Estadistica II

DEPARTAMENTO DE CIENCIAS EXACTAS
TEXTO DE
ESTADSTICA II
PARA
CIENCIAS EMPRESARIALES
Autores:
Ing. Mgr. Carlos Valdivieso T.
Jefe de Ciencias Exactas UPB
Lic. Roberto Valdivieso C.

Docente UPB
Ing. Oscar Valdivieso T.

Docente UPB
Cochabamba Bolivia
Ao 2003
ANEXO DE
TABLAS ESTADSTICAS
Tabla I:
Distribucin Binomial Acumulada
Tabla II:
Distribucin de Poisson Acumulada
Tabla III:
Distribucin Normal Estndar Acumulada
Tabla IV:
Distribucin Normal Estndar de Cola Superior
Tabla V:
Nmeros Aleatorios
Tabla VI:
Distribucin t de Student
Tabla VII: Distribucin Chi-Cuadrada

Tabla VIII: Distribucin F de Fisher
Tabla IX:
Valores Crticos de U en la Prueba de Mann-Whitney
ANEXOS
1. Distribuciones de Densidad
2. Trabajo de Aplicacin Final
PRLOGO
Este texto ha sido escrito por la necesidad de contar con un texto prctico, que ayude a
los estudiantes a entender de manera clara los conceptos, procedimientos, clculos,
objetivos y finalidad de la Estadstica Inferencial, en cualquier rea de preparacin en la
que se encuentren.
Su cualidad es presentar una estructura adecuada para abordar esta parte de la
Estadstica, de manera que las distintas partes que la integran se complementen,
conforme se avanza en su estudio captulo por captulo, de manera precisa y lgica, con
el objeto que el estudiante forme un esquema mental que le ayude a aprehender con
mayor facilidad.
Adems, su estructura y funcin permiten al profesor o docente encargado de ensearla,
hacer un seguimiento total de cada uno de los temas en particular, por las facilidades
didcticas que presenta cada uno de sus captulos, lo que facilita al docente construir un
esquema que le permita fluidez en la transmisin de conocimientos hacia los alumnos.
Los rboles de decisiones que se incluyen en cada tema, con el objeto que la resolucin
de problemas inferenciales se practique de manera sencilla, son aportes exclusivos de los
autores. Por otro lado, en cada captulo se han incluido ejercicios de clase, con el fin de
que el docente pueda usarlos para realizar su explicacin de manera efectiva, y tambin
ejercicios propuestos, para que el estudiante pueda resolverlos en casa, en base a la
enseanza que recibi en el aula.
En consecuencia, consideramos que el texto ser un auxiliar de gran ayuda al encargado
de impartir esta materia, por la capacidad sencilla y escalonada de abordar la Estadstica
Inferencial y la prctica de resolver sus problemas. Los planteamientos terico-prcticos
son realizados paso por paso, presentando ejemplos ilustrativos y fciles de comprender.
El captulo 1 introduce al estudiante a las nociones de la inferencia estadstica,
respondiendo a la pregunta: Cmo se organiza y presenta la informacin recopilada
mediante un experimento aleatorio? El proceso a seguir es: a travs de la determinacin
del espacio muestral, eventos de inters, asignacin de probabilidades y formulacin de la
variable aleatoria, se define la distribucin de probabilidades. Luego sigue la pregunta:
Cmo se puede resumir la informacin presentada en distribuciones de probabilidad?
Mediante estadgrafos de Tendencia Central (que fijan la posicin de la distribucin).
Cmo se puede caracterizar una distribucin? A travs de estadgrafos de Tendencia
Central y Dispersin (que define la forma de la distribucin). Conformada la comprensin
de las distribuciones de probabilidades, se desarrolla la Estadstica Inferencial de dos
variables, por su importancia para generar la imaginacin de formular hiptesis y
desarrollar la habilidad de cruzar la informacin elaborada, como respuesta a los objetivos
de cualquier tipo de investigacin en el proceso de construir el conocimiento. Se incluyen
reglas para el clculo de probabilidades, arboligramas y distribuciones bidimensionales de
probabilidades.
Una vez que se ha comprendido el concepto de distribucin de probabilidades, el captulo
2 da al lector la manera de formular, ajustar y/o reconocer para una situacin emprica,
modelos tericos de distribuciones de probabilidad, tanto discretos como continuos.
En el captulo 3 se exponen los conceptos fundamentales de los mtodos de muestreo y

el uso de las distribuciones de muestreo en la inferencia estadstica, aplicando el teorema
central del lmite.
Puesto el fundamento de Probabilidades y Distribuciones Muestrales, los captulos 4 y 5
se dedican a mostrar con detalle los procedimientos para la exploracin estadstica a
travs de la Estimacin y para establecer supuestos a travs de las Pruebas de Hiptesis,
todo esto en el mercado de la Estadstica Inferencial Paramtrica.
El captulo 6 desarrolla la prueba del Anlisis de Varianza, ms conocida como ANOVA,
con el objeto de introducir al lector en el anlisis de experimentos.
Una vez comprendida la Estadstica Paramtrica, el captulo 7 presenta las ms
importantes pruebas de hiptesis no Paramtricas, muy usadas en el campo de la
Ingeniera y Ciencias Empresariales, en la experimentacin cientfica y la simulacin.
El texto que se ofrece nace como fruto de una larga experiencia en la labor docente
universitaria, ejercitada en medio de diversos ambientes estudiantiles, unas veces en
Economa, Administracin, Mercadotecnia, Sociologa y Comunicacin, otras veces en
Ingeniera Industrial, Civil, Produccin, Qumica y Biologa, y otras tantas en Derecho,
Psicologa y Pedagoga, en los cuales los autores han tenido la oportunidad de ofrecer el
conocimiento sobre la Estadstica existente en muchos libros, el elaborado por su propia
experiencia, su personalidad didctica y el aporte estudiantil, con excelentes resultados
para los formados.
Esperamos que el texto de Estadstica II que presentamos pueda ser de gran ayuda a los
estudiosos que tengan inters de usar esta rama cientfica para el beneficio de su entorno
profesional.
Los autores
CONTENIDO
PRLOGO i
CONTENIDO iii
PARTE I: CONCEPTOS FUNDAMENTALES SOBRE PROBABILIDAD 1
CAPTULO 1. DISTRIBUCIN DE PROBABILIDADES 2
1. Introduccin 2
2. Experimento Determinstico y Aleatorio 2
3. Caractersticas de un Experimento Aleatorio 2
4. Probabilidad 6
5. Variable Aleatoria 8
6. Distribucin de Probabilidades 9
7. Estadgrafos de Posicin y Dispersin Esperados 13
8. Reglas de Composicin para el Clculo de Probabilidades 22
9. Clculo de Probabilidades Utilizando Diagrama de rbol 29
10. Generalizacin de las reglas para el clculo de probabilidades 33
11. Distribucin Bidimensional de Probabilidades 35
Ejercicios de Clase 39
Ejercicios Propuestos 44
Ejercicios para Examen 48
CAPTULO 2. DISTRIBUCIONES TERICAS DE PROBABILIDAD 49
1. Introduccin 49
2. Distribuciones Tericas Discretas de Probabilidad 50
3. Distribuciones Tericas Continuas de Probabilidad 58
4. Aproximacin Normal a la Binomial 63
5. rbol de Decisin para Elegir la Distribucin Terica Adecuada en la
Resolucin de Problemas 65
Ejercicios Para Examen 75
PARTE II: MUESTREO 77
CAPTULO 3. MTODOS Y DISTRIBUCIONES DE MUESTREO 78
1. Introduccin 78
2. Tipos de Muestreo 79
3. Mtodos de Muestreo Aleatorio 80
4. Distribuciones de Muestreo 83
5. Teorema Central del Lmite 89
iii
6. Tamao de la Muestra y Error Estndar 90

7. Multiplicador de Poblacin Finita 91
8. rbol de Decisin para las Aplicaciones de la Distribucin Normal 92
9. Errores Sistemticos en el Muestreo 94
10. Elementos de Importancia en las Encuestas Muestrales 95
PARTE III: INFERENCIA ESTADSTICA 101
CAPTULO 4. ESTIMACIN ESTADSTICA 103
1. Introduccin 103
2. Tipos de Estimaciones 103
3. Criterios de un Buen Estimador 104
4. Estimacin por Intervalos 104
5. rbol de Decisin para la eleccin del Intervalo de Confianza Adecuado
en la Resolucin de Problemas 133
CAPTULO 5. PRUEBAS DE HIPTESIS 147
1. Introduccin 147
2. Conceptos Bsicos del Procedimiento de la Prueba de Hiptesis 147
3. Prueba de Significacin de Una y Dos Colas 149
4. Pruebas de Hiptesis 149
5. rbol de Decisin para la Eleccin de la Prueba de Hiptesis Adecuada
en la Resolucin de Problemas 165
CAPTULO 6. ANLISIS DE VARIANZA 180
1. Introduccin 180
2. Suposiciones 180
3. Procedimiento 180
4. ANOVA con un Factor 181
5. ANOVA con dos Factores sin Interaccin 185
iv
CAPTULO 7. MTODOS NO PARAMTRICOS 195

1. Introduccin 195
2. Pruebas No Paramtricas 195
3. Ventajas y Desventajas de los Mtodos No Paramtricos 195
4. Pruebas Chi-Cuadrada 196
5. Prueba del Signo para Datos Pareados 202
6. Pruebas de Suma de Rangos 207
7. rbol de Decisin para Elegir la Prueba Paramtrica o No Paramtrica en
la Resolucin de Problemas 214
BIBLIOGRAFA 229
ANEXOS 231
1. Distribuciones de Densidad 231
2. Trabajo de Aplicacin Final 236
ANEXOS DE TABLAS ESTADSTICAS 250
I.
II.
III.
IV.
V.
VI.
VII.
VIIII.
IX.
Distribucin Binomial Acumulada 250

Distribucin de Poisson Acumulada 257
Distribucin Normal Estndar Acumulada 262
Distribucin Normal Estndar de Cola Superior 263
Nmeros Aleatorios 264
Distribucin t de Student 265
Distribucin Chi-Cuadrada 266
Distribucin de Fisher 267
Valores Crticos de U en la Prueba de Mann-Whitney 272
PARTE I
CONCEPTOS FUNDAMENTALES SOBRE PROBABILIDAD
CONCEPTO
Una probabilidad es un grado de certeza que se puede obtener de cualquier evento que
vaya a ocurrir o que ocurri, en base a una escala de 0 a 1. Si el evento nunca ocurrir, se
le asigna una probabilidad de 0, caso contrario, si el evento siempre pasar, se le asigna la
probabilidad de 1. Dependiendo si es menos o ms probable que el suceso se d, se
tendrn probabilidades de 0 a 0.5 o de 0.5 a 1, respectivamente.
DETERMINACIN
La probabilidad puede ser hallada cuantitativamente de manera histrica, mediante la
frecuencia relativa de la repeticin del suceso en anlisis, o si nunca se dio anteriormente o
no se tienen los datos, mediante la divisin de los casos favorables a que ocurra el evento
sobre el nmero de casos posibles. Sin embargo, existen sucesos en los que por su
naturaleza no se puede saber su probabilidad exacta o asignarle un valor especfico, por lo
cual se procede a realizar un criterio subjetivo o cualitativo, en base a la experiencia, sobre
su posibilidad de ocurrencia.
APLICACIN
El anlisis de probabilidades surgi como una manera para predecir los triunfos o derrotas
en los juegos de azar. Posteriormente se aplic en el campo de los seguros de vida. Por su
utilidad y versatilidad en ese campo, todas las ramas cientficas la adoptaron a sus
respectivas necesidades. Es as que las ingenieras la utilizaron para el control de calidad,
diseo y anlisis de experimentos, pronsticos en la produccin y la direccin de
operaciones, optimizacin multivariable, modelacin y para decisiones diversas. Las
Ciencias Econmicas utilizaron la estadstica como una metodologa de investigacin, en el
anlisis economtrico, investigacin de mercados y decisiones gerenciales diversas.
CAPTULO 1
DISTRIBUCIN DE PROBABILIDADES
1. INTRODUCCIN
La teora de las probabilidades tuvo su origen en los problemas relacionados con los juegos
de azar (dados, barajas, etc.). Mas tarde el concepto de probabilidad, convenientemente
modificado, se ha aplicado a los seguros y a los problemas de inferencia estadstica. Estos
ltimos poseen numerosas aplicaciones en la fsica moderna, la biologa, la agricultura, la
industria, las ciencias sociales y la economa. De aqu que la teora de las probabilidades
tenga hoy gran inters prctico y terico y constituya una rama importante de la matemtica,
ingeniera y de las ciencias sociales.
2. CLASES DE EXPERIMENTOS: DETERMINSTICO Y ALEATORIO

Un experimento es determinstico cuando, conocidas las condiciones en que se produce, los
resultados que se obtienen estn sujetos a dichas condiciones. En general, este tipo de
conclusiones corresponden al campo de la fsica y qumica. Por ejemplo: Combinando una
molcula de oxgeno (O) con dos de hidrgeno (2H), se obtiene la molcula de agua (H2O)
indefectiblemente, si se usa como catalizador una chispa elctrica.
Los datos para una variable pueden obtenerse no solo por un experimento determinstico,
sino tambin mediante experimentos aleatorios. Un experimento aleatorio se define como
aqul que se puede producir de manera indefinida, con las mismas condiciones, sin la
posibilidad de determinar de antemano el resultado de una prueba, en observacin a dichas
condiciones. Ejemplo: fabricacin de un bien estndar o defectuoso, lanzar una moneda o un
dado, observar un nacimiento y ver el sexo, determinar el da en que una mquina va a fallar,
etc. En todos estos ejemplos no se puede saber el resultado preciso antes de realizar los
experimentos.
3. EXPERIMENTO ALEATORIO
3.1. Caractersticas
Un experimento aleatorio, tiene las siguientes caractersticas.
Se puede repetir de manera indefinida, esto asegura que los resultados sean simtricos y
que el elemento del experimento sea homogneo.
Los resultados del experimento son numerables y registrables.
No es posible determinar el resultado exacto de un experimento aleatorio antes de que
ocurra, pero si obtener una lista de los posibles.
Por el principio de la regularidad estadstica es posible estimar un resultado cualquiera del
experimento cuando este se haya realizado muchas veces.
3.2. Espacio muestral

Es el conjunto de resultados posibles o imaginables de un experimento aleatorio. Por
ejemplo, lanzar un dado genera el siguiente espacio muestral:
S = S (1, 2, 3, 4, 5, 6)
S = S (x N / 1 N 6)
Por extensin
Por comprensin
Los espacios muestrales pueden ser finitos o infinitos. Es finito cuando se trata de un
conjunto numerable, como por ejemplo los resultados posibles que existen al elegir un
nmero de la lotera de entre 100000 boletos. Es infinito cuando es continuo no numerable,
como por ejemplo los resultados posibles que se pueden dar al elegir una persona de todas
las que hay en el mundo.
3.3. Determinacin del espacio muestral

Dado un experimento aleatorio, los resultados posibles o imaginables a que da lugar dicho
experimento pueden determinarse utilizando:
El arboligrama (que es el mtodo ms verstil),

un cuadro de doble entrada (slo aplicable en el caso de dos intentos o ensayos),
aplicando nmeros combinatorios, permutaciones o variaciones (que tan solo entregan el
nmero de posibles resultados), segn el caso del experimento.
Cualquiera de los instrumentos sealados son alternativos, con las restricciones descritas.
Ejemplo.
Experimento aleatorio con reposicin o reemplazo.
En el bolsillo de un estudiante hay billetes de 10, 20 y 50 bolivianos. Si se obtienen dos
billetes, uno tras otro, elegidos al azar, con reposicin. Qu resultados pueden obtenerse?
Se pretende determinar el espacio muestral.
Resolucin.
Se trata de un experimento aleatorio, porque es posible efectuar la extraccin de dos
billetes, uno tras otro elegidos al azar, de manera permanente y bajo las mismas
condiciones, observar los resultados y registrarlos.
Los resultados posibles o imaginables de dicho experimento pueden ser obtenidos
mediante un arboligrama.
Para construirlo se debe preguntar: cules son los posibles billetes que se puede sacar en
la primera extraccin? La segunda pregunta: habiendo sacado un billete de 10, 20 o 50,
qu posibles billetes puedo sacar en la segunda extraccin?
1a extraccin
10
20
50
2a extraccin
10
10
20
50
20
10
20
50
50
10
20
50
S = { 10-10 ; 10-20 ; 10-50 ; 20-10 ; 20-20 ; 20-50 ; 50-10 ; 50-20 ; 50-50 }

Una segunda forma de obtener el espacio muestral, es empleando un cuadro de doble
entrada de la siguiente forma:
En las columnas se registran los resultados de la primera extraccin y en las filas, los de la
segunda extraccin. El cuerpo de dicha tabla registra los resultados posibles o imaginables,
es decir el espacio muestral:
2
1a
10
20
50
10
20
50
10 10
20 10
50 - 10
10 20
20 - 20
50 - 20
10 50
20 50
50 - 50
Ejemplo.
Experimento aleatorio sin reposicin o reemplazo.
En el bolsillo de un estudiante hay billetes de 10, 20 y 50 bolivianos. Si se obtienen dos
billetes, uno tras otro, elegidos al azar, sin reposicin. Qu resultados pueden obtenerse?
Hallar el espacio muestral.
Resolucin.
No se trata del mismo experimento aleatorio, porque en este caso se extraen los billetes
uno tras otro, pero sin reposicin.
Los resultados posibles o imaginables de dicho experimento pueden ser obtenidos
mediante un arboligrama.
Aqu se realizan las mismas preguntas que en ejemplo anterior. Se observar que basta que
una condicin del experimento cambie, para que ste tenga otro espacio muestral.
4
1a extraccin
2a extraccin
20
10
50
10
20
50
10
20
50
10
50
20
S = { 10-20 ; 10-50 ; 20-10 ; 20-50 ; 50-10 ; 50-20 }
Tambin se puede usar un cuadro de doble entrada de la siguiente forma:
1a
10
20
50
10
20
50
X
20 10
50 - 10
10 20
X
50 - 20
10 50
20 50
X
Para ello se han omitido los resultados de la diagonal principal de la tabla.
3.4. Eventos o sucesos aleatorios

Un evento es un subconjunto del espacio muestral.
Ejemplo: Si el experimento aleatorio consiste en lanzar al aire una moneda tres veces y
observar los resultados conjuntos, un evento puede ser:
E1 = obtener tres caras en 3 lanzamientos.
E1 = E (c c c)
Un evento es un resultado o varios resultados de un espacio muestral en los que se est
interesado, con el propsito de estudiarlos o analizar los resultados.
3.5. Clases de eventos

a) Sucesos simples y compuestos
Los eventos o sucesos aleatorios pueden ser simples o compuestos, segn puedan o no
descomponerse en otros resultados del experimento. Ejemplo: al lanzar una moneda sale
cara o cruz, estos resultados son simples. Al lanzar una moneda 2 veces: cs, cc o ss, son
eventos compuestos.
5
b) Sucesos ciertos e imposibles

Un suceso es cierto cuando los resultados que se obtienen cumplen las condiciones del
experimento. Ejemplo: al lanzar una moneda, los sucesos ciertos son cara o cruz. El suceso
imposible se da cuando el resultado del experimento no cumple las condiciones esperadas.
Ejemplo: cuando la moneda cae de perfil.
c) Sucesos mutuamente excluyentes o no.
Dos o ms sucesos son mutuamente excluyentes cuando la ocurrencia de uno de ellos
excluye la aparicin de los otros. Ejemplo: al lanzar un dado la aparicin de 5 excluye la
aparicin de 1, 2, 3, 4 y 6.
d) Sucesos igualmente posibles o no.
Dos o ms eventos son igualmente posibles cuando ninguno tiene mayor posibilidad de
ocurrencia que el otro. Ejemplo: al lanzar una moneda hay la misma posibilidad que salga
cara o sello si sta est bien hecha. Las monedas cargadas dan la posibilidad a sucesos
que no son igualmente posibles.
e) Sucesos dependientes e independientes
Un suceso es dependiente de otro cuando la ocurrencia de uno afecta al resultado del otro.
Ejemplo: si se tiene 3 bolas rojas y una azul en una urna y en la primera extraccin se eligi
al azar una bola roja, el suceso que se extraiga una bola roja en la segunda extraccin es
dependiente de la primera. Sin embargo, si la bola roja extrada se repone a la urna, la
segunda extraccin ser independiente de la primera.
4. PROBABILIDAD
La probabilidad es una medida del riesgo o de la incertidumbre. Se dice que existe riesgo
cuando se conoce el espacio muestral y la probabilidad de aparicin de los sucesos. La
situacin que indica incertidumbre, desconoce la presencia del espacio muestral, la
probabilidad de los sucesos o ambos.
La probabilidades pueden clasificarse en tres tipos:
4.1. Probabilidad a priori

La probabilidad de un suceso simple A, es el nmero que se determina mediante el cociente
de los casos favorables de la ocurrencia del evento y el nmero de casos posibles.
P (A ) =
n (A ) Nmero de casos favorables al evento A

=
n
Nmero de casos posibles
Algunas propiedades que presentan los sucesos, al hablar de sus probabilidades son:
La suma de probabilidades de dos sucesos independientes es: P (A U B) = P(A) + P(B)
La suma de probabilidades de dos eventos mutuamente excluyentes es: P(A) = 1 - P(A)
6
La probabilidad de cualquier evento presenta los siguientes valores: 0 P(A) 1

Cada resultado debe ser igualmente posible.
Se puede determinar la probabilidad de antemano.
Ejemplo.
Supongamos 3 nacimientos. Cul es la probabilidad de que hayan 2 varones nacidos?
Resolucin.
Determinar el sexo del recin nacido, es un experimento aleatorio porque el experimento
se puede repetir de la misma manera y bajo las mismas condiciones y no es posible saber
el resultado antes de realizarlo.
Los resultados del experimento cuando se observa el nacimiento uno tras otro, en la
determinacin del sexo son:
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
M
1
2
1
2
M
M
1
2
1
2
1
2
H
M
S=S (HHH, HHM, HMH, MHH, HMM, MHM, MMH, MMM)

Calcular la probabilidad del evento E1 de que haya exactamente 2 nacidos hombres.
P(E1) = P(HHM, HMH, MHH) = P (HHM) + P (MHH) + P (HMH)
Para el anlisis de dichas probabilidades es necesario recurrir a eventos simples.
1 1 1 1
P(HHM) = P(H)P(H)P(M) = =
2 2 2 8
1 1 1 3
P(E1 ) = + + =
8 8 8 8
La probabilidad de 2 nacidos hombres es de 3 veces en 8 nacimientos, o del 37.5%.
Nota: Un problema de probabilidad sin todos estos pasos, no sirve.
7
4.2. Probabilidad a posteriori

Es la frecuencia relativa observada de un evento durante un gran nmero de intentos.
La fraccin de veces que un evento se presenta cuando las condiciones son estables.
Falla cuando los datos son insuficientes.
Ejemplo.
Segn datos histricos se sabe que 20 de 100 taxis sufren choques muy fuertes al ao en
Cochabamba Cul es la probabilidad de que se suba a un taxi y se choque?
Esta es una probabilidad a posteriori, y se la calcula, mediante la frecuencia relativa:
P(A) =
20
*100 = 20%
100
Existe una probabilidad del 20% de que el taxi al que se subi sufra un choque fuerte.
4.3. Probabilidad subjetiva

Est basada en las creencias de las personas que efectan la estimacin.
Es la probabilidad asignada a un evento por un individuo, basada en la evidencia
disponible.
til cuando los eventos se presentan una vez o pocas veces.
Ejemplo.
Un estudiante no realiz ningn esfuerzo en su preparacin para rendir su examen de
estadstica. No fotocopi el texto de la materia, no hizo las prcticas, no estudi los ejercicios
resueltos, y no atendi al docente en las clases dirigidas. Por lo tanto, tiene muy pocas
probabilidades de pasar el examen.
5. VARIABLE ALEATORIA
Es una funcin que permite transformar puntos del espacio muestral en puntos del conjunto
de los nmeros naturales. Puede ser continua o discreta.
Ejemplo.
Supngase el espacio muestral del sexo de 3 recin nacidos.
S=S(HHH, HHM, HMH, MHH, HMM, MHM, MMH, MMM)
Corresponde a la situacin de observar 3 nacimientos uno tras otro.
Si interesa el nmero de hombres recin nacidos se puede observar la siguiente relacin
entre la variable definida y el espacio muestral.
Casos del espacio

muestral
MMM
MMH, MHM, HMM
MHH, HMH, HHM
HHH
Valores de la variable aleatoria discreta: (Xi).

X1 = 0
X2 = 1
X3 = 2
X4 = 3
=> Los recin nacidos son todos mujeres

Significa 1 hombre entre los recin nacidos
Significa 2 hombres
Significa 3 hombres
Si dentro el espacio muestral, teniendo en cuenta la variable aleatoria definida, se define una
funcin de probabilidades que determine la ocurrencia de los diferentes valores de la
variable, se dice que se ha definido en: P(x en A)
6. DISTRIBUCIN DE PROBABILIDADES
Sea un experimento aleatorio que permite definir un espacio muestral, sea x la variable
aleatoria y P(x) las probabilidades respectivas. La funcin de probabilidad se obtiene cuando
determinada una variable aleatoria para el espacio muestral se dispone de las probabilidades
correspondientes producidas en el experimento aleatorio.
En el ejemplo anterior, la distribucin de probabilidades es la siguiente:
Variable
xi
x1 = 0
x2 = 1
x3 = 2
x4 = 3
Casos del espacio

muestral
MMM
MMH, MHM, HMM
MHH, HMH, HHM
HHH
P(xi)
1/8
3/8
3/8
1/8
que corresponde a una distribucin de probabilidad para variable aleatoria discreta.
6.1. Funcin de cuanta

a) Propiedades.
La distribucin de probabilidades, cuando la variable es discreta, se denomina funcin de
cuanta y debe cumplir con:
Cualquier P(x) debe ser un nmero real.
La suma de las distintas probabilidades de los valores de la variable debe ser 1:
n
P(x ) = 1
i
x =1
En consecuencia, cualquier P(x) debe estar entre 0 P(x) 1 para
x = 0, 1, 2, ..., n.
Para determinar si una funcin es de cuanta debe cumplir con las condiciones anteriores.
Para evaluar la segunda condicin: La suma de la funcin de cuanta en el recorrido de la
variable debe sumar la unidad, es necesario incorporar una variable de trabajo k, tal que:
Si k = 1, entonces la funcin propuesta es de cuanta.
Si k 1, entonces debe corregirse la funcin de cuanta en dicha constante.
9
Ejemplo.
Sea la siguiente funcin de cuanta: f(x) = 2x + 1
Para x = 0, 1, 2, 3.
a) Determine si es o no una funcin de cuanta, si no fuera, entonces corrjala.

b) Halle la probabilidad de que x sea menor que 2.
c) Halle la funcin de distribucin y verifique el resultado anterior.
Resolucin.
Se verifica que la funcin propuesta admite solo valores reales.
Debe cumplir la condicin: La suma de la funcin de cuanta en el recorrido de la variable
debe sumar la unidad". Para verificar esta propiedad se usa una variable constante "k:
1 = k (2x+1) = k + 3k + 5k + 7k
1 = 16 k
k = 1/16
La funcin propuesta no es de cuanta porque no cumple la segunda propiedad. Por lo tanto
debe modificarse.
a) Entonces la nueva funcin es: P(x) =
2x + 1
para x = 0, 1, 2, 3.
16
b) Se pide P(x<2) = P(x=0) + P(x=1) = 1/16 + 3/16 = 4/16 = 1/4
(25%)
Respuesta: Que la variable x tome un valor menor que dos, ocurre en un 25%.
c) Se halla la funcin de distribucin y se verifica
3
Se sabe que:
1
(2x + 1 )
i =0 16
P (x ) = P (x i ) =
i= 0
Expresando en forma de una distribucin de probabilidades, donde:

1
1
4
* (2x + 1 ) =
16
x = 0 16
P (x < 2 ) =
xi
0
1
2
3
P(xi)
1/16
3/16
5/16
7/16
16/16
Pac(xi)
1/16
4/16
9/16
16/16
b) Representacin grfica.
Las distribuciones de probabilidad para variable aleatoria discreta pueden ser representadas
mediante un diagrama de barras, circular o rectangular, usando los valores de probabilidad
para el eje y y los valores de la variable para el eje x. Tambin pueden ser representadas
10
mediante diagramas acumulados de probabilidades.

Diagrama de barras.
DIAGRAMA DE BARRAS PARA LA FUNCIN DE CUANTA
P(x) =
1
(2x + 1) para x = 0, 1, 2, 3.
16
45%
40%
35%
P(xi) [%]
30%
25%
20%
15%
10%
5%
0%
0
xi
6.2. Funcin de densidad

a) Propiedades.
La distribucin de probabilidades de una variable aleatoria continua, se denomina funcin de
densidad y debe cumplir con:
f(x) 0
para - < x <
La integral de la funcin en el recorrido de la variable debe ser igual a 1.
f ( x )dx = 1
La evaluacin de una funcin de densidad se efecta determinando el cumplimiento de las

condiciones anteriores. La segunda condicin requiere incorporar la variable de trabajo k.
Se consideran las condiciones introducidas para el valor de k, a fin de determinar si la
funcin propuesta es de cuanta.
Ejemplo.
Sea la siguiente funcin de densidad:
f(x) = 2x + 1
Para 0 x 3
11
a) Determine si es o no una funcin de densidad, si no fuera, entonces corrjala.

b) Halle la probabilidad de que x sea menor que 2.
c) Halle la funcin de distribucin y verifique el resultado anterior.
Se procede de la siguiente manera:
Verificar si la funcin propuesta admite solo valores reales.
Debe cumplir la condicin: La integral de la funcin en el recorrido de la variable debe ser
igual a 1.
Es decir:
3
1 = k * (2x + 1 ) dx = k * ( x 2 + x ) | = 9k + 3k = 12k
Entonces:
k = 1/12
a) La funcin propuesta no es de densidad porque no cumple la segunda propiedad. Por lo

tanto debe modificarse. Entonces la nueva funcin es: P(x) =
b) Se pide:
f (x < 2 ) =
1
12
(2x + 1 ) dx =
2x + 1
para 0 x 3
12
6
= 0.5
12
Respuesta: Que "x" sea menor que 2 ocurre en el 50 % de los casos.

c) Se verifica as:
1
1
2
* (2x + 1 ) dx =
12 0
12
1
4
* (2x + 1 ) dx =
12 1
12
1
6
* (2x + 1 ) dx =
12 2
12
La distribucin de densidad resultante es:

Li-1 - Li
0-1
1 - 2
2 - 3
f (x)
2/12
4/12
6/12
12/12=1
b) Representacin grfica.
La representacin grfica de una distribucin de densidad se realiza mediante un histograma
de probabilidades.
12
Histograma
HISTOGRAMA DE PROBABILIDADES DE LA FUNCIN DE DENSIDAD:
P(x) =
1
(2x + 1) para 0 x 3
12
60%
50%
P(xi) [%]
40%
30%
20%
10%
0%
0-1
1-2
2-3
Li-1 - Li
7. ESTADGRAFOS DE POSICIN Y DISPERSIN ESPERADOS

Son indicadores estadsticos que permiten reducir o sintetizar la informacin contenida en
una variable en la distribucin de probabilidades.
7.1. Esperanza matemtica y varianza esperada

Sea E un experimento y S un espacio muestral. Si en dicho espacio se define una funcin P(x)
en el espacio muestral S, entonces es posible determinar indicadores que definan la posicin
y la forma de la distribucin, tal como la esperanza matemtica y la varianza esperada.
7.1.1. La esperanza matemtica
Indica el valor promedio que se desea obtener en una distribucin de probabilidades.
a) Funcin de cuanta
Si la distribucin probabilstica es una funcin de cuanta, la esperanza matemtica se
obtiene dada la siguiente expresin:
n
E [x ] = x i P ( x i )
para x = 0, 1, 2,K , n
i=1
Ejemplo.
Sea la siguiente distribucin de probabilidad de variable discreta formado a partir del
siguiente experimento aleatorio: En el curso existen 5 mujeres, 3 de las cuales tienen cabello
13
largo y 2 de cabello corto. Se quieren elegir al azar dos de ellas.

x = Nmero de seoritas de pelo largo
xi
P(xi)
2/20
12/20
6/20
P(xi)=1
0
1
2
Resolucin.
Se calcula xi * P(xi) en columna (3)
xi
P(xi)
2/20
12/20
6/20
P(xi)=1
0
1
2
xi * P(xi)
0
12/20
12/20
24/20
Luego:
E [x ] =
24
= 1.2
20
Conclusin: Al elegir al azar 2 seoritas de pelo corto y largo, se espera obtener en promedio
1.2 seoritas de pelo largo.
b) Funcin de densidad
Si la expresin matemtica es de funcin de densidad, la esperanza matemtica se obtiene
de la siguiente manera:
E [x ] =
f ( x i ) dx
para x
Ejemplo.
f (x ) =
1
(2 x + 1 )
12
para 0 x 3
Halle la esperanza matemtica.

Resolucin.
a) Se parte de la definicin de esperanza matemtica.
E [x ] =
14
f (x ) dx
b) Se aplica los datos a la ecuacin anterior:

3
1
1 2
1 54
E [x ] = x [ (2x + 1 )] dx = ( x 3 + x 2 ) = ( + 9 ) = 2.15
12
12 3
12 3
0
Conclusin: El valor medio esperado en la distribucin es 2.15.
En general la media aritmtica o la esperanza matemtica, es un valor que se define dentro
el recorrido de la variable.
7.1.2. Varianza esperada
En toda distribucin de probabilidad, a fin de caracterizarla, adems de hallar la esperanza
matemtica, es necesario determinar o analizar la varianza esperada.
a) Funcin de cuanta
Si tenemos una funcin de cuanta, la varianza esperada se define de la siguiente manera:
V(x) = (x i ) P(x i ) = x P(x i ) x i P(x i )

i =1
i =1
i =1
2
i
siendo: x = 0, 1, 2, 3, ... n.
Ejemplo.
Sea la siguiente funcin de cuanta:
f (x) =
1
(2x + 1)
16
x = 0, 1, 2, 3
Halle la varianza y desviacin estndar esperadas.

Resolucin.
xi
0
1
2
3
P(xi)
1/16
3/16
5/16
7/16
16/16
xi*P(xi)
0
3/16
10/16
21/16
34/16
xi2*P(xi)
0
3/16
40/16
63/16
106/16
106 34
V[x] =
= 2.11
16 16
x=
34
= 2.125
16
15
S = 2.11 = 1.45
Si se tiene una funcin de densidad, la varianza esperada se define de la siguiente manera:
V [x ] = (x x ) f(x ) dx = x f(x ) dx x f(x ) dx siendo: - < x <
Ejemplo.
f (x ) =
1
(2x + 1 )
12
para 0 < x < 3
Halle la varianza esperada.

Resolucin:
1
1
2
V [x ] = x * [ * (2x + 1 )] dx x * [ * (2x + 1 )] dx
12
12
0
0
4
3 3
2 3
1
1
2 3
= * ( x + x )| * ( x + x )|
12 2 3 0 12
3
2 0
2
1 81
9
1
= * ( + 9 ) * (18 + )
12 2
2
12
1 99
2025 2376 2025 351
= ( )
=
=
= 0.609
12 2
576
576
576
Luego:
E [x] = 1.875 (media)

V [x] = 0.609 (varianza)
S [x] = 0.78 (desviacin estndar)
7.2. Moda esperada

La moda en una distribucin de probabilidad, corresponde a aplicar las condiciones de un
mximo.
a) Funcin de cuanta
Si f(x) es una distribucin de cuanta, la moda se determina aplicando la definicin.
Ejemplo.
Sea la funcin de cuanta del nmero de seoritas de cabello largo:
16
xi
P(xi)
2/20
12/20
6/20
P(xi)=1
0
1
2
Halle la moda esperada.

a) Se encuentra el valor de probabilidad ms alto: P(xi) = 12/20.
b) El correspondiente valor de la variable es la moda:
Moda = 1
Conclusin: Lo ms usual es elegir a una seorita de cabello largo entre dos, cuando
tenemos 5 seoritas, de las cuales 3 son de cabello largo.
Si f(x) es una distribucin de densidad, se puede determinar la moda mediante tres
procedimientos:
1. Aplicando el mtodo para hallar un mximo absoluto en un intervalo:
a) Halle las coordenadas de x de todos los puntos crticos de primer orden de la funcin en
el intervalo a x b (Un punto crtico es aquel que se obtiene igualando a cero o a no
existe la primera derivada de una funcin: f (x) = 0).
b) Calcule f(x) en estos valores crticos y en los puntos extremos x = a y x = b.
c) Seleccione el valor mayor de f(x) obtenido en el paso 2. Este es el mximo absoluto, que
puede ser confirmado mediante el criterio de la segunda derivada: f (x) < 0.
Ejemplo.
Sea la siguiente funcin de densidad: f (x) =
3
2x 2 + 4x ) para 0 x 2 . Halle la moda.
(
8
Resolucin.
a) Se determina la primera derivada y se iguala a cero para obtener los puntos crticos (se
toman en cuenta aquellos que se encuentran dentro el rango de la variable):
f '(x) = 4x + 4 = 0
x =1
b) Se determina la segunda derivada para comprobar si el punto crtico hallado es un

mximo, mnimo o punto de inflexin:
f ''(x) = 4
>0
Conclusin: La moda es 1.
17
Mximo
2. Aplicando la frmula emprica para intervalos constates o no constantes.
P i+1
a i+1
Mo = L i 1 +
* ai
P i+1 + P i 1
a i+1 a i 1
Mo =
P i+1 * +
a i L i 1
+
P i+1 P i 1
Ejemplo.
f (x ) =
1
(2 x + 1 )
12
Li-1 - Li
01
12
23
para 0 x 3
P(xi)
2/12
4/12
6/12
12/12
Halle la moda.
Resolucin.
a) Se determina la fila de clase modal: Fila 3. (Porque esa fila es la que tiene la probabilidad
ms alta)
b) Se determinan los elementos de la frmula emprica para la moda de intervalos
constantes:
Li-1 = 2
Pi-1 = 4/12
Pi+1 = 0
ai = 1
c) Se reemplazan los valores hallados en la frmula:
Mo =
0
(1) + 2 = 2
0 + 124
Conclusin: La moda es 2.
3. Transformando la distribucin tipo III en una tipo II mediante las marcas de clase y
aplicando la definicin de la moda.
Ejemplo.
f (x ) =
1
(2 x + 1 )
12
18
para 0 x 3
Li-1 - Li
xi =
01
12
23
P(xi)
Li 1 + L i
2
0.5
1.5
2.5
2/12
4/12
6/12
12/12
Halle la moda.
Resolucin.
a) Se transforma la distribucin tipo III en tipo II como se ve en la tabla en la columna 2,
mediante marcas de clase.
b) El valor correspondiente de la variable para la probabilidad ms alta es la moda.
Conclusin: La moda es 2.5.
Se puede observar que existe diferencia entre el mtodo b) y el c). Esto se debe a que en el
ltimo se realiza una aproximacin.
7.3. Mediana esperada

La mediana esperada es el valor de la variable aleatoria que divide a una distribucin de
probabilidades en dos partes igualmente proporcionales.
a) Funcin de cuanta
El procedimiento para hallar la mediana esperada en una funcin de cuanta es el siguiente:
Se determina los valores de probabilidad acumulada.
Se ubica el valor 0.5 entre dos valores consecutivos de probabilidad acumulada:
Pac (x i 1 ) 0.5 Pac (x i ) , tal que si:
Pac (x i ) > 0.5
entonces
Pac (x i ) = 0.5
entonces
Me = x i
x + x i +1
Me = i
2
Ejemplo.
Sea la siguiente funcin de cuanta: f (x) =
1
(2x + 1)
16
Halle la mediana esperada.

Resolucin.
Halle la distribucin y sus probabilidades acumuladas:
19
x = 0, 1, 2, 3
xi
Fila i
0
1
2
3
P(xi)
1/16 = 0.0625
3/16 = 0.1875
5/16 = 0.3125
7/16 = 0.4375
16/16
Pac (xi)
0.0625
0.2500
0.5625
1.0000
0.5
Ubique 0.5 entre dos valores de probabilidad acumulada:
Pac (x i 1 ) = 0.25 0.5 Pac (x i ) = 0.5625

Se cumple que: Pac (x i ) = 0.5625 > 0.5
Me = x i = 2
entonces
Conclusin: La mediana esperada es 2.

La mediana esperada de una funcin de densidad puede ser calculada por tres mtodos:
1. Mediante la siguiente integral:
Me
f (x) dx =
f (x) dx = 2
Me
Ejemplo.
f (x) =
1
(2x + 1)
12
0 x 3
Halle su mediana esperada.

Resolucin.
Se calcula la integral:
Me
Me
1
1 2
1
1
2
0 12 (2x + 1) dx = 12 (x + x) 0 = 12 (Me + Me) = 2
Me 2 + Me 6 = 0
Se resuelve la ecuacin resultante:
Me = 2
Me = 3
Conclusin: La mediana esperada de la distribucin es 2.

20
2. Mediante la siguiente frmula emprica para distribuciones tipo III:
Me = Li 1 +
0.5 Pac (x i 1 )
(a i )
P(x i )
Ejemplo.
Se usar el ejemplo anterior. Se procede de la siguiente manera:
Obtenga la tabla tipo III de distribucin de probabilidades y las probabilidades
acumuladas:
Li-1 - Li
01
Fila i
12
Fila i+1 2 3
P(xi)
2/12 = 0.1667
4/12 = 0.3333
6/12 = 0.5000
12/12
Pac(xi)
0.1667
0. 5000
1
0.5
Ubique 0.5 entre dos valores de probabilidad acumulada: En este caso el valor coincide
con la de la fila 2, que se constituye en la fila de clase mediana.
Determine los valores de la frmula emprica:
Li-1 = 1
Pac(xi-1) = 2/12
P(xi) = 4/12
ai = 1
Reemplace los valores hallados en la frmula emprica:
2
0.5
0.5 Pac (x i 1 )
12 (1) = 2
Me = Li 1 +
(a i ) = 1 +
4
P(x i )
12
Conclusin: La mediana esperada es 2.
3. Mediante la transformacin de la distribucin tipo III en tipo II, seguido del
procedimiento para el clculo de la mediana para esa distribucin:
Ejemplo.
Se seguir usando el mismo ejemplo.
Se transforma la distribucin tipo III en tipo II mediante las marcas de clase (columna 2) y
se obtienen las probabilidades acumuladas (columna 4):
21
Li-1 - Li
01
12
Fila i
Fila i+1 2 3
xi
0.5
1.5
2.5
P(xi)
2/12 = 0.1667
4/12 = 0.3333
6/12 = 0.5000
12/12
Pac(xi)
0.1667
0. 5000
1
0.5
Se ubica 0.5 entre dos valores de probabilidad acumulada: En este caso coincide con el
valor de la fila 2 que es la fila de clase mediana. Por lo tanto la mediana se halla por
medio de la siguiente frmula:
Me =
x i + x i +1 1.5 + 2.5
=
=2
2
2
Conclusin: La mediana esperada de la distribucin es 2.

Nota: Los tres mtodos coinciden en el valor calculado de la mediana esperada.
8. REGLAS DE COMPOSICIN PARA EL CLCULO DE PROBABILIDADES

8.1. Generalidades
Sea un experimento aleatorio E que tiene un espacio muestral S, donde sus resultados
posibles se organizan atendiendo a dos criterios de ordenacin (xi , yj). La presentacin de
estos resultados se efecta en un cuadro de doble entrada, donde nij indica el nmero de
veces que aparece el par (xi , yj); en consecuencia, una distribucin bidimensional de
probabilidades se presenta en la siguiente forma general:
xi
x1
x2
:
xr
yj
y1
y2
...
ys
n11
n21
:
nr1
n12
n22
:
nr2
...
...
:
...
n1s
n2s
:
nrs
r
n = n ij
i=1 j=1
donde:
P ij =
n ij Casos favorables
=
n
Casos posibles
y Pij se lee como probabilidad del evento (xi , yj), que es la probabilidad conjunta.
Utilizando la informacin de la tabla de eventos o sucesos, dispuestos en forma de una
distribucin bidimensional, podemos determinar las siguientes reglas de composicin.
22
8.2. Probabilidad marginal

Si en la distribucin bidimensional de probabilidades se prescinde de uno de los criterios de
ordenacin (digamos yj) y estamos interesados en los eventos que resultan de considerar el
criterio de ordenacin xi, se habr definido la probabilidad marginal de xi, que se denota por
el smbolo P(xi) y su clculo se efecta de la siguiente manera:
s
P ( x i ) = P ( x i, y j ) =
j=1
n i1 n i2 n i3
n
+
+
+ . . . + is
n
n
n
n
= P(xi , y1) + P(xi , y2) + P(xi , y3) + . . . + P(xi , ys)

Si se trata de la probabilidad marginal de yj , el clculo se efecta de la siguiente manera:
r
P ( y j ) = P ( x i, y j ) =
i=1
n1j n 2j n 3j
n
+
+
+ . . . + rj
n
n
n
n
= P(x1 , yj) + P(x2 , yj) + P(x3 , yj) + . . . + P(xr , yj)
8.3. Regla de adicin

Se busca determinar la probabilidad de la unin de dos sucesos. Segn que los sucesos
sean mutuamente excluyentes o no, la regla de la adicin se determina de las dos siguientes
formas:
a) Regla de adicin para sucesos mutuamente excluyentes
P(x y) = P(x) + P(y)
donde x y y son sucesos mutuamente excluyentes y sus probabilidades son marginales.
b) Regla de adicin para dos sucesos cualquiera
P(x y) = P(x) + P(y) - P(x,y)
siendo P(x,y) la probabilidad conjunta.
Nota: Para resolver problemas de adicin de eventos en general, debe utilizarse la regla
correspondiente a dos sucesos cualquiera, salvo que se tenga como dato que los sucesos
sean mutuamente excluyentes.
Para entender mejor la regla de adicin de eventos se usan los diagramas de Venn
(investigador ingls, 1834-88), que son representaciones grficas de los resultados de un
experimento aleatorio. Para elaborar un diagrama de Venn, se representa al espacio
muestral por un rectngulo, mientras que los eventos aparecen como regiones dentro del
rectngulo, generalmente en forma de crculos.
Las regiones sombreadas de los cuatro diagramas de Venn de la figura siguiente,
23
representan respectivamente: el evento A, su complemento, la unin de los eventos A y B y

la interseccin de A y B (para sucesos que no son mutuamente excluyentes y para los que si
son).
A
A y A son mutuamente excluyentes
AB
AB
A y B no son mutuamente excluyentes
AB
AB
A y B son mutuamente excluyentes
El lector puede darse cuenta por qu en la suma de dos eventos que no son mutuamente
excluyentes, se debe restar la interseccin (se estara sumando dos veces el rea
sombreada).
Ejemplo.
En la figura anterior, si A es el evento en el que cierto estudiante lleva un curso de clculo y
B es el evento en el que el estudiante est tomando un curso de fsica, qu eventos estn
representados por las regiones sombreadas de los seis diagramas de Venn?
Resolucin.
Primer diagrama: Representa el evento en que el estudiante lleva el curso de clculo.
24
Segundo diagrama: El evento en que el estudiante no lleva el curso de clculo.

Tercer diagrama: El estudiante est tomando un curso de clculo y/o uno de fsica.
Cuarto diagrama: El evento en el que lleva los dos cursos.
No se utilizan los dos ltimos diagramas, ya que los eventos no son mutuamente
excluyentes, a menos que los dos cursos estn programados a la misma hora y en las
mismas fechas.
8.4. Probabilidad condicional

Dados dos sucesos o eventos xi , yj se define la probabilidad condicional cuando se busca
determinar la probabilidad del evento xi dado el evento yj.
La probabilidad de un suceso determinado, condicionado a otro suceso se denota en
smbolos, de la siguiente manera:
P(x / y)
P(y / x)
y se lee: "Probabilidad de x dado y".

y se lee: "Probabilidad de y dado x".
Esta probabilidad se determina dividiendo la probabilidad conjunta por la probabilidad

marginal:
P (x , y )
P (y )
P (x , y )
P (y /x ) =
P (x )
P (x /y ) =
Si P(y) > 0
Si P(x) > 0
8.5. Regla multiplicativa

Despejando las dos formas que expresan la probabilidad condicional y la probabilidad
conjunta se tiene:
o mejor:
P(x, y) = P(y) * P(x / y)
(1)
P(x, y) = P(x) * P(y / x)
(2)
P(x, y) = P(x) * P(y / x) = P(y) * P(x / y)
(3)
La ecuacin (3) expresa la regla multiplicativa para dos eventos cualquiera.

Si
y
P(y / x) = P2 (y)
P(x / y) = P1 (x)
(4)
(5)
Reemplazando (4) y (5) en (3), tenemos:

P(x, y) = P(x) * P2 (y) = P1 (x) * P(y)
que expresa la regla multiplicativa para dos sucesos independientes.
25
8.6. Probabilidad completa o total

Sea un atributo xi y un atributo yj compuesto por eventos mutuamente excluyentes:
y j = y 1 , y 2 , . . . , ys
La probabilidad total o completa se da cuando se desea averiguar la probabilidad del evento
xi en base a sus intersecciones con los eventos del atributo yj.
s
P (x ) = P (x, y1) + P (x, y 2) + P (x, y 3) + . . . + P (x, y s) = P (x, y j)

j=1
Aplicando al segundo miembro la regla multiplicativa, se tiene:
P (x ) = P ( y1) *P (x / y1) + P ( y 2) * P (x / y 2) + . . . + P ( y s ) *P (x / y s )
s
= P ( y j ) * P (x / y j )
j=1
que expresa la regla de clculo para la probabilidad completa.
8.7. Teorema de Bayes

Permite determinar la probabilidad de las hiptesis yj dado el evento xi. Se expresa en forma
de una probabilidad condicional de la siguiente manera:
Aplicando la propiedad multiplicativa al numerador y la definicin de probabilidad total o
completa al denominador de la frmula de probabilidad condicional, se tiene la siguiente
expresin:
P (y j /x i ) =
P (x i y j )
P (x i )
P (y j ) * P (x i / y j )
s
P (y
) * P (x i / y j )
j=1
8.8. Ejemplo
Mediante el siguiente ejemplo se mostrar el clculo de probabilidades usando todas las
reglas anteriores.
Sea xi = estrato de votantes: joven, adulto y viejo; yj = partidos que participan en elecciones:
MNR, MIR, MBL. Mediante encuesta se ha determinado la siguiente distribucin:
xi
J
A
V
yj MNR
2
7
6
15
MIR
MBL
6
3
7
16
4
5
0
9
26
12
15
13
40
Mediante reglas de composicin resolver las siguientes probabilidades:

1) Probabilidad de ser viejo o del MBL
Se trata de hallar la probabilidad de la unin de dos sucesos.
P(x y) = P(x) + P(y) - P(xy)
En trminos de las modalidades de la distribucin:
P(V MBL) = P(V) + P(MBL) - P(V, MBL)
La probabilidad buscada utilizando los datos de la distribucin, es:
P(V MBL) =
13 9
0 22
+
=
= 0.55
40 40 40 40
Conclusin: La probabilidad de ser viejo o del MBL es del 55%.

2) Probabilidad de ser adulto dado que se es del MNR.
Se trata de una probabilidad condicional:
P (x /y ) =
P (x , y )
P (y )
Si P(y) > 0
P (A /MNR ) =
P (A, MNR )
P (MNR )
donde: P(A, MNR) es la probabilidad conjunta y se lee en la tabla.
P (A, MNR ) =
7
40
y P(MNR) es la probabilidad marginal tal que:
P(MNR) =
15
40
Reemplazando valores:
7
7
P (A /MNR ) = 40 = = 0.47
15 15
40
27
Conclusin: La probabilidad de ser adulto dado que es del MNR es del 47%.
3) Verifique si la probabilidad marginal de ser del MIR es de 15/40.
Se trata de aplicar la probabilidad completa, donde:
3
P (x ) = P (x, y j )
j=1
P (x ) = P ( y j ) * P (x / y j )
j=1
En trminos de las modalidades:

P(MIR) = P(J)*P(MIR /J) + P(A)*P(MIR /A) + P(V)*P(MIR / V)
P (MIR ) = (
14 6
15 3
13 7
)( ) + ( )( ) + ( )( )
40 12
40 15
40 13
=
6
3
7 16
+
+
=
40 40 40 40
Conclusin: Por lo tanto se verifica que la probabilidad de ser del MIR no es 15/20 sino
16/40.
4) Verifique si la probabilidad de ser joven y del MIR es de 7/40.
Se trata de aplicar la regla multiplicativa:
P(x, y) = P(x) * P(y / x) = P(y) * P(x / y)
P(J, MIR) = P(MIR) * P(J / MIR) = P(J) * P(MIR / J)
Aplicando los datos de la distribucin de probabilidades:
P(J, MIR) = [ P(J, MIR) + P(A, MIR) + P(V,MIR) ] * [ P(J / MIR) ]
=[
6
3
7
6
16 6
6
+
+
] *[ ] =
* =
40 40 40
16
40 16 40
Conclusin: No es cierto que la probabilidad de ser joven y del MIR sea 7/40. Su resultado es
6/40.
5) Demuestre que la probabilidad de ser adulto dado que es del MBL es de 5/9.
Se trata del teorema de Bayes.
28
P (y j /x i ) =
P (x i y j )
P (x i )
P (y j ) * P (x i / y j )
s
P (y
) * P (x i / y j )
j=1
P (A /MBL ) =
P (MBL, A )
P (MBL )
15 5
)( )
P (A /MBL ) = 40 15 =
9
40
(
5
40 = 5
9 9
40
Conclusin: Se verifica que la probabilidad de ser adulto dado que es del MBL es de 5/9.
9. CLCULO DE PROBABILIDADES UTILIZANDO DIAGRAMA DE RBOL

A veces es conveniente pasar la informacin que contiene una distribucin bidimensional a
un diagrama de rbol o viceversa. Se vio en este captulo esta tcnica para hallar el espacio
muestral.
Ejemplo.
Sea xi = estrato de votantes: joven, adulto y viejo; yj = partidos que participan en elecciones:
MNR, MIR, MBL. Mediante encuesta se ha determinado la siguiente distribucin:
xi
J
A
V
yj
MNR
MIR
MBL
2
7
6
15
6
3
7
16
4
5
0
9
12
15
13
40
Pase la informacin a un diagrama de rbol.

Resolucin:
En primer lugar se dar un instructivo de lo que significa cada rama de un diagrama de rbol
y cmo hallar las probabilidades.
Las primeras ramas del rbol presentan sucesos aleatorios que tienen probabilidades
marginales. Se puede comenzar por cualquier clasificacin. Para diagramarlas debe
hacerse esta pregunta: Si se selecciona al azar una persona de entre las 40, cul es la
clasificacin de su edad?
Las segundas ramas de rbol son sucesos dependientes que presentan probabilidades
condicionales. Para diagramarlas debe hacerse la siguiente pregunta: habiendo
29
determinado la edad de la persona elegida al azar, de qu partido es?

En otras palabras se est determinando el espacio muestral del experimento aleatorio, es
decir el conjunto de sus posibles resultados y sus probabilidades respectivas.
Para hallar las probabilidades conjuntas en un diagrama de rbol se utiliza la regla
multiplicativa. Si se quiere hallar una probabilidad marginal que no se encuentra en las
primeras ramas, se utiliza la probabilidad total, y para hallar una probabilidad condicional
que no se encuentra en las segundas ramas se utilizar el teorema de Bayes.
Se muestra a continuacin el diagrama:
P. marginales
12/40
15/40
P. condicionales
2/12
6/12
4/12
7/15
3/15
5/15
6/13
7/13
0/13
13/40
P. conjuntas
MNR
MIR
MBL
P(J, MNR) = P(J)*P(MNR/J) = (12/40)*(2/12) = 2/40

P(J, MIR) = P(J)*P(MIR/J) = (12/40)*(6/12) = 6/40
P(J, MBL) = P(J)*P(MBL/J) = (12/40)*(4/12) = 4/40
MNR
MIR
MBL
P(A, MNR) = P(A)*P(MNR/A) = (15/40)*(7/15) = 7/40

P(A, MIR) = P(A)*P(MIR/A) = (15/40)*(3/15) = 3/40
P(A, MBL) = P(A)*P(MBL/A) = (15/40)*(5/15) = 5/40
MNR
MIR
MBL
P(V, MNR) = P(V)*P(MNR/V) = (13/40)*(6/13) = 6/40

P(V, MIR) = P(V)*P(MIR/V) = (13/40)*(7/13) = 7/40
P(V, MBL) = P(V)*P(MBL/V) = (13/40)*(0/13) = 0
P. totales
P(MNR) = P(MNR, J)+P(MNR, A)+P(MNR, V) = (2/40)+(7/40)+(6/40) = 15/40
P(MIR) = P(MIR, J)+P(MIR, A)+P(MIR, V) = (6/40)+(3/40)+(7/40) = 16/40
P(MBL) = P(MBL, J)+P(MBL, A)+P(MBL, V) = (4/40)+(5/40)+(0/40) = 9/40
P. condicionales (Teorema de Bayes)
P(J/MNR) = P(MNR, J)/P(MNR) = (2/40)/(15/40) = 2/15
P(J/MIR) = P(MIR, J)/P(MIR) = (6/40)/(16/40) = 6/16
P(J/MBL) = P(MBL, J)/P(MBL) = (4/40)/(9/40) = 4/9
P(A/MNR) = P(MNR, A)/P(MNR) = (7/40)/(15/40) = 7/15
P(A/MIR) = P(MIR, A)/P(MIR) = (3/40)/(16/40) = 3/16
P(A/MBL) = P(MBL, A)/P(MBL) = (5/40)/(9/40) = 5/9
P(V/MNR) = P(MNR, V)/P(MNR) = (6/40)/(15/40) = 6/15
P(V/MIR) = P(MIR, V)/P(MIR) = (7/40)/(16/40) = 7/16
P(V/MBL) = P(MBL, V)/P(MBL) = (0/40)/(9/40) = 0
30
Algunas caractersticas del diagrama de rbol son:

La suma de probabilidades conjuntas es 1.
La suma de probabilidades para sucesos mutuamente excluyentes es 1.
Ejemplo.
El administrador de la unidad operativa de trnsito realiz un estudio sobre el nmero de
accidentes que hay en la ciudad con respecto a la edad del conductor. El arboligrama con
las probabilidades porcentuales es:
88.24
21-41
42.39
39.87
4.22
90.07
41-61
7.00
0
1
2
0
1
2
0
61-71
6.72
2.96
El administrador quiere estimar cuantas personas de cada categora existirn, si este ao

hay 4194 nuevos conductores.
Resolucin.
En primer lugar, se pueden determinar las probabilidades del arboligrama que faltan,
sabiendo que la suma de probabilidades de eventos mutuamente excluyentes debe ser de
uno.
P(61' 71) = 100 42.39 39.87 = 17.74

P(1/ 21 41) = 100 88.24 4.22 = 7.54
P( 2 / 41' 61) = 100 90.07 7.00 = 2.93
P(0 / 61' 71) = 100 6.72 2.96 = 90.32
Luego, se construye el cuadro bidimensional y se asignan variables a todas las categoras:
31
Edad/n accidentes
21-41
41-61
61-71
total
0
A
B
C
K
1
D
E
F
L
2
G
H
I
M
Total
N
O
P
4194
Haciendo uso de las reglas de clculo de probabilidades, se procede a hallar el valor de cada
variable.
Con probabilidades marginales:
P(21 41) = 0.4239 =
N
4194
N = 0.4239(4194) = 1778
De la misma manera se puede hallar el valor de O:
O = 0.3987(4194) = 1672
Restando del total se halla el valor de P:
P = 4194 1778 1672 = 744
Con probabilidades condicionales:
P(0 / 21 41) = 0.8824 =
A
A
=
N 1778
A = 0.8824(1778) = 1569
De la misma manera se procede para hallar el valor de D:
D = 0.0754(1778) = 134
Restando del total de personas de edad entre 21 a 41 aos, se obtiene G:
G = 1778 1569 134 = 75
Igualmente se hallan los valores para B, E y H:
B = 0.9007(1672) = 1506
E = 0.007(1672) = 117
H = 1672 1506 117 = 49
La fila restante, se puede hallar mediante el mismo mtodo:

32
C = 0.9032(744) = 672
F = 0.0672(744) = 50
I = 744 672 50 = 22
Por ltimo los totales de columna se obtienen sumando los valores de cada columna:
K = 1569 + 1506 + 672 = 3747

L = 134 + 117 + 50 = 301
M = 75 + 49 + 22 = 146
El cuadro bidimensional resultante es:
Edad/n accidentes
21-41
41-61
61-71
total
10. GENERALIZACIN
PROBABILIDADES
DE
0
1569
1506
672
3747
LAS
1
134
117
50
301
Total
1778
1672
744
4194
PARA
EL
75
49
22
146
REGLAS
CLCULO
DE
Se han mostrado las reglas para el clculo de probabilidades cuando se tiene una
distribucin bidimensional. Sin embargo se puede presentar el caso en el que exista ya no
dos sino tres o ms clasificaciones. Para este tipo de problemas, se debern generalizar las
reglas para el clculo de probabilidades, para lo cual se considera un rbol que tiene tres
ramificaciones o eventos dependientes, cada uno de los cuales tiene dos resultados
posibles:
P. condicional
P. condicional
P(C/A)
P. marginal
P(A)
A
P(D/A)
P(C/B)
P(B)
P(E/A,C)
B
P(D/B)
P. conjuntas
P(A, C, E) = P(A) + P(C / A) + P(E / A, C)
P(F/A,C) F
P(A, C, F) = P(A) + P(C / A) + P(F / A, C)
P(E/A,D) E
P(A, D, E) = P(A) + P(D / A) + P(E / A, D)
P(F/A,D) F
P(A, D, F) = P(A) + P(D / A) + P(F / A, D)
P(E/B,C) E
P(B, C, E) = P(B) + P(C / B) + P(E / B, C)
P(F/B,C) F
P(B, C, F) = P(B) + P(C / B) + P(F / B, C)
P(E/B,D) E
P(B, D, E) = P(B) + P(D / B) + P(E / B, D)
P(F/B,D) F
P(B, D, F) = P(B) + P(D / B) + P(F / B, D)
33
El lector puede darse cuenta qu pasara si existen 4 eventos dependientes (en la cuarta
ramificacin tambin se tendran probabilidades condicionales).
Regla de la suma:
La suma de tres eventos dependientes, por ejemplo de los tres primeros, ser:
P(A C E) = P(A) + P(C) + P(E) P(A, C) P(A, E) P(C, E) + P(A, E, C)

El uso de diagramas de Venn puede ayudar a visualizar y comprender de mejor manera la
relacin entre tres eventos. En la figura se puede observar que los crculos de tres eventos
dividen el espacio muestral en 8 zonas numeradas y es sencillo determinar si los eventos
correspondientes pertenecen a X o X, a Y o Y y a Z o Z.
Y
2
1
4
3
6
Ejemplo.
Si en el anterior diagrama, X es el evento de que servirn hamburguesas en el da de campo
de la compaa, Y es el evento de que se servir cerveza y Z es el evento de que se servir
una torta de chocolate, exprese con palabras los eventos que se representan por medio de
las siguientes zonas del diagrama de Venn:
a) Zona 3.
b) Zonas 1 y 2.
c) Zonas 4, 6, 7 y 8.
Resolucin.
a) Puesto que esta zona parte de Y y Z, pero no de X, representa el evento de que en el da
de campo se servir cerveza y torta de chocolate, pero no hamburguesas.
b) Ya que esta zona pertenece tanto a X como a Y, representa el evento de que se servirn
hamburguesas y cerveza
c) Dado que estas zonas son ajenas a Y, constituye el evento de que no se servir cerveza.
34
Ejemplo.
Con base en el siguiente diagrama de Venn, sea A el evento de que un ejecutivo de alto
rango de una compaa est en la cafetera de su empresa, B el evento de que se encuentre
en la oficina de otro ejecutivo y C el evento de que se encuentre jugando al golf con un
cliente. Hallar la probabilidad de que una persona en un momento especfico lo encuentre en
alguno de esos tres lugares.
A
B
0.24
0.06
0.19
0.04
0.16
0.11
0.09
C
S
Resolucin.
Siguiendo la ecuacin de la suma de tres eventos, se tiene:
P(A B C) = P(A) + P(B) + P(C) P(A, B) P(A, C) P(B, C) + P(A, B, C)

Reemplazando valores:
P(A B C) = 0.24 + 0.19 + 0.09 0.06 0.16 0.11 + 0.04 = 0.23

Respuesta: La probabilidad de que una persona encuentre al ejecutivo en alguno de los tres
lugares es del 23%.
Accin: Si una persona quiere encontrarlo deber ir a su oficina o a la sala de reuniones de
la empresa.
11. DISTRIBUCIN BIDIMENSIONAL DE PROBABILIDADES

Una distribucin de probabilidad, cuando corresponde a una variable aleatoria continua
bidimensional, requiere cumplir con las dos condiciones siguientes:
a) f (x, y) 0
b)
f (x, y) dx dy = 1 ; para:
Luego: 0 f (x, y) 1
La probabilidad que el par (x,y) sea para a1 x b1 ; y para a 2 y b 2 , se expresa de la
35
siguiente manera:
P(a1 x b1; a 2 y b 2 ) =
b1
a1
b2
a2
f (x, y) dx dy
La distribucin bidimensional de probabilidades de variable aleatoria continua tiene dos

distribuciones marginales:
f 1 (x ) =
f (x, y ) dy
distribucin marginal de "x"
f (x, y ) dx
distribucin marginal de "y"
f 2 (y ) =
La distribucin de probabilidad acumulada para la variable aleatoria bidimensional continua:

x o y0
F (x o, y o ) =
f (t , t
1
) dt1 dt 2
donde t1 y t2 son variables auxiliares de trabajo.

