Está en la página 1de 43

INTRODUCCI

ON
En este trabajo estudiaremos dos de las principales distribuciones de
variables aleatorias discretas y la distribucin Normal que se puede
aplicar tanto para variables aleatorias discretas como para variables
aleatorias continuas.
Una distribucin de probabilidades para una variable aleatoria
discreta es un listado mutuamente excluyente de todos los resultados
numricos posibles para esa variable aleatoria tal que una
probabilidad especfica de ocurrencia se asocia con cada resultado.
Elvalor esperado de una variable aleatoria discreta es un promedio
ponderado de todos los posibles resultados, donde las ponderaciones
son las probabilidades asociadas con cada uno de los resultados.
O
Identificar los conceptos de funcin de probabilidad y funcin de
densidad para variables aleatorias discretas y continuas,
respectivamente. Reconocer la distribucin binomial y el contexto de su
aplicacin. Calcular probabilidades para variables aleatorias binomiales.
Reconocer la distribucin normal y el contexto de su aplicacin. Calcular
probabilidades para variables aleatorias normales mediante tipificacin y
uso de tablas. Identificar cundo es aceptable aproximar una distribucin
binomial por una normal y cmo hacerlo.
TECNICAS DE CONTEO
Las tcnicas de conteo son aquellas que son usadas para
enumerar eventos difciles de cuantificar.
Ejemplo : Cuntas maneras tiene una persona de
seleccionar una lavadora, una batidora y dos licuadoras, si
encuentra en una tienda 8 modelos diferentes de lavadoras,
5 modelos diferentes de batidoras y 7 modelos diferentes de
licuadoras?.
Se les denomina tcnicas de conteo a las:
combinaciones,
permutaciones y
diagrama de rbol
Las bases para entender el uso de las tcnicas de conteo
son el principio multiplicativo y el aditivo.

3
PRINCIPIO MULTIPLICATIVO
Si se desea realizar una actividad que consta de r pasos, en
donde el primer paso de la actividad a realizar puede ser
llevado a cabo de N1 maneras, el segundo paso de N2
maneras y el r-simo paso de Nr maneras, entonces esta
actividad puede ser llevada a efecto de:
N1 x N2 x ..........x Nr maneras

El principio multiplicativo implica que cada uno de los pasos


de la actividad deben ser llevados a efecto, uno tras otro.
Ejemplo : Una persona desea armar un computador, para
lo cul considera que puede seleccionar la Motherboard de
entre las dos disponibles, mientras que el procesador puede
ser seleccionado de un Pentium IV, un Celeron o un Athlon,
la tarjeta de video puede ser una ATI Radeon o una GForce y
por ltimo hay disponible un solo modelo de gabinete
(Tower). Cuantas maneras tiene esta persona de armar su
PC?
4
PRINCIPIO MULTIPLICATIVO
Cuntas patentes para automvil pueden ser diseadas si
deben constar de tres letras seguidas de cuatro nmeros, si las
letras deben ser tomadas del abecedario y los nmeros de entre
los dgitos del 0 al 9?,
a. Si es posible repetir letras y nmeros,
b. No es posible repetir letras y nmeros,
c. Cuntas de las placas diseadas en el punto b empiezan por la letra D y
empiezan por el cero,
d. Cuantas de las placas diseadas en el punto b empiezan por la letra D
seguida de la G.

Cuntos nmeros telefnicos es posible disear, los que deben


constar de seis dgitos tomados del 0 al 9?,
a. Considere que el cero no puede ir al inicio de los nmeros y es posible
repetir dgitos,
b. El cero no debe ir en la primera posicin y no es posible repetir dgitos,
c. Cuntos de los nmeros telefnicos del punto b empiezan por el nmero
siete?,
d. Cuntos de los nmeros telefnicos del punto b forman un nmero
impar?

