Está en la página 1de 19

Unidad1- Paso 3 Experimentos aleatorios y distribuciones de probabilidad continúa.

Probabilidad

Lia Mercedes Royero Cód.


Ximena Sofía Muñoz Garizabal Cód. 9.804.116.6894

Edward José Cantillo Cód. 1.082.066.334


Elisabet Pedrozo Martínez Cód. 1.063.494.912
Jeison Fernando Mendoza Cód.

Grupo: 100402_259

Tutora:

Zoraida Monsalve

Universidad Nacional Abierta y a Distancia (UNAD)

Octubre de 2018
Datos Estudiante Fotografía Ejercicios Ejercicios
seleccionados a seleccionad os
desarrollar revisar
Id. Caso N°: 1 Caso N°:2
Lia Mercedes
Royero
CEAD
9.804.116.6894 Caso N°:3 Caso N°:
Ximena Sofía Muñoz
CEAD
1.082.066.334 Caso N°:2 Caso N°:3
Edward José Cantillo
CEAD:

1.063.494912 Caso N°:4 Caso N°:5


Elisabet Pedrozo
Martínez
CEAD: Curumani

Id. Caso N°:5 Caso N°:


Jeison Fernando
Mendoza
CEAD:
Cuadro Sinóptico.

El número de valores que


Discretas puede tomar es un valor finito

Variables aleatorias
El número de valores que puede
tomar está contenido en un
Continuas intervalo (finito o infinito) de
números reales

Cuenta el número de éxitos en una


secuencia de n ensayos
Binominal de Bernoulli independientes
entre sí, con una probabilidad
fija P de ocurrencia del éxito entre
los ensayos

Geométrica Numero de ensayos hasta


Probabilidad encontrar un éxito
Condicional y
Distribuciones de
Probabilidad Distribuciones discretas Describe el comportamiento de
Uniforme una variable discreta que puede
discreta tomar n valores distintos con la
misma probabilidad cada uno de
ellos

Expresa, a partir de una


frecuencia de ocurrencia media,
la probabilidad de que ocurra un
Poisson
determinado número de eventos
durante cierto período de
tiempo

Todos los intervalos de igual


Uniforme longitud en la distribución en su
Distribuciones continuas rango son igualmente probables
.

Se caracteriza por que los


valores se distribuyen en forma
Normal
de campana de Gauss, en torno
de su media
ESTUDIO DE CASO 1

Supongamos que X es una variable aleatoria discreta y que x es uno de sus valores posibles.
La probabilidad de que la variable aleatoria X tome el valor específico x se representa por
medio de P (X = x). La función de probabilidad de una variable aleatoria es una
representación de las probabilidades de todos los resultados posibles. Esta representación
podría ser algebraica, gráfica o tabular. En el caso de las variables aleatorias discretas, un
sencillo método es enumerar las probabilidades de todos los resultados posibles de acuerdo
con los valores de x.

Una empresa nueva de buses del Sistema Integrado


de Transporte de Bogotá (SITP) ha comenzado a dar
servicio en un nuevo barrio. Se ha registrado el
número de usuarios que hay en este barrio en el
servicio a primera hora de la mañana (5:00 a.m.). La tabla adjunta muestra la proporción de
cada uno de los días de la semana.

Número de usuarios 0 2 3 5 6 8 10 12 15
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08

Si X es la variable que representa el número de usuarios que la empresa debe atender a la


hora de inicio del servicio, con base en esta información y haciendo uso de los conceptos de
variables aleatorias discretas y función de probabilidad, prepare un informe en el que debe
incluir como mínimo lo siguiente:
1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.
R/=

Nuevo servicio SITP


0.2
0.18
0.16
0.14
Proporción

0.12
0.1
0.08
0.06
0.04
0.02
0
0 2 3 4 6 8 10 12 15
Número de ususarios

2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.


