Distrib. de Prob. Discretas y Continuas

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES
DISTRIBUCIONES DISCRETAS
DISTRIBUCIN BINOMIAL
Al efectuar N experimentos de Bernoulli, la probabilidad de obtener x xitos
es:
p(x) =
,
_
x
N
p
x
q
n - x
x = 0, 1,2,., N
CARACTERSTCAS
i) El experimento consiste en N pruebas de Bernoulli
ii) En cada prueba la probabilidad de XTOS es la
misma
iii) Las pruebas son estadsticamente independientes
iv) La v.a. binomial x es el nmero de resultados E en N
pruebas
FUNCN DE DSTRBUCN
0 , x < 0
F(x) =
,
_
x
k
x
N
0
p
k
q
n - k
, 0 > x < N

1 , x < 1

MEDA ARTMTCA VARANZA
= E (X) = N p
o
2
= N p. q
DR. ING. LUIS MANRIQUE SUAREZ
KURTOSIS ASIMETRA

o
4
= 3 + Npq
pq 6 1

o
3
= Npq
p q
Son experimentos binmicos:
a) Lanzar una moneda dos o ms veces, para observar el nmero de caras o sellos que resulten
b) Seleccionar dos o ms artculos de un lote que contiene un porcentaje de artculos
defectuosos para verificar cuantos defectuosos o cuantos buenos contiene la muestra
aleatoria
c) Ejecutar dos o ms tiros para ver cuntos dan en el blanco o cuntos no dan.
DISTRIBUCIN GEOMTRICA
Sea X: N de ensayos para obtener el PRIMER XITO
E: xito F: Fracaso
S: {E , FE , FFE , FFFE .}
P(x=1) = p (E) = p = q
0
p
P(x=2) = p (FE) = q p = q
1
p
P(x=3) = p (FFE) = q
2
p = q
2
p
P(x=4) = p (FFFE) = q
3
p = q
3
p
P(x=5) = p (FFFFE) = q
4
p = q
4
p
Generalizando:
P ( x ) = p ( FFF . FE ) = q
x-1
p
x-1 veces

La distribucin de robabi!idad "eo#trica es:

P(x) $ %
x&'
, x = 1,2,3,.
0 , en otros casos
MEDA VARANZA
= 1 / p

2
q / p
2
0 , x<1
F (x) =
1 - q
x
, x < 1
FUNCIN DE
DISTRIBUCIN
( a ( ) '
' * + a * , a
+
* - a
,
* . $ / '& a 0
&+
$
( ) a 1
2
1
DISTRIBUCIN BINOMIAL NEGATIVA
Es una extensin de la distribucin geomtrica
X: {N de veces que se repite el ensayo hasta obtener r xitos}
X: v.a. binomial negativa

R
X
= { r + r+1 , r+2 , r+3, ...}
1 2 3
S = { EE...E E , EE...E F E , EE...E FF E , EE...E FFF E , ...}

r-1 veces r-1 r-1 r-1
r-simo r-simo r-simo r-simo
xito xito xito xito
FJO FJO FJO FJO
P ( x=r ) = p ( EE . E E ) = p
r
q
0

P ( x=r+1 ) = p ( EE . E FFF E ) =
,
_
+
1
1 1
r
r
p
r
q
1
=
,
_
1 r
r
p
r
q
1

P ( x=r+2 ) = p ( EE . E FFF E ) =
,
_
+
1
2 1
r
r
p
r
q
2
=
,
_
+
1
1
r
r
p
r
q
2

P ( x=r+3 ) = p ( EE . E FFF E ) =
,
_
+
1
! 1
r
r
p
r
q
3
=
,
_
+
1
2
r
r
p
r
q
3

Generalizando:
P ( x=r ) = p ( EE . E FF...FF E ) =
,
_
+
1
1
r
r x r
p
r
q
x-r

r-1 veces
x-r veces

FJO
Nota :
,
_
1
1
r
x
=
,
_
r x
x 1
"#$ %&$ '#()*+,'*-+ '#(".&(&+/,$*,
ME1IA 2ARIA34A
P(x) = 0
,
_
1
1
r
x
"
$
1
$
, 2 = $, $31, $32, 4 5 0 , &+ #/$#% ',%#%
p
r

p
rq
2
2
DISTRIBUCIN DE POISSON
deada por el matemtico francs Simen Poisson (1781-1840) mide la
probabilidad de un evento aleatorio sobre algn intervalo de tiempo o
espacio
Si en la distribucin binomial, N es muy grande y p muy pequeo, se
puede aproximar a la distribucin de Poisson.
Sea X una v. a. d. que toma los valores posibles X = 0, 1, 2,3, 4,., N
P(X) =
! x
e
x