Para expresar la probabilidad de que la variable xi est en el par (x1, y1) y que la variable yj
est en el par (x2, y2) en trminos de la funcin de distribucin, se procede de la siguiente
manera:
Se usa un sistema de ejes coordenados, donde en el eje de las abscisas se representan
valores de xi y en el eje de ordenadas los valores de yj .
En cada eje se representan los valores del par (a1,b1) y del par (a2,b2).
Se obtiene un cuadriltero con los siguientes puntos de coordenadas que se observan en
el grfico.
yj
b2
a2
(a1, b2)
(b1, b2)
(a1, a2)
(b1, a2)
a1
b1
xi
Las reas diferentes en el grfico permiten determinar la probabilidad:

P(a1 < x < b1 ; a2 < y < b2) = F(b1 , b2) - F(b1 , a2) - F(a1 , b2) + F(a1 , a2)
36
b1
b2
a1
a2
f (x, y) dx dy
Conocida la forma de clculo de una probabilidad conjunta y de la probabilidad marginal es

posible definir la probabilidad condicional:
f (x, y )
f 2 (y )
f (x, y )
(2 ) f (y /x ) =
f 1 (x )
(1 ) f (x /y ) =
si f 2 (x ) > 0
si f 1 (x ) > 0
Ejemplo.
Suponga que la funcin de densidad de probabilidad conjunta para las variables no
negativas x e y es f (x, y) = xe x e y . Halle la probabilidad que 0 x 1
y
0 y2
Resolucin:
La integral a resolver es la siguiente:
P(0 x 1; 0 y 2) =
0 0
xe x e y dy dx
Se resuelve primero la integral interna:
e y dy = e y 0 = e 2 + 1 =
1
e2 1
+
1
=
e2
e2
Se reemplaza la integral interna y se resuelve la integral externa:

2
1
e2 1 1 x
e2 1
x 1
x
= e 1 xe x e x 1
xe
dx
=
xe
+
e
dx
e2 0
e 2
0
0
0
e 2
e2 1
e 2 1 2 e 2 1 e 2
1
2e
+
1
=
e2
e 2 e + 1 = e 2 e = 0.2285

Conclusin: La probabilidad conjunta que 0 x 1
0 y 2 es del 22.85%.
Ejemplo.
Suponga que x representa el tiempo (en minutos) que una persona pasa con un agente
mientras elige una pliza de seguro de vida e y el tiempo que el agente emplea en hacer el
papeleo una vez que el cliente se ha decidido. Usted acuerda encontrarse con un agente de
seguros para suscribir una pliza de seguro de vida. Si la funcin de densidad de
probabilidad conjunta de x e y es:
37
f (x, y) =
1 30x 10y
e e
300
Halle la probabilidad de que la operacin requiera ms de media hora.

Resolucin.
Se quiere hallar: P(x + y > 30) = 1 P(x + y 30)
Se dibuja la inecuacin y se plantea la regin de integracin:
30
Regin:
y = 30 x
0 x 30
0 y 30 x
R
30
Se plantea la integral:
P(x + y 30) =
30
30 x
1 30x 10y
e e dy dx
300
Se resuelve:
10 30 30x 10y
=
e e
300 0
30 x
30
1 30 30x x10
dx = e e
1 dx
30 0
30
x
x

30
1 30 2x3090
1 30 2x3090
30
30
= e
+ 30 e
dx e dx = e
0
30 0
30 2
1
1 1
+ 3 + 1 = 0.4730
2e 2e e
La probabilidad buscada es:
P(x + y > 30) = 1 P(x + y 30) = 1 0.4730 = 0.5269

Respuesta: La probabilidad de que la operacin completa requiera ms de media hora es
de 52.69%.
Accin: Si usted no tiene disponibilidad de media hora, entonces vuelva a programar su cita
para obtener una pliza de seguro de vida.
38
EJERCICIOS DE CLASE
Espacio muestral.
1. D una lista de los posibles resultados que se consiguen al lanzar dos dados. Dibuje el
arboligrama y un cuadro de doble entrada.
2. Cules de los siguientes resultados son mutuamente excluyentes en el lanzamiento de
dos dados?
a) Un total de 5 y un 5 en un dado.
b) Un total de 7 y un nmero par de puntos en ambos dados.
c) Un total de 10 puntos y un 4 en un dado.
Distribucin de cuanta.
3. Como se sabe, la respuesta a una pregunta de verdadero o falso es correcta o incorrecta.
Considere que un examen est formado por 3 preguntas de este tipo, y un estudiante no
sabe nada sobre el tema.
a) Construya la tabla de distribucin de cuanta.
b) Cul es la probabilidad de que el estudiante responda todas las preguntas mal?
c) Cul es la probabilidad de que el estudiante responda por lo menos una bien?
4. El Ministerio de Informaciones sobre asuntos polticos emite 17 de cada 20 noticias para
evitar la disminucin de imagen del gobierno que representa. Se seleccionan 3 noticias
emitidas por dicho Ministerio al azar.
a) Cul es la probabilidad de que se encuentren 2 noticias que vayan en desmedro de la
imagen del gobierno?
b) Cul es la probabilidad de que puedan encontrarse a lo ms 2 noticias que cuiden la
imagen del gobierno?
5. En Alke se acaba de recibir un embarque de 10 aparatos de TV. Poco despus de
recibirlos, el fabricante llam para informar que por descuido haban enviado tres aparatos
defectuosos. Se decidi probar dos de stos. Cul es la probabilidad de que ninguno de
los dos est defectuoso?.
6. Un profesor tiene un conjunto de 15 preguntas de opcin mltiple referente a Estadstica I.
Cuatro de estas preguntas se relacionan con distribuciones de probabilidades. Cul es la
probabilidad que al menos una de estas preguntas sobre distribuciones de probabilidad
aparezca en el examen de tres preguntas del prximo lunes?
7. En un da veraniego muy caluroso, 10% de los trabajadores de produccin de una
empresa estn ausentes del trabajo. Se van a seleccionar al azar 4 obreros para un
estudio especial a profundidad sobre el ausentismo.
a) Cul es la variable aleatoria en este problema ?
b) Tal variable es discreta o continua? Por qu?
39
c) Cul es la probabilidad de seleccionar al azar 4 nombres de trabajadores y descubrir

que ninguno est ausente?
d) Represente la distribucin mediante una grfica.
8.
Entre los quince solicitantes para tres puestos en un peridico, diez son graduados de
universidad. Si las selecciones se hacen al azar.
a) Determine la distribucin de probabilidad, definiendo la variable como el nmero de
graduados de universidad que solicitan los puestos.
b) Cul es la probabilidad de que los puestos sean cubiertos por menos de 2
graduados de universidad?
9.
Una pastelera ofrece pasteles con decoracin especial para cumpleaos, bodas y otras
ocasiones. Tambin tiene pasteles normales en su tienda. En la tabla que sigue se
proporciona el nmero total de pasteles vendidos al da y las probabilidades
correspondientes.
N de pasteles Probabilidad
vendidos/da
12
0.25
13
0.40
14
0.25
15
0.10
a) Complete la tabla y diga de qu tipo de distribucin se trata.
b) Realice una grfica de la distribucin.
c) Cuntos pasteles vender al da, si tomamos en cuenta la mayor probabilidad?
Distribucin de densidad.
10. Dada la siguiente funcin:
f(x) = 3 x2 + 5 x + 4.
Para 0 x 3
a) Determinar si es o no una funcin de densidad. Si no es, corregirla.

b) Hallar la probabilidad de que x sea menor que 2.
c) Hallar la funcin de distribucin y graficarla.
d) Hallar todos los estadgrafos de posicin y dispersin esperados.
e) Realizar los pasos a) hasta d) para el caso de una distribucin discreta para x = 0, 1,
2, 3.
11. Se aplica un examen de 3 horas de duracin a todos los candidatos al cargo de
Administrador de Produccin en una Empresa lder en el mercado nacional en la
fabricacin de sogas y productos plsticos. Se ha descubierto que el tiempo x en horas
necesario para efectuar el examen es aleatorio y tiene la siguiente funcin de densidad:
f (x) = x 2 + 10x
para 0 x 3 .
a) Halle la distribucin de densidad.
b) Determine la probabilidad que alguien termine la prueba en 2 horas o en menos
tiempo.
c) Halle los estadgrafos de posicin y dispersin esperados.
40
Clculo de probabilidades en cuadros bidimensionales y arboligramas.

12. Se sabe que el consumo de las personas (y), depende de los ingresos que perciben (x).
Para un grupo de 50 personas, se tiene la siguiente informacin (cientos de bs.):
Ingresos
1- 5
5 - 11
11 - 15
4
8
2
0
Consumo
9
7
6
5
15
3
9
10
a) Cul es la probabilidad de consumir 15 bs?

b) Cul es la probabilidad de que una persona elegida al azar, tenga un ingreso entre
1100 y 1500 bs. y su consumo sea de 400 bs?
c) Cul es la probabilidad de que una persona elegida al azar, tenga un ingreso entre
1100 y 1500 bs. dado que su consumo sea de 400 bs?
d) Cul es la probabilidad de que una persona elegida al azar, tenga un ingreso entre
1100 y 1500 bs. o su consumo sea de 400 bs?
13. En un programa de entrenamiento para la gerencia de una empresa de cosmticos, 80%
de los asistentes son mujeres y 20% son hombres; 90% de las mujeres son egresadas
de la Universidad y 78% de los hombres Tambin.
a) Se selecciona al azar una de las personas en entrenamiento. Cul es la probabilidad
de que se trate de una mujer que no asisti a la universidad?
b) Trace un arboligrama que muestre todas las probabilidades normales o marginales,
condicionales y conjuntas.
14. Cada vendedor en una compaa se califica como abajo del promedio, promedio, o
arriba del promedio, con respecto a su habilidad para las ventas. Adems cada vendedor
se clasifica con respecto a sus posibilidades de promocin:
Habilidad en ventas
Abajo del promedio
Promedio
Encima del promedio
Posibilidad de promocin
Regular
Buena Excelente
16
12
22
45
60
45
93
72
135
a) Utilizando una de las reglas para combinar probabilidades, cul es la probabilidad

de que un vendedor seleccionado al azar tenga habilidad de ventas por encima del
promedio y excelentes posibilidades de promocin?
b) Trace un diagrama de rbol que muestre todas las probabilidades normales,
condicionales y conjuntas.
En los siguientes ejercicios emplee el teorema de Bayes:
15. Un equipo de bisbol juega 70% de sus partidos por la noche y 30% durante el da. El
equipo gana 50% de sus juegos nocturnos y 90% de los diurnos. De acuerdo con el
41
diario del da de hoy gan ayer. Cul es la probabilidad de que el partido se haya
desarrollado por la noche?
16. Una profesora ha estado enseando Estadstica durante muchos aos. Sabe que 80%
de los estudiantes completan los problemas asignados. Determin que de los alumnos
que hacen las tareas 90% aprobarn el curso. De aquellos estudiantes que no realizan
la tarea completa solo 60% aprobarn. Miguel Snchez tom Estadstica el ltimo
semestre con la profesora y tuvo calificacin aprobatoria. Cul es la probabilidad de
que s haya hecho las tareas?
17. Tan solo el 20 % de las mujeres mayores de 40 aos egresadas de la universidad
ejercen su profesin, mientras que un 70% de las egresadas menores de 40 tambin lo
hacen. La relacin de mujeres profesionales mayores de 40 entre las menores de 40 es
de 2 a 6. Francis Morales es Ingeniero Qumico y no ejerce su profesin, cual es la
probabilidad de que tenga menos de 40 aos.(10 puntos). Dibuje el arboligrama con
todas las probabilidades marginales, condicionales y conjuntas (10 puntos). Realice un
cuadro de contingencias tomando en cuenta que N = 80 y verifique la probabilidad
anterior.
18. Una compaa que fabrica tornillos, tiene 3 fbricas: A, B, C. Las fbricas B y C
producen el mismo nmero de tornillos, mientras que A produce el doble de las de B.
Por experiencia pasada, se sabe que el 2% de los tornillos producidos por A y B
respectivamente son defectuosos, en tanto que el 4% de los fabricados por C son
defectuosos. Los tornillos producidos por las tres fbricas se guardan en un mismo lugar.
a) Dibuje un arboligrama, con todas las probabilidades.
b) Si se escoge aleatoriamente un tornillo del almacn, Cul es la probabilidad de que
sea defectuoso?.
c) Cul es la probabilidad de que el tornillo defectuoso escogido haya sido producido
en la fbrica A?.
19. Un grupo de investigacin independiente ha estado estudiando las probabilidades de
que suceda un accidente en una planta de energa nuclear que produzca como
resultado una fuga radiactiva. El grupo considera que los nicos tipos posibles de
accidentes que pueden suceder en un reactor son incendio, falla de material y error
humano, y que dos o ms accidentes nunca se presentan juntos. Ha llevado a cabo
estudios que indican que si se desatara un incendio, habra 20% de posibilidades de
que hubiera una fuga de radiacin; si hubiese una falla mecnica, habra 50% de
probabilidades de fuga radiactiva, y si se presentara un error humano, se tendra 10%
de posibilidades de fuga. Sus estudios tambin han mostrado que la probabilidad de:
Que se presenten juntos un incendio y una fuga de radiacin es de 0.0010.
Que se den juntas una falla mecnica y una fuga de radiacin es de 0.0015.
Que se d un error humano y haya una fuga de radiacin al mismo tiempo es de
0.0012.
a) Cules son las probabilidades respectivas de que se presente un incendio, una falla
mecnica y un error humano?
b) Cules son las respectivas probabilidades de que una fuga de radiacin sea
ocasionada por un incendio, una falla mecnica o por error humano?
42
20. Se realiz un estudio de mercado a nivel nacional para determinar las preferencias de
varios grupos de hombres que tienen diferentes edades, para diferentes deportes. Se
selecciona una muestra aleatoria de 1000 hombres y se les pide que indiquen su
deporte favorito. Los resultados son los siguientes:
< 20
Informacin adicional:
20-40
BO
40-50
>50
111
225
P ( F < 20) = 0.494
P ( F / 20 40) =
0.134
< 20
20-40
P( > 50) = 0.2
0.222
0.427
0.1733 40-50
>50
< 20
0.1981
20-40
BA
40-50
>50
Edad\Deporte Voleibol Ftbol

Hasta 20
26
20 40
40 50
96
Mayores a 50
Totales
Bsquetbol Totales
150
a) Completar la bidimensional y el rbol de probabilidades.

b) Hallar el porcentaje de los hombres que a lo menos tienen 40 aos y su preferencia
es el bsquetbol.
c) Cul es la probabilidad que a un anciano le guste el bsquetbol?
43
EJERCICIOS PROPUESTOS
1. Cules de los siguientes pares de eventos son mutuamente excluyentes?
a) Un contratista del departamento de defensa pierde un contrato importante, y el mismo
contratista aumenta su fuerza de trabajo en 50%.
b) Un hombre es de mayor edad que su to y es menor que sus primos.
c) Un equipo de bisbol pierde su ltimo juego y gana la Serie Mundial.
d) Un gerente de banco descubre que uno de sus cajeros ha estado desfalcando a la
institucin y lo promueve.
2. Cules de los siguientes pares de eventos son estadsticamente independientes?
a) El nmero de veces que se utiliza una computadora hasta que sta falla y una segunda
computadora vendida por una firma distinta.
b) El tiempo de vida del presidente de los Estados Unidos y el tiempo de vida del
presidente de Rusia.
c) La adquisicin de una compaa y la elevacin del precio de sus acciones.
d) La frecuencia de donacin de rganos de una comunidad y las orientaciones religiosas
de esa comunidad.
3. Una persona vende automviles nuevos para una empresa. Generalmente negocia el
mayor nmero de autos los sbados. Ha establecido la siguiente distribucin de
probabilidad para el nmero de autos que espera vender un sbado en particular.
N de autos
vendidos
0
1
2
3
4
Probabilidad
0.10
0.20
0.30
0.30
0.10
a) Qu tipo de distribucin es sta?

b) En un sbado comn, cuntos autos espera vender?
c) Cul es la varianza esperada de la distribucin?
d) Cul es la mediana y la moda esperada?
4. Como se sabe, la respuesta a una pregunta de verdadero o falso es correcta o incorrecta.
Considere que un examen est formado por 4 preguntas de este tipo, y un estudiante no
sabe nada sobre el tema.
a) Construya la tabla de distribucin de cuanta.
b) Cul es la probabilidad de que el estudiante responda todas las preguntas mal?
c) Cul es la probabilidad de que el estudiante responda por lo menos una bien?
44
5. Una florera tiene 15 vehculos de reparto que se utilizan principalmente para llevar flores
y arreglos florales en una ciudad. Supngase que 6 de los 15 camiones tiene problemas
con los frenos. Se seleccionaron 3 vehculos al azar para probarlos.
a) Construya la distribucin de probabilidades para el experimento.
b) Cul es la probabilidad de que dos de los camiones probados tengan frenos
defectuosos?
6. Suponga que tiene la siguiente funcin: f(x) = 3 x2 + 2 x +6 para 0 < x < 3.
a) Determine si es funcin de densidad. Si no lo fuera corrjala. Calcule la probabilidad de
que la variable sea al menos 1 y a lo ms 2.
b) Determine la funcin de distribucin de densidad.
c) Halle la media, mediana, moda y varianza de la distribucin.
d) Haga lo mismo considerando a la funcin como una de cuanta, para x = 0, 1, 2, 3.
7. Una encuesta de estudiantes de licenciatura en una universidad revel lo siguiente en lo
que se refiere al sexo y rea principal de inters de los estudiantes:
Sexo
Hombres
Mujeres
Total
Contabilidad
100
100
200
rea principal de inters

Administracin
Finanzas
150
50
50
50
200
100
Total
300
200
500
a) Trace un diagrama de rbol y determine las probabilidades marginales, condicionales y

conjuntas (Comenzar por el atributo de rea principal de inters)
b) Cul es la probabilidad de seleccionar alguien cuya rea de principal inters sea
contabilidad, dado que la persona seleccionada es de sexo masculino?
c) Cul es la probabilidad de seleccionar una estudiante o alguien con rea principal de
inters en contabilidad?
8. Una empresa tiene cuatro proveedores de materia prima. En la tabla que sigue se
muestran las cantidades adquiridas de cada proveedor y el porcentaje de materia prima
defectuosa que cada uno proporciona:
Proveedor
A) Roberts Inc.
B) Almus Mtg.
C) Lewis Ltd.
D) Melvin Inc.
Porcentaje
adquirido
30.0
20.0
25.0
25.0
Porcentaje
defectuoso
2.50
1.75
3.00
1.00
a) Trace un diagrama de rbol y determine las probabilidades marginales, condicionales y

conjuntas.
b) El material empleado esta maana result defectuoso Cul es la probabilidad de se
haya adquirido en la compaa B?
c) Cul es la probabilidad de seleccionar un material defectuoso?
45
9. El departamento de crdito de una negociacin comercial, inform que 30% de sus ventas
son en efectivo, 30% se pagan con cheque en el momento de la adquisicin y 40% son a
crdito. Se tiene que 20% de las compras en efectivo, 90% de los cheques y 60% de las
compras a crdito son por ms de 50 $us.
a) Dibuje un diagrama de rbol, mostrando las probabilidades marginales, condicionales y
conjuntas.
b) Usted acaba de comprar un jean nuevo que cuesta 120 $us. Cul es la probabilidad
de que haya pagado en efectivo?
En los siguientes ejercicios emplee el teorema de Bayes:
10. Con base en la experiencia, se sabe que en cierta industria, el 60% de todas las
discusiones entre los empleados y la gerencia se refieren a los salarios, el 15% es sobre
las condiciones laborales y el 25% acerca de las prestaciones. As mismo, el 45% de las
discusiones referentes a los salarios se resuelven sin huelgas, el 70% de las discusiones
sobre las condiciones laborales se resuelve sin huelgas y el 40% de las discusiones
acerca de las prestaciones se resuelve sin huelgas. Cul es la probabilidad de que una
discusin entre los empleados y la gerencia de esta industria se resuelva sin una
huelga?
11. En una planta electrnica, se sabe con base en la experiencia pasada que la
probabilidad de que un empleado nuevo que ha asistido al programa de capacitacin de
la compaa cubra su cuota de produccin es 0.86, y que la probabilidad
correspondiente para un empleado nuevo que no ha asistido al programa de
capacitacin es 0.35. Si 80% de todos los empleados nuevos han asistido al programa
de capacitacin, cul es la probabilidad de que:
a) un empleado nuevo no cubra su cuota de produccin.
b) un empleado nuevo que no haya asistido al programa de capacitacin de la compaa
no cubra su cuota de produccin?
12. En la Papelera S.A. se producen Blocks Lder con y sin espiral (50% de cada tipo), el
60% de cada tipo son rojos, 20% de los blocks sin espiral son azules lo mismo que 25%
de los con espiral, el resto de los Blocks son verdes.
a) Represente al arboligrama, incluyendo las probabilidades normales, condicionales y
conjuntas.
b) Llene el cuadro bidimensional, si se sabe que en el da se produjeron 1000 blocks
Lder, y encuentre la probabilidad de escoger al azar un cuaderno rojo con espiral.
13. Tan solo el 20 % de las mujeres mayores de 40 aos egresadas de la universidad
ejercen su profesin, mientras que un 70% de las egresadas menores de 40 tambin lo
hacen. La relacin de mujeres profesionales mayores de 40 entre las menores de 40 es
de 2 a 6. Susana Morales es Ingeniero Qumico y no ejerce su profesin, cual es la
probabilidad de que tenga menos de 40 aos. Dibuje el arboligrama con todas las
probabilidades marginales, condicionales y conjuntas. Realice un cuadro de
contingencias tomando en cuenta que N = 80 y verifique la probabilidad anterior.
46
14. El siguiente diagrama se refiere al nmero de unidades defectuosas producidas por

cuatro trabajadores operando tres diferentes mquinas, un da viernes.
35.577
M1
T1
M2
23.744
P(T1 , M 2 ) = 7.078 %
M3
M1
34.234
T2
M2
P(T2 / M1 ) = 26.207 %
P(M1 ) = 33.105 %
M3
M1
31.148
27.854
T3
M2
P(M 3 ) = 33.790 %
P(T3 , M 3 ) = 9.361 %
M3
M1
T4
M2
37.624
M3
a) Determinar la distribucin bidimensional, que abarca a 438 unidades defectuosas.

b) Qu porcentaje de las unidades defectuosas fueron producidas por el trabajador 4 o
en la mquina 2?
47
EJERCICIOS PARA EXAMEN

DECISIONES VARIAS USANDO PROBABILIDADES
1. La estatura mnima que deben tener los candidatos que quieren entrar a la seleccin
nacional de Voley Ball es de 1,7 m. Se ha descubierto que la estatura x en m. de los
candidatos que se han presentado tiene la siguiente funcin de densidad:
f (x) = x 3 + 5x 2 + 2x + 1 para 1, 7 x 2,1

a) Determine la probabilidad que alguien que mide menos de 1,8 m. pueda entrar a la
seleccin.
b) Determine la probabilidad que tiene una persona que mide entre 1,8 y 2 m. de entrar a
la seleccin.
2. El docente de Estadstica tiene un problema de lmite de alumnos en su materia este
semestre. Tiene 40 alumnos y quiere transferir a 3 alumnos a la clase de la tarde. 30
alumnos no pueden asistir a la clase de la tarde por imposibilidad en sus horarios. Para
resolver este asunto, el docente elegir al azar de los 10 alumnos que no tienen excusa
para la transferencia. Sabe que en ese grupo existen 6 personas repitentes.
a) Presentar la distribucin de probabilidades del nmero de repitentes.
b) En base a la pregunta anterior, responder la siguiente pregunta: Cul es la
probabilidad de que el docente elija a por lo menos 1 repitente?
3. El consejo directivo de Industrias Sol est formado por ocho hombres y cuatro mujeres.
Se conforma un comit de cuatro elementos escogidos al azar.
a) Se trata de un experimento aleatorio?. Justifique su respuesta. Cul es la probabilidad
que las 4 sean mujeres?
b) Construya una tabla para la funcin de cuanta tomando en cuenta que la variable
aleatoria se define como el nmero de hombres que integran el comit.
4. Un estudiante se presenta a un examen oral, que consiste de 3 preguntas. El profesor
prepar el examen para que el alumno eligiera entre 5 preguntas de distribuciones
discretas de probabilidad, 3 preguntas de distribuciones de frecuencia y 4 de
distribuciones continuas de probabilidad.
a) Hallar la probabilidad que el alumno tenga que contestar al menos una pregunta sobre
distribuciones discretas de probabilidad.
b) Hallar la probabilidad que el alumno tenga que contestar 2 preguntas sobre
distribuciones de frecuencia.
48
CAPTULO 2
DISTRIBUCIONES TERICAS DE PROBABILIDAD
1. INTRODUCCIN
Las distribuciones de probabilidad que se han determinado en el captulo 1, se conocen
como funciones empricas. Las funciones tericas de probabilidad corresponden a modelos
que permiten expresar teoras sobre el comportamiento ideal de una variable en la realidad.
Una distribucin terica se utiliza para:
Expresar lo que puede esperarse de un universo, cuando se comporta como deseamos
que lo haga.
Como fuente de referencia, a fin de comparar con distribuciones observadas.
Cuando las distribuciones observadas son difciles de formalizar, se la utiliza para resolver
problemas y efectuar operaciones.
Sirve para realizar inferencias y elaborar predicciones sobre el comportamiento de una
variable cuando se dispone de informacin limitada.
Las funciones tericas de probabilidad correspondientes a variables discretas son:
Binomial
Hipergeomtrica
Poisson.
Multinomial.
Binomial negativa.
Existen muchas otras ms, como la distribucin uniforme y la geomtrica, pero para el
propsito de este texto solo se incluyen las ms importantes.
Si la variable aleatoria es continua y se utiliza el anlisis a grandes muestras, su funcin es:
La Normal.
En casos de muestras pequeas se usa:
t de Student
Chi-cuadrada
F de Fisher.
Existen otras funciones continuas de probabilidad, como la uniforme, log-normal, gamma,
Erlang y Weibull, que tienen aplicacin en la simulacin y las ciencias fsicas.
En este captulo se estudiarn todas las funciones tericas discretas de probabilidad y solo la
distribucin continua Normal, puesto que se requieren nociones de inferencia estadstica y
muestreo para estudiar las otras distribuciones mencionadas.
49
2. DISTRIBUCIONES TERICAS DISCRETAS DE PROBABILIDAD

2.1. Introduccin
En general, la determinacin de un modelo terico discreto de probabilidades para aplicarlo a
un caso observado, se realiza tomando en cuenta las siguientes caractersticas:
La naturaleza del nmero de pruebas del experimento (fijo o variable).
La naturaleza de los resultados del experimento (dicotmico o no).
El carcter de la probabilidad en cada prueba (constante o variable).
La determinacin del carcter del experimento (Sucesos dependientes o independientes).
2.2. Distribucin binomial

Es una distribucin de probabilidad discreta, pues los datos recopilados son resultado de
conteos. Se la utiliza como modelo cuando:
El nmero de pruebas o ensayos del experimento es fijo: n.
El resultado solo puede tomar una de dos formas, comnmente denominadas como xito
y fracaso. Cada resultado es mutuamente excluyente.
La probabilidad de xito, p, permanece constante de un ensayo a otro y lo mismo
sucede con la de fracaso, q; tal que: p + q = 1.
Los ensayos son independientes, lo cual significa que el resultado de un ensayo no afecta
al resultado de algn otro. Esta condicin puede asegurarse mediante un muestreo con
reposicin en poblaciones finitas o el muestreo de poblaciones infinitas o muy grandes.
La distribucin probabilstica binomial se puede describir utilizando la frmula:
n
P(x) = p x q n x
x
Donde:
n, es el nmero de ensayos
x, es la variable aleatoria discreta del nmero de xitos
p, es la probabilidad de xito en cada ensayo
q, es la probabilidad de fracaso en cada ensayo, q = 1 - p
n
n!
=
x x!(n x)!
es la combinatoria de n en x
La media esperada es: = E(x) = np

50
La varianza esperada es: 2 = V(x) = n p q

El modelo se representa por el smbolo b(n, p, x) donde n y p, son parmetros conocidos.
Nota: La binomial en una distribucin sesgada, pero para valores de p cercanos a 0.5 y
n>20, se vuelve prcticamente simtrica.
Los valores de probabilidad de un modelo binomial estn tabulados y se presentan en forma
de una distribucin acumulada de probabilidades. Estos valores se designan con el signo
B(n, p, x) dispuestas en tablas con el siguiente formato (Ver anexo de tablas al final del
texto):
n
3
x
0
1
0.1
p
0.3
0.2
...
0.5
Valores de probabilidad
acumulada
2
Ejemplo.
En una clnica se han producido tres partos.
a) Calcular la probabilidad de que haya nacido una nia.
b) Calcular la probabilidad de que al menos hayan nacido dos nios.
Resolucin:
Primero se verifica si las condiciones del problema que muestran una distribucin de
probabilidad, se pueden ajustar al modelo binomial:
Se efecta un nmero de pruebas igual a 3, FIJO.

Los resultados se clasifican en: "nacer nia, xito" y "nacer nio, fracaso".
La probabilidad de xito en cada prueba es 0.5, constante.
Las pruebas son independientes, porque habiendo nacido nia en una prueba no quiere
decir que en la anterior y la siguiente prueba nazca tambin nia.
El experimento, por caractersticas anteriores, se puede decir que sigue un modelo

probabilstico binomial. Sus probabilidades se resuelven usando la expresin del modelo
binomial:
n=3
P(x) = 0.5
q(x) = 0.5
a) En este caso la variable "x" representa el nmero de nias. Se desea resolver la
probabilidad de que x=1.
51
Entonces:
1
3 1 1
P(x = 1) =
1 2 2
31
1 1
= 3 = 0.375
2 4
Respuesta: Hay una probabilidad de 37.5% de que en tres partos haya nacido una nia.
b) En este caso la variable "x" representa el nmero de nios. Probabilidad de nacer 2 o ms
nios:
P (x 2 ) = P (x = 2 ) + P (x = 3 )
3 2
3 1 1
P(x = 2) =
2 2 2
3
3* 2 1
= 0.375
1* 2 2
3 1 1 3* 2*1 1
P(x = 3) = =
= 0.125
3 2 2 1* 2 *3 2
Luego: P(x 2) = 0.5
Respuesta: Hay una probabilidad del 50% de que en tres partos hayan nacido 2 o ms nios.
Los resultados anteriores pueden determinarse directamente leyendo en una tabla B(x, n, p)
(tabla binomial de frecuencia acumulada), donde n es el nmero de pruebas y p, la
probabilidad de elementos.
n
3
x
0
1
2
3
0.1
p
0.3
0.2
...
0.5
0.1250
0.5000
0.8750
1.0000
a) P(x = 1) = P(x 1) P(x = 0) = 0.5000 0.1250 = 0.3750

b) P(x 2) = 1 P(x 1) = 1 0.5000 = 0.5000
Se concluye que la tabla acumulada es muy til en la resolucin de problemas, porque
simplifica los clculos.
2.3. Distribucin hipergeomtrica

Es una distribucin de probabilidad discreta al igual que la binomial, se utiliza cuando el
tamao de la muestra es superior al 5% de la poblacin y tiene las siguientes caractersticas:
52
El nmero de pruebas o ensayos es fijo, n.

El resultado solo puede tomar una de dos formas, comunmente denominadas como xito
y fracaso. Cada resultado es mutuamente excluyente.
La probabilidad de xito no permanece constante de un ensayo a otro, es variable.
Los ensayos deben ser dependientes. Esto ocurre cuando los ensayos son sin reposicin
y en poblaciones finitas o pequeas.
La frmula para la distribucin probabilstica hipergeomtrica es:
N1 N N1

x n x
P(x) =
N
n

Donde:
N, es el tamao de la poblacin
N1, es el nmero total de elementos de la categora xito en la poblacin
n, es el nmero de ensayos o tamao de la muestra
x, es el valor de la variable aleatoria discreta del nmero de xitos
La esperanza matemtica es: E(x) = np
N1
Nn
, donde: p =
N
N 1
La varianza esperada es: V(x) = np(1 p)

Ejemplo.
En una canasta existen 7 ctricos: 4 naranjas y 3 limas. Un nio elige 3 ctricos.

a) Qu probabilidad hay de que sean 2 naranjas?
b) Cul es la probabilidad de que hayan al menos 2 limas?
Resolucin.
El problema proporciona la siguiente informacin:
El nmero de pruebas n=3, es fijo.
El resultado de la prueba se clasifica en:
xito es que sean naranjas.
Fracaso es que sean limas.
La probabilidad de obtener naranjas es diferente en cada prueba, por tanto tambin es
diferente la probabilidad de obtener limas.
Las pruebas son dependientes, este resultado se ve afectado por la prueba anterior y
afecta al siguiente.
53
Por lo tanto, la distribucin emprica del problema se puede ajustar a un modelo

hipergeomtrico.
a) Obtener 2 naranjas.
4 7 4 4 * 3
2 3 2
1 * 2 * 3 108
P (x = 2 ) =
=
=
= 0.51
7 * 6 * 5 210
7

1* 2 * 3
3
Respuesta: En el 51% de los casos el nio podr obtener 2 naranjas.
b) Sacar al menos 2 limas.
P (x 2 ) = P (x = 2 ) + P (x = 3 )
3 4 3 4

2 1
3 0
P(x 2) = + =
7
7

3
3
3* 2
*4
1*1
78
1* 2
+
=
= 0.37
7 *6 *5 7 * 6*5 210
1* 2*3 1* 2 *3
Respuesta: En el 37% de los casos es posible que el nio haya obtenido al menos 2 limas.
2.4. Distribucin de Poisson

Tambin denominada ley de eventos improbables. Se aplica a problemas que cumplen las
caractersticas de una distribucin binomial con probabilidad de xito, p, pequea (p<0.05)
y tamao de muestra, n, grande (n>25).
Tiene muchas aplicaciones. Se utiliza como modelo para describir fenmenos como la
distribucin de errores en captura de datos, nmero de imperfecciones en piezas
recientemente pintadas, nmero de clientes que hacen cola en un banco, nmero de
llamadas telefnicas, etc.
Matemticamente puede escribirse utilizando la siguiente frmula:
x e
P(x, ) =
x!
Donde:
es la media (esperanza matemtica) del nmero de ocurrencias (xitos) en un intervalo de
tiempo dado. En situaciones binomiales = np y 2 = np , puesto que q 1.
X es la variable aleatoria discreta del nmero de xitos.
e = 2,71828 (la base del logaritmo neperiano).
54
Ejemplo.
Un estudiante de Administracin de Empresas, cuando presenta sus informes de
contabilidad, afirma que comete por trmino medio 5 errores por pgina. Cul es la
probabilidad de que cometa al menos 4 errores por pgina?
Resolucin.
Del problema se obtiene la siguiente frmula:
Nmero promedio de errores = tamao de muestra * probabilidad = n * p
Se supone que el tamao de la muestra es bastante grande; n = 10000

El resultado de la prueba es xito: "error por pgina" y fracaso: "no tener error por pgina".
La probabilidad de xito es constante en cada prueba y adems pequea.
Las pruebas son independientes por que cometer un error no influye en que se cometa
otro.
Cuando un experimento aleatorio cumple con las caractersticas anteriormente sealadas, su

probabilidad se resuelve aplicando la siguiente expresin:
Se pide: P(x 4, = 5)
Para resolver el problema afortunadamente existen tablas de probabilidad acumulada de
Poisson (Ver anexo de tablas al final del texto):
P(x 4, = 5) = 1 P(x 3, = 5) = 1 0.265 = 0.735

Respuesta: El estudiante tiene la probabilidad de 73.5% de cometer al menos 4 errores por
pgina.
Nota: se usa indistintamente para la media de ocurrencias en un intervalo de tiempo dado,
tanto como .
2.5. Distribucin multinomial

Un experimento aleatorio se comporta como una distribucin multinomial cuando observa las
siguientes caractersticas:
El nmero de pruebas del experimento es fijo.
Los resultados del experimento se clasifican en categoras (K).
C1 , C2 , . . . . , CK
La probabilidad de xito para cada categora permanece constante en cada prueba y se
expresa como:
P1 , P2 , . . . . , PK
55
Las pruebas son independientes, es decir el resultado de una prueba no afecta ni es

afectado por el resultado de la prueba anterior o la siguiente, respectivamente.
La probabilidad del experimento con estas caractersticas se calcula mediante la siguiente
expresin:
f ( x1, x 2,..., x K ) =
n!
* P ( x1) x1 * P ( x 2) x 2 *...* P ( x K ) x K
x 1!* x 2!*...* x K!
f ( x 1, x 2,..., x K ) =
n!
n
x!
* P ( x i ) xi
i=1
i=1
Ejemplo.
En una bolsa de mercado existen 7 ctricos: 3 naranjas, 2 limas y 2 toronjas. Un nio elige 3
ctricos con reposicin. Determinar la probabilidad de que sean 2 toronjas y una naranja.
Resolucin.
El problema proporciona la siguiente informacin, que indica que la distribucin planteada
sigue un modelo multinomial:
El nmero de pruebas es 3 y es fijo.
Los resultados de la prueba se clasifican en 3 categoras:
C1 = toronjas
C2 = naranjas
C3 = limas
La probabilidad de cada categora es constante en cada prueba y sus valores son:
P1 = 2/7
P2 = 3/7
P3 = 2/7
Las pruebas son independientes por que si en la prueba sale 1 toronja y 2 naranjas, esto
no quiere decir que la siguiente o la anterior prueba sea de la misma naturaleza.
Con los datos anteriores, la probabilidad solicitada es:
2
f (x 1 = 2 , x 2 = 1 , x 3 = 0 ) =
3!
2 3 2

2!* 1!* 0! 7 7 7
3 * 2 *1 4 9 72
= 0.105
=
2 *1 49 49 680
Respuesta: Entonces esta combinacin formada por 2 toronjas y 1 naranja, se dar en 10.5
de 100 casos.
56
2.6. Distribucin binomial negativa

Un experimento aleatorio se comporta como una DBN cuando:
El nmero de pruebas n, es variable.
Los resultados se clasifican en 2 categoras (xito o fracaso).
La probabilidad de xito es constante en cada prueba.
Las pruebas son independientes.
La probabilidad de los eventos se calcula usando la siguiente expresin.
n -1 c n c
*
b (n, c, P ) =
P q
c -1
donde: n = nmero de pruebas
c = nmero de xitos
P = probabilidad de xito
Por razones prcticas, la expresin anterior debe transformarse en probabilidad de valores
acumulados y adems en funcin de probabilidades acumuladas de la binomial positiva:
n -1 c n c
*
B (n, c, p ) =
p q
c -1
n x nx
*
B (n, c, p ) = 1 - p q
x
B* (n, c, p ) = 1 - B (x -1, n, p )
Ejemplo.
Los productores de durazno en Cochabamba han detectado que el 10% de los duraznos
estn afectados por la mosca. Supongamos que un grupo de estudiantes van a un huerto de
duraznos con el permiso del propietario y estn deseosos de que, eligiendo al azar los
duraznos, puedan comer 20 duraznos buenos. Cul es la probabilidad de que tengan que
probar 25 o ms duraznos (los afectados se descartan).
Resolucin.
El problema contiene la siguiente informacin:
El nmero de pruebas es n>25, por tanto es variable.
Los resultados de la prueba se clasifican en xito: durazno que no est afectado por la
57
mosca de la fruta; fracaso: durazno afectado.

Probabilidad de xito 90% constante en cada prueba.
Las pruebas son independientes porque si en cualquier prueba un durazno no est
afectado no quiere decir que en la seleccin anterior o la siguiente tampoco est afectado.
Por los datos presentados, el experimento corresponde a una binomial negativa.
donde; c = x = nmero de xitos = 20
n = mayor que 25 (variable)
P = 0.90 probabilidad de xito.
b* (25, 20, 0.9) = 1 (1 B(19, 25, 0.9)) = 0.967

Respuesta: Hay una probabilidad de 96.7% de que si quieren comer 20 duraznos buenos,
tengan que probar 25 o ms duraznos.
3. FUNCIONES TERICAS CONTINUAS DE PROBABILIDAD

3.1. Distribucin Normal
a) Generalidades
Una distribucin terica probabilstica continua muy importante es la normal.
Las distribuciones probabilsticas de la duracin de algunos productos, como acumuladores
o bateras, neumticos, bombillas o lmparas, tienden a seguir un patrn normal. Lo mismo
sucede con los pesos de los envases de un cereal, la longitud de rollos de papel tapiz y otras
variables que se miden en una escala continua.
Se dice que la funcin normal es la piedra fundamental de la Estadstica. Su funcin de
densidad est dada por la siguiente expresin:
1
y=
e
2
( x ) 2
2 2
b) Caractersticas de una distribucin normal

1. La curva tiene perfil de campana, y presenta un solo pico en el centro exacto de la
distribucin. La media (aritmtica), la mediana y la moda de la distribucin son iguales y
estn en el punto central, de esta forma la mitad del rea bajo la curva se encuentra a la
izquierda y la otra mitad a la derecha de la media.
2. La distribucin probabilstica normal es simtrica con respecto a su media. Si se corta la
curva normal por la mitad verticalmente, las dos mitades sern como imgenes reflejadas
en un espejo.
58
3. La curva normal decrece uniformemente en ambas direcciones a partir del valor central.
Es asinttica.
4. A una distancia de la media aritmtica correspondiente a la desviacin estndar, se
encuentran sus puntos de inflexin.
50%
Punto de
inflexin
50%
Punto de
inflexin
+
Me=Mo=
c) Familia de distribuciones normales.

Existen tres familias:
a) Distribuciones que presentan la misma media pero distinta desviacin
b) Distribuciones que presentan la misma desviacin pero distinta media
c) Distribuciones que presentan distinta media y distinta desviacin.
d) reas bajo la curva normal
Las posiciones indicadas en la escala de x son los lmites de los porcentajes indicados en
cada caso:
1. 1 => 68.27%
2. 2 => 95.45%
3. 3 => 99.73%
El rea total es obviamente 100% o 1.0.
e) Distribucin Normal Estndar
Resultara imposible proporcionar una tabla de valores de probabilidad normal para cada
distribucin, por lo que se recurre a una variable estandarizada o tipificada z:
z=
donde :
X es el valor de cualquier observacin especfica

es la media de la distribucin
es la desviacin estndar de la distribucin
59
El valor de z mide la distancia entre un valor especfico X y la media, en unidades de

desviacin estndar. La media de la distribucin normal estndar es 0 y su desviacin
estndar 1 (se realiz esta comprobacin en el captulo de estadgrafos de comparacin).
Una distribucin normal se simboliza como:N(x, , )
Una distribucin normal estndar, como:
N(z, 0, 1)
Ejemplo.
Se ha determinado que los jvenes que asisten a la fiesta de San Juan, beben 25 tazas de
ponche en promedio, con una varianza de 64 tazas2. Si dicha variable se comporta como una
normal:
a) Cul es la probabilidad de que tomen a lo ms, 19 tazas de ponche?.
b) Determine la proporcin de estudiantes que toman ms de 41 tazas de ponche.
c) Determine la proporcin de estudiantes que consumen entre 19 y 31 tazas de ponche.
d) Determine el mnimo y mximo de tazas de ponche que bebera el 80% central de los
estudiantes.
Resolucin.
Se trata de una distribucin normal: N(x, =25, =8).
a) Se debe resolver: P(x 19)
Grficamente:
=8
19
= 25
Se estandariza la variable.
P(
x 19 25
) = P (z 0.75 )
Grficamente:
=1
- 0.75
=0
60
Se lee el resultado en la tabla de distribucin normal de cola superior (Ver anexo de tablas
al final del texto):
P(z 0.75) = 0.2266

Respuesta: La probabilidad de tomarse 19 o menos tazas de ponche es del 23%.
b) Se trata de resolver: P(x 41)
Grficamente:
=8
= 25
41
P(
x 41 25
) = P (z 2 )
Grficamente:
=1
=0
Se lee el resultado en tabla de distribucin normal acumulada.
P(z 2) = 1 P(z 2) = 1 0.9772 = 0.0228

Resultado: 2% de los invitados toman ms de 41 tazas de ponche.
c) Se trata de resolver: P(19 x 31)
Grficamente:
=8
19
= 25
31
61
P(
19 25 x 31 25
) = P (0.75 z 0.75 )
8
8
Grficamente:
=1
-0.75 = 0
0.75
Se lee el resultado en tabla de distribucin normal.
P(0.75 z 0.75) = P(z 0.75) P(z 0.75) = 0.7734 0.2266 = 0.5468

Resultado: El 55% de los invitados a la fiesta de San Juan consumen entre 19 y 31 tazas de
ponche.
d) Se quiere calcular los lmites del 80% central: P(x1 x x 2 ) = 0.80
Grficamente:
80%
=8
X1
= 25
X2
P(
x1 25 x x 2 25
) = 0.80
8
8
P (z1 < z < z 2 ) = 0.80

Grficamente:
80%
=1
z1
=0
z2
Leyendo en tablas de distribucin normal, se determinan los lmites de z.

62
z0,10 = -1.28
z0,90 = 1.28
Sustituyendo en la variable estandarizada, se pueden hallar los lmites:
x1 25
8
x1 = 25 (1.28) (8) = 14.76
x 2 25
8
x 2 = 25 + (1.28) (8) = 35.24
1.28 =
1.28 =
Respuesta: El 80% central de asistentes a la fiesta, tomarn entre 15 a 35 tazas de ponche.
4. APROXIMACIN NORMAL A LA BINOMIAL

Se utiliza cuando np y nq son mayores a 5. Esto quiere decir que el nmero de ensayos es
mayor a 20 (y por lo tanto ya no se puede usar la tabla de valores acumulados) y la
probabilidad de xito es cercana a 0.5. En estas condiciones, la distribucin binomial se
acerca mucho a la forma de la distribucin normal, y es mejor y ms fcil calcular las
distintas probabilidades con esta aproximacin.
Factor de correccin por continuidad.
Debido a que se est aproximando una distribucin discreta a una continua, es necesario un
factor de correccin.
El factor de correccin por continuidad es el valor 0.5 que se resta o se suma, dependiendo
del problema, a un valor seleccionado cuando una distribucin probabilstica binomial se est
aproximando por medio de una distribucin de probabilidad continua.
La variable estandarizada, en este caso se encuentra por medio de la siguiente ecuacin, en
la que se usa la media y la desviacin estndar de la distribucin binomial:
Z=
(x 0.5) np
npq
Ejemplo.
La gerencia de la cadena de pizzeras CAPRI revel que el 70% de sus nuevos clientes
vuelven en otra ocasin. En una semana en la que 80 nuevos clientes (de primera vez)
cenaron en uno de sus establecimientos, cul es la probabilidad que:
a) 60 o ms regresen en otra ocasin?
b) menos de 40 regresen en otra ocasin?
63
Resolucin.
En primer lugar se debe verificar si el modelo que se ajusta al problema es el binomial.
El nmero de pruebas es fijo. n=80.

El resultado es dicotmico. xito=los clientes vuelven, fracaso=no vuelven.
Probabilidad de xito constante. p=0.7
Los sucesos son independientes. Que una persona vuelva, no est relacionada a la
decisin de otras personas.
Luego, para observar la conveniencia de utilizar la aproximacin, se tratar de resolver el

inciso a) del problema con la frmula binomial.
a) Se pide: P(x 60)
Esto se podra tratar de resolver de dos maneras:
Primera: P(x 60) = P(x = 60) + P(x = 61) + K + P(x = 80)
Segunda: P(x 60) = 1 P(x 59) = 1 [ P(x = 59) + P(x = 58) + K + P(x = 0) ]
En cada caso, se debe resolver 20 60 veces la frmula binomial, para hallar el resultado.
Se concluye que es mejor realizar la aproximacin.
Para realizar la aproximacin, primero se debe verificar si se cumple con las dos
condiciones: np y nq sean mayores a 5.
np = 80(0.7) = 56
nq = 80(0.3) = 24
Luego se hallan los valores de la media y la desviacin estndar:
= np = 80(0.7) = 56
= npq = 80(0.7)(0.3) = 4.1
a) Se pide: P(x 60)

Grficamente:
= 4.1
60
=56
Se estandariza la variable:
(x 0.5) (60 0.5) 56

P
= P (z 0.85 )
4.1
64
En este caso se resta 60 0.5, para hallar la variable estndar, ya que siempre se tratar de
cubrir un poco ms de rea, para realizar la correccin por continuidad.
Grficamente:
=1
=1
0.85
La probabilidad se determina mediante la tabla de normal estndar de cola superior del

anexo.
P(x 60) = 0.1977
Respuesta: Hay una probabilidad de 19.77% de que de 80 personas que vinieron la primera
vez a la pizzera CAPRI, 60 o ms regresen.
b) Se pide: P(x < 40)
Estandarizando:
(x 0.5) (40 + 0.5) 56

P
= P (z 3.78 )
4.1
Grficamente:
40
= 56
-3.78
=1
En este caso, para cubrir un poco ms del rea, se tuvo que sumar 40 + 0.5, para realizar la
correccin por continuidad.
Usando la tabla normal estndar, se halla la probabilidad pedida:
P(x < 40) = 0.00008

Respuesta: La probabilidad de que menos de 40 regresen a CAPRI es del 0.008%.
5. RBOL DE DECISIN PARA ELEGIR LA DISTRIBUCIN

ADECUADA EN LA RESOLUCIN DE PROBLEMAS
TERICA
Se muestra un rbol de decisin para ajustar una distribucin emprica a un modelo

probabilstico.
65
Tipo de
variable?
continua
discreta
Nmero de
ensayos?
variable
fijo
Naturaleza
de las
pruebas?
independiente
independiente
Resultados
posibles?
dicotmico
categora
dependiente
dicotmico
independiente
66
Normal
Binomial
negativa
Multinomial
f (x1, x2,..., xK ) =
i=1
x!
n!
i=1
* P (xi )xi
1
y=
e
2
2 2
( x )2
x e
x!
z=
(x 0.5) np
npq
P(x, ) =
Aproximacin Z =
a la normal
N1 N N1

x
nx
P(x) =
N

n
np>5
nq>5
Poisson
*
B (n, c, p ) = 1 - B (x -1, n, p )
Hipergeomtrica
n
P(x) = p x q n x
x
Binomial
n>25
p<0.05
PARA LA RESOLUCIN DE PROBLEMAS
RBOL DE DECISIN PARA ELEGIR LA DISTRIBUCIN ADECUADA
EJERCICIOS DE CLASE
Binomial.
1. En un da veraniego muy caluroso, 10% de los trabajadores de produccin de una
empresa estn ausentes del trabajo. Se van a seleccionar al azar 10 obreros para un
estudio especial a profundidad sobre el ausentismo.
a. Cul es la variable aleatoria en este problema ?
b. Tal variable es discreta o continua? Por qu?
c. Cul es la probabilidad de seleccionar al azar 10 nombres de trabajadores y descubrir
que ninguno est ausente?
d. Calcule la media y varianza.
e. Represente la distribucin mediante una grfica.
f. Encuentre la probabilidad acumulada y represntela en un diagrama.
2. El departamento de mercadeo de una compaa planea realizar una encuesta nacional
para determinar si los consumidores de cereales en hojuelas pueden distinguir uno de sus
productos favoritos, de los otros del mismo tipo. Para probar el cuestionario y el
procedimiento que se van a emplear, se pidi a ocho personas que cooperaran en un
experimento. Se colocan frente a la persona 5 tazones pequeos marcados A, B, C, D y E
con cereal y se le inform que solo uno tena su producto favorito. Suponga que la
persona no pudo identificar el cereal y slo conjetur que estaba en el tazn C.
a. Cul es la probabilidad de que haya adivinado correctamente?
b. Cul es la probabilidad de que ninguna de las ocho adivine en forma correcta?
c. Suponga que siete de la ocho identificaron el cereal que ms les gustaba. Es
razonable pensar que solo estaban adivinando? Justifique su respuesta.
Hipergeomtrica.
3. En Alke se acaba de recibir un embarque de 10 aparatos de TV. Poco despus de
recibirlos, el fabricante llam para informar que por descuido haban enviado tres aparatos
defectuosos. Se decidi probar dos de stos. Cul es la probabilidad de que ninguno de
los dos est defectuoso?.
4. Un profesor tiene un conjunto de 15 preguntas de opcin mltiple referente a
distribuciones probabilsticas. Cuatro de estas preguntas se relacionan con la distribucin
hipergeomtrica. Cul es la probabilidad que al menos una de estas preguntas sobre la
distribucin hipergeomtrica aparezca en el examen de cinco preguntas del prximo
lunes?
Poisson.
5. Un productor de semillas hbridas tiene problemas con gusanos barrenadores del maz.
Una verificacin aleatoria de 5.000 mazorcas revel estos datos: muchas mazorcas no
tenan gusanos. Algunas tenan uno, otras tenan dos, etc. La distribucin del nmero de
barrenadores se aproxim a una Poisson. El productor cont 3.500 gusanos en las 5.000
67
mazorcas. Cul es la probabilidad que una mazorca seleccionada al azar no contenga

gusanos?
6. Los automovilistas llegan a una salida de una carretera a razn de dos por minuto. La
distribucin de llegadas se aproxima a una distribucin de Poisson.
a) Cul es la probabilidad que en un minuto especfico no lleguen automviles?
b) Cul es la probabilidad que al menos un automvil llegue durante un minuto
especfico?
Multinomial.
7. En una ciudad muy grande, la televisin nacional tiene el 40% de los televidentes el
viernes por la noche, un canal local tiene 20%, la televisin por cable tiene 30% y 10% ve
videograbaciones. Cul es la probabilidad de que entre siete televidentes seleccionados
al azar en esa ciudad en una noche de viernes, dos estn viendo la televisin nacional,
uno est viendo el canal local, tres estn viendo televisin por cable y uno est viendo
una videograbacin?
8. Si un dado se tira 5 veces. Cul es la probabilidad de que los resultados sean un 1, un 2,
y otros tres nmeros?
Binomial negativa.
9. Un estudiante contesta oralmente un test de eleccin mltiple con cinco respuestas.
Contesta preguntas hasta que responde correctamente cinco. Cul es la probabilidad de
que las responda en 25 preguntas o menos, si responde a cada pregunta sin pensar?
10. Se estima que el 90% de un cosecha de papas es buena, estando podridas por dentro
las restantes, pero no puede descubrirse a menos que las papas se corten por la mitad.
a) Cul es la probabilidad de obtener 20 o menos papas buenas en un saco de 25?
b) Supngase que el cocinero necesita 20 papas buenas para una comida, para lo que
elige papas al azar, las corta por la mitad y tira las malas. Cul es la probabilidad de
que tenga que partir ms de 25 papas?
Normal.
11. A los empleados de una empresa les otorgan puntuaciones por eficiencia. La distribucin
de estas sigue aproximadamente una distribucin normal. La media es 400, y la
desviacin estndar, 50.
a) Cunto vale el rea bajo la curva normal entre 400 y 482?
b) Cules son los lmites del 80% de la distribucin? (de los valores centrales).
12. Supngase que un fabricante de neumticos desea fijar una garanta de millas
recorridas para su nuevo neumtico MX100. Las pruebas de duracin revelaron que la
media de millas recorridas es de 47.900 , y la desviacin estndar es de 2.050 millas. El
fabricante desea fijar la garanta de manera que no tenga que reemplazar mas del 5%
de los neumticos.
68
a) Cul es este valor en millas?

