Академический Документы
Профессиональный Документы
Культура Документы
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Portada
PROBABILIDAD
Presentado por:
Andrea Hoyos
Edwin Córdoba
Presentado a:
(UNAD)
2020
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Objetivos
El grupo presenta máximo 3 objetivos, uno general y dos específicos.
Objetivo general.
Comprender como a través de la probabilidad e identificar
correctamente los tipos de variables aleatorios se pueden plantear
soluciones a casos cotidianos, que se aplican en muchas áreas como
industriales, hospitales etc.
Objetivos específicos.
Ejercicio 2
El grupo entrega aquí, de manera organizada, el análisis, desarrollo y
solución de ESTUDIO DE CASO que selecciono y explico cada estudiante
a sus compañeros de grupo.
Solución al estudio de caso 1: El grupo entrega aquí, de manera
organizada, el análisis, desarrollo y solución del ESTUDIO DE CASO
presentado
𝑁 = 60 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝐾 = 20 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝑛 = 12 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝑥 = 6 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
Reemplazamos en la fórmula.
20 60 − 20
()( )
𝑃(𝑋 = 𝑥) = 6 12 − 6
(60
12)
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
20 40
(
)( )
𝑃(𝑋 = 𝑥) = 6 6
(60
12)
(20𝐶6)(40𝐶6)
𝑃(𝑋 = 𝑥) =
(60𝐶12)
(38760)(3838380)
𝑃(𝑋 = 𝑥) =
(1,399 ∗ 1012 )
(1,487 ∗ 1011 )
𝑃(𝑋 = 𝑥) =
(1,399 ∗ 1012 )
𝑃(𝑋 = 𝑥) = 0,1063
Reemplazamos en la fórmula.
40 60 − 40
( )( )
𝑃(𝑋 = 𝑥) = 7 12 − 7
(60
12)
40 20
( )( )
𝑃(𝑋 = 𝑥) = 7 5
(60
12)
( 40𝐶7)(20𝐶5)
𝑃(𝑋 = 𝑥) =
(60𝐶12)
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
(18643560)(15504)
𝑃(𝑋 = 𝑥) =
(1,399 ∗ 1012 )
(2,890 ∗ 1011 )
𝑃(𝑋 = 𝑥) =
(1,399 ∗ 1012 )
𝑃(𝑋 = 𝑥) = 0,2065
𝒏
Formula: 𝑷(𝑿) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙
n= Número de ensayos.
p= Probabilidad de éxito.
x= Número de casos exitosos.
1. 𝑷(𝑿 ≤ 𝟒)
20 20
𝑃(𝑋 ≤ 4) = (( ) (0,25)4 (1 − 0,25)20−4 ) + (( ) (0,25)3 (1 − 0,25)20−3 ) +
4 3
20 20
(( ) (0,25)2 (1 − 0,25)20−2 ) + (( ) (0,25)1 (1 − 0,25)20−1 )
2 1
2. 𝑷(𝑿 < 𝟒)
20 (0,25)3 (1 20
𝑃(𝑋 < 4) = (( ) − 0,25)20−3 ) + (( ) (0,25)2 (1 − 0,25)20−2 )