5
PRINCIPIO ADITIVO
Si se desea llevar a efecto una actividad, la cul tiene
formas alternativas para ser realizada, donde la primera
de esas alternativas puede ser realizada de M maneras, la
segunda alternativa puede realizarse de N maneras..... y
la ltima de las alternativas puede ser realizada de W
maneras, entonces esa actividad puede ser llevada a
cabo de :
M + N + .........+ W maneras
EJEMPLO: Se desea desea comprar una lavadora de
ropa, para lo cul ha pensado que puede seleccionar de
entre las marcas Whirpool, LG y Mademsa, cuando acude
a hacer la compra se encuentra que la lavadora de la
marca W se presenta en dos tipos de carga ( 8 u 11 kg.),
en cuatro colores diferentes y puede ser automtica o
semiautomtica, mientras que la lavadora de la marca LG,
se presenta en tres tipos de carga (8, 11 o 15 kg.), en dos
colores diferentes y puede ser automtica o
semiautomtica y la lavadora de la marca M, se presenta
en solo un tipo de carga, que es de 11 kg., dos colores
diferentes y solo hay semiautomtica. Cuntas maneras
existen de comprar una lavadora? 6
DISTRIBUCIN BINOMIAL
Y DISTRIBUCIN
NORMAL
Distribucin Binomial. Definicin
Un experimento aleatorio que tiene las siguientes caractersticas sigue el modelo de
una distribucin binomial:

1. En cada prueba del experimento slo son posibles dos resultados, el


suceso A, que se llama xito, y su contrario Ac, al que se llama
fracaso.
2. El resultado obtenido en cada prueba es independiente de los resultados
obtenidos en las pruebas anteriores.
3. La probabilidad del suceso A es constante; por tanto, no vara de una
prueba a otra. Se representa por p la probabilidad de A, y por q = 1 p
la probabilidad de Ac .

La variable X, que representa el nmero de xitos obtenidos en n pruebas, se denomina


variable aleatoria binomial.
Esta variable es discreta, ya que si se realizan n pruebas se podrn obtener 0, 1, 2, ,
n xitos.
Una distribucin binomial se caracteriza por los parmetros nmero de pruebas
realizadas, n, y probabilidad del suceso xito, p, y se representa por B(n, p).

Ejemplos
Distribucin binomial: funcin de probabilidad

1
xito: A = "obtener un 6" p(A) =
Fenmeno aleatorio: 6
lanzar un dado
5
Fracaso: A = "no obtener un 6" p(A) =
6
Si realizamos n = 10 pruebas, la probabilidad de obtener r = 3 xitos es:

B = A A A A A A A AA A 1 3 5 7
P(B) =
6 6


10

Formas de obtener 3 xitos: = 3

10 1 3 5 7


p(obtener 3 xitos) = p(X = 3) = 3 . .
6 6
Distribucin binomial: funcin de probabilidad

X = "nmero de 6 al tirar un dado 10 veces es B(10 , 1/6)


Funcin de probabilidad:

r 10 - r
10 1 5
p(X = r) = r . .
6 6

Tabla de valores de B(10, 1/6) Grfica de la funcin de probabilidad


r p(X = r)
0 0,161505583
1 0,323011166
2 0,290710049
3 0,155045360
4 0,054265876
5 0,013023810
6 0,002170635
7 0,000248073
8 0,000018605
9 0,000000827
10 0,000000017
Distribucin Binomial: media y varianza

En una variable aleatoria binomial B (n , p)

Media: =np
Varianza: 2 n pq
Desviacin tpica: n p q

Ejemplo.- X = "nmero de 6 al tirar un dado 10 veces es B(10 , 1/6)


Media = 10 1/6 = 10/6
Varianza = 10 1/6 5/6 = 50/36
Desviacin tpica = 50 / 6
Distribucin normal estndar N(0, 1)

De las infinitas distribuciones N(, ) tiene especial inters la distribucin


N(0, 1), es decir, aquella que tiene por media el valor cero ( = 0) y por
desviacin tpica la unidad ( = 1). Se le designa como variable Z.

