Unidad 2: Tarea 2 - Experimentos aleatorios y distribuciones de

probabilidad

Curso: probabilidad

Realizado por:

Ena Yiseth Delgado

Walter Jair Peña Fonseca

Diana María Chiquito

Evelio Gonzalez

Grupo: 100402_406

Tutor: Christian Alberto Bolívar

Universidad Nacional Abierta y a Distancia (UNAD)

2020
 Introducción

La importancia de la probabilidad radica en que, mediante este recurso

matemático, es posible ajustar de la manera más exacta posible los imponderables
debidos al azar en los más variados campos tanto de la ciencia como de la vida
cotidiana. La probabilidad es una estrategia mediante la cual se intenta estimar la
frecuencia con la que se obtiene un cierto resultado en el marco de una experiencia
en la que se conocen todos los resultados posibles, por esta razón en este trabajo
se estudiaran temas expuestos en las unidades anteriores y analizados por medio
de estudios de caso.

Con base en lo anterior, el siguiente trabajo se fundamenta en aplicar

conceptos de probabilidad radicados en Probabilidad condicional y distribuciones de
Probabilidad, con la finalidad de tener niveles cognitivos ajustados en relación al
desarrollo profesional, siendo así que en la parte uno, trata de la elaboración de un
cuadro sinóptico sobre la unidad 2, temas y subtemas que la fecundan. En la parte
2, se muestran diversos estudios de caso que acogen los temas vistos para aplicar
la teoría en la práctica. En la parte 3, un Mentefacto que recoja las conclusiones de
los temas y los estudios de caso.
 Objetivos

General:

Aplicar los conceptos básicos de Probabilidad condicional y distribuciones

de Probabilidad en la resolución de problemas cotidianos, con el propósito de
verificar los saberes adquiridos y ejercitar los entes profesionales.

Específicos:
Analizar casos de estudio, con la apropiación de los conceptos propios de
la Probabilidad condicional y distribuciones de Probabilidad.
Diferenciar conceptos como variables y distribuciones continuas y
discretas.
Realizado por: Walter Peña Fonseca
 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:

RESPONSABLE ROL SELECCIONADO

Walter Peña compilador
a. Distribución Hipergeométrica: De 50 personas seleccionadas de una
determinada empresa, 20 de ellas son técnicos y 40 son profesionales de cierta
área de la lingüística. Si se selecciona aleatoriamente una muestra de 12
personas, ¿Cuál es la Probabilidad de que:
1. 6 de ellos sean tecnólogos?
2. 7 de ellos sean profesionales?
Se determinan las probabilidades solicitadas haciendo uso de la distribución
hipergeométrica.
Distribución hipergeométrica: consiste en tomar de un grupo de N personas n de ellas,
donde en las N personas hay C personas que cumplen con la característica deseadas y
se desea saber la probabilidad de que en este grupo tomado "x" personas tengan dicha
característica. La ecuación que determina la probabilidad en la hipergeométrica es:
(comb ( C , x )∗Comb ( N−C , n−x ) )
P ( x=x )=
Comb (N , n)

En este caso: tomaremos como caracteristica que sean tecnólogos

N = 50

n = 12

C = 20
Se desea saber la probabilidad de que x = 6:
20
Comb ( c , x ) =Comb ( 20,6 )= =38760
( ( 20−6 )∗6 )
30
Comb ( N−C , n−x )=Comb (50−20,12−6 )=Comb ( 30,6 )= =693775
( ( 30−6 )∗6)
50
Comb ( N , n )=comb ( 50,12 )= =1.213996511∗10 11
( (50−12 )∗12)
38760∗693775
P ( x=6 )= =0.221505735
1.213996511∗1011

Que sean 7 profesionales: es que sean 5 tecnólogos x = 5

20
Comb ( C , x )=Comb ( 20,5 ) = =15504
( (20−5 )∗5 )
30
Comb ( N−C , n−x )=Comb (50−20,12−5 )=Comb ( 30,7 ) = =2035800
( ( 30−7 )∗7 )
50
Comb ( N , n )=Comb ( 50,12 ) = =1.213996511∗1011
( ( 50−12 )∗12 )
15504∗2035800
P ( x=5 )= =0.259992865
1.213996511∗10 11
 b. Distribución Binomial: (Distribución binomial). En una empresa el 25% de los
empleados tienen estudios de posgrado. Se elige aleatoriamente una muestra
de 20 trabajadores. Si X es la variable aleatoria que representa el número de
trabajadores con postgrado, encuéntrese:
1. P( X ≤ 4)
2. P( X < 4)
3. P( X ≥ 6)
4. P( X > 6)
5. P(2 ≤ X ≤ 8)
6. P(2 ≤ X <8)
7. P(2< X ≤ 8)
8. P(2< X< 8)
9. P( X =4 )