3 2
20
+ (( ) (0,25)1 (1 − 0,25)20−1 )
1
𝑃(𝑋 < 4) = ((1140)(0,25)3 (0,75)17 ) + ((190)(0,25)2 (0,75)18 ) + ((20)(0,25)(0,75)19 )
3. 𝑷(𝑿 ≥ 𝟔)
Encontramos 𝑃(𝑥 ≤ 5)
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
20 20
𝑷(𝑿 ≤ 𝟓) = (( ) (0,25)5 (1 − 0,25)20−5 ) + (( ) (0,25)4 (1 − 0,25)20−4 )
5 4
20 20
+ (( ) (0,25)3 (1 − 0,25)20−3 ) + (( ) (0,25)2 (1 − 0,25)20−2 )
3 2
20
+ (( ) (0,25)1 (1 − 0,25)20−1 )
1
𝑷(𝑿 ≤ 𝟓) = 𝟎, 𝟔𝟏𝟑𝟕
𝑷(𝑿 ≥ 𝟔) = 1 − 𝟎, 𝟔𝟏𝟑𝟕
𝑷(𝑿 ≥ 𝟔) = 0,3863
4. 𝑷(𝑿 > 𝟔)
𝒏
Encontramos 𝑃(𝑥 ≤ 6) 𝑷(𝑿) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
20 (0,25)6 (1 20 20
𝑷(𝑿 ≤ 𝟔) = (( ) − 0,25)20−6 ) + (( ) (0,25)5 (1 − 0,25)20−5 ) + (( ) (0,25)4 (1 − 0,25)20−4 ) +
6 5 4
20 (0,25)3 (1 20 20
(( ) − 0,25)20−3 ) + (( ) (0,25)2 (1 − 0,25)20−2 ) + (( ) (0,25)1 (1 − 0,25)20−1 )
3 2 1
𝑷(𝑿 ≤ 𝟔) = 𝟎, 𝟕𝟖𝟐𝟑
𝒏
5. 𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) 𝑷(𝑿) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙
6. 𝑷(𝟐 ≤ 𝑿 < 𝟖)
7. 𝑷(𝟐 < 𝑿 ≤ 𝟖)
𝑷(𝟐 < 𝒙 ≤ 𝟖) = 𝑃(𝑋 = 8) + 𝑃(𝑋 = 7) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 5) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 3)
12
𝑷(𝟐 < 𝒙 ≤ 𝟖) = ((125970)(0,25)8 (0,75) ) + ((77520)(0,25)7 (0,75)13 ) + ((38760)(0,25)6 (0,75)14 )
𝒏
9. 𝑷(𝑿 = 𝟒) 𝑷(𝑿) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙
Reemplazamos en la fórmula
20
𝑃(𝑋 = 4) = ( ) (0,25)4 (1 − 0,25)20−4
4
Formula:
𝝀𝒙 𝒆−𝝀
(𝑋 ≥ 1) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) 𝒑(𝑿) =
𝒙!
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
1 2 3
(𝑋 ≥ 1) =
3 (2,71828)−3 3 (2,71828)−3 3 (2,71828)−3
+ +
1! 2! 3!
−3
(𝑋 ≥ 1) =
3 (2,71828) 9 (2,71828)−3 27 (2,71828)−3
+ +
1 2 6
(𝑋 ≥ 1) = 0,5974
32 (2,71828)−3
𝑝(𝑋 = 2) =
2!
9 (2,71828)−3
𝑝(𝑋 = 2) =
2
𝑝(𝑋 = 2) = 0,2240
Fórmula:
𝟏 𝟏 𝑿−𝝁 𝟐
𝒇(𝒙) = 𝒆 𝟐 𝝈 )
− (
√𝟐𝝅𝝈
Desviación estándar 𝝈 = 𝟎, 𝟗
𝑷(𝟒 ≤ 𝒙 ≤ 𝟕)
𝒁 = −2.22 ⇒ 𝑨= 𝟎. 𝟒𝟖𝟔𝟖
𝒁= 1.11 ⇒ 𝑨 = 𝟎. 𝟑𝟔𝟔𝟓
Representación gráfica:
𝑷(𝟒 ≤ 𝒙 ≤ 𝟕) = 𝐴1 + 𝐴2
𝑷(𝟒 ≤ 𝒙 ≤ 𝟕) = 𝟎. 𝟖𝟓𝟑𝟑
Solución
Datos
N=total de población=40
R=éxito de población =5
N=muestra=8
X=número de éxitos de la muestra=3
Fórmula para resolver
𝑅 𝑁− 𝑅
𝑝(𝑥) 𝑥 𝑛− 𝑥
𝑁
𝑛
Remplazamos valores
5 40 − 5 5! 35!
∗
𝑝(𝑥) 3 8 − 3 = 3! 2! 5! 30! = 42.710
40 40!
8 8! 32!