b) Cul es la probabilidad de que los neumticos duren mas de 50.000 mi.?
Aproximacin normal a la binomial.
13. Se estima que 0.5% de las llamadas telefnicas a la Boliviana de Seguros reciben seal
de ocupado. Cul es la probabilidad que de las 1.200 llamadas telefnicas del da de
hoy, al menos 5 hayan recibido la seal de ocupado?
14. Un estudio realizado por una compaa aseguradora revel que los propietarios no
recuperaron los bienes robados en 80% de los robos informados a la aseguradora.
a) Durante un cierto perodo ocurrieron 200 robos. Cul es la probabilidad de que no
se recuperen los bienes en 170 o ms de los asaltos?
b) Cul es la probabilidad de que ninguno de los bienes robados se recobre en 150 o
ms de los asaltos?
69
1. Un director de control de calidad de una compaa de automviles, se encuentra
realizando su revisin mensual de transmisiones automticas. En el procedimiento, se
retiran 10 transmisiones de la pila de componentes y se les revisa en busca de defectos
de fabricacin. A lo largo del tiempo, solo el 2% de las transmisiones tiene defectos
(suponga que los defectos se presentan de manera independiente en diferentes
transmisiones).
a) Cul es la probabilidad de que la muestra del director contenga ms de dos
transmisiones con defectos de fbrica?
b) Cul es la probabilidad de que ninguna de las transmisiones elegidas tenga defectos
de fbrica?
2. Usted est a cargo de la seccin de electrnica de una gran tienda departamental. Se ha
dado cuenta de que la probabilidad de que un cliente que solamente se encuentre
curioseando compre algo es de 0.3. Suponga que 15 clientes visitan la seccin de
electrnica cada hora.
a) Cul es la probabilidad de que al menos una de las personas que curiosea compre
algo durante una hora dada?
b) Cul es la probabilidad de que al menos 4 personas que curiosean compren algo en
una hora dada?
c) Cul es la probabilidad de que ninguna de las personas que curiosean compren algo
en una hora dada?
d) Cul es la probabilidad de que no ms de 4 personas que curiosean compren algo en
una hora dada?
3. Un supervisor de produccin de una planta de una compaa, est preocupado por la
habilidad de un empleado ya mayor para mantener el menor ritmo de trabajo. Adems de
los descansos diarios obligatorios, este empleado deja de trabajar durante perodos cortos
un promedio de 4.1 veces por hora. El perodo de descanso que se toma es de tres
minutos cada vez. El supervisor ha decidido que si la probabilidad de que el descanso
adicional, 12 minutos o ms por hora, del empleado (es decir, adems del obligatorio), es
mayor que 0.5, entonces lo cambiar a una tarea diferente. Deber hacer esto?
4. Un ingeniero de control de calidad quiere comprobar (de acuerdo con las
especificaciones) si el 95% de los componentes electrnicos embarcados por su
compaa estn en perfectas condiciones de funcionamiento. Para tal efecto se
seleccionan aleatoriamente 15 componentes de cada lote listo para ser embarcado y se
aprueba su salida si todos estn en perfectas condiciones de funcionamiento; de lo
contrario, todos los componentes del lote son revisados. Encuntrese las probabilidades
de que el ingeniero de control de calidad cometa el error de
a) mantener un lote para revisin adicional a pesar de que el 95% de los componentes
estn en perfectas condiciones de funcionamiento;
b) aprobar la salida de un lote completo sin revisin adicional a pesar de que solamente el
90% de los componentes estn en perfectas condiciones de funcionamiento;
70
c) aprobar la salida de un lote completo sin revisin adicional a pesar de que solamente el
80% de los componentes estn en perfectas condiciones de funcionamiento.
5. Un ingeniero de control de calidad inspecciona una muestra aleatoria de 3 acumuladores
de cada lote de 20 que estn listos para ser embarcados. Si un lote contiene 6
acumuladores con pequeos defectos, cules son las probabilidades de que la muestra
del inspector contenga
a) ninguna de las bateras con defectos;
b) solamente una de las bateras defectuosas;
c) al menos dos de las bateras con defectos leves?
6. Las probabilidades de que conduciendo cierto sedn de dos puertas en la ciudad se
obtenga un rendimiento promedio de menos de 20 millas por galn de combustible, de 20
a 25 millas por galn o ms de 25 millas por galn con 0.3, 0.6 y 0.1, respectivamente.
Obtenga la probabilidad de que entre 6 automviles de ese tipo sometidos a prueba, dos
promedien como mnimo 20 millas por galn, tres promedien de 20 a 25 millas por galn y
uno promedie ms de 25 millas por galn.
7. En una gran universidad se ha determinado que el 20% vive en residencias, el 30% en la
universidad y el 50% en casas particulares. Si se elige un comit de 5 estudiantes,
eligindose cada uno independientemente de los dems
a) Cul es la probabilidad de que el comit est formado por un estudiante que viva en
la universidad, por uno que viva en una casa particular y por tres que vivan en
residencias?
b) Cul es la probabilidad de que est formado por tres o ms estudiantes que vivan en
residencias?
8. Un fabricante de proyectiles dirigidos sostiene que sus proyectiles son eficaces en un
90%. La fuerza area comprueba las existencias realizando disparos, siendo necesarias
11 pruebas para obtener cuatro xitos. Cul es la probabilidad de que se necesiten 11 o
ms pruebas si p = 0.9 . Qu conclusin es razonable sacar?
9. Un conocido jugador de bisbol tiene un tiempo medio de bateo de 0.3. Necesita 32 xitos
ms para aumentar su tiempo medio a 3.0. Cul es la probabilidad de que necesite
batear 100 o menos veces para conseguir su propsito?
10. Una compaa ha recibido un gran pedido para producir motores elctricos para una
compaa manufacturera. Con el fin de que ajuste en su soporte, el rotor del motor debe
tener un dimetro de 5.1 0.05 (pulgadas). El encargado de compras de la compaa se
da cuenta de que hay en existencia una gran cantidad de varillas de acero con un
dimetro medio de 5.07 plg., y con una desviacin estndar de 0.07 pulg. Cul es la
probabilidad de que una varilla de acero del inventario se ajuste en el soporte?
11. Ciertos bastoncillos de plstico moldeados por inyeccin son cortados automticamente
en longitudes nominales de 6 pulgadas. Las longitudes reales estn distribuidas
normalmente alrededor de la media de 6 pulgadas y sus desviaciones estndar son 0.06
pulgadas.
71
a) Qu proporcin de los bastoncillos rebasan los lmites de tolerancia, que son de 5.9 a
6.1 pulgadas?
b) A qu valor es necesario reducir la desviacin estndar si 99% de los bastoncillos
debe estar dentro de los lmites de tolerancia?
12. La compaa Quickie Sales acaba de recibir dos estimaciones de ventas que se
consideran conflictivas para el trimestre que se avecina. La estimacin I dice que las
ventas (en millones de dlares) estn normalmente distribuidas con = 325 y = 60. La
estimacin II dice que las ventas estarn normalmente distribuidas con = 300 y = 50.
La junta de directores encuentra que cada estimacin parece, a priori, ser igualmente
fidedigna. Con el fin de determinar cul estimacin deber utilizarse para hacer
predicciones, la junta de directores ha decidido reunirse de nuevo al final del trimestre y
utilizar informacin actualizada sobre las ventas para tomar una determinacin sobre la
credibilidad de cada estimacin.
a) Suponiendo que la estimacin I es precisa, cul es la probabilidad de que la
compaa tenga ventas trimestrales mayores a 350000000 $?
b) Rehaga el inciso anterior suponiendo que la estimacin II es la correcta.
c) Al final del trimestre, la junta de directores encuentra que la compaa tiene ventas
mayores a 350000000 $. Dada esta informacin actualizada, cul es la probabilidad
de que originalmente la estimacin I haya sido la correcta? (Sugerencia: recuerde el
teorema de Bayes).
13. Un estudio realizado por una compaa aseguradora revel que los propietarios no
recuperaron los bienes robados en 80% de los robos informados a la aseguradora.
a) Durante un cierto perodo ocurrieron 200 robos. Cul es la probabilidad de que no
se recuperen los bienes en 170 o ms de los asaltos?
b) Cul es la probabilidad de que ninguno de los bienes robados se recobre en 150 o
ms de los asaltos?
14. La probabilidad de que un componente electrnico falle en menos de 1000 horas de uso
continuo es 0.25. Utilcese la aproximacin normal para encontrar la probabilidad de que
entre 200 de tales componentes menos de 45 fallen en menos de 1000 horas de uso
continuo.
15. El estadio Flix Capriles tiene cuatro torres de luz con 25 reflectores de alta intensidad
montados en cada una de ellas. En ocasiones, una torre completa se queda a oscuras.
Daniel Torres, jefe de mantenimiento del estadio, se pregunta qu distribucin tendrn
los fallos en las torres de luz. El sabe que cualquier torre individual tiene una
probabilidad de 0.11 de fallar durante un juego de ftbol dado y que las torres son
independientes entre si.
Construya una grfica, que muestre las probabilidades de que exactamente 1, 2, 3 0 4
torres se queden a oscuras durante el mismo juego.
72
16. Daniel Torres sabe que la probabilidad de que cualquiera de los 25 reflectores de una
torre de luz falle durante un juego dado de ftbol es de 0.05. Los sistemas elctricos de
la torre han sido modificados de modo que ya no es posible que falle una torre completa.
a) Utilizando las aproximaciones Binomial y de Poisson, determine la probabilidad de
que siete reflectores de una torre dada fallen durante el mismo juego.
b) Utilizando ambos mtodos, determine la probabilidad de que dos reflectores fallen.
17. Se estima que el 90% de un cosecha de papas es buena, estando podridas por dentro
las restantes, pero no puede descubrirse a menos que las papas se corten por la mitad.
a) Cul es la probabilidad de obtener 20 o menos papas buenas en un saco de 25?
b) Supngase que el cocinero necesita 20 papas buenas para una comida, para lo que
elige papas al azar, las corta por la mitad y tira las malas. Cul es la probabilidad de
que tenga que partir ms de 25 papas?
18. Un embarque de 200 alarmas contra robo, contiene dos piezas defectuosas. Se
seleccionan al azar 5 alarmas contra robo para enviarlas a un cliente.
a) Halle la probabilidad de que el cliente reciba exactamente una alarma contra robo
defectuosa.
b) Halle la probabilidad de que el cliente reciba exactamente una alarma contra robo
defectuosa, si se supone que el embarque es lo suficientemente grande como para
considerarla una poblacin infinita.
19. Una florera necesita 12 helechos exticos plantados para una exposicin floral que se
celebrar en seis meses. Sabe que la probabilidad de que un helecho plantado ahora
sea ideal para la exposicin dentro de seis meses es de 0.7. Est interesado en conocer
el nmero mnimo de helechos que debera plantar, si quiere que la probabilidad de
tener 12 helechos apropiados en seis meses sea por lo menos 0.9.
a) Sern suficientes 15? Obtenga la probabilidad de que si planta 15 helechos, tenga
como mnimo 12 plantas ideales.
b) Sern suficientes 20? Obtenga la probabilidad de que si planta 20 helechos, tenga
c) Sern suficientes 30? Obtenga la probabilidad de que si planta 20 helechos, tenga
20. En una ciudad determinada, 4% de los conductores con licencia se vern involucrados
por lo menos en un accidente automovilstico en cualquier ao de referencia. Determinar
la probabilidad de que entre 150 conductores con licencia seleccionados al azar en esta
ciudad,
a) Slo 5 se vean involucrados por lo menos en un accidente, en cualquier ao de
referencia.
b) como mximo tres se vean involucrados por lo menos en un accidente en cualquier
ao de referencia.
21. Una mquina troqueladora produce tapas de latas cuyos dimetros tienen una
desviacin de 0.01 pulgadas. En qu dimetro nominal promedio debe ajustarse la
73
mquina, de tal manera que no ms del 5% de las tapas producidas tengan dimetros
que excedan las 3 pulgadas?
22. La experiencia de una empresa qumica al aplicar una prueba a universitarios recin
egresados que han solicitado trabajos, revel que la puntuacin media de prueba fue de
500, y una desviacin estndar de 50.
Con base en esta experiencia, la direccin est considerando aceptar a una persona
cuya puntuacin sea 6% superior de la distribucin y contratarla directamente para un
puesto de responsabilidad.
a) Cul es la puntuacin ms baja que debe tener un egresado universitario para
calificar para un puesto de responsabilidad?
b) Con base en el desempeo anterior, el director de personal planea no tomar en
cuenta a las personas que tengan puntaciones de 400 o menos en la prueba.
Aproximadamente, qu porcentaje de los solicitantes no se tomar en cuenta?
c) Debido al nmero limitado de vacantes este ao, los solicitantes con puntuaciones
entre 400 y 485 se pondrn en espera o reserva. Qu porcentaje de los solicitantes
quedar en espera? Si solicitaron trabajo en la empresa un total de 500 estudiantes,
cuntos quedarn en la clasificacin de espera?
74

DECISIONES EN LA GERENCIA DE RECURSOS HUMANOS
DE UN BANCO
Usted es el nuevo gerente de Recursos Humanos de un banco. Cada da tiene que resolver
mltiples problemas y realizar muchas decisiones que afectan a la empresa. Para ello el
banco ha montado un departamento de Estadstica, ya que anteriormente se hacan
decisiones que no estaban basadas en mtodos tcnicos, sino en la experiencia del anterior
gerente.
1. El primer problema es decidir una contratacin en el rea de recursos humanos. Existen
13 candidatos que pasaron la seleccin de curriculums para el puesto de analista
financiero. Luego de esta primera ronda, se someter a los candidatos a 5 exmenes: test
psicolgico, de coeficiente intelectual, de aptitudes, de conocimientos sobre finanzas y un
test de cmo resolver situaciones conflictivas. Slo pasarn a la tercera ronda, los
profesionales que aprueben los 5 exmenes. El departamento de estadstica manifiesta
que existe una probabilidad del 32% que una persona apruebe los 5 exmenes. Si la
probabilidad de que a lo ms 4 de los 13, aprueben los 5 exmenes es menor a 50%,
entonces se tendr que planificar una metodologa para la seleccin en la tercera ronda,
la cual ser realizada por el gerente de recursos humanos, pero si no, se elegir en base
al criterio que usted tenga de los candidatos luego de una entrevista informal.
a) El gerente de recursos humanos tendr que planificar una metodologa para la tercera
ronda para la contratacin?
b) Una vez que alguno de los postulantes sea elegido, ste tendr que pasar por un
periodo de prueba, que generalmente dura tres meses, donde deber resolver varios
problemas financieros de la empresa que sucedieron en aos anteriores. As que usted
configur varios casos histricos para evaluarlo. El nuevo analista financiero resolvi
satisfactoriamente 3 casos en este periodo. La probabilidad de que resuelva
satisfactoriamente un caso (en base a su currculum y a los exmenes aplicados) era
del 80%. Cul es la probabilidad de que haya resuelto los tres casos
satisfactoriamente, en 5 casos o menos que usted le otorg? Si esta probabilidad es
mayor a 70%, el analista quedar contratado definitivamente. Ser contratado o no?
2. El segundo problema es con respecto al tiempo de espera de los clientes, cuando tienen
que realizar alguna transaccin en las cajas del banco. Usted oye cada da un promedio
de 5 quejas, que dicen que los clientes esperan para ser atendidos ms de media hora.
Usted, debe tomar la determinacin de contratar a un nuevo cajero que aminore este
tiempo de espera y abrir una caja ms en el banco. Si la probabilidad de que en un da
especfico 5 o ms personas se quejen es mayor a 40%, entonces se proceder a realizar
un proceso de seleccin para el puesto de cajero.
a) Qu deber hacer?
b) Segn datos de la empresa, del total de clientes que vienen a realizar alguna
transaccin, el 10% cobran cheques, el 30% realiza un depsito, 40% retira dinero y
20% realiza movimientos a otras cuentas. El da lunes, de 8:00 a 8:30, vinieron 15
personas a la caja n 1 del banco, especializada en depsitos y retiro de dinero, de las
75
cuales 1 cobr un cheque, 3 retiraron dinero de sus cuentas, 10 realizaron un depsito

y otro hizo un movimiento a otra cuenta. Si la probabilidad de esta mezcla es del 0.5%
o mayor, la caja seguir manteniendo su especializacin, caso contrario se quitar el
letrero de especializacin. Cul es su decisin?
3. El tercer problema es el siguiente: Se cree que el promedio de cuentas en el banco ha
disminuido considerablemente. Datos estadsticos manifiestan que en el ltimo ao, la
probabilidad de que una persona cierre su cuenta es del 40%. Usted seleccion 200
cuentas al azar, para ver cules haban sido cerradas o no este mes. Si la probabilidad de
que halle entre 60 a 70 cuentas cerradas es del 20%, usted aprobar una campaa de
publicidad agresiva que ser realizada por el departamento de marketing del banco. Caso
contrario, esta disminucin se atribuir a una situacin manejable, que no debe preocupar
y por lo tanto se desecha la hiptesis anterior.
a) Se realizar una campaa de publicidad?
b) Cul es la probabilidad de que de 20 personas que vengan al banco, ms de 7 cierren
sus cuentas?
4. Cuarto problema: Tambin se cree que el promedio de dinero en las cuentas disminuy
considerablemente. Para comprobar esta hiptesis, usted pidi al departamento de
estadstica que haga dos anlisis: uno pesimista y el otro optimista. El primero tiene una
probabilidad de ajustarse a la realidad de 40%. Tomando el anlisis pesimista, se calcul
un promedio de cuenta de 5000 $us., con una desviacin de 230 $us. Bajo el otro anlisis,
el promedio de cuenta fue de 6500 $us., con una desviacin de 420 $us.
a) Cul es la probabilidad de que tomando un anlisis pesimista, el grupo de clientes del
prximo mes en promedio, abran sus cuentas con ms de 5500 $us. cada una?
b) Cul es la probabilidad de que tomando un anlisis optimista, el grupo de clientes del
prximo mes en promedio, abran sus cuentas con ms de 5500 $us. cada una?
c) El mes pas y se constat que el grupo de clientes abrieron sus cuentas con menos de
5500 $us. en promedio cada uno. Cul es la probabilidad de que el anlisis pesimista
haya sido el que se ajust ms a la realidad?
d) Si el anlisis pesimista se ajust mejor a la realidad, entonces usted promover a
travs del departamento de marketing y finanzas, planes de incentivo a los clientes que
tienen ms de 5500 $us. en sus cuentas. Cul es su decisin?
76
PARTE II
MUESTREO
CONCEPTO
Es la base para la realizacin de mtodos de inferencia estadstica y consiste en
seleccionar algunos elementos de la poblacin en base a criterios probabilsticos o no, de
manera que la informacin recogida de ellos, permitan conocer alguna caracterstica de
inters de la poblacin, de manera confiable y representativa, ahorrndose tiempo, dinero y
esfuerzo.
APLICACIN
El uso del muestreo no tiene lmite. Desde la persona que elige unos cuantos panes en la
tienda para decidir si estn duros o son hechos en el da, para comprar la cantidad usual
para su familia, hasta el gerente de produccin que tiene que decidir si realizar
mantenimiento a una mquina porque se cree que est produciendo bienes fuera de los
estndares.
77
CAPTULO 3
MTODOS Y DISTRIBUCIONES DE MUESTREO
1. INTRODUCCIN
El muestreo estadstico es un enfoque sistemtico para seleccionar unos cuantos
elementos representativos (una muestra) de un grupo de datos, a fin de hacer algunas
inferencias sobre el grupo total (poblacin). Como esta muestra aporta datos bastantes
confiables, no es necesario seleccionar el total.
1.1. Razones del muestreo

1. Naturaleza destructiva de ciertas pruebas.
Probar si un producto rene las condiciones ntegramente, a menudo lo destruye. Ejemplo:
un experto en alimentos solo prueba poco de queso para deducir el sabor de todo el trozo;
una compaa productora de semillas solo prueba la germinacin de unas cuantas.
2. Imposibilidad fsica de revisar toda la poblacin.
Ejemplo: Si se necesita redactar un informe para describir a todos los empleados que han
renunciado a su compaa durante los ltimos 10 aos, constituirn cientos de personas,
muchas de ellas no accesibles: habrn muerto, trasladado a otro pas, cambiado de
apellido, etc. Entonces lo que se hace es localizar a una muestra representativa y se
generaliza.
3. El costo de estudiar a toda la poblacin es muy alto.
A menudo para recopilar datos de alguna caracterstica de la poblacin se necesitan
encuestadores, entrenamiento, gastos de escritorio, viticos, sueldos, etc. Por supuesto, el
costo de recopilacin de datos de la muestra es mucho menor que para la poblacin.
4. Los resultados de la muestra son bastante fiables.
La pregunta es: Por qu obtener resultados de toda la poblacin si los de la muestra son
bastante confiables?
5. Se necesita mucho tiempo para muestrear a toda la poblacin.
Ejemplo: A menudo los gerentes o jefes de produccin necesitan informacin rpida con
objeto de ajustar una operacin o modificar una poltica. Si hablamos de una mquina
automtica, por qu esperar la produccin de un da para ver si est funcionando bien? Es
mejor tomar una muestra del producto y verificar su hechura, y si presenta defectos, ajustar
la mquina inmediatamente.
78
1.2. Estadsticos y parmetros

Para describir muestras y poblaciones, se hace la siguiente distincin:
Un estadstico es una
estadsticos:
Un parmetro es una
maysculas o griegas:
caracterstica de la muestra. Se usa letras minsculas para los

n, tamao de la muestra.
x , media de la muestra
s, desviacin estndar de la muestra
caracterstica de la poblacin. Se los representa mediante letras
N, tamao de la poblacin
, media de la poblacin
, desviacin estndar de la poblacin
Ejemplo.
La nota promedio de todos los alumnos de la UPB en un semestre especfico, es un
parmetro.
La nota promedio de los alumnos de Estadstica II en un semestre especfico es un
estadstico.
2. TIPOS DE MUESTREO
Hay dos tipos para seleccionar las muestras que provienen de poblaciones:
Probabilstico o aleatorio, cuando la muestra se selecciona de modo que cada integrante
de la poblacin tenga una probabilidad conocida de ser incluido en la muestra.
No probabilstico o de juicio, cuando no todos los integrantes tienen alguna probabilidad
de ser incluidos en la muestra. Se usa el conocimiento y la opinin personal para identificar
los elementos de una poblacin que se van a incluir en la muestra.
Generalmente, sirve de muestreo piloto antes de seleccionar una muestra aleatoria, a fin de
recopilar informacin til para determinar el tamao de la muestra. Su ventaja radica en el
ahorro de realizar un anlisis estadstico para tomar las muestras. Su principal desventaja
es que los resultados pueden estar sesgados y no ser representativos de la poblacin.
Ejemplo.
El gerente de una empresa quiere formar un equipo de trabajo para solucionar las bajas en
las ventas del mes pasado. Para ello posee 4 expertos en el rea de marketing con igual
entrenamiento y habilidades.
79
Muestreo probabilstico: Selecciona a dos de ellos, mediante bolos numerados del 1 al 4.

Los que sacaron los nmeros 1 y 2, son los que conformarn el equipo.
Muestreo no probabilstico: Selecciona a dedo a dos de ellos para que conformen el equipo.
3. MTODOS DE MUESTREO ALEATORIO

Los mtodos de muestreo aleatorio tienen el objetivo de permitir que el azar determine los
integrantes de la muestra. Son:
3.1. Muestreo aleatorio simple (MAS)

En el MAS, se seleccionan las muestras mediante mtodos que permiten a cada muestra
tener igual probabilidad de ser seleccionada y a cada elemento de la poblacin tener igual
probabilidad de quedar incluido en la muestra. Para este fin se utilizan las tablas de
nmeros aleatorios, que han sido generadas por un proceso aleatorio, en la cual para cada
dgito de un nmero, la probabilidad de que tenga el valor de 0,1,2,3, ... o 9 es la misma y la
probabilidad de que ocurra una secuencia de dgitos es idntica a la de cualquier otra
secuencia con la misma extensin. Una tabla de nmeros aleatorios se muestra en el anexo
de tablas estadsticas al final del texto.
Ejemplo.
Una poblacin est constituida por cuatro estudiantes. Se toman muestras de tamao dos
para una entrevista. Verificar las probabilidades de elegir cada muestra y elegir cada
estudiante en la muestra.
Resolucin.
Se nombrar a los estudiantes como: A, B, C y D.
Hay seis muestras posibles de tamao dos. Esto se comprueba por el anlisis combinatorio:
C (4, 2) =
4!
=6
(4 2)!2!
Las seis muestran tienen la siguiente composicin. Esto se realiza por medio de un
diagrama de rbol:
B
A
C
D
B
C
C
D
D
AB
AC
AD
BC
BD
CD
80
Cada muestra tiene la probabilidad de
1
6
16.67% de ser elegida si lo hacemos mediante el
MAS.
La probabilidad de que el estudiante A sea elegido es de:
P ( A) = P ( AB ) + P ( AC ) + P ( AD ) =
1 1 1 1
+ + =
6 6 6 2
puesto que est presente en tres de las seis muestras.

Lo mismo ocurre con los dems estudiantes.
As que se comprueba que cada estudiante tiene la misma probabilidad de ser incluido en la
muestra y cada muestra tiene la misma probabilidad de ser seleccionada.
3.2. Muestreo sistemtico

Se usa cuando el procedimiento del MAS puede ser difcil de usar en algunos casos, sea
por tiempo o dinero.
Difiere del MAS en que cada elemento tiene igual probabilidad de ser seleccionado, pero
cada muestra no tiene esa misma posibilidad. En este muestreo se seleccionan los
elementos de la poblacin con un intervalo uniforme en el tiempo, en el orden o en el
espacio.
Ejemplo.
La poblacin de inters son 2000 facturas colocadas en gavetas de archivos. Primero se
necesitar numerar las facturas de 0000 a 1999. Luego tendrn que seleccionarse 100
facturas (el tamao de la muestra). Por ltimo habr que localizar las facturas que forman
parte de la muestra. Esta sera una tarea muy prolongada.
Resolucin.
Se selecciona una factura de cada veinte de las que se encuentran en el archivo. La
primera factura se elegir utilizando un proceso al azar. Si se selecciona la factura nmero
10, entonces la muestra ser de: 10, 30, 50, 70, 80, 90, etc.
Desventaja.
Este muestreo no se puede usar si hay un patrn determinado o secuencial en la poblacin.
Ejemplo: Si se quiere muestrear la basura de papel producida por las familias de una cierta
poblacin y se toman 100 familias los das lunes, existe la probabilidad de que la muestra
sea sesgada, porque la basura incluir el peridico dominical.
3.3. Muestreo estratificado

81
Para aplicarlo se divide la poblacin en grupos homogneos relativos, llamados estratos.

Despus se recurre a uno de dos mtodos posibles:
Seleccionar al azar en cada estrato un nmero especificado de elementos

correspondientes a la proporcin del estrato de la poblacin total.
Extraer un nmero igual de elementos de cada estrato y ponderar los resultados de
acuerdo con la proporcin del estrato en la poblacin total.
Ventaja.
El muestreo estratificado garantiza que todos los elementos de la poblacin tengan una
posibilidad de ser seleccionados. Es adecuado cuando la poblacin ya est dividida en
grupos de diferentes tamaos. Cuando se disean bien, reflejan ms exactamente las
caractersticas de la poblacin de donde se extrajeron que otras clases de muestreo.
Ejemplo.
Una empresa quiere saber cuntos productos consumen los clientes por mes y se sabe que
por sus caractersticas el consumo depende de la edad.
Resolucin.
La empresa, para obtener datos confiables deber realizar el muestreo estratificado y no el
MAS, ya que la poblacin est dividida por el estrato de la edad.
La empresa tiene que tomar un tamao de muestra aleatoria de cada grupo de edad, de
acuerdo a los porcentajes de la poblacin que se encuentran en ellos.
Grupo de
edad
0-20
20-40
40-60
60-80
Porcentaje del
total
30
40
20
10
Tamao de
muestra
84
112
56
28
Si la muestra total es de 280, entonces de cada grupo tendr los tamaos de muestras que
se muestran el la ltima columna de la tabla anterior.
3.4. Muestreo por conglomerados

Para aplicarlo dividimos la poblacin en grupos o conglomerados y luego seleccionamos
una muestra aleatoria de ellos. Se supone que esos conglomerados son representativos de
la poblacin.
Ejemplo.
Se quiere averiguar el nmero de televisores por familia en una ciudad.
82
Resolucin.
Se utiliza un mapa y se divide la ciudad en manzanas. Luego se selecciona cierto nmero
de ellas aleatoriamente para realizar la encuesta. Cada familia de dichas manzanas ser
entrevistada.
3.5. Diferencias entre el muestreo estratificado y el de por conglomerados

Tanto en el muestreo estratificado como en el de por conglomerados, la poblacin est
dividida en grupos definidos, pero existen las siguientes diferencias:
Se usa el estratificado, cuando cada grupo presenta una pequea variacin en su

interior, pero existe una amplia variacin entre ellos (La intervarianza es mayor que la
intravarianza).
Se usa el de por conglomerados en el caso contrario: cuando se advierte considerable
variacin dentro de cada grupo, pero los grupos son esencialmente semejantes entre s
(La intravarianza es mayor que la intervarianza).
4. DISTRIBUCIONES DE MUESTREO
La distribucin de probabilidad de todas las medias posibles de las muestras es una
distribucin de medias muestrales. A esto, los estadsticos la llaman distribucin muestral de
la media.
El error estndar es la desviacin estndar de la distribucin de la medias muestrales, que
mide el grado en que esperamos que las medias de las diferentes muestras varen por el
error accidental en el proceso de muestreo.
Ejemplo.
Se quiere conocer la vida media de unos focos producidos por cierta fbrica. Para ello se
extrae una serie de muestras y se calcula la vida media de cada foco en cada una de ellas.
Es poco probable que todas las medias muestrales sea iguales, sino que cabe esperar ver
alguna variabilidad en las medias observadas. Dicha variabilidad en el estadstico muestral
resulta del error por muestreo debido al azar. Existen diferencias entre cada muestra y la
poblacin, lo mismo que entre las varias muestras tomadas.
A continuacin se explicar mejor este proceso:
a) Se hace la suposicin que la distribucin de la poblacin de la duracin de los focos de
esta empresa, en horas es la siguiente:
= 40
= 780
83
b) Para llegar a conocer estos parmetros poblacionales, se toman todas las muestras
posibles de tamao 10. Se calcula la media y la desviacin estndar de cada una de las
muestras. Se puede constatar que ninguna de las medias muestrales ser la misma que
la media poblacional, pero tendern a estar cerca.
s1 = 30
x1 = 745
s2 = 25
x2 = 770
s3 = 45
x3 = 788
sn = 15
xn = 790
c) Se determina una distribucin de todas las medias de cada muestra que se tom,
llamada distribucin de medias muestrales:
x = 12.65
x = 780
La distribucin muestral de las medias que se obtiene al tomar todas las muestras es una
distribucin terica de muestreo. En la prctica, los estadsticos han constatado que es
suficiente tomar una muestra para obtener esta distribucin.
Como se puede advertir, la media de las medias muestrales es igual a la poblacional y el
error estndar es igual a la desviacin de la poblacin, divida entre la raz cuadrada del
tamao muestral. Es de esa manera que se pueden determinar los parmetros
poblacionales.
4.1. Muestreo de poblaciones normales

El muestreo de poblaciones normales sigue las siguientes propiedades:
La distribucin de muestreo tiene una media igual a la media poblacional: x =
La distribucin de muestreo tiene una desviacin estndar: x =
error estndar.
La distribucin de muestreo est distribuida normalmente.
84
, llamada
n
El ejemplo anterior muestra estas caractersticas, ya que la poblacin de la vida media de

los focos se distribua normalmente. Se puede observar que las distintas distribuciones
muestrales no estn distribuidas normalmente, pero la distribucin de medias muestrales
est distribuida normalmente.
Ejemplo.
El siguiente ejemplo muestra cmo el muestreo puede confirmar o validar las suposiciones
que se hacen con respecto a los parmetros poblacionales.
Un banco calcula que sus cuentas individuales de ahorro tienen una distribucin normal.
Con media de 2000 $ y una desviacin estndar de 600 $. Si el banco toma una muestra
aleatoria de 100 cuentas, cul es la probabilidad de que la media se halle entre 1900 y
2050?
Resolucin.
El banco cree que la distribucin de sus cuentas est distribuida normalmente, presentando
las siguientes caractersticas:
= 600
x [$]
= 2000
Para corroborar esta informacin, el banco realiza un muestreo de 100 cuentas. De acuerdo
a las propiedades del muestreo en poblaciones normales, se puede obtener la distribucin
de medias muestrales:
x =
1900
x = 2000
600
= 60
100
2050
Para hallar la probabilidad de que la verdadera media de las cuentas se halle en el intervalo
de 1900 a 2050 $, es necesario obtener la distribucin normal estndar, mediante la
variable tipificada y transformar los valores a dicha variable:
z=
x
x
85
z1 =
1900 2000
= 1.67
60
z2 =
2050 2000
= 0.83
60
z =1
-1.67
0.83
z = 0
Por ltimo se determinan las probabilidades respectivas, mediante la tabla normal estndar,
que se encuentra en la parte de tablas estadsticas al final del texto.
P(1900 x 2050) = 0.4525 + 0.2967 = 0.7492

Respuesta: Hay una probabilidad del 74.92% de que el valor medio de las cuentas
individuales de ahorro del banco estn entre 1900 y 2050 $.
4.2. Muestreo de poblaciones no normales

Cmo reacciona la distribucin de la media cuando la poblacin de donde se extraen las
muestran no es normal? Esta pregunta se puede contestar gracias al teorema central del
lmite. Antes de exponer este teorema, el ejemplo siguiente ayudar a aclarar esta
pregunta.
Ejemplo.
Se presenta la distribucin de probabilidad de la poblacin (discreta uniforme) dada por la
siguiente ecuacin:
f ( x) =
1
6
x = 1, 2, 3, 4,5, 6
que corresponde al experimento aleatorio de lanzar un dado y observar el resultado.

Determine:
a) La forma de la distribucin de la poblacin, su media y desviacin estndar.
b) La forma de la distribucin de medias muestrales, tomando todas las muestras posibles
de tamao 2, su media y desviacin estndar.
c) Compare: las medias y desviaciones y la forma de las dos distribuciones.
Resolucin.
a) Caractersticas de la distribucin de la poblacin.
La forma de la distribucin de la poblacin es:
P(x)
1
6
86
1 2 3 4 5 6
Claramente se observa que la distribucin no es normal.

Los parmetros poblacionales se hallan mediante la distribucin de probabilidades, por
medio de las siguientes frmulas:
= xi P( xi ) =
i =1
x
1
P(x)
x P(x)
x2 P(x)
1
6
1
6
1
6
1
6
2
6
4
6
1
6
3
6
9
6
1
6
4
6
16
6
1
6
5
6
25
6
1
6
6
6
36
6
Totale
s
21
6
91
6
21
= 3.5
6
x P( x )
2
i
i =1
91
3.52 = 1.708
6
b) Caractersticas de la distribucin de las medias muestrales.

El nmero de muestras posibles de tamao dos que se pueden formar, estn dadas por la
combinatoria:
n
6
6!
n!
= =
= 15
=
x (n x )! x ! 2 (4)!2!
Las distintas muestras que se forman, y el clculo de las medias de cada muestra son:
1-2 1-3 1-4 1-5 1-6 2-3 2-4 2-5 2-6 3-4 3-5 3-6 4-5 4-6 5-6
x : 1.5 2.0 2.5 3.0 3.5 2.5 3.0 3.5 4.0 3.5 4.0 4.5 4.5 5.0 5.5
La forma de la distribucin de la primera muestra y el procedimiento del clculo de su media
es:
P(x)
2
1 1
x1 = xi P ( xi ) = 1 + 2 = 1.5
2 2
i =1
1
2
87
1
Todas las muestras tienen la misma forma y sus medias se calculan mediante el mismo
procedimiento.
La tabla de la distribucin de medias muestrales, determinada a partir de las medias de
todas las muestras es:
x = xi P( xi ) =
i =1
P( x ) x P( x ) x 2 P ( x )
1.5
1
15
1.5
15
2.25
15
2.0
1
15
2
15
4
15
2.5
2
15
5
15
12.5
15
3.0
2
15
6
15
18
15
3.5
3
15
10.5
15
36.75
15
4.0
2
15
8
15
32
15
4.5
2
15
9
15
40.5
15
5.0
1
15
5
15
25
15
5.5
1
15
5.5
15
30.25
15
Totale
s
52.5
15
201.25
15
52.5
= 3.5
15
x =
x P( x )
2
i
i =1
2
x
201.25
3.52 = 1.08
15
La grfica de la distribucin es:

P(x)
3
15
2
15
1
15
1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5
c) Comparacin.
Observando la forma de las dos distribuciones podemos concluir lo siguiente:

88
Sin importar la forma de la distribucin de la poblacin (si es normal o no), la distribucin de

las medias muestrales tiende a tener una forma normal.
Observando los parmetros de la dos distribuciones se concluye:
La media poblacional es igual a la media de las medias muestrales.
El error estndar es igual a la desviacin de la poblacin dividida entre la raz del tamao de
muestra.
= x = 3.5
x =
N n 1.708
62
=
= 1.08
*
*
N 1
6 1
n
2
En este caso, como el tamao de la poblacin es finito, se incluye para el clculo del error
estndar el multiplicador de poblacin finita, que ser descrito ms adelante.
5. TEOREMA CENTRAL DEL LMITE

Las principales conclusiones del teorema central del lmite son las siguientes:
La media muestral es igual a la media poblacional prescindiendo del tamao de la
muestra, an cuando la poblacin no sea normal.
Al ir creciendo el tamao de la muestra, la distribucin muestral de la media se
acercar a la normalidad, cualquiera que sea la forma de la distribucin de la
poblacin.
La relacin existente entre la forma de la distribucin de la poblacin y la forma
de la distribucin muestral de la media recibe el nombre de teorema central del
lmite. Este, garantiza que la distribucin muestral de la media se acerque a la
distribucin normal a medida que crece el tamao de la muestra.
La importancia del teorema central del lmite es que nos permite usar el
estadstico muestral para hacer inferencias sobre los parmetros de la poblacin,
sin conocer nada sobre la forma de la distribucin de esa poblacin salvo la
informacin que logremos recoger de la muestra.
Ejemplo.
El siguiente ejemplo aplica las conclusiones del teorema central del lmite.
La distribucin de las ganancias anuales de todos los cajeros de un banco con 5 aos de
experiencia tiene un sesgo negativo. Por estudios anteriores se sabe que la distribucin
tiene una media de 15000 $ al ao y una desviacin de 2000 $. Si se extrae una muestra
aleatoria de 30 cajeros para verificar estos parmetros, cul es la probabilidad de que las
ganancias de los cajeros promedien ms de 15750 $ al ao?
Resolucin.
La distribucin de la poblacin es la siguiente:
89
= 2000
= 15000
x [$]
Como se puede observar la distribucin de la poblacin no es normal. Este hecho no afecta

en nada, puesto que por medio del teorema central del lmite, se sabe que la distribucin de
las medias muestrales ser normal.
x =
x = 15000
2000
= 365.16
30
15750
Determinando la distribucin normal estndar:
z =1
z=
z = 0
0.83
15750 15000
= 2.05
365.16
Calculando el valor de probabilidad para el valor de z respectivo, en la tabla de distribucin

normal estndar:
P( x 15750) = 0.5 0.4798 = 0.0202

Conclusin: Existe un poco ms del 2% de probabilidad de que las ganancias promedio
asciendan a ms de 15750 $ al ao en el grupo de cajeros.
6. TAMAO DE LA MUESTRA Y ERROR ESTNDAR

A medida que disminuye el error estndar, el valor de cualquier media muestral
probablemente se acerque ms al de la media de la poblacin. Conforme decrece el error
estndar, aumenta la precisin con que la media muestral puede emplearse para estimar la
media de la poblacin. Sin embargo, se debe tomar en cuenta que el incremento de la
90
precisin no justifica el incremento adicional en el costo del muestreo. Rara vez conviene
extraer muestras excesivamente grandes.
Ejemplo.
Una empresa quiere determinar el tamao de muestra que tendr que usar para realizar
una encuesta de opinin sobre algunas caractersticas de su producto estrella. Se sabe por
estudios anteriores que la media mensual de consumo de este producto es de 10000
unidades, con una desviacin de 100 unidades.
a) La empresa solo dispone de los fondos suficientes para que el estudio tenga un error
estndar igual a 31.63 Cul debe ser su tamao de muestra?
b) Cul es el tamao de la muestra si la empresa asigna ms dinero y puede bajar el error
a 10?
Resolucin.
El error estndar es:
x =
Despejando el tamao de la muestra:

n=
x
a) Si el error estndar debe ser igual a 31.63, el tamao de la muestra ser:

2
100
n=
= 10
31.63
a) Si el error estndar se reduce a 10, el tamao de la muestra ser:
2
100
n=
= 100
10
7. MULTIPLICADOR DE POBLACIN FINITA.

Para muestras que provienen de poblaciones infinitas o finitas con reposicin el error
estndar es:
x =
Para muestras que provienen de poblaciones finitas, el error estndar es:

91
x =
N n
N 1
donde: N, tamao de la poblacin

n, tamao de la muestra
Se usa el multiplicador si la fraccin de muestra
n
es mayor o igual a 0.05.
N
Ejemplo.
Una cooperativa est constituida por una poblacin de 20 compaas textiles del mismo
tamao, todas las cuales sufren una excesiva rotacin de personal. La desviacin estndar
de la distribucin de la rotacin anual es de 75 empleados. Se muestrea 5 de esas
compaas.
a) Calcule el error estndar.
b) Si la cooperativa crece y se asocian 90 compaas ms, calcule el error estndar, si se
muestrean 5 compaas.
Resolucin.
a) La fraccin
n
5
=
= 0.25 es mayor a 0.05. Por lo tanto el error estndar debe ir con el
N 20
multiplicador de poblacin finita.
x =
b) La fraccin
N n 75
=
N 1
5
20 5
= 33.54(0.888) = 29.8
20 1
n
5
=
= 0.045 es menor a 0.05. Por lo tanto no se usa el multiplicador de
N 110
poblacin finita por ser cercano a 1.
x =
N n 75 110 5
=
= 33.54(0.98) = 32.87
N 1
5 110 1
El valor del error estndar no vara mucho si se incluye o no el multiplicador.
8. RBOL DE DECISIN PARA LAS APLICACIONES DE LA DISTRIBUCIN

NORMAL.
Se muestra aqu un rbol de decisin para resolver problemas donde es necesario usar la
distribucin normal.
92
Tipo de
variable?
Continua
Discreta
Existen
muestras?
Si
No
No
Forma de la
poblacin?
No normal
Normal
Normal
Normal
Tamao de
muestras?
Pequeo
Grande
Cualquiera
No existe
No existe
93
n
0.05
N
n
< 0.05
N
(x 0.5) np
npq
x
x
x =
z=
z=
Z=
No se puede aplicar el
teorema central del
lmite
Distribucin
de las medias
muestrales
Distribucin
normal
poblacional
Aproximacin
normal a la
binomial
RBOL DE DECISIN PARA

LAS APLICACIONES DE LA DISTRIBUCIN NORMAL
x =
x =
N n
N 1
9. ERRORES SISTEMTICOS EN EL MUESTREO

En cualquier investigacin de tipo estadstico, adems del error involuntario que se comete
debido al muestreo, pueden introducirse otro tipo de errores llamados sistemticos (que se
los puede eliminar o minimizar al mximo), que se dividen en dos grupos.
9.1. Primer Grupo: errores de medicin

a) Imputables al objeto.
Si se quiere determinar el peso medio de un grupo de individuos, ste estar influenciado
por la hora en la que se pesaron, la ropa que llevaban puesta, el tiempo desde que se
pesaron, etc.
b) Imputables al mtodo.
Si en el ejemplo anterior se utilizaron distintas balanzas para el pesaje, unas ms precisas
que otras, otras estando mal calibradas, etc.
c) Imputables al observador.
Presentes cuando no se han fijado bien los lmites. Si en el anterior ejemplo se quera saber
tambin si la persona considera que tiene sobrepeso o no, algunas contestarn falsamente
que se consideran estar en buen estado, cuando no es as.
d) Errores de tabulacin y clculo.
Que son los ms frecuentes. Ocurren por fallas de dictado, copiado, escritura, o por fallas
en los dispositivos para guardar la informacin o reproducirla. Ejemplo, si en el ejemplo
anterior una de las balanzas estaba en pulgadas y se hizo la transformacin a kilogramos
con una base de conversin errnea, o se guard los resultados en una planilla de datos, y
para hallar la media se aplic una frmula errnea. Se puede dar el caso que todos los
clculos hayan sido correctos, pero la impresora fall y suministr datos distorsionados.
9.2. Segundo grupo: errores en la obtencin de la muestra

a) Seleccin incorrecta.
En un estudio sobre los ingresos mensuales de obreros bolivianos dependientes, la
inclusin en la muestra de un grupo de obreros independientes (ya que su situacin no est
catalogada de manera definida) podra hacer que la muestra no sea representativa.
b) No respuesta.
Algunas encuestas no fueron llenadas completamente y existe una falta de respuesta. Lo
normal es sustituir esta respuesta incorrectamente, preguntando a un elemento de la
poblacin que no fue seleccionado aleatoriamente o en otros casos, dejarla en blanco.
94
c) Voluntarios.
La cooperacin de voluntarios en cualquier estudio, falsea fcilmente los resultados, ya que
sus costumbres y caractersticas, en general, pueden no ser representativos de toda la
poblacin.
10. ELEMENTOS DE IMPORTANCIA EN LAS ENCUESTAS MUESTRALES

Las diferentes etapas o el procedimiento a seguir en una encuesta por muestreo, son las
siguientes:
1. Establecimiento de los objetivos. Este punto determina todas las etapas posteriores.
2. Definicin de la poblacin. Se debe determinar con un buen grado de precisin quines
o qu componen la poblacin en estudio para definir su tamao. En algunos casos esto
no es fcil. Por ejemplo si se quiere realizar una investigacin de las industrias de un
pas, cabe preguntarse qu empresas estn catalogadas como industrias y cuales no.
3. Determinacin de los datos que se computarn. Es muy frecuente que se recopilen datos
innecesarios, y en cambio se olviden preguntas esenciales, en relacin al objetivo de la
investigacin. Es por eso que la encuesta debe configurarse por un grupo de expertos y
ser revisada minuciosamente antes de aplicarla.
4. Mtodos de cuantificacin. Cuidar de que una respuesta no vare de acuerdo a la forma
en que es formulada y al orden que se le d en la cdula.
5. Eleccin de la unidad de muestreo. En muchos casos un elemento de la poblacin
constituye la unidad del muestreo, pero en otros casos grupos de elementos. Para los
ltimos es necesario cuidar que los elementos estn solo en una unidad el muestreo.
6. Seleccin de la muestra. Existen muchos elementos para decidir el tamao muestral,
pero en todo caso, existe una fuerte relacin con el costo.
7. Organizacin del trabajo en el terreno. Deben tomarse varias medidas de planificacin y
logstica sobre cuestiones administrativas, como ser preparacin y entrenamiento de los
encuestadores, viticos, sueldos, control del llenado de encuestas, tiempo que usarn,
etc.
8. Revisin y publicacin de los resultados. En primer lugar se revisar la informacin
obtenida en cada encuesta para verificar si sta rene las especificaciones adecuadas a
la investigacin, caso contrario se eliminar. Luego se procede a la tabulacin de los
datos, organizacin, descripcin, presentacin, anlisis, toma de decisiones y
publicacin.
9. Informacin futura. Los resultados obtenidos pueden ser archivados, ya que presentan
estimaciones sobre diversas caractersticas de la poblacin que pueden variar en el
95
tiempo, y pueden ser tiles a la hora de comparar con resultados obtenidos por otras
encuestas en el futuro.
EJERCICIOS DE CLASE
1. De una poblacin de 125 elementos, con una media de 105 y una desviacin estndar
de 17, se eligieron 64 elementos.
a) Cul es el error estndar de la media?
b) Cul es la probabilidad: P(107.5 x 109) ?
c) Cul es la probabilidad: P(107.5 x 109) ?
2. Un equipo de salvamento submarino se prepara para explorar un sitio mar adentro frente
a la costa de Florida, donde su hundi una flotilla entera de 45 galeones espaoles. A
partir de registros histricos, el equipo espera que estos buques naufragados generen un
promedio de 225000 $ de ingresos cada uno cuando se exploren, con una desviacin
estndar de 39000 $. El patrocinador del equipo, sin embargo, se muestra escptico y ha
establecido que si no se recuperan los gastos de exploracin, que suman 2.1 millones de
$ con los primeros 9 galeones naufragados, cancelar el resto de la exploracin. Cul
es la probabilidad de que la exploracin contine una vez explorados los 9 primeros
barcos?
3. Food Place, una cadena de 145 supermercados, fue comprada por otra mayor del mismo
rubro que opera a nivel nacional. Antes de que el trato se realice, la cadena mayor quiere
tener alguna seguridad de que Food Place ser redituable. La cadena compradora ha
decidido echar un vistazo a los registros financieros de 36 de las tiendas de Food Place.
El gerente de sta, afirma que las ganancias de cada tienda tienen una distribucin
aproximadamente normal con la misma media y una desviacin estndar de 1200 $. Si la
gerencia de Food Place est en lo correcto, cul es la probabilidad de que la media de
la muestra de las 36 tiendas se encuentre cerca de los 200 $ de la media real?
4. La media del nmero de estudiantes mujeres en cada materia de la impartida en la UPB
es 18 con una desviacin de 8.
a) Se toman al azar 10 materias. Cul es la probabilidad de encontrar 20 o ms
estudiantes mujeres en promedio?. Se requiere del teorema central de lmite para
resolver este inciso?
b) Si se asume que la distribucin poblacional del nmero de estudiantes mujeres en
cada materia en la UPB es normal, hallar la misma probabilidad en una materia
cualquiera. Compare los resultados con el inciso anterior y haga un comentario.
5. El nmero de millas recorridas antes de que cierta clase de llantas empiece a verse
gastada es en promedio , 16.800 millas con una desviacin estndar de 3.300 millas.
Una agencia de arrendamiento de automviles compra 36 de estas llantas para cambiar
las de algunos vehculos y pone cada una en un vehculo diferente.
96
a) Encuentre la probabilidad de que las 36 llantas promedien menos de 16.000 millas

antes de verse gastadas.
b) Encuentre la probabilidad de que las 36 llantas promedien ms de 18.000 millas antes
de verse gastadas.
1. Identifique cada uno de los siguientes mtodos de muestreo:
a) La poblacin de inters est en orden alfabtico. Iniciando con el sptimo apellido,
cada dcimo nombre de ah en adelante se seleccion como elemento de la muestra.
Por tanto, la muestra consta de los nmeros 7, 17, 27, 37, y as sucesivamente.
b) Un distrito extenso se subdividi en 16 reas. Despus 5 de estas reas se
seleccionaron aleatoriamente, y tambin se seleccionaron al azar para ser
entrevistados los residentes de estas 5 regiones.
c) Los ejecutivos se subdividieron en tres grupos: bancarios, industriales y de seguros.
Se tomaron muestras aleatorias de cada uno de estos grupos, y se ponderaron los
resultados muestrales de acuerdo con el nmero en el grupo, en relacin con el total.
2. El Dr. Lambert tiene a cinco estudiantes que realizaron estudios especiales con l este
semestre. Para evaluar el avance de lectura, el doctor aplica un examen de cinco
preguntas con respuestas verdadero/falso. El nmero de respuestas correctas para cada
estudiante se presenta a continuacin.
Estudiante
Torres
Cuevas
Flores
Ramos
Campos
a)
b)
c)
d)
e)
Nmero correcto
4
3
5
3
2
Cuntas muestras de tamao dos son posibles con esta poblacin?

Enliste todas las muestras posibles de tamao dos y calcule las medias muestrales.
Organice las medias muestrales en una distribucin probabilstica.
Calcule la media de las medias muestrales y comprela con la media poblacional.
Compare la forma de la poblacin, con la forma de la distribucin de las medias
muestrales por medio de grficas.
3. Un tcnico de laboratorio de rayos X toma lecturas de su mquina para asegurarse de

que sta se apega a las guas de seguridad federal. Sabe que la desviacin estndar de
la cantidad de radiacin emitida por la mquina es de 150 milirems, pero desea tomar
lecturas hasta que el error estndar de la distribucin de muestreo no sea mayor de 25
milirems. Cuntas lecturas debe tomar?
4. Dada una poblacin de tamao N = 80 con una media de 22 y una desviacin estndar
de 3.2, cul es la probabilidad de que una muestra de 25 tenga una media de entre 21
y 23.5?
97
5. Al revisar las ventas habidas desde la apertura de un restaurante hace seis meses, el
dueo encontr que la cuenta promedio por pareja era de 26$, con una desviacin
estndar de 5.65$. Qu tan grande tendra que ser una muestra de clientes para que la
probabilidad fuera de al menos 95.44% de que el costo medio por comida para la
muestra cayera entre 25$ y 27$?
6. Low-Cal Food Company usa estimaciones del nivel de actividad de los diversos
segmentos del mercado para determinar la composicin nutricional de sus productos de
comida diettica. Low-Cal est considerando la introduccin de una comida diettica
lquida para mujeres maduras, puesto que este segmento tiene problemas especiales de
peso no resueltos por la comida diettica de su competidor. Para determinar el contenido
deseado de caloras de este nuevo producto, la doctora Nell Watson, investigadora de la
compaa, condujo pruebas sobre una muestra de mujeres para determinar el consumo
de caloras por da. Sus resultados mostraron que el nmero promedio de caloras
consumidas diariamente por las mujeres mayores es de 1328, con una desviacin
estndar de 275. La doctora Watson estima que los beneficios que obtiene con un
tamao de muestra de 25 costaran 1720$. Espera que al reducir el error estndar a la
mitad de su valor actual se duplique el beneficio. Si el costo es de 16$ por cada mujer de
la muestra, debera Watson reducir su error estndar?
7. La HAL Corporation fabrica grandes sistemas de cmputo y siempre se ha ufanado de la
confiabilidad de sus unidades de procesamiento central del sistema 777. De hecho, la
experiencia pasada ha mostrado que el tiempo improductivo mensual de las CPU del
sistema 777 promedia 41 minutos, con una desviacin estndar de 8 minutos. El centro
de cmputo de una gran universidad estatal mantiene una instalacin formada por 6
CPUs del sistema 777. James Kitchen, el director del centro, siente que se proporciona
un nivel satisfactorio de servicio a la comunidad universitaria si el tiempo improductivo
promedio de los 6 CPU es menor de 50 minutos al mes. Dado cualquier mes, cul es la
probabilidad de que Kitchen se sienta satisfecho con el nivel de servicio?
98

PROBLEMAS DIVERSOS SOBRE MUESTREO
1. La media de mujeres en cada materia de la impartida en la UPB es 18 con una
desviacin de 8.
a) Se toman al azar 10 materias Cual es la probabilidad de encontrar 20 o ms
mujeres en promedio?. se requiere del teorema central de lmite para resolver este
inciso?.
b) Si se asume que la distribucin poblacional es normal Hallar la misma probabilidad
en una materia cualquiera? Compare los resultados con el inciso anterior y haga un
comentario?.
2. Cuantas muestras de tamao 2 es posible obtener de una poblacin compuesta por los
elementos: a, b, c, d, e, f, g y h. Cual es la probabilidad de que la muestra incluya al
elemento representado por la letra h?
3. Con base en sus volmenes de ventas, 18 de las tiendas de ropa del shoping Soffer se
clasifican como pequeas y las otras 6 como grandes. Cuantas muestras estratificadas
diferentes de 4 de estas tiendas de ropa podemos seleccionar, si:
a) se debe distribuir la mitad de la muestra a cada estrato;
b) la distribucin debe ser proporcional?
4. Suponga que usted es un investigador que ha sido contratado por la empresa cafetalera
Columbian Cofee Corporation. La empresa est interesada en determinar el porcentaje
de consumo de caf por casa en Estados Unidos. Cree que el consumo anual por casa
est normalmente distribuido con una media desconocida y una desviacin estndar
de aproximadamente 1.25 libras.
a) Si usted toma una muestra de 36 casas y registra su consumo de caf durante un
ao, cul es la probabilidad de que la media de la muestra est en el intervalo de
media libra de la media de la poblacin?.
b) Qu tan grande debe ser la muestra que usted tome con el fin de estar 98% seguro
de que la media de la muestra est en el intervalo de media libra de la media de la
poblacin?.
5. Barbara Johnson, gerente de produccin de alarmas de humo de Southern Electric, est
preocupada por las quejas que ha recibido recientemente de grupos de consumidores
acerca de la corta vida del dispositivo. Ha decidido recabar la evidencia para
99
contrarrestar las quejas probando una muestra de alarmas. En cuanto a la prueba su

costo ser de 4$ por unidad en la muestra. La precisin es deseable para presentar
evidencia estadstica persuasiva a los grupos de consumidores, de tal manera que
Johnson considera que los beneficios que recibir para los diversos tamaos de
muestras son determinados por la formula: Beneficios =
5294
. Si la seorita Johnson
x
desea aumentar su muestra hasta que el costo sea igual al beneficio, cuantas unidades
debe muestrear?. La desviacin estndar poblacional es 265.
6. Usted, como administrador de personal de una pequea compaa recogi la siguiente
informacin de los das de ausentismo por ao de la poblacin de sus empleados:
1, 3, 6, 7, 7, 12
a) Suponiendo que se muestrea sin reposicin, seleccione todas la muestras posibles de
tamao 3 y establezca la distribucin muestral de la media.
b) Calcule los parmetros de la poblacin y los estadsticos de la distribucin muestral de
la media. Qu conclusin puede sacar al compararlas?.
7. Ron Blake, director de recursos humanos de una empresa, desea estudiar el nivel de
precisin de las 70 secretarias de su compaa. Anteriormente el nmero diario de
errores de procesamiento de palabras cometido por cada secretaria haba sido
aproximadamente normal con un promedio de 18 y una desviacin estndar de 4. El
seor Blake inspecciona actualmente a 15 secretarias elegidas aleatoriamente. Cul es
la probabilidad de que el nmero promedio de errores por secretaria sea:
a) Inferior a 15.5.
b) Mayor de 20.
100
PARTE III
INFERENCIA ESTADSTICA
CONCEPTO.
Es la rama de la Estadstica que se ocupa del uso de los conceptos de la probabilidad para
afrontar la incertidumbre en la toma de decisiones. Los conceptos bsicos de las
distribuciones muestrales, sirven como base para la estadstica inferencial. Esta comprende
dos reas:
La estimacin, que consiste en estimar los valores de los parmetros de la poblacin
bajo estudio.
Las pruebas de hiptesis, que constituyen el proceso de aceptar o rechazar
declaraciones o supuestos, generalmente relacionadas con parmetros poblacionales.
Estas pruebas se subdividen a su vez en:
Pruebas paramtricas, si lo que se desea es probar una hiptesis acerca de un
parmetro poblacional en estudio.
Pruebas no paramtricas, si lo que se desea es probar una hiptesis en las cual no se
requiere el uso de un parmetro poblacional.
APLICACIN.
El investigador puede preguntarse: Cundo se usa la estimacin o la prueba de hiptesis?
Para ello, se resume a continuacin los tipos de investigaciones que se pueden realizar.
Investigacin exploratoria.
Se utiliza para los siguientes propsitos:
Formular un problema o definirlo de manera ms precisa.

Identificar cursos alternativos de accin.
Desarrollar hiptesis.
Aislar variables y relaciones clave para un anlisis posterior.
Ganar comprensin para desarrollar un enfoque del problema.
Establecer prioridades para una investigacin posterior.
Se caracteriza por la versatilidad y flexibilidad de sus mtodos. No se incluyen planes de

muestreo probabilsticos ni cuestionarios estructurados. Algunos son:
Anlisis con los expertos.

Estudios piloto.
Anlisis de datos secundarios.
101
Investigacin cualitativa.
Con la informacin recopilada en una investigacin exploratoria, generalmente se aplica

una investigacin concluyente.
Investigacin concluyente.
Es ms formal y estructurada que la exploratoria. Se realiza un muestreo probabilstico para
que los datos estn sujetos a un anlisis cuantitativo. El objetivo es:
Generar datos concluyentes, que son auxiliares para la toma de decisiones en la

determinacin, evaluacin y seleccin del mejor curso de accin a seguir en una
situacin determinada.
Este tipo de investigacin se subdivide en dos tipos:
Descriptivos. Su objetivo es describir las caractersticas o funciones de una determinada

situacin. Aqu se usa la estimacin estadstica.
Causales. Su objetivo es determinar las relaciones de causa y efecto sobre una
determinada situacin, a partir de la investigacin descriptiva. Aqu se usan las pruebas
de hiptesis.
ESTADSTICA PARAMTRICA Y NO PARAMTRICA.

En los tres captulos siguientes (Captulos 4, 5 y 6) se revisarn los mtodos llamados
paramtricos de la estadstica inferencial y en el captulo 7 los mtodos no parmetricos.
Cabe recalcar aqu que la diferencia fundamental entre estos dos tipos de pruebas radica
en que en los primeros se debe realizar la suposicin de que las muestras obtenidas por el
proceso de muestreo aleatorio deben haber sido extradas de una poblacin que se
comporta de forma normal, en cambio en los mtodos no paramtricos no se requiere
realizar ninguna suposicin acerca de la forma poblacional.
En todo caso, el investigador debe tomar en cuenta que cualquier problema inferencial que
se le presente puede ser resuelto mediante una prueba paramtrica o usando una prueba
no parmetrica, segn cumpla la suposicin o no de normalidad de la poblacin.
102
CAPTULO 4
ESTIMACIN ESTADSTICA
1. INTRODUCCIN
Todo el mundo hace estimaciones. Cuando queremos cruzar la calle, estimamos la
velocidad del auto, la distancia entre l y nosotros y nuestra velocidad. Luego de efectuar
estas estimaciones tan rpidas, decidimos si debemos esperar o cruzar la calle. Los
gerentes hacen estimaciones rpidas. El resultado puede afectar a sus empresas. Todas
las personas efectan estimaciones sin preocuparse si son cientficas, con la esperanza de
que sus proyecciones guarden semejanza razonable con los resultados.
Cuando tomamos decisiones nos vemos obligados a veces a confiar en un simple
presentimiento. Pero en otras ocasiones, en las cuales disponemos de informacin y
aplicamos los conceptos estadsticos, podemos proceder de una manera ms cientfica.
2. TIPOS DE ESTIMACIONES
Un estimador es un estadstico muestral con el cual se estima un parmetro de la poblacin.
Una estimacin es un valor especfico observado de un estadstico.
En la vida real se desconocen los valores de los parmetros de las poblaciones que se
estudian. Se pretende entonces estimar estos valores que son de inters en nuestro
estudio. Para esto puede hacerse una:
Estimacin puntual, que es un valor nico que pretende estimar el valor del parmetro
poblacional estudiado.
Ej: El promedio de ventas mensuales de una empresa es de 200 unidades.
Dos estimadores puntuales que se utilizan con frecuencia en estadstica son: la media
muestral:
x=
1 n
xi
n i =1
como estimador de la media poblacional, y la varianza muestral:

n
( x x )
2
i
S2 =
i =1
n 1
n x2
i =1
n 1
como estimador de la varianza poblacional.