Y
Caractersticas de la distribucin N(0,1):

1
1. Funcin de densidad:
2
a


1 X
2. Probabilidad: 1 t2
P( Z a) e 2
dt 0 a
2

Tablas de la normal N(0, 1)


1
1 t2
F ( x) P ( Z x) e 2
dt
2

x 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
Manejo de tablas

x 0,00 0,01 0,02 0,03


0,0 0,5000 0,5040 0,5080 0,5120
0,1 0,5398 0,5438 0,5478 0,5517
Y
0,2 0,5793 0,5832 0,5871 0,5910
0,3 0,6179 0,6217 0,6255 0,6293
0,4 0,6554 0,6591 0,6628 0,6664
0,5 0,6915 0,6950 0,6985 0,7019
0,6 0,7257 0,7291 0,7324 0,7357
0,7 0,7580 0,7611 0,7642 0,7673
0,8 0,7881 0,7910 0,7939 0,7967
0,9 0,8159 0,8186 0,8212 0,8238
1,0 0,8413 0,8438 0,8461 0,8485 X
1,1 0,8643 0,8665 0,8686 0,8708
1,2 0,8849 0,8869 0,8888 0,8907
0 1,23

1,3 0,9032 0,9049 0,9066 0,9082

P(Z 1,23) = 0,8907


Manejo de tablas

x 0,00 0,01 0,02 0,03


0,0 0,5000 0,5040 0,5080 0,5120
0,1 0,5398 0,5438 0,5478 0,5517
Y
0,2 0,5793 0,5832 0,5871 0,5910
0,3 0,6179 0,6217 0,6255 0,6293
0,4 0,6554 0,6591 0,6628 0,6664
0,5 0,6915 0,6950 0,6985 0,7019
0,6 0,7257 0,7291 0,7324 0,7357
0,7 0,7580 0,7611 0,7642 0,7673
0,8 0,7881 0,7910 0,7939 0,7967
0,9 0,8159 0,8186 0,8212 0,8238
1,0 0,8413 0,8438 0,8461 0,8485 X
1,1 0,8643 0,8665 0,8686 0,8708
1,2 0,8849 0,8869 0,8888 0,8907
1,23 0 1,23

1,3 0,9032 0,9049 0,9066 0,9082

P(Z 1,23) = 1 P(Z 1,23) = 1 0,8907 = 0,1093


Manejo de tablas

x 0,00 0,01 0,02 0,03


0,0 0,5000 0,5040 0,5080 0,5120
0,1 0,5398 0,5438 0,5478 0,5517
Y
0,2 0,5793 0,5832 0,5871 0,5910
0,3 0,6179 0,6217 0,6255 0,6293
0,4 0,6554 0,6591 0,6628 0,6664
0,5 0,6915 0,6950 0,6985 0,7019
0,6 0,7257 0,7291 0,7324 0,7357
0,7 0,7580 0,7611 0,7642 0,7673
0,8 0,7881 0,7910 0,7939 0,7967
0,9 0,8159 0,8186 0,8212 0,8238
1,0 0,8413 0,8438 0,8461 0,8485 X
1,1 0,8643 0,8665 0,8686 0,8708
1,2 0,8849 0,8869 0,8888 0,8907 01,01 1,23
1,3 0,9032 0,9049 0,9066 0,9082

P(1,01 Z 1,23) = P(Z 1,23) P(Z 1,01) =

= 0,8907 0,8438 = 0,1469


Manejo de tablas

x 0,00 0,01 0,02 0,03


0,0 0,5000 0,5040 0,5080 0,5120
0,1 0,5398 0,5438 0,5478 0,5517
Y
0,2 0,5793 0,5832 0,5871 0,5910
0,3 0,6179 0,6217 0,6255 0,6293
0,4 0,6554 0,6591 0,6628 0,6664
0,5 0,6915 0,6950 0,6985 0,7019
0,6 0,7257 0,7291 0,7324 0,7357
0,7 0,7580 0,7611 0,7642 0,7673
0,8 0,7881 0,7910 0,7939 0,7967
0,9 0,8159 0,8186 0,8212 0,8238
1,0 0,8413 0,8438 0,8461 0,8485 X
1,1 0,8643 0,8665 0,8686 0,8708
1,2 0,8849 0,8869 0,8888 0,8907 0
1,23 1,01 1,01 1,23

1,3 0,9032 0,9049 0,9066 0,9082

P(1,23 Z 1,01) = P(1,01 Z 1,23) =

= P(Z 1,23) P(Z 1,01) = 0,8907 0,8438 = 0,1469


Distribucin t Student

Condiciones

Se utiliza en muestras de 30 o menos elementos.