, = N p
X N de ocurrencia de eventos en t unidades de medida
X v. a. de Poisson
P(x): funcin de cuanta de Poisson
5U36I73 1E 1ISTRI8U6I73

F(X) = 0 , x < 0 ;
x
x 0
! x
e
x

, x < 0

ME1IA 2ARIA34A
= o
2
=

Luego:
o
2
= E(x
2
) -
2
= /
2
+ / - /
2

o
2
= /
Caractersticas:
1.-El experimento consiste en contar el nmero x de veces que ocurre un
evento en particular durante una unidad de tiempo dada o en un rea o
volumen (o peso, distancia o cualquier otra unidad de medida) dada
2.-La probabilidad de que un evento ocurra en una unidad dada es la misma
para todas las unidades.
3.-El nmero de eventos que ocurren en una unidad es independiente del
nmero de los que ocurren en otras unidades
DISTRIBUCIN HIPERGEOMTRICA
En un lote de N artculos, r son defectuosos, N-r son no defectuosos
Escogemos al azar n artculos sin sustitucin
Sea k el nmero de defectuosos dentro de los r defectuosos y
n-k no defectuosos.
Sea X el nmero de artculos defectuosos encontrados
N

,
_
k
r

,
_
k n
r N
P ( X= k ) = ---------------------- , K = 0,1,2,3, . , r
,
_
n
N
Se dice que X es una variable aleatoria discreta y tiene una distribucin
hipergeomtrica
ME1IA 2ARIA34A
= n
N
r nr (N-r) (N-n)
V(X) = ------------------------
N
2
(N-1)
D r n
muestra
D k
D
N - r
D
N - k
CARACTERSTCAS
1.- El experimento consiste en extraer al azar y sin sustitucin n elementos de un
conjunto de 3 elementos, r de los cuales son E (xitos) y (N-r) son 5 (Fracasos)
2. El tamao de la muestra n es grande en comparacin con el nmero N elementos
de la poblacin, es decir n/N > 0.05
3.-La v.a. hipergeomtrica X es el nmero de resultados de E en la muestra de n
elementos
DISTRIBUCIN MULTINOMIAL
Si un espacio muestral de un experimento se divide en K sucesos mutuamente
excluyentes.
A
1
, A
2
, A
3
, A
4
, . A
K
, con probabilidades P
1
, P
2
, P
3
, P
4
, . P
K
en 3
pruebas, la probabilidad de que A
1
suceda n
1
veces , A
2
suceda n
2
veces , . , A
K

