Professional Documents
Culture Documents
5Cuatrimestre
Programa de la asignatura:
Estadstica para la investigacin en seguridad
pblica
Clave:
010920518/020920518
Estratificado .......................................................................................................................... 5
1.1.2.
Discretas.............................................................................................................................. 11
1.2.2.
Continuas ............................................................................................................................ 11
Binomial ............................................................................................................................... 17
1.3.2.
Poisson ............................................................................................................................... 19
1.3.3.
Normal ................................................................................................................................ 21
1.3.4.
Propsitos
Los propsitos de esta unidad son:
Competencia especfica
Analizar informacin para la caracterizacin de una poblacin mediante el estudio de los tipos
de modelos probabilsticos y la seleccin del modelo pertinente.
Estadstica descriptiva. Se refiere a las tcnicas que son utilizadas para describir o
caracterizar los datos obtenidos (Pagano, 2011).
Para asegurar que las descripciones que se vern ms adelante son claras, se establecern las
siguientes definiciones:
Poblacin. Este trmino se emplea para representar clases enteras de objetos o eventos a
los que se les atribuirn generalizaciones.
Muestra. Es un subconjunto de mediciones o eventos que se seleccionan de la poblacin de
inters. Se dice que una muestra debe ser representativa de la poblacin.
Parmetro. Son las mediciones de las caractersticas de la poblacin. Algunos de estos
parmetros son:
mediana
media
varianza
Si la distribucin de una poblacin puede expresarse mediante alguna funcin, los parmetros
pueden ser utilizados para determinar el comportamiento de la distribucin.
Estimador. Es un valor numrico basado en los datos de una muestra aleatoria, que se utiliza
para estimar el valor de un parmetro poblacional.
Considrense todas las posibles muestras de tamao N que pueden tomarse de una poblacin, si con
cada una de las muestras se calcula un estadstico (estimador), por ejemplo la media o la desviacin
estndar, se obtiene una distribucin del estadstico denominada distribucin muestral, que ser
estudiada ms adelante.
1.1.1. Estratificado
Cuando es necesario dividir una poblacin en grupos, denominados estratos o clases, se deben tener
en cuenta algunas recomendaciones:
Es importante resaltar que para cada uno de los estratos son aplicables los procedimientos expuestos
para un muestreo aleatorio simple. Por lo anterior, si de cada estrato se extrae una muestra, la
muestra final de la poblacin estar compuesta por el conjunto de estas y se tendr un tamao de
muestra ms pequeo que si se realizara una muestra del total de la poblacin, y aun si fuera del
mismo tamao, en ambos casos se tendr una precisin mayor. A esta forma de elegir una muestra
se le conoce como muestreo aleatorio estratificado.
Existen varios criterios para la estratificacin:
Asignacin ptima. Se llama as a una combinacin de los dos tipos previos de asignacin:
las diferencias entre las fracciones se asignan como proporcionales a las diferencias entre las
desviaciones estndar.
. Tipos de muestreo
Actividad 1. Tipos de muestreo
En la primera parte de la primera unidad se ha analizado el significado de muestreo y los diferentes
tipos que existen.
El objetivo de la actividad es que conozcas los diferentes tipos de muestreo, las ventajas y
desventajas de cada uno de ellos, adems de conocer bajo qu condiciones conviene usar uno u
otro.
Para completar la informacin presentada aqu y reforzar lo aprendido, realiza lo siguiente:
1.
Elabora un cuadro comparativo de los diferentes tipos de muestreo, donde describas las
diferencias y similitudes entre ellos.
Identifica las caractersticas que debe tener un buen muestreo y los errores que se pueden
cometer para realizar un muestreo.
Identifica las ventajas de usar uno u otro tipo de muestreo.
Por ltimo, elabora un reporte donde integres los resultados previos con tus conclusiones.
Al terminar, enva tu documento a la seccin de tareas, con la nomenclatura
EISP_U1_A1_XXYZ, y espera la retroalimentacin del Facilitador(a).
*Consulta la rbrica de evaluacin para conocer los criterios que sern tomados en cuenta al
momento de calificar tu trabajo.
Actividad 2. Muestreo
El objetivo de esta actividad es que compartas informacin y que verifiques la informacin de tus
compaeros(as).
Entra al Foro denominado Muestreo y realiza lo siguiente:
1.
2.
3.
4.
5.
