FASE 2: DISTRIBUCIONES DE PROBABILIDAD

GUILLERMO JUNIOR FONTALVO – Cód. 8499106

MIGUEL ANGEL IBARGUEN – Cód. 1116241059
FABIO RAFAEL RUIZ – Cód. 15242687
MAURICIO ANDRES VASQUEZ – Cód. 72334797

Grupo: 100402_218

TUTOR:
JUAN CARLOS GUERRERO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

PROGRAMA: INGENIERIA ELECTRÓNICA
CURSO: PROBABILIDAD
CEAD BARRANQUILLA
NOVIEMBRE DE 2016
 INTRODUCCIÓN

En desarrollo de esta unidad se establece la diferencia entre variables aleatorias discretas y

continuas, en términos de su función de probabilidad, valor esperado, varianza y desviación
estándar se reconocen algunas de las distribuciones de probabilidad más comunes, tanto las
discretas como las continuas. Entre las primeras se contemplan la uniforme discreta, binomial,
geométrica, binomial negativa, hipergeométrica y la distribución de Poisson y, distribuciones de
probabilidad continua, donde se trabajan principalmente la distribución uniforme, normal, chi
cuadrado. Cada estudiante deberá seleccionar un caso de estudio propuesto en la guía integrada
de actividades y darle solución.
 DESARROLLO DEL TRABAJO

Cuadro Sinóptico:
Solución al estudio de caso 1:

Para entregar una Tarjeta de crédito en los bancos del grupo Aval, los analistas del banco
clasifican o califican al cliente en función de la probabilidad de que resulte rentable. Una tabla
habitual de calificaciones es la siguiente:

La calificación es la suma de los puntos de los seis rubros. Por ejemplo, Sushi Brown tiene
menos de 25 años (12 puntos); ha vivido en el mismo domicilio durante dos años (0 puntos);
desde hace cuatro años es dueño de un automóvil (13 puntos), por el que realiza pagos de $75 (6
puntos); realiza gastos domésticos de $200 (10 puntos) y posee una cuenta de cheques (3
puntos). La calificación que obtendría sería de 44. Después, con una segunda tabla, se convierten
las calificaciones en probabilidades de rentabilidad del cliente, así:

La puntuación de Sushi (44) se traduciría en una probabilidad de rentabilidad aproximada

de 0.81. En otras palabras, 81% de los clientes como Sushi generarían dinero a las operaciones
con tarjeta del banco. A continuación se muestran los resultados de las entrevistas con los tres
posibles clientes.

INFORME A PRESENTAR:
Prepare un informe en el que como mínimo, incluya:
1. Califique a cada uno de estos clientes y calcule la probabilidad de que resulten rentables.
2. ¿Cuál es la probabilidad de que los tres resulten rentables?
3. ¿Cuál es la probabilidad de que ninguno sea rentable?
4. Determine la distribución de probabilidad total del número de clientes rentables entre este
grupo de tres clientes.
5. Redacte un breve resumen de sus hallazgos.

DESARROLLO
1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables.
DAVID EDWARD ANN
NOMBRE
BROWN BRENDAN MCLAUGHLIN
Edad 18 12 0
Tiempo de vivir en la misma residencia 20 0 20
Antigüedad con el auto 13 13 3
Pago mensual del auto 4 6 4
Costo de vivienda 10 10 12
cuenta de cheques o ahorros 15 3 0
TOTAL 80 44 39

Para calcular la probabilidad hallamos la relación entre el tamaño de los intervalos de puntuación
(10 puntos) con la diferencia que se presenta de la probabilidad.
 DAVID EDWARD ANN
NOMBRE
BROWN BRENDAN MCLAUGHLIN
Calificación 80 44 39
Probabilidad 0.95 0.81 0.77

2.- ¿Cuál es la probabilidad de que los tres resulten rentables?