La desviacin estndar de la poblacin no se conoce
Diferencias
La distribucin t student es menor en la media
y mas alta en los extremos que una
distribucin normal.

Tiene proporcionalmente mayor parte de su


rea en los extremos que la distribucin
normal.
Comparacin
Distribucin
Normal
Distribucin
t Student

X1 Media X2
Formulario
reas t= x - x t= x - x
s. s.
n n N-
n
N-
1

Intervalos x=x t s . x=x t s .


n n N-
n
N-
1
Tipo de Infinita Finita
Nivel de Significacin

=Nivel
Certeza de
Significaci
Deseada n
Nivel de Significacin
=Nivel de
Significacin/2

1=Nivel
de
2=Nivel
Significaci
n
Certeza de
Significaci
Deseada n

= (1 Certeza Deseada)
Distribucin hipergeomtrica
Se aplica cuando n > 0.1N
El muestreo se hace sin reemplazo

P(x,N,n,D) es la probabilidad de
exactamente x xitos en una muestra de n
elementos tomados de una poblacin de
tamao N que contiene D xitos. La funcin
de densidad de distribucin
hipergeomtrica:
C xD C nNxD n!
P( x) N Cx
n

Cn x!(n x)! 24
Distribucin hipergeomtrica

La media y la varianza de la distribucin


hipergeomtrica son:
nD nD D N n

2
1
N N N N 1

25
Distribucin hipergeomtrica
Ejemplo: De un grupo de 20 productos, 10 se seleccionan al
azar para prueba. Cul es la probabilidad de que 10
productos seleccionados contengan 5 productos buenos?
Los productos defectivos son 5 en el lote.

N = 20, n = 10, D = 5, (N-D) = 15, x = 5

5! 15!
P(x=5) = 0.0183 = 1.83%
5!0!

5!10!

0.0183
P(5)
20!
10!10!
26
Distribucin de Poisson
Esta distribucin aparece en algunos procesos que tienen una dimensin temporal
o espacial, y en fenomenos que tienen un alto nmero de experimentos (alto n) y
una baja probabilidad de que ocurran (baja p).
Ejemplos:
nmero de llamadas telefnicas que recibe un servicio de atencin a urgencias
durante un intervalo de tiempo determinado
nmero de cultivos infectados por una plaga en una cierta regin geogrfica
La funcin de probabilidad de una variable aleatoria de Poisson con media > 0,
que simplificamos con la notacin P( ), es

siendo su funcin de distribucin el sumatorio de cada uno de los valores


menores.

La media y varianza de X son ambas iguales a ,


E[S] = V[S] = .
Distribucin de Poisson
Ejemplo
El nmero de enfermos que solicitan atencin de urgencia en un hospital durante un
periodo de 24 horas tiene una media de = 43,2 pacientes. Unas obras en las
instalaciones mermarn las capacidades de atencin del servicio, el cual se sabe que
colapsar si el nmero de enfermos excede de 50. Cual es la probabilidad de que
colapse el servicio de urgencias del hospital?

Bajo las condiciones del modelo de Poisson, se trata de una distribucin P(43,2).
La probabilidad solicitada es

Pr{X > 50} = 1 - Pr{X <= 50} = 1 - F(50) = 0.13.

El responsable del servicio deber valorar si esta probabilidad es lo


suficientemente alta como para reforzar la atencin de urgencias con ms
efectivos, materiales, espacios, etc.
Distribucin de Poisson
Ejemplo
Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p=1/100.000.
Calcular la probabilidad de que en una ciudad con 500.000 habitantes haya ms de 3
personas con dicha enfermedad.
Calcular el nmero esperado de habitantes que la padecen.