Respuesta:
P(X≤4)=2,21                    
P(X<4=1,76
P(X≥6)=41.23                                              
P(X>6)=40.62
P(2≤X≤8)=3.78                                        
P(2≤X<8)=3.06
P(2<X≤8)=3.27                                      
P(2<X<8)=2.55
P(X=4)=0.4554

Explicación:

X= Numero empleados postgrado

K= valor que tome x  

N=20 trabajadores

P= 0.25

Q=1

P=1-0.25=0.75
luego usamos la formula p(x=k) =(n/k). p^n. q^(n-1) para la cual nos da el resultado de
cada número, lo que hacemos es remplazar los datos dados por el ejercicio en la
formula. después de tener los resultados de cada número, usamos la formula (x
condición) =p(x=dato) +(x=dato) + …… para los valores a buscar
P ( X=4 )

P ( x=4 )= ( 204 ) ( 0.25 ) 20

( 0.75 )( 20− 4)=5∗9.09∗0.01002=0.4554

P ( x=4 )=0.4554

c. Distribución Poisson: En el estudio de cierto organismo acuático se

toman gran número de muestras de un estanque y se midió el número
de organismos que había en cada muestra. Se encontró que el
promedio de organismos por muestra fue de tres. Encontrar la
Probabilidad de que:
1. La siguiente muestra que se tome contenga uno o más organismos.
2. La próxima muestra tomada contenga exactamente dos organismos

d. Distribución Normal: En comparación con las baterías tradicionales,

las baterías de iones de litio se cargan más rápido, duran más y tienen
una densidad de potencia más alta, lo que las hace más livianas y les
da una mayor duración. Estas baterías duran en promedio 6 años, con
una desviación estándar de 0,9 años. Suponiendo que la duración de
las baterías está normalmente distribuida, encuéntrese la Probabilidad
de que una batería de litio dada dure entre de 4 y 7 años.

Respuesta:
La probabilidad de que una batería de litio dure entre 4 y 7 años es 78.24%.

Explicación:

Datos dados por el ejercicio.

Promedio= 6  

Desvest= 0.9
 P¿
4−6
z= =2.22=tabla z 0.0132
0.9
5−6
¿ =0
0.9
7−6
¿ =1.1=tabla z 0.63335
0.9
P= ( 4 ≤ x ≤ 7 )=0.0132+ 0.1357+0.6335=0.7804=78.24 %

Solución al estudio de caso 2:

RESPONSABLE ROL SELECCIONADO

Ena Yiseth Delgado Entregas

ESTUDIOS DE CASO ESTUDIANTE N°2:

a. Distribución Hipergeométrica: Un lote de 40 artículos contiene 5

defectuosos. Se elige una muestra aleatoria de 8 artículos. ¿Cuál es la
Probabilidad de que 3 de ellos sean defectuosos?

k N −k
P ( X=x )=
( n )( n−x )

( Nn )
N=número total de la población, x=número de éxitos de la muestra
n=número de la muestra, N=40
k=número de éxitos de la población, n=8
k=5 x=3

5 ∗ 40−5
P ( X=3 )=
( 3 ) ( 8−3 )

( 408)
5 ∗ 35
P ( X=3 )=
( 3) ( 5 )

(408 )
P ( X=3 )=0,0422

La Probabilidad de que 3 artículos de los 40, sean defectuosos, es del 4,22%

b. Distribución Binomial: En cierta zona geográfica, el 10% de las personas

son analfabetas. ¿Cuál es la Probabilidad de que una muestra aleatoria de 15
adultos el número de analfabetas sea:

P ( X=k )= (nk ) p (1− p)

k n−k

p=probabilidad de éxito que ocurra el evento

n= número total de veces que se lleva a cabo el experimento

k= número total de veces que se ocurre el evento

p=0,10

n=15

Primeramente se halla la distribución binomial, usando la fórmula de Excel:

 =DISTR.BINOM.N(0;15;0.10;FALSO)

Donde 0 es el valor de x= 0, 1, 2,3….