suceda n
K
veces ; es igual :
P (A
1
, A
2
, A
3
, A
4
,. A
K
) =
! !... ! !
!
n n n n K
N
! 2 1
p p p p
n n n n k
K
...
! 2
! 2
1
1
N =
K
i
n
i
1
1 =
K
i
p
i
1
CARACTERSTCAS
1.- El experimento consiste en n pruebas idnticas
2.- Hay K posibles resultados de cada prueba
3.- Las probabilidades de los K resultados, denotados por P
1
, P
2
, P
3
, P
4
, . P
K
se
mantienen constantes a lo largo de todas las pruebas, donde :
P
1
+ P
2
+ P
3
,+P
4
+ . + P
K
= 1
4.-Las pruebas son independientes
5.- Las v. a. de inters son las cuentas X
1
, X
2
, X
3
, X
4
, . X
K
en cada uno de las K
categoras de clasificacin
PROBLEMAS
1.6 L#% 27! 8& .#% 9#/,+/&% *+%'$*/#% &+ '*&$/# 8*%/$*/# &.&'/#$,. ,"#:,+ ,. ",$/*8# A.
;C<=. &% ., "$#),)*.*8,8 8& 1<& &+ <+, (<&%/$, ,.&,/#$*, 8& 6 9#/,+/&% 8& &%/& 8*%/$*/#,
&x,'/,(&+/& > , "#:&+ ,. ",$/*8# A? P#$ .# (&+#% 1 ;
2.6S& .,+@,+ <+ ",$ 8& 8,8#% A 9&'&%. ;C<=. &% ., "$#),)*.*8,8 8& 1<& ., %<(, +<&9&
,",$&@', ,) +*+B<+, 9&@ )) <+, 9&@ ') 8#% 9&'&% 8) /$&% 9&'&% &) '<,/$# 9&'&%
3.6U+, (=1<*+, "$#8<'& ,$/C'<.#%, 8& /,. (,+&$, 1<& &x*%/& <+, "$#),)*.*8,8
de 0.05 que el artculo producido sea defectuoso.Cul es la probabilidad de
que a) en una muestra de 18 artculos producidos, ninguno sea defectuoso.
)) ,. (&+#% <+# %&, 8&D&'/<#%#% &+ <+ .#/& 8& 10 ,$/C'<.#%
c) Cul es el nmero promedio de artculos defectuosos en un lote de 10,000
artculos producidos? Cual es la varianza?
-.-Una empresa de servicios contables tiene dos empleados que se turnan
trabajando parcialmente durante la semana
Juan: lunes, mircoles y vienes Juana: Marte y jueves
Juan archiva errneamente uno de cada 4 documentos, mientras que Juana lo
hace uno de cada 5 .Se selecciona un da de la semana al azar, y en ese da
se toma una muestra aleatoria de 4 documentos de entre los documentos
archivados ese da
a) Cul es la probabilidad de que la muestra contenga exactamente dos
documentos mal archivados?
b) Suponiendo que la muestra contena dos documentos mal archivados
Cul es la probabilidad de que ambos hayan sido archivados por Juan?
9.-El 2% de la produccin es defectuosa en la Empresa Alfa SA. Hallar la
probabilidad de que en una muestra de 120 unidades elegidas al azar sean
exactamente 2 los defectuosos. Utilizar:
a) La distribucin Binomial b) aproximacin de Poisson a la Binomial
:.-El nmero de llamadas telefnicas en cierta oficina es en promedio 24 por
hora. Cul es la probabilidad de que no llame en intervalo largo de t minutos.
;.-Un departamento de reparaciones de motores recibe en promedio de 5
llamadas de servicios por hora. Cul es la probabilidad de que se reciban
exactamente a)3 llamadas en una hora aleatoriamente escogida? b) 2 llamadas
de de hora aleatoriamente escogida?
<.-La probabilidad de que un tirador haga blanco en un silo disparo es igual a
0.80. Al tirador se le entregan cartuchos hasta tanto yerre el tiro.
Calcular la probabilidad de que yerre en el tercer disparo
=.-Considere una sucesin infinita de lanzamientos independientes de dos
dados. Sea X es el nmero de lanzamientos hasta encontrar una suma igual a
7 .Determinar el nmero esperado de lanzamientos que deben realizarse hasta
conseguir
'>.-La probabilidad de un lanzamiento exitoso es igual a 0.60. Supongamos
que se hace ensayos de lanzamientos hasta que ha ocurrido 4 lanzamientos
exitosos. Cul es la probabilidad que sean necesarios menos de 7 intentos o
ensayos?
''.-Un gran lote de llantas contiene10% de defectuosos y de all se elegirn 4
para colocarlas en un auto. A) Hallar la probabilidad de que 6 llantas deban
seleccionarse del lote para obtener 4 en buen estado b) Calcular el valor
esperado y a varianza
'+.-Un club est constituido por 12 mujeres y 8 hombres Se va a elegir un
comit de 5 personas. Cul es la probabilidad de que 3 de ellas sean mujeres
y 2 sean hombres?
DISTRIBUCIONES CONTINUAS
DISTRIBUCIN NORMAL
Es la distribucin de probabilidad ms utilizada. La funcin normal de densidad
de probabilidad tiene la forma de campana familiar simtrica.
La curva se centra en el valor promedio y su dispersin se mide con la
varianza o
2
. Estos dos parmetros, determinan la forma y ubicacin de la
funcin normal de densidad, cuya forma es:
f(x) =
( )
e
x

2
2
2
2
1

, - < x <
Notacin: X N (, o
2
)

La variable aleatoria x se distribuye normalmente con Media y
Varianza o
2
Distribuci! !"r#$% &st'!($r
z v. a. que tiene una distribucin normal, con media = 0 y varianza o
2
=1
z : se llama v. a. normal estndar, su funcin densidad es :
Nz (z) = p (Z = z) =
dt
e
t
z
. .
2
2
2
1

