ESTADÍSTICA

y
PROBABILIDADES
Semana 13 :
Variable Aleatoria Discreta

1
 Unidad de aprendizaje 5: Distribuciones
discretas de probabilidad

Identifica y asocia un modelo probabilístico

Resultado
a determinada variable aleatoria.
de
Aprendizaje Calcula el valor esperado y la varianza de
una variable, a partir de su distribución de
probabilidades.

2
 01 Variable Aleatoria

Agenda 02 Función de Distribución de Probabilidades

03 Función de Distribución Acumulada

3
 01
Variable
Aleatoria

4
01 Variable Aleatoria

Ideas Previas

Variable Estadística: Indicauna característica de interés de una

población y puede tomar diferentes valores.

Ejemplos:

la edad de las personas.

el peso de las personas.

el color de ojos de las personas.

5
01 Variable Aleatoria

Variable Aleatoria
Es una descripción numérica del resultado de un experimento aleatorio,
es decir una variable aleatoria es una función que asocia a cada
elemento del espacio muestral un número real.

El conjunto de valores que puede tomar la variable aleatoria se llama el

recorrido o rango de la v.a. y de acuerdo a ellos se la clasifica como
discreta o continua.

Las variables aleatorias se denotan con letras mayúsculas:

X,Y,Z,U,V y W.

6
01 Variable Aleatoria

Definición

Una variable aleatoria X es una función cuyo dominio es el espacio

muestral  y cuyo recorrido (Rango) es un conjunto de números reales,
tal que para cada uno de los elementos w   le corresponde un
número real x= X(w)
NúmerosReales
X


w .x= X(w)

X es una función tal que x= X(w)

7
01 Variable Aleatoria

Ejemplo 1
Є: Lanzar una moneda dos veces consecutivas

entonces:  = { CC,CS,SC,SS }

Se define la siguiente variable aleatoria:

X : El número de caras en el lanzamiento de
una moneda dos veces consecutivas

Los valores posibles de X son x = 0,1,2

Es llamado el Rango o Recorrido de X lo

cual se denota por: Rx
8
01 Variable Aleatoria

Ejemplo 1
 X Números Reales

SS 0 X (SS) = 0
CS X(CS) = X(SC) = 1
SC 1

CC 2 X (CC) = 2

Rango o Recorrido de X Rx = 0,1,2

9
01 Variable Aleatoria

Ejemplo 1
Donde:

X = 0 Significa que no se obtuvo ninguna cara en los

dos lanzamientos, es decir se obtuvo: (S,S).
X = 1 Significa que se obtuvo una sola cara en los dos
lanzamientos, es decir se obtuvo: (C,S) o (S,C).
X = 2 Significa que se obtuvieron dos caras en los dos
lanzamientos, es decir: (C,C).

10
 02
Función de
Distribución de
Probabilidades

11
02 Función de Distribución de Probabilidades

Distribuciones de Probabilidad Discreta

La distribución de probabilidad de una variable aleatoria describe cómo
se distribuyen las probabilidades entre los valores de la misma.

Para una variable aleatoria discreta X, la distribución de probabilidad se

define por medio de una función de probabilidad, denotada por f(x). La
función de probabilidad proporciona la probabilidad para cada valor que
puede asumir la variable aleatoria.

12
02 Función de Distribución de Probabilidades

Función de Distribución de Probabilidades

(Función de Cuantía)

Es el conjunto de parejas ordenadas ( xi,p(xi))

X x1 x2 …… xn
p(X=xi) p(x1) p(x2) ……. p(xn)

Propiedad:  P ( xi ) = 1

13
 Ahora armaremos la FUNCIÓN DE
DISTRIBUCIÓN DE PROBABILIDAD (f.d.p)
PARA LA VARIABLE X
 = { CC,CS,SC,SS } X = número de caras
obtenidas en dos lanzamientos de una moneda
Valor de la variable X Probabilidad P(x)
0 ¼ = 0.25
1 2/ 4 = 1 /2 = 0.5
2 1 /4 = 0.25
Suma de las probabilidades: 1

14
 Gráfica de la función de distribución de
probabilidad
 = { CC,CS,SC,SS } X = número de caras
obtenidas en dos lanzamientos de una moneda
P(x) Gráfica de la fdp de X Valor de la variable X Probabilidad P(x)
0 ¼ = 0.25
1 2/ 4 = 1 /2 = 0.5
2 1 /4 = 0.25
0.5
Suma de las 1
probabilidades:

0.25

0 2 X (variable
1
aleatoria discreta)

15
 03
Función de
Distribución
Acumulada

16
03 Función de Distribución Acumulada

Función de Distribución Acumulada: F(x)

Se define la Función de Distribución Acumulada, de la siguiene
manera

F(x) = P [ X ≤ x ] = Σ P[X=k]
Veremos que la gráfica de la función de distribución
acumulada se asemeja a la gráfica de frecuencias
acumuladas de las variables aleatorias cuantitativas
discretas (gráficos en forma de escalera)

17
 Gráfica de la función de distribución acumulada de
probabilidad
X = número de caras obtenidas en dos lanzamientos de una moneda
Gráfica de la función de distribución acumulada
de probabilidad de X
1.2
1
1

0.8 0.75

0.6

0.4
0.25
0.2

0
0 0.5 1 1.5 2 2.5

Valor variable X Probabilidad Probabilidad acumulada

0 0.25 0.25
X (variable
1 0.5 0.75
aleatoria discreta)
2 0.25 1
18
 04
Valor esperado

19
02 Función de Distribución de Probabilidades

Características de una la Variable Aleatoria

1. Valor Esperado: E(X)

El valor esperado de variable Aleatoria discreta es la media o

promedio de la variable.
Se denota por E(X)
Si una v.a. X tiene función de probabilidad p(x), entonces el valor
esperado se calcula de la siguiente manera:

E(X) = ∑ xi p(xi)

20
02 Función de Distribución de Probabilidades

Valor Esperado

El valor esperado, o media, de una variable aleatoria es una medida de

su posición central.

El valor esperado es un promedio ponderado de los valores que asume

la variable aleatoria cuando los pesos son las probabilidades.

El valor esperado no tiene que ser un valor que la variable aleatoria

pueda asumir.

21
02 Función de Distribución de Probabilidades

Propiedades del Valor Esperado

Sean a, b y k constantes numéricas, entonces:

i) E(k) = k

ii) E(aX) = a E(X)

iii)E(X± b) = E(X) ± b

iv)E(aX ± b) = a E(X) + b

22
Valor esperado (esperanza matemática) de X

X = número de caras obtenidas en dos

lanzamientos de una moneda
Con función de distribución de probabilidad:
Valor de la variable X Probabilidad P(x)
0 ¼ = 0.25
1 2/ 4 = 1 /2 = 0.5
2 1 /4 = 0.25
Suma de las probabilidades: 1

E(X) = ∑ xip(xi)
E (x) = 0 x 0.25 +1x 0.5 + 2x 0.25 = 0 +0.5 +0.5 = 1 cara

23
 05
Varianza

24
02 Función de Distribución de Probabilidades

Características de una Variable Aleatoria

2. Varianza: V(X)
La varianza, de una variable aleatoria, es el punto de partida para
analizar la dispersión o variabilidad de los resultados de dicha
variable.

Se denota por V(X) que se lee como Varianza de la variable aleatoria

X.

Si una v.a. X tiene función de probabilidad p(x), entonces la varianza

se calcula de la siguiente manera:
V(X) = E(X ) – [E(X)]
2 2
Donde: E(X2) = ∑x2p(xi)
25
02 Función de Distribución de Probabilidades

Varianza

La varianza de una variable aleatoria es un promedio ponderado de las

desviaciones al cuadrado de su media. Los pesos son las
probabilidades.

La varianza se usa para resumir la variabilidad en los valores de una

variable aleatoria.

26
02 Función de Distribución de Probabilidades

Propiedades de la Varianza

Sean a, b y k constantes numéricas, entonces:

i) V(k) = 0

ii) V(aX) = a2 V(X)

iii)V(X ± b) = V(X)

iv)V(aX±b) = a2 V(X)

27
 Cálculo de la varianza de la variable aleatoria
(V(x))
 = { CC,CS,SC,SS } X = número de caras
obtenidas en dos lanzamientos de una moneda
Valor de la variable X Probabilidad P(x)
0 ¼ = 0.25
1 2/ 4 = 1 /2 = 0.5
V(X) = E(X2) – [E(X)]2
2 1 /4 = 0.25
Suma de las 1
probabilidades:
E(x) = 0x0.25+1x0.5+2x0.25 = 1
Valor de la variable X^2 Probabilidad P(x)
E(x^2) = 0x0.25+1x0.5+4x0.25
0^2 = 0 0.25
=0+0.5+1=1.5
1^2 = 1 0.5
V(x) = 1.5 – (1)^2 =0.5
2^2 = 4 0.25

28
 06
Desviación
estándar

29
02 Función de Distribución de Probabilidades

Características de una Variable Aleatoria

3. Desviación estándar: S(X)
La desviación estándar de una variable aleatoria, es una medida de
dispersión absoluta y resulta de obtener la raíz cuadrada de la
varianza.