1Tomado y adaptado de Gutiérrez, Banegas, Ana Laura. Probabilidad y estadística Enfoque por competencias, Grupo
Editorial Mc Graw Hill, 2012.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
𝑛 𝑛!
( ) = 𝑘!(𝑛−𝑘)!
𝑘
porcentaje
p(x = 3) = 42.7%
𝑡𝑝 𝑡𝑞
( 𝑟 ) (𝑡 − 𝑟)
𝑃(𝑥, = 𝑟) = (1)
𝑇
(𝑡)
T=Tamaño de la población
Ct=combinación
¿Cero Mujeres?
Si definimos valores
𝑇=7
𝑍=5
𝑡= 4
𝑇−𝑧 =7−5=2
𝑡 − 𝑥𝑜 = 4 − 𝑥𝑜
𝑛!
𝑛𝐶𝑟 = (2)
𝑟! (𝑛 − 𝑟)!
5! 2!
( )( )
0! (5 − 0)! (4 − 0)! (2 − 4))!
𝑃𝑥 =
7!
4! (7 − 4)!
¿Un hombre?
Si definimos valores
𝑇=7
𝑍=2
𝑡= 4
𝑇−𝑧 =7−2=5
𝑡 − 𝑥𝑜 = 4 − 𝑥𝑜
2! 5!
( )( )
1! (2 − 1)! (3)! (5 − 3))!
𝑃𝑥 = = 𝟎, 𝟓𝟕𝟏
7!
4! (7 − 4)!
¿Dos hombres?
2! 5!
( )( )
(2 (5
2! − 2)! (2)! − 2))!
𝑃𝑥 = = 𝟎, 𝟐𝟖𝟔
7!
4! (7 − 4)!
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Ecuación general:
𝑃(𝑡) = 𝑛𝑖𝐶𝑡 𝑆 𝑡 (1 − 𝑆)𝑛−𝑡
Donde:
𝑛 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠
𝐶𝑡: 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛
Si definimos valores:
𝑛=5
1 − 𝑆 = 0,3
𝑆 = 0,7
5!
𝑃(𝑡 = 2) = 2!(5−2)! (0,7)2 (1 − 0,7)5−2 = 0,132
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
1. Cinco automóviles.
𝑡 = 500 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎 ÷ 60 𝑚𝑖𝑛 = 8,33
𝑡 𝑥 𝑒 −𝑡
𝑃(𝑟) =
𝑟!
Remplazando:
8,335 𝑒 −8,33
𝑃(𝑟 = 5) = = 0,08
5!
8,333 𝑒 −8,33
𝑃(𝑟 = 3) = = 0,023
3!
8,334 𝑒 −8,33
𝑃(𝑟 = 4) = = 0,048
4!
8,335 𝑒 −8,33
𝑃(𝑟 = 5) = = 0,08
5!
8,336 𝑒 −8,33
𝑃(𝑟 = 6) = = 0,112
6!
8,337 𝑒 −8,33
𝑃(𝑟 = 7) = = 0,1331
7!
1. Al menos 82 mg/dl .
𝒌−𝝁
𝒁=
𝝈
Valores conocidos:
K= 82
𝝁= Media: 90
𝝈= 9
Resolviendo:
82 − 90 8
𝑍= = − = −0.88
9 9
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
La probabilidad es de =0,1894
Sea la formula
𝑘
( ) (𝑁−𝐾
𝑛−𝑥
)
𝑝(𝑥) = { 𝑥
𝑁
𝑛
1.
N=12
K=7
n=5
X=4
7 12 − 7
( )( )
𝑃(𝑥 = 4) = { 4 5 − 4
12
5
7 5
( )( )
𝑃(𝑥 = 4) = { 4 1
12
5
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
7 5
( )( )
𝑃(𝑥 = 4) = { 4 1
12
5
7 5
( ) ( ) 35 ∗ 5 175
𝑃(𝑥 = 4) = { 4 1 = = = 0.2209
12 792 792
5
p: 0.25
q: 1-p= 1-0.25=0.75
𝑃(𝑥 ≥ 1) = 1 − 𝑃(0)
0.1500
𝑃(𝑥 = 3) = = 0%
3
d. Distribución Normal: La cantidad de gaseosa diaria, en litros, que sirve
una máquina que se localiza en la confitería de un Cinema es una variable
aleatoria X que tiene una distribución continua uniforme con A = 4 y B = 9.