Los valores de esta funcin se encuentran tabulados en las tablas de
distribucin normal
? $
@
A X
DISTRIBUCIN UNI)ORME
Sea X una v.a.c. , que toma los valores del intervalo [a, b]
a, b s R, a < b
X se distribuye en el intervalo [a, b]
, x < a
, a > x > b
, otros casos
f (x) =
'
0
a b
1
F(x) =
'
1
a b
a x
0

En una distribucin uniforme las probabilidades son las mismas
para todos los posibles resultados
f(x) F(x)
1
a b
1
a b a b
DISTRIBUCIN EXPONENCIAL
ME1IA 2ARIA34A

2
b a
12
a) (b
2
o
2
, a > x > b
, en otros casos
f (X) = 0 x ,
0,
0
1
e
0
x
'

Si
0
1
/ -x / 0 = - x /
/ : parmetro real , constante positiva
D (x) F(x)
1
/
5U36I73 1E 1ISTRI8U6I73
La curva en continuo descenso muestra que con el paso
del tiempo X aumenta y la probabilidad disminuye
D (x) = 0 x ,
0
e
/x
/

'

F (x) =
'
<
0 x ,
e
/x
1
0 .....x 0,........
ME1IA 2ARIA34A
= 0 =
/
1
V (x) = 0
2
=
2
1
Como se acaba de observar, la distribucin de Poisson es
una distribucin discreta que mide el nmero de
ocurrencias sobre algn intervalo de tiempo o espacio.
Describe por ejemplo, el nmero de clientes que puedan
llegar durante algn periodo determinado. Por el contrario,
la DSTRBUCN EXPONENCAL es una distribucin
continua. Mide el paso del tiempo entre tales. Ocurrencias.
Mientras que la distribucin de Poisson describe las tasas
de llegada (de personas, camiones, llamadas telefnicas,
etc.) dentro de algn periodo dado, la distribucin
exponencial estima el lapso entre tales arribos. Si el
nmero de ocurrencias tiene distribucin de Poisson, el
lapso entre las ocurrencias estar distribuido
exponencialmente
p(X > x) = 1 e
-/x
.
X Lapso de tiempo
/ tasa promedio de ocurrencia
PRO8LEMAS
1.6C<,+8# 8&E, 8& D<+'*#+,$ <+, /,$E&/, 8& '*$'<*/# *+/&B$,8#, <+ %*%/&(, 8& '-("</# %&
8&/*&+& F,%/, 1<& %& &+/$&B<& <+, /,$E&/, +<&9,. E. /*&("# 8& &+/$&B, x &%/=
<+*D#$(&(&+/& 8*%/$*)<*8# &+ &. *+/&$9,.# 8& 1 , > 8C,%. E. '#%/# C 8& &%, D,.., : .,
",$,8,, '#("$&+8& <+ '#%/# D*E# C
#
8& ., $&D,''*-+ : <+ '#%/# 1<& ,<(&+/, &+ D#$(,
"$#"#$'*#+,. , x
2
, 8& (#8# 1<&G C = C
#
3 C
1
x
2
,) C,.'<.,$ ., "$#),)*.*8,8 8& 1<& &. /*&("# 8& &+/$&B, %&, 8& 2 8C,% # (=%
)) C,.'<.,$ &. '#%/# &%"&$,8# 8& <+, 8&/&$(*+,8, D,.., 8&. '#("#+&+/& &+ /H$(*+#% 8&
C
#
: C
1