La probabilidad de que los tres resulten rentables, está determinada por la probabilidad
condicional para este caso donde los sucesos son no excluyentes:
𝑃(𝐴) ∗ 𝑃(𝐵) ∗ 𝑃(𝐶)
0.95 ∗ 0.81 ∗ 0.77 = 0.59

3.- ¿Cuál es la probabilidad de que ninguno sea rentable?

La probabilidad de que ninguno sea rentable, está determinada por la probabilidad condicional
para cuando no son rentables, que es la diferencia entre 1 y la probabilidad de que sean rentables:
𝑃(−𝐴) = 1 − 0.95 = 0.05
𝑃(−𝐵) = 1 − 0.81 = 0.19
𝑃(−𝐶) = 1 − 0.77 = 0.23
Con los resultados anteriores podemos calcular la probabilidad condicional:
0.05 ∗ 0.19 ∗ 0.23 = 0.0022

4. Determine la distribución de probabilidad total del número de clientes rentables entre

este grupo de tres clientes.
Al tener la tabla de conversión de puntaje en probabilidad

Podemos determinar la distribución de probabilidad total, como una función de probabilidad:

𝑥 = 𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛 𝑜𝑏𝑡𝑒𝑛𝑖𝑑𝑎
𝑥𝑛−1 = 𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑚𝑒𝑑𝑖𝑎𝑡𝑎𝑚𝑒𝑛𝑡𝑒 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎 𝑥 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎
𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑎 𝑥 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎
𝑝𝑛−1 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎 𝑥 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎
 𝑥 − 𝑥𝑛−1 ∗ 𝑝 − 𝑝𝑛−1
𝑃(𝑋 = 𝑥) = + 𝑝𝑛−1
10

El valor de 10 en la división presentada en la ecuación, corresponde al tamaño de los intervalos

de puntuación.

5. -Redacte un breve resumen de sus hallazgos.

El caso de estudio nos presenta las probabilidades para sucesos no excluyentes, por lo que su
suma de probabilidades no debe ser igual a 1, así mismo por su característica de sucesos no
excluyentes podemos hallar la probabilidad de que los tres sean rentables calculando su
probabilidad condicional, para el caso de que ninguno sea rentable se aplica la probabilidad
condicional a las diferencias entre 1 y el valor de la probabilidad de que sean rentables.

Para describir la distribución de la probabilidad, utilizamos una función que relaciona los
tamaños de los intervalos de puntuación, con el tamaño de los intervalos de probabilidad, la cual
nos permite hacer el cálculo de la probabilidad para las puntuaciones que no se encuentran
relacionadas en la tabla.
Solución al estudio de caso 2:

La distribución de probabilidad binomial es una distribución de probabilidad discreta que

se presenta con mucha frecuencia. Una de sus características consiste en que sólo hay dos
posibles resultados en un determinado ensayo del experimento y los resultados son mutuamente
excluyentes; Otra característica de la distribución binomial es el hecho de que la variable
aleatoria es el resultado de conteos. Es decir, se cuenta el número de éxitos en el número total de
ensayos. Una tercera característica de una distribución binomial consiste en que la probabilidad
de éxito es la misma de un ensayo a otro.

Un estudio del Departamento de Transporte de Illinois concluyó que 76.2% de quienes

ocupaban los asientos delanteros de los vehículos utilizaba cinturón de seguridad. Esto significa
que los dos ocupantes de la parte delantera utilizaban cinturones de seguridad. Suponga que
decide comparar la información con el uso actual que se da al cinturón de seguridad, para lo cual
selecciona una muestra de 12 vehículos.

