 ∗ 3 + 0.05 ∗ 4 + 0.07 ∗ 5 + 0.10 ∗ 6 + 0.14 ∗ 7 + 0.20 ∗ 8 + 0.18 ∗ 9

+ 0.12 ∗ 10 + 0.07 ∗ 11 + 0.03 ∗ 12 + 0.01 ∗ 13 = 7.78

Varianza

Varianza(X) = ∑(𝑋𝑖 − 𝐸(𝑋))2 ∗ 𝑃(𝑋𝑖 )

− 2
Varianza(X) = 0.03 ∗ (−4, .78)2 + 0.05 ∗ (−3,78)2 + 0.07 ∗ (−2,78) + 0.10 ∗
(−1,78)2 + 0.14 ∗ (−0,78)2 + 0.20 ∗ (0.22)2 + 0.18 ∗ (1,22. )2 + 0.12 ∗ (2,22)2 +
0.07 ∗ (3.22)2 + 0.03 ∗ (4,22)2 + 0.01 ∗ (5.22)2 =2871,21

Desviación estándar

𝑫𝑺(𝑿) = √𝑽𝒂𝒓𝒊𝒂𝒏𝒛𝒂(𝒙)

𝑫𝑺(𝑿) = √287,121

𝐷𝑆(𝑋) = 53,5

c. Encuentra la probabilidad de que x caiga en el intervalo 𝜇 ± 2𝜎

μ = 7,78

∑ (𝑥i. 𝑃(𝑋 = 𝑥i) E(X)

= 0.03 ∗ 3 + 0.05 ∗ 4 + 0.07 ∗ 5 + 0.10 ∗ 6 + 0.14 ∗ 7 + 0.20 ∗ 8

+ 0.18 ∗ 9 + 0.12 ∗ 10 + 0.07 ∗ 11 + 0.03 ∗ 12 + 0.01 ∗ 13 = 7.78

σ = 287,121

E(X2) = ∑ (xi2.P(X = xi) Varianza(X) = 0.03 ∗ (−4, .78)2 + 0.05 ∗ (−3,78)2 + 0.07 ∗
− 2 2 2 2 2
(−2,78) + 0.10 ∗ (−1,78) + 0.14 ∗ (−0,78) + 0.20 ∗ (0.22) + 0.18 ∗ (1,22. ) +
0.12 ∗ (2,22)2 + 0.07 ∗ (3.22)2 + 0.03 ∗ (4,22)2 + 0.01 ∗ (5.22)2 =2871,21
Por lo tanto,

σ2 = E(X2) −μ2

= 7,78 − 287,1212= 5,74

σ = .5,741/2 67,6

DISTRIBUCIÓN DE PROBABILIDADES DE UNA VARIABLE ALEATORIA

DISCRETA

Es el conjunto de todos los posibles resultados numéricos de un experimento a

los que podemos asignar un valor de ocurrencia o probabilidad. Donde se
expresan mediante una fórmula, una gráfica o por medio de un cuadro estadístico
Matemáticamente hablando, la distribución de probabilidades de una variable
aleatoria discreta donde una variable aleatoria discreta X tiene las siguientes
propiedades,
X es una función
P X ( x ) que da un valor de probabilidad a cada valor x que forma la variable
aleatoria X .
Siendo así el valor esperado de una variable aleatoria discreta es una media
ponderada de todos los resultados posibles, donde los ponderadores o pesos son
las probabilidades que están relacionadas, como ya se dijo, con cada uno de los
valores numéricos de la variable, mediante, la varianza y desviación estándar de
una variable aleatoria discreta La dispersión en el comportamiento de una variable
aleatoria discreta puede medirse, también, mediante dos estadísticos de
dispersión ya conocidos: la varianza y la desviación estándar, la de una variable
aleatoria discreta puede definirse como la media ponderada donde los
ponderadores de esta diferencia son precisamente los valores de probabilidad
asociados con cada valor numérico de la variable aleatoria y de la variable
aleatoria discreta X. donde
n expresarse media o valor esperado de la variable aleatoria discreta
X probabilidad de ocurrencia del mismo resultado de la variable aleatoria discreta
X.
Por otra parte la varianza es un estadístico que mide la dispersión en unidades al
cuadrado; por lo que para obtener una dispersión en las mismas unidades en que
se mide la media o valor esperado de la variable aleatoria discreta, se debe
obtener la raíz cuadrada de ella; con ello, se calcula la desviación estándar de la
variable aleatoria discreta.
Ejercicio 3 (Andres Fabian Aperador)
Regularmente muchas de las personas que toman café se toman un poco de
tiempo para prepararlo y algunas toman más de un descanso al día. En la
siguiente tabla, se ilustra la distribución de probabilidad para x, el número de
descansos por día que se dan quienes toman café.
Años 0 1 2 3 4 5
p(x) 0.28 0.37 0.17 0.12 0.05 0.01

a. ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al

azar, no se dé un descanso para tomar café durante el día?
P (X=0) = P (0)=0.28 = 28%
b. ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al
azar, se dé más de tres descansos para tomar café durante el día?
P (X>3) = P (4) + P (5) = + 0.05 + 0.01 = 0.06 =6%
c. ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al
azar, se dé más de cuatro descansos para tomar café durante el día?
P (X>4) = P (5) =0.01 = 1%
d. Calcule la media y la desviación estándar para la variable aleatoria x.
Encuentre la probabilidad de que x caiga en el intervalo μ ± 2σ.
μ= 132; σ =1.199
(μ - 2 σ, μ + 2 σ) = (1.32 - 2 (1.199), 1.32 + 2(1.199)) = (-1.078, 3.718)
La probabilidad de que x caiga en el intervalo es de 0.28 + 0.37 + 0.17 + 0.12 =
0.94. = 94%

Resumen
Regla de la adición

La regla de la adición o regla de la suma establece que la probabilidad de

ocurrencia de cualquier evento en particular es igual a la suma de las
probabilidades individuales, si es que los eventos son mutuamente excluyentes,
es decir, que dos no pueden ocurrir al mismo tiempo.
Entonces, si A y B son mutuamente excluyentes,
P(A o B) = P(A) U P (B) = P(A) + P (B)
Si A y B no son mutuamente excluyentes,
P(A o B) = P(A) + P (B) − P(A y B)
Siendo: P(A) = probabilidad de ocurrencia del evento A, P (B) = probabilidad de
ocurrencia del evento B, y P(A y B) = probabilidad de ocurrencia simultánea de los
eventos A y B.

https://es.wikipedia.org/wiki/Probabilidad#Regla_de_la_adici%C3%B3n

Reglas de la adición
Existen tres reglas fundamentales para resolver problemas en donde se
desea determinar la probabilidad de un suceso si se conocen las
probabilidades de otros sucesos que están relacionados con él. Estas dos
reglas son: Regla de la adición, probabilidad condicional y regla de la
multiplicación o Probabilidad Conjunta.
Existe otra regla muy importante que es El Teorema de Bayes, pero en
esta Unidad dedicaremos un aparte especial a ella.
Regla de la Adición: Esta regla expresa la probabilidad de que ocurran dos
o más sucesos a la vez, P ( A U B).
Puede presentarse de dos formas: para conjuntos con intersección y para
conjuntos mutuamente excluyentes. Veamos:

Para conjuntos con Intersección:

Esto se debe a que sumamos la probabilidad de A más la probabilidad de
B , pero como ya habíamos sumado la intersección, entonces la restamos.

Para conjuntos con Mutuamente excluyentes:

En este caso, no hay ningún problema en sumar ambas probabilidades.
Ejemplo 1: Se lanzan un dado. Usted gana $ 3000 pesos si el resultado
es par o divisible por tres ¿Cuál es la probabilidad de ganar ?
Lo que primero hacemos es definir los sucesos:
Sea A = resultado par: A = {2, 4, 6}
Sea B = resultado divisible por 3: B = {3, 6} . Ambos sucesos tienen
intersección? A∩ B = {3} luego,
P (A U B)= 3/6+2/6-1/6= 4/6= 2/3

Ejercicio 43(Viviana Vega)

Suponga que el 10% de los campos en una región agrícola determinada

están infestados con la mosca blanca de la remolacha. Se seleccionan
de manera aleatoria 100 campos de esta región y se inspeccionan para
ver si están infestados.

a. ¿Cuál es el número promedio de campos muestreados que están

infestados?

El experimento tiene las características de la distribución Binomial con:

n = 100 campos

p = 10% = 0,10

q = 1- 0,10 = 0,9

X: Cantidad de campos infestados con la mosca blanca de la remolacha

K= 0,1,2,…100Valores que puede tomar

3
Tomado y adaptado de de Mendenhall, W.; Beaver, R.; Beaver, B. (2015). Introducción a la estadística.
Editorail Cengage Learning.
Probabilidad binomial:

P(X = k) = Cn,k p∧k * q ∧n-k

Media = n*p

Media = 100 * 0,1 = 10 =μ

Desviación estándar = n*p*q = 100 *0,1*0,9 = 9 =σ

b. ¿Dentro de que límites esperaría usted hallar el número de campos

infestados, con probabilidad aproximada de 95%?

Z = μ /√σ

Para Z = 1,64, según la tabla de distribución normal existe una probabilidad de

95%

1.64 =μ /√9

μ = 4,92

Para una media de 4,92

c. ¿Qué podría usted concluir si encuentra 𝑥 = 25 campos estuvieran

infestados? ¿Es posible que una de las características de un experimento
binomial no se satisfaga en este experimento? Explique.