2.6L, ..&B,8, 8& '.*&+/&% , <+ /#$+*1<&/& %& 8*%/$*)<:& <+*D#$(&(&+/& &+ <+ "&$*#8# 8&
!0 (*+</#%. C,.'<.,$ ., "$#),)*.*8,8 ('#+8*'*#+,.) 8& 1<& &. '.*&+/& F,:, ..&B,8#
8<$,+/& .#% I./*(#% > (*+</#% 8&. "&$*#8# 8& !0 (*+</#% 8,8# 1<& +# F<)# ..&B,8,%
8<$,+/& .#% "$*(&$#% 10 (*+</#% 8&. "&$*#8#.
3.6U+, ..,(,8, /&.&D-+*', ..&B- , <+ '#+(</,8#$ &+ /*&("# ,. ,@,$ 8&+/$# 8& <+
*+/&$9,.# 8& <+ (*+</#. E. '#+(</,8#$ &%/<9# '#(".&/,(&+/& #'<",8# 8<$,+/& 1>
%&B<+8#% &+ &%& "&$*#8# 8& <+ (*+</#. C,.'<.,$ ., "$#),)*.*8,8 8& 1<& ., ..,(,8,
..&B,$, '<,+8# &. '#+(</,8#$ +# &%/,), #'<",8#
4.6S&, x <+, 9.,.'. <+*D#$(& &+ &. *+/&$9,.# (62,2). C,.'<.,$ ,) " (
x
J !72)
)) P (
x
J 1) ') " (K 6 2 L x L K 3 2 )
5.6L,% 8*%/,+'*,% &%/=+ <+*D#$(&(&+/& 8*%/$*)<*8,% &+/$& 2 "<+/#% M+N : M$N. S& F,'&+
"$<&),% , .#% D$&+#% 8& .#% ,</#% COMBO , <+, 9&.#'*8,8 8& P0 Q(7F#$,. S& </*.*@,+ >
,</#(-9*.&%. C,.'<.,$ ., "$#),)*.*8,8 8& 1<& ., (,:#$C, 8& &..#%, $&),%& &. "<+/# (&8*#
&+/$& M+N : M$N
6.6E+ &. "&$*#8# (=% #'<",8# &+/$& .,% > : R "(. U+ ,</#(-9*. &+/$, , <+, B,%#.*+&$,
',8, ! (*+</#% &+ "$#(&8*# ;C<=. &% ., "$#),)*.*8,8
,) 8& 1<& '<,+8# (&+#% 2> ,</#(-9*.&% &+/$&+ , ., B,%#.*+&$, &+/$& .,% A : > "(. ? ))
8& 1<& &+/$&+ (&+#% 8& !0 ,</#(-9*.&% &+/$& .,% A : 6 "(. E+ <+ 8C, &.&B*8# ,. ,@,$?
7.6L,% &%/,/<$,% 8& .#% &%/<8*,+/&% 8& ., FIIS &%/=+ 8*%/$*)<*8,% +#$(,.(&+/& '#+ (&8*,
1.6P (&/$#% : <+, 9,$*,+@, 8& 0.0016 (
2
. C,.'<.,$ ., "$#),)*.*8,8 8& 1<& <+ &%/<8*,+/&
/&+B, &%/,/<$,G
,) &+/$& 1.6P : 1.R2 (. )) &+/$& 1.60 : 1.6P (. ') &+/$& 1.62 : 1.R! (.
8) (,:#$ 1<& 1.6S (. &) (&+#$ 1<& 1.6! (. D) &+/$& 1.6S : 1.RA (.
B) &+/$& 1.>P: 1.R0 (. F) (,:#$ 1<& 1.6R (. *) (&+#$ 1<& 1.R1(.
E) (,:#$ 1<& 1.6P (.
8.6S& %,)& 1<& &. >T 8& .#% /<)#% 8& $,8*# "$#8<'*8#% "#$ '*&$/# D,)$*',+/& %#+
8&D&'/<#%#%. S* &. D,)$*',+/& &+9C, , <+ (,:#$*%/, 1000 .#/&% '7< 8& .#% '<,.&% '#+/*&+&
100 /<)#%. E+ '<=+/#% 8& &%/#% .#/&% &%"&$, /&+&$ ,) (&+#% 8& S0 /<)#% )<&+#%? B) SP -
(=% /<)#% )<&+#%?
9.6U,..,$ &. 9,.#$ 8& @ ",$,G ,) ., (&8*,+, )) "$*(&$ '<,$/*. ') 8&%9*,'*-+ %&(*6
*+/&$'<,$/C.*',
10.6L#% "&8*8#% 8& %&$9*'*# ..&B,+ '#+ <+ "$#(&8*# 8& > "#$ F#$,. ;C<=. & % .,
"$#),)*.*8,8 8& 1<& %& $&'*),+ G
,) (=% 8& >0 "&8*8#% 8<$,+/& <+ /<$+# 8& P F#$,%?
b) menos de 36 pedidos en 8 horas ?