*Consulta la rbrica de evaluacin para conocer los criterios que sern tomados en cuenta al
momento de calificar tu trabajo.
7
8
9
10
11
12
Por tanto X 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 que como puede apreciarse, es una variable
aleatoria discreta.
Ejemplo (3). Experimento: consideremos que de un estante se eligen 100 paquetes de azcar cuya
etiqueta dice 1 kg. Designemos como la variable aleatoria X el peso que se mide de cada paquete.
Describir el espacio muestral para el experimento.
En este caso, los valores que podemos esperar para el peso de los paquetes ya no se
puede listar, por tal motivo tenemos que X es una variable continua. Es decir, el espacio
muestral est conformado por todos los valores contenidos dentro de un rango de valores.
Podemos decir, por ejemplo, que el espacio muestral es el intervalo 0.900,1.100
kilogramos.
Cuando se asignan probabilidades de ocurrencia, a todos los posibles valores numricos de una
variable aleatoria X , mediante una tabulacin o una funcin, se obtiene como resultado una
distribucin de probabilidad.
Es necesario resaltar que:
La probabilidad de cada evento es un valor entre cero y uno, inclusive.
La suma de todas las probabilidades debe ser igual a uno.
Ejemplo (4). Construir la distribucin de probabilidad para el caso presentado en el ejemplo (1).
A continuacin se muestran los valores que puede tomar la variable independiente, as
como la probabilidad de ocurrencia de cada uno de ellos.
P X
1
8
3
8
3
8
1
8
X
P X
10
11
12
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
Ejemplo (6). Un jugador profesional de tenis participa en una gira de cinco partidos y se sabe que la
probabilidad de que gane un partido es de 0.6
Sea X la variable aleatoria que representa el nmero de partidos ganados por el
jugador antes de su primera derrota. Encontrar la distribucin de probabilidad.
Debe notarse que los resultados de los partidos son eventos independientes. En este
caso, la probabilidad de ocurrencia de cada uno de ellos puede calcularse mediante un
diagrama de rbol, con lo que se obtiene:
P X
0.4
0.6 5
0.24
0.08
0.14
0.09
0.05
P X
P X
P X
2
4
6
8
0.25
0.30
0.15
0.25
2
4
6
8
0.20
0.30
0.25
0.25
2
4
6
8
0.3
0.4
- 0.1
0.4
1.2.2.Continuas
Frecuentemente no es posible hacer una lista con todos los valores de la variable aleatoria y sus
correspondientes probabilidades, porque son demasiados. Podemos decir, con ciertas limitaciones,
que una variable aleatoria continua tiene un nmero infinito de valores posibles.
En muchos de estos casos, las probabilidades para un rango de valores se determinan a travs de
una funcin, cuya grfica se denominada curva de probabilidad. El ejemplo (3) es un caso de variable
continua, pero no se incluy la funcin que la describe.
Una de las razones por las que es importante establecer con claridad si una variable es discreta o
continua, tiene que ver con la manera en que se determinan la esperanza y la varianza. Aqu solo se
estudiar cmo hacerlo si la variable aleatoria es discreta.
.
2
Para presentar la definicin de esperanza consideremos el ejemplo (1). Supongamos que al lanzar
tres monedas simultneamente, se recibir un peso por cada guila que aparezca. Cunto se
espera ganar si se repite el lanzamiento de las tres monedas un gran nmero de veces?
En este caso, consideremos que la variable aleatoria X representa el nmero de guilas obtenidas
al lanzar las tres monedas; sin embargo, puede apreciarse que no todos los resultados son
igualmente probables, de manera que para determinar la esperanza es necesario incluir la
probabilidad de que el evento ocurra.
1
3
3
1
1 2 3
8
8
8
8
3
6
3
0
8
8
8
12
8
1.5
El valor encontrado representa lo que se espera ganar si se lanzan las tres monedas
simultneamente, muchas veces. Es importante hacer notar que no tiene sentido hacer una pregunta
como cunto se espera ganar si se lanzan las tres monedas una vez?, lo anterior puede
malinterpretarse, ya que hace pensar que se pregunta sobre el hecho de hacer un lanzamiento. Debe
tenerse en cuenta esta precisin porque frecuentemente as es como se pregunta en los libros de
texto.