Estimacin por intervalo, que es un intervalo numrico en donde se pretende encontrar
el valor del parmetro bajo estudio.
Ej: El promedio de ventas mensuales de una empresa est entre 180 y 205 unidades.
103
3. CRITERIOS DE UN BUEN ESTIMADOR

1. Imparcialidad. Un estimador es imparcial o insesgado cuando, en promedio, los valores
del estimador coinciden con el verdadero valor del parmetro bajo estudio.
2. Consistencia o congruencia. Un estimador es congruente del parmetro de una
poblacin si, al aumentar el tamao de la muestra, se logra una seguridad casi absoluta
de que el valor del estadstico se acerca mucho al valor del parmetro de la poblacin.
3. Eficiencia. La eficiencia designa el tamao del error estndar del estadstico. Cuanto
menor sea, el estimador es ms eficiente.
4. Suficiencia. Un estimador es suficiente si utiliza la informacin contenida en la muestra,
al punto que ningn otro estimador podra extraer de esta ltima ms informacin
referente al parmetro de la poblacin que va a ser estimado.
La media muestral es el estimador insesgado, congruente, eficiente y suficiente de la media
poblacional.
4. ESTIMACIN POR INTERVALOS

Una desventaja de los estimadores puntuales, es que no se sabe que tan cerca se
encuentran del valor del parmetro que estiman. No se tiene ninguna medida que indique
que tan precisa es nuestra estimacin.
Con el fin de obtener alguna medida de la precisin en una estimacin, se utiliza la
estimacin por intervalos. El objetivo es determinar un intervalo de valores (intervalo de
confianza), el cual incluir el valor del parmetro con una probabilidad prefijada (1 - ),
donde , es la probabilidad de que el intervalo no contenga al verdadero valor del
parmetro, y es denominado nivel de significancia o riesgo. Por lo tanto, es deseable que
estos valores sean los ms pequeos posibles: 0.01, 0.05, 0.1, etc.
Los intervalos de confianza de uso frecuente pueden ser construidos utilizando el mtodo
del pivote.
4.1. Intervalos de confianza para la estimacin de la media poblacional

4.1.1. Intervalo de confianza para estimar la media de una poblacin normal, con
varianza conocida, sin importar el tamao de la muestra
De una poblacin normal, de la cual se quiere estimar la media, pero por alguna razn se
conoce su desviacin estndar, se extrae una muestra aleatoria sin importar su tamao.
La variable tipificada, para una poblacin infinita es:
104
z=
sabiendo que tiene una distribucin normal. Entonces:
z =1
z = 0
El intervalo de confianza donde se pretende hallar la media de la poblacin est

comprendido entre z y z y 1 indica la probabilidad de que la media poblacional se
2
encuentre en ese intervalo:
P z < z < z = 1
2
Sustituyendo z por su ecuacin:
x
P z <
< z = 1
2
Multiplicando la desigualdad simultnea por el error estndar:
P z
< x < z
= 1
2
2
n
n
donde la cantidad e = z
2
se conoce como error mximo de estimacin de la media.

n
Por ltimo despejando la media de la desigualdad simultnea, se tiene el intervalo deseado:
P x z
< < x + z
= 1
2
2
n
n
La interpretacin del intervalo es la siguiente: Existe una probabilidad de 1 de que la

media poblacional se halle entre x z
2
y x + z
.
2
n
n
Ejemplo.
105
Como investigador de mercados, de una gran compaa de aparatos electrnicos de

consumo, quisiera estudiar las costumbres de ver televisin de los residentes en una ciudad
pequea en particular. Por datos histricos se sabe que la desviacin estndar es de 3.8
horas y que la poblacin se distribuye normalmente. Para el efecto seleccion una muestra
aleatoria de 40 entrevistados y a cada uno de ellos les dio instrucciones de mantener un
registro detallado de todos los programas de televisin que vieran en determinada semana.
Los resultados fueron los siguientes: Cantidad de televisin vista en la semana:
Media: 15.3 horas. Estime un intervalo de confianza del 95% para la cantidad
promedio de televisin vista cada semana en esta ciudad.
Resolucin.
Primero se verifica que el problema cumpla con los requisitos para usar el intervalo
anteriormente construido:
Poblacin normal, la varianza de la poblacin es conocida y el tamao de muestra, que

es 40, en este caso no interesa.
En segundo lugar, se hallan los valores crticos de z, utilizando la tabla normal estndar. Un
grfico en este caso es de mucha ayuda:
z =1
= 0.025
2
1 = 0.95
z = 1.96
2
= 0.025
2
z = 1.96
2
Una vez obtenidos todos los datos, se reemplazan el en intervalo de confianza:
3.8
3.8
< < 15.3 + 1.96

P 15.3 1.96
= 95%
40
40
P (14.12 < < 16.48 ) = 95%

Conclusin: Hay una probabilidad del 95% de que la cantidad media semanal de los
habitantes de esa pequea ciudad est entre 14.12 y 16.48 horas.
4.1.2. Intervalo de confianza para estimar la media de una poblacin normal, con
varianza desconocida, y tamao muestral menor a 30.
De una poblacin normal con media y varianza desconocida, es extrae una muestra
aleatoria de tamao menor a 30 (observaciones independientes). Se sabe que:
106
x
t=
s
n
(x x )
s=
i =1
n 1
tiene distribucin t de Student con n-1 grados de libertad, por lo que:
t , n1
t ,n1
P t , n 1 < t < t ,n 1 = 1
2
Utilizando el mtodo del pivote al igual que en el caso anterior, se obtiene el intervalo de
confianza deseado:
s
s
P x t , n 1
< < x + t , n 1
= 1
2
2
n
n
La interpretacin del intervalo es la siguiente: Existe una probabilidad de 1 de que la

media poblacional se halle entre x t , n 1
2
s
s
y x + t ,n 1
2
n
n
Ejemplo.
Una empresa fabrica focos que tienen una duracin distribuida aproximadamente en forma
normal. Si una muestra de 25 focos tiene una vida promedio de 780 horas, con una
desviacin de 40 horas, obtenga un intervalo de confianza de 90% para la media de la
poblacin de todos los focos producidos por esa empresa.
El paso 1 es siempre verificar que los datos se ajusten al intervalo apropiado:
Poblacin normal, no se conoce la desviacin de la poblacin y el tamao de muestra

es menor a 30.
Luego, se hallan los valores crticos de t, mediante la distribucin t de Student (sta se

puede hallar en el anexo de tablas estadsticas al final del texto) y un grfico adecuado,
para definir el valor de :
107
0.05
0.90
t0.05,24 = 1.7109
0.05
t0.05,24 = 1.7109
Por ltimo se halla el intervalo, reemplazando la informacin obtenida:
40
40
P 780 1.7109
< t < 780 + 1.7109
= 90%
25
25
P ( 766.31 < t < 793.69 ) = 90%

Conclusin: Existe una probabilidad del 90% de que la duracin media de los focos
producidos por esta empresa estn entre 766.31 y 793.69 horas.
4.1.3. Intervalo de confianza para estimar la media para cualquier caso que se
presente.
Se ha deducido los dos intervalos de confianza que ms se usan. Sin embargo, existen
muchas combinaciones, ya que el intervalo depende de varias condiciones:
Si la muestra proviene de una poblacin normal o no.

Si se conoce la varianza de la poblacin o no.
Si el tamao de la muestra es menor a 30 o mayor o igual que ese valor.
A continuacin se presentan todos los casos que pueden presentarse en un diagrama de

rbol. El estudiante deber usarlo cuando tenga que resolver cualquier problema para la
estimacin de la media poblacional.
108
Se conoce la varianza de la
poblacin?
Forma de la
poblacin
No Normal
Normal
n>50
n<20
n>20
n<30
n>30
Grande
Pequeo
Grande
Pequeo
Grande
Cualquier n
Pequeo
n<50
Tamao de la
muestra?
No
Si
No
Si
109
t ,n 1
x+
) = 1 -
) = 1 -
K2
) = 1 -
) = 1 -
) = 1 -
,n1 *
) = 1 -
x + Z *
2
x + Z *
2
x + Z *
2
x + Z *
2
x+ K
No hay estimacin por intervalo general conocida.
P = (x - Z *
2
P = (x - K
P = (x - Z *
2
P = (x -
P = (x - Z *
2
P = (x - Z *
2
Utilice esta estimacin por intervalo:
DE LA MEDIA DE LA POBLACIN
ARBOL DE DECISIN PARA ESTIMACIN DE INTERVALOS
4.2. Clculo del tamao muestral, para la estimacin de la media poblacional

4.2.1. Clculo del tamao de la muestra, dado un error en la estimacin de la media,
con varianza conocida.
Para poblacin infinita.
Al realizar un estudio de mercado es imprescindible determinar el tamao de la muestra, tal
que los intervalos que se vayan a calcular puedan inferirse a la poblacin con un nivel de
seguridad prefijado por el investigador.
Para realizar este objetivo, se debe recordar que el error mximo que se puede cometer en
la estimacin de la media es:
e = z
2
Observando la ecuacin, se concluye que este error depende:
Del nivel de confianza fijado.

De la desviacin estndar de la poblacin.
Del tamao muestral.
Entonces, el mnimo tamao de muestra para no exceder un error fijado, tomando en

cuenta una poblacin infinita, vendr dado por:

n = z
2 e
Para poblacin finita.

Si se estima la media de una poblacin finita, el error en la estimacin est ponderado por
el factor de poblacin finita:
e = z
2
N n
N 1
Despejando n, se tiene:
2
N n
n = z
2 e N 1
El tamao de muestra cuando la poblacin es infinita es:

n0 = z
2 e
110
Reemplazando esta ecuacin en el tamao de muestra para poblacin finita se tiene:
N n
n = n0
N 1
Despejando n, se obtiene la ecuacin para determinar el tamao de muestra de una
poblacin finita:
n=
n0 N
n0 + ( N 1)
Si esta ecuacin se traduce en trminos de las variables originales, se tiene:
n=
z 2 2 N
z 2 2 + e 2 ( N 1)
Ejemplo.
Food Tiger, una tienda local, vende bolsas de plstico para basura y ha recibido unas
cuantas quejas con respecto a la resistencia de tales bolsas. Parece ser que las bolsas que
se venden en la tienda son menos resistentes que las que vende su competidor Food
Lyon y en consecuencia, se rompen ms a menudo. Como gerente encargado de
adquisiciones, usted est interesado en determinar el peso mximo promedio que puede
resistir una de las bolsas para basura sin que se rompa. Si la desviacin estndar del peso
lmite que puede aguantar una bolsa es de 1.2 kg, determine el nmero de bolsas que
deben ser probadas con el fin de que usted tenga una certeza del 95% de que el peso
lmite promedio est dentro de 0.5 kg del promedio real.
a) Si se considera una poblacin infinita.
b) Si el tamao de la poblacin de bolsas que se venden al ao es de 10000.
Resolucin.
a) Reemplazando todos los datos en la ecuacin para poblacin infinita y sabiendo que el
valor de z para una probabilidad de confianza del 95% es de 1.96, se tiene:
2
1.2
n0 = 1.96
= 22
0.5
Conclusin: Debe ser probada la resistencia al peso de 22 bolsas para que se tenga una
certeza del 95% de que el peso lmite promedio est dentro de 0.5 kg. Del peso promedio
real.
b) Si la poblacin es finita, se tiene:
111
n=
1.9621.2210000
= 22
1.96 21.22 + 0.52 (10000 1)
Conclusin: Se observa que el tamao de la muestra es igual si se considera poblacin

finita o infinita. Esto se debe a que la fraccin de muestra:
n
22
=
= 0.0022 es menor a
N 10000
0.05 y por lo tanto no se deba considerar el factor de poblacin finita.

Ejemplo.
Usted muestre el nmero adecuado de bolsas, de acuerdo a la estimacin que realiz
anteriormente, y encontr que la media muestral del peso que resisten las bolsas fue de 10
kg. La competencia afirma que el peso medio que soportan sus bolsas es de 12 kg.
Determine un intervalo de confianza de 98% para la media del peso que resisten las bolsas
de su tienda e indique si la competencia vende mejores bolsas.
Resolucin.
Como es un problema para la estimacin de la media poblacional, se deber usar el rbol
de decisin respectivo, dado en la pgina 23.
Como no se conoce que el peso que resisten las bolsas sea normal, si se conoce la
varianza de la poblacin y el tamao de muestra determinado era mayor a 20, entonces
se elige el siguiente intervalo de confianza:
P x z
< < x + z
= 1
2
2
n
n
Una vez elegido el intervalo apropiado, se obtienen todos los datos pertinentes, por medio
de la grfica:
= 0.01
2
1 = 0.98
z = 2.33
2
= 0.01
2
z = 2.33
2
Reemplazando los datos en el intervalo:
1.2
1.2
P 10 2.33
< < 10 + 2.33
= 98%
22
22
P ( 9.4 < < 10.6 ) = 98%

Conclusin: Se puede afirmar que la competencia vende mejores bolsas que los que se
venden en Food Tiger.
112
4.2.2. Clculo del tamao de la muestra, dado un error en la estimacin de la media,

con varianza desconocida.
En pginas anteriores se supuso que la desviacin estndar de la poblacin era conocida.
Sin embargo, esto no ocurre en la mayora de los casos. En la vida real, ser necesario
estimar esta desviacin a partir de informacin muestral. Por lo tanto, el error mximo que
se puede cometer al estimar la media de una poblacin con varianza desconocida es:
e = t , np 1
2
s
n
donde: np es el tamao de la muestra piloto, que se utiliz para estimar s.

Despejando n de esta ecuacin, se obtiene el tamao de muestra para poblaciones
infinitas:
n = t , n p 1
e
2
Para obtener la ecuacin para el tamao muestral considerando poblaciones finitas, se

realiza el procedimiento anterior presentado cuando se conoca la varianza poblacional.
Entonces se obtiene:
n=
t 2s2 N
t 2 s 2 + e 2 ( N 1)
Ejemplo.
Cul debe ser el tamao muestral si se quiere realizar una investigacin para estimar el
precio promedio en el mercado de calculadoras cientficas no programables, conociendo
que al realizar una prueba piloto de n=15, la desviacin muestral fue de 10 $ y no se quiere
cometer un error mayor a 2 $, con una probabilidad de 95%?
a) Si se considera poblacin infinita.
b) Si el tamao de la poblacin que compra este tipo de calculadoras por ao en una ciudad
especfica es de 2000?
Resolucin.
113
a) Conociendo que si la certeza de confianza es del 95%, el valor de t0.025,14 es de 2.145, el

tamao muestral ser de:
2
10
n = 2.145 = 115
2
b) si se considera una poblacin de 2000 calculadoras:
n=
2.145210 2 (2000)
= 109
2.145210 2 + 22 (2000 1)
Conclusin: Si se considera una poblacin infinita, se debern realizar 115 encuestas. Si se

considera que la poblacin tienen 2000 compradores, se debern realizar un muestreo de
tamao 109.
4.2.3. rbol de decisin para calcular el tamao muestral.
El lector puede usar el rbol de decisin siguiente para calcular el tamao de una muestra,
que presenta todos los casos que pueden darse, a la hora de realizar una investigacin. El
caso del clculo de la muestra para la estimacin de la proporcin de una poblacin est
descrito ms adelante.
114
Parmetro a
estimar?
Proporcin
Media
Varianza
conocida?
No importa
No
Si
115
Tamao de
muestra piloto
conocido?
No importa
Si
No
No importa
Tamao de la
Poblacin?
Finito
Infinito
Finito
Infinito
Finito
Infinito
Finito
Infinito
DEL TAMAO DE MUESTRA
RBOL DE DECISIN PARA EL CLCULO
pqz 2 N
n=
pqz 2 + e 2 ( N 1)
z
n0 = p (1 p ) 2
e
t 2s2 N
n= 2 2 2
t s + e ( N 1)
z 2 s2 N
z 2 s 2 + e 2 ( N 1)
n0 = t ,n p 1
e
2
n=
z 2 2 N
z 2 2 + e 2 ( N 1)
s
n0 = z
2 e
n=

n0 = z
2 e
4.3. Intervalos de confianza para la estimacin de la diferencia de medias

4.3.1. Intervalo de confianza para estimar la diferencia de medias de dos poblaciones
normales, con varianzas conocidas, y tamaos muestrales cualesquiera.
Se considera ahora la manera de realizar una estimacin para comparar las medias de dos
poblaciones normales. Esta comparacin se la realiza mediante la diferencia.
Se supondrn dos poblaciones normales, cuyas medias 1 y 2 son desconocidas, pero
sus varianzas 12 y 22 son conocidas. Para realizar la estimacin de la diferencia de
medias, se toman muestras n1 y n2 de las dos poblaciones y se obtienen datos de las
medias muestrales x1 y x2 . Entonces la variable tipificada es:
z=
( x1 x2 ) (1 2 )
12 22
+
n1 n2
siguiendo una distribucin normal:
z =1
2
z
z = 0
Con un intervalo de confianza:
P z < z < z = 1
2
Si se reemplaza z por su ecuacin y se despeja la diferencia de medias, el intervalo que se

quiere obtener ser:
12 22
12 22
P ( x1 x2 ) z
+
< 1 2 < ( x1 x2 ) + z
+
= 1
2
2
n
n
n
n
1
2
1
2
Ejemplo.
Usted desea investigar si en promedio el sueldo del hombre excede en ms de 20 $ por
semana al de la mujer en su compaa. Segn datos histricos las desviaciones estndar
para los sueldos han sido de 15.6 $ para los hombres y 18.20 $ para las mujeres. Si los
datos muestrales revelan que 20 hombres ganan en promedio 292.50 $ a la semana,
mientras que 20 mujeres perciben en promedio 266.10 $ por semana, qu puede
116
concluirse con una certeza del 90%? Se considera que las poblaciones son
aproximadamente normales.
Resolucin.
Se verifica que las condiciones del problema se ajusten al tipo de intervalo que se est
considerando:
Ambas poblaciones son normales y se conocen sus desviaciones poblacionales.
Con la ayuda de un grfico se obtienen los valores crticos de z:
0.05
0.05
0.9
z0.05 = 1.64
z0.05 = 1.64
Reemplazando en la ecuacin del intervalo:
15.62 18.2 2
15.62 18.2 2
+
< 1 2 < (292.5 266.1) + 1.64
+
P (292.5 266.1) 1.64
= 90%
60
60
60
60
P ( 21.31 < 1 2 < 31.49 ) = 90%

Conclusin: Se comprueba que el sueldo promedio del hombre excede en ms de 20 $ al
sueldo promedio de la mujer en esta compaa.
normales, con varianzas desconocidas, pero iguales y tamaos muestrales
menores a 30.
Se analiza dos poblaciones normales, con medias y varianzas desconocidas, pero stas
ltimas son iguales.
Bajo estos supuestos, el estadstico:
t=
( x1 x2 ) ( 1 2 )
1 1
+
S
n1 n2
donde
S=
(n1 1) s12 + (n2 1)s22

n1 + n2 2
sigue una distribucin t de Student con = n1 + n2 2 grados de libertad.

Utilizando el mtodo del pivote, se llega a determinar el intervalo requerido:
117

1 1
1 1
P ( x1 x2 ) t , S
+
< 1 2 < ( x1 x2 ) + t , S
+
2
2
n
n
n
n2
1
2
1
= 1
Ejemplo.
Los siguientes datos son el nmero de ventas que una muestra de 9 vendedores de
productos qumicos en La Paz y una muestra de 6 vendedores en Cochabamba realizaron
en cierto perodo fijo.
La Paz:
Cochabamba:
59
50
68
36
44
62
71
52
63
70
46
41
69
54
48
Segn registros de la compaa, se sabe que las poblaciones muestreadas pueden

aproximarse con distribuciones normales que tienen la misma varianza. Los vendedores
paceos creen que superaron el promedio de ventas de los cochabambinos, en ese
perodo, en ms de 25. Hallar un intervalo de confianza del 99% para la diferencia del
nmero medio de ventas y diga si la afirmacin de los vendedores paceos es verdadera o
no.
Resolucin.
Se verifica si los datos del problema se ajustan al intervalo que se est estudiando:
Las dos poblaciones son normales, con varianzas desconocidas pero iguales y los dos
tamaos de muestra son menores a 30.
Luego, con los datos muestrales se hallan los estadsticos requeridos:

Estadstico
Media
Varianza
Tamao
La Paz
58
109
9
Cochabamba
51.83
160.97
6
Se hallan los valores crticos de t:
0.99
0.005
t0.005,13 = 3.012
0.005
t0.005,13 = 3.012
S=
(9 1)109 + (6 1)160.97
= 11.36
9+62
118

1 1
1 1
P (58 51.83) 3.012(11.36) + < 1 2 < (58 51.83) + 3.012(11.36) + = 99%
9 6
9 6
P (11.86 < 1 2 < 24.20 ) = 99%

Conclusin: Los vendedores paceos no pudieron superar el promedio de ventas de los
vendedores cochabambinos en ms de 25 unidades.
normales, con varianzas desconocidas y no necesariamente iguales y tamaos
muestrales menores a 30.
En la vida real, muy pocas veces se puede asumir que las varianzas de dos poblaciones
son iguales, a no ser que se pueda probar esta afirmacin mediante pruebas previas. Por lo
tanto, si es que se considera que las dos varianzas no sern iguales se tiene que el
estadstico de prueba, con una distribucin t de Student y con los siguientes grados de
libertad dados es:
2
t=
s12 s22
+
n n
= 12 2 2 2
s12 s22

n1 + n2
n1 + 1 n2 + 1
( x1 x2 ) ( 1 2 )
s12 s22
+
n1 n2
El intervalo adecuado para este caso es el siguiente:
P ( x1 x2 ) t ,
2
s12 s22
+
< 1 2 < ( x1 x2 ) + t ,
2
n1 n2
s12 s22
+ = 1
n1 n2
Ejemplo.
Se estudian dos frmulas para obtener la resistencia de un plstico utilizado en la
fabricacin de juguetes. El experto industrial afirma que no hay diferencia significativa en
las resistencias promedio que dan cada una de las frmulas. Se duda de su afirmacin, y
se experimenta, ya que la frmula 1 es ms cara, y segn la bibliografa deba sobrepasar
la resistencia de la frmula 2 en 10. Se obtuvo entonces la siguiente informacin muestral:
Estadstico
Media
Varianza
Tamao
Frmula 1
47.71
11.57
7
Frmula 2
45.42
9.95
7
Determine mediante un intervalo de confianza del 95% si existe diferencia significativa entre
las dos frmulas.
Resolucin.
119
Aqu se supone que las poblaciones son normales, las varianzas son desconocidas y no
necesariamente iguales y los tamaos de muestra son menores a 30.
Se determinan primero los grados de libertad y luego los valores crticos de t:

2
11.57 + 9.95
=
2 = 14
2
2
11.57 9.95
7 7
8
8
0.025
t0.025,14 = 2.145
0.95
0.025
t0.025,14 = 2.145
Reemplazando todos los datos en el intervalo:
11.57 9.95
11.57 9.95
+
< 1 2 < (47.71 45.42) + 2.145
+
P (47.71 45.42) 2.145
= 90%
7
7
7
7
P ( 4.30 < 1 2 < 8.88 ) = 90%

Conclusin: El experto estaba en lo cierto. Las resistencias que otorgan de las dos frmulas
no son significativamente diferentes.
normales, si las muestras son dependientes (datos pareados).
Los tres casos anteriores se aplican cuando las muestras son independientes, es decir que
los datos de una muestra no tienen ninguna relacin de dependencia con los datos de la
otra. Ahora se ver el caso en que los datos de las muestras tienen relacin pareada. Esto
se da cuando se realizan experimentos llamados antes y despus. Lgicamente las
muestras debern ser del mismo tamao.
Para manejar datos de esta clase se trabaja con las diferencias (con signo) de los datos
apareados. El estadstico de prueba para tamaos de muestra pequeos (siempre se
supondr que las muestras provienen de poblaciones con varianzas iguales) es el siguiente:
120
(x1 x 2 ) (1 2 )
t=
(x
x 2 ) 2 n(x1 x 2 ) 2
i =1
n 1
El intervalo construido a partir de este estadstico es el siguiente:
P ( x1 x2 ) t ,
2
(x x )
1
i =1
(x x )
1
< 1 2 < ( x1 x2 ) + t ,
n(n 1)
n( x1 x2 ) 2
= 1
n(n 1)
n( x1 x2 ) 2
i =1
Un intervalo alternativo al anterior y ms sencillo de hallar, es el siguiente:
s
s
< < x + t , n 1
P x t , n 1
= 1
2
2
n
n
si se considera que no se tienen dos muestras sino slo una, compuesta por las diferencias
de los valores apareados.
Ejemplo.
Las siguientes son las prdidas semanales de horas/hombre como consecuencia de
accidentes en diez plantas industriales antes y despus de instaurar cierto programa de
seguridad.
Antes
Despu
s
45
36
73
60
46
44
124
119
33
35
57
51
83
77
34
29
26
24
17
11
Use el la probabilidad de confianza de 0.95 para probar si el programa de seguridad fue

efectivo.
Resolucin.
Se hallan los estadsticos muestrales de la diferencia de valores antes y despus:
Dif.
13
-2
x = 5.2
s = 4.08
Se determinan los valores crticos, mediante la distribucin t:
0.025
0.95
0.025
121
t0.025,14 = 2.262
t0.025,14 = 2.262
Se reemplazan todos los valores en el intervalo:
4.08
4.08
< < 5.2 + 2.262

P 5.2 2.262
= 95%
10
10
P ( 2.28 < < 8.12 ) = 95%

Conclusin: Como el intervalo muestra la diferencia entre las horas perdidas por accidentes
antes y despus de un programa de seguridad, y los lmites superior e inferior presentan
valores positivos, se puede concluir que el programa si fue eficaz, porque redujo las horas
perdidas por accidentes.
normales, para cualquier condicin que se presente.
Se ha visto tres casos para la estimacin de las medias de dos poblaciones normales, con
el propsito de compararlas. Sin embargo, dependiendo de las condiciones e informacin
que se puede tener, podrn surgir muchos otros casos.
A continuacin se presenta un diagrama de rbol, para que el estudiante pueda usarlo para
resolver su problema de elegir el tipo de intervalo a usar en cualquier problema donde tenga
que realizar una estimacin de la diferencia de medias.
122
No
Tamao de las
muestras?
Datos
pareados?
Pequeo
Varianzas de
las poblaciones
conocidas?
n<30
Si
n>30
Si
No
No
No
Si
Grande
Cualquier n
Varianzas
Iguales?
No
Si
Si
Si
No
No
n1
n2
1 1
n1
2
s1
n2
2
s2
1 2 (x1 x 2 ) + t *
,
n1
n1
2
s1
n2
2
s2
n2
2
s2
) =1-
n2
) =1-
) =1-
) =1-
n2
2
2
1 1
n1
2
s1
n1
2
1
= n1 + n2 2
1 2 (x1 x2 ) + t *s
,
1 2 (x1 x2 ) + z *
(n1 1) s12 + (n 2 1) s 22
n1 + n 2 2
s12 s 22
+
n n2
= 12
2
2
2
s1 s 22

n1 + n 2
n1 + 1 n 2 + 1
123
n2
1 2 (x1 x2 ) + z *
s
s
x + t *
) =1 -
,
n
n
2
P ((x1 x 2 ) t *
s=
n1
2
s2
2
s1
2
2
n2
n1
2
1
s
s
x + z *
) =1-
n
n
2
P ((x1 x2 ) - t * s
P (x t *
P (x z *
P ((x1 x2 ) - z *
P ((x1 x2 ) - z *

DE LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES NORMALES
4.4. Intervalos de confianza para estimar la varianza de una poblacin

4.4.1. Intervalo de confianza para la varianza de una poblacin normal, con tamao de
muestra pequeo (n<30)
Si de una poblacin normal, se extrae una muestra, se sabe que el estadstico de prueba
para estimar la varianza es:
(n 1)s 2
=
2
2
el cual, tiene una distribucin Chi-cuadrada con n-1 grados de libertad:
12 ,n 1
2
2
2
2
,n 1
Mediante el mtodo del pivote, se construye el intervalo:
P 12 , n 1 < 2 < 2 , n 1 = 1
2
(n 1) s 2
< 2 , n 1 = 1
P 12 ,n 1 <
2
2
2
(n 1) s 2
(n 1)s 2
2
= 1
P
< < 2
2 ,n 1
1 , n 1
2
2
Ejemplo.
Tiger Woods cree que la consistencia de su juego, en realidad est dada por una
variabilidad de 5.9 en el puntaje que ha obtenido en todos los eventos en los que ha
participado hasta ahora. Para entrenar para el prximo torneo jug 10 rondas de golf en su
campo privado y obtuvo un promedio de 71.3 puntos con una desviacin estndar de 1.32.
Su juego fue consistente? Use un nivel de confianza del 95% y suponga que la poblacin
es normal.
Resolucin.
En primer lugar se verifica si el intervalo y los datos que se dan en el problema
corresponden al intervalo para la varianza:
124
En efecto, como se habla de la variabilidad, se debe establecer una estimacin para la

varianza de una poblacin normal, con tamao de muestra pequeo.
Luego, se obtienen los datos necesarios para estimar el intervalo, mediante la distribucin
Chi-cuadrada (si desea ms informacin sobre esta distribucin puede dirigirse al anexo de
tablas estadsticas):
0.025
0.95
0.025
2
2
0.975,9
= 2.7
2
0.025,9
= 19.023
Una vez obtenidos todos los datos necesarios, se reemplazan en el intervalo:
(10 1)1.322
(10 1)1.322
P
< 2 <
= 95%
2.70
19.023
P ( 0.824 < 2 < 5.808 ) = 95%

Conclusin: Se puede verificar que su juego de entrenamiento fue consistente, ya que tanto
el valor inferior como el superior del intervalo son inferiores a la variabilidad de 5.9.
4.4.2. Intervalo de confianza para la varianza de una poblacin normal, con tamao de
muestra grande ( n 30 )
Cuando es posible tomar muestras grandes ( n 30 ), la distribucin muestral de la
desviacin se puede aproximar en forma general a una distribucin normal, con media y
, siendo el estadstico de prueba:

2n
desviacin estndar
2n
z =
z
2
z =
z=
Aplicando el mtodo del pivote, se encuentra el intervalo deseado:

125
2n
P z < z < z = 1
2
s
P z <
< z = 1
2
2n
s
s
P
< <
z
z
1 2
1+ 2
2n
2n
= 1
Ejemplo.
Se realiz una prueba de resistencia a la tensin en 50 cuerdas de algodn, obtenindose
una desviacin estndar de 11 libras. Encuentre un intervalo de 95% de confianza para la
verdadera desviacin estndar de estas resistencias.
Resolucin.
Como la muestra es suficientemente grande se pude usar la aproximacin a la normal.
Los datos necesarios son:
0.95
0.025
z0.025 = 1.96
0.025
z0.025 = 1.96
11
11
< <
P
1.96
1.96
1+
2(50)
2(50)
= 95%
P ( 9.2 < < 13.7 ) = 95%
4.5. Intervalo de confianza para estimar el cociente de varianzas en

poblaciones normales
126
Cuando se quiere comparar la variabilidad entre dos poblaciones que se distribuyen

normalmente, se extraen muestras de las dos poblaciones de tamao en general pequeo,
y se compara mediante el cociente. La variable que se usa es:
s12
2
F = 12
s2
22
que tiene una distribucin F de Fisher, con n1 1 grados de libertad en el numerador y
n2 1 grados de libertad en el denominador:
F
F1 ,n1 1,n2 1
F ,n1 1,n2 1
Si se requiere un estudio ms detallado de la distribucin de Fisher, ste se encuentra en el

anexo de tablas estadsticas.
Se obtiene el intervalo deseado, por el mtodo del pivote:
P F1 , n 1, n 1 < F < F ,n 1, n 1 = 1
2
P F1 ,n1 1, n2 1 <
2
s12
2
1
= 1
F
<
, n 1, n 1
2
2 1
s22
s2
2 s2
1
1
= 1
< 12 < 12
P 12
s2 F ,n 1,n 1 2 s2 F1 , n 1, n 1
2
2
2 1
2 1
Aplicando la propiedad de la distribucin de Fisher, que dice que: F ,1 , 2 =
derecho de la desigualdad, se tiene un intervalo alternativo al anterior:
s2
2 s2
1
< 12 < 12 F ,n2 1, n1 1 = 1
P 12
s2 F , n 1,n 1 2 s2 2
2
2 1
127
1
F1 , 2 ,1
al lado
Ejemplo.
La HAL Corporation en la que usted es el gerente est a punto de poner en el mercado una
computadora personal nueva ms rpida, PAL, que sustituir a su viejo modelo, CAL. A
pesar de que, en promedio, la PAL es ms rpida que CAL, la velocidad de procesamiento
de la nueva computadora parece ser ms variable. (La velocidad de procesamiento
depende del programa que se est corriendo, la cantidad de datos de entrada y la cantidad
de datos de salida). Dos muestras de 25 corridas, que cubran la diversidad de tareas
esperadas, fueron suministradas a cada computadora (una muestra a cada una). Los
resultados fueron los siguientes:
Estadstico
Media
Desviacin estndar
Tiempo de procesamiento
(en centsimas de segundo)
PAL
CAL
50
75
20
10
Construya un intervalo de confianza del 95% que relacione las variabilidades de las
velocidades de procesamiento de la nueva con respecto a la vieja computadora. Si la tasa
de variabilidad de la velocidad de procesamiento de la PAL con respecto a la CAL es menor
a 1.76, usted lanzar la nueva computadora al mercado, caso contrario, su compaa
tendr que realizar ajustes en la variabilidad de la PAL y esperar los resultados. Cul es su
decisin?
Resolucin.
Como se trata de dos poblaciones y se quiere comparar las variabilidades de las dos
computadoras, es necesario realizar una estimacin del cociente de varianzas.
Mediante un grfico de la distribucin F, se obtienen los datos necesarios:
0.95
0.025
0.025
F
F0.975,24,24 =
1
F0.025,24,24
1
F0.025,24,24 = 2.27
2.27
128
2
20 2 1
2 20
P
< 12 < 2.27 = 95%
10 2.27 2 10
2
P 1.762 < 12 < 9.080 = 95%
2
Conclusin: Como el valor inferior y superior del intervalo del cociente de varianzas es
mayor a 1.76, la compaa no podr lanzar al mercado la computadora PAL, sino que
deber realizar ajustes en su variabilidad.
4.6. Intervalo de confianza para la estimacin de la proporcin tomando

muestras grandes
Ahora se quiere saber el porcentaje o proporcin de la poblacin que cumplen con ciertos
requisitos o no. Para ello se toma una muestra de tamao mayor a 30. El estadstico sigue
una distribucin binomial, pero que puede aproximarse a una normal:
p (1 p )
n
z =
donde: p =
z = p
z=
p p
p (1 p )
n
z
2
Y nmero de elementos xito

=
(es la proporcin muestral).
n
tamao muestral
Retomando el mtodo del pivote, se llega a la construccin del intervalo adecuado:
P z < z < z = 1
P z <
2
P p z
2
p p
< z = 1
2
p (1 p )
p (1 p )
< p < p + z
2
n
129
p (1 p )
= 1
n
Ejemplo.
Observando la cantidad de contaminantes atmosfricos en una ciudad de Bolivia durante
500 das, se encontr un exceso de 200 microgramos solo 8 veces. Construir un intervalo
de confianza del 99% para la probabilidad de que la contaminacin exceda 200
microgramos por metro cbico en un da cualquiera.
Resolucin.
Claramente el problema da a entender que se necesita un intervalo de confianza para la

proporcin de encontrar exceso de contaminacin en un da cualquiera.
Como ya se repiti este procedimiento demasiadas veces, se acortarn los pasos, diciendo
que el valor de z es de 2.58 y la proporcin muestral es de p =
8
= 0.016 Reemplazando
500
los datos en el intervalo, se tiene:
0.016(1 0.016)
0.016(1 0.016)
P 0.016 2.58
< p < 0.016 + 2.58
= 99%
500
500
P ( 0.15% < p < 3.05% ) = 99%

Conclusin: Existe una probabilidad del 99% de que la proporcin de exceso de
contaminacin de 200 microgramos por metro cbico en un da cualquiera sea de 0.15% a
3.05%.
4.7. Intervalo de confianza para la estimacin de la diferencia de proporciones

tomando muestras grandes
As como para comparar las medias de dos poblaciones se realiza un intervalo de la
diferencia de medias, as tambin para comparar las proporciones de dos poblaciones, se
puede realizar un intervalo de confianza para la diferencia de stas.
De esta manera, el estadstico:
z=
( p1 p 2 ) ( p1 p2 )
p1 (1 p1 ) p 2 (1 p 2 )
+
n1
n2
sigue una distribucin normal estndar, si las muestras son lo suficientemente grandes, y
donde:
130
p1 =
Y1
n1
p 2 =
Y2
n2
donde Y1 y Y2 son el nmero de elementos xito en las muestras 1 y 2, respectivamente.

Usando el mtodo del pivote se encuentra el intervalo para la diferencia de proporciones:
P z < z < z = 1
P z <
2
P ( p1 p 2 ) z
( p1 p 2 ) ( p1 p2 )
< z = 1
2
p1 (1 p1 ) p 2 (1 p 2 )
+
n1
n2
p1 (1 p1 ) p 2 (1 p 2 )
+
< p1 p2 < ( p1 p 2 ) + z
2
n1
n2
p1 (1 p1 ) p 2 (1 p 2 )
+
= 1
n1
n2
Ejemplo.
En un estudio acerca del comportamiento de dos mquinas en un proceso productivo, se
encontr la siguiente informacin:
Nmero de artculos
inspeccionados
Mquina 1
Mquina 2
85
120
Nmero de artculos
fuera de
especificacin
12
17
Construya un intervalo de confianza de 95% para la diferencia de las proporciones de

artculos fuera de especificacin producidos por las mquinas 1 y 2.
Resolucin.
Mediante los datos provistos se puede hallar las proporciones muestrales:
p1 =
12
= 0.1411
85
p 2 =
17
= 0.1416
120
Reemplazando los valores en el intervalo:
0.1411(1 0.1411) 0.1416(1 0.1416)

P (0.1411 0.1416) 1.96
+
< p1 p2 < ... = 95%
85
120
Ya no se escribi el lmite superior del intervalo, ya que es exactamente igual al inferior, con
un signo positivo en el valor crtico.
131
P ( 9.71% < p1 p2 < 9.61% ) = 95%
4.8. Clculo del tamao muestral, para la estimacin de la proporcin

poblacional
Para muestras infinitas.
Al realizar un estudio de mercado es imprescindible determinar el tamao de la muestra, tal
que los intervalos que se vayan a calcular puedan inferirse a la poblacin con un nivel de
seguridad prefijado por el investigador.
Para realizar este objetivo, se debe recordar que el error mximo que se puede cometer en
la estimacin de la proporcin es:
e = z
2
p (1 p )
n
Observando la ecuacin, se concluye que este error depende:
Del nivel de confianza fijado.

De la proporcin muestral.
Del tamao muestral.
Entonces, el mnimo tamao de muestra para no exceder un error fijado, tomando en

cuenta una poblacin infinita, vendr dado por:
z
n0 = p (1 p ) 2
e
Para poblacin finita.

Si se estima el tamao de muestra para la estimacin de una proporcin, cuando la
poblacin es finita, entonces se tiene:
n=
n0 N
n0 + ( N 1)
n=
pqz 2 N
pqz 2 + e 2 ( N 1)
donde: q = 1 p , es decir la proporcin muestral de fracasos.

Los investigadores de mercados, utilizan generalmente esta ecuacin, puesto que a
menudo se quiere saber proporciones de consumo, gustos, preferencias, etc. de la
poblacin.
Los valores que se usan frecuentemente, para hallar el mayor tamao de muestra con el
cual realizar inferencias confiables, son:
132
p = 0.5 y q = 0.5 . Estos valores asumen que la poblacin no tiene preferencias por el
elemento xito.
z = 1.96 , que corresponde a una probabilidad de confianza de 95%.
e = 0.05 , es decir que el error mximo que se desea cometer en la estimacin es del 5%.
Si se reemplazan estos valores en la ecuacin, se tiene:
n=
0.9604 N
0.9104 + 0.05 N
Ejemplo.
Segn datos obtenidos del sitio web del Instituto Nacional de Estadstica, la poblacin de
Cochabamba para el ao 1999 era: 1484.867 habitantes: 836.232 rea urbana y 648.635
rea rural.
Una empresa quera saber en ese ao la proporcin de personas en el rea urbana que
consuma su producto y para ello necesitaba saber qu tamao de muestra deba tener,
para que sus resultados sean confiables y se puedan inferir a toda la poblacin. Para este
estudio la empresa trabaj con una probabilidad de confianza del 95%, que arroja un valor
de z de 1.96, y un error de estimacin del 5%. Una probabilidad a favor de 50%. Estos
valores son usados generalmente en un estudio de mercado.
Resolucin.
Reemplazando en la ecuacin los valores se halla el tamao de muestra:
n=
0.9604(836232)
= 20
0.9104 + 0.05(836232)
Conclusin: la empresa debi encuestar a 20 personas para conocer la verdadera

proporcin de la poblacin del rea urbana de la ciudad de Cochabamba que consume su
producto.
5. RBOL DE DECISIN PARA LA ELECCIN DEL INTERVALO

CONFIANZA ADECUADO EN LA RESOLUCIN DE PROBLEMAS
DE
En este captulo se ha tratado de analizar y estudiar exhaustivamente todos los intervalos

de confianza que se pueden usar en el campo de la investigacin usando la estadstica
inferencial. Sin embargo, se propone a continuacin un rbol de decisiones que servir
como una gua didctica para que el lector pueda elegir con mayor facilidad el tipo de
intervalo adecuado para la resolucin de problemas, tanto los que se presentan en el curso
de estadstica inferencial como los que tiene que resolver un profesional en su empresa. El
lector podr usar este rbol cada vez que quiera resolver un problema sobre intervalos de
confianza.
133
Nmero de
poblaciones?
Dos
Una
Cul es la
palabra clave?
Comparacin
de fracciones
o porcentajes
Relacin de
variabilidades
Comparacin
de promedios
Fraccin
Porcentaje
Probabilidad
Variacin
Variabilidad
Promedio
Medio
P p z
2
N<30
p (1 p )
< p < p + z
2
n
Diferencia
de proporciones
134
p1 (1 p1 ) p 2 (1 p 2 )
+
< p1 p2 < ... = 1
n1
n2
s2
1
12 s12
1
1
= 1
<
<
P 2
s2 F , n 1, n 1 22 s22 F1 ,n 1,n 1
2
2
2 1
2 1
P ( p1 p 2 ) z
Cociente de varianzas
p (1 p )
= 1
n
(n 1) s 2
(n 1) s 2
2
= 1
< < 2
P 2
, n 1
1 ,n 1
2
2
s
s
= 1
P
< <
z
z
1 2
1+ 2
n
2
2n
Diferencia de medias (rbol de decisin)
Proporcin
Varianza
n>30
Media (rbol de decisin)
ADECUADO EN LA RESOLUCIN DE PROBLEMAS
RBOL DE DECISIN PARA ELEGIR EL INTERVALO DE CONFIANZA
EJERCICIOS DE CLASE
Aclaracin: En todos los problemas que se presentan a continuacin, se hace la suposicin
de que las muestras extradas provienen de poblaciones aproximadamente normales.
Intervalo de confianza para la media de una poblacin normal con varianza conocida.
1. El gerente de la divisin de bombillas de la Cardinal Electric debe estimar el nmero
promedio de horas que durarn los focos fabricados por cada una de las mquinas. Fue
elegida una muestra de 40 focos de una mquina A y el tiempo promedio de
funcionamiento fue de 1416 horas. Se sabe que la desviacin estndar del tiempo de
duracin es de 30 horas.
a) Calcule el error estndar de la media.
b) Construya un intervalo de confianza de 90% para la media de la poblacin.
2. Despus de recolectar una muestra de 250 elementos de una poblacin con una
desviacin estndar conocida de 13.7, se encuentra que la media es de 112.4.
a) Encuentre un intervalo de confianza de 95% para la media.
b) Encuentre un intervalo de confianza de 99% para la media.
Intervalo de confianza para la media de una poblacin normal con varianza
desconocida.
3. La siguiente muestra de 8 observaciones fue tomada de una poblacin infinita con
distribucin normal:
75.3
76.4
83.2
91.0
80.1
77.5
84.8
81.0
a) Encuentre la media
b) Estime la desviacin estndar de la poblacin.
c) Construya un intervalo de confianza de 98% para la media.
4. Los costos variables, principalmente de la mano de obra, hacen que los precios de la
construccin de casas varen de una edificacin a otra. Un constructor de casas
estndares necesita tener una ganancia media arriba de 8500 $ por casa para alcanzar
una ganancia anual establecida como meta. Las ganancias por casa para las 5
edificaciones ms recientes del constructor, son de:
8760 6370 9620 8200 10350
Encuentre un intervalo de confianza de 95% para el promedio de la ganancia del
constructor por edificacin. Interprete el intervalo.
135
Clculo del tamao de la muestra dado un error en la estimacin de la media.

Con desviacin estndar conocida.
5. Suponga que la UMSS est efectuando una investigacin acerca de los ingresos anuales
de los estudiantes del ltimo ao de la facultad de Administracin. Se sabe, por la
experiencia obtenida, que la desviacin estndar de los ingresos anuales de la poblacin
completa de los egresados es de aproximadamente 1500 Bs Qu tan grande debe ser
la muestra que la universidad debe tomar con el fin de estimar los ingresos medios
anuales de los estudiantes del ltimo ao dentro de mas y menos 500 Bs y con un nivel
de confianza de 95%?
Con desviacin estndar desconocida.
6. Se desea estimar la resistencia media a la compresin de cierta clase de ladrillos
producidos por una fbrica. Una muestra piloto de 16 ladrillos arroj una desviacin
estndar en las resistencias de 8 kg/cm2. Si se desea que el error en la estimacin de la
media no exceda a 2 kg/cm2, con una confianza de 90% cuntos ladrillos deber
contener la muestra que se utilice para estimar la media?
Intervalo de confianza para la diferencia entre dos medias para una poblacin normal
con varianzas conocidas.
7. Considerando que los fallos emitidos por un tribunal acerca de responsabilidad legal
varan en el tiempo, una compaa de seguros quiere comparar el nivel promedio de los
fallos actuales acerca de la responsabilidad personal, con los del ao pasado. Se
seleccion una muestra aleatoria de 30 casos de entre los procesados durante cada uno
de los perodos anuales. Se indican las medias muestrales y las varianzas de los fallos
acerca de la responsabilidad (en millones de dlares), para cada uno de los dos aos, en
la tabla siguiente. Encuentre un intervalo de confianza de 90% para la diferencia entre
los niveles promedio de los fallos acerca de responsabilidad legal, para este ao y el
anterior.
Ao
Media (millones de $)
En curso
Anterior
30
30
1.32
1.04
Varianza Poblacional
0.97734
0.7291
con varianzas desconocidas y no necesariamente iguales.
8. Los siguientes datos son las horas-hombre que semanalmente se pierden en promedio
por accidentes en 10 plantas industriales con cierto programa de seguridad y otras 10
con otro programa.
Programa 1 45
73
46
124
33
57
83
34
26
17
Programa 2 36
60
44
119
35
51
77
29
24
11
136
Calclese un intervalo de confianza de 90% para la media del mejoramiento en las

horas- hombre perdidas.
con varianzas desconocidas pero iguales.
9. Los siguientes datos son el nmero de ventas que una muestra de 9 vendedores de
productos qumicos en California y una muestra de 6 vendedores en Oregon realizaron
en cierto perodo fijo:
California
59
68
44
71
63
46
Oregon
50
36
62
52
70
41
69
54
48
Suponiendo que las poblaciones muestreadas pueden aproximarse con distribuciones

normales que tienen la misma varianza, hallar un intervalo de confianza del 99% para la
diferencia del nmero medio de ventas.
para datos apareados.
10. El club deportivo Rodriana ha estado anunciando un riguroso programa de
acondicionamiento fsico. El club asegura que despus de un mes de llevar el
programa, un participante promedio ser capaz de hacer ocho lagartijas (o flexiones)
ms en dos minutos que las que poda hacer al principio. La muestra aleatoria de 10
participantes en el programa, cuyos datos se dan en la tabla siguiente, apoya la
afirmacin del club? Utilice una probabilidad de confianza del 0.975.
N
Antes
Despu
s
1
38
45
2
11
24
3
34
41
4
25
39
5
17
30
6
38
44
7
12
30
8
27
39
9
32
40
10
29
41
Intervalo de confianza para la varianza de una poblacin normal (para muestras

pequeas).
11. Un gerente de control de calidad de una compaa estaba convencido de que una
balanza, para pesar materia prima, variaba segn una desviacin estndar igual a 2. A
fin de probar el equipo se pes una carga de 107 libras, y se registraron las mediciones
de 104.1, 105.2 y 110.2. Obtenga un intervalo de confianza de 90% para la varianza.
Intervalo de confianza para la varianza de poblaciones normales (tomando muestras
grandes).
12. Se realiz una prueba de resistencia a la tensin en 50 cuerdas de algodn,
obtenindose una desviacin estndar de 11 libras. Encuentre un intervalo de 95% de
confianza para la verdadera desviacin estndar de estas resistencias.
137
Intervalo de confianza para el cociente de varianzas en poblaciones normales.

13. La variabilidad en la cantidad de impurezas presentes en un lote de productos
qumicos, utilizada para un proceso particular, depende del tiempo que tarda el
proceso. Un fabricante que emplea dos lneas de produccin 1 y 2, hizo un pequeo
ajuste al proceso 2, con esperanza de reducir la variabilidad, as como la cantidad
media de impurezas en los productos qumicos. Muestras de 25 mediciones de dos
lotes cada uno produjeron las siguientes medias y varianzas:
x1 = 3.2 s12 = 1.04

x 2 = 3.0 s 22 = 0.51
Hallar un intervalo de confianza del 90% para el cociente de varianzas.
Intervalo de confianza para una proporcin tomando muestras grandes.
14. Una fbrica produce bolsas de papel. El contrato con sus clientes le permite una
fraccin defectuosa no mayor del 5%. En una muestra de 200 bolsas, se encontraron 6
defectuosas. Encuentre un intervalo de 95% de confianza para la verdadera fraccin
defectuosa de esta fbrica.
Intervalo de confianza para la diferencia entre dos proporciones tomando muestras
grandes.
15. En un estudio acerca del comportamiento de dos mquinas en un proceso productivo,
se encontr la siguiente informacin:
Nmero de artculos
inspeccionados
Nmero de artculos fuera

de especificacin
mquina 1
85
12
mquina 2
120
17
Construya un intervalo de confianza del 95% para la diferencia de las proporciones de

artculos fuera de especificacin producidos por las mquinas 1 y 2.
Clculo del tamao muestral, para estimar la proporcin de la poblacin.
16. Un investigador de mercados quiere estimar el porcentaje de personas mayores de 50
aos que usan chalecos de lana. Para determinar la proporcin a favor que le sirva
como dato para el clculo de la muestra, realiz una muestra piloto, donde de 20
personas que cumplan con la caracterstica de la edad, 16 dijeron que usan chalecos
de lana. El desea realizar esta estimacin con un error que no supere el 4% y con una
probabilidad de confianza del 97%.
138
1. El supermercado Anita que usted administra compr hace poco una carga de 1500 cajas
de 24 onzas de cereal cada una. Una muestra aleatoria de 57 de ellas revel un peso
neto promedio de 23.2 onzas y una desviacin estndar de 0.3 onzas.
a) Estime la desviacin estndar de la poblacin a partir de la desviacin estndar de la
muestra.
b) Estime el error estndar de la media de esta poblacin finita.
c) Cules son los lmites superior e inferior del intervalo de confianza del peso neto
medio, si el nivel deseado de confianza es de 0.95? Es verdadera la afirmacin de
que el peso neto promedio de cada caja de cereal es de 24 onzas?.
2. Usted es el administrador del hotel Portales y quiere saber el nmero promedio de
huspedes diarios para mejorar la atencin. La siguiente tabla contiene el nmero de los
que se registraron cada 18 das seleccionados al azar.
61
59
57
50
53
60
60
60
64
57
57
58
54
62
58
63
63
60
a) Calcule la media y la desviacin estndar muestral.

b) Encuentre un intervalo de confianza del 95% para la media poblacional.
3. Calcule un intervalo de confianza de 99% para la probabilidad de relojes defectuosos
producidos en un proceso de la fbrica Rolex que usted administra, cuando se halla que
una muestra de tamao 200 contiene 16 relojes defectuosos.
4. Datos de archivo indican que la varianza de las mediciones efectuadas sobre la lmina
metlica grabada, las cuales fueron obtenidas por inspectores expertos en control de
2
calidad es de 0.18 plg . Las mediciones efectuadas por un inspector sin experiencia
podran tener una varianza mayor o menor. Si usted, como nuevo inspector, mide 100
grabados con una varianza de 0.13 plg2, prubese con un nivel de confianza del 95% si
usted realiza mediciones satisfactorias.
5. Usted es el gerente de Bolivisin y planea un estudio para determinar el tiempo promedio
que los nios de nivel preescolar ven la televisin, con el fin de hacer un cambio en su
programacin. El estudio piloto indic que el tiempo medio por semana es de 12 horas,
con una desviacin estndar de 3 horas. Se desea estimar el tiempo medio de un cuarto
139
de hora. Se usar el grado de confianza de 0.95. Cuntos nios de nivel preescolar

deben incluirse en la investigacin?.
6. Usted est estudiando la eficiencia de dos mquinas que producen lminas de cartn.
Para ello seleccion dos muestras aleatorias de tamao n = 10 y m = 15,
respectivamente. Las medias y varianzas muestrales son: x1 = 5.0 mm. s12= 0.5 mm2., x2
2
2
= 5.2 mm. s2 = 0.53 mm . Construya un intervalo de confianza del 95% para el cociente
de varianzas.
7. Usted, como gerente del restaurante Aurora, piensa adquirir un nuevo mobiliario. Para
decidir con mayores datos sobre la cantidad que puede invertir en mesas y sillas, desea
determinar el ingreso promedio por cliente. Muestre aleatoriamente a 9 clientes, cuya
cuenta promedio result ser de 18.30 Bs. con una desviacin estndar de 3.60 Bs.
Construya un intervalo de confianza de 95% para el monto de la cuenta promedio por
cliente.
8. En una muestra para una inversin de mercados, en la cual 64 compradores fueron
contactados, se encontr que el 72% de todas las compras de productos alimenticios
distribuidas nacionalmente, fueron motivadas por la publicidad del producto.
a) Estime el error estndar de la proporcin de compras motivadas por la publicidad.
b) Encontrar los lmites de confianza superior e inferior para esta proporcin, dado un
nivel de confianza de 0.90.
9. Una empresa que fabrica cigarrillos en la que usted es el diseador de la publicidad,
afirma que su marca A se vende ms que su marca B en 8%. Si se halla que 42 de 200
fumadores prefieren la marca A y 18 de 150 prefieren la marca B, calcular un intervalo de
confianza de 94% para la diferencia entre las proporciones de ventas de las dos marcas,
y decida si la diferencia de 8% es una afirmacin vlida.
10. Una mquina expendedora de refresco gaseoso del local que usted administra, se
regula de modo que la cantidad de bebida que sirve est distribuida en forma
aproximadamente normal, con una desviacin estndar igual a 0.15 decilitros.
a) Calcule un intervalo de confianza de 95% para la media de todas las bebidas
despachadas por esta mquina, si una muestra aleatoria de 36 servicios presenta un
contenido promedio de 2.25 dl.
b) Qu tan grande necesita ser la muestra si se desea tener una confianza de 95% de
que la media de la muestra est dentro de 0.09 dl. de la media verdadera?
11. Se disponen de los siguientes datos de las calificaciones de un docente de Estadstica:
1er Parcial 70
2do Parcial 25
20
15
95
95
5
70
15
80
35
50
40
85
55
15
0
10
40
5
10
50
a) Efecte una estimacin de las varianzas poblacionales del 1er y del 2do parcial.
b) El docente cree que como las notas provienen del mismo curso las varianzas son
iguales. Es razonable su suposicin?. Use un nivel de confianza del 90%.
140
c) Si las notas mejoran sustancialmente de un parcial al otro el docente llevar a los

alumnos a un viaje de estudios a Santa cruz. Encuentre el intervalo de confianza
para la mejora de notas con un nivel de significancia del 10%. Responda si cree que
los estudiantes merecen el viaje.
12. Se preparan dos tandas de cemento, y de cada una se fabrica un gran nmero de
tabiques. Se toma una muestra de 6 tabiques de cada tanda, y la fuerza de tensin el
libras/pulgada2, se mide para cada tabique de las dos muestras. Suponiendo
distribucin normal obtenga un intervalo de confianza de 95% para la razn de las dos
desviaciones tpicas
1
.
2
x = 3216, x
Tanda 2: y = 3297, y
Tanda 1.
= 1730088
= 1812339
Hay evidencia para creer que las desviaciones son distintas?

13. Un estudio demostr que 74 de 200 personas que vieron un desodorante anunciado
durante la transmisin de un partido de ftbol y 86 de otras 200 que lo vieron
anunciado en un programa de variedades recordaban el nombre dos horas ms tarde.
Calcule un intervalo de confianza del 95% para la diferencia de las proporciones. E
interprete el resultado. Cul medio es mas efectivo?
14. Como investigador de mercados, de una gran compaa de aparatos electrnicos de
consumo, quisiera estudiar las costumbres de ver televisin de los residentes en una
ciudad pequea en particular. Para el efecto seleccion una muestra aleatoria de 40
entrevistados y a cada uno de ellos les dio instrucciones de mantener un registro
detallado de todos los programas de televisin que vieran en determinada semana. Los
resultados fueron los siguientes:
Cantidad de televisin vista en la semana: Media: 15.3 horas. Desviacin estndar: 3.8
horas. 27 entrevistados vieron el noticiero de la noche, por lo menos tres noches
durante la semana.
a) Estime un intervalo de confianza del 95% para la cantidad promedio de televisin
vista cada semana en esta ciudad.
b) Qu tamao de muestra requerira si se deseara una confianza del 95% de estar
en lo correcto en una escala de 2 horas y suponiendo que la desviacin estndar de
la poblacin es de 5 horas?
c) Estime un intervalo de confianza para la proporcin de entrevistados que vieron el
noticiero de la noche en por lo menos tres noches cada semana.
d) Qu tamao de muestra se necesita si desea tener una confianza del 95% de estar
dentro de 0.035 de la proporcin real que ve el noticiero de la noche, en por lo
menos tres noches de la semana, si no cuenta con estimaciones anteriores?
15. Usted, como dueo de la compaa de aparatos de audio Play-It-Again, ofrece un ao
de garanta en todos los estreos que vende su compaa. Para los 26 aparatos a los
que se les dio servicio de garanta el ao anterior, el costo promedio de compostura fue
141
de 75$ y la desviacin estndar de la muestra fue de 15$. Usted, ha decidido, que a

menos que la desviacin estndar real sea menor que 20$, comprar sus aparatos de
audio a otro mayorista.
a) Calcule un intervalo de confianza del 90% que le ayude a tomar una decisin al
respecto.
b) Usted deber cambiar de proveedor?
16. En 1978, la Agencia para la Proteccin Ambiental de E. U. estableci un mximo nivel
de ruido de 83 decibeles para camiones pesados. Se podra interpretar este lmite de
varias maneras. Una forma de aplicar el lmite sera exigir que todos los camiones se
ajustaran al lmite de ruido. Un segundo mtodo, pero menos satisfactorio, sera exigir
que el nivel promedio del ruido de la flotilla de camiones fuera menor que el lmite. Si se
tornara como regla lo ltimo, la variacin en el nivel de ruido de un camin a otro sera
importante porque un valor grande de la varianza significara que muchos camiones
excederan el lmite, aunque el nivel promedio de la flotilla fuera de 83 decibeles. Los
datos para 6 camiones eran:
82.4
83.8
83.1
82.3
81.8
83.0
Utilice esos datos para conformar un intervalo de confianza de 90% para la variacin de
las lecturas de la emisin de ruido de los camiones. Si la variacin de estas lecturas
sobrepasa el valor de 3, se elegir el primer mtodo. Con base en la informacin que
nos da los valores del intervalo hallado, Cul de los dos mtodos se elegir?
17. En un experimento realizado en la compaa Ford, se compar la economa de
combustible en dos tipos de autos con motor a gasolina, equipados en forma
semejante. Suponga que 13 autos de tipo A y 10 de tipo B se utilizaron en pruebas de
velocidad constante de 90 km/h. Si los 13 autos de tipo A promediaron 16 km/h, con
una desviacin estndar de 1.0 km/h y los 10 autos de tipo B promediaron 11 km/h, con
una desviacin estndar de 0.8 km/h.
a) Determinar un intervalo de confianza de 98% para 1/2 que son las desviaciones
estndar para los recorridos por litro de combustible para los vehculos de tipo A y de
tipo B, respectivamente.
b) Hallar el intervalo con una probabilidad del 90%.
18. Recientemente, la Direccin General de la Renta tom una muestra de 200
devoluciones de impuestos y encontr que el reembolso promedio de impuestos de la
muestra llegaba a 425.39 $us, con una desviacin estndar de la muestra de 107.10
$us.
a) Estime el reembolso medio de impuestos de la poblacin y la desviacin estndar de
la poblacin.
b) Utilizando las estimaciones hechas en el inciso anterior, construya un intervalo en el
que se tenga 95% de certeza de que la media de la poblacin estar en l.
19. El director administrativo de un colegio con 2400 estudiantes, desea usar la media de
una muestra aleatoria para estimar la cantidad promedio de tiempo que tardan los
142
alumnos en ir de una clase a la siguiente, y adems quiere poder asegurar con una
confianza del 99% que el error es a lo ms 0.25 minutos. El director sabe por
experiencia que la desviacin del tiempo que tardan sus alumnos de ir de una clase a
otra es de 1.4 minutos. Qu tamao debe tener la muestra?
20. Las opiniones de un gerente de ventas sobre la demanda mensual promedio de uno de
los productos de su compaa podran ser descritas por medio de una distribucin
normal con media 3800 unidades y una desviacin de 260 unidades.
a) Qu probabilidad est asignndose al hecho de que la verdadera demanda media
mensual est en el intervalo de 3500 a 4000 unidades?
b) Si los datos para 9 meses muestran una demanda promedio de 3702 unidades, con
una desviacin estndar de 390 unidades, cmo afecta esta informacin a la
probabilidad determinada en a)?
21. Supngase que se desea estimar la proporcin real de unidades defectuosas en un
cargamento muy grande de ladrillos de adobe y que se necesita una confianza al
menos del 95% de que el error sea a lo sumo 4%. De qu tamao debe ser la muestra
si
a) No se tiene idea de cmo podra ser la proporcin muestral.
b) Se sabe que la proporcin real no excede a 0.12.
c) Repita los dos anteriores incisos si la poblacin de ladrillos es de 50000.
22. Una organizacin de investigacin de consumo selecciona de manera rutinaria varios
modelos de automvil cada ao y evala su eficiencia con respecto al combustible. En
el estudio del presente ao, de dos modelos compactos fabricados por dos marcas
distintas, el consumo promedio para doce automviles de la marca A fue de 27.2 millas
por galn (mpg) con una desviacin estndar de 3.8 mpg. Los nueve automviles de la
marca B que fueron probados tuvieron un nmero de 32.1 mpg, con una desviacin
estndar de 4.3 mpg. Con un porcentaje de confianza del 90%, se deber concluir
que los automviles de la marca B tiene un nmero promedio de millas por unidad de
combustible mayor que los automviles de la marca A?
143

DECISIONES DE LA GERENCIA DE PRODUCCIN
DE UNA INDUSTRIA DE CUERO
Usted es el administrador de produccin de una fbrica que produce artculos de cuero en
general. Las especificaciones de su puesto incluyen la direccin de las 5 Ps en la lnea de
produccin:
Personas (Fuerza de trabajo, directa o indirecta).