11.6L, "$#),)*.*8,8 8& 1<& <+ 8*%",$# ,'*&$/& &+ &. ).,+'# &% 8& S71S. C,.'<.,$ .,
"$#),)*.*8,8 8& 1<& &+ 100 8*%",$#% %& ,'*&$/& "#$ .# (&+#% A>
12.62>0 ,$/C'<.#% %#+ &(",',8#% &+ ',E,% B$,+8&% .L#% "&%#% 8& .#% ,$/C'<.#% %#+
9,$*,).&% ,.&,/#$*,% *+8&"&+8*&+/&% '#+ (&8*, O.> .*)$,% : 8&%9*,'*-+ &%/=+8,$ 0.10
.*)$,%. 20 ',E,% %#+ '#.#',8,% &+ <+ ',(*-+. C,.'<.,$ ., "$#),)*.*8,8 1<& &. "&%# 8& .#%
&(",1<&% '#.#',8#% &+ &. ',(*-+ &x'&8, , 2>10 .*)$,% ('#+%*8&$& 8&%"$&'*,).& &. "&%#
8& ., ',E,)
13.6S<"#+B,(#% 1<& .#% "&%#% 8& .#% ",%,E&$#% 1<& 9*,E,+ "#$ ,*$& &+ .#% 9<&.#%
&%/,).&'*8#% 1<& ",$/&+ 8 <+ ,&$#"<&$/# B$,+8& %*B<&+ <+, 8*%/$*)<'*-+ +#$(,. '#+
(&8*, RP QB. : S = 10 QB. ;C<=. &% ., "$#),)*.*8,8 8& 1<& &. "&%# /#/,. 8& <+, (<&%/$,
,. ,@,$ 8& 100 ",%,E&$#% &x'&8, , P000 ",%,E&$#%?
14.6L, .#+B*/<8 8& 9*8, 8& <+, &%"&'*& 8& ".,+/, &+ '*&$/# (&8*# ,()*&+/& &% <+, 9.,.'.
x 1<& /*&+& <+, 8*%/$*)<'*-+ &x"#+&+'*,. '#+ <+, .#+B*/<8 (&8*, 8& 9*8, 8& 100 9*8,%
,) ;Q<H "$#"#$'*-+ 8& ".,+/,% 8& &%/, &%"&'*&, (<&$&+ ,+/&% 8& .#% 1000 8C,%?
)) S* <+, ".,+/, *+8*9*8<,. 9*9& 8<$,+/& P00 8C,% ;C<=. &% ., "$#),)*.*8,8 8& 1<& 9*9,
#/$#% A00 8C,%?
15.6E. /*&("# 1<& /,$8, <+, "&$%#+, &+ %&$ ,/&+8*8, &+ <+, ',D&/&$C, &% <+, 9.,. 1<&
/*&+& <+, 8*%/$*)<'*-+ &x"#+&+'*,. '#+ (&8*, 8& A (*+</#%. ;C<=. &% ., "$#),)*.*8,8 1<&
<+, "&$%#+, %&, ,/&+8*8, &+ (&+#% 8& ! (*+</#%, ,. (&+#% &+ A 8& .#% 6 8C,% %*B<*&+/&%?
16.6U+ ,.<(+# &%"&$, %&$ ,/&+8*8# &+ ., )*).*#/&', <+ "$#(&8*# 8& ! (*+</#%
(E. /*&("# &% <+, 9.,. &x"#+&+'*,.) ;C<=. &% ., "$#),)*.*8,8 8& 1<& <+ ,.<(+# +# %&,
,/&+8*8# &+ (=% 8& > (*+</#%, &+ .,% P 9&'&% 1<& ,%*%/& , ., )*).*#/&',?
17.6U+, ,B&+'*, 8& "<).*'*8,8 F, 8&/&$(*+,8# 1<&, &+ <+, &+'<&%/, /&.&9*%,8,, .,
"$#),)*.*8,8 8& 1<& <+, "&$%#+, 9#/& "#$ ! ',+8*8,/#% A, B : C &% $&%"&'/*9,(&+/& 0.1,
0.A : 0.>. S<"#+*&+8# 1<& %& F, $&,.*@,8# ., &+'<&%/, , 10 "&$%#+,%, %& "*8&G ,) L,
"$#),)*.*8,8 8& 1<& &. ',+8*8,/# B /&+B, <+ 9#/# : A /&+B, &. 8#).& 8& C )) .,
"$#),)*.*8,8 1<& A /&+B, 6 9#/#%.

Distrib. de Prob. Discretas y Continuas

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Distrib. de Prob. Discretas y Continuas

Hochgeladen von

Copyright:

Verfügbare Formate

ESTADISTICA INFERENCIAL DISTRIBUCION DE PROBABILIDADES

La distribucin de robabi!idad "eo#trica es:

Das könnte Ihnen auch gefallen