R/=

0,02 0,05 0,12 0,18 0,13 0,16 0,14 0,12 0,08

∑[𝑷(𝑿 = 𝒙𝒊 ] = 𝟏
𝒊=𝟏

3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho


usuarios del barrio esperando el servicio.
R/= 𝑃[𝑋 = 𝑥𝑖 ] = 𝑃𝑖
𝑷[𝑿 = 𝟖] = 𝟎, 𝟏𝟔

4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del
barrio esperando este servicio.
R/= 𝑃[𝑋 = 𝑥𝑖 > 6] = 0,16 + 0,14 + 0,12 + 0,08 = 𝟎, 𝟓

5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro usuarios


del barrio en este servicio.
R/= 𝑃[𝑋 = 𝑥𝑖 < 4] = 0,02 + 0,05 + 0,12 = 𝟎, 𝟏𝟗

6. El numero esperado de usuarios de este servicio y su desviación estándar.


R/= 𝑛 = 9
60
𝑥= = 𝟔, 𝟔𝟔
9

𝑿𝒊 𝒙𝒊 − 𝒙 (𝒙𝒊 − 𝒙)𝟐

0 -6,66 44,36

2 -4,66 21,72

3 -3,66 13,40

6,66 4 -2,66 7,08

6 -0,66 0,44

8 1,34 1,80

10 3,34 11,16

12 5,34 28,52

15 8,34 69,56

 60 198
2
2
∑(𝑥𝑖 − 𝑥)
𝑆 =
𝑛−1
La varianza quedaría así:
𝟏𝟗𝟖
𝑺𝟐 = = 𝟒𝟗𝟎𝟏
𝟖

2
√∑(𝑥𝑖 − 𝑥)
𝑆=
𝑛−1
La desviación estándar seria:
𝑺 = √𝟒𝟗𝟎𝟏 = 𝟕𝟎

ESTUDIO DE CASO 21

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 78.5% 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 8 vehículos.

Usando sus conocimientos sobre distribuciones discretas Ilustración 1. Estudio de caso 2

de probabilidad, presente un informe en el que como


mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución binomial. Identifíquelos


R/ Luego de analizar el enunciado de la situación propuesta, podemos afirmar que dicha
situación, si cumple con los tres supuestos que se requieren para aplicar una distribución
binomial, dichos supuestos los cuales identifico a continuación:

 Se trata de un experimento que se repite n veces

Para nuestro caso, se decide comparar la información con el uso actual que se da
al cinturón de seguridad, seleccionando una muestra de 8 vehículos.

 El ensayo solo puede tener dos posibles resultados

Para nuestro caso tenemos solo dos posibilidades, que los dos ocupantes de la
parte delantera del vehículo utilicen cinturones de seguridad o por el contrario
que no utilicen cinturones de seguridad

 Las probabilidades de esos dos resultados debe de ser siempre constantes

Para nuestro caso el estudio del Departamento de Transporte de Illinois concluyó


que el 78.5% de quienes ocupaban los asientos delanteros de los vehículos si
utilizaban cinturones de seguridad

2. Diagrama de barras de la distribución de probabilidad binomial que representa esta


situación

Distribucion de la probabilidad binomial


0.4
0.35
0.3
PROBABILIDAD

0.25
0.2
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8 9
EXITOS

x p(x)

3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de los 8


vehículos seleccionados utilicen cinturones de seguridad

𝐧
𝐏 = (𝐗 = 𝐫) = ( ) 𝐏 𝐫 𝐪𝐧−𝐫
𝐫
𝐗=

𝐫=5

𝐧=8

𝐏 = 0.785

𝐪 = 1 − p = 1 − 0.785 = 0.215

Remplazamos los valores en la ecuación

8
P = (X = 5) = ( ) (0.785)5 (0.215)8−5
5
8
P = (X = 5) = ( ) (0.785)5 (0.215)3
5

P = (X = 5) = (56) ∗ (0.785)5 ∗ (0.215)8−5

P = (X = 5) = 0.16

4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los 8


vehículos utilicen cinturón de seguridad

P = (X ≥ 5) = P(X = 5) + P(X = 6) + P(X = 7) + P(X = 8)

P = (X ≥ 5) = (0.16) + P(0.30) + P(0.31) + P(0.14)

P = (X ≥ 5) = 0.92

5. Probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8


vehículos utilicen cinturón de seguridad

P = (X ≤ 5) = P(X = 5) + P(X = 4) + P(X = 3) + P(X = 2) + P(X = 1)


+ P(X = 0)