La esperanza tambin es conocida como media y como promedio ponderado; la frmula para
calcularla es:
E X xi Pxi
xi
Esta expresin quiere decir que se debe multiplicar cada valor de la variable aleatoria por su
probabilidad de ocurrencia y luego hacer la suma de todos los valores obtenidos. Supongamos que
en el juego anterior, en lugar de ganar X pesos por cada guila, se ganan X 2 . Entonces, si el juego
se llevara a cabo muchas veces, se espera ganar:
18 1 83 2 83 3 18
E X 2 02
3
12
9
8
8
8
24
8
3
Como ya se mencion, la media proporciona informacin acerca de la tendencia central de los datos;
ahora veremos de qu forma la varianza describe la dispersin. La frmula para determinar la
varianza es:
2 xi 2 Pxi
xi
encontrar 2 . Ahora bien, es la desviacin estndar (la raz cuadrada de la varianza) la que nos
ofrece informacin sobre la variabilidad de la distribucin, pues entre ms grande sea el valor , los
datos estn menos agrupados o ms dispersos respecto a la media.
Otra manera de interpretar a la esperanza es como el valor medio de infinitas observaciones o como
el punto de equilibrio de la distribucin de probabilidad. Por todo lo anterior, se puede concluir que la
varianza puede representarse de tres formas:
2 xi 2 P xi
xi
xi P xi 2
2
xi
E x 2 E x
fi
xi
n
f x
i
xi Pxi
xi
xi
2 xi 2 P xi
xi
xi
fi
xi x 2
n
xi
10
P xi
0.5
0.3
0.2
xi
xi
xi
P xi
xi Pxi
xi
0.5
1.0
-3.4
11.56
5.78
0.3
2.4
2.6
6.76
2.028
10
0.2
2.0
4.6
21.16
4.232
5.4
xi 2 xi 2 Pxi
2 12.04
xi
P xi
xi Pxi
8
1
8
8
8
xi
1
3
2
2
xi 2 xi 2 Pxi
9
1
1
9
12
3
8
2
32
32
32
32
24
3
32
4
xi
34
2
P X
0.4
0.24
0.14
0.09
0.05
0.08
Pxi 2
xi
2.
3.
4.
Despus de desarrollar los puntos que se solicitan, enva tu documento a la seccin de tareas
con la nomenclatura EISP_U1_A3_XXYZ, y espera la retroalimentacin del Facilitador(a).
*Consulta la rbrica de evaluacin para conocer los criterios que sern tomados en cuenta al
momento de calificar tu trabajo.
fijo de
P x C p q
Px n, p
n!
p x q n x
x ! n x !
la varianza: 2 npq
Ejemplo (10). Cada da hay cinco salidas de autobuses de la ciudad A a la ciudad B , y se sabe
que la probabilidad de que uno de los autobuses llegue tarde a su destino es 0.20 Sea
X el nmero de autobuses que llegan tarde.
(a) Explicar por qu es una distribucin binomial.
(b) Determinar la probabilidad de que exactamente 0, 1, 2, 3, 4, 5 de los viajes lleguen
con retraso.
(c) Determinar la probabilidad de que al menos dos de los autobuses lleguen con
retraso.
(d) Determinar la probabilidad de que a lo ms dos de los autobuses lleguen con
retraso.
Ahora se dar respuesta a cada uno de los incisos anteriores.
(a) Sabemos que es una distribucin binomial porque
(i) Que un autobs llegue tarde no depende de que otro lo haga, es decir, se trata
Ciencias Sociales y Administrativas Licenciatura en Seguridad Pblica
17
P 0 5,0.20
5!
0.20 0.850
0 ! 5 0 !
110.3277
0.3277
a0 1 .
El clculo de la probabilidad de que uno de los viajes se retrase:
P 1 5,0.20
5!
0.21 0.851
1 ! 5 1 !
50.2 0.4096
0.4096
Para las siguientes probabilidades, se indican los clculos que deben realizarse y
se dejan como ejercicio de prctica:
P2 5,0.20
5!
0.22 0.852
2 ! 5 2 !
P3 5,0.20
5!
0.23 0.853
3 ! 5 3 !
P4 5,0.20
5!
0.24 0.854
4 ! 5 4 !
P5 5,0.20
5!