Si este improbable valor se observara en realidad, podría ser posible que los
intentos(campos) no sean independientes

Resumen

DISTRIBUCIÓN BINOMIAL
La distribución binomial es una distribución de probabilidad discreta que mide el
número de éxitos si la variable es una variable aleatoria discreta, es decir, sólo
puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n
pruebas. En las empresas tenemos muchas situaciones donde se espera que
ocurra o no un evento específico. Éste, sólo puede ser de éxito o fracaso. Por
ejemplo, en la producción de una pieza, ésta puede salir buena o defectuosa.
Para situaciones como éstas se utiliza la distribución binomial.
La estructura de este objeto de aprendizaje es como sigue: en primer lugar se
presentan los objetivos que se desean consigan los alumnos; a continuación se
trabaja la definición y características de la distribución binomial, haciendo especial
relevancia en cómo identificarla y diferenciarla de otras distribuciones discretas y
se resuelven algunos ejemplos prácticos para ayudar a su comprensión.
Finalmente, en el Cierre, se destacan los conceptos básicos de aprendizaje con
respecto a la distribución binomial y sus aplicaciones prácticas

CASO 5 (Mónica Beltrán)

De acuerdo con un estudio realizado por el Departamento de Pediatría de la

Universidad Nacional en Bogotá, 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.
Si el número promedio de lesiones por año para niños en edad escolar es de dos,
¿cuáles son las probabilidades de estos eventos?
a. Un niño en edad escolar sufrirá dos lesiones durante el año.
b. Un niño en edad escolar sufrirá dos o más lesiones durante el año.
c. Un niño en edad escolar sufrirá a lo sumo una lesión durante el año.

Solución:
Dado el promedio de lesiones anuales de niños en edad escolar
μ = 2 lesiones
e = 2,71828
Probabilidad Poisson:
P (X = k ) =μ∧k *e∧-μ /k
a. Un niño en edad escolar sufrirá dos lesiones durante el año.

P (X = 2) = 2² * 2,71828⁻² / 2*1

P (X = 2) = 4 * 0,135335 /2 = 0,27 = 27%

b. Un niño en edad escolar sufrirá dos o más lesiones durante el año.

P ( X≥2) = 1 - [P (X=0) + P (X=1) + P (X = 2)] = 1 - [ 0 + 0,1353 + 0.27]

P ( X≥2) = 1 - [P (X=0) + P (X=1) + P (X = 2)] = 0,5947 = 59,47 %

c. Un niño en edad escolar sufrirá a lo sumo una lesión durante el año.

P ( X≤1 ) = P (X=0) + P (X=1) = 0 + 0,1353 = 0,1353 = 13,53%

Concepto teórico

Distribución de Poisson

Se utiliza para modelar datos discretos, se aproxima a la binomial cuando p es

igual o menor a 0,1, y el tamaño de muestra es grande (n>16) por tanto np>1.6

La distribución de Poisson es una distribución de probabilidad discreta que se

aplica a las ocurrencias de algún suceso durante un intervalo especifico. La
variable aleatoria x es el número de ocurrencias de un suceso en un intervalo. El
intervalo suele ser normalmente tiempo, distancia, área, volumen o alguna unidad
similar. La probabilidad de que el suceso ocurra x-veces, durante el intervalo,
está dada por la siguiente fórmula:
Aspectos importantes a tener en cuenta:

La distribución de Poisson sólo se ve afectada por el valor de la media µ, al

contrario que la distribución binomial que se veía afectada por el tamaño de la
muestra y la probabilidad.

Los valores permitidos para x en la distribución de Poisson no tienen cota superior

(0,1,2,3…) al contrario que la binomial que si estaba acotada (0,1,2,3…n).
 CONCLUSIONES

En conclusión este trabajo nos ayudó a identificar el grado de probabilidad que

hay un caso determinado que se genera día tras día en el desarrollo de las
actividades de la vida cotidiana donde se debe tener la capacidad de analizar la
situación que se presenta para poder crear una estrategia para la solución de
la problemática que se presenta en el entorno de dichas actividades de una
compañía.

Estas actividades nos permiten desarrollar nuestros conocimientos para ponerlos

en práctica como futuros profesionales para solución de casos mediante la
técnicas de probabilidad como una herramienta de apoyo que nos ayuda
identificar las situaciones de diferente tipo donde aplicaremos técnicas de
estadística para la recolección y análisis e interpretación de los datos, donde
dichas teorías de probabilidad nos proporcionan una base de información para
evaluar la fiabilidad de las conclusiones alcanzadas y las inferencias realizadas
siendo así de gran importante papel desempeñado por la probabilidad dentro de
la estadística, es necesario familiarizarse con sus elementos básicos, lo que
constituye el objetivo del presente tema.

Para finalizar el desarrollo de los diferentes métodos nos ayudad a describir la

tendencia central de un conjunto de valores conociendo esos resultados
siéndonos posible resumir de manera eficaz las características de un conjunto
de datos con diferentes indicadores, ahorrándonos tiempo, y reduciendo la
posibilidad de cometer errores en el cálculo, de diferentes problemas, en un
promedio de tiempo a largo plazo.
 BIBLIOGRAFÍA

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 241 a

278. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&do
cID=11013767&tm=1470693471527
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Página 178 a 222. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=183&do
cID=10436604&tm=1470693651415
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 241 a
278 Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&do
cID=11013767&tm=1470693471527