Plantas (Fbricas o ramas de servicio donde se realiza la produccin).
Partes (Materiales o suministros que pasan por el sistema).
Procesos (Pasos para lograr la produccin y maquinaria).
Planificacin y control (Procedimientos e informacin para manejar el sistema).
Cada da tiene que resolver mltiples problemas y realizar muchas decisiones que afectan a
la productividad de la empresa. Para ello ha montado un departamento de Estadstica y
Control de calidad, ya que anteriormente se hacan decisiones que no estaban basadas en
mtodos tcnicos, sino en la experiencia del anterior gerente de produccin.
Se presentaron varios problemas en esta poca del ao, cada uno catalogado mediante las
5 Ps.
1. Personas.
Como invierno es una poca alta para chamarras de cuero con frisa de lana, el personal de
planta de produccin no es suficiente para cubrir la demanda, as que Ud contrat a
personal eventual para cubrirla, teniendo ya no uno, sino dos turnos de trabajo. El primero
trabaja de 8:00 12:00 y de 14:00 18:00 y el segundo de 20:00 24:00 y de 1:00 5:00.
Sin embargo, el tcnico de produccin, dependiente de Ud., le ha enviado un reporte donde
cree que el ritmo promedio de trabajo del segundo turno es significativamente inferior al del
primer turno y la variabilidad superior al del primer turno. Junto con el reporte, le envi los
siguientes datos muestrales, de 10 das de trabajo, que corresponden al nmero de
chamarras de cuero que produjeron por da:
1 Turno 11
2 Turno 8
14
7
16
6
12
10
9
5
10
7
144
13
12
15
11
14
8
10
Lamentablemente por negligencia del tcnico, Ud, no posee el dato de la produccin del
ltimo da del segundo turno.
a) Con una certeza del 95%, la variabilidad del ritmo de trabajo del segundo grupo es
significativamente superior al del primer grupo?
b) Tomando en cuenta el resultado del inciso a), compruebe si la produccin diaria
promedio del segundo grupo es significativamente inferior al del primer grupo, con la
misma certeza de confianza.
c) Si la suposicin del tcnico de produccin es cierta, en cuanto al ritmo promedio de
trabajo, se realizar un programa de entrenamiento a todo el personal del segundo
grupo, sobre metodologas de economa de los movimientos. Qu har?
2. Plantas y procesos.
La empresa, desde hace varios aos, quiere implementar una lnea de maletines para
computadoras porttiles (lap top), dada la creciente demanda en el mercado. Sin embargo,
la tecnologa para fabricarlas debe ser de ltima generacin, particularmente en lo que
respecta al ensamblado de los refuerzos metlicos con las partes de cuero que las
recubren. Para ello, se piensa montar una lnea de produccin nueva y comprar una
computadora y cortadora, con las cuales realizar el cortado de las piezas de cuero
automticamente, mediante el CAD-CAM (Diseo y manufactura asistidas por
computadora). Sin embargo, para la compra de esta nueva tecnologa y el posterior
montaje, existen dos problemas:
a) Elegir las maquinarias con el mejor performance para la industria del cuero. En este
sentido existen dos proveedores que calificaron en la primera seleccin que realiz el
encargado de compras. Para la decisin final se pidi a los proveedores que permitan
que se realice un muestreo para determinar el porcentaje de los cortes que caen dentro
de especificacin realizados por sus mquinas. Los datos se muestran en la siguiente
tabla:
Estadsticos
Proveedor
1
Tamao muestral
150
Nmero
de
cortes
80
dentro de especificacin
Proveedor
2
170
130
De qu proveedor le conviene comprar el nuevo paquete tecnolgico? Ud quiere

determinar esta importante compra, con un porcentaje de confianza de 99%.
b) Una vez elegida la mejor maquinaria, ajustar la homogeneidad de los cortes (la
precisin), ayudados por el experto que mand el proveedor para ponerla en marcha.
ste, afirma que la maquinaria viene calibrada de modo de que la variabilidad en los
cortes no sea mayor a 0.005 cm2., lo cual es conveniente para el proceso. Para ello, Ud
mand a realizar un muestreo de 8 cortes de una pieza de cuero que deba medir 5 cm.
de ancho. Los resultados son:
145
5.02
4.98
5.04
5.01
5.00
4.97
5.02
4.99
Con base en los resultados muestrales y no queriendo tener un riesgo mayor al 2% en la

estimacin, la afirmacin del experto es correcta?
c) Si la afirmacin del experto no es correcta, Ud. deber presentar ante l su
disconformidad y pedir que la recalibre. Qu har?
3. Partes y Planificacin y Control.
Actualmente se compra el cuero para las distintas lneas de produccin en el Beni, de varios
proveedores ganaderos: Vacadiez, Peredo, Gendrich y Gonzales. Cada uno de ellos,
anualmente abastece a la empresa de 5000, 3500, 7000 y 10000 cueros. El contrato con
estos proveedores se renueva cada ao, para asegurar que la calidad del cuero no
disminuya. Este ao Ud. quiere determinar qu proveedores calificarn. Para ello debe
estimar la superficie promedio de cuero bien curtido y sin imperfecciones de cada uno de
ellos. Por experiencia Ud. sabe que las desviaciones estndar de cada proveedor son de
0.2, 0.4, 0.1 y 0.35 m2, respectivamente.
a) Cuntos cueros de cada proveedor deber analizar con el fin de tener el 94% de
confianza de que la superficie promedio de cuero bien curtido y sin imperfecciones est
2
dentro 0.1 m con respecto a la media real?
b) El anterior ao, la superficie promedio por cuero bien curtido y sin imperfecciones era de
2
1 m . Qu proveedores califican para este ao, si despus de realizado el muestreo se
tienen las medias respectivas de los distintos proveedores: 1.05, 1.30, 1.50 y 1.08?
c) Si ms de dos proveedores no califican, Ud deber planificar y lanzar una licitacin en el
prximo mes, para conseguir nuevos proveedores para la provisin de cueros y realizar el
mismo control a la materia prima que realiz con sus proveedores actuales, ya que podra
quedar sin los suficientes suministros para abastecer la demanda. Caso contrario, antes
de renovar el contrato, exigir a los que no calificaron mayor calidad en los cueros que
proveen, previa comprobacin por muestreo, luego de un tiempo fijado por ambas partes
Cul es su decisin?
Por experiencia usted sabe que en todos los problemas que quiere resolver, las muestras
tomadas provienen de poblaciones aproximadamente normales.
146
CAPTULO 5
PRUEBAS DE HIPTESIS
1. INTRODUCCIN
Por medio de las pruebas de hiptesis se trata de determinar cundo es razonable concluir,
a partir del anlisis de una muestra, que la poblacin entera posee determinada propiedad,
y cuando no es razonable llegar a tal conclusin.
La prueba de hiptesis comienza con una suposicin, denominada hiptesis, que se hace
en torno a un parmetro de la poblacin. Despus se renen datos muestrales, se
producen estadsticos de la muestra y a partir de esta informacin se decide, con una
probabilidad dada, si el parmetro supuesto de la poblacin es correcto.
No se puede aceptar ni rechazar una hiptesis referente a un parmetro de la poblacin por
mera intuicin. Por el contrario, se necesita aprender a decidir con objetividad, basndose
en la informacin muestral, si se acepta o se rechaza un presentimiento.
2. CONCEPTOS
HIPTESIS.
BSICOS
DEL
PROCEDIMIENTO
DE
LA
PRUEBA
DE
Hay un procedimiento de 5 pasos para probar una hiptesis.

Paso 1. Plantear la hiptesis nula y la alternativa.
El primer paso es plantear la hiptesis que se probar, denominada hiptesis nula,
designada mediante Ho. La hiptesis nula se plantea con el objetivo de aceptarla o
rechazarla. Tal hiptesis es una afirmacin que se aceptar si los datos muestrales no
pueden proporcionar evidencia convincente de que es falsa. Generalmente esta hiptesis
proviene de datos histricos, encuestas pasadas o suposiciones que los expertos pueden
hacer de algn valor que es susceptible de cambiar.
La hiptesis alternativa es una afirmacin o enunciado que se aceptar si los datos
muestrales proporcionan amplia evidencia de que la hiptesis nula es falsa. Se la designa
por H1.
Ejemplo.
En la UPB existe la hiptesis de que los alumnos de cursos numerosos (ms de 30
alumnos) tienen menor aprovechamiento acadmico.
La hiptesis nula ser: Los alumnos de cursos numerosos tienen igual aprovechamiento
acadmico que los alumnos de cursos con poco alumnado.
147
La hiptesis alternativa ser: Los alumnos de cursos numerosos tienen menor

aprovechamiento que los alumnos de cursos con poco alumnado.
Paso 2. Seleccionar un nivel de significacin o de riesgo.
La finalidad de la prueba de hiptesis no es poner en tela de juicio el valor calculado del
estadstico muestral, sino emitir un juicio sobre la diferencia existente entre l y un supuesto
parmetro de la poblacin.
El nivel de significacin es la probabilidad o el riesgo de rechazar la hiptesis nula cuando
en realidad es verdadera. Se denota mediante la letra .
El investigador debe decidir el nivel de significacin antes de formular una regla de decisin
y recopilar datos muestrales.
Se pueden cometer dos tipos de errores: El error tipo I (error ), es la probabilidad de
rechazar la hiptesis nula, cuando en realidad es verdadera. El error tipo II (error ) es la
probabilidad de aceptar la hiptesis nula cuando en realidad es falsa.
El cuadro siguiente muestra esquemticamente los tipos de errores en los que puede
incurrir un investigador y sus consecuencias:
Hecho/Decisin
El Investigador
Acepta H0
Rechaza H0
Si H0 es verdadera Decisin correcta
Error tipo I
y
Si H0 es falsa y
Error tipo II
Decisin correcta
Se adoptan valores del 1 al 5% para el nivel de significancia. El investigador debe estar
conciente que cuanto ms alto sea este valor, habrn mayores posibilidades de que
rechace una hiptesis nula que sea verdadera.
Paso 3. Identificar el estadstico de prueba.
Existen muchas estadsticas de prueba. Se utilizarn la t, 2, z, y otras, dependiendo del
parmetro de la poblacin que se ha planteado como hiptesis. Un estadstico de prueba es
un valor, determinado a partir de la informacin muestral, que se utiliza para aceptar o
rechazar la hiptesis nula.
Paso 4. Formular una regla de decisin.
Una regla de decisin es una afirmacin de las condiciones bajo las que se acepta o
rechaza la hiptesis nula. Para lograr esto, la distribucin muestral se divide en dos partes;
la regin de aceptacin y la de rechazo. El rea de rechazo define la ubicacin de todos los
valores que son demasiado grandes o demasiado pequeos, por lo que la probabilidad de
que ocurran segn una hiptesis nula verdadera es muy remota.
148
Se define el valor crtico como el nmero divisorio entre la regin de aceptacin y la regin
de rechazo, el cual se puede determinar mediante una tabla de la distribucin muestral que
se est considerando para la prueba.
Paso 5. Tomar una muestra y llegar a una decisin.

El ltimo paso en la prueba de hiptesis es la toma de la decisin de aceptar o rechazar la
hiptesis nula, comparando el valor del estadstico de prueba con el valor crtico
determinado. Dependiendo de la regin en la que ha cado el estadstico, es que se toma la
decisin de aceptar o rechazar la hiptesis nula.
3. PRUEBA DE SIGNIFICACIN DE UNA Y DE DOS COLAS

Una prueba de hiptesis de dos extremos rechazar la hiptesis nula si la media muestral
es significativamente ms alta o ms baja que la supuesta media de la poblacin. Por lo
tanto existen dos regiones de rechazo. La hiptesis nula y la alternativa seran:
H0: = 0
H1: 0
Sin embargo, se dan situaciones donde no conviene aplicar una prueba de dos extremos,
sino de un extremo. La hiptesis nula y la alternativa seran:
H0: = 0
H1: > 0
H1: < 0
Prueba de extremo derecho o superior

Prueba de extremo izquierdo o inferior
Por ltimo, se puede recordar lo siguiente: en cada ejemplo de la prueba de hiptesis,

cuando se acepta una hiptesis nula basndose en la informacin de la muestra, realmente
se est afirmando que se carece de datos estadsticos para rechazarla. Esto no quiere decir
que la hiptesis nula sea verdadera en forma contundente, ya que para ello se necesitara
conocer el parmetro poblacional.
4. PRUEBAS DE HIPTESIS
4.1. Pruebas de hiptesis para medias
A continuacin se estudia el mtodo para realizar pruebas de hiptesis para la media de
una poblacin normal. Se considerar primero los dos casos ms frecuentes, en donde las
varianzas de la poblacin sean o no conocidas, y luego mediante un diagrama de rbol se
vern todos los casos que pueden darse.
Primer paso. Las hiptesis nula y alternativa son:
149
H0: = 0
H1: 0; > 0; < 0
El tipo de hiptesis alternativa, se elige de acuerdo a las especificaciones del problema.
Segundo paso. Se elige el nivel de riesgo.
= 0.05
El valor de 5%, es el ms usado y aceptado por los investigadores.
Tercer Paso. Se elige el estadstico de prueba adecuado. Dependiendo del caso, pueden
elegirse lo siguientes estadsticos:
Con varianza conocida (n>30):
Con varianza desconocida (n<30):
x 0
n
x 0
t=
S n
Z=
Ms adelante se mostrar el rbol de decisiones para elegir el estadstico, considerando

todos los casos posibles, y con este instrumento clave, se realizar un ejemplo.
Cuarto Paso. Se establece la regla de decisin. Dependiendo del estadstico de prueba
elegido y de la hiptesis alternativa planteada se tendrn pruebas de dos o una cola:
Con varianza conocida (n>30).
z
2
Las regiones de rechazo son las pintadas y las de aceptacin las blancas.
Con varianza desconocida (n<30).
t , n 1
2
t , n 1
t , n 1
t , n 1
Quinto paso. Con los datos muestrales, se halla el valor del estadstico de prueba y se lo
ubica en el grfico que posee la regla de decisin. Dependiendo en que zona se ubica el
valor, se decide rechazar o aceptar la hiptesis nula.
150
A continuacin se presenta el rbol de decisiones para elegir el estadstico adecuado.
151
poblacin?
Forma de la
poblacin
No Normal
Normal
n>50
n<20
n>20
n<30
n>30
Grande
Pequeo
Grande
Pequeo
Grande
Cualquier n
Pequeo
n<50
Tamao de la
muestra?
No
Si
No
Si
152
x 0
x 0
n
x 0
n
x 0
x 0
x 0
n
Callejn sin salida! No hay prueba de

hiptesis conocida.
Z=
K=
Z=
t=
Z=
Z=
Utilice este estadstico de prueba:
RBOL DE DECISIN PARA LA PRUEBA DE HIPTESIS
153
Ejemplo.
Usted es el administrador de un lugar exclusivo para ir a tomar caf, llamado Coffe Only.
Una mquina que llena frascos de Capuchino funciona correctamente si, en promedio,
estos llevan 500 gramos de caf. Usted sospecha que esta mquina ha estado fallando,
puesto que muchos clientes han manifestado que el Capuchino no estaba en su punto.
Para corroborar este hecho seleccion una muestra de 16 frascos. Obtuvo la siguiente
informacin muestral: x = 496 gr. y s = 5 gr. Considerando que la cantidad de caf en cada
frasco sigue una distribucin normal, y eligiendo el nivel de significancia de 0.05, pruebe si
est funcionando adecuadamente la mquina o no.
Resolucin.
Paso 1: Se establece la hiptesis nula y alternativa.
H0: = 500 gr.
H1: 500 gr.
Como solo se quiere probar si la mquina est llenando bien o no, esta es una prueba de
dos colas.
Paso 2: Se elige el nivel de riesgo.
= 0.05
Paso 3: Se elige el estadstico de prueba adecuado, mediante el rbol de decisin.
La forma de la poblacin es normal, no se conoce la varianza de la poblacin y el tamao
de muestra es menor a 30. Por lo tanto el estadstico segn el rbol de decisiones es:
t=
x 0
S n
Paso 4: Se establece la regla de decisin.

Regin de
aceptacin
Regin de
rechazo
0.025
t 0.025 ,15
2.131
0.025
Regin de
rechazo
t 0.025,15 t
2.131
Como la hiptesis nula es que el parmetro sea distinto a un valor, la prueba es de dos
colas.
Paso 5: Se halla el valor de t y se realiza la decisin.
154
t=
496 500
= 3.2
5 16
Como este valor cae en la regin de rechazo, se concluye que la hiptesis nula debe ser
rechazada y se acepta la hiptesis alternativa, que indica que los frascos no estn siendo
llenados con 500 gr. de caf.
Conclusin: En promedio la mquina no est llenando los frascos correctamente con 500
gr. de caf.
Accin: Como administrador debe ordenar un mantenimiento o calibracin de la mquina.
4.2. Pruebas de hiptesis para la diferencia de dos medias

Se considera ahora dos poblaciones normales de las que se realizar una comparacin de
sus medias mediante la diferencia. Se estudiarn primero los tres casos ms frecuentes,
para luego presentar el rbol de decisiones para todos los casos.
Primer paso.
H0: 1 = 2
H1: 1 2; 1 > 2; 1 < 2
Segundo paso.
= 0
Tercer Paso.
Con varianzas conocidas y cualquier tamao de muestra:
Z=
(X
X2 ) (1 2 )
12 22
+
n1 n 2
Con varianzas desconocidas pero iguales (n<30):
t=
(X
X 2 ) ( 1 2 )
1
1
S
+
n1 n2
S=
(n
1)S12 + ( n 2 1)S22
n1 + n 2 2
Con varianzas desconocidas y no necesariamente iguales (n<30).
155
= n1 + n2 2
t=
(X
X 2 ) ( 1 2 )
S12 S 22
+
n1 n 2
n1 ) (S 22 n 2 )
+
n1 + 1
n2 + 1
Con datos apareados (muestras dependientes) (n<30).
S12 S22
+
n1 n 2
(x1 x 2 ) (1 2 )
t=
(x
(S
2
1
t=
x 2 ) 2 n(x1 x 2 ) 2
x 0
S n
i =1
n 1
Cuarto Paso.
Con varianzas conocidas y cualquier tamao de muestra:
Rechazo
Rechazo
z
Rechazo
Rechazo
Con varianzas desconocidas pero iguales o no necesariamente iguales, y muestras

apareadas (n<30):
t ,
2
Rechazo
t ,
t ,
Rechazo
Rechazo
t ,
Rechazo
La diferencia entre las reglas de decisin de las dos pruebas de hiptesis planteadas
radicar en el valor de los grados de libertad.
Quinto paso.
Con los datos muestrales, se halla el valor del estadstico de prueba y se lo ubica en el
grfico que posee la regla de decisin. Dependiendo en que zona se ubica el valor, se
decide rechazar o aceptar la hiptesis nula.
156
A continuacin se presenta el rbol de decisiones para elegir el estadstico adecuado.
157
No
Tamao de las
muestras?
Datos
pareados?
Pequeo
Varianzas de
las poblaciones
conocidas?
n<30
Si
n>30
Si
No
No
No
Si
Grande
Cualquier n
Varianzas
Iguales?
No
Si
Si
Si
No
No
158
t=
t=
t=
Z=
s12 s22
+
n1 n 2
X 2 ) ( 1 2 )
(X
(X
1
1
+
n1 n2
S12 S22
+
n1 n 2
X 2 ) ( 1 2 )
X2 ) ( 1 2 )
x 0
S n
x 0
12 22
+
n1 n 2
X2 ) (1 2 )
(X
(X
Z=
Z=
s12 s22
+
n n
= 12 2 2 2
2
s1 s22

n1 + n2
n1 + 1 n2 + 1
(n1 1) s12 + ( n2 1) s22

n1 + n2 2
= n1 + n2 2
s=
ARBOL DE DECISIN PARA PRUEBAS DE HIPTESIS
Ejemplo.
Se estudian dos mtodos para el aprendizaje del idioma Ingls. Despus de cierto periodo,
dos grupos, cada uno llevando uno de estos mtodos, son examinados mediante un mismo
test. Los resultados muestrales obtenidos son:
Estadsticos
Media
Varianza
Tamao
Grupo 1
87
36
10
Grupo 2
92
23
16
Con base en esta informacin, es posible afirmar que el mtodo utilizado en el grupo 2 es
ms efectivo? Se puede asumir que las varianzas poblacionales de los dos grupos son
iguales y que se distribuyen normalmente. Utilice un nivel de significancia de 0.01.
Resolucin.
Paso 1:
H0: 1 = 2
H1: 1 < 2
Paso 2:
= 0.01
Paso 3:
Usando el rbol de decisiones, como las varianzas son desconocidas, los tamaos de
muestra pequeos, pero las varianzas son iguales, se tiene:
t=
(X
X 2 ) ( 1 2 )
S
(n
S=
1
1
+
n1 n2
1)S12 + ( n 2 1)S22
n1 + n 2 2
= n1 + n2 2
Cuarto Paso.
= 0.01
= 10 + 16 2 = 24
1 = 0.99
t0.01,24 = 2.49
Rechazo
159
Quinto paso.
S=
(10 1) 36 + (16 1) 23 = 5.28

24
t=
(87 92 )
1 1
5.28
+
10 16
= 2.35
El valor de t est en la regin de aceptacin y por lo tanto se acepta la hiptesis nula.

Conclusin: No existe evidencia estadstica suficiente para rechazar la hiptesis nula, as
que los mtodos de Ingls no difieren significativamente.
Accin: Los alumnos pueden inscribirse a cualquiera de los mtodos o los profesores
pueden ensear con cualquiera de ellos, porque el resultado ser el mismo.
4.3. Prueba de hiptesis para una proporcin cuando se toman muestras

grandes
El nico caso que puede sustentar la estadstica, cuando se quiere realizar una inferencia
para una proporcin, es cuando se toman muestras grandes. Este proceso aleatorio sigue
una distribucin binomial, que deber aproximarse a una normal.
A continuacin se definen los elementos, que entran en juego:
X=
n=
Nmero de artculos xito de la muestra (Ej: productos defectuosos en un proceso

productivo)
Tamao de la muestra
p=
Fraccin xito (Ej: fraccin defectuosa del proceso) =
Ahora, se siguen los 5 pasos de la prueba de hiptesis:

Primer paso.
H0: p = p0
H1: p p0; p > p0; p < p0
Segundo paso.
= 0
Tercer paso.
Z=
X np
np (1 p )
160
X
p
Cuarto paso.
z
2
Rechazo
z
2
Rechazo
z
Rechazo
Rechazo
Quinto paso.
Basndose en la informacin muestral, se halla el estadstico de prueba, y se compara con
la regla de decisin. Luego se acepta o rechaza la hiptesis nula.
Ejemplo.
En un estudio de mercado, un investigador encontr que 43 mujeres de un grupo de 100
entrevistadas preferan el color rojo en sus automviles. Apoya esta muestra la afirmacin
de que el 50% de las mujeres prefieren el color rojo en sus autos? Prubelo al nivel 0.01.
Resolucin.
Paso 1:
H0: p = 0.5
H1: p 0.5
Paso 2:
= 0.01
Paso 3:
Z=
X np
np(1 p)
Paso 4:
0.005
0.99
2.58
0.005
2.58
Rechazo
Rechazo
161
Paso 5:
Z=
43 100(0.5)
100(0.5) (1 0.5 )
= 1.4
El estadstico se halla en la regin de aceptacin, por lo tanto se acepta la hiptesis nula.

Conclusin: el 50% de las mujeres prefieren el color rojo en sus automviles.
Accin: Puesto que este porcentaje es bastante considerable, el investigador deber sugerir
a la compaa comercializadora que emplee la estrategia de mercadeo de mostrar primero
un auto rojo a los clientes femeninos.
4.4. Prueba de hiptesis para la diferencia entre dos proporciones

Ahora se analiza la prueba de hiptesis si se quieren comparar las proporciones de dos
poblaciones normales, tomando muestras grandes.
Los elementos a considerar son:
X1
(Proporcin xito de la muestra tomada de la primera poblacin)
n1
X
p$ 2 = 2 (Proporcin xito de la muestra tomada de la primera poblacin)
n2
p$ 1 =
P=
X1 + X 2
(Proporcin promedio de ambas muestras)
n1 + n 2
Los cinco pasos para la prueba son:

Primer paso.
H0: p1 = p2
H1: p1 p2; p1 > p2; p1 < p2
Segundo paso.
= 0
Tercer paso.
162
Z=
p 1 p 2
1 1
P (1 P ) +
n1 n 2
Cuarto paso.
z
2
Rechazo
z
2
Rechazo
z
Rechazo
Rechazo
Quinto paso.
Con los datos muestrales, se halla el valor del estadstico de prueba y se lo ubica en el
grfico que posee la regla de decisin. Dependiendo en que zona se ubica el valor, se
decide rechazar o aceptar la hiptesis nula.
Ejemplo.
Una gran cadena hotelera est tratando de decidir si convierte ms de sus habitaciones en
cuartos para no fumadores. En una muestra aleatoria de 400 huspedes tomada el ao
anterior, 166 de stos pidieron habitaciones para no fumadores. Este ao, 175 huspedes
de una muestra de 380 prefirieron cuartos para fumadores. Recomendara usted que la
cadena de hoteles destine ms habitaciones a no fumadores? Apoye su recomendacin
probando la hiptesis apropiada a un nivel de significancia de 0.01.
Resolucin.
Paso 1:
H0: p1 = p2 (Las proporciones para cuartos de no fumadores este ao es igual a la del ao
pasado)
H1: p1 < p2 (La proporcin para los cuartos de no fumadores ser mayor este ao)
Paso 2:
= 0.01
Paso 3:
Z=
p 1 p 2
1 1
P (1 P ) +
n1 n 2
Paso 4:
163
= 0.01 1 = 0.99
z0.01 = 2.58
Rechazo
Paso 5:
p1 =
166
= 0.415
400
p 2 =
Z=
205
= 0.5395
380
P=
0.415 0.5395
1
1
+
0.4756 (1 0.4756 )
400 380
166 + 205
= 0.4756
400 + 380
= 3.48
El valor del estadstico cae en la regin de rechazo, por lo tanto se acepta la hiptesis
alternativa.
Conclusin: La proporcin de los huspedes del hotel que piden habitaciones para no
fumadores fue significativamente mayor con respecto a la del ao pasado.
Accin: Se recomienda que el hotel destine ms habitaciones para no fumadores.
4.5. Pruebas de hiptesis para varianzas

A continuacin se estudian las pruebas relacionadas a la varianza de una poblacin normal,
considerando dos casos: tomando muestras grandes y muestras pequeas.
Primer paso.
H0: = 0
2
H1: 0 ; > 0 ; < 0

Segundo paso.
= 0
Tercer paso.
Con muestras pequeas (n < 30): =
2
( n 1)S2
20
S
Con muestras grandes (n 30): Z =
2n
Cuarto paso.
Con muestras pequeas (n < 30):

164
12 ,n 1
2, n1
2 , n 1
12 ,n 1
Con muestras grandes (n 30):
z
2
Rechazo
z
2
Rechazo
Rechazo
Rechazo
Quinto paso.
Con la informacin muestral se procede a decidir si rechazar la hiptesis nula o aceptarla.
Ejemplo.
Con base en la experiencia pasada, el gerente de produccin de una compaa llantera ha
determinado que si la desviacin estndar de la poblacin de la duracin de las llantas no
es mayor a 3500 kilmetros, se considerar que el proceso funciona correctamente (est
bajo control). Al gerente le interesa sobre todo determinar si hay demasiada variabilidad en
la duracin de las llantas producidas en lunes, con los resultados siguientes (en miles de
km.):
22.42 20.62 18.36 26.47 21.46 19.75 19.20 20.30 23.40 17.84 27.38 26.34 22.43
23.46 28.27 23.51 24.73
Existen pruebas suficientes de que el proceso est funcionando correctamente? Use un
nivel de significancia del 5%.
Resolucin.
Paso 1:
H0: = 12.25 (3.5 )

H1: 2 > 12.25
Segundo paso.
= 0
Tercer paso.
165
2 =
( n 1)S2
20
Cuarto paso.
0.95
= 0.05
2
0.05,16
= 26.3
Quinto paso.
x = 22.70
s = 3.18
2 =
(17 1) 3.182
3.5 2
= 13.2
Se acepta la hiptesis nula.

Conclusin: El proceso est funcionando correctamente.
Accin: El gerente no har ningn cambio en la eficiencia del proceso.
4.6. Prueba de hiptesis para el cociente de varianzas

Esta prueba se la realiza para probar si las varianzas de dos poblaciones normales son
iguales o diferentes. Generalmente esta situacin se da cuando se quiere comparar la
precisin de dos instrumentos de medicin, la variacin en las caractersticas de calidad de
un producto o la variacin en los resultados de dos procedimientos de prueba. Todos estos
ejemplos tienen que ver con la homogeneidad o uniformidad de variabilidades.
Primer paso.
H0: 1 = 2
H1: 12 22; 12 > 22; 12 < 22

Segundo Paso.
= 0
Tercer paso.
s12
F= 2
s2
Cuarto Paso.
F1 ,n1 1,n2 1
2
F ,n1 1,n2 1 F
2
1 166
F ,n1 1, n2 1 F F1 ,n1 1,n2 1
Quinto paso.
Con la informacin muestral se procede a decidir si rechazar la hiptesis nula o aceptarla.
Ejemplo.
Un supervisor de control de calidad de una empresa fabricante de automviles est
preocupado por la uniformidad del nmero de defectos en los automviles que salen de la
lnea de ensamblaje. Si una lnea de ensamblaje tiene una variabilidad significativamente
mayor en el nmero de defectos, entonces es necesario introducir cambios. El supervisor
ha recogido los siguientes datos:
Estadstico
Media
Varianza
Tamao de muestra
Nmero de defectos
Lnea de ensamblaje Lnea de ensamblaje B
A
10
11
9
25
20
16
La lnea de ensamblaje B tiene una variabilidad significativamente mayor en el nmero de

defectos? Use = 0.10
Resolucin.
Paso 1:
H0: 1 = 2
2
2
H1: 1 < 2
Paso 2:
= 0.1
Paso 3:
F=
s12
s 22
Paso 4:
F0.9,19,15 =
= 0.1
0.9
167
F0.9,19,15
1
F0.1,15,19
1
= 0.54
1.86
Paso 5:
F=
9
= 0.36
25
Se rechaza la hiptesis nula.

Conclusin: La lnea de ensamblaje B tiene una variabilidad mayor a la A en cuanto al
nmero de defectos.
Accin: El supervisor introducir cambios en la lnea de ensamblaje B para reducir la
variabilidad.
5. RBOL DE DECISIN PARA LA ELECCIN DE LA PRUEBA DE HIPTESIS

En este captulo se ha tratado de analizar y estudiar exhaustivamente todas las pruebas de
hiptesis que se pueden usar en el campo de la investigacin usando la estadstica
inferencial. Sin embargo, se propone a continuacin un rbol de decisiones que servir
como una gua didctica para que el lector pueda elegir con mayor facilidad el tipo de
prueba para la resolucin de problemas, tanto los que se presentan en el curso de
estadstica inferencial como los que tiene que resolver un profesional en su empresa.
168
Nmero de
poblaciones?
Dos
Una
Cul es la
palabra clave?
Comparacin
de fracciones
o porcentajes
Relacin de
variabilidades
Comparacin
de promedios
Fraccin
Porcentaje
Probabilidad
Variacin
Variabilidad
Promedio
Medio
Z=
n>30
np (1 p )
X np
Z=
=
2
Diferencia
de proporciones
169
Z=
S
2n
20
( n 1) S2
1 1
P (1 P ) +
n1 n 2
p 1 p 2
s12
F= 2
s2
Proporcin
Varianza
n<30
RBOL DE DECISIN PARA ELEGIR LA PRUEBA DE HIPTESIS
P=
X1 + X2
n1 + n 2
EJERCICIOS DE CLASE
Prueba de hiptesis para la media de una poblacin normal con varianza conocida
(n30).
1. Un vendedor de coches nuevos calcula que su compaa tiene que promediar mas de
4.8% de ganancias en las ventas de los autos nuevos asignados. Una muestra aleatoria
de 80 coches, proporcion una media de 4.87% del porcentaje de ganancias por
vehculo. Por datos histricos del vendedor se sabe que la desviacin estndar es de
3.9%. Aportan los datos evidencia suficiente que indique que la poltica del gerente de
ventas al aprobar los precios genera una ganancia media superior a 4.8% por coche?
Use = 0.01.
Prueba de hiptesis para la media de una poblacin normal con varianza desconocida
(n<30).
2. Se dise un nuevo sistema para el control del inventario de un pequeo fabricante, con
el propsito de reducir el mismo para un motor elctrico en particular a menos de 3000
motores por da. Se llev a cabo un muestreo del inventario en reserva al final de cada
uno de 8 das, seleccionados aleatoriamente. Los resultados se muestran en la siguiente
tabla. Con los datos, hay evidencia suficiente que seale que el promedio del nmero
diario de motores en el inventario es menor que 3000? Use = 0.05.
Nmero de motores: 2905 2725 2835 3065 2895 3005 2835 2605
Prueba de hiptesis para la diferencia entre dos medias para una poblacin normal
con varianzas conocidas (tomando muestras grandes).
3. Una compaa desea comparar las expectativas salariales anuales de su personal de
ventas femenino y masculino, segn un nuevo plan de compensaciones ventas-mascomisin. Se pidi a 40 vendedoras y 40 vendedores, muestreados al azar, predijeran
sus ingresos anuales bajo el nuevo plan. Las medias muestrales y las desviaciones
poblacionales eran:
x1 = 310.83 $
x 2 = 297.45 $
1 = 23.12 $
2 = 25.69 $
Proporcionan los datos evidencia que indique una diferencia en el promedio del ingreso
anual esperado tanto entre los vendedores como las vendedoras? Haga la prueba con
= 0.1.
170
con varianzas desconocidas y no necesariamente iguales (tomando muestras
pequeas).
4. Se estudian dos frmulas para obtener la resistencia de un plstico utilizado en la
fabricacin de juguetes. El experto industrial afirma que no hay diferencia significativa en
las resistencias promedio que dan cada una de las frmulas. Se duda de su afirmacin, y
se experimenta, obtenindose la siguiente informacin.
Resistencia
Frmula 1:
42
50
45
47
48
52
50
Frmula 2:
41
48
50
46
45
42
46
Con un nivel de significancia del 0.05, est usted de acuerdo con la afirmacin del
fabricante?
con varianzas desconocidas pero iguales (tomando muestras pequeas).
5. Un fabricante de automviles decidi, recientemente, que el factor principal de las ventas
no era el automvil, ni su servicio, sino el enfoque de ventas empleado por sus
vendedores. Para probar esta teora, se dividi aleatoriamente un grupo de 16
vendedores en otros dos de 8 cada uno. Uno utiliz un enfoque con una publicidad
dinmica (o agresiva) hacia los clientes durante el perodo de un mes; el otro grupo us
un enfoque mas tranquilo, durante el mismo tiempo. Se supone que las desviaciones de
las poblaciones son iguales.
Datos muestrales
Dinmica
Tranquila
Tamao
Media ($)
Desviacin
8
106200
24400
8
111900
28600
Proporcionan los datos evidencia suficiente que seale una diferencia en el nivel
promedio de las ventas para los dos enfoques de ventas? Use = 0.1.
con datos apareados (tomando muestras pequeas).
6. Sherri Welch es una ingeniero de control de calidad que trabaja en el departamento de
manufactura de limpiadores de parabrisas de la Emsco, Inc. La empresa, actualmente,
est considerando utilizar dos nuevos hules sintticos para sus limpiadores, y Seherri es
la encargada de ver si los limpiadores fabricados con los dos tipos de hule se desgastan
de la misma manera. Equip doce automviles que pertenecen a empleados de la
171
Emsco con los dos nuevos limpiadores, uno de cada tipo de material. En los automviles
1 a 6 el limpiador derecho est fabricado con el material A y el izquierdo con el material
B; en los automviles 7 a 12, el material A fue utilizado en el limpiador izquierdo. Los
coches fueron conducidos en condiciones de operacin normales hasta que los
limpiadores ya no funcionaron adecuadamente para limpiar el agua de lluvia de los
parabrisas. Los datos que damos ms adelante corresponden al tiempo de vida til (en
das) de los limpiadores. A un nivel de riesgo de 0.05, se desgastan de la misma
manera los dos materiales?
Prueba de hiptesis para una proporcin tomando muestras grandes.

7. La experiencia de un comerciante en aparatos y accesorios mostr que 10% de sus
clientes que compran a plazos liquidan sus cuentas antes del vencimiento de la ltima
mensualidad. Al sospechar un incremento de este porcentaje, el comerciante hizo un
muestreo de 200 compradores a crdito para saber sus intenciones. 33 de ellos
afirmaron tener planeado pagar sus adeudos antes de la ltima mensualidad. Son los
datos suficientes para indicar que el porcentaje de compradores a plazos que pagaran
sus deudas antes de la ltima mensualidad, excede el 10%? Use = 0.05.
Prueba de hiptesis para la diferencia entre dos proporciones tomando muestras
grandes.
8. El administrador de un hospital conjetura que el porcentaje de cuentas hospitalarias no
pagadas, aument durante el ao anterior. Los registros del hospital muestran que las
cuentas de 48 de 1284 personas admitidas en el mes de abril no habran sido liquidadas
despus de 90 das. Este nmero es similar a las 34 cuentas de 1002 personas
admitidas durante el mismo mes del ao anterior. Con los datos, hay evidencia
suficiente que indique un incremento en el porcentaje de cuentas no liquidadas despus
de ms de 90 das? Use = 0.1.
Prueba de hiptesis para la varianza de una poblacin normal (para muestras
pequeas).
9. Un profesor de administracin ha pensado meticulosamente el diseo de sus exmenes.
Con el fin de estar razonablemente seguro de que un examen se desempea bien al
distinguir las diferencias en el logro mostrado por los estudiantes, la desviacin estndar
de los resultados del examen no puede ser demasiado pequea. Por el otro lado, si la
172
desviacin estndar es muy grande, habr una tendencia a tener una gran cantidad de
resultados muy bajos, lo cual es deprimente para el nimo de los estudiantes.
Experiencias pasadas han conducido al profesor a creer que una desviacin de 13
puntos para un examen de 100 indica que el examen se desempea bien al equilibrar
estos dos objetivos.
El profesor acaba de hacer un examen a su grupo compuesto por 26 estudiantes de
recin ingreso y del segundo ao. La calificacin promedio fue de 72.7 y la desviacin de
15.9. Este examen cumple con el criterio de bondad del profesor? Use = 0.1.
Prueba de hiptesis para la varianza de poblaciones normales (tomando muestras
grandes).
10. Las especificaciones de produccin de ciertos cojinetes requieren que la varianza de
2
sus dimetros no exceda 0.0040 cm . De una muestra de 35 de ellos, se obtuvo que
2
s =0.0033. Pruebe la hiptesis de que la desviacin estndar de la poblacin es de
0.004, utilizando un nivel de significancia de 0.01.
Prueba de hiptesis para el cociente de varianzas en poblaciones normales.

11. La variabilidad en la cantidad de impurezas presentes en un lote de productos
qumicos, utilizada para un proceso particular, depende del tiempo que tarda el
proceso. Un fabricante que emplea dos lneas de produccin 1 y 2, hizo un pequeo
ajuste al proceso 2, con esperanza de reducir la variabilidad, as como la cantidad
media de impurezas en los productos qumicos. Muestras de 25 mediciones de dos
lotes cada uno produjeron las siguientes medias y varianzas:
x1 = 3.2
x 2 = 3.0
s 1 = 1.04
2
s 2 = 0.51
Presentan los datos evidencia suficiente para indicar que las variaciones del proceso
son menores para el proceso 2? Use = 0.05.
173
1. Aproximadamente 1 de cada 10 consumidores favorece el refresco de cola marca A.
Despus de una campaa de promocin en una regin de ventas dada, se seleccion
aleatoriamente 200 bebedores de ese producto de los consumidores en el rea del
mercado, y se les entrevist para determinar la efectividad de la campaa. El resultado
de la encuesta mostr que un total de 26 personas expres su preferencia para la bebida
marca A. Proporcionan los datos evidencia suficiente para indicar un aumento en la
aceptacin de la marca A en la regin? ( = 0.05).
2. Proporcionan los pesos de los 6 diamantes sintticos de 0.46, 0.61, 0.52, 0.48, 0.57 y
0.54 quilates, evidencia suficiente que seale que el proceso promedio de las gemas
producidas mediante el proceso excede los 0.5 quilates? Haga la prueba con un nivel de
significancia de 0.05.
Encuentre un intervalo de confianza de 95% para el promedio del peso de los diamantes.
3. Una operacin de ensamblaje en una planta manufacturera requiere de un perodo de
entrenamiento de aproximadamente un mes para que un nuevo operario alcance la
mxima eficiencia. Se sugiri un nuevo mtodo de entrenamiento y se realiz una
prueba para comparar el nuevo mtodo con el procedimiento estndar. Se entren a dos
grupos, de nueve obreros nuevos cada uno, durante tres semanas; un grupo utiliz el
nuevo mtodo y el otro el procedimiento de entrenamiento estndar. Se registr el
tiempo, en minutos, que tard cada trabajador en montar el dispositivo al final del
perodo de tres semanas. Estas mediciones aparecen en la tabla. Con los datos, hay
evidencia suficiente que seale que el tiempo medio de montaje al final de un perodo de
174
entrenamiento de tres semanas es menor para el nuevo procedimiento de

entrenamiento? (Suponga que la variabilidad para las dos poblaciones de mediciones es
aproximadamente igual y que el nivel de significancia es de 0.05).
Procedimiento estndar: 32
Procedimiento nuevo:
35
37
31
35
29
28
25
41
34
44
40
35
27
31
32
34
31
Luego, encuentre un intervalo de confianza del 95 % para la diferencia del tiempo medio
de montaje entre los dos procedimientos. (Nota: Debe construir el intervalo de confianza
adecuado).
4. Un gerente de control de calidad de una compaa estaba convencido de que una
balanza para pesar materia prima, variaba segn una desviacin estndar de 2. A fin de
probar el equipo se pes una carga de 107 libras, y se registraron las mediciones de
104.1, 105.2 y 110.2. No corresponden estos datos a la afirmacin del gerente? Use un
nivel de significancia del 10%.
Despus obtenga un intervalo de confianza de 90% para la varianza de la poblacin.
5. En un estudio para averiguar los efectos de usar modelos femeninos en la publicidad
para automviles a un grupo de 50 hombres, al grupo A, se le mostr la fotografa de un
automvil con una modelo y la de otro auto del mismo precio pero sin modelo. A otro
grupo, el grupo B, de 50 hombres, le fue mostrado ambos automviles sin modelo. En el
grupo A, el automvil que apareca con la modelo fue considerado ms lujoso por 37 de
los entrevistados; en el grupo B, el mismo auto fue juzgado como ms lujoso por 23 de
los entrevistados. Se considera que estos datos indican que el usar una modelo influye
en el lujo aparente de un automvil? Use una prueba de una sola cola, con = 0.05.
6. Un propietario de un automvil compacto sospecha que la distancia promedio por galn
que ofrece su carro es menor que la especificada por la EPA, la cual es de 30 millas por
galn. El propietario observa la distancia recorrida por galn en 9 ocasiones, y obtiene
los siguientes datos: 28.3, 31.2, 29.4, 27.2, 30.8, 28.7, 29.2, 26.5, 28.1. Despus de una
investigacin, el propietario concluye que la distancia por galn es una variable aleatoria
que se distribuye normalmente, con una desviacin estndar conocida de 1.4 millas por
galn. Con base en esta informacin, Se encuentra apoyada la sospecha del
propietario con = 0.01?
7. La desviacin tpica del tiempo til de una muestra compuesta por 200 focos, es de 100
horas. El fabricante asegura que la desviacin estndar del tiempo de vida de sus
productos es de 112 horas. Con un nivel de significacin de 0.05, contraste la suposicin
del fabricante a la hiptesis de que 112.
8. Una planta de produccin tiene dos sistemas de fabricacin muy complejos, uno de ellos
dos veces ms viejo que el otro. A ambos sistemas se les da mantenimiento cada 25
das. Durante 30 das laborables se ha registrado el nmero de productos terminados
fabricados diariamente por cada uno de los dos sistemas, y se obtienen los siguientes
resultados:
175
Sistema nuevo:
Sistema viejo:
x1 = 246
x 2 = 240
s1 = 15.6
s2 = 28.2
Presentan estos datos evidencia suficiente para concluir que la variabilidad en la

produccin diaria justifica un mantenimiento ms intensivo para el sistema viejo?
9. La gerencia de aceros Reyes S.A. desea determinar si hay alguna diferencia en el
rendimiento entre el turno de da y el turno mixto. Una muestra de 100 operarios del
turno diurno revela una produccin promedio de 74.3 partes por hora, con una
desviacin estndar de 16 partes/h. Una muestra de 100 operarios del turno mixto revela
una produccin promedio de 69.7 partes por hora, con una desviacin estndar de 18
partes/h. Con un nivel de significancia de 0.10, hay alguna diferencia en la produccin
entre los turnos?
10. Ciertas mquinas industriales necesitan reparacin cuando el desgaste de sus partes
trae como consecuencia mucha variabilidad del producto respecto de las
especificaciones. Si la variabilidad no debe exceder 2 = 50, y una muestra de 40 dio s2
= 60, est justificado el inspector al requerir el ajuste?
11. Diariamente, el servicio de aduanas de los Estados Unidos ha interceptado a lo largo
de su historia, alrededor de 28 millones en bienes de contrabando introducidos al pas,
con una desviacin estndar de 16 millones al da. En 64 das de 1992, elegidos
aleatoriamente, el servicio de aduanas intercept un promedio de 30.3 millones en
bienes de contrabando. Indica esta muestra (a nivel de significancia del 5%) que el
comisionado de aduanas debera preocuparse por el incremento del contrabando por
encima de su nivel histrico?
12. Un miembro de un grupo de inters pblico preocupado por la contaminacin ambiental
afirma, en una audiencia pblica, que menos de 60% de las plantas industriales de esta
rea cumple con los estndares de contaminacin ambiental. A esta reunin asisti una
funcionaria de la Agencia de Proteccin Ambiental (APA) que cree que el 60% de las
plantas si cumplen con los estndares; y decide probar esa hiptesis al nivel de
significancia de 0.02. La funcionaria efecta una investigacin completa de los registros
de su oficina. Muestrea 60 plantas de una poblacin de ms de 10000 plantas y
encuentra que 33 cumplen con los estndares de contaminacin ambiental. Es vlida
la informacin del miembro del grupo de inters pblico?
13. Un documental de televisin acerca de la alimentacin excesiva afirmaba que los latinos
tienen un sobrepeso aproximado de 10 lb. En promedio. Para probar esta afirmacin ,
se examin a 18 individuos elegidos aleatoriamente, y se encontr que su sobrepeso
promedio era de 12.4 lb., con una desviacin estndar de 2.7 lb. A un nivel de
significancia de 0.01, hay alguna razn para dudar de la validez del valor afirmado de
10 lb.?
14. La empresa Block, una compaa fabricante de chips de memoria RAM para
computadoras, est en proceso de decidir si sustituye su lnea de ensamblaje
semiautomtica, que tiene actualmente, por otra completamente automatizada. Como le
gustara saber si debe actualizar su lnea de ensamblado, Block ha reunido algunos
datos sobre pruebas acerca de la produccin por hora de chips, esos datos se resumen
176
en la siguiente tabla. Establezca (y pruebe con un nivel de significancia de 0.02)

hiptesis apropiadas para ayudar a Block a tomar una decisin.
Estadsticos
Lnea
semiautomtica
Lnea automtica
Media
198
Desviacin
estndar
32
Tamao
150
206
29
200
15. Donna Rose es supervisora de produccin de la lnea de ensamblado de unidades de

disco de computadora de la empresa Winchester Technologies. Recientemente, WT
instal un sistema de audio para msica ambiental en sus instalaciones, con la
esperanza de que la msica relajara a sus obreros y condujera a una mayor
productividad. Dona se mantiene escptica con respecto a esta hiptesis y teme que la
msica sea un foco de distraccin y produzca una baja en la productividad. Muestre la
produccin semanal de los mismos seis trabajadores antes de tener msica ambiental y
despus de haber instalado el sistema. Los datos que obtuvo se presentan a
continuacin. A un nivel de significancia del 2%, ha cambiado la produccin promedio?
Empleado 1
Sin msica 219
Con msica 235
2
205
186
3
226
240
4
198
203
5
209
221
6
216
205
16. En viernes, tuvieron avance 11 acciones de una muestra aleatoria de 40 tomada de las
2500 acciones negociadas en la Bolsa de valores de Nueva York; es decir aument el
precio de su valor. En una muestra de 60 acciones de la Bolsa de Valores de Nueva
York, tomada el jueves, 24 acciones avanzaron. A un nivel de 0.10 de significancia,
puede usted llegar a la conclusin de que una porcin menor de las acciones de la
bolsa de valores avanzaron el viernes con respecto al jueves?
17. La empresa Precision Analytics fabrica una amplia lnea de instrumentos de precisin y
tiene una buena reputacin en el campo por la calidad de sus instrumentos. Con el fin
de conservar su reputacin, mantiene un estricto control de calidad en todos sus
productos. No pondr a la venta una balanza analtica, por ejemplo, a menos que dicha
balanza muestre una variabilidad que est significativamente por debajo de un
microgramo (con un nivel de significancia de 0.01) cuando se pesan cantidades de
aproximadamente 500 gramos. Una nueva balanza acaba de ser entregada a la divisin
de control de calidad por parte de la lnea de produccin. Se prueba la balanza
utilizndola para pesar el mismo peso estndar de 500 gramos 30 veces distintas. La
desviacin estndar de la muestra result de 0.73 microgramos. Se deber vender la
balanza?
18. Un supervisor de control de calidad de una empresa fabricante de automviles est
preocupado por la uniformidad del nmero de defectos en los automviles que salen de
la lnea de ensamblaje. Si una lnea de ensamblaje tiene una variabilidad
significativamente mayor en el nmero de defectos, entonces es necesario introducir
cambios. El supervisor ha recogido los siguientes datos:
177
Estadsticos
Media
Varianza
Tamao de muestra
Nmero de defectos
Lnea A
Lnea B
10
11
9
25
20
16
La lnea de ensamblaje B tiene una variabilidad significativamente mayor en el nmero

de defectos? Pruebe al nivel de significancia de 0.05.
19. En un estudio diseado para investigar si ciertos detonadores empleados con
explosivos en una mina de carbn cumplen con los requerimientos de que al menos el
90% encender el explosivo al ser detonado, se encontr que 174 de 200 detonadores
funcionaron adecuadamente. Prubese la hiptesis nula contra la alternativa con un
nivel de significancia de 0.05.
20. Una compaa asegura que sus lmparas incandescentes son superiores a las de su
principal competidor. Si un estudio demostr que una muestra de 40 de esas lmparas
tienen una vida til media de 647 horas con una desviacin estndar de 27 horas,
mientras que otra muestra de 40 de su principal competidor tuvieron una vida til media
de 638 horas de uso continuo con una desviacin estndar de 31 horas. Se debe
aceptar la afirmacin con un nivel de significancia de 0.05?
21. El Ing. Hugo Grandy experto en Seguridad Industrial imparte, bajo el auspicio de La
Boliviana de Seguros S.A., un curso sobre principios de Seguridad e Higiene Industrial
a un grupo de subgerentes y supervisores. Las muestras aleatorias de las
puntuaciones obtenidas son:
Grupo 1: Subgerentes 121
Grupo
2: 128
Supervisores
180
197
122
180
160
126
141
167
97
99
212
147
186
Se sabe que la poblacin de puntuaciones no se distribuye normalmente. El

aprovechamiento fue igual o diferente para los dos grupos? Use un nivel de
significacin de 0.05.
22. Una empresa de alumbrado elctrico compr en forma experimental 50 ampolletas de
las marcas A y B, respectivamente. La prueba de estas ampolletas arroj, para las de
marca A, una vida media de 1282 horas y para las de marca B, una vida media de 1208
horas. Si la desviacin estndar en ambos casos se garantiza en 80 y 94 horas,
respectivamente. Puede concluirse que la marca A es de superior calidad a la otra?
Use un nivel de significacin de 0.02. Ambas muestras provienen de poblaciones
normales.
23. Una compaa ferroviaria instala 2 grupos de 50 durmientes cada uno. Los dos grupos
se han impregnado con creosota, pero por dos procedimientos distintos. Despus de
cierto tiempo, 22 durmientes del primer grupo y 18 del segundo, estn en buenas
condiciones. Comparar los dos procedimientos de impregnacin. Use un nivel de
significacin de 0.04. Considerar que la poblacin se halla distribuida normalmente
178
24. Picosoft Ltd., proveedor de software de sistemas operativos para computadoras

personales, estaba planeando la oferta pblica inicial de sus existencias para sacar el
suficiente capital de trabajo para financiar el desarrollo de un sistema integrado de
sptima generacin, radicalmente nuevo. Con utilidades actuales de 1.61 $ por accin,
Picosoft y sus suscriptores estaban considerando un precio de oferta de 21 $,
aproximadamente 13 veces las utilidades. Para verificar lo adecuado de este precio,
eligieron aleatoriamente 7 compaas de software comercial pblico y encontraron que
su tasa promedio precio/utilidades era de 11.6, con una desviacin estndar de muestra
de 1.3.
a) A un nivel de 0.02 de significancia, puede Picosoft concluir que las existencias en
compaas de software comercial pblico tienen una tasa promedio precio/utilidad
significativamente diferente de 13?
b) Encuentre un intervalo de confianza del 98 % para la tasa precio/utilidad.
25. Usted es el administrador del Centro Boliviano Americano y est estudiando
implementar dos mtodos nuevos para el aprendizaje del idioma ingls. Para el efecto
usted realiz una experiencia. Despus de cierto perodo, dos grupos, cada uno
llevando uno de estos dos mtodos, fueron examinados mediante un mismo test. Los
resultados obtenidos fueron:
Grupo 1:
Grupo 2:
Media: 87
Media: 92
Varianza: 36
Varianza: 23
Tamao de muestra: 10
Tamao de muestra: 16
Con base en esta informacin, es posible afirmar que el mtodo utilizado en el grupo
2 es ms efectivo? Asuma que las varianzas de la poblacin son aproximadamente
iguales, y utilice un nivel de significancia de 0.01.
26. En la refinera Gualberto Villarroel en la que usted est como gerente, se est
pensando modificar el proceso para producir gasolina a partir de petrleo crudo. Usted
har la modificacin slo si la gasolina promedio obtenida por este nuevo proceso
(expresada como un porcentaje del crudo) aumenta su valor con respecto al proceso en
uso. Con base en un experimento de laboratorio y mediante el empleo de dos muestras
aleatorias de tamao 12, una para cada proceso, la cantidad de gasolina promedio del
proceso en uso fue de 24.6 con una desviacin estndar de 2.3, y para el proceso
propuesto fue de 28.2 con una desviacin estndar de 2.7. Usted piensa que los
resultados proporcionados por los dos procesos son variables independientes
normalmente distribuidas con varianzas iguales. Con base en esta evidencia,
adoptara usted el nuevo proceso?
27. Un fabricante de mquinas para empacar sal afirma que sus mquinas pueden llenar
con un peso dado las cajas, presentando una variabilidad no mayor a 0.01 libras
cuadradas. Una muestra de 8 cajas de 3 libras arroj una media de 3.1 libras y una
varianza de 0.018 libras cuadradas. Utilice un nivel de significancia de 0.05.
a) Hay evidencia estadstica para indicar que la afirmacin del fabricante est
correcta?
179
b) Usted comprara las mquinas del fabricante para empacar sal si usted quiere que
la variabilidad sea no mayor a 0.005?

DECISIONES PARA LA EXPANSIN DE UNA INDUSTRIA
DE ROPA DE ALPACA
Una compaa que fabrica todo tipo de ropa de alpaca (sobre todo chompas), tanto para el
mercado nacional como para exportacin, con sede en La Paz, se ha dado cuenta que
debe abrir un taller de confeccin en Cochabamba, si quiere cubrir con eficiencia la
demanda insatisfecha de la zona central y oriental de Bolivia. Sin embargo, antes de
realizar esta accin estratgica, debe realizar algunos estudios de mercado para asegurar
un beneficio que le permita una posicin competitiva a largo plazo superior a la de la
competencia. Para ello, contrat a un analista en mercados, que deber resolver los
aspectos que se describen a continuacin.
180
Si la posicin competitiva de la empresa ser mayor con respecto a la competencia, con

la nueva fbrica.
Si los costos unitarios de produccin no sern significativamente ms altos a los costos
que se tienen en La Paz.
Si el desarrollo de nuevos mtodos para obtener el hilo de lana de alpaca, que han sido
desarrollados en Cochabamba, pueden reducir los costos.
Si las ventas subirn significativamente con la nueva planta.
Para probar estadsticamente estos puntos, el analista realiz una encuesta de mercado y
una revisin de los datos histricos de la empresa. Con esta informacin realiz
predicciones y simulaciones para el futuro.
1. Posicin competitiva.
El analista recogi la siguiente informacin, con respecto al nmero de chompas que el
mercado cochabambino estara dispuesto a comprar de la competencia y de la compaa,
en un ao:
Compraran
No
compraran
Compaa Competenci
a
200
110
50
40
Se quiere probar si el porcentaje de las personas que estaran dispuestos a comprar de la

compaa es significativamente mayor al de la competencia, con un nivel de significancia
del 0.05, si se supone que las muestras provienen de poblaciones que se distribuyen
normalmente.
2. Costos unitarios de produccin.
El analista realiz una prediccin de los costos unitarios ($us/chompa) para los siguientes
12 meses en la planta de La Paz, y con los datos muestrales del estudio en Cochabamba,
realiz una simulacin de los costos unitarios si se optaba por establecer una planta en
Cochabamba (sin tomar en cuenta sobre todo los costos de transporte de la lana, desde La
Paz, para tener una base de comparacin equitativa). La tabla siguiente contiene los datos:
Mes
La Paz
Cbba
1
10.
4
10.
8
2
3
11.1 12.3
4
9.8
5
10.5
6
9.6
7
13.0
8
12.4
9
11.6
10
11.4
11
10.7
12
11.2
12.0 12.5
9.7
11.0
9.6
12.7
12.4
10.0
11.5
9.9
11.9
Se quiere probar, con un nivel de riesgo de 0.1, si los costos unitarios de Cochabamba
difieren significativamente de los costos unitarios en la planta de La Paz, realizando una
prueba paramtrica.
3. Mtodos para la obtencin del hilo de lana.
181
En Cochabamba la compaa cuenta con un laboratorio a escala piloto, para desarrollar

nuevos mtodos (ms rpidos) para la obtencin del hilo de lana de alpaca. Una reciente
investigacin revel la siguiente informacin, dada en minutos por madeja producida:
Operario 1
Mtodo 1 5.7
Mtodo 2 7.8
Mtodo 3 6.5
Operario 2
6.1
7.9
6.2
Operario 3
5.5
7.5
6.4
El analista sabe por experiencia, que las clasificaciones no estn relacionadas entre s, que
las muestras provienen de poblaciones normales que tienen una misma varianza
poblacional. Con un nivel de significacin del 0.05, se quiere probar:
a) Existe algn mtodo que sea ms rpido que los otros para la produccin del hilo de
lana?
b) Existe influencia de los operarios en la rapidez de la produccin?
Nota: Para resolver este problema, el lector deber primero aprender a cmo realizar
el procedimiento de la ANOVA, que se detalla en el siguiente captulo.
4. Ventas estimadas.
El analista realiz una simulacin para los pedidos de ventas al por mayor de varios
comerciantes, si se abriera la planta en Cochabamba, en miles de $us/ao:
Ventas (miles de
$us)
10 13
13 17
17 24
24 30
Nmero de
pedidos
3
5
7
2
a) Se quiere determinar si las ventas segn pedidos, sigue una distribucin normal, que
tiene un nivel de ventas promedio de 20000 $us, con una desviacin estndar de 5000
$us. Use un nivel de 0.05 de riesgo.
b) Si las ventas se ajustan a este patrn normal, con los datos muestrales de la tabla
anterior, probar con el mismo nivel de riesgo, si la media de ventas puede ser menor a
17000 $us.
5. Decisin final.
El analista debe decidir si dar un informe positivo o no, para que la empresa se anime a
establecer una planta en Cochabamba, y est basada en la combinacin de los 4 aspectos
antes mencionados.
a) La compaa tendr una posicin competitiva significativamente superior a la de la
competencia?
182
b) Los costos unitarios de la planta en Cochabamba sern significativamente iguales a los

costos unitarios de la planta en la Paz?
c) La investigacin realizada para hallar un mtodo ms rpido para la produccin de hilo
de lana, que reduzca los costos, fue provechosa?
d) Las ventas anuales por pedidos al por mayor siguen una distribucin normal con media
de 20000 y desviacin de 5000 $us?
El analista ha decidido que si 3 de las 4 preguntas son afirmativas, elevar un informe
positivo para que la compaa establezca una planta en Cochabamba. Qu dir en su
informe?
183
CAPTULO 6
ANLISIS DE VARIANZA
1. INTRODUCCIN
El anlisis de varianza (ANOVA) permite probar la significancia de las diferencias entre ms
de dos medias de muestra o hacer inferencias sobre si las muestras fueron tomadas de
poblaciones que tienen la misma media.
El anlisis de varianza ser til en situaciones como la comparacin del kilometraje logrado
por 5 tipos de gasolina; en la prueba de cul de 4 mtodos de entrenamiento produce el
ms rpido aprendizaje, etc.
Sin embargo estas aplicaciones no son todo lo que se puede querer conocer. Con respecto
a si hay diferencias en la eficiencia entre 5 tipos de gasolina, hay varias preguntas que
quedan sin resolver: Qu autos se usaron para las pruebas? Los instrumentos para
medir la eficiencia eran similares en precisin? En la prueba de la eficiencia de los mtodos
de aprendizaje se podra preguntar: Qu tipo de profesores se usaron? La calidad de los
textos es la misma? Los estudiantes tenan un mismo nivel de inteligencia? El resolver
estas preguntas lleva al vasto tema del diseo de experimentos, del cual, el ANOVA es el
fundamento.
2. SUPOSICIONES
Para utilizar el ANOVA se deben realizar las siguientes suposiciones:
Cada una de las muestras es tomada de una poblacin normal de forma independiente y
adems cada una de las poblaciones tiene la misma varianza (Si los tamaos de las
muestras son lo suficientemente grandes no se necesita la suposicin de normalidad,
pero esto no ocurre frecuentemente).
Si se prueba que las muestras salieron de la misma poblacin, entonces se pueden
reunirlas en una sola muestra.
En el captulo 7 (pruebas no paramtricas) se tiene una prueba alternativa a la ANOVA (de
un factor) en el cual no se tienen que hacer estas suposiciones, y es la prueba H de
Kruskal-Wallis.
3. PROCEDIMIENTO
El anlisis de varianza est basado en una comparacin de dos estimaciones diferentes de
la varianza de la poblacin total, mediante una prueba de hiptesis:
180
H 0 : 1 = 2 = K = n
H1 : 1 2 K n
Para probar esta hiptesis se realizan los siguientes pasos:
1. Se determina una estimacin de la varianza de la poblacin a partir de la varianza entre
las medias de las muestras (intervarianza).
2. Se determina una segunda estimacin de la varianza de la poblacin desde la varianza
dentro de las muestras (intravarianza).
3. Se compara estas dos estimaciones. Si su valor es aproximadamente igual, aceptamos
que las muestras provienen de la misma poblacin.
Para probar la hiptesis nula, se utiliza el valor crtico:
F ,1 ,2 =
int er var ianza

int ra var ianza
y se
compara con el valor del estadstico F con un cierto nivel de significancia. Si la Hiptesis
nula fuera falsa, la intervarianza debera ser significativamente mayor que la intravarianza.
4. ANLISIS DE VARIANZA CON UN FACTOR

Se supondr que se tiene k diferentes niveles de un factor que se desean comparar
(llamados tratamientos). La respuesta observada para cada nivel de los k tratamientos es
una variable aleatoria.
Tratamiento
1
2
3
:
k
Observacin
3
....
y11
y21
y31
:
yk1
y12
y22
y32
:
yk2
y13
y23
y33
:
yk3
....
....
....
:
....
y1n
y2n
y3n
:
ykn
El modelo estadstico para representar cada observacin de la tabla est dado por:
yij = + i + ij
donde:
i = 1, 2, ..., k
j = 1, 2, ..., n
tratamientos
niveles
= Parmetro comn a todos los tratamientos, llamada media global.

i = Parmetro asociado al i-simo tratamiento, llamado el efecto del tratamiento i.
ij = Error aleatorio del proceso de muestreo.
Primer paso.
181
Se desea probar la igualdad de los efectos de los k tratamientos:
H 0 = 1 = 2 = ... = k = 0
H1 = i 0 para al menos una "i"
Si H0 es cierta, entonces
yij = + ij .
Esto es, la variable de respuesta no se ve
afectada por el factor investigado.