P = (X ≤ 5) = (0.1659) + (0.0567) + (0.0124) + (0.0017) + (0.001) + (4.565)

P = (X ≤ 5) = 0.23

6. Número de vehículos esperado en los que los ocupantes de la parte delantera utilizan
el cinturón de seguridad.
E(X) = NP

E(X) = 0(4.565) + 1(0.001) + 2(0.0017) + 3(0.0124) + 4(0.0567) + 5(0.1659)


+ 6(0.3028) + 7(0.3159) + 8(0.1441)

E(X) = 0 + 0.0001 + 0.0034 + 0.0372 + 0.226 + 0.8295 + 1.8168 + 2.2113


+ 1.1528

E(X) = 6.2

El número de vehículos esperado en los que los ocupantes de la parte delantera utilizan
el cinturón de seguridad es de 6

ESTUDIO DE CASO 3

Baloto es un juego novedoso de tipo loto en línea, de suerte y azar, donde el jugador elige
5 números del 1 al 43 y una súper balota con números del 1 al 16 a través de una terminal
de venta. El juego consiste en acertar 5, 4 o 3 números en cualquier orden de una matriz del
1 al 43 y otro número (super balota) del 1 al 16. El jugador señala en un tarjetón los 6
números que escoge. Los números están representados en 43 balotas amarillas numeradas
del 1 al 43 y 16 balotas rojas numeradas del 1 al 16. Cada número aparece una sola vez y
las balotas ganadoras se seleccionan sin reemplazo. El premio acumulado se entrega a
quien haga coincidir los seis números. En la tabla aparecen las opciones para ganar Usando
sus conocimientos sobre distribuciones discretas de probabilidad, presente un informe en el
que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución de Hipergeométrica.


Identifíquelos.

43 números en 2 grupos ganadores y no pierden


 Ganan 5
 No ganan 38
 N= 43
 K=5
 X=?
𝑛 𝑁−𝑘
( )( )
 n= 5 𝑥 𝑛−𝑘
P= 𝑋=𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒

0≤x≤5
5 38
( )( )
𝑥 5−𝑥
𝑃 = (𝑥 = 𝑥) = 43
( )
5

Ganan 1 no ganan 15

1 15
( )( )
𝑥 1−𝑥
𝑃 = (𝑥 = 𝑥) = 16 𝑁 = 16
( ) 𝑑𝑒 16 𝑡𝑜𝑚𝑎𝑛 1
1

K= 1 X=?
K= 1
Esta situación si cumple porque la distribución hipergeométrica es una distribución
discreta.

2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números del 1


al 43 y la super balota)

5 3 8 38
( )( ) 1−( )
𝑝 = (𝑥 = 5) = 5 5 −5 = 0 = 1×1 = 1

43 43 962598 962598
( ) ( )
5 5
1 1
𝑥 16 = 0,000001038855265 . 0,0652
962598

P(x) = 0,000000006492848404

1 1
La probabilidad seria de P (X) = (962598)16
= 15401568

Es la probabilidad de 1 combinación entre 15401568

Es la probabilidad de 1 combinación entre 15401568 combinaciones


para ganar
3. La empresa encargada del sorteo informa que, hasta el sorteo anterior, la
posibilidad de “pegarle al gordo” era de 1 entre 8 millones, mientras que ahora
será de 1 entre 15 millones. Explique esta información.

43 16
( ) ( ) = 962598. 16 = 15401568
5 1

1
La probabilidad seria de 15401568

Es la probabilidad de 1 combinación entre 15401568 combinaciones para ganar

4. El sorteo también otorga otros premios (ver tabla.) presente la probabilidad de


obtener los premios que incluyen acertar balota.