0.25 0.855
5 ! 5 5 !
xi
Pxi
0.3277
0.4096
0.2048
0.0512
0.0064
0.0003
probabilidad
(c) La frase que al menos dos de los autobuses lleguen con retraso significa que
pueden ser dos, tres, cuatro o cinco, es decir:
P x 2 P2 P3 P4 P5
0.2048 0.0512 0.0064 0.0003
0.2627
(d) La frase de que a lo ms dos de los autobuses lleguen con retraso significa que
podran ser cero, uno o dos, es decir:
P x 2 P0 P1 P2
0.3277 0.4096 0.2048
0.9421
Como pudo notarse, los clculos para determinar la probabilidad de una distribucin binomial pueden
ser largos y engorrosos, por tal motivo se usan tablas con los valores ya establecidos. Estas tablas se
pueden conseguir fcilmente en cualquier libro de estadstica o en internet y permiten obtener las
probabilidades sin tener que realizar todos los clculos. Lo mismo ocurre para las otras distribuciones
de probabilidad.
1.3.2. Poisson
Esta distribucin se utiliza para calcular la probabilidad de que ocurra un nmero designado de
eventos cuando:
Tericamente, las posibilidades en este tipo de distribucin son infinitas; es decir que el nmero de
eventos va de cero a infinito de manera discreta. Para determinar la probabilidad de que ocurra un
cierto nmero de xitos en un proceso de Poisson, solo es necesario conocer el nmero promedio, a
largo plazo, de eventos para el tiempo o espacio de inters, dicho valor promedio se designa como
o . Uno de los cuidados que debe tenerse al usar la frmula para la distribucin de Poisson es que
el valor de
La probabilidad de
x
x ! e
Ejemplo (11). En cada rollo de lmina de 500 metros de longitud hay dos defectos en promedio.
(a) Explicar por qu es un evento tipo Poisson.
Los defectos se presentan en un continuo de espacio, en este caso, la longitud
de la lmina.
Que haya un defecto no impide que se presente otro, as que los eventos son
independientes.
(b) Cul es la probabilidad de que un segmento de 100 metros no tenga ningn
defecto?
Si el promedio de un rollo de 500 metros es de 2 defectos, entonces
representa el promedio de defectos que en hay en 100 metros.
100
500
0.4
P x 0 | 0.4
0.40
0! e0.4
e 0.4
0.6703
P x 2 | 0.5 P 2 P 3 P 4
3!e 0.5
4!e 0.5
5!e 0.5
7!e 0.5
8!e 0.5
P x 2 | 0.5 1 P x 2 | 0.5
1 P 0 P 1
1
0.50
0 ! e 0.5
0.51
1! e 0.5
1 0.6065 0.3032
0.0903
Si se consultan las tablas, el valor que se obtiene es 0.0902 porque en ellas
solo se incluyen cuatro dgitos.
1.3.3. Normal
Esta distribucin de probabilidades es continua y simtrica, es decir, con los valores observados
distribuidos de manera uniforme y adems, no es plana ni puntiaguda (mesokurtica). La distribucin
normal es importante por tres razones:
En el caso de una variable aleatoria con distribucin de probabilidad continua, solo es posible
determinar el valor de probabilidad de que la variable aleatoria tome valores en un intervalo; puesto
Ciencias Sociales y Administrativas Licenciatura en Seguridad Pblica
21
f ( x)
1
2
X 2
2 2
La funcin exponencial eu tambin se expresa como exp x , de manera que f (x ) puede ser escrita
como:
f ( x)
X 2
exp
2
2 2
P a x b f x dx
b
3
3
2
2
Para evitar esos clculos, todas las distribuciones normales se transforman a otra equivalente,
denominada distribucin normal estndar, cuyas principales caractersticas son que 0 y 1 .
Si la forma lmite de un histograma para una distribucin de frecuencias tiene la forma de una
campana, entonces puede usarse una curva normal para la determinacin de las probabilidades.
Recurdese que para una variable continua no es posible conocer la probabilidad de un evento, as
que es necesario realizar distribuciones de frecuencias.
Se sabe que tiene la siguiente interpretacin geomtrica con respecto a la curva normal.
El rea bajo la curva normal entre y es aproximadamente el 68% del rea
total.
El rea bajo la curva normal entre 2 y 2 es aproximadamente el 95% del rea
total.
Ciencias Sociales y Administrativas Licenciatura en Seguridad Pblica
22
El eje de la figura previa ha sido marcado en unidades de , empezando con la media . Es claro
en este bosquejo que casi no hay rea bajo la curva ms all de 3 unidades desde ; sin
embargo, esta se extiende desde hasta .