Segundo paso.
El investigador fija su nivel de riesgo:
= 0
Tercer paso.
Aqu se muestra la tabla de clculos para este tipo de anlisis de varianza.
Fuente de
variacin
Entre
tratamientos
Suma de
cuadrados
SSTr
Grados de
libertad
k-1
Error
muestral
SSE
N-k
Total
SST
N-1
Media cuadrada
SSTr
k 1
SSE
MSE =
Nk
MSTr =
Razn F
F=
MSTr
MSE
El estadstico de prueba es la F de Fisher, puesto que se estn relacionando dos varianzas.

Las ecuaciones para hallar este valor son:
T2
SST = y
N
i =1 j=1
k
2
ij
Ti2 T 2
SSTr =
n
N
i =1
i
k
donde:
k n
T = y ij
i =1 j=1
2
SSE = SST SSTr

Cuarto paso.
182
F ,k 1, N k
Ti = yij
j=1
Quinto paso.
Se realiza la decisin con base en la regla establecida.
Ejemplo.
El gerente de una sucursal de una cadena de tiendas renunci. Tres vendedores pueden
ocupar su puesto, que tienen la misma antigedad, educacin, etc. Para tomar una
decisin, se sugiri examinar los registros de ventas mensuales de cada uno. En la tabla se
muestran los resultados muestrales de las ventas en miles de dlares:
Sra Mapes
15
10
9
5
16
Media: 11
Sr. Sonnar
15
10
12
11
12
Media: 12
Sr. Mafee
19
12
16
16
17
Media: 16
Existen diferencias significativas para basar la contratacin en las ventas? Realice la

prueba con un nivel de 0.05.
Resolucin.
Paso 1:
H0: No hay diferencia significativa entre las ventas medias de los tres vendedores
H1: Al menos una media de ventas es diferente
Paso 2:
= 0.05
Paso 3:
F=
MSTr
MSE
Paso 4:
1 = k 1 = 3 1 = 2
= 0.05
183
F0.05,2,12 = 3.89
2 = N k = 15 3 = 12
Paso 5:
Se obtienen algunos valores de las muestras:
X1
15
10
9
5
16
T1=55
X12
225
100
81
25
256
687
X22
225
100
144
121
144
734
X2
15
10
12
11
12
T2= 60
X32
361
144
256
256
289
1306
X3
19
12
16
16
17
T3=80
3 5
2
T = y ij = ( 55 + 60 + 80 ) = 38025
i =1 j=1
2
T2
38025
= (687 + 734 + 1306)
= 2727 2535 = 192
N
15
SST = yij2
i =1 j=1
T1 = yij = 55
T2 = yij = 60
j=1
j=1
T3 = yij = 80
j=1
Ti2 T 2 552 + 602 + 802 38025

SSTr =
=
= 2605 2535 = 70
n
N
5
15
i =1
i
3
SSE = SST SSTr = 192 70 = 122

Se llena la tabla con los valores calculados:
Fuente de
variacin
Suma de
cuadrados
Grados
de
libertad
Entre
tratamientos
SSTr=70
k-1=2
Media cuadrada
MSTr =
184
SSTr 70
=
= 35
k 1 2
Razn F
F=
MSTr
35
=
= 3.44
MSE 10.17
Error
muestral
SSE=122
N-k=12
Total
SST=192
N-1=14
MSE =
SSE 122
=
= 10.17
N k 12
Comparando el estadstico F con el valor crtico, aceptamos la hiptesis nula.

Conclusin: No existe diferencia significativa entre las medias de los vendedores.
Accin: La empresa deber seleccionar al nuevo gerente tomando en cuenta otro aspecto
que no sean las ventas.
5. ANLISIS DE VARIANZA DE DOS FACTORES SIN INTERACCIN

Aqu se supondr que el experimentador tiene a su disposicin mediciones de a
tratamientos distribuidos sobre b bloques. Se supone que hay exactamente una
observacin de cada tratamiento en cada bloque.
1
2
Tratamientos 3
:
a
B1
B2
y11
y21
y31
:
ya1
y12
y22
y32
:
ya2
Bloques
B3
....
y13
y23
y33
:
ya3
....
....
....
:
....
Bb
Medias
y1b
y2b
y3b
:
yab
Medias
El modelo para el anlisis de esta clase de experimento es:
y ij = + i + j + ij
donde:
i = 1, 2, ..., a
j = 1, 2, ..., b
tratamientos
bloques
= Parmetro comn a todos los tratamientos, llamada media global.

i = Parmetro asociado al i-simo tratamiento, llamado el efecto del tratamiento i.
j = Efecto del j-simo bloque
ij = Error aleatorio del proceso de muestreo.
Primer paso.
Se desea probar la igualdad de los efectos de los a tratamientos:
185
H 0 = 1 = 2 = ... = k = 0
H1 = i 0 para al menos una "i"
Tambin probar la igualdad de los efectos de los b bloques:
H 0 : 1 = 2 = K = k = 0
H1 : j 0 para al menos una " j"
Si H0 es cierta para los dos factores, entonces
y ij = + ij .
Esto es, la variable de
respuesta no se ve afectada por los factores investigados.

Segundo paso.
= 0
Tercer paso.
Se muestra la tabla de clculos para este tipo de anlisis de varianza.
Fuente de
variacin
Tratamientos
Suma de
cuadrados
SSTr
Grados de
libertad
a-1
Media cuadrada
Bloques
SSBl
b-1
Error muestral
SSE
(a-1)(b-1)
SSBl
b 1
SSE
MSE =
(a 1)(b 1)
Total
SST
ab-1
MSTr =
Razn F
SSTr
a 1
MSBl =
FTr =
MSTr
MSE
FBl =
MSBl
MSE
Donde existe un estadstico para las dos pruebas: Tratamientos y Bloques. Las ecuaciones
necesarias son:
a b
T
=
y
donde:
ij
=
=
i
1
j
1
T2
SST = y
ab
i =1 j=1
a
2
ij
Ti2 T 2
SSTr =
ab
i =1 b
a
donde: Ti
= yij
j=1
186
SSBl =
j=1
Tj2
T2
a ab
donde:
Tj = yij
i =1
SSE = SST SSTr SSBl

Cuarto paso.
Existen dos reglas de decisin para las dos pruebas:
Para Tratamientos:
Para Bloques:
F ,a 1,( a1)(b1) F
F ,b1,( a 1)(b1)
Quinto paso.
Se realiza la decisin tanto de bloques como de tratamientos.
Ejemplo.
Se dise un experimento para estudiar el rendimiento de 4 detergentes diferentes. Las
siguientes lecturas de blancura se obtuvieron con un equipo especialmente diseado para
12 cargas de lavado distribuidas aleatoriamente en tres modelos de lavadoras.
A
Detergentes B
C
D
Bloques
Lavadora 1 Lavadora 2 Lavadora 3
45
43
51
47
46
52
48
50
55
42
37
49
Use un nivel de significancia del 0.01. El rendimiento de los detergentes es igual? Las
diferencias en los resultados obtenidos por las lavadoras son significativas?
Resolucin.
Paso 1:
187
Para los tratamientos:

H0: El rendimiento de los detergentes es igual
H1: El rendimiento de los detergentes no es igual
Para los bloques:
H0: Los resultados obtenidos en las lavadoras es el mismo
H1: Los resultados obtenidos en las lavadoras son diferentes
Paso 2:
= 0.01
Paso 3:
Para tratamientos:
FTr =
Para Bloques:
MSTr
MSE
FBl =
MSBl
MSE
Paso 4:
Para tratamientos:
Para bloques:
= 0.05
F0.01,3,6 = 9.78
= 0.05
F0.01,2,6 = 10.92 F
1 = a 1 = 4 1 = 3
1 = b 1 = 3 1 = 2
2 = (a 1)(b 1) = (4 1)(3 1) = 6
2 = (a 1)(b 1) = (4 1)(3 1) = 6
Paso 5:
A
Detergentes B
C
D
Lavadora 1
45 (2025)
47 (2209)
48 (2304)
42 (1764)
Bloques
Lavadora 2
43 (1849)
46 (2116)
50 (2500)
37 (1369)
188
Lavadora 3
51 (2601)
52 (2704)
55 (3025)
49 (2401)
Totales (Ti)
139
145
153
128
Totales (Tj)
182 (8302)
176 (7834) 207 (10731) 565 (26867)
Los valores entre parntesis corresponden al cuadrado de su valor.

Los clculos para determinar los estadsticos de prueba son:
T 2 = ( 565 ) = 319225
SST = 26867
319225
= 264.92
4(3)
1392 + 1452 + 1532 + 1282 319225
= 110.92
SSTr =
3
12
1822 + 1762 + 207 2 319225
= 135.17
SSBl =
4
12
SSE = 18.83
Traduciendo los valores calculados a la tabla:

Fuente
de
variacin
Trat.
Suma de
cuadrados
Grados de
libertad
Media cuadrada
SSTr=110.92
a-1=3
Bloq.
SSBl=135.17
b-1=2
SSTr 110.92
=
= 36.97
a 1
3
SS
135.17
MSBl = Bl =
= 67.585
b 1
2
Error
muestral
SSE=18.83
(a-1)(b-1)=6
Total
SST=264.92
ab-1=11
MSTr =
MSE =
Razn F
MSTr 36.97
=
= 11.78
MSE 3.14
MSBl 67.585
FBl =
=
= 21.52
MSE
3.14
FTr =
SSE
18.83
=
= 3.14
(a 1)(b 1)
6
Se rechazan ambas hiptesis nulas.

Conclusin: El rendimiento de los detergentes es diferente y los resultados obtenidos por
las lavadoras son significativamente diferentes.
Accin: Como la blancura depende del tipo de detergente y del tipo de lavadora que se usa
para obtenerla, el consumidor deber elegir tomando en cuenta estos dos aspectos.
189
EJERCICIOS DE CLASE
1. Probar la hiptesis nula de que tres mtodos de instruccin, que miden el nivel especfico
de habilidades para el manejo de cierta mquina, son equivalentes. Las notas obtenidas
en 15 operarios seleccionados aleatoriamente en 3 grupos se presentan a continuacin.
Mtodo A
Mtodo B
Mtodo C
86
90
82
79
76
68
81
88
73
70
82
71
84
89
81
Tomar 5% como nivel de significancia.

2. La siguiente tabla da el nmero de millas por galn recorridas por un grupo de autos
usando distintos tipos de gasolina. Estos datos muestrales provienen e una poblacin
que se distribuye normalmente y se sabe que las calificaciones son independientes. Use
un nivel de significancia de 0.05. Determinar si hay diferencia significativa entre las
gasolinas usadas y entre los tipos de autos.
Gasolinas/autos
A
B
C
D
1
12
14
11
15
2
15
12
12
18
190
3
14
15
10
16
4
11
15
14
17
1. En un estudio se compararon los efectos de cuatro promociones mensuales sobre las
ventas. A continuacin presentamos las ventas unitarias de 5 tiendas que utilizaron las 4
promociones en meses diferentes:
Muestra gratis
Regalo de un paquete
Descuento
Reembolso por correo
78
94
73
79
87
91
78
83
81
87
69
78
89
90
83
69
85
88
76
81
Las promociones producen diferentes efectos sobre las ventas? (Use un nivel de
significancia de 0.01).
2. La oficina de contabilidad del gobierno de Bolivia est interesada en ver si las oficinas de
tamao parecido gastan la misma cantidad de dinero en personal y equipo (Las oficinas
que gastan ms son susceptibles de una auditoria especial) Se examinaron los gastos
mensuales de tres oficinas: una de ellas en el ministerio de agricultura, otra en el
ministerio de estado y la ltima en el ministerio del interior. Los datos se presentan a
continuacin. Al nivel de significancia de 0.01, existen diferencias en los gastos delas
diferentes oficinas?
Gastos mensuales (en cientos de dlares)
durante algunos meses
Agricultura 10
8
11
9
12
Estado
15
9
8
10
13 13
Interior
8
16 12
3. Nutica, ofrece 4 marcas populares de pantalones Jeans: Levis, Wrangler, American
Colt, Oops. La tienda desea ver si existen diferencias en el nmero de pantalones
vendidos de marca diferente. El gerente ha contado el nmero de pantalones vendidos
de cada marca en diferentes meses. Al nivel de significancia de 0.05, son iguales las
ventas de las 4 marcas?
Levis
Wrangler
Pantalones vendidos
17 21 13 27
27 13 29
9
191
12
American Colt
Oops
13
18
15
25
17
15
23
27
10
12
21
4. Cuatro formas diferentes, y a pesar de ello supuestamente equivalentes, de un material

estandarizado de una prueba de aptitud vocacional fue aplicado a 5 estudiantes, los
cuales obtuvieron las siguientes calificaciones:
Forma A
Forma B
Forma C
Forma D
Estudiante 1 Estudiante 2 Estudiante 3 Estudiante 4 Estudiante 5

75
73
59
69
84
83
72
56
70
92
86
61
53
72
88
73
67
62
79
95
Es razonable manejar las 4 formas como equivalentes? Es razonable pensar que los
estudiantes tienen el mismo nivel de aptitud vocacional? Pruebe con un nivel de
significancia del 0.01.
5. Una compaa de investigacin ha diseado tres sistemas distintos para limpiar
manchas de aceite. La siguiente tabla contiene los resultados de cada sistema ,
medidos en qu tanta superficie (en metros cuadrados) es limpiada en una hora. Los
datos se obtuvieron probando cada mtodo en varias sesiones. Son los tres sistemas
igualmente efectivos? Utilice un nivel de significancia de 0.05.
A
B
C
55
57
66
60
53
52
63
64
61
56
49
57
59
62
55
a) Si la poblacin de donde se extrajeron las muestras es normal.

b) Si no se sabe nada acerca de la forma d ela poblacin de donde se extrajeron las
muestras.
6. Una empresa de publicidad de amplia cobertura, desea saber si el tamao de un
anuncio y el color del mismo dan como resultado una diferencia en la respuesta de los
lectores de revistas. Una muestra aleatoria de lectores ven anuncios de cuatro colores
diferentes y de tres tamaos distintos. A cada lector se le pide que califique la
combinacin especfica de tamao y color del 1 al 10.En la siguiente tabla se muestran
las puntuaciones para cada combinacin.
Tamao del
anuncio
Pequeo
Mediano
Rojo
2
3
Color del anuncio

Azul
Naranja
3
3
5
6
192
Verde
8
7
Grande
Existe diferencia en la eficacia de un anuncio por color y por tamao? Use un nivel de
significancia de 0.05. Antes de resolver esta pregunta, probar si el color del anuncio es
independiente del tamao, para la calificacin.

PROBLEMAS DIVERSOS DE DECISIN
Estas aplicaciones se encuentran en los captulos 5 y 7, en la parte de Ejercicios para
Examen.
1. Se ha realizado un experimento para determinar si cuatro temperaturas especficas de
horneado afectan la densidad de un cierto tipo de ladrillo. El experimento proporcion los
siguientes datos:
Temperatura
100
125
150
175
1
21.8
21.7
21.9
21.9
Densidad
Observaciones
2
3
4
21.9
21.7
21.6
21.4
21.5
21.4
21.8
21.8
21.6
21.7
21.8
21.4
5
21.7
21.5
Afecta la temperatura de horneado la densidad del ladrillo? Use = 0.01 .

2. Una fbrica de textiles cuenta con un gran nmero de telares. Se supone que cada uno
tiene la misma produccin de tela por minuto. Para investigar esta suposicin, cinco
telares son escogidos al azar, y se mide la cantidad de tela producida en 5 tiempos
diferentes. Se obtienen los datos siguientes:
Nmero
de telar
1
2
3
4
5
Produccin (lb/min)
1
14.0
13.9
14.1
13.6
13.8
2
14.1
13.8
14.2
13.8
13.6
3
14.2
13.9
14.1
14.0
13.9
Realice la ANOVA para un nivel de 0.05.

193
4
14.0
14.0
14.0
13.9
13.8
5
14.1
14.0
13.9
13.7
14.0
3. Los siguientes datos se refieren al nmero de unidades defectuosas producidas por

cuatro trabajadores operando, en sucesin, tres diferentes mquinas.
Mquinas
1
2
3
1
37
31
36
Trabajadores
2
3
38
38
40
43
33
41
4
32
31
38
Realice un anlisis de varianza y determine si las mquinas producen diferente nmero

de unidades defectuosas y si los trabajadores influyen en el nmero de defectos
producidos, con un nivel del 0.05 de significancia.
194
CAPTULO 7
MTODOS NO PARAMTRICOS
1. INTRODUCCIN
Hasta el momento se ha visto cmo extraer muestras de poblaciones y tratar de llegar a
conclusiones a partir de esas muestras. Pero, cmo se pueden resolver los casos cuando
no se conoce la forma de la distribucin de la poblacin? La respuesta es, aplicando la
estadstica no paramtrica.
La mayor parte de las pruebas de hiptesis hacen inferencias sobre parmetros de la
poblacin. Estas pruebas paramtricas utilizan estadsticos paramtricos muestrales que
provienen de la poblacin sometida a prueba. Pero para formular esas pruebas, se hicieron
suposiciones restrictivas sobre la poblacin, diciendo que la poblacin era normal, pero no
siempre es as.
Es por esta razn que los estadsticos han desarrollado tcnicas tiles que no hacen
suposiciones restrictivas sobre la forma de la distribucin de la poblacin, llamadas pruebas
no paramtricas o sin distribucin.
2. PRUEBAS NO PARAMTRICAS
Existen varias pruebas, pero las ms importantes son:
Pruebas de bondad de ajuste.

Pruebas de independencia de atributos.
Prueba del signo de los datos pareados.
Prueba U de Mann-Whitney.
Prueba H de Kruskal-Wallis.
3. VENTAJAS Y DESVENTAJAS DE LOS MTODOS NO PARAMTRICOS.

Las ventajas de estas pruebas sobre las paramtricas son:
1. No exigen hacer la suposicin de que una poblacin est distribuida normalmente o tiene
forma especfica.
2. En general, son ms fciles de llevar a cabo y de entender. No requieren clculos tan
laboriosos.
3. Algunas veces ni siquiera se requiere la ordenacin formal o por rangos.
195
La desventajas son:
1. Ignoran cierta cantidad de informacin.
2. A menudo no son tan eficientes o exactas como las pruebas paramtricas.
4. PRUEBAS CHI-CUADRADA.
Hay dos pruebas de hiptesis que se apoyan en el estadstico chi-cuadrada:
Prueba de bondad de ajuste
Prueba de independencia de atributos.
2
El hecho de que se use una variable , es porque es una buena aproximacin a la

distribucin de la variable aleatoria que se utiliza como estadstico de prueba en ambas, no
porque estn relacionadas con varianzas.
4.1. Prueba de independencia de atributos

En muchas ocasiones, los n elementos de una muestra pueden clasificarse de acuerdo a
dos diferentes criterios. En este caso el inters se centra en conocer si los dos mtodos de
clasificacin son estadsticamente independientes.
Se supondr que el primer mtodo de clasificacin tiene r niveles y el segundo c niveles.
Datos de mercado mediante encuestas o histricos permiten obtener una tabla de
contingencia de r x c, que contiene las frecuencias observadas f ij.
1
2
:
r
1
f11
f21
:
fr1
2
f12
f22
:
fr2
...
...
...
...
...
c
f1c
f2c
:
frc
Restriccin: Si hay un nmero pequeo de frecuencia esperada en la tabla, la chi-cuadrada

puede llevar a conclusiones errneas. En general se dice que la chi-cuadrada no debe
aplicarse si ms del 20% de las frecuencias esperadas en la tabla son menores a 5. Si esto
ocurre, para salvar la prueba, se deber proceder a unir filas o columnas para cumplir con la
restriccin.
Primer paso.
H0: Las dos clasificaciones son independientes
H1: Las dos clasificaciones son dependientes
Segundo paso.
= 0
196
Tercer paso.
Para validar esta prueba se usa el siguiente estadstico de prueba:
r
2 =
(f
ij
Eij )
Eij
i =1 j =1
que sigue una distribucin chi-cuadrada con (r-1)(c-1) grados de libertad.

donde: fij es la frecuencia observada de la tabla de contingencia.
c es el nmero de columnas de la tabla.
r es el nmero de filas de la tabla.
Eij es la frecuencia esperada que corresponde a cada frecuencia observada de la
tabla, y se halla mediante:
Eij =
r
1 c
f
ij fij
n j =1 i =1
Cuarto paso.
Esta siempre es una prueba de cola derecha o superior:
2 ,
Quinto paso.
Se rechazar la hiptesis de independencia de clasificaciones si:
2 2 ,
Ejemplo.
La compaa de alfombras Volar en la que usted es el gerente de ventas se interes en
comparar en tres reas de una ciudad la fraccin de constructores de casas que prefieren
alfombras sobre otras cubiertas para pisos. El objetivo fue decidir cmo distribuir los
esfuerzos de venta sobre las reas. Para ello se realiz una encuesta, con los siguientes
resultados.
197
Cubierta para piso

Alfombra
Otros materiales
reas
2
126
99
1
69
78
3
16
27
Indican los datos una diferencia entre un rea de la ciudad y otra en el porcentaje de los
que prefieren alfombras? Use un nivel de significancia de 0.05.
Resolucin.
Paso 1:
H0: No hay diferencia entre el rea de la ciudad y la preferencia de cubiertas
H1: Existe diferencia entre el rea de la ciudad y la preferencia de cubiertas
Paso 2:
= 0.05
Paso 3:
r
=
2
(f
ij
Eij )
Eij =
Eij
i =1 j =1
r
1 c
f
ij fij
n j =1 i =1
Paso 4:
= (2 1)(3 1) = 2
= 0.05
2
0.05,2
= 5.99
Paso 5:
Primero se calculan las frecuencias esperadas (columna 2) con la ecuacin:
Eij =
r
1 c
(Total de fila )(Total de columna)
f
ij f ij =
n j =1 i =1
Total g eneral
y luego se realiza la operacin
(f
ij
Eij )
Eij
(columna 3)
198
reas
1
2
3
Cubierta para piso
69 (74.74) (0.44) 126 (114.4) (1.18) 16 (21.86) (1.58)
Alfombra
78(72.26) (0.46) 99 (110.6) (1.22) 27 (21.14) (1.62)
Otros materiales
147
225
43
Total
Total
211
204
415
Sumando todos los valores de la columna 3, se determina el valor del estadstico:

2
=
2
i =1 j =1
(f
ij
Eij )
Eij
= 6.48
Se observa que el valor del estadstico se encuentra en la regin de rechazo, por lo tanto se
procede a rechazar la hiptesis nula.
Conclusin: Existe diferencia entre el rea de la ciudad y la preferencia de cubiertas para
pisos.
Accin: Los mayores esfuerzos de ventas estarn centrados en las reas 2 y 1 y no as en
el rea 3.
4.2. Prueba de bondad de ajuste

Este es otro tipo de pruebas de hiptesis. Aqu, no interesa conocer el valor de algn
parmetro de cierta distribucin de probabilidad, sino mas bien, conocer qu distribucin
sigue cierta variable aleatoria, o determinar cun bien se ajusta un conjunto de datos
observados a un conjunto esperado.
Este conjunto de datos u observaciones debe ser primero ordenado en un histograma de
frecuencias con k intervalos de clase constantes o no.
Intervalos de
clase
1
2
:
k
Frecuencias
observadas (Oi)
O1
O2
:
Ok
Restriccin: Existen dos reglas:
Si slo hay dos categoras o intervalos de clase en la tabla de frecuencias, las

frecuencia esperadas deben tener el valor de 5 o mayor.
199
Para ms de dos categoras, la chi-cuadrada no debe aplicarse si ms del 20% de las

frecuencias esperadas son menores a 5. Si se diera este caso, para aplicar la prueba se
debe unir dos categoras a fin de cumplir con la restriccin.
Primer paso.
Se puede decir, que la prueba es del estilo:
H0: f(x) = f0 (x)
H1: f(x) f0 (x)
Donde la funcin de distribucin a la cual se ajustan los datos observados o experimentales
puede ser tanto discreta (binomial, hipergeomtrica, poisson, multinomial, binomial
negativa, etc) como continua (normal, t de Student, uniforme, etc).
Segundo paso.
= 0
Tercer paso.
El estadstico adecuado es:
k
( Oi ei )
i =1
ei
=
2
donde: Oi es la frecuencia observada en el intervalo de clase i

ei es la frecuencia esperada en el intervalo de clase i
Se tiene que 2 sigue una distribucin aproximadamente chi-cuadrada con (k-p-1) grados de
libertad, donde:
k, es el nmero de intervalos de clase
p, es el nmero de parmetros estimados mediante estadsticos muestrales.
Paso 4:
2 ,
200
Paso 5:
El ltimo paso es determinar si el estadstico de prueba se encuentra en la regin de
aceptacin o de rechazo, y tomar la decisin adecuada.
Ejemplo.
Un inspector de la Alcalda de una ciudad, inspeccion un casino para ver si los dados con
los que se jugaba la ruleta estaban cargados o no. Para ello fue al lugar, pidi un cubilete,
eligi un dado y lo lanz 180 veces, obteniendo los siguientes resultados.
x
1
2
3
4
5
6
Oi
28
36
36
30
27
23
El inspector quiere determinar si existe evidencia estadstica suficiente para decidir elevar
una multa al casino por fraude. Pruebe al nivel 0.05.
Resolucin.
Paso 1:
Lo que se esperara si el dado no estuviera cargado es que la probabilidad de que salga
cualquier valor entre 1 y 6, sea la misma, es decir de
1
. El proceso se ajustara a una
6
distribucin uniforme con esa probabilidad. Por lo tanto las hiptesis planteadas son:
H0: f ( x ) =
1
6
H1: f ( x )
x = 1, 2, 3, 4,5, 6 (El dado no est cargado)

1
6
x = 1, 2,3, 4,5, 6 (El dado est cargado)
Paso 2:
= 0.05
Paso 3:
k
( Oi ei )
i =1
ei
=
2
Paso 4:
201
= 0.05
2
0.05,5
= 11.07
= 6 1 = 5
Paso 5:
x
Oi
Pe
ei
( Oi ei )
ei
1
2
3
4
5
6
Total
28
36
36
30
27
23
180
1/6
1/6
1/6
1/6
1/6
1/6
1
30
30
30
30
30
30
180
( Oi ei )
i =1
ei
=
2
0.13
1.20
1.20
0
0.30
1.63
4.47
= 4.47

Conclusin: Los resultados del lanzamiento del dado siguen una distribucin uniforme con
probabilidad de 1/6.
Accin: El inspector comprob que el dado no est cargado, y por lo tanto no tomar
ninguna accin para multar al casino.
5. PRUEBA DEL SIGNO PARA DATOS PAREADOS

Su nombre proviene del hecho de que se basa en la direccin (o signos de mas y menos)
de un par de observaciones y no en su magnitud numrica; es decir en el signo de una
diferencia: positivo para una diferencia positiva, y negativo para una diferencia negativa.
Esta prueba generalmente se aplica a experimentos de antes y despus o experimentos
sobre la preferencia hacia un producto.
Existen dos pruebas: una para muestras pequeas, que se basa en una distribucin
binomial y otra para muestras grandes, que se basa en la aproximacin de la normal a la
binomial.
Primer paso.
La hiptesis nula corresponder a una probabilidad de 0.5; es decir que no habr
preferencia o cambios en ninguno de los elementos que estn siendo comparados.
202
H0: p = 0.5
H1: p 0.5; p > 0.5; p < 0.5
Segundo paso.
= 0
Tercer y cuarto pasos.
Para muestras pequeas (n<20), se utiliza como estadstico de prueba de hiptesis una
distribucin binomial con p = 0.5, pudiendo ser el suceso xito, ya sea el nmero de
signos positivos o los negativos que resultaron en el experimento. De acuerdo a la hiptesis
alternativa planteada, se puede tener una prueba de dos colas o una cola inferior o
superior.
x2
x1
R
x2
x1
Los valores crticos se determinan en base a la tabla para la distribucin binomial

acumulada, dada en el anexo.
Para muestras grandes (n>20), el estadstico de prueba a usar es la distribucin normal
(aproximacin a la binomial), con las siguientes caractersticas:
= 0.5n
z=
= 0.5 n
(x 0.5)
donde: x, es el nmero de signos positivos o negativos.

0.5, es el factor de correccin de continuidad.
Si el nmero de signos + o - es mayor que n/2 se usa el estadstico con el signo -.
Si el nmero de signos + o - es menor que n/2 se usa el estadstico con el signo +.
z
2
z
2
Quinto paso.
203
Basndose en la informacin muestral, se asignan signos positivos o negativos,

dependiendo si los valores han disminuido en la caracterstica xito o de inters o han
aumentado. En base al nmero de estos signos, se determina el valor del estadstico
muestral y se toma la decisin de rechazar o aceptar la hiptesis nula.
Ejemplo.
Los siguientes datos son las horas-hombre que semanalmente se pierden en promedio por
accidentes en 11 plantas industriales antes y despus de que se implantara un programa
de seguridad industrial.
Antes
Despu
s
45
36
73
60
46
44
124
119
33
35
57
51
83
77
34
34
26
24
17
11
34
29
Pruebe si el programa de seguridad fue eficaz con un nivel de significancia de 0.05.

Resolucin.
Paso 1:
H0: p = 0.5 (El programa no fue eficaz)
H1: p > 0.5 (El programa fue eficaz)
Paso 2:
= 0.05
Paso 3:
Como el tamao muestral es menor a 20, se elige la distribucin binomial.
Paso 4:
Se elige la distribucin binomial con n = 10 (no se toma en cuenta el dato pareado 34-34,
puesto que no tiene signo positivo ni negativo, sino 0), con una p = 0.5, siendo una prueba
de cola superior:
x
0
1
2
3
P(x)
0.00100
0.00897
0.04400
0.11720
P acumulada
204
4
5
6
7
8
9
10
0.20510
0.24600
0.20510
0.11720
0.04400
0.00897
0.00100
0.05470
0.01070
0.00100
Se acumulan los valores de las probabilidades hasta llegar a un valor cercano a 0.05. Esto
ocurre cuando x = 8, que es el valor crtico que separa la regin de aceptacin o rechazo.
La grfica correspondiente es:
= 0.05
0 1 2 3 4 5 6 7 8 9 10
x2=8
A
Paso 5:
Se asignarn signos positivos, cuando se han reducido las horas-hombre perdidas
mediante el programa de seguridad industrial.
Se asignarn signos negativos, cuando no se han reducido las horas-hombre perdidas
mediante el programa de seguridad industrial.
Se asignarn valores de 0, cuando las horas-hombre perdidas por accidentes son las
mismas antes y despus del programa.
Antes
Despu
s
Signos
45
36
73
60
46
44
124
119
33
35
57
51
83
77
34
34
26
24
17
11
34
29
Como el nmero de signos positivos es de 9 y el valor crtico es de 8, se rechaza la

hiptesis nula.
Conclusin: El programa de seguridad fue eficaz, porque redujo significativamente las
horas-hombre perdidas por accidentes.
Ejemplo.
Una empresa afirma que la vida media de un grupo de bateras que fabrica es superior a
250 horas. Un defensor de los consumidores desea saber si tal afirmacin est justificada, y
205
para ello mide las vidas medias de 24 bateras. Determinar si la empresa tiene razn con un
nivel de 5% de significancia.
271
253
264
230
216
295
198
262
211
275
288
252
282
236
294
225
291
243
284
253
272
219
224
268
Resolucin.
Paso 1:
H0: p = 0.5 ( = 250 ) (La afirmacin de la empresa no es correcta)
H1: p > 0.5 ( > 250 ) (La afirmacin de la empresa es correcta)
Paso 2:
= 0.05
Paso 3:
Como la muestra es mayor a 20, entonces se usa el estadstico Z (Aproximacin de la
normal a la binomial).
= 0.5n
z=
= 0.5 n
(x 0.5)
Paso 4:
= 0.05
z0.05 = 1.645
Paso 5:
Se asignar signo positivo, cuando la vida media de la batera sea superior a 250.
Se asignar signo negativo, cuando la vida media de la batera sea inferior a 250.
271 (+)
253 (+)
264 (+)
230 (-)
216 (-)
295 (+)
198 (-)
262 (+)
211 (-)
275 (+)
288 (+)
252 (+)
282 (+)
236 (-)
294 (+)
225 (-)
291 (+)
243 (-)
284 (+)
253 (+)
272 (+)
El tamao muestral es de 24 bateras. El nmero de signos positivos es de 15:
n
= 12
2
206
219 (-)
224 (-)
268 (+)
Como el nmero de signos positivos es mayor a 12, se usar el signo negativo para el
factor de correccin por continuidad.
= 0.5(24) = 12
= 0.5 24 = 2.45
z=
(15 0.5) 12
= 1.02
2.45

Conclusin: La afirmacin de la empresa de que la vida media de sus bateras es mayor a
250 horas es falsa.
Accin: El defensor de los consumidores puede elevar su queja a la oficina de proteccin al
consumidor, para que sta realice las gestiones necesarias para que la compaa revise
sus procesos.
6. PRUEBAS DE SUMA DE RANGOS

Existen dos pruebas no parmetricas que se basan en la suma de rangos que son la
Prueba U de Mann-Whitney y la prueba H de Kruskal-Wallis. Ambas sirven para probar si
dos o ms muestras independientes provienen de la misma poblacin o no.
6.1. Prueba U de Mann-Whitney

Es especialmente til cuando se seleccionan dos conjuntos aleatorios independientes de
observaciones muestrales (que deben ser por lo menos de nivel ordinal) y se quiere saber si
provienen o no de la misma poblacin. Esta es una prueba alternativa a la paramtrica de
diferencia de medias para muestras independientes.
Primer paso.
H0: Las dos muestras provienen de la misma poblacin
H1: Las dos muestras no provienen de la misma poblacin
Segundo paso.
= 0
Tercer paso.
Existen dos estadsticos de prueba, dependiendo de si se toman muestras pequeas o
grandes.
Se considera muestra pequea, si la mayor de las dos muestras tiene 20 o menos
observaciones. Como estadstico para la prueba de hiptesis se usan las siguientes
ecuaciones:
207
U = n1n2 +
Donde:
n1 (n1 + 1)
R1
2
U ' = n1n2 +
n2 (n2 + 1)
R2
2
n1, es el tamao de la muestra 1.

n2, es el tamao de la muestra 2.
R1, es la suma de los rangos para la muestra 1.
R2, es la suma de los rangos para la muestra 2.
El menor valor calculado, sea U o U sirve para llegar a la decisin de rechazar o aceptar la
hiptesis nula, que corresponder a que las muestran vienen de la misma poblacin.
Conforme aumentan los tamaos de las dos muestras independientes, la distribucin del
estadstico U tiende hacia la distribucin normal (n>20). El estadstico usado es entonces:
n + n + 1
(n1 n2 ) 1 2
2
n + n + 1
n1n2 1 2
3
R R
1
z=
Cuarto paso.
Si las muestras son pequeas se usan los valores crticos de la tabla U, dada en el anexo.
Para determinar el valor crtico (llamaremos U ), los datos necesarios son: el tamao de las
dos muestras (Generalmente se designa como muestra 1 a la que tiene mayor tamao de
entre las dos), el nivel de significancia y el conocimiento de si la prueba es de dos o una
cola.
La hiptesis nula se rechazar si el valor calculado de U es menor o igual al valor crtico
(Esta regla es la contraria al procedimiento generalmente seguido en la toma de decisin de
la mayora de las otras pruebas).
Rechazo
Aceptacin
Si las muestras son grandes, los valores crticos se hallan mediante la distribucin normal
estndar.
z
2
z
2
Quinto paso.
208
Los valores muestrales se clasifican de mayor a menor. Al valor mayor se le da el rango de

1, al segundo mayor valor (sin importar de qu muestra sea) se le da el rango de 2, y as
sucesivamente. Luego se suma los rangos de la muestra 1 y 2 y se procede a calcular el
estadstico de prueba. Por ltimo se toma la decisin en base a la regla planteada en el
paso 4.
Ejemplo.
Los siguientes son los nmeros de minutos que una muestra de 15 hombres y 12 mujeres
tom para realizar una breve prueba de seleccin aplicada a los solicitantes de trabajo de
un banco grande.
H
8.8 7.8 6.6 10.7 8.9 8.4 6.9 6.4 6.3 8.0 8.6 8.1 9.1 9.7 9.9
M
7.5 8.7 8.3 6.2 6.5 7.7 9.8 9.6 9.2 10.4 8.2 8.5
Se quiere probar si los hombres tardaron ms en realizar la prueba que las mujeres a un
nivel de 0.05 de significancia.
Resolucin.
Paso 1:
H0: El tiempo en realizar la prueba es igual en hombres y mujeres
H1: Los hombres tardaron ms en realizar la prueba que las mujeres
Paso 2:
= 0.05
Paso 3:
U = n1n2 +
n1 (n1 + 1)
R1
2
U ' = n1n2 +
n2 (n2 + 1)
R2
2
Paso 4:
Rechazo
Aceptacin
U 0.05 = 55
Paso 5:
Se obtiene la suma de rangos para las dos muestras. En este caso el rango 1
corresponder al menor tiempo, ya que interesa esa caracterstica:
n1
R1
n2
8.8 7.
8
18 9
7.5 8.
7
6.6 10.
7
5
27
8.3 6.2
8.9
19
6.5
8. 6.9
4
14 6
7. 9.8
7
6.4
6.3
8.0
8.6
8.1
3
9.6
2
9.2
10
10.
4
16
8.2
11
8.5
209
9. 9.7
1
20 23
9.9
25
208
R2 7
17 13
24
22
21
26
12
15
170
Se obtienen los estadsticos:
U = 15(12) +
15(15 + 1)
208 = 92
2
U ' = 15(12) +
12(12 + 1)
170 = 88
2
Se elige el menor valor, es decir U.

Como el valor de U es mayor al valor crtico, entonces se acepta la hiptesis nula.
Conclusin: Los hombres y las mujeres tardaron la misma cantidad de tiempo en la prueba
de seleccin.
Ejemplo.
Los siguientes son los aumentos de peso (en libras) de pavos jvenes, que son alimentados
por dos dietas distintas pero por lo dems, las condiciones en que se les cra son idnticas.
Dieta
1
Dieta
2
16.3
10.1
10.7
13.5
14.9
11.8
14.3
10.2
12.3
14.4
12.0
21.3
14.7
23.8
23.6
15.4
15.1
19.6
14.5
12.0
18.4
13.9
13.2
18.8
14.0
19.2
10.3
16.7
11.6
18.1
15.3
20.1
14.8
18.9
20.7
21.1
15.8
16.2
16.5
20.1
Use el nivel de significancia de 0.01 para probar que en promedio la segunda dieta genera
mayor aumento de peso que la primera.
Como las muestras son independientes, se usa la prueba U:
Paso 1:
H0: La dieta 1 y la 2 generan el mismo aumento de peso en los pavos ( 2 = 1 )
H1: La segunda dieta genera mayor aumento de peso que la primera ( 2 > 1 )
Segundo paso.
= 0.01
Tercer paso.
Como el tamao de muestra es de 20, entonces se usar la aproximacin a la normal:
210
n + n + 1
(n1 n2 ) 1 2
2
n + n + 1
n1n2 1 2
3
R R
1
z=
Cuarto paso.
= 0.01
z 0.01 = 2.33
Quinto paso.
Como se est comparando la dieta 2 con la 1, se determinan los rangos de las muestras,
asignando el valor de 1al mayor valor, es decir al pavo con mayor aumento de peso.
Dieta
1
Dieta
1
Dieta
2
Dieta
2
23.6
18.4
16.3
15.1
14.9
14.7
14.5
14.4
14.3
14.0
2
13.5
12
13.2
16
12.3
20
12.0
22
11.8
24
11.6
25
10.7
26
10.3
27
10.2
28
10.1
30
23.8
31
21.3
32
21.1
33.5
20.7
35
20.1
36
20.1
37
19.6
38
19.2
39
18.9
40
18.8
1
18.1
3
16.7
4
16.5
5
16.2
6.5
15.8
6.5
15.4
8
15.3
9
14.8
10
13.9
11
12.0
13
14
15
17
18
19
21
23
29
33.5
Se calcula el valor del estadstico:
z=
553.5 266.5
20 + 20 + 1
20(20)
= 3.88
Se rechaza la hiptesis nula.

Conclusin: En promedio, los pavos con la dieta 2 aumentaron ms de peso que los pavos
con la dieta 1.
Accin: Alimentar a todos los pavos con la dieta 2.
6.2. Prueba H de Kruskal Wallis

Es especialmente til cuando se seleccionan k conjuntos aleatorios independientes de
observaciones muestrales (que deben ser por lo menos de nivel ordinal) y se quiere saber si
provienen o no de la misma poblacin (o si tienen medias iguales). Esta es una prueba
211
alternativa a la ANOVA, la cual no requiere que las poblaciones estn normalmente

distribuidas y que sus desviaciones estndares sean iguales.
Primer paso.
H0: Las muestras provienen de la misma poblacin
H1: Las muestras provienen de poblaciones distintas
Segundo paso.
= 0
Tercer paso.
H=
2
12 k R i
3(N + 1)
N(N + 1) i =1 n i
donde:
, es la suma de los rangos de la muestra i
ni es el tamao de la muestra i.
N es el nmero combinado de observaciones para todas las muestras.
k-1 son los grados de libertad.
k es el nmero de poblaciones.
Cuarto paso.
La distribucin del estadstico H se acerca mucho a la distribucin chi-cuadrada con k-1
grados de libertad con la condicin de que cada tamao de muestra sea por lo menos de 5.
2 ,
Quinto paso.
Se hallan la sumas de rangos de todas las muestras, ordenando los valores de menor a
mayor y asignando el valor de 1 para el valor ms bajo.
Luego se halla el valor del estadstico y se realiza la decisin.
Ejemplo.
212
Se va a llevar a cabo un seminario de administracin para un gran nmero de ejecutivos de

manufactura, finanzas y comercio. Antes de programar las sesiones, el director quiere saber
si los tres grupos tienen conocimientos semejantes sobre los principios de administracin o
gerenciales. Se tom muestras de los ejecutivos de los tres grupos y se aplic una prueba a
cada uno.
Manufactura Finanzas Comercio
51
14
89
32
31
20
17
68
60
69
87
72
86
20
56
62
28
22
96
77
97
Si no existe diferencia entre las tres distribuciones, el director impartir una sola sesin a
todos, pero si hay diferencia en las puntuaciones, se impartirn sesiones separadas.
El director del seminario no sabe nada acerca de la forma de la distribucin de la poblacin
de las puntuaciones sobre principios de administracin y tampoco puede suponer que las
varianzas de las poblaciones son iguales. Impartir sesiones separadas? Realice la
prueba al nivel 0.05.
Resolucin.
H0: Las distribuciones de las puntuaciones sobre principios de administracin son iguales
H1: No todas las distribuciones son iguales
Segundo paso.
= 0.05
Tercer paso.
2
12 k R i
H=
3(N + 1)
N(N + 1) i =1 n i
Cuarto paso.
= 0.05
2
0.05,2
= 5.99
213
Quinto paso.
Se hallan la sumas de rangos de todas las muestras, ordenando los valores de menor a
mayor y asignando el valor de 1 para el valor ms bajo.
Manufactura
51
32
17
69
86
62
96
R1
9
8
2
14
17
12
20
Finanzas
14
31
68
87
20
28
77
97
Sumas
82
Se halla el valor del estadstico H:
H=
R2
1
7
13
18
3.5
6
16
21
85.5
Comercio
89
20
60
72
56
22
R3
19
3.5
11
15
10
5
63.5
822 85.52 63.52

12
+
+
3(21 + 1) = 0.14
21(21 + 1) 7
8
6
Comparando este valor con el crtico, se acepta la hiptesis nula.

Conclusin: No hay evidencia estadstica suficiente para que el director pueda pensar que
los niveles de conocimiento sobre administracin de los tres grupos que tomarn el
seminario sea diferente.
Accin: El director planificar una sola sesin para todos los asistentes al seminario.
7. RBOL DE DECISIN PARA ELEGIR LA PRUEBA PARAMTRICA O NO

PARAMTRICA EN LA RESOLUCIN DE PROBLEMAS
Se plantea aqu una gua para realizar la decisin de usar una prueba paramtrica o no
paramtrica en la resolucin de problemas inferenciales.
214
215
Cuadro
bidimensional?
No
Si
Nmero de
muestras?
Una
Dos
(Muestras
independientes)
Mayor a dos
Cualquiera
Ajustar a una
distribucin?
Preferencia de
productos?
Experimentos
antes y despus?
Las medias son

iguales?
Las medias son

iguales?
Bloques y
tratamientos iguales?
Clasificaciones
independientes?
n>20
216
Bondad de ajuste (NP)
Prueba de signos (NP)
(Muestras dependientes o
apareadas)
Dif. Medias (P)
(f
ij
Eij
Eij )
2
i =1
=
2
n>20
n<20
z=
ei
z=
(x 0.5) 0.5n
0.5 n
Distribucin binomial
(p=0.5)
n + n + 1
(n1 n2 ) 1 2
2
n
n
1
+
+
n1n2 1 2
3
( Oi ei )
R R
U = n1n2 +
n1 ( n1 + 1)
R1
2
n ( n + 1)
R2
U ' = n1n2 + 2 2
2
2
12 k R i

3(N + 1)
N(N + 1) i =1 n i
n<20
H=
i =1 j =1
=
2
(Muestras
independientes)
Dif. Medias (P)
Prueba U (NP)
ANOVA
(Un factor) (P)
Prueba H (NP)
ANOVA
(Dos factores) (P)
Independencia de
atributos (NP)
RBOL DE DECISIN PARA ELEGIR LA PRUEBA PARAMTRICA O NO, ADECUADA

EN LA RESOLUCIN DE PROBLEMAS
EJERCICIOS DE CLASE
Prueba de independencia de atributos.
1. Hay tres marcas dominantes de un cierto producto. Es necesario determinar si las
porciones del mercado difieren significativamente entre 4 comunidades. Se analiza un
conjunto de 240 ventas y se encuentra que estn colocadas entre las comunidades y
marcas como aparece en la tabla.
Marcas
I
II
III
A
10
15
28
Comunidades
B
C
14
18
18
23
29
21
D
25
16
23
Hay alguna diferencia significativa en la preferencia de las marcas por las 4

comunidades? Realice la prueba con = 0.05.
Prueba de bondad de ajuste.
2. En aos recientes, 55% de los automviles fabricados y vendidos en Estados Unidos
fueron producidos por General Motors, 25% por Ford, 15% por Chrysler y 5% por los
dems fabricantes (Honda, etc). Una muestra registrada de las ventas de los automviles
construidos en Estados Unidos, la ltima semana, revel que 174 fueron
manufacturados por Chrysler, 275 por Ford, 330 por General Motors y 21 por todos los
dems. Pruebe al nivel 0.05 la hiptesis de que no ha habido cambio en el patrn de
ventas.
3. Supongamos que la fbrica Quimbol exige que los universitarios del ltimo ao que
buscan trabajo en ella sean entrevistados por 3 ejecutivos. Cada ejecutivo da al
candidato una evaluacin positiva o negativa. La tabla contiene los resultados de la
entrevista de los 100 ltimos candidatos.
Evaluaciones positivas
posibles en 3 entrevistas
0
1
2
3
Nmero de candidatos que

reciben estas evaluaciones
18
47
24
11
Para planear la fuerza de trabajo, el director de reclutamiento piensa que el proceso de

entrevista puede aproximarse mediante una distribucin binomial con p=0.4, es decir,
con una probabilidad de 40% de que cada candidato reciba una evaluacin positiva en
cualquiera de las entrevistas. Si el director quiere probar esta hiptesis en un nivel 0.05
de significancia. Qu ha de hacer?
217
Prueba del signo para datos pareados.

Muestras pequeas.
4. La direccin de la compaa Samuelson Chemicals recomend realizar un programa de
entrenamiento en computacin en la planta para los gerentes, a fin de mejorar su
conocimiento sobre el uso de computadoras en contabilidad, mantenimiento, produccin,
etc. Algunos gerentes opinaron que el programa sera valioso; otros dijeron, que no
tendra ningun valor. A pesar de las objeciones la compaa realiz el programa.
Se eligi al azar una muestra de 15 gerentes. El nivel de capacidad lo determin un
grupo de expertos antes de iniciado el programa, como sobresaliente, excelente, buena,
aceptable y deficiente. Despus del programa, que dur 3 meses, se hizo la misma
evaluacin. El signo + indica mejora, y el signo - declinacin. Se tiene inters en
determinar si dicho programa fue efectivo. Tales gerentes son ms aptos despus del
programa que antes?
Nombre
J.G.
A.P.
M.G.
M.F.
S.C.
E.A.
G.G.
J.M.
M.C.
J.R.
L.G.
J.R.
M.F.
L.R.
L.C.
Antes
B
A
E
D
E
B
D
E
B
D
B
A
B
B
D
Despes
S
E
B
B
E
S
A
S
D
B
S
E
A
S
B
Signo
+
+
+
0
+
+
+
+
+
+
+
+
Use = 0.1.
Muestras grandes.
5. Una empresa de refrescos embotellados ha encomendado al departamento de
investigacin de mercado poner a prueba un nuevo producto. Se consideran dos
versiones, una bebida ms bien dulce y otra algo amarga. Se va a hacer una prueba
formada por una muestra de 64 consumidores. Cada uno catar la bebida dulce (A) y la
amarga (B) indicando su preferencia. Los resultados de la prueba indicaron que 46 de
los 64 consumidores prefirieron la bebida dulce Como se efectuar la prueba de
hiptesis y qu bebida se lanzar al mercado? = 0.05.
218
Prueba U de Mann-Whitney.
Muestras pequeas.
6. Existe inters en determinar si hay diferencia en la aptitud mecnica entre los
trabajadores de sexo masculino o femenino en la lnea industrial de ensamble. Para
resolver el asunto, se seleccionaron al azar 9 hombres y 5 mujeres y se someti a cada
persona a una prueba de aptitud mecnica.
Hombres
Mujeres
1500
1400
1600
1200
670
780
Puntuacin
800
1100
1350
890
800
1320
1150
600
Existe alguna diferencia significativa en las aptitudes mecnicas de mujeres y varones?

Usar un nivel de significancia del 0.05
Muestras grandes.
7. Supongase que 25 mujeres y 15 hombres se someten a una prueba de aptitud
mecnica. Las calificaciones de tal aptitud se clasificaron en los siguientes rangos:
Rangos para las mujeres:
7 33
23 31
39
28
16
13
19
36
20
15
1
18
2
4
37
21
29
8
27
11
9
35
24
30
17
40
22
25
32
Rangos para los hombres:

26 6
34 12
38
10
14
Existe alguna diferencia significativa en las aptitudes mecnicas de mujeres y varones?

Usar un nivel de significancia del 0.05.
Prueba H de Kruskal Wallis.
8. El gerente regional de un banco est interesado en el ndice de cambios o movimiento
de las cuentas personales de cheques en cuatro de sus sucursales. Se pregunta si hay o
no diferencia en los ndices de movimiento entre las cuatro sucursales (El ndice de
movimiento es la rapidez con la que el dinero de una cuenta se deposita y retira. Una
cuenta extremadamente activa puede tener un ndice de 300; pero si slo se giran uno o
dos cheques, el ndice puede ser de aproximadamente 30). Los ndices de movimiento
de las muestras seleccionadas de las cuatro sucursales son:
219
Sucursal 1
208
307
199
142
91
296
Sucursal 2
91
62
86
91
80
Sucursal 3
302
103
319
340
180
Sucursal 4
99
116
189
103
100
131
Usando el nivel 0.01, determine si hay diferencia en los ndices de movimiento de las
cuentas personales de cheques entre las cuatro sucursales.
220
1. En la siguiente tabla se muestran las respuestas de los consumidores respecto a una
forma de hacer publicidad de productos para tres mercados:
Mercado de productos
Opinin
Total
A favor
No a favor
Sin opinin
124
55
21
111
44
45
137
38
25
372
137
91
Total
200
200
200
600
Halle las frecuencias esperadas para cada frecuencia observada de la tabla.

Ofrecen los datos evidencia suficiente para indicar que las proporciones de las
respuestas en las categoras a favor, no a favor y sin opinin, difieren entre los tres
mercados de productos? ( = 0.005).
2. A fin de planear la cantidad de efectivo que debe conservar en la bveda, un banco
quiere saber si el depsito de un cliente tiene una distribucin normal. Deseoso de recibir
un aumento, un empleado recin contratado reuni la siguiente informacin:
Depsito (En Bs.)
Frecuencia observada
hasta 900
20
900 - 2100
65
2100 y ms
25
a) Calcule las frecuencias esperadas si los datos tienen distribucin normal con una
media de 1500 Bs. y una desviacin estndar de 600 Bs.
b) Calcule el estadstico chi-cuadrada.
c) Formule la hiptesis nula y alternativa. Pruebe sus hiptesis en el nivel 0.05 y formule
una conclusin explcita.
3. Los datos de la tabla adjunta se refieren al nmero de ausencias del trabajo de 318
trabajadores de cierta empresa, en dos perodos semestrales consecutivos. El
ausentismo se considera bajo (B), en caso de tres ausencias o menos, medio (M)
2
entre 3 y 5 inclusive, y alto (A), para ms de 5. Utilice la prueba de para mostrar que
la propensin al ausentismo no existe, lo que implica que las dos variables de
clasificacin son independientes. (Use ( = 0.05).
Primer Semestre
B
M
A
221
B
M
A
Segundo
Semestre
165
40
2
35
24
13
4
20
15
4. Un fabricante de motores de automviles ha probado 150 motores para determinar la

tasa promedio de consumo de gasolina (km/lt). Se piensa que el consumo tiene una
distribucin normal. Usando la media muestral y la desviacin estndar muestral como
parmetros para la distribucin normal, el fabricante construy la siguiente tabla. Los
datos de esta tabla confirman la conclusin de que el consumo de gasolina sigue una
distribucin normal, a un nivel de significacin de 0.05?
Km/lt
10 o menos
No de motores en cada grupo 8
No. de motores en una 14
distribucin normal
11-12
27
26
13-14
43
41
15-16
42
36
17-18
26
22
19 y ms
4
11
5. Una firma de cosmticos est interesada en las preferencias de consumo de sus clientes
respecto del diseo de sus productos. Recientemente, present 4 diseos a una muestra
aleatoria de 200 paseantes en un Centro Comercial. Los resultados se muestran a
2
continuacin. Use para probar la significacin estadstica de esta informacin (Utilice
= 0.05).
DISEO
PREFERENCIA
43
31
69
57
6. Un restaurante anunci que en la noche del jueves en men consistira en platillos

inusitados para gourmets, como calamar, liebre, caracoles, salmn ahumado y ensalada
especial. Como parte de una encuesta ms amplia, se pregunt a una muestra de 81
clientes regulares si preferan el men normal o el men para gourmets. Utilizando la
prueba del signo y el nivel 0.02, pruebe si a los clientes les agrad ms el men anterior
que el normal. Justifique su conclusin.
7. Se ensea un procedimiento de ensamble a un grupo de personas empleando la
secuencia de pasos ya conocida. Se ensea a otro grupo usando una tcnica
experimental. Los tiempos (en segundos) necesarios para ensamblar la unidad para las
dos muestras fueron:
Grupo que usa los pasos conocidos: 41, 36, 42, 39, 36, 48.
Grupo que usa la tcnica experimental: 21, 27, 36, 20, 19, 21, 39, 24, 22.
Con la prueba U de Mann-Whitney y el nivel 0.05 de riesgo, pruebe la afirmacin de que
el grupo experimental necesit de menos tiempo para ensamblar la unidad. Como es
usual, enuncie las hiptesis nula y alternativa, y la regla de decisin, calcule U y U y
adopte una decisin.
222
8. Se compararn las tasas de homicidios en ciudades grandes, pequeas y reas rurales.