Consideramos la v.a. X que contabiliza el nmero de personas que padecen la


enfermedad, es claro que sigue un modelo binomial, pero que puede ser muy bien
aproximado por un modelo de Poisson, de modo que

As el nmero esperado de personas que padecen la enfermedad es

Existe una gran dispersin, y no sera extrao encontrar que en realidad hay muchas ms
personas o menos que estn enfermas. La probabilidad de que haya ms de tres personas
enfermas es:

P=0.7365
PERMUTACIONES Y COMBINACION
Para entender lo que son las permutaciones es necesario
definir lo que es una combinacin y lo que es una
permutacin para establecer su diferencia y de esta manera
entender claramente cuando es posible utilizar una
combinacin y cuando utilizar una permutacin al momento
de querer cuantificar los elementos de algn evento.
COMBINACIN:
Es todo arreglo de elementos en donde no nos interesa
el lugar o posicin que ocupa cada uno de los elementos
que constituyen dicho arreglo.

PERMUTACIN:
Es todo arreglo de elementos en donde nos interesa el
lugar o posicin que ocupa cada uno de los elementos
que constituyen dicho arreglo.

30
PERMUTACIONES Y COMBINACION
Para ver de una manera objetiva la diferencia entre una
combinacin y una permutacin, plantearemos cierta
situacin.
Suponga que un curso est constituido por 35 alumnos.
a) El profesor desea que tres de los alumnos lo ayuden en
actividades rutinarias tales como mantener el sala
limpia o entregar material a los alumnos cuando as
sea necesario.
b) El profesor desea que se nombre a los representantes
del curso (Presidente, Secretario y Tesorero).
Para a) es Es importante el orden como se selecciona a
los elementos que forma el grupo de tres personas?
Este ejemplo es una combinacin, quiere decir esto que
las combinaciones nos permiten formar grupos o
muestras de elementos en donde lo nico que nos
interesa es el contenido de los mismos 31
PERMUTACIONES Y COMBINACION
PRESIDENTE Daniel Arturo Rafael Daniel
SECRETARIO Arturo Daniel Daniel Rafael
TESORERO Rafael Rafael Arturo Arturo

Para b) Importa el orden de los elementos en la


seleccin?

Definitivamente s, por lo tanto las representaciones


antes definidas son diferentes ya que el orden o la forma
en que se asignan las funciones s importa, por lo tanto
es este caso estamos tratando con permutaciones.

32
Permutaciones
Cuntas maneras hay de asignar los cuatro primeros
lugares de un concurso de creatividad que se verifica en las
instalaciones de nuestro universidad, si hay 14
participantes?.
Por el principio multiplicativo: 14x13x12x11 = 24.024
maneras.
Si n es el total de participantes en el concurso y r es el
nmero de participantes que van a ser premiados, y
partiendo de la expresin anterior, entonces:
14x13x12x11= n x (n - 1) x (n - 2) x .......... x (n r + 1)
= n x (n 1 ) x (n 2) x ......... x (n r + 1) (n r)! / (n r)!
n!
= n!/ (n r)!
n Pr
( n r )!

33
Permutaciones
La frmula anterior nos permitir obtener todos aquellas
selecciones en donde el orden es importante y solo se
usen parte (r) de los n objetos con que se cuenta,
adems hay que hacer notar que no se pueden repetir
objetos dentro del arreglo, esto es, los n objetos son
todos diferentes.
Para casos en donde se considere la totalidad de los
participantes.
nPn= n!
Ejercicios
1. Cuantas representaciones diferentes sern posibles
formar, si se desea que consten de Presidente,
Secretario, Tesorero, Primer Vocal y Segundo Vocal?, s
esta representacin puede ser formada de entre 25
miembros del sindicato de una pequea empresa.
2. Cuntos puntos de tres coordenadas ( x, y, z ), ser
posible generar con los dgitos 0, 1, 2, 4, 6 y 9?, Si,
a. No es posible repetir dgitos,
b. Es posible repetir dgitos. 34
Permutaciones
a. Cuntas maneras hay de asignar las 5
posiciones de juego de un equipo de
baby ftbol, si el equipo consta de 12
integrantes?,
b. Cuntas maneras hay de asignar las
posiciones de juego si una de ellas solo
puede ser ocupada por Hugo Araya (el
goleador)?,
c. Cuntas maneras hay de que se ocupen
las posiciones de juego si es necesario
que en una de ellas este Hugo Araya y
en otra Rodrigo Cofre? 35
Permutaciones
Cuntas claves de acceso a un computador ser
posible disear, si esta debe constar de dos
letras, seguidas de cinco dgitos, las letras sern
tomadas del abecedario y los nmeros de entre
los dgitos del 0 al 9.
a. Considere que se pueden repetir letras y
nmeros,
b. Considere que no se pueden repetir letras y
nmeros,
c. Cuntas de las claves del punto b empiezan
por la letra A y terminan por el nmero 6?,
d. Cuntas de las claves del punto b tienen la
letra R seguida de la L y terminan por un
36
Permutaciones con Repeticin
En los casos anteriores se han obtenido permutaciones en
donde todos los elementos utilizados para hacer los
arreglos son diferentes.
Obtenga todas las permutaciones posibles a obtener con las
letras de la palabra OSO.
Suponer que todas las letras de la palabra OSO son
diferentes .
Por lo que quedara, O1SO2, y las permutaciones a obtener
seran: 3P3 = 3!
O1SO2, O2SO1, SO1O2, SO2O1, O1O2S, O2O1S
Pero realmente podemos hacer diferentes a las letras O?,
eso no es posible, luego entonces cuntos arreglos reales
se tienen?