Toda la informacin previa se puede resumir en tres puntos:
La distribucin es simtrica con respecto a la media; es decir, las porciones izquierda y
derecha de la grfica son una la imagen especular de la otra, por lo que la media es igual a la
mediana.
Los datos de una distribucin normal se agrupan alrededor de la media.
El rango de los datos no tiene lmites, pero solo un pequeo porcentaje de ellos, menos del
3%, se encuentra a ms de tres desviaciones estndar de la media.
Antes de calcular probabilidades con la distribucin normal, haremos algunos ejercicios para
determinar el rea bajo la curva normal estndar. Para esto, es necesario disponer de una tabla de
reas bajo la curva normal, a cuatro dgitos y de z 0 a z 3 .
Ejemplo (13). Para una curva normal, encuntrese el rea situada a la izquierda de z 1.5 y de
diferentes interpretaciones al valor encontrado.
En la tabla se localiza el valor de z 1.5 y se encuentra el valor 0.4332 .
Para encontrar el rea a la izquierda de z 1.5 debemos recordar que el rea total
bajo la curva es uno y que la mitad de dicha rea est a la izquierda de z 0 .
Por tanto el rea buscada es 0.5 0.4332 0.9332 .
Algunas interpretaciones son:
1. El 93.32 % de los miembros de una poblacin tienen un puntaje z menor de
1.5 .
2. Un miembro de la poblacin que tiene un puntaje z 1.5 tiene un rango
percentil de 93 .
3. La probabilidad de elegir al azar a un miembro de esta poblacin, con un
puntaje z menor de 1.5 e, es de 0.9332 .
1.72 .
2. Un miembro de la poblacin que tiene un puntaje z 1.72 tiene un rango
percentil de 4 .
3. La probabilidad de elegir al azar a un miembro de esta poblacin, con un
puntaje z menor de 1.72 , es de 0.0427 .
Ejemplo (15). Para una curva normal, encuntrese el rea entre z 1.5 y z 1.72 .
En la tabla se localizan los valores de z 1.5 y de z 1.72 y se encuentran los
valores 0.4332 y 0.4573 respectivamente.
Entonces, el rea de z 0 hasta z 1.5 es de 0.4332 , mientras que de z 0 hasta
Donde la nueva distribucin tendr media cero y varianza uno. Esta transformacin es equivalente a
mover el origen del sistema de coordenadas al valor de la media y un cambio en la escala.
20
obtenemos:
220 230
20
0.50
z1
280 230
20
2.50
z2
P{x a} n C x p x q n x
xa
Hay que tener mucho cuidado para hacer la aproximacin correcta de la binomial usando la normal,
ya que es necesario calcular los valores de z con los valores de x1 E y/o x2 E , siento E la mitad
del intervalo sobre el cual se construye el histograma. A este ajuste se le denomina correccin por
continuidad.
5.
49 55
5
1.2
obtenemos:
60 55
5
1
z 49
z60
rea = 0.3849
rea = 0.3413
P x 60 0.1587
Ejemplo (18). Se sabe que la probabilidad de que un tirador acierte un disparo es de 0.30 y realiza
12 disparos. Cul es la probabilidad de que acierte por lo menos en seis de ellos?
Solucin: este evento se puede modelar como una distribucin binomial.
o Acertar un disparo o no hacerlo, son eventos independientes.
o Solo existen dos posibles resultados: acertar o no hacerlo.
o La probabilidad de xito permanece constante: 0.3 .
o
P x 6 P x 6 P x 7 P x 8 P x 9
P x 10 P x 11 P x 12
np 12 0.3 3.6
nq 12 0.7 8.4
Como 3.6 no es mayor que cinco, y 8.4 s lo es, la aproximacin a la distribucin normal
podra no ser muy buena. Realizaremos la aproximacin con:
np 3.6
n p q 2.52 1.6
Ahora haremos el clculo usando la aproximacin a la normal. Ya que los anteriores son
5.5 3.6
1.6
1.1875
z5.5
P x 6 0.117
Como puede apreciarse, aunque no pareca una buena decisin usar la aproximacin a la
normal, hemos obtenido la misma probabilidad.