Se seleccionan muestras de las tres reas. Las tasas estn dadas por millar de
habitantes.
Ciudades
grandes
6.7
5.2
11.2
8.6
5.5
Ciudades
pequeas
7.8
7.1
12.2
9.6
5.2
6.8
reas
rurales
12.6
8.4
8.2
4.9
11.7
7.1
Suponiendo que las tasas no se distribuyen en forma normal, utilice el nivel 0.01 para
determinar si existe alguna diferencia entre las distribuciones de las tasas de homicidios
para los tres grupos.
9. Los siguientes datos muestran los ndices de trabajo defectuoso de los empleados antes
y despus de un cambio en el plan de incentivos de sueldos. Compare los siguientes
dos conjuntos de datos para ver si el cambio disminuy las unidades defectuosas
producidas. Utilice el nivel de significancia de 0.10.
Antes
Despu
s
8
6
7
5
6
8
9
6
7
9
10
8
8
10
6
7
5
5
8
6
10
9
8
5
a) Usando una prueba paramtrica.

b) Usando una prueba no paramtrica.
10. Un fabricante de juguetes cambi el tipo de mquinas inyectoras de plstico que usaba
porque una mquina moderna dio evidencias de ser ms econmica. Sin embargo, al
iniciar la temporada de navidad, la produccin pareci un tanto menor a la del ao
anterior. Puesto que los registros de produccin de los ltimos aos estaban
disponibles, el gerente de produccin decidi comparar el resultado mensual de los 15
meses en los que se usaron las antiguas mquinas y los 11 meses de produccin de
este ao. Los registros muestran estas cantidades de produccin, en unidades, con las
mquinas anteriores y modernas.
Antigua
992
945
938
1027
892
983
Moderna
965
1054
912
850
796
911
Antigua
966
889
972
940
873
1016
223
Moderna
956
900
938
1014
1258
877
902
897
Puede concluir la compaa, a un nivel de significancia de 0.1, que el cambio en las

mquinas ha reducido la produccin?
a) Prueba paramtrica.
b) Prueba no paramtrica.
11. Una compaa de regalos que atiende sus pedidos por correo tiene los siguientes datos
de muestra de ventas en dlares, separados de acuerdo con la forma de pago del
pedido. Pruebe la hiptesis de que no existe diferencia en la cantidad de dlares
recibidos por pagos en efectivo, cheque o tarjeta de crdito. Use un nivel de
T. crdito 78
Cheque
110
Efectivo
90
64
70
68
75
53
70
45
51
54
82
61
74
69
68
65
60
59
12. Al nivel de significancia de 0.05, podemos concluir que los siguientes datos provienen
de una distribucin de Poisson con media de 3?
N llegadas por da 0
N de das
6
1
18
2
30
3
24
4
11
5
2
6 o ms
9
13. Kevin Morgan, gerente nacional de ventas de una compaa de electrnica, ha

recabado la siguiente estadstica de salarios de los ingresos de la fuerza de ventas en
su campo. Tiene las frecuencias observadas, en la tabla siguiente. Al nivel de
significancia de 0.1, puede concluir Kevin que la distribucin de los ingresos de la
fuerza de ventas (en miles de $) es normal?
25-30
9
30-36
22
36-42
25
42-48
30
48-54
21
54-60
12
60-66
6
14. Un editor de peridicos, que trata de determinar con precisin las caractersticas de
mercado de su peridico, se pregunta si la costumbre de la gente de la ciudad de leer
diarios est relacionada con el nivel educativo de los lectores. Se aplica una encuesta a
los adultos del rea referente a su nivel educativo y a la frecuencia con que leen el
peridico. Los resultados se muestran en la siguiente tabla:
Nivel educativo
Frecuencia con
que la lee
Nunca
Algunas veces
Profesional o
posgrado
Pasante de
licenciatura
Preparatoria
No termin la
preparatoria
10
12
17
23
11
8
21
5
224
Maana o tarde
Ambas ediciones
35
28
38
19
16
6
7
13
A un nivel de significancia de 0.1, la frecuencia con que se lee el peridico en la

comunidad difiere de acuerdo con el nivel de educacin de los lectores?
15. Los siguientes son los nmeros de infracciones por conducir a alta velocidad expedidas
por dos oficiales de polica durante 20 das.
Oficial 1
Oficial 2
Oficial 1
Oficial 2
6
9
14
10
11
13
6
12
12
12
9
9
10
17
12
14
15
13
8
13
7
11
16
11
9
13
10
15
7
12
12
14
14
15
15
15
11
13
12
18
A un nivel de significancia de 0.01, se quiere probar si en promedio, los dos oficiales

expidieron una cantidad igual de infracciones por conducir a alta velocidad.
16. Se desea determinar, al nivel de significacin de 0.01, si la aceptacin de los chocolates
Breick tiene alguna diferencia entre los hombres y las mujeres. Una muestra
representativa arroj los siguientes resultados:
Les gusta
Hombres
mujeres
si
45
25
no
15
5
a) Use prueba paramtrica.

b) Use prueba no paramtrica.
17. El nmero de saltos ornamentales que realiza un competidor olmpico son 4 en cada
competencia, la probabilidad de que cada salto se anule el de 30% a juicio de un
experto. Si en la ltima competencia se registraron los siguientes resultados, pruebe a
un nivel de significancia de 0.05 si la distribucin de saltos anulados sigue una
distribucin binomial.
Nmero de saltos
anulados
0
1
2
3
Frecuencia
21
35
19
5
18. Despus de recabar datos sobre la contaminacin del aire en Cochabamba durante un
ao, el Dr. H. Rosas recomend a la alcalda realizar medidas estrictas para controlar la
emisin de gases txicos a la atmsfera. Con los datos que se presentan a
continuacin, se tiene evidencia de que las medidas disminuyeron la contaminacin
ambiental?. Use 2% de nivel de significacin.
225
ao
Ene
Feb
Mar
Abr
May
Jun
Jul
Ago
Sep
Oct
Nov
Dic
anterior
7
6
5.4
5.9
3.9
5.7
6.9
7.6
6.3
5.8
5.1
5.9
actual
5.3
6
5.6
5.7
3.7
4.7
6.1
7.2
6.4
5.7
4.9
5.8
226

DECISIONES PARA AMPLIAR LA COMPETITIVIDAD DE UNA
EMPRESA LDER EN INVESTIGACIN Y DESARROLLO
A un equipo de profesionales investigadores de las reas de economa, marketing,
administracin, finanzas y produccin, le fueron asignados varios asuntos concernientes al
mercado de un producto que una empresa produca y comercializaba, desde hace varios
aos. A la empresa le interesa sobre todo ampliar su imagen de marca, realizar mejoras en
el diseo del producto, plantear estrategias de negocios ms lucrativas, minimizar errores
en la produccin y por sobre todo reducir sus costos, para obtener un margen de utilidad
ms amplio. Esta corporacin cree que slo trabajando en equipo podr lograr este
objetivo.
Primera reunin.
El grupo se reuni para realizar mejoras en el producto. Anteriormente consista de una
licuadora con 10 velocidades, vaso con capacidad para 5 litros y un botn de toque de alta
velocidad, independiente de las anteriores. Esta licuadora se venda a un precio de 70 $us.
Despus de la reunin y tomando en cuenta algunas sugerencias de los clientes, los
expertos llegaron al siguiente acuerdo:
1. Introducir, tanto en el botn de toque como en las velocidades, un mecanismo de
seguridad para que los nios no tengan accidentes.
2. Introducir en el interior del vaso, justo en el medio, que coincida con la tapa pequea
(que existe en la tapa superior), un tubo colador. Esto permitir que los clientes puedan
utilizar la licuadora tambin como una sumidora.
3. El vaso sea de un material irrompible, igualmente fcil de lavar y que no permita que los
olores se impregnen, como lo logra un vaso de vidrio.
Luego de la reunin, se realiz una encuesta para ver la aceptacin de estos cambios en el
mercado. La compaa cree que la nueva licuadora podr venderse en 85 $us. Los
227
resultados de la encuesta a un grupo de 12 clientes, a los cuales se les pregunt en cuanto

compraran una licuadora con las 3 caractersticas, son:
70
85
90
60
120
70
75
100
95
85
90
80
El gerente de la empresa quiere saber si hay evidencia estadstica suficiente para concluir
que con las mejoras en el diseo se podr vender la nueva licuadora en 85 $us., con un
nivel de significacin del 0.05.
a) Si no se sabe nada acerca de la forma de la poblacin.
b) Si se supone que la poblacin sigue una distribucin normal.
Si no se puede vender la licuadora a ese precio, no se implementaran las mejoras.
Conviene a la empresa implementar las mejoras en el diseo de la licuadora?
Segunda reunin.
Independientemente si a la empresa le conviene implementar las mejoras en el diseo,
existe un problema en el rea de produccin que se debe resolver. Se cree que el
porcentaje de licuadoras defectuosas que produce la lnea de ensamble 1 es
significativamente superior a la de la lnea 2. Para probar esto se realiz un muestreo
aleatorio, cuyos resultados se dan en la siguiente tabla:
Defectuosa
No defectuosa
Lnea 1
7
18
Lnea 2
3
22
Probar la conjetura anterior, con un nivel del 0.05 de significancia, si:

a) Las muestras provienen de poblaciones aproximadamente normales.
b) No se sabe nada acerca de las formas de las poblaciones de las cuales se extrajeron las
muestras.
Si se logra probar la hiptesis anterior, entonces la compaa realizar un mantenimiento a
todas las mquinas ensambladoras de la lnea 1. Cul es la decisin que se debe tomar?
Tercera reunin.
Otro problema que deben corregir es cmo lograr una textura e impermeabilidad en el vaso
que sea comparable a las caractersticas de uno de vidrio (generalmente es deseable un
ndice de 5.9 o mayor). Para ello se probaron tres mtodos en cada inyectora de plstico de
las dos lneas de ensamble. Los resultados del ndice de textura e impermeabilidad, son:
Mtodo 1
Mtodo 2
Lnea de ensamble 1
Lnea de ensamble 2
Mquina 1 Mquina 2 Mquina 3 Mquina 4
5.6
6.5
4.9
4.5
5.1
5.0
4.8
4.6
228
Mtodo 3
6.9
6.8
5.2
5.4
El equipo quiere probar las siguientes hiptesis, con un nivel de riesgo del 0.05, sabiendo
que las muestras provienen de una poblacin normal, con varianzas iguales.
a) Existe relacin entre el mtodo que se use para formar el material del vaso y el tipo de
mquina inyectora?
b) Si no existe relacin, el equipo podr realizar un anlisis para comprobar qu mtodo es
el ms efectivo para lograr un ndice de textura similar al que tienen un vaso de vidrio.
Se puede realizar el anlisis? Si la respuesta es afirmativa, hgalo. Qu mtodo
sugerira como el ms efectivo? Existe diferencia significativa en la efectividad de las
mquinas inyectoras?
Cuarta reunin.
Otra importante cuestin es analizar los costos unitarios de produccin, que en la actualidad
se cree que son muy variables en cada mes, para reducirlos al mximo. Los datos histricos
de varios meses, en $us, son:
Costos ($us/unidad)
60 63
63 65
65 68
68 - 70
Nmero de
licuadoras
producidas
150
300
340
120
El equipo quiere establecer si los datos se pueden modelar por medio de una distribucin
normal, cuya desviacin estndar sea de 2.3 $us. Pruebe la hiptesis a un nivel de 0.05.
229
BIBLIOGRAFA
La Estadstica en Cmic. Larry Gonick y Woollcott Smith. Primera Edicin, 1999. Editorial
Zendrera Zariquiey.
Estadstica para Administradores. Richard I. Levin & David S. Rubin. Sexta Edicin, 1996.
Prentice Hall Hispanoamericana S.A. Mxico.
Estadstica para Administracin y Economa. Mason y Lind. Sptima Edicin, 1995.
Alfaomega, Mxico.
Estadstica. Murray R. Spiegel. Serie Schaums. Segunda Edicin, 1995. Edit. Mc. Graw Hill.
Estadstica Elemental. Freund y Simon. Octava Edicin. 1994. Prentice Hall, Mxico.
Probabilidad y Estadstica para Ingenieros. Miller, Freund y Jonson. Cuarta Edicin, 1992.
Editorial Prentice Hall Hispanoamericana S.A.
Estadstica para Administradores. William Mendenhal. Segunda Edicin, 1990. Grupo
Editorial Iberoamrica, Mxico.
Introduccin a la Estadstica Sociolgica. Manuel Garca Ferrando. 1985. Editorial Alianza,
Madrid-Espaa.
Estadstica General Aplicada. Fadil H. Zuwaylif. 1985. Fondo Educativo Interamericano.
Estadstica. Nivel universitario. Horacio Dottone R. 1982. Cooperativa de Cultura
Publicaciones y Multiactiva Ltda. Santiago-Chile.
Estadstica Social. Hubert M. Blalock. Segunda Edicin, 1981. Fondo de Cultura
Econmica, Mxico.
Probabilidad y Estadstica en Ingeniera Civil. Jack R. Benjamn. Primera Edicin. 1981.
Editorial McGraw Hill Latinoamericana, Colombia.
Introduccin a las Tcnicas de Investigacin Social. Ezequiel Ander-Egg. Sexta Edicin,
1977. Editorial Humanitas, Buenos Aires-Argentina.
Introduccin a la Inferencia Estadstica. William G Guenther. 1977. Editorial Mc Graw Hill,
Mxico.
Introduccin a la Teora Estadstica. Mood/Graybill. Cuarta Edicin, 1976. Editorial Aguilar,
Madrid-Espaa.
229
Estadstica Bsica para Planificacin. Arturo Nez del Prado Benavente. Cuarta Edicin,
1975. Siglo XXI Editores S.A., Mxico.
Estadstica. Taro Yamane. Tercera Edicin, 1974. Editorial Harla, S.A. e C.V, Mxico.
Probabilidad y Estadstica. Louis Maisel. Fondo Educativo Interamericano, S.A. BogotColombia.
Estadstica y Sociologa. Manuel Mora y Araujo y Otros. 1973. Ediciones Nueva Visin,
Buenos Aires-Argentina.
Statistics. Probability, Inference, And Decision. William L Hays & Robert L. Winkler. 1970.
Holt, Rinehart and Winston, Inc. New York-United States of America.
Curso de Estadstica General. Enrique Cansado. Segunda Edicin, 1970. Centro
Interamericano de Enseanza Estadstica (CIENES), Santiago-Chile.
Manual de Estadstica. Basilio Giardina. Primera Edicin, 1968. Compaa Editorial
Continental, S.A., Mxico.
Estadstica Aplicada. Cortada y Carro. Segunda Edicin, 1968. Editorial Universitaria de
Buenos Aires.
Estadstica y Observacin Econmica. Andr Piatier. 1967. Editorial Ariel, BarcelonaEspaa.
Prctica de las Encuestas Estadsticas. Gabriel R Chevry. 1967. Ediciones Ariel, BarcelonaEspaa.
Doscientos Problemas de Estadstica Descriptiva. Ernesto Casa Aruta. Primera Edicin,
1965. Editorial Vicens-Vives, Barcelona-Espaa.
230
ANEXO 1
DISTRIBUCIONES DE DENSIDAD
1. INTRODUCCIN
Se mostrar en este anexo algunas distribuciones de densidad que estn relacionadas a la
normal, y que constituyen herramientas bsicas y muy tiles en la inferencia estadstica.
Las funciones probabilsticas que se estudiarn son: La t de Student, la Chi-Cuadrada y la F
de Fisher.
2. LA DISTRIBUCIN t DE STUDENT
2.1. Caractersticas
La funcin de densidad de la t de Student, con v grados de libertad, es:
+1
1+
t 2 2
2
f (t ) =
1 +

2
para < t < y > 0
donde: , es la funcin gamma.

La forma de la t de Student es parecida a la normal:
t , n1
t ,n1
Al igual que la distribucin normal estndar, la distribucin t es simtrica y unimodal, pero

con mayores colas, puesto que tiene mayor variabilidad. La forma lmite de la distribucin t (a
medida que los grados de libertad aumentan) es la normal. Para los estadsticos esta forma
lmite se consigue cuando la muestra es mayor a 30 elementos.
Por lo dicho anteriormente, el estadstico de prueba que se usa para muestras menores a 30
(con desconocida) y que mejor se ajusta para la inferencia es la distribucin t:
t=
x
s
n
231
2.2. Uso de la tabla t

As como existe una tabla normal estndar, tambin existe una tabla t de Student estndar. A
continuacin se muestran algunos ejemplos para manejarla.
Ejemplo.
Sea t una variable aleatoria con distribucin t de Student y 10 grados de libertad. Encuentre
un valor crtico para un nivel de significancia del 5%, considerando solo la cola derecha.
Resolucin.
Grficamente, se tiene:
1 = 0.95
= 0.05
t0.05,10
Se busca en la tabla t, el valor para t0.05,10 :
0.40 .................................. 0.05
1
2
.
.
.
1.8125
10
3. LA DISTRIBUCIN CHI-CUADRADA
3.1. Caractersticas
La funcin de densidad de una variable aleatoria que tiene distribucin Chi-Cuadrada, con
grados de libertad, es:
f ( ) =

2 2
2

1
2 2
para > 0 y > 0
La distribucin tiene sesgo a la derecha, y sus valores son siempre positivos. Sin embargo,
al aumentar los grados de libertad, la forma lmite es la distribucin normal.
232
2
12 ,n 1
2,n 1
El estadstico de prueba, para obtener una variable aleatoria estndar, es el siguiente:
(n 1)s 2
2
2 =
el cual, permite relacionar la varianza de una muestra tomada de una poblacin normal, con
una variable aleatoria con densidad conocida.
3.2. Uso de la tabla Chi-Cuadrada

Se muestra a continuacin la manera de usar la tabla Chi-Cuadrada.
Ejemplo.
Sea una variable aleatoria que se distribuye mediante la Chi-Cuadrada y tiene 8 grados de
libertad. Encuentre un valor crtico para un nivel de significancia de 0.05.
Resolucin.
Un grfico ayudar a fijar el valor crtico que deber ser hallado en la tabla.
1 = 0.95
= 0.05
2
2
0.05,8
Se buscar en la tabla el valor crtico: 20.05,8 :
0.995 ................................ 0.05
1
2
.
.
.
15.5073
233
4. LA DISTRIBUCIN F DE FISHER
4.1. Caractersticas
La funcin de densidad de una variable aleatoria con 1 grados de libertad en el numerador y
2 grados de libertad en el denominador es:

+
1 2 1 1 1 1
+
2 2 2 F 2 + F 1 2 2
f (F ) =
(
)
1
2
2
1

1 2
2 2
para 1 , 2 , F > 0
La forma de la distribucin F estndar es parecida a la Chi-Cuadrada:
F
F1 ,n1 1,n2 1
2
F ,n1 1,n2 1
2
El estadstico de prueba, que se usa para relacionar varianzas de dos poblaciones normales
es:
s12
12
F= 2
s2
22
4.2. Uso de las Tablas F

Como el nmero de variables aumenta (hay dos grados de libertad), existen 5 tablas F, cada
una para diferentes valores de : 0.25, 0.10, 0.05, 0.025 y 0.01. Para valores mayores a
0.25, existe una relacin que permite el clculo, con las mismas tablas:
F ,1 , 2 =
1
F1 , 2 ,1
Ejemplo.
Sea F una variable aleatoria con distribucin F, con 14 grados de libertad en el numerador y
10 grados de libertad en el denominador. Encuentre un valor crtico con un nivel de
234
Resolucin.
Como el valor de es mayor a 0.25, entonces se usar la relacin para transformarlo:
F0.975,14,10 =
1 = 0.025
1
F0.025,10,14
= 0.975
F
F0.975,14,10
Observando en la tabla respectiva, se halla el valor crtico:
F0.025
3 .............
10
1
2
.
.
.
3.15
14
Por lo tanto el valor es:
F0.975,14,10 =
1
F0.025,10,14
235
1
= 0.317
3.15
ANEXO 2
TRABAJO DE APLICACIN FINAL
1. OBJETIVOS DEL TRABAJO
El estudiante ser capaz de plantearse un problema real en la que use algn mtodo de
inferencia estadstica para su resolucin, tal como las pruebas de hiptesis, los intervalos
de confianza, pruebas no paramtricas o anlisis de varianza.
2. NMERO DE COMPONENTES DEL GRUPO

Mximo 5 personas. No es negociable.
3. FECHA DE ENTREGA
Da del examen final impostergablemente.
4. CARTULA
Deber ir especificado el nombre de la Universidad, la materia que cursan, el ttulo del
trabajo, los nombres de los componentes del grupo, el nombre del catedrtico de la
materia, y la fecha de realizacin.
Nota: El ttulo del trabajo no es: Trabajo de aplicacin final, sino debe ser especfico,
indicando el tema en el cual se ha desarrollado el trabajo. Ejemplo: Anlisis de la eficiencia
de atencin en Burger King.
5. CONTENIDO
El trabajo deber contar con los siguientes puntos:
1. Antecedentes.
Se debe relatar cuales son las causas, oportunidades y circunstancias por las cuales los
alumnos se decidieron a realizar el trabajo.
2. Justificacin.
Se debe indicar por qu el tema propuesto es de inters para los alumnos.
3. Objetivos.
Se debe describir cules son los propsitos de la investigacin que se realizar. Existirn
objetivos generales y especficos.
236
4. Hiptesis.
Se debe manifestar cules son las hiptesis generales y especficas que los alumnos
quieren probar con la investigacin a realizar.
5. Metodologa de investigacin.
Se debe enumerar los pasos que los alumnos tendrn que realizar para desarrollar la
investigacin propuesta.
6. Desarrollo de la investigacin.
Se deber desarrollar en base a los puntos descritos en metodologa de investigacin, y
son:
1. Determinacin de la poblacin, en naturaleza y nmero.
2. Determinacin y clasificacin de las caractersticas de la poblacin que se desean
estudiar.
3. Determinacin del tipo de muestreo probabilstico adecuado.
4. Determinacin del mtodo de recopilacin de datos adecuado (observacin, entrevista o
cuestionario).
5. Determinacin del tamao muestral. Clculo del error de estimacin.
6. Elaboracin del formulario (de la encuesta o entrevista) o metodologa de observacin.
7. Recopilacin de datos (Aplicacin de la encuesta, entrevista u observacin).
8. Tabulacin de datos: organizacin, presentacin, resumen mediante estadgrafos de
posicin y dispersin, interpretacin y conclusiones (Estadstica descriptiva)
9. Determinar y realizar los tipos de prueba de hiptesis a usar o los intervalos de
confianza, que den una solucin al problema planteado, dependiendo si se est
realizando un estudio exploratorio, descriptivo o causal.
9. Anlisis e interpretacin de los resultados.
10. Sugerencias y recomendaciones.
6. BIBLIOGRAFA
Si el grupo us alguna bibliografa o fuente para recopilar datos o realizar algn
procedimiento, deber estar detallada en el trabajo.
7. BANCO DE TEMAS
1.
2.
Anlisis de la situacin de desempeo de los alumnos de la UPB: nmero de materias,

materias fuertes, nmero de materias por mes, debido a la calidad docente,
circunstancias familiares, nivel promedio de notas, tiempo de estudio extra aula, etc.
Comparacin de estos ndices con diferentes aos, con diferentes carreras, con
diferentes semestres o segn el sexo, ausentismo o abandono de materias, etc.
Anlisis de desempeo de una mquina llenadora de refrescos o de cualquier
instrumento de medicin: anlisis de la cantidad promedio de llenado, anlisis de su
variabilidad, comparacin de su eficiencia con otra mquina similar, etc.
237
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
Anlisis del rendimiento del auto de un estudiante: rendimiento promedio en

combustible, variabilidad del rendimiento en combustible, vida media de las llantas y su
variabilidad, comparacin de estas variables con otro auto similar, proporcin de
repuestos cambiados desde su compra, etc.
Anlisis de uso de internet entre los estudiantes de la UPB: promedio de horas de uso,
buscador ms utilizado, tema mas buscado, segn carrera, segn sexo, etc.
Anlisis de los factores por los cuales las materias de anlisis de decisiones I y II son
difciles de aprobar.
Anlisis del nivel de gastos promedio de un estudiante de la UPB: segn el mes, segn
la edad, segn la carrera, segn la ocasin, etc.
Anlisis de la variabilidad de las calificaciones de exmenes de dos estudiantes de la
UPB de la misma carrera y que estn en un mismo nivel.
Dependencia o independencia entre rendimiento y edad de los estudiantes de una
materia.
Dependencia o independencia entre rendimiento y la carrera de los estudiantes de una
materia.
Dependencia o independencia entre rendimiento y colegio de los estudiantes del
preuniversitario.
Bondad de ajuste de la distribucin de puntajes de las evaluaciones docentes a una
distribucin terica como la binomial.
Relacin (prueba de independencia) entre el desempeo de un empleado, ej: un
docente, y su grado de conocimiento de la visin, misin, propsito, valores y principios
y/o reglamentos de su organizacin.
Comprobar si dos o ms mtodos de estudio usados por un estudiante o por diversos
estudiantes, son igual de efectivos para vencer una determinada materia o un grupo de
materias.
Nota: Los temas mencionados en esta lista son alternativas que se sugieren para
desarrollar el trabajo, pero de ninguna manera son limitantes para que los alumnos no
puedan escoger un tema de inters o actual.
8. EJEMPLO DE TRABAJO FINAL

A continuacin se presenta un trabajo de asesora realizado por el autor a una empresa de
electricidad, como ejemplo de trabajo final. Los alumnos deben tomar en cuenta que este
es un trabajo muy especfico, y el que tendrn que desarrollar debe ser mucho ms amplio,
para poder aplicar todas las pruebas y mtodos desarrollados en el texto.
Cabe aclarar que no se nombra la empresa, ni el lugar donde se desarroll la investigacin,
adems que los datos fueron alterados, para proteger la informacin.
238
INFORME DE ASESORA PARA UNA

EMPRESA DE ELECTRICIDAD X
ESTIMACIN DE LA PROPORCIN DE TRANSFORMADORES
CON PROBLEMAS DE TENSIN Y SATURACIN
EN UNA CIUDAD X
INTRODUCCIN.
La divisin de planificacin de la empresa X, ha solicitado asesoramiento estadstico para la
validacin de una encuesta realizada para determinar problemas de tensin y saturacin en
transformadores de distintos sistemas de la ciudad X.
OBJETIVOS.
Realizar una validacin estadstica de los resultados de una encuesta realizada por el
departamento de planificacin de la empresa X.
Realizar una inferencia a la poblacin sobre las caractersticas de la muestra requeridas
por el estudio realizado por la empresa X.
Otorgar un sustento terico y metodologa adecuada en la validacin e inferencia.
METODOLOGA.
Para la realizacin de este estudio de asesora se realizaron los siguientes pasos:
1. Determinacin de la poblacin, en naturaleza y nmero.
estudiar.
4. Determinacin del mtodo de recopilacin de datos adecuado.
6. Recopilacin de datos.
7. Clculo del intervalo de confianza para estimar la proporcin de la poblacin.
9. Recomendaciones.
1. DETERMINACIN DE LA POBLACIN, EN NATURALEZA Y NMERO.
Fundamento terico.
239
La poblacin, colectivo o universo es el total de elementos, cosas o personas que forman

parte de la investigacin.
La poblacin puede considerarse por sus elementos como:
a) Poblacin finita. Conjunto numerable de elementos.
b) Poblacin infinita. Conjunto no numerable o forma lnea continua de puntos. Esta
distincin es terica ya que siempre se trata con poblaciones de
nmeros finitos de elementos.
Aplicacin.
La poblacin es finita, y est constituida por los transformadores llamados exclusivos, que
posee la empresa X en los tres sistemas de la ciudad X. El tamao de la poblacin de cada
sistema es el siguiente:
Sistema 1:
Sistema 2:
Sistema 3:
1613 transformadores.

estudiar.
Fundamento terico.
Las caractersticas de la poblacin son rasgos distintivos de los elementos de una
poblacin. Pueden ser de carcter cualitativo o cuantitativo, de ah la distincin en: variable
o atributo.
a) Atributos. Son rasgos cualitativos de los elementos de una poblacin. Pueden ser:
Ordinales. Referente al sentido de jerarquizacin u organizacin de
elementos. Ejemplo: grados militares, cargos en una empresa, etc.
Nominales. Rasgos sin capacidad de ordenacin. Ejemplo: color de ojos,
gusto, etc.
A las diferentes clasificaciones que pueden adoptar los atributos se les llaman modalidades.
Los atributos se designan con las primeras letras maysculas del abecedario (A, B, C, etc.);
las modalidades con las minsculas (a, b, c, etc.).
b) Variables. Son rasgos, caractersticas o propiedades cuantificables. Ejemplo: peso,
edad, altura, etc. Las variables pueden ser:
Discretas. Si entre dos valores consecutivos no puede introducirse otro.
Ejemplo: el nmero de mesas, sillas, casas, etc.
Continuas. Si entre dos valores consecutivos pueden introducirse infinitos
valores. Ejemplo: altura, peso, etc.
240
Las variables se designan con las ltimas letras maysculas del abecedario (X, Y, Z, etc.) y
sus valores con las minsculas (x, y, z, etc.).
Niveles de medicin.
a) Nivel Nominal
Es el nivel ms primitivo, bajo y limitado de medicin. Este nivel hace referencia a los datos
que solo pueden clasificarse en categoras, sin intervencin de mediciones o escalas, solo
mediante conteos. Para este nivel no existe orden particular para los grupos. Las categoras
o modalidades se consideran mutuamente excluyentes y exhaustivas. Es el nivel de
medicin para atributos nominales.
b) Nivel ordinal
Tiene las caractersticas del nivel anterior, pero difiere en que las categoras pueden
ordenarse en una relacin mayor que. Es el nivel de medicin para atributos ordinales.
c) Nivel de intervalo
Incluye todas las caractersticas de la escala ordinal, pero adems la distancia entre valores
es de tamao conocido y constante. Es el nivel de medicin para variables discretas o
continuas.
Ejemplo: Medicin de temperatura en la escala centgrada. En esta escala el punto cero es
arbitrario: 0 C; no significa que haya ausencia de temperatura, sino solo un estado de fro.
Si se registraron las siguientes temperaturas: 30 C y 60 C, puede decirse que en la
segunda oportunidad hubo una temperatura 30 C ms clida, pero no se puede afirmar
que haga 2 veces ms calor.
d) Nivel de razn (o cociente)
Es el nivel de medicin ms alto y sirve para variables discretas y continuas. Las principales
diferencias entre el anterior nivel y ste son:
1. Los datos de nivel de razn tienen un punto cero significativo.

2. La razn o cociente de dos nmeros es significativa.
Ejemplo: El dinero. Tener cero pesos tiene un significado: no tengo nada de dinero. Si una
persona gana 1000 $us y otra 4000 $us, la segunda gana 4 veces ms que la primera.
Aplicacin.
Las caractersticas de los transformadores que la empresa X ha estudiado son:
La tensin
241
La saturacin.
La empresa quiere determinar los transformadores que tienen problemas de tensin.

Mediante mediciones tcnicas pueden determinar cules no cumplen con los niveles
estndares aceptables. Tambin quieren determinar qu transformadores estn saturados,
es decir los que estn operando por encima de su capacidad nominal.
Ambas caractersticas se las clasifica como variables continuas y el nivel de medicin que
se usa debe ser el de razn.
Fundamento terico.
La muestra es un subconjunto representativo de la poblacin. Se usa para realizar trabajos
empricos, en que los universos no son manejables, para reducir costos y ahorrar tiempo,
sin disminuir la calidad de informacin.
El muestreo estadstico es un enfoque sistemtico para seleccionar unos cuantos
elementos representativos (una muestra) de un grupo de datos, a fin de hacer algunas
inferencias sobre el grupo total (poblacin). Como esta muestra aporta datos bastantes
confiables, no es necesario seleccionar el total.
Hay dos tipos de muestreo:
probabilstico o aleatorio, cuando la muestra se selecciona de modo que cada
integrante de la poblacin tenga una probabilidad conocida de ser incluido en la
muestra.
no probabilstico o de juicio, cuando no todos los integrantes tienen alguna
probabilidad de ser incluidos en la muestra. Se usa el conocimiento y la opinin
personal para identificar los elementos de una poblacin que se van a incluir en la
muestra.
Mtodos de muestreo aleatorio.
Los mtodos de muestreo aleatorio tienen el objetivo de permitir que el azar determine los
integrantes de la muestra. Son:
Muestreo aleatorio simple. En l, se seleccionan las muestras mediante mtodos
que permiten a cada muestra tener igual probabilidad de ser seleccionada y a
cada elemento de la poblacin tener igual probabilidad de quedar incluido en la
muestra. Para este fin se utilizan las tablas de nmeros aleatorios.
Muestreo sistemtico. Difiere del simple en que cada elemento tiene igual
probabilidad de ser seleccionado, pero cada muestra no tiene esa misma
posibilidad. En este muestreo se seleccionan los elementos de la poblacin con
un intervalo uniforme en el tiempo, en el orden o en el espacio.
242
Muestreo estratificado. Para aplicarlo dividimos la poblacin en grupos

homogneos relativos, llamados estratos.
Muestreo por conglomerados. Para aplicarlo dividimos la poblacin en grupos o
conglomerados y luego seleccionamos una muestra aleatoria de ellos.
Aplicacin.
La empresa realiz el tipo de muestreo probabilstico denominado: Muestreo aleatorio
simple. Es decir que todos los transformadores de la poblacin tenan la misma probabilidad
de estar incluidos en la muestra.
4. Determinacin del mtodo de recopilacin de datos adecuado.
Fundamento terico.
En la investigacin cientfica, existen tres mtodos de recoleccin de datos a partir de una
muestra o poblacin: la observacin, la entrevista y el cuestionario. Cada uno de ellos se
adapta a las exigencias de las diferentes disciplinas, presentando ventajas y desventajas.
La observacin.
Se ha dicho que la observacin es el procedimiento ms antiguo y moderno a la vez. Sirve
a un objeto ya formulado de investigacin, es planificada y controlada sistemticamente y
relacionada con proporciones ms generales. Consiste en ver y or hechos y fenmenos
que se desean estudiar.
Segn medios utilizados la observacin puede ser:
No estructurada. Tambin llamada observacin simple o libre. Consiste en reconocer
y anotar hechos sin recurrir a la ayuda de medios tcnicos.
Estructurada o sistemtica. Apela a instrumentos para la recopilacin de datos o
hechos establecidos de antemano, para saber qu aspectos se van a estudiar
(cuadros, anotaciones, dispositivos mecnicos).
Las ventajas y desventajas son:
Ventajas. Los fenmenos se analizan con un carcter de totalidad. Los hechos se
estudian sin intermediarios.
Limitaciones. Distinguir entre hechos observados y la interpretacin personal. Cada
individuo tiene una forma distinta de observar.
Aplicacin.
La empresa utiliz para hallar problemas de tensin y saturacin el mtodo de la
observacin estructurada, ya que tuvo que realizar mediciones en cada transformador con
instrumentos adecuados para tales fines.
243

Fundamento terico.
La ecuacin para determinar el tamao de una muestra cuando se quiere realizar una
estimacin de la proporcin de una poblacin infinita es la siguiente:
donde:
Z
n0 = p (1 p ) / 2
e
p es la proporcin muestral de la categora xito y se halla mediante: p =
X
(X es el
n
nmero de elementos xito de la muestra y n el tamao muestral).
q es la proporcin muestral de la categora fracaso y es igual a 1 p

Z es el valor crtico que corresponde a la probabilidad de encontrar la proporcin de la
poblacin en un intervalo, y se halla mediante la tabla normal estndar.
e es el mximo error que se puede cometer al estimar la proporcin poblacional.
La ecuacin para determinar el tamao de una muestra, para poblaciones finitas es:
n=
n0 N
n0 + ( N 1)
donde:
n0 es el tamao de la muestra para poblaciones infinitas.

N es el tamao de la poblacin.
Combinando las dos ecuaciones anteriores, se tiene:
n=
2N
pqz
2 + e 2 ( N 1)
pqz
que es la ecuacin a usar para determinar el tamao de la muestra para estimar la

verdadera proporcin de una poblacin finita.
Aplicacin.
Los datos para hallar el error mximo que se puede cometer en este estudio son:
Sistema 1:
Tamao de la poblacin: 1613
Tamao muestral: 93
244
Sistema 2:
Sistema 3:
Tamao muestral: 94
Tamao muestral: 33
Despejando de la anterior ecuacin el error, se tiene:
e=
2 ( N n)
pqz
n( N 1)
Otros datos que se necesitan son:
p = 0.5 y q = 0.5 , suponiendo
que existe la misma probabilidad de que los

transformadores muestreados tengan problemas de tensin o de
saturacin.
z = 1.96, suponiendo que existe una probabilidad del 95% de encontrar la verdadera
proporcin de la poblacin en un intervalo.
El mximo error que se comete en los distintos sistemas es:
Sistema 1:
Tamao muestral: 93
Error: 10%
Tamao muestral: 94
Error: 10%
Tamao muestral: 33
Error: 16%
Sistema 2:
Sistema 3:
Se puede observar que por alguna razn, el error en el sistema 3 es ms alto que en los
otros dos sistemas.
6. Recopilacin de datos.
Aplicacin.
Los datos muestrales que se recopilaron son los siguientes, para cada sistema:
Sistema 1:
245
Problemas de tensin: 14
Problemas de saturacin: 6
Sistema 2:
Sistema 3:
7. Clculo del intervalo de confianza para estimar la proporcin de la poblacin.

Fundamento terico.
Inferencia estadstica.
Es la rama de la Estadstica que se ocupa del uso de los conceptos de la probabilidad para
afrontar la incertidumbre en la toma de decisiones. Los conceptos bsicos de las
distribuciones muestrales, sirven como base para la estadstica inferencial. Esta comprende
dos reas:
La estimacin, que consiste en estimar los valores de los parmetros de la
poblacin bajo estudio.
Las pruebas de hiptesis, que constituyen el proceso de aceptar o rechazar
declaraciones, generalmente relacionadas con parmetros poblacionales.
Tipos de estimaciones.
Un estimador es un estadstico muestral con el cual se estima un parmetro de la poblacin.
Una estimacin es un valor especfico observado de un estadstico.
En la vida real se desconocen los valores de los parmetros de las poblaciones que se
estudian. Se pretende entonces estimar estos valores que son de inters en nuestro
estudio. Para esto puede hacerse una:
Estimacin puntual, que es un valor nico que pretende estimar el valor del
parmetro poblacional estudiado.
Dos estimadores puntuales que utilizamos con frecuencia en estadstica son: la
media muestral
x=
1 n
x
n i=1 i
como estimador de la media poblacional, y la varianza muestral
1 n
2
S =
x i x)
(
n 1 i= 1
2
como estimador de la varianza poblacional.

246
Estimacin por intervalo, que es un intervalo numrico en donde se pretende se

encuentra el valor del parmetro bajo estudio.
Estimacin por intervalos.
Una desventaja de los estimadores puntuales, es que no sabemos que tan cerca se
encuentran del valor del parmetro que estiman. No tenemos ninguna medida que nos
indica que tan precisa es nuestra estimacin.
Con el fin de obtener alguna medida de la precisin en nuestra estimacin, se utiliza la
estimacin por intervalos. El objetivo es determinar un intervalo de valores (intervalo de
confianza), el cual incluir el valor del parmetro con una probabilidad prefijada (1 - ),
donde , es la probabilidad de que el intervalo no contenga al verdadero valor del
parmetro, y es denominado nivel de significancia o riesgo.
El intervalos de confianza para estimar la verdadera proporcin de la poblacin, es:

p (1 p)
p (1 p)
Z *
P = p - Z *
p p+
= 1 -
2
2
n
n
Aplicacin.
Con la informacin muestral se procede a calcular las proporciones muestrales para cada
sistema y caracterstica:
Sistema 1:
14
= 0.15054
93
6
Proporcin con problemas de saturacin: pS =
= 0.06452
93
Proporcin con problemas de tensin: pT =
Sistema 2:
2
= 0.02128
94
0
=0
94
Sistema 3:
0
=0
33
247
1
= 0.03030
33
Por ltimo se calcula los intervalos de confianza para cada proporcin en cada sistema,
mediante la frmula:

p (1 p)
p (1 p)
Z *
P = p - Z *
p p+
= 1 -
2
2
n
n
Sistema 1:
Intervalo de confianza para estimar la proporcin de la poblacin con problemas de tensin:
0.15054 (1 0.15054)
0.15054 (1 0.15054)
p 0.15054 +1.96
P = 0.15054 -1.96
= 95%
93
93
P = ( 7.8% p 22.3%) = 95%

Se puede decir que hay una probabilidad del 95% de que la proporcin de la poblacin de
transformadores con problemas de tensin est entre 7.8% y 22.3%.
Intervalo de confianza para estimar la proporcin de la poblacin con problemas de
saturacin:
P = (1.5% p 11.4%) = 95%
Existe una probabilidad del 95% de que la proporcin de la poblacin de transformadores

con problemas de saturacin est entre 1.5% y 11.4%.
Sistema 2:
P = ( 0% p 5.0%) = 95%
transformadores con problemas de tensin est entre 0% y 5.0%.
saturacin:
P = ( 0% p 0%) = 95%

con problemas de saturacin sea del 0%.
248
Sistema 3:
P = ( 0% p 0%) = 95%
transformadores con problemas de tensin est entre 0% y 0%.
saturacin:
P = ( 0% p 8.9%) = 95%
con problemas de saturacin est entre el 0% y 8.9%.
Aplicacin.
La empresa X quiere saber el nmero de transformadores de la poblacin que tienen
problemas de tensin y saturacin. Por lo tanto vamos a determinar los intervalos de
confianza no en proporciones, sino en valores.
Sistema 1. Poblacin: 1613
Existe una probabilidad del 95% de que el nmero de transformadores con problemas de
tensin sea de 126 a 360.
saturacin sea de 24 a 185.
Se determin que el mximo error que se pudo cometer en esta estimacin es del 10%.
tensin sea de 0 a 96.
saturacin sea de 0.
tensin sea de 0.
249
saturacin sea de 0 a 22.
9. Recomendaciones.
Se recomienda a la empresa X que ampli el tamao de su muestra en los tres sistemas,
sobre todo en el 3, para que el mximo error en la estimacin de la verdadera proporcin de
la poblacin sea del 5% en cada caso, error que es recomendable estadsticamente, y
vuelva a realizar los clculos respectivos.
250
0.9962
0.9998
1.0000
1.0000
1.0000
0.9556
1.0000
0.6983
0.9999
0.9978
0.9672
1.0000
0.7351
1.0000
0.9988
0.9774
1.0000
0.7738
0.9995
0.9860
0.8145
0.9999
0.9928
0.8574
0.9975
0.05
0.9025
0.10
1.0000
0.9998
0.9973
0.9743
0.8503
0.4783
1.0000
0.9999
0.9987
0.9842
0.8857
0.5314
1.0000
0.9995
0.9914
0.9185
0.5905
0.9999
0.9963
0.9477
0.6561
0.9990
0.9720
0.7290
0.9900
0.8100
0.15
0.9999
0.9988
0.9879
0.9262
0.7166
0.3206
1.0000
0.9996
0.9941
0.9527
0.7765
0.3771
0.9999
0.9978
0.9734
0.8352
0.4437
0.9995
0.9880
0.8905
0.5220
0.9966
0.9393
0.6141
0.9775
0.7225
0.20
0.9996
0.9953
0.9667
0.8520
0.5767
0.2097
0.9999
0.9984
0.9830
0.9011
0.6554
0.2621
0.9997
0.9933
0.9421
0.7373
0.3277
0.9984
0.9728
0.8192
0.4096
0.9920
0.8960
0.5120
0.9600
0.6400
0.25
0.9987
0.9871
0.9294
0.7564
0.4449
0.1335
0.9998
0.9954
0.9624
0.8306
0.5339
0.1780
0.9990
0.9844
0.8965
0.6328
0.2373
0.9961
0.9492
0.7383
0.3164
0.9844
0.8438
0.4219
0.9375
0.5625
0.30
0.9962
0.9712
0.8740
0.6471
0.3294
0.0824
0.9993
0.9891
0.9295
0.7443
0.4202
0.1176
0.9976
0.9692
0.8369
0.5282
0.1681
0.9919
0.9163
0.6517
0.2401
0.9730
0.7840
0.3430
0.9100
0.4900
0.35
0.9910
0.9444
0.8002
0.5323
0.2338
0.0490
0.9982
0.9777
0.8826
0.6471
0.3191
0.0754
0.9947
0.9460
0.7648
0.4284
0.1160
0.9850
0.8735
0.5630
0.1785
0.9571
0.7183
0.2746
0.8775
0.4225
0.40
0.9812
0.9037
0.7102
0.4199
0.1586
0.0280
0.9959
0.9590
0.8208
0.5443
0.2333
0.0467
0.9898
0.9130
0.6826
0.3370
0.0778
0.9744
0.8208
0.4752
0.1296
0.9360
0.6480
0.2160
0.8400
0.3600
0.45
0.50
0.9375
0.7734
0.5000
0.2266
0.0625
0.0078
0.9844
0.8906
0.6563
0.3438
0.1094
0.0156
0.9688
0.8125
0.5000
0.1875
0.0313
0.9375
0.6875
0.3125
0.0625
0.8750
0.5000
0.1250
0.7500
0.2500
250
0.9643
0.8471
0.6083
0.3164
0.1024
0.0152
0.9917
0.9308
0.7447
0.4415
0.1636
0.0277
0.9815
0.8688
0.5931
0.2562
0.0503
0.9590
0.7585
0.3910
0.0915
0.9089
0.5748
0.1664
0.7975
0.3025
P
0.55
0.8976
0.6836
0.3917
0.1529
0.0357
0.0037
0.9723
0.8364
0.5585
0.2553
0.0692
0.0083
0.9497
0.7438
0.4069
0.1312
0.0185
0.9085
0.6090
0.2415
0.0410
0.8336
0.4253
0.0911
0.6975
0.2025
0.60
0.8414
0.5801
0.2898
0.0963
0.0188
0.0016
0.9533
0.7667
0.4557
0.1792
0.0410
0.0041
0.9222
0.6630
0.3174
0.0870
0.0102
0.8704
0.5248
0.1792
0.0256
0.7840
0.3520
0.0640
0.6400
0.1600
0.7662
0.4677
0.1998
0.0556
0.0090
0.0006
0.9246
0.6809
0.3529
0.1174
0.0223
0.0018
0.8840
0.5716
0.2352
0.0540
0.0053
0.8215
0.4370
0.1265
0.0150
0.7254
0.2818
0.0429
0.5775
0.6706
0.3529
0.1260
0.0288
0.0038
0.0002
0.8824
0.5798
0.2557
0.0705
0.0109
0.0007
0.8319
0.4718
0.1631
0.0308
0.0024
0.7599
0.3483
0.0837
0.0081
0.6570
0.2160
0.0270
0.5100
0.0900
0.70
0.1225
0.65
k=0
0.5551
0.2436
0.0706
0.0129
0.0013
0.0001
0.8220
0.4661
0.1694
0.0376
0.0046
0.0002
0.7627
0.3672
0.1035
0.0156
0.0010
0.6836
0.2617
0.0508
0.0039
0.5781
0.1563
0.0156
0.4375
0.0625
0.75
Tabla I - Distribucin Binomial Acumulada: B(x; n, p) = n p k (1 p) n k