15 es n

0.10 es p

x 0 1 2 3 4 5 6 7 8
0,0000
P(x) 0,20589113 0,34315189 0,26689591 0,12850544 0,04283515 0,01047081 0,00193904 0,000277006 3078

9 10 11 12 13 14 15
0,000002 0,0000001 0,000000009 0,000000000 0,00000000000 0,0000000000001 0,000000
66 77 0 33 9 4 00

1. ¿Exactamente 6?

Se aplica la formula manual, y se corrobora con el resultado de Excel, es el mismo.

P ( X=6 )= 15 ∗( 0,10 )6∗(1−0,10)15−6

( )
6

P ( X=6 )=0,00193

La probabilidad que sean exactamente 6 adultos analfabetas, es de 0,19%

2. ¿Menos de 5?

P ( x<5 )=P ( x =0 ) + P ( x=1 )+ P ( x=2 ) + P ( x=3 ) + P ( x=4 )

P ( x<5 )=0,205+0,343+ 0,266+0,128+0,042

P ( x<5 )=0,984
 La probabilidad que sean menos de 5 adultos analfabetas, es de 98,4%

3. ¿3 o más?

P ( x ≥ 3 )=P ( x=3 ) + P ( x=4 ) + P ( x =5 ) + P ( x=6 ) …..+ P ( x=15 )

P ( x ≥ 3 )=0.1841

La probabilidad que sean 3 o más adultos analfabetas, es de 18,41%

4. ¿Entre 3 y 5 inclusive?

P ( 3≤ x ≤ 5 ) =P ( x=3 )+ P ( x=4 ) + P ( x=5 )

P ( 3≤ x ≤ 5 ) =0,128+0,042+0,010

P ( 3≤ x ≤ 5 ) =0,1818

La probabilidad que sea entre 3 y 5 inclusive adultos analfabetas, es de 18,18%

5. Menos de 7 pero más de 4?

P ( 7< x >4 )=P ( x=5 ) + P ( x=6 )

P ( 7< x >4 )=0,01047+ 0,0019

P ( 7< x >4 )=0.01237

La probabilidad que sea menos de 7 pero más de 4 adultos analfabetas, es de

1,24%
 c. Distribución Poisson: Un Call center de la empresa de telefonía Movistar
puede recibir un máximo de 8 llamadas por minuto, en promedio se reciben
5 llamadas cada minuto. Encuéntrese las Probabilidades de que el número de
llamadas recibidas en el siguiente minuto por el call center sea:

μ x∗e− x
P ( x) =
x!

μ=media del número de ocurrencia en un intervaloespecifico

e=2,71828

x=número éxito

Primeramente se halla la distribución de poisson, usando la fórmula de Excel:

=POISSON.DIST(0;5;FALSO)

Donde x es 0… toma el valor de 0,1, 2,….

Donde 5 es µ

µ 5
e 2,71828

x 0 1 2 3 4 5 6 7 8
0,14037 0,17546 0,17546 0,14622 0,10444 0,06527
P(x) 0,006738 0,033690 0,084224 4 7 7 3 5 8

1. Máximo 6.

P ( x ≤ 6 )=P ( x=0 )+ P ( x=1 ) + P ( x=2 ) + P ( x=3 ) + P ( x=4 )+ P ( x=5 ) + P ( x=6 )

P ( x ≤ 6 )=0,0067+0,0336+0,0842+0,1403+ 0,1754+0,1754+ 0,1462

P ( x ≤ 6 )=0.7618

La probabilidad de que el número de llamadas recibidas en el siguiente minuto por

el call center sea máximo 6, es del 76,18%.

2. Menos de 4.
P ( x< 4 )=P ( x=0 ) + P ( x =1 )+ P ( x=2 ) + P ( x=3 )

P ( x< 4 )=0,0067+0,0336+ 0,0842+ 0,1403

P ( x< 4 )=0.2648

La probabilidad de que el número de llamadas recibidas en el siguiente minuto por

el call center sea menos de 4, es del 26,48%.