4 aciertos + 1 acierto
3 aciertos + 1 acierto
2 aciertos + 1 acierto
1 aciertos + 1 acierto
0 aciertos + acierto

(5)(38) (1)(38) 1 (5019802) 501942


0 5 5 0
a) = = = 15404568 = 0,032590
(43) 15
( ) 962598
5 1

(5)(38) (1 15
1)( 0 ) 5.38 1 190 1 190
4 1
b) = = . 16 = 962598 . 16 = 15401568 = 0,0000123364862
(43) (16) 962598
5 1

(5)(38) (1 15
1)( 0 ) 10703 1 10703 1 10703
3 2
c) = = . = . = =
(43) (16) 962598 16 15401868 16 15401868
5 1
0,0004564470319

(5)(38) (1 15
1)( 0 ) 10(8436) 1 84360
2 3
d) 43 = = . = = 0,00547736438
( ) (16) 962598 16 15401568
5 1

(5)(38) (1 15
1)( 0 ) 5(73815) 1 369075
1 4
e) = = . = = 0,02396469
(43) (16) 962598 16 15401568
5 1

P= a + b + c + d + e = 0,624995736 = 6, 25%
5. Presente la probabilidad de obtener los premios que no incluyen acertar la super
balota

5 aciertos + 0 acierto

4 aciertos + acierto

3 aciertos + 0 acierto

(5)(38 ) (1 15
0)( 1 ) 1(1) 1(15) 1 15 15
5 0
a) = = . = . = =
(43) (16) 962598 16 962598 16 15451668
5 1
0,0000009739268106

(5)(38) (1 15
1)( 0 ) 5. 38 15 190 15 2850
4 1
b) = = . = . = = 0,000185046094
(43) (16) 962598 16 962598 16 15401568
5 1

(5)(38) (1 15
0)( 1 ) 10(703) 15 105450
3 1
c) = = . = = 0,006846705478
(43) (16) 962598 16 15401568
5 1

P= a + b + c
P= 0,007032725499= 0,703%

6. Con base en los resultados obtenidos, ¿usted invertiría dinero en el BALOTO?

Claramente nos muestra los resultados que es un sistema de juego con mucha
posibilidad de perder y muy poca de ganar.

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.

Los padres preocupados porque sus hijos son “propensos a accidentes” pueden estar
tranquilos, de acuerdo a un estudio realizado por el Departamento de Pediatría de la
Universidad de California, San Francisco. 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. El estudio determinó que el número promedio de lesiones por año para niños
en edad escolar es de dos.

Usando sus conocimientos sobre distribuciones de probabilidad discretas, presente un


informe que como mínimo contenga:

1. Esta situación cumple con los supuestos


de la distribución Poisson. Identifíquelos
Si cumple, y los requisitos son que sea
una variable aleatoria discreta y que los
sucesos de estudio deben ser
independientes.

2. Probabilidad de que un niño sufra tres


lesiones durante el año
𝑒 −2 2³
𝑝= = 0.18
3!

3. Probabilidad de que un niño sufra más de tres lesiones durante el año


Es la probabilidad total menos la probabilidad de que el niño sufra máximo tres
lecciones en el año.
𝑒 −2 2³
𝑝 = (3,2) = 3!

𝑒 −2 2²
𝑝 = (2,2) = 2!

𝑒 −2 2¹
𝑝 = (1,2) = 1!

𝑒 −2 20
𝑝 = (0,2) = 0!
𝑒 −2 23 𝑒 −2 22 𝑒 −2 21 𝑒 −2 21
𝑝=1− − − − = 0,14
3! 2! 1! 1!

4. Probabilidad de que un niño sufra una lesión en los siguientes tres meses del año
Es como si se dijera que el niño tiene la probabilidad de sufrir 4 lesiones en un año:

𝑒 −2 (2)4
𝑝 = (4,2) = = 0,09
4!
5. Número de lesiones esperado por año y su desviación estándar. Dentro de que
limites se espera entonces que caiga el número de lesiones por año.
𝜆 = 𝟐 𝒍𝒆𝒔𝒊𝒐𝒏𝒆𝒔 𝒑𝒐𝒓 𝒂ñ𝒐
Variedad estándar
𝜎 = √𝜆 = √2 = 1.4142 ≈ 1
Esperamos que las lesiones anuales por cada niño se entre los límites 1 y 3.

6. Realmente, pueden estar tranquilos los padres? Sustente su opinión en los resultados
obtenidos
No pueden estar tranquilos, ya que la probabilidad inmediata de sufrir lesiones, es
muy alta.