Presente un informe en el que como mínimo incluya:

1. ¿Esta situación cumple con los supuestos de la distribución binomial? Identifíquelos
2. Elabore un diagrama de barras para la distribución de probabilidad binomial que
representa esta situación
3. ¿Cuál es la probabilidad de que los ocupantes de la parte delantera en exactamente 7 de
los 12 vehículos seleccionados utilicen cinturones de seguridad?
4. ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de por lo menos 7 de
los 12 vehículos utilicen cinturón de seguridad?
5. ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de máximo 7 de los 12
vehículos utilicen cinturón de seguridad?
6. Encuentre el valor esperado del número de vehículos en los que los ocupantes de la parte
delantera utilizan el cinturón de seguridad?
DESARROLLO
1.- ¿Esta situación cumple con los supuestos de la distribución binomial? Identifíquelos
Una distribución binomial consiste en repetir una prueba n veces. La prueba solo puede presentar
dos resultados éxito o fracaso con suma de esas dos probabilidades igual a 1. A la probabilidad
de éxito se le llama p.

Y debe presentar la característica de que la probabilidad de cada prueba es independiente del

resultado de las anteriores, es decir, que p es constante para todas las pruebas.

Esta situación no cumple por entero los requisitos de una distribución binomial, cuando salga un
conductor con cinturon la probabilidad de que los otros lleven cinturón disminuirá algo y
viceversa. Pero se supone que la cantidad de conductores es tan grande que esa diferencia es
despreciable. Por tanto, podemos asumir que es una binomial casi perfecta. Es una 𝐵(12, 0.762)

𝑛 = 12

𝑝 = 0.762

2.- Elabore un diagrama de barras para la distribución de probabilidad binomial que

representa esta situación
3.- ¿Cuál es la probabilidad que los ocupantes de la parte delantera en exactamente 7 de los
12 vehículos seleccionados utilicen cinturones de seguridad?

Aplicamos la fórmula para 𝑥 = 7

12
𝑃(𝑥 = 7) = ( ) (0.762)7 ∗ (0.238)5 = 0.09021832636
7

4.- ¿Cuál es la probabilidad que los ocupantes de la parte delantera de por lo menos 7 de
los 12 vehículos utilicen cinturón de seguridad?

𝑃(𝑥 ≥ 7) = 𝑃(𝑥 = 7) + 𝑃(𝑥 = 8) + ⋯ + 𝑃(𝑥 = 12) = 0.09021 + 0.86611 = 0.95633

5.- ¿Cuál es la probabilidad que los ocupantes de la parte delantera de máximo 7 de los 12
Vehículos

Es un Binomial 𝐵(𝑛; 𝑝) = 𝐵(12; 0.762)

𝑥 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒ℎí𝑐𝑢𝑙𝑜𝑠 𝑞𝑢𝑒 𝑙𝑙𝑒𝑣𝑎𝑛 𝑙𝑜𝑠 𝑑𝑜𝑠 𝑐𝑖𝑛𝑡𝑢𝑟𝑜𝑛𝑒𝑠 𝑑𝑒𝑙𝑎𝑛𝑡𝑒𝑟𝑜𝑠.

𝑀𝑒 𝑝𝑖𝑑𝑒𝑛 𝑢𝑛 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒 7

𝑃(𝑥 <= 7) = 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟𝑒𝑚𝑜𝑠 𝑙𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜 𝑞𝑢𝑒 𝑠𝑜𝑛 𝑚𝑒𝑛𝑜𝑠 𝑐á𝑙𝑐𝑢𝑙𝑜𝑠 = 1 − 𝑃(𝑥 > 7)

𝑃(𝑥 > 7) = 𝑃(𝑥 = 8) + 𝑃(𝑥 = 9) + 𝑃(𝑥 = 10) + 𝑃(𝑥 = 11) + 𝑃(𝑥 = 12)

𝑞 = 1 − 𝑝 = 1 − 0.762 = 0.238

6.- Encuentre el valor esperado del número de vehículos en los que los ocupantes de la
parte delantera utilizan el cinturón de seguridad