Se denota por S(X) que se lee como Desviación estándar de la

variable aleatoria X.

Si una v.a. X tiene función de probabilidad p(x), entonces la

desviación estándar se calcula de la siguiente manera:

S(X) =
30
 Cálculo de la desviación estándar de la variable
aleatoria (S(x))
 = { CC,CS,SC,SS } X = número de caras
obtenidas en dos lanzamientos de una moneda
Valor de la variable X Probabilidad P(x)
0 ¼ = 0.25
1 2/ 4 = 1 /2 = 0.5
S(X) =
2 1 /4 = 0.25
Suma de las 1
probabilidades:

Valor de la variable X^2 Probabilidad P(x)

V(x) = 1.5 – (1)^2 =0.5
0^2 = 0 0.25
S(x) =
1^2 = 1 0.5
2^2 = 4 0.25

31
 07
Coeficiente de
variación
(coeficiente de
variabilidad)

32
02 Función de Distribución de Probabilidades

Características de una Variable Aleatoria

4. Coeficiente de variación : CV(X)
Mide la dispersión relativa de la variable aleatoria.
Se denota por CV(X) que se lee como coeficiente de variación de la
variable aleatoria X. Si el CV(x) es mayor a 50% la dispersión de la
variable aleatoria es alta. Si el CV(x) es menor a 25% la dispersión
de la variable aleatoria es baja. En otros casos es moderada.

Si una v.a. X tiene función de probabilidad p(x), entonces el

coeficiente de variación se calcula de la siguiente manera:

CV(X) = S(x) / E(x) X 100

33
 Cálculo del coeficiente de variación de la variable
aleatoria (V(x))
 = { CC,CS,SC,SS } X = número de caras
obtenidas en dos lanzamientos de una moneda
Valor de la variable X Probabilidad P(x)
0 ¼ = 0.25
1 2/ 4 = 1 /2 = 0.5 CV (x) = S(x) / E(x) x 100
2 1 /4 = 0.25
Suma de las 1
probabilidades: S(x) = raíz cuadrada de V(x) = 0.7071
Coeficiente de variación CV (x) = S(x) / E(x) x 100
CV (x) = 0.7071/1x100 = 70.71% dispersión alta

34
 08
Ejercicios

35
02 Función de Distribución de Probabilidades

Ejercicio 1
Se muestra la función de distribución de probabilidad de la variable
aleatoria: X 0 1 2 3 4
X: Nº de caras al lanzar cuatro monedas
p(x) 1/16 4/16 6/16 4/16 1/16

Calcular el valor esperado, varianza y desviación estándar de la v.a. X

E(X) = 0(1/16) +1(4/16) +2(6/16) +3(4/16) +4(1/16) E(X) = 2

V(X) = E(X2) - [E(X)]2
E(X2) =02(1/16)+12(4/16)+22(6/16)+32(4/16)+42 (1/16) E(X2) = 5

V(X) = 5 – (2)2 V(X) = 1

σ = 1 Desviación estándar
36
02 Función de Distribución de Probabilidades

Ejercicio 2

El valor esperado es 1.50 automóviles por día. Por consiguiente, aunque se sabe
que en un día cualquiera las ventas pueden ser de 0, 1, 2, 3, 4 o 5 automóviles,
DiCarlo anticipa que con el tiempo se venderá un promedio diario de 1.50.
37
02 Función de Distribución de Probabilidades

Ejercicio 3

La desviación estándar para el número de automóviles vendidos

durante un día es:

38
03 Función de Distribución Acumulada

Ejercicio 4
Una empresa ha definido la siguiente variable:
Número de unidades rechazadas por el cliente con la siguiente
función de distribución de probabilidad f ( R) :
Unidades 0 1 2 3 4 5
rechazadas
(R)
P (R ) 0.8 0.1 0.04 0.03 0.02 0.01