3. Al menos 3.

( x <3 )=P ( x=3 ) … .+ P ( x=8 )=0.8069

La probabilidad de que el número de llamadas recibidas en el siguiente minuto por

el call center sea al menos 3, es del 80,69%

4. Tan grande que lo sature.

P ( x> 8 )=[1−P (x=0)+ P( x=1)+ P (x=2)+ P ( x=3)+ P ( x=4 )+ P( x=5)+ P( x=6)+ P ( x=7)+ P(x=8)]

P ( x> 8 )=1−0,0067+0,0336+0,084 +0,1403+0,1754 +0,1754+0,1462+0,104 +0,0652

P ( x> 8 )=1−0.9308

P ( x> 8 )=0.0692

La probabilidad de que el número de llamadas recibidas en el siguiente minuto por

el call center sea tan grande que lo sature, es del 6,92%

5. Entre 2 y 7.

P= (2< x <7 )=P ( x =3 ) + P ( x =4 )+ P ( x=5 )+ P ( x=6 )

P= (2 ≥ x ≤ 7 )=0,1403+ 0,1754+0,1754 +0,1462

P= (2 ≥ x ≤ 7 )=0.6373

La probabilidad de que el número de llamadas recibidas en el siguiente minuto por

el call center sea entre 2 y 7, es del 63,73%

6. Una o más pero menos de 8.

P ( 1≥ x< 8 )=P ( x=1 ) + P ( x=2 ) + P ( x=3 )+ P ( x=4 ) + P ( x=5 ) + P ( x=6 ) + P( x =7)

P ( 1≥ x< 8 )=0,8598

La probabilidad de que el número de llamadas recibidas en el siguiente minuto por

el call center sea una o más pero menos de 8, es del 85,98%

7. No más de 3 pero más de 1.

P ( 1> x<3 )=P ( x =2 )+ P ( x=3 )

P ( 1> x<3 )=0,0842+0,1403

P ( 1> x<3 )=0.2245

La probabilidad de que el número de llamadas recibidas en el siguiente minuto por

el call center sea no más de 3 pero más de 1, es del 22,45%

8. Más de 2 pero menos de 6.

P ( 2< x< 6 )=P ( x=3 ) + P ( x=4 ) + P ( x =5 )

P ( 2< x< 6 )=0,1403+ 0,1754+0,1754

P ( 2< x< 6 )=0.4911

La probabilidad de que el número de llamadas recibidas en el siguiente minuto por

el call center sea más de 2 pero menos de 6, es del 49,11%

9. Ninguna.

P ( x=0 )=0,0067

La probabilidad de que el número de llamadas recibidas en el siguiente minuto por

el call center sea ninguna llamada, es del 0,67%

d. Distribución Normal: El pan de Almendra alto en proteína es el producto

más exitoso de Fitcook by Mary Méndez, este producto se distribuye en las
principales ciudades del País. Las cajas en las cuales se empaca este
producto tienen una longitud promedio de 32 centímetros y una desviación
 estándar de 3 centímetros. Si se supone que las longitudes están distribuidas
normalmente, ¿qué porcentaje de las cajas son:

Se transforma la variable x en una escala estandarizada z, usando la siguiente

ecuación.

X−μ
Z=
σ

Z=valor a obtener (identificar en la tabla de la distribución normal)

X =variable aleatoria

μ=media muestral

σ =desviación muestral

Su resultado, se transforma en un valor z, y se busca en la tabla de la normal

acumulada.

1. más largas que 33.8 centímetros?

X =33,8

μ=32

σ =3

33,8−32 1,8
Z= = =0,6
3 3
Usando la significancia de 0.05 se ubica en la respectiva tabla:
Z=0,6 en latabla es 0 ,7257
P( z >0.6)=1−0.7257=0.2743
 El porcentaje cuando las cajas se empacan con una longitud más largas que 33.8
centímetros, es de 25,78%

2. de entre 31,3 y 35.5 centímetros de longitud?

X =31,3

μ=32

σ =3

31,3−32 −0,7
Z= = =−0,23
3 3

Z=−0,23 en la tabla es 0.4013≈ 40,13 %

X =35,5

μ=32

σ =3

35,5−32 3,5
Z= = =1,16
3 3

Z=1,16 en latabla es 0.8749 ≈ 87.49 %

0,8749−0,4013=0,4736
 b. El porcentaje cuando las cajas se empacan entre 31,3 y 35.5 centímetros de
longitud, es de 47,36%
3. ¿más cortas que 27.5 centímetros?