𝑛
𝑃(𝑘) = ( ) 𝑝𝑘 (1 − 𝑝)𝑛−𝑘
𝑘

12
𝑃(𝑥 = 8) = ( ) (0.762)8 (0.238)4 = 0.18053
8

12
𝑃(𝑥 = 9) = ( ) (0.762)9 (0.238)3 = 0.25689
9
 12
𝑃(𝑥 = 10) = ( ) (0.762)10 (0.238)2 = 0.24674
10

12
𝑃(𝑥 = 11) = ( ) (0.762)11 (0.238) = 0.14363
11

12 (0.762)12
𝑃(𝑥 = 11) = ( ) = 0.86611
12

Entonces

𝑃(𝑥 > 7) = 𝑃(𝑥 = 8) + 𝑃(𝑥 = 9) + … … . 𝑃(𝑥 = 12) = 0.86611

𝑃(𝑥 ≤ 7) = 1 − 𝑃(𝑥 > 7) = 1 − 0.86611 = 0.13389

𝐸𝑙 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑒𝑛 𝑢𝑛𝑎 𝑏𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑋~𝐵(𝑛, 𝑝) 𝑒𝑠

𝐸(𝑋) = 𝑛𝑝

𝑋~𝐵(12, 0.762)

𝐸(𝑋) = 12 · 0.762 = 9.144

Solución al estudio de caso 4:

La distribución de probabilidad de Poisson describe el número de veces que se presenta un

evento durante un intervalo específico. El intervalo puede ser de tiempo, distancia, área o
volumen. La distribución se basa en dos supuestos. El primero consiste en que la probabilidad es
proporcional a la longitud del intervalo. El segundo supuesto consiste en que los intervalos son
independientes. En otras palabras, cuanto más grande sea el intervalo, mayor será la
probabilidad; además, el número de veces que se presenta un evento en un intervalo no influye
en los demás intervalos.

Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para describir la
distribución de errores en una entrada de datos, el número de rayones y otras imperfecciones en
las cabinas de automóviles recién pintados, el número de partes defectuosas en envíos, el número
de clientes que esperan mesa en un restaurante, el número de accidentes en una carretera en un
periodo determinado.

La compañía de aviación Delta Airlines, se caracteriza por su responsabilidad y cuidado

con el equipaje de sus pasajeros, por lo que pocas veces se pierde equipaje. En la mayoría de los
vuelos no se pierden maletas; en algunos se pierde una; en unos cuantos se pierden dos; pocas
veces se pierden tres, etc. Suponga que una muestra aleatoria de 1 000 vuelos arroja un total de
300 maletas perdidas. De esta manera, el número promedio de maletas perdidas por vuelo es de
0.3.

DESARROLLO DE LA ACTIVIDAD

1.- ¿Esta situación cumple con los supuestos de la distribución Poisson? Identifíquelos?
R) Si cumple con los supuestos ya que para el primero la probabilidad es proporcional al
intervalo, para este caso en particular de 1000 vuelos se pierden 300 maletas con un promedio de
0.3 maletas perdidas. Para el segundo caso los intervalos son independientes ya que la pérdida de
una maleta se puede dar por muchos factores como lo son el embarque o desembargue del avión
o traslado hasta las bandas transportadoras etc.

2.- Determine cuál es la probabilidad de que en un vuelo no se pierda ninguna maleta

e : es igual a 2.71828.
X es el número de ocurrencias de un evento;
𝜇 es el valor promedio del número esperado de ocurrencias durante el intervalo dado.
𝜇 𝑋 𝑒 −𝜇
𝑃(𝑋) =
𝑋!
0.30 𝑒 −0.3
𝑃(0) = = 0.7408
0!
Podemos concluir que hay un 74% de probabilidad de que ninguna maleta se pierda.