F(x) = P [ X ≤ x ] = Σ P[X=k]

39
02 Función de Distribución de Probabilidades

Ejercicio 4
Hallar la función de distribución acumulada de la v.a.d R
Unidad 0 1 2 3 4 5
X<0 0 es
0≤ X< 1 rechaza
0.8 das (R)

P (R ) 0.8 0.1 0.04 0.03 0.02 0.01

1≤ X<2 0.9
¿Cuál es la probabilidad de que el cliente nos rechace a lo
más 2 unidades? 0.94
2≤ X<3 0.94
¿Cuál es la probabilidad de que el cliente rechace entre 1
y menos de 4 unidades? 0.17
0.97 Cual es la probabilidad de que el cliente rechace menos
3≤ X<4 de 4 unidades.
0.8+0.1+0.04+0.03 = 0.97
0.99
4≤ X<5
1
X ≥5
40
02 Función de Distribución de Probabilidades

Ejercicio 4
Por tanto:
0 X<0
1/16 0 ≤ X <1
5/16 1 ≤ X <2
F(x) =
11/16 2 ≤ X <3
15/16 3 ≤ X <4
1 X≥4

41
 Ejercicio 5
Una empresa de servicios de mantenimiento está contando el número de clientes que
recibe diariamente en la estación de servicios. Ha determinado la fdp:
C = Número de clientes que llegan diariamente a la estación de servicios de
mantenimiento
C 0 5 10 15 20 25
P (C ) 0.05 0.15 0.5 0.1 0.08 k

¿Cuál es la cantidad de clientes más probable? 10 clientes por día 0.05+0.15+0.5+0.1+0.08+k = 1

¿Cuál es la cantidad de clientes menos probable? 0 clientes por día Cuanto vale k?
¿Cuál es la probabilidad de que recibamos a lo más 15 clientes por día? K = 1 -0.88 = 0.12
0.05+0.15+0.5+0.1 = 0.8
¿Cuál es la probabilidad de que recibamos no más de 10 clientes por día?
0.05+0.15+0.5 = 0.7
¿Cuál es la probabilidad de que recibamos al menos 10 clientes por día?
0.5+0.1+0.08+0.12 = 0.8
P ( 4 < C < 17 ) = 0.15+0.5+0.1=0.75
P( C> 10 / C< 20) = P ( C>10 ∩ C<20)/P(C<20) = P ( C>10 ∩ C<20)/0.8=0.1/0.8 =0.125

42
 Ejercicio 5
Una empresa de servicios de mantenimiento está contando el número de clientes que
recibe diariamente en la estación de servicios. Ha determinado la fdp:
C = Número de clientes que llegan diariamente a la estación de servicios de
mantenimiento
C 0 5 10 15 20 25
P (C ) 0.05 0.15 0.5 0.1 0.08 K=0.12

Calcularemos el valor esperado:

E( C) = 0x0.05+5x0.15+10x0.5+15x0.1+20x0.08+25x0.12
E( C) = 0 + 0.75 + 5 + 1.5 +1.6 + 3 = 11.85 clientes

43
 Ejercicio 6

Una empresa está evaluando la situación de sus ganancias en el presente año en tres escenarios:
Escenario 1 : (pesimista)No obtiene ganancias (ganancia = 0), sino pérdidas de 50 000 soles y la probabilidad
de que ocurra este escenario es de 0.1
Escenario 2 : moderado Obtiene ganancias de 20000 y la probabilidad de que ocurra este escenario es de 0.5
Escenario 3: optimista Obtiene ganancias de 80000 y la probabilidad de que ocurra este escenario es de 0.4
G = ganancia obtenida por la empresa
Rango de G (conjunto de valores que toma la variable):

RG = {-50000, 20000, 80000}

Podemos construir lo que llamaremos una FUNCIÓN DE PROBABILIDAD (f.d.p)

Valores del rango de G Probabilidades de ocurrencia Cual es el valor esperado de G

-50000 0.1
-50000x0.1+20000x0.5+80000x0.4
20000 0.5
Expresando en miles:
80000 0.4 -50x0.1+20x0.5+80x0.4
Total 1.0 -5+10+32= 37 miles de soles

44
 Ejercicio 7
Experimento aleatorio: Lanzar dos dados
Espacio muestral : { (1,1), (1, 2),…(6,6)}
Numero de elementos del espacio muestral: 36

VARIABLE ALEATORIA
X = Resultado de la suma de las caras de los dos dados

Valores que puede tomar X: 2, 3, 4, 5…12

Resultado de la suma de las caras: X Probabilidad de X
2 {(1,1)} P(X =2) = 1/36
3 {(1,2),(2,1)} P(X = 3 ) = 2/36 = 1/18
4
….