37
Permutaciones con Repeticin
O1SO2 = O2SO1 OSO
SO1O2 = SO2O1 SOO
O1O2S= O2O1S OOS
El nmero de arreglos reales = No. de permutaciones considerando a todos los
objetos como diferentes dividido por los cambios entre objetos iguales.
Caso Anterior El nmero de arreglos reales : 3! / 2! = 3
n!
nPx1 , x2 ........, xk
x1! x2 !....... xk !

nPx1,x2,......, xk = Nmero total de permutaciones que es posible


obtener con n objetos, entre los que hay una cantidad x1 de
objetos de cierto tipo, una cantidad x2 de objetos de un segundo
tipo,...... y una cantidad xk de objetos del tipo k.
n = x1 + x2 + ...... + xk

38
Permutaciones con Repeticin
Obtenga todas las seales posibles que
se pueden disear con seis banderines,
dos de los cuales son rojos, tres son
verdes y uno morado.
a.Cuntas claves de acceso a un
computador ser posible disear con los
nmeros 1,1,1,2,3,3,3,3?, b.cuntas de
las claves anteriores empiezan por un
nmero uno seguido de un dos?, c.
cuntas de las claves del punto a
empiezan por el nmero dos y terminan
por el nmero tres? 39
COMBINACIONES
Como ya se mencion anteriormente, una combinacin, es
un arreglo de elementos en donde no nos interesa el lugar o
posicin que ocupan los mismos dentro del arreglo. En una
combinacin nos interesa formar grupos y el contenido de
los mismos.
La frmula para determinar el nmero de combinaciones es:

n!
n Cr
( n r )! r!

40
Ejemplo
a. Si se cuenta con 14 alumnos que desean
colaborar en una campaa pro limpieza del Tec,
cuantos grupos de limpieza podrn formarse si
se desea que consten de 5 alumnos cada uno de
ellos,
b.si entre los 14 alumnos hay 8 mujeres,
cuantos de los grupos de limpieza tendrn a 3
mujeres?, c.cuntos de los grupos de limpieza
contarn con 4 hombres por lo menos?

41
CONCLUSION
Referencias Bibliogrficas
1. Daniel W.: Estadstica con aplicaciones a las ciencias sociales y a
la educacin. McGraw-Hill. Mexico, 1997.
2. Canavos G.: Probabilidad y Estadstica. Aplicaciones y mtodos. Mc
Graw Hill. Mxico, 1995.
3 Susan Milton, Jesse C. Arnold . Probabilidad y
Estadstica con aplicaciones para ingeniera y ciencias
computacionales. McGrawHill. Cuarta Edicin. 2005.
4 George Casella, Roger L. Berger . Statistical Inference.
Duxbury Advanced Series.Second Edition.2002
5 Alexander Mood. Introduction to the Theory of Statistics.
McGrawHill. Third Edtion.1974