3.- Determine cuál es la probabilidad de que en un vuelo se pierda exactamente una maleta
0.31 𝑒 −0.3
𝑃(1) = = 0.222
1!
Podemos concluir que la probabilidad que se pierda solo una maleta es del 22,2%

4.- Determine cuál es la probabilidad de que en un vuelo se pierdan entre dos y cuatro
maletas.
𝑃(2 ≤ 𝑋 ≤ 4) = 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)
0.32 𝑒 −0.3 0.33 𝑒 −0.3 0.34 𝑒 −0.3
𝑃(2 ≤ 𝑋 ≤ 4) = 𝑃(2) = + 𝑃(4) = + 𝑃(4) =
2! 3! 4!
𝑃(2 ≤ 𝑋 ≤ 4) = 0.033 + 0.0033 + 0.00025
𝑃(2 ≤ 𝑋 ≤ 4) = 0.0365
Podemos concluir que la probabilidad que se pierdan entre 2 y 4 maletas es del 3,65%

5.- Podría establecer cuál es la probabilidad de que se pierdan en un vuelo más de cuatro
maletas
0.35 𝑒 −0.3
𝑃(5) = = 0.000015
5!
Podemos concluir que la probabilidad de que se pierdan más de 4 maletas es del 0.0015%

6.- ¿En qué momento debe sospechar el supervisor de la Aerolínea que en un vuelo se están
perdiendo demasiadas maletas?
En el momento en el que la probabilidad de maletas perdidas de menor de 22,2% el supervisor
debe sospechar que en ese vuelo está sucediendo algo.
Solución al estudio de caso 5:

Para una población grande de personas sin

hogar, Wong y Piliavin (2001) examinaron factores
de estrés, recursos y agotamiento psicológico
empleando la Escala de Depresión del Centro de
Estudios Epidemiológicos (CESD), un cuestionario
de evaluación comunitario.

Entre las personas sin hogar, la puntuación

media del cuestionario CESD es 23,5 con una desviación estándar de 7.5 y se considera que para
la Variable X = puntuación del CESD, la distribución es normal. Como trabajador en el área de
admisiones en un refugio para personas sin hogar, usted es el encargado de aplicar el CESD y
debe evaluar los resultados para las nuevas personas que lleguen al centro.

Dentro de las políticas del refugio se encuentra que cualquier persona cuya puntuación sea
de 20 o más puntos en el CESD debe enviarse a ver a un doctor.

Prepare un informe en el que como mínimo, incluya:

1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al doctor

Para resolver este punto utilizamos la fórmula de distribución normal:

Si x es una observación de una distribución con media µ y desviación estándar σ, el valor

estándar de x lo es

𝑋−µ
𝑧=
σ

20−23,5
𝑧= = -0,46
7,5

Hallamos este valor en la tabla de distribución normal = 0.3228

𝑃(𝑧 ≥ 20) = 1 − 0,3228 = 𝟎. 𝟔𝟕𝟕𝟐

0.6772 ∗ 100 = 67.72% se multiplica por 100 para convertir a porcentaje

Una persona que llegue al refugio tiene 67.72% de probabilidades de ir al doctor

2. La probabilidad de que una persona que llegue al refugio tenga una puntación de 10 o
menos puntos

Utilizamos la fórmula de distribución normal

𝑋−µ
𝑧=
σ

10−23.5
𝑧= = −1.8 buscamos el valor en la tabla de distribución normal = 0.9641
7.5

𝑃(𝑥 ≥ 10) = 1 − 0.9641 = 𝟎. 𝟎𝟑𝟓𝟗

0.0359 ∗ 100 = 3.59%

La probabilidad que una persona que llegue al refugio tenga una puntuación de 10 o más puntos
es de 3.59%

3. La probabilidad de que una persona que llegue al refugio tenga una puntuación entre
16 y 20 puntos

Para 16 puntos: utilizamos la fórmula de distribución normal:

𝑿−µ
𝒛=
𝛔

16−23,5
𝑧= = -1,0 Según la tabla de distribución normal obtenemos el valor de 0,1586
7,5

𝑃(𝑥 ≥ 16) = 1 − 0.1587 = 𝟎. 𝟖𝟒𝟏𝟑

Para 20 puntos: utilizamos la fórmula de distribución normal:

𝑋−µ
𝑧=
σ

20−23,5
𝑧= = -0,46 = Según la tabla de distribución normal obtenemos el valor de 0,3228
7,5

𝑃(𝑥 ≥ 16) = 1 − 0.3228 = 𝟎. 𝟔𝟕𝟕𝟐

Entonces:

Entonces 𝑃(𝑧 ≥ 16) = 1 − 0.1587 = 𝟎. 𝟖𝟒𝟏𝟑

Entonces 𝑃(𝑧 ≥ 20) = 1 − 0.3228 = 𝟎. 𝟔𝟕𝟕𝟐

Los datos encontrados para x=16 y x=20 están a la izquierda de la media (23,5) se restan los dos
valores y encontramos el porcentaje en el intervalo

0.8413 − 0.6772= 0.1641

0,1641 * 100 = 16,41 %

La probabilidad de que una persona llegue al refugio y que tenga una puntuación de 16 y 20
puntos es de 16,41 %
4. Si las personas sin hogar con puntuación en el 15% más alto deben ser enviadas a los
servicios de prevención de suicidios, ¿Qué puntuación hace calificar a una persona que
llega al refugio para este servicio?

Utilizamos la fórmula de distribución normal:

𝑿−µ
𝒛=
𝛔

Como ya hallamos el dato de probabilidad que es 15% y el restante 85% o 0,85 hallaremos la
puntuación entonces debemos hacer un despeje en la fórmula de distribución normal así:

Según la tabla para 0.8505 z= 1

𝑋− 𝜇
𝑧=
𝜎

𝑋 = 𝜇 + (𝜎 ∗ 𝑧)

𝑋 = 23,5 + (7.5 ∗ 1) reemplazamos en la ecuación

𝑋 = 23,5 + 7.5 = 31 𝑝𝑢𝑛𝑡𝑜𝑠

Las personas que tengan un puntaje superior a 31 puntos califican para este servicio
5. Las personas sin hogar con puntación en el 25% más bajo, se les envía a un servicio de
orientación laboral para mejorar sus recursos. ¿Qué puntuación permite calificar a una
persona para acceder a este servicio?

Utilizamos la fórmula de distribución normal:

𝑿−µ
𝒛=
𝛔

Solo que como ya poseemos el dato de probabilidad que es 25% confirmamos por debajo de este
porcentaje

Según la tabla para el valor de Z=0,2486 que corresponde a x=- 0,67

𝑋− 𝜇
𝑧=
𝜎

𝑋 = 𝜇 + (𝜎 ∗ 𝑧)

Reemplazando:

𝑋 = 23,5 + (7,5 ∗ −0,67)

𝑋 = 23,5 + (−6,83) = 16.67 𝑝𝑢𝑛𝑡𝑜𝑠

Las personas que tengan un puntaje superior a 16.67 𝑝𝑢𝑛𝑡𝑜𝑠 deben ser enviadas a un servicio
de orientación laboral para mejorar sus recursos.
 Conclusión

Para esta presentación de este trabajo aprendimos la aplicación y manejo de los temas: Variables

aleatorias y Distribuciones de Probabilidades, la probabilidad es una herramienta que nos sirve

para medir expresar y analizar eventos, el número de casos favorable y número de casos

posibles. Toda distribución de probabilidad es generada por una variable (porque puede tomar

diferentes valores) aleatoria x (porque el valor tomado es totalmente al azar).

 Referencias bibliográficas

 Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Recuperado

de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013767&
ppg=177
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436604&
ppg=128
 Martín, J. y Ruiz, L. (2004). Estadística I: Probabilidad. 2nd ed. Madrid: Paraninfo. vii-
viii. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE%7CCX405240
0005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickType=AboutThis
Publication
&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE%7C3BDC
 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica: Probabilidad
e inferencia. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10995669&
ppg=19