12 {(6,6)} P(X=12) = 1/36

45
 Ejercicio 8
Rango de la V.A. : Conjunto de valores que toma la variable aleatoria
El rango puede ser FINITO E INFINITO
Determine el rango en este caso:

X = Número de bolas de color rojo extraídas sin reposición de una caja que contiene 5 bolas rojas y 4
bolas negras, si se extrae tres veces
Rango de X :
X=0
X=1
X=2
X= 3

Así que el rango es FINITO

46
 Rangos de la variable aleatoria
Rango de la V.A. : Conjunto de valores que toma la variable aleatoria
El rango puede ser FINITO E INFINITO
Determine el rango en este caso:

X = Número de bolas de color rojo extraídas CON reposición de una caja que contiene 2 bolas rojas y
4 bolas negras, si se extrae tres veces
Rango de X :
X=0
X=1
X=2
X=3 (PORQUE SE EXTRAE CON
REPOSICIÓN)

Así que el rango es FINITO

47
 Rangos de la variable aleatoria
Rango de la V.A. : Conjunto de valores que toma la variable aleatoria
El rango puede ser FINITO E INFINITO
Determine el rango en este caso

X = Número de bolas que hay que extraer (con reposición) hasta obtener una bola de
de color rojo
Rango de X :
X=1
X=2
X=3
X=4
X=5
… X = 120
--- X = 5000

Así que el rango es INFINITO

48
 Ejercicio 9
Servicios Unidos S.A. está analizando la distribución del número de clientes que llegan a
solicitar sus servicios y ha determinado que la función de probabilidad es como se muestra en
el cuadro:
Numero 10 20 30 40
clientes (C)
P( C) 0.15 0.32 K = 0.08 0.45

Hallaremos el valor de “K”

Sabemos que la suma de todas las probabilidades en la fdp debe
¿Podríamos estimar en promedio cuantos
ser 1.
clientes nos visitan?
0.15+0.32+k+0.45 = 1
K = 1-0.92=0.08
E(x) = 10x0.15+20x0.32+30x0.08+40x0.45 =
¿Cual es la probabilidad de que reciba menos de 30 clientes?
0.15+0.32 = 0.47
E(x) = 28.3 clientes
¿Cuál es la probabilidad de que reciba a lo más 30 clientes?
0.15+0.32+0.08 = 0.55
¿Cuál es la probabilidad de que reciba por lo menos 30 clientes?
0.08+0.45 = 0.53
49
 Ejercicio 9
Servicios Unidos S.A. está analizando la distribución del número de clientes que llegan a
solicitar sus servicios y ha determinado que la función de probabilidad es como se muestra en
el cuadro: Numero 10 20 30 40
clientes (C)
P( C) 0.15 0.32 K = 0.08 0.45
C^2 10x10=100 20x20=400 30x30=900 40x40=1600

E (C^2) =100x0.15+400x0.32+900x0.08+1600x0.45 Hallaremos el valor de la varianza

V(x) = E (x^2) – [E(x)]^2
E (C^2) =15 + 128 + 72 + 720 = 935 (clientes al cuadrado) En nuestro caso, como la variable se llama C:
V(C) = E (C^2) – [E(C)]^2
Ahora podemos calcular el coeficiente de variación para V(C ) = E (C^2) – (28.3)^2
analizar la dispersión relativa (CV = S (C ) / E (C ) V( C) = 935 – 28.3^2=134.11 clientes^2
CV = 11.58 / 28.3 x100 = 40.92% S ( C) = raíz cuadrada (134.11) = 11.58 clientes
La variable aleatoria tiene DISPERSIÓN MODERADA

50
 Ejercicio 10
En una empresa de servicios de limpieza, se está verificando el
número de clientes que atienden por día. Esta es una variable
aleatoria que tiene los siguientes valores:

Nro clientes 10 11 12 13 14
P(C ) 0.1 0.2 0.4 0.0 k
5
Hallamos el valor de k:
0.1+0.2+0.4+0.05+k = 1
0.75+k = 1
K= 1-0.75 = 0.25
Hallar la probabilidad de:
P(cantidad de clientes se menor o igual a 12) = 0.1+0.2+0.4 =0.7
P(cantidad de clientes mayor a 11) = 0.4+0.05+0.25 = 0.7
P(cantidad de clientes no supere a 12)= 0.1+0.2+0.4 = 0.7
P(cantidad de clientes entre 11 y 13 clientes) = 0.2+0.4+0.05 = 0.65

51
 Ejercicio 10

Nro clientes 10 11 12 13 14
P(C ) 0.1 0.2 0.4 0.0 k
5
Hallamos el valor de k:
0.1+0.2+0.4+0.05+k = 1
0.75+k = 1
K= 1-0.75 = 0.25
Hallar la probabilidad de:
P(cantidad de clientes se menor o igual a 12) = 0.1+0.2+0.4 =0.7
P(cantidad de clientes mayor a 11) = 0.4+0.05+0.25 = 0.7
P(cantidad de clientes no supere a 12)= 0.1+0.2+0.4 = 0.7
P(cantidad de clientes entre 11 y 13 clientes) = 0.2+0.4+0.05 = 0.65

52
 Ejercicio 10

Cálculo del valor esperado: E ( C)

Nro clientes 10 11 12 13 14
P(C ) 0.1 0.2 0.4 0.05 K=0.25

Hallamos el valor esperado:

E ( C ) = 10 x0.1 + 11 x 0.2 + 12x 0.4 + 13 x0.05 + 14 x 0.25 = 12.15 clientes

53
02 Función de Distribución de Probabilidades

Ejercicio 11
Durante los últimos 300 días de operación, los datos de ventas mostraron que
en 54 días no se vendió ningún automóvil, en 117 días se vendió 1 automóvil,
en 72 días se vendieron 2, en 42 días se vendieron 3, en 12 días se vendieron 4
y en 3 días se vendieron 5.
Sea: X: número de automóviles vendidos en un día. La función de
distribución de probabilidad: Rx = {0,1,2,3,4,5}
X = NÚMERO DE AUTOS VENDIDOS X DIA Probabilidad P(X)
0 54/300 = 0.18
1 117/300=0.39
2 72/300=0.24
3 42/300=0.14
4 12/300=0.04
5 3/300=0.01

54
02 Función de Distribución de Probabilidades

Ejercicio 11
X: número de automóviles vendidos en un día.
X = NÚMERO DE AUTOS VENDIDOS X DIA Probabilidad P(X)
0 54/300 = 0.18
1 117/300=0.39
2 72/300=0.24
3 42/300=0.14
4 12/300=0.04
5 3/300=0.01
E(X) = 0x0.18+1x0.39+2x0.24+3x0.14+4x0.04+5x0.01 E (X) = 1.5 autos vendidos por día

55
02 Función de Distribución de Probabilidades

Ejercicio 11
X: número de automóviles vendidos en un día.
X = NÚMERO DE AUTOS VENDIDOS X DIA Probabilidad P(X)
0 54/300 = 0.18
1 117/300=0.39
2 72/300=0.24
3 42/300=0.14
4 12/300=0.04
5 3/300=0.01
E(X) = 0x0.18+1x0.39+2x0.24+3x0.14+4x0.04+5x0.01 E (X) = 1.5 autos vendidos por día

Calcular el efecto sobre el valor esperado de:

a. Un incremento en la venta de autos del 25% como resultado de una agresiva campaña de ventas. Nuevo
valor esperado de X : 1.5 x 1.25 (1.5 + 25% de 1.5) =1.875 autos vendidos por día
b. A través de una alianza con otra empresa distribuidora, se ha logrado incrementar el número de autos
vendidos en un día en 3 autos. Nuevo valor esperado de X : 1.5 + 3 = 4.5 autos vendidos por día

56
 Unidad de aprendizaje 5: Distribuciones
discretas de probabilidad

Lectura Cap. 5.
Referencias Estadística para Administración y Economía,
Anderson D. Sweeney, D.

57
 ESTADÍSTICA
y
PROBABILIDADES
Semana 14 :
Variable Aleatoria Discreta

58