X =27,5

μ=32

σ =3

27,5−32 −4,5
Z= = =−1,5
3 3

Z=−1.15 en la tabla es 0.0606 ≈ 6,06 %

El porcentaje cuando las cajas que se empacan sean más cortas que 27.5
centímetros, es de 6,06%
 Solución al estudio de caso 3:

RESPONSABLE ROL SELECCIONADO

Diana maría chiquito alertas

Estudios de caso estudiante N°3

a. Distribución Hipergeométrica: En un auditorio se encuentran reunidas 7 personas, de

las cuales 2 son hombres. Una persona elige aleatoriamente 4 de dichas personas. ¿Cuál es la
Probabilidad de elegir:
1. ¿Cero Mujeres?
2. ¿Un hombre?
3. ¿Dos hombres?

R/

La fórmula distribución hipergeométrica:

         K N-K
         X n-k
P(x) =
           N
          n

Donde:
N: Número total de la muestra
K: Número de éxitos de la población
n: Número de la muestra
X: Numero de éxitos de la muestra

1)
N=7
K=5
n=4
x=0

         5 7-5     
        0 4-5     
P (x = 0) =
           7           
           4    

       
5 2
= 0 -1 = 1*2/35
7
4           
P(x=0) = 0.0571 es la probabilidad de elegir cero mujeres

2)
N=7
K=2
n=4
x=1
         2 7-2    
         1 4-2      
P (x = 1) =
           7          
           4           

2 5
1 2
= = 2*10/35
7
4

P(x=1) = 0.571 probabilidad de elegir un hombre

3)
N=7
K=2
n=4
x=2
        2 7-2     
         2 4-2     
P (x = 1) =
           7           
           4           

2 5
1 2

= = 1*10/35
7
4

P(x=2) = 0.285 probabilidad de elegir dos hombres

b. Distribución Binomial: Una empleada de servicios generales debe de empezar sus

quehaceres laborales todas las mañanas a las 7:00 AM, se retarda 2 horas o más el 30% de las
veces en empezar. El jefe de talento humano que no llega sino a las 8:00 AM hace semanalmente
monitoreo, para verificar las instalaciones de trabajo estén en óptimas condiciones de aseo entre
las 9:00 AM y las 10:00 AM. ¿Cuál es la Probabilidad de que dos mañanas de las cinco en que el
jefe de talento humano hace la verificación, las instalaciones estén en óptimas condiciones?
R/
n= 5
x= mañanas en que las instalaciones están en óptimas condiciones
r= 2
q= probabilidad de retrase 30% = 0.3
p= probabilidad de que no se retrase = 0.7
complemento de q = 1- 0.3 = 0.7
p (x= n) = (n) p r q n-r
r

p (x=2) = ( 5) (0.7) 2 ( 0.3) 5-2

2
= 10 ( 0.49) ( 0.027)

= 0.1323
= 13.23%

c. Distribución Poisson: Ciertos automóviles llegan a una garita de peaje aleatoriamente a una
tasa de 500 autos cada hora. Encuentre la Probabilidad de que durante un periodo de un minuto
lleguen:
1. Cinco automóviles.
2. Cuando más, tres automóviles.
3. Menos de ocho automóviles.

R/

Fórmula distribución Poisson

1 hora = 60 minutos

500 vehículos / 60 minutos

= 8,33 vehículos / minutos

1) P (5) = e – 8,33 . 8,33 5

5!

= 0,080

= 8% Probabilidad de que durante un periodo de un minuto lleguen cinco automóviles.

2) P (1) + P (2) + P (3)

P (1) = e – 8,33 . 8,33 1 + P (2) = e – 8,33 . 8,33 2 + P (3) = e – 8,33 . 8,33 3

1! 2! 3!
(P (1) = 0,002 ) + ( P (2) = 0,008 ) + (P (3) = 0,023)

= 0.033

=3.3 % Probabilidad de que durante un periodo de un minuto lleguen cuando más, tres
automóviles.