Calcule la probabilidad de que en un día determinado la cantidad de gaseosa
que sirve esta máquina sea
Parámetros
Nombre Valor
N=Tamaño de Población 18
Y=Número de éxitos en la población 8
n=Tamaño de la muestra 6
x=Número de éxitos en la muestra Valor que se da a x en cada situación
N-Y=Numero de fracasos en la población 10
n-x=Numero de fracasos en la muestra 6-x
2. Calcule 𝑃(𝑋=2).
(8𝐶2)(18 − 8𝐶6 − 2)
𝑃(𝑥 = 2) = = 0,31674208
18𝐶6
La probabilidad de que, en los 6 individuos asignados de manera aleatoria, salgan dos
individuos que van a presentar las prueba por primera vez es de 0,31674208.
3. Calcule 𝑃(𝑋≤2).
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
(8𝐶0)(18 − 8𝐶6 − 0)
𝑃(𝑥 = 0) = = 0,01131222
18𝐶6
(8𝐶1)(18 − 8𝐶6 − 1)
𝑃(𝑥 = 1) = = 0,10859729
18𝐶6
(8𝐶2)(18 − 8𝐶6 − 2)
𝑃(𝑥 = 2) = = 0,31674208
18𝐶6
Media
𝜇 = 𝑛𝑝
𝑀 = 6 ∗ 0,31674208
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
𝑀 = 1,90045248
El promedio cuando x=2 es de: 1,90045248
Desviación Estándar
𝑁−𝑛
𝜎 = √𝑛𝑝𝑞.
𝑁−1
𝑞 =1−𝑝
𝑞 = 0,68325792
𝑁 = 18
18 − 6
𝜎 = √1,90045248 ∗ 0,68325792 ∗
18 − 1
𝜎 = 0,95738585566
La desviación estándar cuando x=2 es 0,95738585566
𝑞 = 0,97
𝑟 = {0,1,2}
𝑛 = 34
La probabilidad de que salgan 0,1 o 2 niños con una alergia dermatológica en la muestra es
de 0,918819348.
2. Determine 𝑃(𝑋≥6).
𝑃(𝐴̅) = 1 − 𝑃(𝐴)
𝐴 = {0,1,2,3,4,5}
𝑷(𝑿 = 𝒓 = 𝟎) = 0,355008675
𝑷(𝑿 = 𝒓 = 𝟏) = 0,373308091
𝑷(𝑿 = 𝒓 = 𝟐) = 0,190502582
𝑷(𝑿 = 𝒓 = 𝟑) = 0,062846213
𝑷(𝑿 = 𝒓 = 𝟒) = 0,015063654
𝑷(𝑿 = 𝒓 = 𝟓) = 0,002795317
𝑃(≥ 6) =0,99952453
𝑃(𝐴̅) = 1 − 0,99952453 = 0.00047547
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
3. Determine 𝑃(1≤𝑋≤7).
𝑷(𝑿 = 𝒓 = 𝟏) = 0,373308091
𝑷(𝑿 = 𝒓 = 𝟐) = 0,190502582
𝑷(𝑿 = 𝒓 = 𝟑) = 0,062846213
𝑷(𝑿 = 𝒓 = 𝟒) = 0,015063654
𝑷(𝑿 = 𝒓 = 𝟓) = 0,002795317
𝑷(𝑿 = 𝒓 = 𝟔) = 0,000417857
𝑷(𝑿 = 𝒓 = 𝟕) = 0,000051693
𝑷(𝟏 ≤ 𝑿 ≤ 𝟕) = 0,99999408161
La probabilidad de que en una muestra de 50 niños no salga ninguno con una alergia
dermatológica es de 0,218065375.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Parámetros
𝑒 = 2,71828
𝜆=3
𝑘 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜𝑠 𝑑𝑒𝑠𝑒𝑎𝑑𝑜𝑠 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑖𝑒𝑚𝑝𝑜
1. Exactamente 4 accidentes.
34 ∗ 2,71828−3
𝑷(𝒌 = 𝟒) = = 0,168031356
4!