Ejemplo (19). Una persona se dirige hacia su trabajo en automvil todos los das durante la hora de
mayor trnsito (por la maana). Debe atravesar un cruce de ferrocarril que siempre
tiene una gran afluencia de vehculos. Observa que el 30% de las veces no es posible
cruzar la va en forma inmediata. A causa del trnsito, el tiempo que requiere
atravesar el cruce es aleatorio.
(a) Encuntrese la probabilidad de que en un da cualquiera el conductor llegue al
cruce y lo atraviese inmediatamente.
Ciencias Sociales y Administrativas Licenciatura en Seguridad Pblica
27
P x 15
(d) P14 x 18
(e) P x 16
(f) Cierto nmero de xitos es tan alto, y por lo tanto tan poco comn, que solo existe
una probabilidad de alrededor de 0.05 de que ocurra. Cul es el nmero de
estos xitos?, es decir, encuntrese b , tal que P x b sea aproximadamente
igual a 0.05.
Solucin: este es un evento binomial porque:
el cruzar o no, son eventos independientes,
solo existen dos posibles resultados: cruzar o no hacerlo,
la probabilidad de xito permanece constante: 0.70,
la variable aleatoria es el resultado del conteo de xitos dentro de un nmero
fijo de ensayos.
Ahora daremos respuesta a cada uno de los incisos:
p 1 0.30 0.70
(a)
(b) Verificaremos que se pueda aproximar mediante la distribucin normal. Como:
q 0.30
n 19
Se tiene que:
np 19 0.7 13.3
nq 19 0.3 5.7
Como 13.3 y 5.7 son mayores que cinco, puede utilizarse la distribucin normal como
una aproximacin de la binomial, con:
np 13.3
n p q 3.99 2.00
Ya que los anteriores son nmeros enteros, P x 11 y el tamao del intervalo
es uno, debe encontrarse utilizando un lmite de 11.5, que es el que separa el
resultado favorable 11 del no favorable 12.
Ciencias Sociales y Administrativas Licenciatura en Seguridad Pblica
28
z11.5
P x 11 0.1841
(c) Para encontrar P x 15 se utilizar el lmite 14.5, que es el que separa a los
resultados favorables de los no favorables.
14.5 13.3
2
0.60
z14.5
z13.5
13.5 13.3
0.1
2
rea = 0.0398
z18.5
18.5 13.3
2.6
2
rea = 0.4953
El rea entre 13.5 y 18.5 se obtiene al restar los valores de las reas, de manera
que P13.5 x 18.5 0.4555
z15.5
15.5 13.3
1.1
2
rea = 0.3643
z16.5
16.5 13.3
1.6
2
rea = 0.4452
donde x z
, de
Autoevaluacin
Con la finalidad de realizar un ejercicio de repaso acerca de los conceptos ms importantes
estudiados en la unidad, resuelve el ejercicio de autoevaluacin que se encuentra en la pestaa de la
unidad.
5.
*Consulta la rbrica de evaluacin para conocer los criterios que sern tomados en cuenta al
momento de calificar tu trabajo.
Actividades de Autorreflexin
Adems de enviar tu trabajo de la Evidencia de aprendizaje, es importante que ingreses al foro
Preguntas de Autorreflexin y consultes las preguntas que tu Facilitador(a) presente. A partir de
ellas, debes:
1. Elaborar tu autorreflexin en un archivo de texto llamado EISP_U1_ATR_XXYZ.
2. Enviar tu archivo mediante la herramienta Autorreflexin.
Fuentes de consulta
Douglas, L. William, M. Samuel, W. (2008). Estadstica aplicada a los negocios (13 edicin).
Mxico. Mc. Graw Hill.
Hoel, Paul G. (1991). Estadstica Elemental (4 edicin). CECSA. Mxico.
Kazmier, L. Daz Mata, A. (2006). Estadstica aplicada a administracin y a la economa (4
edicin). Espaa. McGraw Hill.
Naiman, A., Rosenfeld, R., Zirkel, G. (1987). Introduccin a la Estadstica (3 edicin). Mxico.
McGraw Hill.
Nieves Hurtado, A., Domnguez Snchez, F. C. (2010). Probabilidad y Estadstica para
ingeniera. Mxico: Mc. Graw Hill.
Pagano, R. R. (2011). Estadstica para las ciencias del comportamiento (9 edicin). Mxico
Cengage Learning.
Ross, Sh. M. (2008). Introduccin a la estadstica. Espaa. Editorial Revert.
Fuentes cibergrficas