3) P (1) + P (2) + P (3) + P (4) + P (5) + P (6) + P (7)

P (1) = e – 8,33 . 8,33 1 + P (2) = e – 8,33 . 8,33 2 + P (3) = e – 8,33 . 8,33 3 + P (4) = e – 8,33 . 8,33
4

1! 2! 3! 4!
+ P (5) = e – 8,33 . 8,33 5 + P (6) = e – 8,33 . 8,33 6 + P (7) = e – 8,33 . 8,33 7
5! 6! 7!

= (P (1) = 0,002 ) + ( P (2) = 0,008 ) + P (3) = 0,023) + ( P (4) = 0,048) + (P (5) = 0,080) + ( P
(6) = 0,111) + ( P (7) = 0,133)

= 0,40

= 40% Probabilidad de que durante un periodo de un minuto lleguen menos de ocho

automóviles.

d. Distribución Normal: Si los valores de Azúcar en sangre total de los seres humanos están
distribuidos aproximadamente en forma normal con μ=90 mg/dl y σ =9 mg/ dl. Hallar la
Probabilidad de que un individuo elegido al azar de dicha población tenga un valor de azúcar en
sangre de:

1. Al menos 82 mg/dl.
2. Cuando mucho 110 mg/dl.
3. Menos de 140 mg/dl.
R/

1)

x ≥ 82 mg/dl

z = 82 – 90
9
z = 0.813

2) x ≤ 110mg/dl
z = 110 – 90
9
z = 0. 9869
3)
x <140 mg/dl
z = 140 – 90
9
z=1

Solución al estudio de caso 4:

 RESPONSABLE ROL SELECCIONADO
Evelio González Revisor

a. Distribución Hipergeométrica: Cada uno de 12 refrigeradores de un

tipo ha sido devuelto a un distribuidor debido a que se escucha un sonido
agudo cuando el refrigerador está funcionando. Suponga que 7 de estos
refrigeradores tienen un compresor defectuoso y que los otros 5 tienen
problemas menos serios. Si los refrigeradores se examinan en orden
aleatorio, sea X el número entre los primeros 6 examinados que tienen un
compresor defectuoso.

1. Calcule P ( X=4 ) .
2. Calcule P( X ≤ 4) .
3. Determine la Probabilidad de que X exceda su valor medio por más de
1 desviación estándar.
b. Distribución Binomial: Un jugador de softball tiene un promedio de
bateo de 0,25 (ósea un hit en cada 4 veces que vaya a batear) si se supone
que se puede aplicar la distribución binomial y pasa a batear 4 veces en un
cierto día, ¿Cuál es la probabilidad de que:

1. ¿Logre un solo hit?

2. ¿Dé por lo menos un hit?

c. Distribución Poisson: El nuevo Coronavirus (COVID-19) ha sido

catalogado por la Organización Mundial de la Salud como una emergencia en
salud pública de importancia internacional (ESPII). La Probabilidad de que
una persona infectada por COVID-19 fallezca al día de hoy está dada por el
0,03. Encuéntrese la probabilidad de que fallezcan menos de 3 de las
próximas 500 personas infectadas.
 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

1. a lo sumo 7.5 litros;

2. más de 6.3 litros, pero menos de 8.3 litros;
3. al menos 9.2 litros
 Solución al estudio de caso 5:

RESPONSABLE ROL SELECCIONADO

Ejercicio 3 -- Mentefacto:
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Conclusiones

ESTUDIANTE CONCLUSIÓN
La ejecución de la actividad, fortaleció en bases
para el desarrollo de los ejercicios sobre conceptos
Ena Yiseth Delgado básicos de Probabilidad condicional y distribuciones
de Probabilidad en la resolución de problemas, en
casos de estudio; de igual forma tener claridad,
acerca de que los eventos conducen a resultados, la
diferencias de variables discretas y continuas, y las
probabilidades que se desprenden de estas, su
fórmula, funcionamiento y aplicación.
Walter Peña Fonseca De acuerdo a la temática de la unidad dos y a los
ejercicios planteados en los dos casos, se identifican
los conceptos, fundamentos y métodos de la
probabilidad, también se comprende los principios y
aplicaciones que tiene la probabilidad en los distintos
campos.
 Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Referencias bibliográficas

ESTUDIA REFERENCIA
NTE
Ena Yiseth Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 245-
Delgado 261. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527
Walter Variable aleatoria discreta. Recuperado de:
Peña https://www.youtube.com/watch?v=naEqsDvkIXs
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402