La probabilidad de que ocurran exactamente 4 accidentes en un mes es de 0,168031356 .
2. ¿A lo sumo dos?
30 ∗ 2,71828−3
𝑷(𝒌 = 𝟎) = = 0,049787068
0!
31 ∗ 2,71828−3
𝑷(𝒌 = 𝟏) = = 0,149361205
1!
32 ∗ 2,71828−3
𝑷(𝒌 = 𝟐) = = 0,224041808
2!
𝑷(𝒌 = 𝟎) + 𝑷(𝒌 = 𝟏) + 𝑷(𝒌 = 𝟐) = 0,049787068 + 0,149361205 + 0,224041808
= 0.423190081
La probabilidad de que ocurran como máximo dos accidentes en el mes es de
0.423190081.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
𝒙−𝝁
𝒁=
𝝈
n=2000
𝑝 = 0,025
𝑞 = 1 − 𝑝 = 0,975
𝑀𝑒𝑑𝑖𝑎 𝜇 = 𝑛 ∗ 𝑝
𝜇=2000*0,025= 50
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑉 = 𝑛 ∗ 𝑝 ∗ 𝑞
𝑉 = 2000 ∗ 0,025 ∗ 0,975 = 48,75
𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡á𝑛𝑑𝑎𝑟 𝜎 = √𝑛 ∗ 𝑝 ∗ 𝑞
𝒙−𝝁
𝒁=
𝝈
2,5 − 50
𝑍= = −6,80
6,982
𝑧 = 0,0000000000052
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
𝑃(𝐴̅) = 1 − 𝑃(𝐴)
𝑃(𝐴̅) = 1 − 0,0000000000052 = 0,9999999999948
La probabilidad de que alguna caja contenga no más del 2,5% de bombillas defectuosas es
de 0,9999999999948 ó 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑛𝑑𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑑𝑒𝑐𝑖𝑟 𝑞𝑢𝑒 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 1.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Ejercicio 3
Mentefacto:
ESTUDIANTE CONCLUSIÓN
Edwin Reifer Cordoba En conclusión, se aplicaron los conocimientos
adquiridos en las lecturas de las referencias del
entorno de conocimiento, donde se aprendió el
concepto de variable aleatoria y sus tipos que
son variable aleatoria continua y variable
aleatoria discreta. También se aplicaron los
conocimientos de distribuciones discreta de
probabilidad y distribuciones continuas de
probabilidad y en base a estos conocimientos
se desarrollaron los ejercicios de distribuciones
hipergeométricas, distribuciones binomiales,
distribuciones de Poisson y distribuciones
normales, se aplicaron sus fórmulas para la
resolución de problemas.
Cristian Esneider Se realizaron ejercicios planteados aplicando
Muñoz Ñañez los tipos de distribución probabilística como
distribución hipergeométrica la cual modela el
número de eventos en una muestra, la
Distribución binomial que describe el número
de éxitos al realizar n experimentos
independientes entre sí, acerca de una variable
aleatoria y que la distribución poisson hace
referencia a la modelización de situaciones, se
pueden producir en un intervalo de tiempo o
de espacio; La distribución normal, la cual es
capaz de aproximar satisfactoriamente el valor
de una variable aleatoria continua a una
situación ideal.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
ESTUDI REFERENCIA
ANTE
Cristian HIPERGEOMÉTRICA, D. (16 de 04 de 2020).
Esneider DISTRIBUCIÓN HIPERGEOMÉTRICA. Obtenido de
Muñoz https://www.uv.es/ceaces/base/modelos%20de%20probab
Ñañez ilidad/hipergeometrica.htm