ESTUDIO DE CASO 5

El Coeficiente intelectual C.I. de un individuo es


medido en una escala que va de 45 a 155. Un C.I.
de 100 es el promedio. En la figura siguiente se
puede ver que la mayoría de la población tiene el
C.I. alrededor de 100. Existen menos personas que
tienen el
CI menor a 85 y muy pocos tienen el CI por encima de 115.

Una empresa que recluta personal para multinacionales, aplica un test de inteligencia a todos
los posibles candidatos. Una persona que desea ser contratada, acaba de presentar el test y le
informan que ha obtenido C.I. igual a 95.

Asumiendo que las puntuaciones en un test de inteligencia se distribuyen normalmente y


sabiendo que las puntuaciones CI tienen promedio 100 y desviación estándar 15, usted debe
presentarle un informe acerca de sus resultados.

Usando sus conocimientos sobre la distribución de probabilidad normal, presente un informe


que como mínimo contenga:

1. Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.

2. Porcentaje de personas podrían tener un C.I. superior a 95.

3. Probabilidad de que una persona tenga un C.I. entre 85 y 90

4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el 30% inferior
(puntuación de CI que deja el 30% de sujetos por debajo).

5. Puntuación de C.I. que es superada solo por el 10% de los sujetos.

6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos

Solución
Datos:

μ: media
μ = 100

σ: desviación estándar
σ= 15

X=95
Tipificación variable aleatoria

X ≈ N (100, 15) ⇒ Z ≈ N (0,1)

1. Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.

Porcentaje X≤95

X−μ
Z= → 𝐅ó𝐫𝐦𝐮𝐥𝐚
σ
95 − 100
P(x ≤ 95) = P (Z ≤ ) = P(Z ≤ −0,33̂) ≅ 0,3707 →∴ 𝐏 ≅ 𝟑𝟕, 𝟎𝟕%
15

Ubiqué valor de la tabla para Z, que será el área bajo la curva de la normal estándar
(Distribución) a la izquierda de Z

Nota: si se realiza con la calculadora en línea de distribución normal, se da una pequeña


diferencia a raíz de los decimales, siendo con la calculadora 36,94%

R//=37,07%

2. Porcentaje de personas podrían tener un C.I. superior a 95.

Porcentaje X>95

95 − 100
P(x > 95) = 1 − P(x < 95) = 1 − P (Z > ) = 1 − P(Z < −0,33̂)
15
= 1 − 0,3707 = 0,6293 →∴ 𝐏 = 𝟔𝟐, 𝟗𝟑%

R//=62,93%

3. Probabilidad de que una persona tenga un C.I. entre 85 y 90

85 − 100
P(X ≥ 85) = 1 − P(X ≤ 85) = Z1 = = −1 → P = 1 − 0,1587 = 0,8413 ∴ P
15
≈ 84,13%
 Según la tabla la primer Z es 0,1587

90 − 100
P(X ≤ 90) → P = 1 − (x ≤ 95) → Z2 = ≅ −0,67 → P = 1 − 0,2514
15
= 0,7475 ∴ P ≈ 74,75%

 Según la tabla la segunda Z es 0,2514

Calculo probabilidad 85≥X≤90:

P(85 ≤ x ≤ 90) = P1 − P2 = 0,8413 − 0,7475 = 0,0938 →∴ P(85 ≤ x ≤ 90) ≈ 9,38%

R//= 9,38%

4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el
30% inferior (puntuación de CI que deja el 30% de sujetos por debajo).

R//: La puntuación debe ser menor al promedio dado de 45 puntos

5. Puntuación de C.I. que es superada solo por el 10% de los sujetos.

R//: La puntuación mayor del promedio dado de 155 puntos

Referencias Bibliográficas.
 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&docID=110
13767&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&docID=104
36604&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&docID=110
13767&tm=1470693471527
 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica: Probabilidad e
inferencia. Página 46 a 57. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=47&docID=1099
5669&tm=1470693596054
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional. Página
223 a 254 Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=194&docID=104
36604&tm=1470693683773
 Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 280 a 298.
Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=297&docID=110
13767&tm=1470693984628
 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica: Probabilidad e
inferencia. Página 58 a 77. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=59&docID=1099
5669&tm=1470694057290
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico
Nacional. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=224&docID=319
2101&tm=1512261758930