0.80
0.4233
0.1480
0.0333
0.0047
0.0004
0.0000
0.7379
0.3446
0.0989
0.0170
0.0016
0.0001
0.6723
0.2627
0.0579
0.0067
0.0003
0.5904
0.1808
0.0272
0.0016
0.4880
0.1040
0.0080
0.3600
0.0400
0.85
0.2834
0.0738
0.0121
0.0012
0.0001
0.0000
0.6229
0.2235
0.0473
0.0059
0.0004
0.0000
0.5563
0.1648
0.0266
0.0022
0.0001
0.4780
0.1095
0.0120
0.0005
0.3859
0.0608
0.0034
0.2775
0.0225
0.90
0.1497
0.0257
0.0027
0.0002
0.0000
0.0000
0.4686
0.1143
0.0159
0.0013
0.0001
0.0000
0.4095
0.0815
0.0086
0.0005
0.0000
0.3439
0.0523
0.0037
0.0001
0.2710
0.0280
0.0010
0.1900
0.0100
0.95
0.0444
0.0038
0.0002
0.0000
0.0000
0.0000
0.2649
0.0328
0.0022
0.0001
0.0000
0.0000
0.2262
0.0226
0.0012
0.0000
0.0000
0.1855
0.0140
0.0005
0.0000
0.1426
0.0072
0.0001
0.0975
0.0025
10
0.9990
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9885
1.0000
1.0000
0.9139
1.0000
0.5987
1.0000
0.9994
0.9916
1.0000
1.0000
0.9288
1.0000
0.6302
1.0000
0.9996
0.9942
0.9428
0.05
0.6634
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9984
0.9872
0.9298
0.7361
0.3487
1.0000
1.0000
1.0000
0.9999
0.9991
0.9917
0.9470
0.7748
0.3874
1.0000
1.0000
1.0000
0.9996
0.9950
0.9619
0.8131
0.4305
0.10
1.0000
1.0000
1.0000
1.0000
0.9999
0.9986
0.9901
0.9500
0.8202
0.5443
0.1969
1.0000
1.0000
1.0000
0.9994
0.9944
0.9661
0.8591
0.5995
0.2316
1.0000
1.0000
0.9998
0.9971
0.9786
0.8948
0.6572
0.2725
0.15
1.0000
1.0000
1.0000
0.9999
0.9991
0.9936
0.9672
0.8791
0.6778
0.3758
0.1074
1.0000
1.0000
0.9997
0.9969
0.9804
0.9144
0.7382
0.4362
0.1342
1.0000
0.9999
0.9988
0.9896
0.9437
0.7969
0.5033
0.1678
0.20
1.0000
1.0000
1.0000
0.9996
0.9965
0.9803
0.9219
0.7759
0.5256
0.2440
0.0563
1.0000
0.9999
0.9987
0.9900
0.9511
0.8343
0.6007
0.3003
0.0751
1.0000
0.9996
0.9958
0.9727
0.8862
0.6785
0.3671
0.1001
0.25
0.9999
1.0000
0.9999
0.9984
0.9894
0.9527
0.8497
0.6496
0.3828
0.1493
0.0282
1.0000
0.9996
0.9957
0.9747
0.9012
0.7297
0.4628
0.1960
0.0404
0.9999
0.9987
0.9887
0.9420
0.8059
0.5518
0.2553
0.0576
0.30
0.9998
1.0000
0.9995
0.9952
0.9740
0.9051
0.7515
0.5138
0.2616
0.0860
0.0135
0.9999
0.9986
0.9888
0.9464
0.8283
0.6089
0.3373
0.1211
0.0207
0.9998
0.9964
0.9747
0.8939
0.7064
0.4278
0.1691
0.0319
0.35
0.9994
0.9999
0.9983
0.9877
0.9452
0.8338
0.6331
0.3823
0.1673
0.0464
0.0060
0.9997
0.9962
0.9750
0.9006
0.7334
0.4826
0.2318
0.0705
0.0101
0.9993
0.9915
0.9502
0.8263
0.5941
0.3154
0.1064
0.0168
0.40
0.9984
0.50
0.9990
0.9893
0.9453
0.8281
0.6230
0.3770
0.1719
0.0547
0.0107
0.0010
0.9980
0.9805
0.9102
0.7461
0.5000
0.2539
0.0898
0.0195
0.0020
0.9961
0.9648
0.8555
0.6367
0.3633
0.1445
0.0352
0.0039
0.9922
251
0.9997
0.9955
0.9726
0.8980
0.7384
0.5044
0.2660
0.0996
0.0233
0.0025
0.9992
0.9909
0.9502
0.8342
0.6214
0.3614
0.1495
0.0385
0.0046
0.9983
0.9819
0.9115
0.7396
0.4770
0.2201
0.0632
0.0084
0.45
0.9963
0.9975
0.9767
0.9004
0.7340
0.4956
0.2616
0.1020
0.0274
0.0045
0.0003
0.9954
0.9615
0.8505
0.6386
0.3786
0.1658
0.0498
0.0091
0.0008
0.9916
0.9368
0.7799
0.5230
0.2604
0.0885
0.0181
0.0017
0.55
0.9848
0.9940
0.9536
0.8327
0.6177
0.3669
0.1662
0.0548
0.0123
0.0017
0.0001
0.9899
0.9295
0.7682
0.5174
0.2666
0.0994
0.0250
0.0038
0.0003
0.9832
0.8936
0.6846
0.4059
0.1737
0.0498
0.0085
0.0007
0.60
0.9720
0.9865
0.9140
0.7384
0.4862
0.2485
0.0949
0.0260
0.0048
0.0005
0.0000
0.9793
0.8789
0.6627
0.3911
0.1717
0.0536
0.0112
0.0014
0.0001
0.9681
0.8309
0.5722
0.2936
0.1061
0.0253
0.0036
0.0002
0.65
0.9510
0.9718
0.8507
0.6172
0.3504
0.1503
0.0473
0.0106
0.0016
0.0001
0.0000
0.9596
0.8040
0.5372
0.2703
0.0988
0.0253
0.0043
0.0004
0.0000
0.9424
0.7447
0.4482
0.1941
0.0580
0.0113
0.0013
0.0001
0.70
0.9176
0.9437
0.7560
0.4744
0.2241
0.0781
0.0197
0.0035
0.0004
0.0000
0.0000
0.9249
0.6997
0.3993
0.1657
0.0489
0.0100
0.0013
0.0001
0.0000
0.8999
0.6329
0.3215
0.1138
0.0273
0.0042
0.0004
0.0000
0.75
0.8665
0.8926
0.6242
0.3222
0.1209
0.0328
0.0064
0.0009
0.0001
0.0000
0.0000
0.8658
0.5638
0.2618
0.0856
0.0196
0.0031
0.0003
0.0000
0.0000
0.8322
0.4967
0.2031
0.0563
0.0104
0.0012
0.0001
0.0000
0.80
0.7903
0.8031
0.4557
0.1798
0.0500
0.0099
0.0014
0.0001
0.0000
0.0000
0.0000
0.7684
0.4005
0.1409
0.0339
0.0056
0.0006
0.0000
0.0000
0.0000
0.7275
0.3428
0.1052
0.0214
0.0029
0.0002
0.0000
0.0000
0.85
0.6794
0.6513
0.2639
0.0702
0.0128
0.0016
0.0001
0.0000
0.0000
0.0000
0.0000
0.6126
0.2252
0.0530
0.0083
0.0009
0.0001
0.0000
0.0000
0.0000
0.5695
0.1869
0.0381
0.0050
0.0004
0.0000
0.0000
0.0000
0.90
0.5217
0.4013
0.0861
0.0115
0.0010
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.3698
0.0712
0.0084
0.0006
0.0000
0.0000
0.0000
0.0000
0.0000
0.3366
0.0572
0.0058
0.0004
0.0000
0.0000
0.0000
0.0000
0.95
0.3017
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
10
11
1.0000
10
1.0000
0.9978
1.0000
1.0000
0.9804
1.0000
1.0000
0.8816
0.9999
0.5404
0.9984
0.9848
0.8981
12
0.5688
11
0.05
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9995
0.9957
0.9744
0.8891
0.6590
0.2824
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9972
0.9815
0.9104
0.6974
0.3138
0.10
1.0000
1.0000
1.0000
1.0000
0.9999
0.9993
0.9954
0.9761
0.9078
0.7358
0.4435
0.1422
1.0000
1.0000
1.0000
1.0000
0.9997
0.9973
0.9841
0.9306
0.7788
0.4922
0.1673
0.15
1.0000
1.0000
1.0000
0.9999
0.9994
0.9961
0.9806
0.9274
0.7946
0.5583
0.2749
0.0687
1.0000
1.0000
1.0000
0.9998
0.9980
0.9883
0.9496
0.8389
0.6174
0.3221
0.0859
0.20
1.0000
1.0000
1.0000
0.9996
0.9972
0.9857
0.9456
0.8424
0.6488
0.3907
0.1584
0.0317
1.0000
1.0000
0.9999
0.9988
0.9924
0.9657
0.8854
0.7133
0.4552
0.1971
0.0422
0.25
1.0000
1.0000
0.9998
0.9983
0.9905
0.9614
0.8822
0.7237
0.4925
0.2528
0.0850
0.0138
1.0000
1.0000
0.9994
0.9957
0.9784
0.9218
0.7897
0.5696
0.3127
0.1130
0.0198
0.30
1.0000
0.9999
0.9992
0.9944
0.9745
0.9154
0.7873
0.5833
0.3467
0.1513
0.0424
0.0057
1.0000
0.9998
0.9980
0.9878
0.9499
0.8513
0.6683
0.4256
0.2001
0.0606
0.0088
0.35
1.0000
0.9997
0.9972
0.9847
0.9427
0.8418
0.6652
0.4382
0.2253
0.0834
0.0196
0.0022
1.0000
0.9993
0.9941
0.9707
0.9006
0.7535
0.5328
0.2963
0.1189
0.0302
0.0036
0.40
0.9998
0.9968
0.9807
0.9270
0.8062
0.6128
0.3872
0.1938
0.0730
0.0193
0.0032
0.0002
0.9995
0.9941
0.9673
0.8867
0.7256
0.5000
0.2744
0.1133
0.0327
0.0059
0.0005
0.50
252
0.9999
0.9989
0.9921
0.9644
0.8883
0.7393
0.5269
0.3044
0.1345
0.0421
0.0083
0.0008
0.9998
0.9978
0.9852
0.9390
0.8262
0.6331
0.3971
0.1911
0.0652
0.0139
0.0014
0.45
0.55
0.9992
0.9917
0.9579
0.8655
0.6956
0.4731
0.2607
0.1117
0.0356
0.0079
0.0011
0.0001
0.9986
0.9861
0.9348
0.8089
0.6029
0.3669
0.1738
0.0610
0.0148
0.0022
0.0002
0.60
0.9978
0.9804
0.9166
0.7747
0.5618
0.3348
0.1582
0.0573
0.0153
0.0028
0.0003
0.0000
0.9964
0.9698
0.8811
0.7037
0.4672
0.2465
0.0994
0.0293
0.0059
0.0007
0.0000
0.65
0.9943
0.9576
0.8487
0.6533
0.4167
0.2127
0.0846
0.0255
0.0056
0.0008
0.0001
0.0000
0.9912
0.9394
0.7999
0.5744
0.3317
0.1487
0.0501
0.0122
0.0020
0.0002
0.0000
0.70
0.9862
0.9150
0.7472
0.5075
0.2763
0.1178
0.0386
0.0095
0.0017
0.0002
0.0000
0.0000
0.9802
0.8870
0.6873
0.4304
0.2103
0.0782
0.0216
0.0043
0.0006
0.0000
0.0000
0.75
0.9683
0.8416
0.6093
0.3512
0.1576
0.0544
0.0143
0.0028
0.0004
0.0000
0.0000
0.0000
0.9578
0.8029
0.5448
0.2867
0.1146
0.0343
0.0076
0.0012
0.0001
0.0000
0.0000
0.80
0.9313
0.7251
0.4417
0.2054
0.0726
0.0194
0.0039
0.0006
0.0001
0.0000
0.0000
0.0000
0.9141
0.6779
0.3826
0.1611
0.0504
0.0117
0.0020
0.0002
0.0000
0.0000
0.0000
0.85
0.8578
0.5565
0.2642
0.0922
0.0239
0.0046
0.0007
0.0001
0.0000
0.0000
0.0000
0.0000
0.8327
0.5078
0.2212
0.0694
0.0159
0.0027
0.0003
0.0000
0.0000
0.0000
0.0000
0.90
0.7176
0.3410
0.1109
0.0256
0.0043
0.0005
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.6862
0.3026
0.0896
0.0185
0.0028
0.0003
0.0000
0.0000
0.0000
0.0000
0.0000
0.95
0.4596
0.1184
0.0196
0.0022
0.0002
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.4312
0.1019
0.0152
0.0016
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
10
11
12
13
1.0000
12
0.9996
1.0000
11
0.9958
1.0000
10
1.0000
1.0000
0.9699
1.0000
1.0000
0.8470
1.0000
0.4877
0.9997
0.9969
0.9755
14
0.8646
0.05
0.5133
13
0.10
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9985
0.9908
0.9559
0.8416
0.5846
0.2288
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9991
0.9935
0.9658
0.8661
0.6213
0.2542
0.15
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9978
0.9885
0.9533
0.8535
0.6479
0.3567
0.1028
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9987
0.9925
0.9658
0.8820
0.6920
0.3983
0.1209
0.20
1.0000
1.0000
1.0000
1.0000
1.0000
0.9996
0.9976
0.9884
0.9561
0.8702
0.6982
0.4481
0.1979
0.0440
1.0000
1.0000
1.0000
1.0000
0.9998
0.9988
0.9930
0.9700
0.9009
0.7473
0.5017
0.2336
0.0550
0.25
1.0000
1.0000
1.0000
1.0000
0.9997
0.9978
0.9897
0.9617
0.8883
0.7415
0.5213
0.2811
0.1010
0.0178
1.0000
1.0000
1.0000
0.9999
0.9990
0.9944
0.9757
0.9198
0.7940
0.5843
0.3326
0.1267
0.0238
0.30
1.0000
1.0000
1.0000
0.9998
0.9983
0.9917
0.9685
0.9067
0.7805
0.5842
0.3552
0.1608
0.0475
0.0068
1.0000
1.0000
0.9999
0.9993
0.9960
0.9818
0.9376
0.8346
0.6543
0.4206
0.2025
0.0637
0.0097
0.35
1.0000
1.0000
0.9999
0.9989
0.9940
0.9757
0.9247
0.8164
0.6405
0.4227
0.2205
0.0839
0.0205
0.0024
1.0000
1.0000
0.9997
0.9975
0.9874
0.9538
0.8705
0.7159
0.5005
0.2783
0.1132
0.0296
0.0037
0.40
1.0000
0.9999
0.9994
0.9961
0.9825
0.9417
0.8499
0.6925
0.4859
0.2793
0.1243
0.0398
0.0081
0.0008
1.0000
0.9999
0.9987
0.9922
0.9679
0.9023
0.7712
0.5744
0.3530
0.1686
0.0579
0.0126
0.0013
0.45
0.50
0.9999
0.9991
0.9935
0.9713
0.9102
0.7880
0.6047
0.3953
0.2120
0.0898
0.0287
0.0065
0.0009
0.0001
0.9999
0.9983
0.9888
0.9539
0.8666
0.7095
0.5000
0.2905
0.1334
0.0461
0.0112
0.0017
0.0001
253
1.0000
0.9997
0.9978
0.9886
0.9574
0.8811
0.7414
0.5461
0.3373
0.1672
0.0632
0.0170
0.0029
0.0002
1.0000
0.9995
0.9959
0.9797
0.9302
0.8212
0.6437
0.4268
0.2279
0.0929
0.0269
0.0049
0.0004
0.55
0.9998
0.9971
0.9830
0.9368
0.8328
0.6627
0.4539
0.2586
0.1189
0.0426
0.0114
0.0022
0.0003
0.0000
0.9996
0.9951
0.9731
0.9071
0.7721
0.5732
0.3563
0.1788
0.0698
0.0203
0.0041
0.0005
0.0000
0.60
0.9992
0.9919
0.9602
0.8757
0.7207
0.5141
0.3075
0.1501
0.0583
0.0175
0.0039
0.0006
0.0001
0.0000
0.9987
0.9874
0.9421
0.8314
0.6470
0.4256
0.2288
0.0977
0.0321
0.0078
0.0013
0.0001
0.0000
0.65
0.9976
0.9795
0.9161
0.7795
0.5773
0.3595
0.1836
0.0753
0.0243
0.0060
0.0011
0.0001
0.0000
0.0000
0.9963
0.9704
0.8868
0.7217
0.4995
0.2841
0.1295
0.0462
0.0126
0.0025
0.0003
0.0000
0.0000
0.70
0.9932
0.9525
0.8392
0.6448
0.4158
0.2195
0.0933
0.0315
0.0083
0.0017
0.0002
0.0000
0.0000
0.0000
0.9903
0.9363
0.7975
0.5794
0.3457
0.1654
0.0624
0.0182
0.0040
0.0007
0.0001
0.0000
0.0000
0.75
0.9822
0.8990
0.7189
0.4787
0.2585
0.1117
0.0383
0.0103
0.0022
0.0003
0.0000
0.0000
0.0000
0.0000
0.9762
0.8733
0.6674
0.4157
0.2060
0.0802
0.0243
0.0056
0.0010
0.0001
0.0000
0.0000
0.0000
0.80
0.9560
0.8021
0.5519
0.3018
0.1298
0.0439
0.0116
0.0024
0.0004
0.0000
0.0000
0.0000
0.0000
0.0000
0.9450
0.7664
0.4983
0.2527
0.0991
0.0300
0.0070
0.0012
0.0002
0.0000
0.0000
0.0000
0.0000
0.85
0.8972
0.6433
0.3521
0.1465
0.0467
0.0115
0.0022
0.0003
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.8791
0.6017
0.3080
0.1180
0.0342
0.0075
0.0013
0.0002
0.0000
0.0000
0.0000
0.0000
0.0000
0.90
0.7712
0.4154
0.1584
0.0441
0.0092
0.0015
0.0002
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.7458
0.3787
0.1339
0.0342
0.0065
0.0009
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.95
0.5123
0.1530
0.0301
0.0042
0.0004
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.4867
0.1354
0.0245
0.0031
0.0003
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
10
11
12
13
14
1.0000
14
1.0000
13
0.9999
1.0000
12
1.0000
11
0.9991
1.0000
10
1.0000
0.9930
1.0000
1.0000
0.9571
1.0000
0.9999
0.8108
0.9994
0.4401
0.9945
0.9638
0.8290
16
0.4633
15
0.05
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9995
0.9967
0.9830
0.9316
0.7892
0.5147
0.1853
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9978
0.9873
0.9444
0.8159
0.5490
0.2059
0.10
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9989
0.9944
0.9765
0.9209
0.7899
0.5614
0.2839
0.0743
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9994
0.9964
0.9832
0.9383
0.8227
0.6042
0.3186
0.0874
0.15
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9985
0.9930
0.9733
0.9183
0.7982
0.5981
0.3518
0.1407
0.0281
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9992
0.9958
0.9819
0.9389
0.8358
0.6482
0.3980
0.1671
0.0352
0.20
1.0000
1.0000
1.0000
1.0000
0.9997
0.9984
0.9925
0.9729
0.9204
0.8103
0.6302
0.4050
0.1971
0.0635
0.0100
1.0000
1.0000
1.0000
1.0000
0.9999
0.9992
0.9958
0.9827
0.9434
0.8516
0.6865
0.4613
0.2361
0.0802
0.0134
0.25
1.0000
1.0000
1.0000
0.9997
0.9984
0.9929
0.9743
0.9256
0.8247
0.6598
0.4499
0.2459
0.0994
0.0261
0.0033
1.0000
1.0000
1.0000
0.9999
0.9993
0.9963
0.9848
0.9500
0.8689
0.7216
0.5155
0.2969
0.1268
0.0353
0.0047
0.30
1.0000
1.0000
0.9998
0.9987
0.9938
0.9771
0.9329
0.8406
0.6881
0.4900
0.2892
0.1339
0.0451
0.0098
0.0010
1.0000
1.0000
0.9999
0.9995
0.9972
0.9876
0.9578
0.8868
0.7548
0.5643
0.3519
0.1727
0.0617
0.0142
0.0016
0.35
1.0000
0.9999
0.9991
0.9951
0.9809
0.9417
0.8577
0.7161
0.5272
0.3288
0.1666
0.0651
0.0183
0.0033
0.0003
1.0000
1.0000
0.9997
0.9981
0.9907
0.9662
0.9050
0.7869
0.6098
0.4032
0.2173
0.0905
0.0271
0.0052
0.0005
0.40
0.9997
0.9979
0.9894
0.9616
0.8949
0.7728
0.5982
0.4018
0.2272
0.1051
0.0384
0.0106
0.0021
0.0003
0.0000
1.0000
0.9995
0.9963
0.9824
0.9408
0.8491
0.6964
0.5000
0.3036
0.1509
0.0592
0.0176
0.0037
0.0005
0.0000
0.50
254
0.9999
0.9994
0.9965
0.9851
0.9514
0.8759
0.7441
0.5629
0.3660
0.1976
0.0853
0.0281
0.0066
0.0010
0.0001
1.0000
0.9999
0.9989
0.9937
0.9745
0.9231
0.8182
0.6535
0.4522
0.2608
0.1204
0.0424
0.0107
0.0017
0.0001
0.45
0.55
0.9990
0.9934
0.9719
0.9147
0.8024
0.6340
0.4371
0.2559
0.1241
0.0486
0.0149
0.0035
0.0006
0.0001
0.0000
0.9999
0.9983
0.9893
0.9576
0.8796
0.7392
0.5478
0.3465
0.1818
0.0769
0.0255
0.0063
0.0011
0.0001
0.0000
0.60
0.9967
0.9817
0.9349
0.8334
0.6712
0.4728
0.2839
0.1423
0.0583
0.0191
0.0049
0.0009
0.0001
0.0000
0.0000
0.9995
0.9948
0.9729
0.9095
0.7827
0.5968
0.3902
0.2131
0.0950
0.0338
0.0093
0.0019
0.0003
0.0000
0.0000
0.65
0.9902
0.9549
0.8661
0.7108
0.5100
0.3119
0.1594
0.0671
0.0229
0.0062
0.0013
0.0002
0.0000
0.0000
0.0000
0.9984
0.9858
0.9383
0.8273
0.6481
0.4357
0.2452
0.1132
0.0422
0.0124
0.0028
0.0005
0.0001
0.0000
0.0000
0.70
0.9739
0.9006
0.7541
0.5501
0.3402
0.1753
0.0744
0.0257
0.0071
0.0016
0.0003
0.0000
0.0000
0.0000
0.0000
0.9953
0.9647
0.8732
0.7031
0.4845
0.2784
0.1311
0.0500
0.0152
0.0037
0.0007
0.0001
0.0000
0.0000
0.0000
0.75
0.9365
0.8029
0.5950
0.3698
0.1897
0.0796
0.0271
0.0075
0.0016
0.0003
0.0000
0.0000
0.0000
0.0000
0.0000
0.9866
0.9198
0.7639
0.5387
0.3135
0.1484
0.0566
0.0173
0.0042
0.0008
0.0001
0.0000
0.0000
0.0000
0.0000
0.80
0.8593
0.6482
0.4019
0.2018
0.0817
0.0267
0.0070
0.0015
0.0002
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.9648
0.8329
0.6020
0.3518
0.1642
0.0611
0.0181
0.0042
0.0008
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.85
0.7161
0.4386
0.2101
0.0791
0.0235
0.0056
0.0011
0.0002
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.9126
0.6814
0.3958
0.1773
0.0617
0.0168
0.0036
0.0006
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.90
0.4853
0.2108
0.0684
0.0170
0.0033
0.0005
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.7941
0.4510
0.1841
0.0556
0.0127
0.0022
0.0003
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.95
0.1892
0.0429
0.0070
0.0009
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.5367
0.1710
0.0362
0.0055
0.0006
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
x
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
n
17
18
15
0.3972
0.7735
0.9419
0.9891
0.9985
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.05
0.4181
0.7922
0.9497
0.9912
0.9988
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.1501
0.4503
0.7338
0.9018
0.9718
0.9936
0.9988
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.10
0.1668
0.4818
0.7618
0.9174
0.9779
0.9953
0.9992
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0536
0.2241
0.4797
0.7202
0.8794
0.9581
0.9882
0.9973
0.9995
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.15
0.0631
0.2525
0.5198
0.7556
0.9013
0.9681
0.9917
0.9983
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0180
0.0991
0.2713
0.5010
0.7164
0.8671
0.9487
0.9837
0.9957
0.9991
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.20
0.0225
0.1182
0.3096
0.5489
0.7582
0.8943
0.9623
0.9891
0.9974
0.9995
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0056
0.0395
0.1353
0.3057
0.5187
0.7175
0.8610
0.9431
0.9807
0.9946
0.9988
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.25
0.0075
0.0501
0.1637
0.3530
0.5739
0.7653
0.8929
0.9598
0.9876
0.9969
0.9994
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0016
0.0142
0.0600
0.1646
0.3327
0.5344
0.7217
0.8593
0.9404
0.9790
0.9939
0.9986
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
0.30
0.0023
0.0193
0.0774
0.2019
0.3887
0.5968
0.7752
0.8954
0.9597
0.9873
0.9968
0.9993
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
0.0004
0.0046
0.0236
0.0783
0.1886
0.3550
0.5491
0.7283
0.8609
0.9403
0.9788
0.9938
0.9986
0.9997
1.0000
1.0000
1.0000
1.0000
0.35
0.0007
0.0067
0.0327
0.1028
0.2348
0.4197
0.6188
0.7872
0.9006
0.9617
0.9880
0.9970
0.9994
0.9999
1.0000
1.0000
1.0000
1.0000
0.0001
0.0013
0.0082
0.0328
0.0942
0.2088
0.3743
0.5634
0.7368
0.8653
0.9424
0.9797
0.9942
0.9987
0.9998
1.0000
1.0000
1.0000
0.40
0.0002
0.0021
0.0123
0.0464
0.1260
0.2639
0.4478
0.6405
0.8011
0.9081
0.9652
0.9894
0.9975
0.9995
0.9999
1.0000
1.0000
1.0000
0.0000
0.0000
0.0001
0.0010
0.0049
0.0183
0.0537
0.1280
0.2527
0.4222
0.6085
0.7742
0.8923
0.9589
0.9880
0.9975
0.9997
1.0000
0.55
0.0000
0.0000
0.0003
0.0019
0.0086
0.0301
0.0826
0.1834
0.3374
0.5257
0.7098
0.8529
0.9404
0.9816
0.9959
0.9994
1.0000
P
0.50
0.0000
0.0001
0.0012
0.0064
0.0245
0.0717
0.1662
0.3145
0.5000
0.6855
0.8338
0.9283
0.9755
0.9936
0.9988
0.9999
1.0000
0.0000
0.0001
0.0007
0.0038
0.0154
0.0481
0.1189
0.2403
0.4073
0.5927
0.7597
0.8811
0.9519
0.9846
0.9962
0.9993
0.9999
1.0000
0.9999
1.0000
255
0.0000
0.0003
0.0025
0.0120
0.0411
0.1077
0.2258
0.3915
0.5778
0.7473
0.8720
0.9463
0.9817
0.9951
0.9990
0.9999
1.0000
1.0000
0.45
0.0000
0.0006
0.0041
0.0184
0.0596
0.1471
0.2902
0.4743
0.6626
0.8166
0.9174
0.9699
0.9914
0.9981
0.9997
1.0000
1.0000
1.0000
0.0000
0.0000
0.0000
0.0002
0.0013
0.0058
0.0203
0.0576
0.1347
0.2632
0.4366
0.6257
0.7912
0.9058
0.9672
0.9918
0.9987
0.9999
0.60
0.0000
0.0000
0.0001
0.0005
0.0025
0.0106
0.0348
0.0919
0.1989
0.3595
0.5522
0.7361
0.8740
0.9536
0.9877
0.9979
0.9998
0.9997
0.0000
0.0000
0.0000
0.0000
0.0003
0.0014
0.0062
0.0212
0.0597
0.1391
0.2717
0.4509
0.6450
0.8114
0.9217
0.9764
0.9954
0.9996
0.65
0.0000
0.0000
0.0000
0.0001
0.0006
0.0030
0.0120
0.0383
0.0994
0.2128
0.3812
0.5803
0.7652
0.8972
0.9673
0.9933
0.9993
0.9990
0.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0014
0.0061
0.0210
0.0596
0.1407
0.2783
0.4656
0.6673
0.8354
0.9400
0.9858
0.9984
0.70
0.0000
0.0000
0.0000
0.0000
0.0001
0.0007
0.0032
0.0127
0.0403
0.1046
0.2248
0.4032
0.6113
0.7981
0.9226
0.9807
0.9977
0.9967
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0002
0.0012
0.0054
0.0193
0.0569
0.1390
0.2825
0.4813
0.6943
0.8647
0.9605
0.9944
0.75
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0006
0.0031
0.0124
0.0402
0.1071
0.2347
0.4261
0.6470
0.8363
0.9499
0.9925
0.9900
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0002
0.0009
0.0043
0.0163
0.0513
0.1329
0.2836
0.4990
0.7287
0.9009
0.9820
0.80
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0005
0.0026
0.0109
0.0377
0.1057
0.2418
0.4511
0.6904
0.8818
0.9775
0.9719
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0005
0.0027
0.0118
0.0419
0.1206
0.2798
0.5203
0.7759
0.9464
0.85
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0017
0.0083
0.0319
0.0987
0.2444
0.4802
0.7475
0.9369
0.9257
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0002
0.0012
0.0064
0.0282
0.0982
0.2662
0.5497
0.8499
0.90
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0008
0.0047
0.0221
0.0826
0.2382
0.5182
0.8332
0.8147
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0002
0.0015
0.0109
0.0581
0.2265
0.6028
0.95
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0012
0.0088
0.0503
0.2078
0.5819
0.5599
x
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
n
19
20
0.3585
0.7358
0.9245
0.9841
0.9974
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.05
0.3774
0.7547
0.9335
0.9868
0.9980
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.1216
0.3917
0.6769
0.8670
0.9568
0.9887
0.9976
0.9996
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.10
0.1351
0.4203
0.7054
0.8850
0.9648
0.9914
0.9983
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0388
0.1756
0.4049
0.6477
0.8298
0.9327
0.9781
0.9941
0.9987
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.15
0.0456
0.1985
0.4413
0.6841
0.8556
0.9463
0.9837
0.9959
0.9992
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0115
0.0692
0.2061
0.4114
0.6296
0.8042
0.9133
0.9679
0.9900
0.9974
0.9994
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.20
0.0144
0.0829
0.2369
0.4551
0.6733
0.8369
0.9324
0.9767
0.9933
0.9984
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0032
0.0243
0.0913
0.2252
0.4148
0.6172
0.7858
0.8982
0.9591
0.9861
0.9961
0.9991
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.25
0.0042
0.0310
0.1113
0.2631
0.4654
0.6678
0.8251
0.9225
0.9713
0.9911
0.9977
0.9995
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0008
0.0076
0.0355
0.1071
0.2375
0.4164
0.6080
0.7723
0.8867
0.9520
0.9829
0.9949
0.9987
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.30
0.0011
0.0104
0.0462
0.1332
0.2822
0.4739
0.6655
0.8180
0.9161
0.9674
0.9895
0.9972
0.9994
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
0.0002
0.0021
0.0121
0.0444
0.1182
0.2454
0.4166
0.6010
0.7624
0.8782
0.9468
0.9804
0.9940
0.9985
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
0.35
0.0003
0.0031
0.0170
0.0591
0.1500
0.2968
0.4812
0.6656
0.8145
0.9125
0.9653
0.9886
0.9969
0.9993
0.9999
1.0000
1.0000
1.0000
1.0000
0.0000
0.0005
0.0036
0.0160
0.0510
0.1256
0.2500
0.4159
0.5956
0.7553
0.8725
0.9435
0.9790
0.9935
0.9984
0.9997
1.0000
1.0000
1.0000
1.0000
0.40
0.0001
0.0008
0.0055
0.0230
0.0696
0.1629
0.3081
0.4878
0.6675
0.8139
0.9115
0.9648
0.9884
0.9969
0.9994
0.9999
1.0000
1.0000
1.0000
0.0000
0.0000
0.0002
0.0013
0.0059
0.0207
0.0577
0.1316
0.2517
0.4119
0.5881
0.7483
0.8684
0.9423
0.9793
0.9941
0.9987
0.9998
1.0000
1.0000
P
0.50
0.0000
0.0000
0.0004
0.0022
0.0096
0.0318
0.0835
0.1796
0.3238
0.5000
0.6762
0.8204
0.9165
0.9682
0.9904
0.9978
0.9996
1.0000
1.0000
256
0.0000
0.0001
0.0009
0.0049
0.0189
0.0553
0.1299
0.2520
0.4143
0.5914
0.7507
0.8692
0.9420
0.9786
0.9936
0.9985
0.9997
1.0000
1.0000
1.0000
0.45
0.0000
0.0002
0.0015
0.0077
0.0280
0.0777
0.1727
0.3169
0.4940
0.6710
0.8159
0.9129
0.9658
0.9891
0.9972
0.9995
0.9999
1.0000
1.0000
0.0000
0.0000
0.0000
0.0003
0.0015
0.0064
0.0214
0.0580
0.1308
0.2493
0.4086
0.5857
0.7480
0.8701
0.9447
0.9811
0.9951
0.9991
0.9999
1.0000
0.55
0.0000
0.0000
0.0001
0.0005
0.0028
0.0109
0.0342
0.0871
0.1841
0.3290
0.5060
0.6831
0.8273
0.9223
0.9720
0.9923
0.9985
0.9998
1.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0016
0.0065
0.0210
0.0565
0.1275
0.2447
0.4044
0.5841
0.7500
0.8744
0.9490
0.9840
0.9964
0.9995
1.0000
0.60
0.0000
0.0000
0.0000
0.0001
0.0006
0.0031
0.0116
0.0352
0.0885
0.1861
0.3325
0.5122
0.6919
0.8371
0.9304
0.9770
0.9945
0.9992
0.9999
0.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0015
0.0060
0.0196
0.0532
0.1218
0.2376
0.3990
0.5834
0.7546
0.8818
0.9556
0.9879
0.9979
0.9998
0.65
0.0000
0.0000
0.0000
0.0000
0.0001
0.0007
0.0031
0.0114
0.0347
0.0875
0.1855
0.3344
0.5188
0.7032
0.8500
0.9409
0.9830
0.9969
0.9997
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0013
0.0051
0.0171
0.0480
0.1133
0.2277
0.3920
0.5836
0.7625
0.8929
0.9645
0.9924
0.9992
0.70
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0006
0.0028
0.0105
0.0326
0.0839
0.1820
0.3345
0.5261
0.7178
0.8668
0.9538
0.9896
0.9989
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0002
0.0009
0.0039
0.0139
0.0409
0.1018
0.2142
0.3828
0.5852
0.7748
0.9087
0.9757
0.9968
0.75
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0005
0.0023
0.0089
0.0287
0.0775
0.1749
0.3322
0.5346
0.7369
0.8887
0.9690
0.9958
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0006
0.0026
0.0100
0.0321
0.0867
0.1958
0.3704
0.5886
0.7939
0.9308
0.9885
0.80
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0016
0.0067
0.0233
0.0676
0.1631
0.3267
0.5449
0.7631
0.9171
0.9856
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0002
0.0013
0.0059
0.0219
0.0673
0.1702
0.3523
0.5951
0.8244
0.9612
0.85
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0008
0.0041
0.0163
0.0537
0.1444
0.3159
0.5587
0.8015
0.9544
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0004
0.0024
0.0113
0.0432
0.1330
0.3231
0.6083
0.8784
0.90
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0017
0.0086
0.0352
0.1150
0.2946
0.5797
0.8649
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0026
0.0159
0.0755
0.2642
0.6415
0.95
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0002
0.0020
0.0132
0.0665
0.2453
0.6226
257
e k
k!
k =0
x
Tabla II - Distribucin de Poisson Acumulada: F(x; ) =
0.980
0.961
0.942
0.923
0.905
0.861
0.819
0.779
0.741
0.705
0.670
0.638
0.607
0.577
0.549
0.522
0.497
0.472
0.449
0.427
0.407
0.387
0.368
0.333
0.301
0.273
0.247
0.223
0.202
0.183
0.165
0.150
0.135
1.000
0.999
0.998
0.997
0.995
0.990
0.982
0.974
0.963
0.951
0.938
0.925
0.910
0.894
0.878
0.861
0.844
0.827
0.809
0.791
0.772
0.754
0.736
0.699
0.663
0.627
0.592
0.558
0.525
0.493
0.463
0.434
0.406
1.000
1.000
1.000
1.000
0.999
0.999
0.998
0.996
0.994
0.992
0.989
0.986
0.982
0.977
0.972
0.966
0.959
0.953
0.945
0.937
0.929
0.920
0.900
0.879
0.857
0.833
0.809
0.783
0.757
0.731
0.704
0.677
1.000
1.000
1.000
1.000
1.000
0.999
0.999
0.998
0.998
0.997
0.996
0.994
0.993
0.991
0.989
0.987
0.984
0.981
0.974
0.966
0.957
0.946
0.934
0.921
0.907
0.891
0.875
0.857
1.000
1.000
1.000
1.000
1.000
0.999
0.999
0.999
0.999
0.998
0.998
0.997
0.996
0.995
0.992
0.989
0.986
0.981
0.976
0.970
0.964
0.956
0.947
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.999
0.999
0.998
0.998
0.997
0.996
0.994
0.992
0.990
0.987
0.983
1.000
1.000
1.000
1.000
0.999
0.999
0.999
0.998
0.997
0.997
0.995
0.02
0.04
0.06
0.08
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.55
0.60
0.65
0.70
0.75
0.80
0.85
0.90
0.95
1.00
1.10
1.20
1.30
1.40
1.50
1.60
1.70
1.80
1.90
2.00
258
1.000
1.000
1.000
1.000
0.999 1.000
0.999 1.000
0.999 1.000
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
0.111
0.091
0.074
0.061
0.050
0.041
0.033
0.027
0.022
0.018
0.015
0.012
0.010
0.008
0.007
0.006
0.005
0.004
0.003
0.002
10
0.355
0.308
0.267
0.231
0.199
0.171
0.147
0.126
0.107
0.092
0.078
0.066
0.056
0.048
0.040
0.034
0.029
0.024
0.021
0.017
11
0.623
0.570
0.518
0.469
0.423
0.380
0.340
0.303
0.269
0.238
0.210
0.185
0.163
0.143
0.125
0.109
0.095
0.082
0.072
0.062
12
0.819
0.779
0.736
0.692
0.647
0.603
0.558
0.515
0.473
0.433
0.395
0.359
0.326
0.294
0.265
0.238
0.213
0.191
0.170
0.151
13
0.928
0.904
0.877
0.848
0.815
0.781
0.744
0.706
0.668
0.629
0.590
0.551
0.513
0.476
0.440
0.406
0.373
0.342
0.313
0.285
14
0.975
0.964
0.951
0.935
0.916
0.895
0.871
0.844
0.816
0.785
0.753
0.720
0.686
0.651
0.616
0.581
0.546
0.512
0.478
0.446
15
0.993
0.988
0.983
0.976
0.966
0.955
0.942
0.927
0.909
0.889
0.867
0.844
0.818
0.791
0.762
0.732
0.702
0.670
0.638
0.606
16
0.998
0.997
0.995
0.992
0.988
0.983
0.977
0.969
0.960
0.949
0.936
0.921
0.905
0.887
0.867
0.845
0.822
0.797
0.771
0.744
1.000
0.999
0.999
0.998
0.996
0.994
0.992
0.988
0.984
0.979
0.972
0.964
0.955
0.944
0.932
0.918
0.903
0.886
0.867
0.847
1.000
1.000
1.000
0.999
0.999
0.998
0.997
0.996
0.994
0.992
0.989
0.985
0.980
0.975
0.968
0.960
0.951
0.941
0.929
0.916
2.8
3.0
3.2
3.4
3.6
3.8
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
1.000
1.000
1.000
0.999
0.999
0.998
0.997
0.996
0.994
0.992
0.990
0.986
0.982
0.977
0.972
0.965
0.957
1.000
1.000
0.999
0.999
0.999
0.998
0.997
0.996
0.995
0.993
0.990
0.988
0.984
0.980
1.000
1.000
1.000
0.999
0.999
0.999
0.998
0.997
0.996
0.995
0.993
0.991
1.000
1.000
1.000
0.999
0.999
0.999
0.998
0.997
0.996
1.000
1.000
1.000
0.999 1.000
0.999 1.000
0.999 0.999 1.000
259
6.2
6.4
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.5
9.0
9.5
10.0
0.002
0.002
0.001
0.001
0.001
0.001
0.001
0.001
0.000
0.000
0.000
0.000
0.000
0.000
10
0.015
0.012
0.010
0.009
0.007
0.006
0.005
0.004
0.004
0.003
0.002
0.001
0.001
0.000
11
0.054
0.046
0.040
0.034
0.030
0.025
0.022
0.019
0.016
0.014
0.009
0.006
0.004
0.003
12
0.134
0.119
0.105
0.093
0.082
0.072
0.063
0.055
0.048
0.042
0.030
0.021
0.015
0.010
13
0.259
0.235
0.213
0.192
0.173
0.156
0.140
0.125
0.112
0.100
0.074
0.055
0.040
0.029
14
0.414
0.384
0.355
0.327
0.301
0.276
0.253
0.231
0.210
0.191
0.150
0.116
0.089
0.067
15
0.574
0.542
0.511
0.480
0.450
0.420
0.392
0.365
0.338
0.313
0.256
0.207
0.165
0.130
16
0.716
0.687
0.658
0.628
0.599
0.569
0.539
0.510
0.481
0.453
0.386
0.324
0.269
0.220
17
0.826
0.803
0.780
0.755
0.729
0.703
0.676
0.648
0.620
0.593
0.523
0.456
0.392
0.333
18
0.902
0.886
0.869
0.850
0.830
0.810
0.788
0.765
0.741
0.717
0.653
0.587
0.522
0.458
19
6.2
6.4
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.5
9.0
9.5
10.0
0.949
0.939
0.927
0.915
0.901
0.887
0.871
0.854
0.835
0.816
0.763
0.706
0.645
0.583
20
0.975
0.969
0.963
0.955
0.947
0.937
0.926
0.915
0.902
0.888
0.849
0.803
0.752
0.697
21
0.989
0.986
0.982
0.978
0.973
0.967
0.961
0.954
0.945
0.936
0.909
0.876
0.836
0.792
22
0.995
0.994
0.992
0.990
0.987
0.984
0.980
0.976
0.971
0.966
0.949
0.926
0.898
0.864
0.998
0.997
0.997
0.996
0.994
0.993
0.991
0.989
0.986
0.983
0.973
0.959
0.940
0.917
0.999
0.999
0.999
0.998
0.998
0.997
0.996
0.995
0.993
0.992
0.986
0.978
0.967
0.951
1.000
1.000
0.999
0.999
0.999
0.999
0.998
0.998
0.997
0.996
0.993
0.989
0.982
0.973
1.000
1.000
1.000
1.000
0.999
0.999
0.999
0.998
0.997
0.995
0.991
0.986
1.000
1.000
1.000
0.999
0.999
0.998
0.996
0.993
1.000
0.999
0.999
0.998
0.997
8.5
9.0
9.5
10.0
1.000
1.000
0.999 1.000
0.998 0.999 1.000
260
10.5
11.0
11.5
12.0
12.5
13.0
13.5
14.0
14.5
15.0
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
10
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
11
0.002
0.001
0.001
0.001
0.000
0.000
0.000
0.000
0.000
0.000
12
0.007
0.005
0.003
0.002
0.002
0.001
0.001
0.000
0.000
0.000
13
0.021
0.015
0.011
0.008
0.005
0.004
0.003
0.002
0.001
0.001
14
0.050
0.038
0.028
0.020
0.015
0.011
0.008
0.006
0.004
0.003
15
0.102
0.079
0.060
0.046
0.035
0.026
0.019
0.014
0.010
0.008
16
0.179
0.143
0.114
0.090
0.070
0.054
0.041
0.032
0.024
0.018
17
0.279
0.232
0.191
0.155
0.125
0.100
0.079
0.062
0.048
0.037
18
0.397
0.341
0.289
0.242
0.201
0.166
0.135
0.109
0.088
0.070
19
10.5
11.0
11.5
12.0
12.5
13.0
13.5
14.0
14.5
15.0
0.521
0.460
0.402
0.347
0.297
0.252
0.211
0.176
0.145
0.118
20
0.639
0.579
0.520
0.462
0.406
0.353
0.304
0.260
0.220
0.185
21
0.742
0.689
0.633
0.576
0.519
0.463
0.409
0.358
0.311
0.268
22
0.825
0.781
0.733
0.682
0.628
0.573
0.518
0.464
0.413
0.363
23
0.888
0.854
0.815
0.772
0.725
0.675
0.623
0.570
0.518
0.466
24
0.932
0.907
0.878
0.844
0.806
0.764
0.718
0.669
0.619
0.568
25
0.960
0.944
0.924
0.899
0.869
0.835
0.798
0.756
0.711
0.664
26
0.978
0.968
0.954
0.937
0.916
0.890
0.861
0.827
0.790
0.749
27
0.988
0.982
0.974
0.963
0.948
0.930
0.908
0.883
0.853
0.819
28
0.994
0.991
0.986
0.979
0.969
0.957
0.942
0.923
0.901
0.875
29
10.5
11.0
11.5
12.0
12.5
13.0
13.5
14.0
14.5
15.0
0.997
0.995
0.992
0.988
0.983
0.975
0.965
0.952
0.936
0.917
0.999
0.998
0.996
0.994
0.991
0.986
0.980
0.971
0.960
0.947
0.999
0.999
0.998
0.997
0.995
0.992
0.989
0.983
0.976
0.967
1.000
1.000
0.999
0.999
0.998
0.996
0.994
0.991
0.986
0.981
1.000
0.999
0.999
0.998
0.997
0.995
0.992
0.989
1.000
0.999
0.999
0.998
0.997
0.996
0.994
1.000
1.000
0.999
0.999
0.998
0.997
1.000
0.999 1.000
0.999 0.999 1.000
0.998 0.999 1.000
261
10
11
12
13
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
14
0.368
0.281
0.208
0.150
0.105
0.072
0.048
0.031
0.020
0.012
24
0.978
0.959
0.932
0.893
0.843
0.782
0.712
0.635
0.554
0.473
34
0.999
0.999
0.997
0.994
0.988
0.979
0.966
0.001
0.001
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
15
0.467
0.371
0.287
0.215
0.157
0.111
0.077
0.052
0.034
0.022
25
0.987
0.975
0.955
0.927
0.888
0.838
0.777
0.708
0.632
0.553
35
1.000
0.999
0.998
0.996
0.993
0.987
0.978
0.004
0.002
0.001
0.001
0.000
0.000
0.000
0.000
0.000
0.000
16
0.566
0.468
0.375
0.292
0.221
0.163
0.117
0.082
0.056
0.038
26
0.993
0.985
0.972
0.951
0.922
0.883
0.832
0.772
0.704
0.629
36
0.010
0.005
0.003
0.002
0.001
0.000
0.000
0.000
0.000
0.000
17
0.659
0.564
0.469
0.378
0.297
0.227
0.169
0.123
0.087
0.060
27
0.996
0.991
0.983
0.969
0.948
0.917
0.877
0.827
0.768
0.700
37
0.022
0.013
0.007
0.004
0.002
0.001
0.001
0.000
0.000
0.000
18
0.742
0.655
0.562
0.469
0.381
0.302
0.232
0.175
0.128
0.092
28
0.998
0.995
0.990
0.980
0.966
0.944
0.913
0.873
0.823
0.763
38
0.043
0.026
0.015
0.009
0.005
0.003
0.002
0.001
0.000
0.000
19
0.812
0.736
0.651
0.561
0.470
0.384
0.306
0.238
0.180
0.134
29
0.999
0.997
0.994
0.988
0.978
0.963
0.940
0.908
0.868
0.818
39
0.077
0.049
0.030
0.018
0.011
0.006
0.004
0.002
0.001
0.001
20
0.868
0.805
0.731
0.647
0.559
0.471
0.387
0.310
0.243
0.185
30
0.999
0.999
0.997
0.993
0.987
0.976
0.959
0.936
0.904
0.863
40
0.127
0.085
0.055
0.035
0.021
0.013
0.008
0.004
0.003
0.001
21
0.911
0.861
0.799
0.725
0.644
0.558
0.472
0.389
0.314
0.247
31
1.000
0.999
0.998
0.996
0.992
0.985
0.973
0.956
0.932
0.900
41
0.193
0.135
0.092
0.061
0.039
0.025
0.015
0.009
0.005
0.003
22
0.942
0.905
0.855
0.793
0.721
0.640
0.556
0.472
0.392
0.318
32
0.275
0.201
0.143
0.098
0.066
0.043
0.028
0.017
0.011
0.006
23
0.963
0.937
0.899
0.849
0.787
0.716
0.637
0.555
0.473
0.394
33
1.000
0.999
0.998
0.995
0.991
0.983
0.971
0.953
0.929
42
1.000
0.999
0.997
0.994
0.989
0.981
0.969
0.950
43
1.000
0.999
0.998
0.996
0.992
0.985
0.999
0.999
0.997
0.995
0.991
1.000
0.999
0.999
0.997
0.994
1.000
0.999 1.000
0.998 0.999 0.999 1.000
0.997 0.998 0.999 0.999 1.000
16
17
18
19
20
21
22
23
24
25
16
17
18
19
20
21
22
23
24
25
16
17
18
19
20
21
22
23
24
25
19
20
21
22
23
24
25
262
Tabla III - Distribucin Normal Estndar Acumulada
z =1
z = 0
z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.0
5.0
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.50000
0.53983
0.57926
0.61791
0.65542
0.69146
0.72575
0.75804
0.78814
0.81594
0.84134
0.86433
0.88493
0.90320
0.91924
0.93319
0.94520
0.95543
0.96407
0.97128
0.97725
0.98214
0.98610
0.98928
0.99180
0.99379
0.99534
0.99653
0.99744
0.99813
0.99865
0.99903
0.99931
0.99952
0.99966
0.99977
0.99984
0.99989
0.99993
0.99995
0.99997
1.00000
0.50399
0.54380
0.58317
0.62172
0.65910
0.69497
0.72907
0.76115
0.79103
0.81859
0.84375
0.86650
0.88686
0.90490
0.92073
0.93448
0.94630
0.95637
0.96485
0.97193
0.97778
0.98257
0.98645
0.98956
0.99202
0.99396
0.99547
0.99664
0.99752
0.99819
0.99869
0.99906
0.99934
0.99953
0.99968
0.99978
0.99985
0.99990
0.99993
0.99995
0.99997
0.50798
0.54776
0.58706
0.62552
0.66276
0.69847
0.73237
0.76424
0.79389
0.82121
0.84614
0.86864
0.88877
0.90658
0.92220
0.93574
0.94738
0.95728
0.96562
0.97257
0.97831
0.98300
0.98679
0.98983
0.99224
0.99413
0.99560
0.99674
0.99760
0.99825
0.99874
0.99910
0.99936
0.99955
0.99969
0.99978
0.99985
0.99990
0.99993
0.99996
0.99997
0.51197
0.55172
0.59095
0.62930
0.66640
0.70194
0.73565
0.76730
0.79673
0.82381
0.84849
0.87076
0.89065
0.90824
0.92364
0.93699
0.94845
0.95818
0.96638
0.97320
0.97882
0.98341
0.98713
0.99010
0.99245
0.99430
0.99573
0.99683
0.99767
0.99831
0.99878
0.99913
0.99938
0.99957
0.99970
0.99979
0.99986
0.99990
0.99994
0.99996
0.99997
0.51595
0.55567
0.59483
0.63307
0.67003
0.70540
0.73891
0.77035
0.79955
0.82639
0.85083
0.87286
0.89251
0.90988
0.92507
0.93822
0.94950
0.95907
0.96712
0.97381
0.97932
0.98382
0.98745
0.99036
0.99266
0.99446
0.99585
0.99693
0.99774
0.99836
0.99882
0.99916
0.99940
0.99958
0.99971
0.99980
0.99986
0.99991
0.99994
0.99996
0.99997
0.51994
0.55962
0.59871
0.63683
0.67364
0.70884
0.74215
0.77337
0.80234
0.82894
0.85314
0.87493
0.89435
0.91149
0.92647
0.93943
0.95053
0.95994
0.96784
0.97441
0.97982
0.98422
0.98778
0.99061
0.99286
0.99461
0.99598
0.99702
0.99781
0.99841
0.99886
0.99918
0.99942
0.99960
0.99972
0.99981
0.99987
0.99991
0.99994
0.99996
0.99997
0.52392
0.56356
0.60257
0.64058
0.67724
0.71226
0.74537
0.77637
0.80511
0.83147
0.85543
0.87698
0.89617
0.91308
0.92785
0.94062
0.95154
0.96080
0.96856
0.97500
0.98030
0.98461
0.98809
0.99086
0.99305
0.99477
0.99609
0.99711
0.99788
0.99846
0.99889
0.99921
0.99944
0.99961
0.99973
0.99981
0.99987
0.99992
0.99994
0.99996
0.99998
0.52790
0.56749
0.60642
0.64431
0.68082
0.71566
0.74857
0.77935
0.80785
0.83398
0.85769
0.87900
0.89796
0.91466
0.92922
0.94179
0.95254
0.96164
0.96926
0.97558
0.98077
0.98500
0.98840
0.99111
0.99324
0.99492
0.99621
0.99720
0.99795
0.99851
0.99893
0.99924
0.99946
0.99962
0.99974
0.99982
0.99988
0.99992
0.99995
0.99996
0.99998
0.53188
0.57142
0.61026
0.64803
0.68439
0.71904
0.75175
0.78230
0.81057
0.83646
0.85993
0.88100
0.89973
0.91621
0.93056
0.94295
0.95352
0.96246
0.96995
0.97615
0.98124
0.98537
0.98870
0.99134
0.99343
0.99506
0.99632
0.99728
0.99801
0.99856
0.99896
0.99926
0.99948
0.99964
0.99975
0.99983
0.99988
0.99992
0.99995
0.99997
0.99998
0.53586
0.57535
0.61409
0.65173
0.68793
0.72240
0.75490
0.78524
0.81327
0.83891
0.86214
0.88298
0.90147
0.91774
0.93189
0.94408
0.95449
0.96327
0.97062
0.97670
0.98169
0.98574
0.98899
0.99158
0.99361
0.99520
0.99643
0.99736
0.99807
0.99861
0.99900
0.99929
0.99950
0.99965
0.99976
0.99983
0.99989
0.99992
0.99995
0.99997
0.99998
263
Tabla IV - Distribucin Normal Estndar de Cola Superior
z =1
z = 0
z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.0
5.0
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.50000
0.46017
0.42074
0.38209
0.34458
0.30854
0.27425
0.24196
0.21186
0.18406
0.15866
0.13567
0.11507
0.09680
0.08076
0.06681
0.05480
0.04457
0.03593
0.02872
0.02275
0.01786
0.01390
0.01072
0.00820
0.00621
0.00466
0.00347
0.00256
0.00187
0.00135
0.00097
0.00069
0.00048
0.00034
0.00023
0.00016
0.00011
0.00007
0.00005
0.00003
0.00000
0.49601
0.45620
0.41683
0.37828
0.34090
0.30503
0.27093
0.23885
0.20897
0.18141
0.15625
0.13350
0.11314
0.09510
0.07927
0.06552
0.05370
0.04363
0.03515
0.02807
0.02222
0.01743
0.01355
0.01044
0.00798
0.00604
0.00453
0.00336
0.00248
0.00181
0.00131
0.00094
0.00066
0.00047
0.00032
0.00022
0.00015
0.00010
0.00007
0.00005
0.00003
0.00000
0.49202
0.45224
0.41294
0.37448
0.33724
0.30153
0.26763
0.23576
0.20611
0.17879
0.15386
0.13136
0.11123
0.09342
0.07780
0.06426
0.05262
0.04272
0.03438
0.02743
0.02169
0.01700
0.01321
0.01017
0.00776
0.00587
0.00440
0.00326
0.00240
0.00175
0.00126
0.00090
0.00064
0.00045
0.00031
0.00022
0.00015
0.00010
0.00007
0.00004
0.00003
0.00000
0.48803
0.44828
0.40905
0.37070
0.33360
0.29806
0.26435
0.23270
0.20327
0.17619
0.15151
0.12924
0.10935
0.09176
0.07636
0.06301
0.05155
0.04182
0.03362
0.02680
0.02118
0.01659
0.01287
0.00990
0.00755
0.00570
0.00427
0.00317
0.00233
0.00169
0.00122
0.00087
0.00062
0.00043
0.00030
0.00021
0.00014
0.00010
0.00006
0.00004
0.00003
0.00000
0.48405
0.44433
0.40517
0.36693
0.32997
0.29460
0.26109
0.22965
0.20045
0.17361
0.14917
0.12714
0.10749
0.09012
0.07493
0.06178
0.05050
0.04093
0.03288
0.02619
0.02068
0.01618
0.01255
0.00964
0.00734
0.00554
0.00415
0.00307
0.00226
0.00164
0.00118
0.00084
0.00060
0.00042
0.00029
0.00020
0.00014
0.00009
0.00006
0.00004
0.00003
0.00000
0.48006
0.44038
0.40129
0.36317
0.32636
0.29116
0.25785
0.22663
0.19766
0.17106
0.14686
0.12507
0.10565
0.08851
0.07353
0.06057
0.04947
0.04006
0.03216
0.02559
0.02018
0.01578
0.01222
0.00939
0.00714
0.00539
0.00402
0.00298
0.00219
0.00159
0.00114
0.00082
0.00058
0.00040
0.00028
0.00019
0.00013
0.00009
0.00006
0.00004
0.00003
0.00000
0.47608
0.43644
0.39743
0.35942
0.32276
0.28774
0.25463
0.22363
0.19489
0.16853
0.14457
0.12302
0.10383
0.08692
0.07215
0.05938
0.04846
0.03920
0.03144
0.02500
0.01970
0.01539
0.01191
0.00914
0.00695
0.00523
0.00391
0.00289
0.00212
0.00154
0.00111
0.00079
0.00056
0.00039
0.00027
0.00019
0.00013
0.00008
0.00006
0.00004
0.00002
0.00000
0.47210
0.43251
0.39358
0.35569
0.31918
0.28434
0.25143
0.22065
0.19215
0.16602
0.14231
0.12100
0.10204
0.08534
0.07078
0.05821
0.04746
0.03836
0.03074
0.02442
0.01923
0.01500
0.01160
0.00889
0.00676
0.00508
0.00379
0.00280
0.00205
0.00149
0.00107
0.00076
0.00054
0.00038
0.00026
0.00018
0.00012
0.00008
0.00005
0.00004
0.00002
0.00000
0.46812
0.42858
0.38974
0.35197
0.31561
0.28096
0.24825
0.21770
0.18943
0.16354
0.14007
0.11900
0.10027
0.08379
0.06944
0.05705
0.04648
0.03754
0.03005
0.02385
0.01876
0.01463
0.01130
0.00866
0.00657
0.00494
0.00368
0.00272
0.00199
0.00144
0.00104
0.00074
0.00052
0.00036
0.00025
0.00017
0.00012
0.00008
0.00005
0.00003
0.00002
0.00000
0.46414
0.42465
0.38591
0.34827
0.31207
0.27760
0.24510
0.21476
0.18673
0.16109
0.13786
0.11702
0.09853
0.08226
0.06811
0.05592
0.04551
0.03673
0.02938
0.02330
0.01831
0.01426
0.01101
0.00842
0.00639
0.00480
0.00357
0.00264
0.00193
0.00139
0.00100
0.00071
0.00050
0.00035
0.00024
0.00017
0.00011
0.00008
0.00005
0.00003
0.00002
0.00000
264
Tabla V - Nmeros Aleatorios
62800
70411
8572
27677
7650
40988
47260
66361
48741
73560
5368
53307
44176
46403
3727
62147
25838
66723
76198
11403
48019
17310
22418
87544
43631
19551
32725
6405
29029
14264
93458
72337
47386
99482
11525
3472
19514
8384
56305
96042
32125
21303
42338
18959
69709
35892
16256
44962
96712
29689
19442
58566
97417
53529
69827
96883
11732
1344
17866
78664
34040
28322
69934
47103
42616
54105
83123
79049
59173
63859
16298
81935
2307
82016
76514
62580
19560
77265
38031
25189
98847
97682
59022
74556
17862
46360
24209
7102
73729
14610
39807
80916
63457
1889
30519
73750
48596
21284
80138
13354
54495
75436
17839
81626
3336
64841
86215
24271
34308
88776
50488
66470
18449
12645
67890
73380
89701
92591
52468
13861
21968
67910
66282
79595
25041
46457
79083
95017
84610
75599
81666
59781
34295
34949
57656
58194
44792
19122
13866
95404
83169
20049
17491
3150
56282
71387
10374
4713
2698
17902
40259
1836
48980
50681
63939
65850
36559
65345
73935
38566
79586
39771
16480
70637
51621
94773
86762
15322
2684
78105
90160
84607
47127
54609
34281
93529
72143
41140
55311
29759
84511
591
29606
84684
3390
14074
41962
33471
42782
80865
93354
84738
50907
33621
76761
12955
90997
56678
7055
59917
4118
64128
60561
17835
88681
77722
56353
31762
65529
56772
74206
1329
75405
69039
50134
90499
15096
80281
64773
52543
41072
89757
20877
49842
19806
38741
94350
33459
19506
85843
88588
46360
22243
71751
82899
76063
32333
61241
72458
33005
61297
20492
74025
20501
61268
36053
1890
86124
43853
1444
6832
15442
76519
13667
43249
65257
10215
40209
9306
16856
66176
38161
4655
42685
28347
13293
70052
99530
3437
78235
71885
353
91494
81099
96039
21051
67288
55986
59067
21954
27027
94877
55973
11500
32942
64370
47542
94529
28514
92379
56249
78864
38020
44531
18764
60467
99434
70753
61713
83031
65718
36169
38701
98812
49967
49052
58748
81829
67391
68573
79879
10685
58274
27245
98184
88102
73113
63720
14122
14782
94041
93625
11574
90652
13082
95710
91751
5842
99904
81562
41152
77675
70300
41686
19715
39707
82190
6825
50056
23495
66524
56997
92803
35040
45261
24660
10091
26381
6938
56297
16105
84615
24078
94841
54801
22758
28678
70334
70909
14391
59176
87517
29068
98281
41466
58425
11477
39005
93279
18612
9329
45955
42127
53901
79565
27969
4649
81891
73034
90703
17221
47288
33512
46586
41929
3068
50356
65550
92481
76651
9608
80624
26055
4782
80662
6148
2679
30449
56911
44973
2365
46435
62430
50804
69531
89654
14980
38921
63334
27672
84334
67175
46033
13298
23326
970
48400
58983
97518
49118
265
6916
46777
22145
6316
53599
14508
6072
50624
2926
61380
Tabla VI - Distribucin t de Student
0
\
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
50
60
70
80
90
100
110
120
t ,
0.4
0.25
0.1
0.05
0.025
0.01
0.005
0.0025
0.001
0.0005
0.3249
0.2887
0.2767
0.2707
0.2672
0.2648
0.2632
0.2619
0.2610
0.2602
0.2596
0.2590
0.2586
0.2582
0.2579
0.2576
0.2573
0.2571
0.2569
0.2567
0.2566
0.2564
0.2563
0.2562
0.2561
0.2560
0.2559
0.2558
0.2557
0.2556
0.2555
0.2555
0.2554
0.2553
0.2553
0.2552
0.2552
0.2551
0.2551
0.2550
0.2547
0.2545
0.2543
0.2542
0.2541
0.2540
0.2540
0.2539
0.2530
1.0000
0.8165
0.7649
0.7407
0.7267
0.7176
0.7111
0.7064
0.7027
0.6998
0.6974
0.6955
0.6938
0.6924
0.6912
0.6901
0.6892
0.6884
0.6876
0.6870
0.6864
0.6858
0.6853
0.6848
0.6844
0.6840
0.6837
0.6834
0.6830
0.6828
0.6825
0.6822
0.6820
0.6818
0.6816
0.6814
0.6812
0.6810
0.6808
0.6807
0.6794
0.6786
0.6780
0.6776
0.6772
0.6770
0.6767
0.6765
0.6740
3.0777
1.8856
1.6377
1.5332
1.4759
1.4398
1.4149
1.3968
1.3830
1.3722
1.3634
1.3562
1.3502
1.3450
1.3406
1.3368
1.3334
1.3304
1.3277
1.3253
1.3232
1.3212
1.3195
1.3178
1.3163
1.3150
1.3137
1.3125
1.3114
1.3104
1.3095
1.3086
1.3077
1.3070
1.3062
1.3055
1.3049
1.3042
1.3036
1.3031
1.2987
1.2958
1.2938
1.2922
1.2910
1.2901
1.2893
1.2886
1.2820
6.3137
2.9200
2.3534
2.1318
2.0150
1.9432
1.8946
1.8595
1.8331
1.8125
1.7959
1.7823
1.7709
1.7613
1.7531
1.7459
1.7396
1.7341
1.7291
1.7247
1.7207
1.7171
1.7139
1.7109
1.7081
1.7056
1.7033
1.7011
1.6991
1.6973
1.6955
1.6939
1.6924
1.6909
1.6896
1.6883
1.6871
1.6860
1.6849
1.6839
1.6759
1.6706
1.6669
1.6641
1.6620
1.6602
1.6588
1.6576
1.6450
12.7062
4.3027
3.1824
2.7765
2.5706
2.4469
2.3646
2.3060
2.2622
2.2281
2.2010
2.1788
2.1604
2.1448
2.1315
2.1199
2.1098
2.1009
2.0930
2.0860
2.0796
2.0739
2.0687
2.0639
2.0595
2.0555
2.0518
2.0484
2.0452
2.0423
2.0395
2.0369
2.0345
2.0322
2.0301
2.0281
2.0262
2.0244
2.0227
2.0211
2.0086
2.0003
1.9944
1.9901
1.9867
1.9840
1.9818
1.9799
1.9600
31.8210
6.9645
4.5407
3.7469
3.3649
3.1427
2.9979
2.8965
2.8214
2.7638
2.7181
2.6810
2.6503
2.6245
2.6025
2.5835
2.5669
2.5524
2.5395
2.5280
2.5176
2.5083
2.4999
2.4922
2.4851
2.4786
2.4727
2.4671
2.4620
2.4573
2.4528
2.4487
2.4448
2.4411
2.4377
2.4345
2.4314
2.4286
2.4258
2.4233
2.4033
2.3901
2.3808
2.3739
2.3685
2.3642
2.3607
2.3578
2.3260
63.6559
9.9250
5.8408
4.6041
4.0321
3.7074
3.4995
3.3554
3.2498
3.1693
3.1058
3.0545
3.0123
2.9768
2.9467
2.9208
2.8982
2.8784
2.8609
2.8453
2.8314
2.8188
2.8073
2.7970
2.7874
2.7787
2.7707
2.7633
2.7564
2.7500
2.7440
2.7385
2.7333
2.7284
2.7238
2.7195
2.7154
2.7116
2.7079
2.7045
2.6778
2.6603
2.6479
2.6387
2.6316
2.6259
2.6213
2.6174
2.5760
127.3211
14.0892
7.4532
5.5975
4.7733
4.3168
4.0294
3.8325
3.6896
3.5814
3.4966
3.4284
3.3725
3.3257
3.2860
3.2520
3.2224
3.1966
3.1737
3.1534
3.1352
3.1188
3.1040
3.0905
3.0782
3.0669
3.0565
3.0470
3.0380
3.0298
3.0221
3.0149
3.0082
3.0020
2.9961
2.9905
2.9853
2.9803
2.9756
2.9712
2.9370
2.9146
2.8987
2.8870
2.8779
2.8707
2.8648
2.8599
2.8070
318.2888
22.3285
10.2143
7.1729
5.8935
5.2075
4.7853
4.5008
4.2969
4.1437
4.0248
3.9296
3.8520
3.7874
3.7329
3.6861
3.6458
3.6105
3.5793
3.5518
3.5271
3.5050
3.4850
3.4668
3.4502
3.4350
3.4210
3.4082
3.3963
3.3852
3.3749
3.3653
3.3563
3.3480
3.3400
3.3326
3.3256
3.3190
3.3127
3.3069
3.2614
3.2317
3.2108
3.1952
3.1832
3.1738
3.1660
3.1595
3.0900
636.5776
31.5998
12.9244
8.6101
6.8685
5.9587
5.4081
5.0414
4.7809
4.5868
4.4369
4.3178
4.2209
4.1403
4.0728
4.0149
3.9651
3.9217
3.8833
3.8496
3.8193
3.7922
3.7676
3.7454
3.7251
3.7067
3.6895
3.6739
3.6595
3.6460
3.6335
3.6218
3.6109
3.6007
3.5911
3.5821
3.5737
3.5657
3.5581
3.5510
3.4960
3.4602
3.4350
3.4164
3.4019
3.3905
3.3811
3.3734
3.2910
266
Tabla VII - Distribucin Chi-cuadrada
0
\
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
50
60
70
80
90
100
2 ,
0.995
0.99
0.975
0.95
0.50
0.05
0.025
0.01
0.005
0.0000
0.0100
0.0717
0.2070
0.4118
0.6757
0.9893
1.3444
1.7349
2.1558
2.6032
3.0738
3.5650
4.0747
4.6009
5.1422
5.6973
6.2648
6.8439
7.4338
8.0336
8.6427
9.2604
9.8862
10.5196
11.1602
11.8077
12.4613
13.1211
13.7867
14.4577
15.1340
15.8152
16.5013
17.1917
17.8868
18.5859
19.2888
19.9958
20.7066
27.9908
35.5344
43.2753
51.1719
59.1963
67.3275
0.0002
0.0201
0.1148
0.2971
0.5543
0.8721
1.2390
1.6465
2.0879
2.5582
3.0535
3.5706
4.1069
4.6604
5.2294
5.8122
6.4077
7.0149
7.6327
8.2604
8.8972
9.5425
10.1957
10.8563
11.5240
12.1982
12.8785
13.5647
14.2564
14.9535
15.6555
16.3622
17.0735
17.7891
18.5089
19.2326
19.9603
20.6914
21.4261
22.1642
29.7067
37.4848
45.4417
53.5400
61.7540
70.0650
0.0010
0.0506
0.2158
0.4844
0.8312
1.2373
1.6899
2.1797
2.7004
3.2470
3.8157
4.4038
5.0087
5.6287
6.2621
6.9077
7.5642
8.2307
8.9065
9.5908
10.2829
10.9823
11.6885
12.4011
13.1197
13.8439
14.5734
15.3079
16.0471
16.7908
17.5387
18.2908
19.0467
19.8062
20.5694
21.3359
22.1056
22.8785
23.6543
24.4331
32.3574
40.4817
48.7575
57.1532
65.6466
74.2219
0.0039
0.1026
0.3518
0.7107
1.1455
1.6354
2.1673
2.7326
3.3251
3.9403
4.5748
5.2260
5.8919
6.5706
7.2609
7.9616
8.6718
9.3904
10.1170
10.8508
11.5913
12.3380
13.0905
13.8484
14.6114
15.3792
16.1514
16.9279
17.7084
18.4927
19.2806
20.0719
20.8665
21.6643
22.4650
23.2686
24.0749
24.8839
25.6954
26.5093
34.7642
43.1880
51.7393
60.3915
69.1260
77.9294
0.4549
1.3863
2.3660
3.3567
4.3515
5.3481
6.3458
7.3441
8.3428
9.3418
10.3410
11.3403
12.3398
13.3393
14.3389
15.3385
16.3382
17.3379
18.3376
19.3374
20.3372
21.3370
22.3369
23.3367
24.3366
25.3365
26.3363
27.3362
28.3361
29.3360
30.3359
31.3359
32.3358
33.3357
34.3356
35.3356
36.3355
37.3354
38.3354
39.3353
49.3349
59.3347
69.3345
79.3343
89.3342
99.3341
3.8415
5.9915
7.8147
9.4877
11.0705
12.5916
14.0671
15.5073
16.9190
18.3070
19.6752
21.0261
22.3620
23.6848
24.9958
26.2962
27.5871
28.8693
30.1435
31.4104
32.6706
33.9245
35.1725
36.4150
37.6525
38.8851
40.1133
41.3372
42.5569
43.7730
44.9853
46.1942
47.3999
48.6024
49.8018
50.9985
52.1923
53.3835
54.5722
55.7585
67.5048
79.0820
90.5313
101.8795
113.1452
124.3421
5.0239
7.3778
9.3484
11.1433
12.8325
14.4494
16.0128
17.5345
19.0228
20.4832
21.9200
23.3367
24.7356
26.1189
27.4884
28.8453
30.1910
31.5264
32.8523
34.1696
35.4789
36.7807
38.0756
39.3641
40.6465
41.9231
43.1945
44.4608
45.7223
46.9792
48.2319
49.4804
50.7251
51.9660
53.2033
54.4373
55.6680
56.8955
58.1201
59.3417
71.4202
83.2977
95.0231
106.6285
118.1359
129.5613
6.6349
9.2104
11.3449
13.2767
15.0863
16.8119
18.4753
20.0902
21.6660
23.2093
24.7250
26.2170
27.6882
29.1412
30.5780
31.9999
33.4087
34.8052
36.1908
37.5663
38.9322
40.2894
41.6383
42.9798
44.3140
45.6416
46.9628
48.2782
49.5878
50.8922
52.1914
53.4857
54.7754
56.0609
57.3420
58.6192
59.8926
61.1620
62.4281
63.6908
76.1538
88.3794
100.4251
112.3288
124.1162
135.8069
7.8794
10.5965
12.8381
14.8602
16.7496
18.5475
20.2777
21.9549
23.5893
25.1881
26.7569
28.2997
29.8193
31.3194
32.8015
34.2671
35.7184
37.1564
38.5821
39.9969
41.4009
42.7957
44.1814
45.5584
46.9280
48.2898
49.6450
50.9936
52.3355
53.6719
55.0025
56.3280
57.6483
58.9637
60.2746
61.5811
62.8832
64.1812
65.4753
66.7660
79.4898
91.9518
104.2148
116.3209
128.2987
140.1697
267
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
60
120
v2\v1
7.50
3.00
2.28
2.00
1.85
1.76
1.70
1.66
1.62
1.60
1.58
1.56
1.55
1.53
1.52
1.51
1.51
1.50
1.49
1.49
1.48
1.48
1.47
1.47
1.47
1.46
1.46
1.46
1.45
1.45
1.45
1.45
1.45
1.44
1.44
1.44
1.44
1.44
1.44
1.44
1.42
1.40
5.83
2.57
2.02
1.81
1.69
1.62
1.57
1.54
1.51
1.49
1.47
1.46
1.45
1.44
1.43
1.42
1.42
1.41
1.41
1.40
1.40
1.40
1.39
1.39
1.39
1.38
1.38
1.38
1.38
1.38
1.37
1.37
1.37
1.37
1.37
1.37
1.37
1.36
1.36
1.36
1.35
1.34
8.20
3.15
2.36
2.05
1.88
1.78
1.72
1.67
1.63
1.60
1.58
1.56
1.55
1.53
1.52
1.51
1.50
1.49
1.49
1.48
1.48
1.47
1.47
1.46
1.46
1.45
1.45
1.45
1.45
1.44
1.44
1.44
1.44
1.43
1.43
1.43
1.43
1.43
1.43
1.42
1.41
1.39
8.58
3.23
2.39
2.06
1.89
1.79
1.72
1.66
1.63
1.59
1.57
1.55
1.53
1.52
1.51
1.50
1.49
1.48
1.47
1.47
1.46
1.45
1.45
1.44
1.44
1.44
1.43
1.43
1.43
1.42
1.42
1.42
1.42
1.42
1.41
1.41
1.41
1.41
1.41
1.40
1.38
1.37
8.82
3.28
2.41
2.07
1.89
1.79
1.71
1.66
1.62
1.59
1.56
1.54
1.52
1.51
1.49
1.48
1.47
1.46
1.46
1.45
1.44
1.44
1.43
1.43
1.42
1.42
1.42
1.41
1.41
1.41
1.40
1.40
1.40
1.40
1.40
1.39
1.39
1.39
1.39
1.39
1.37
1.35
8.98
3.31
2.42
2.08
1.89
1.78
1.71
1.65
1.61
1.58
1.55
1.53
1.51
1.50
1.48
1.47
1.46
1.45
1.44
1.44
1.43
1.42
1.42
1.41
1.41
1.41
1.40
1.40
1.40
1.39
1.39
1.39
1.38
1.38
1.38
1.38
1.38
1.37
1.37
1.37
1.35
1.33
9.10
3.34
2.43
2.08
1.89
1.78
1.70
1.64
1.60
1.57
1.54
1.52
1.50
1.49
1.47
1.46
1.45
1.44
1.43
1.43
1.42
1.41
1.41
1.40
1.40
1.39
1.39
1.39
1.38
1.38
1.38
1.37
1.37
1.37
1.37
1.36
1.36
1.36
1.36
1.36
1.33
1.31
8
9.19
3.35
2.44
2.08
1.89
1.78
1.70
1.64
1.60
1.56
1.53
1.51
1.49
1.48
1.46
1.45
1.44
1.43
1.42
1.42
1.41
1.40
1.40
1.39
1.39
1.38
1.38
1.38
1.37
1.37
1.37
1.36
1.36
1.36
1.36
1.35
1.35
1.35
1.35
1.35
1.32
1.30
9.26
3.37
2.44
2.08
1.89
1.77
1.69
1.63
1.59
1.56
1.53
1.51
1.49
1.47
1.46
1.44
1.43
1.42
1.41
1.41
1.40
1.39
1.39
1.38
1.38
1.37
1.37
1.37
1.36
1.36
1.36
1.35
1.35
1.35
1.35
1.34
1.34
1.34
1.34
1.34
1.31
1.29
9
9.32
3.38
2.44
2.08
1.89
1.77
1.69
1.63
1.59
1.55
1.52
1.50
1.48
1.46
1.45
1.44
1.43
1.42
1.41
1.40
1.39
1.39
1.38
1.38
1.37
1.37
1.36
1.36
1.35
1.35
1.35
1.34
1.34
1.34
1.34
1.33
1.33
1.33
1.33
1.33
1.30
1.28
10
9.37
3.39
2.45
2.08
1.89
1.77
1.69
1.63
1.58
1.55
1.52
1.49
1.47
1.46
1.44
1.43
1.42
1.41
1.40
1.39
1.39
1.38
1.37
1.37
1.36
1.36
1.35
1.35
1.35
1.34
1.34
1.34
1.33
1.33
1.33
1.33
1.32
1.32
1.32
1.32
1.29
1.27
11
9.41
3.39
2.45
2.08
1.89
1.77
1.68
1.62
1.58
1.54
1.51
1.49
1.47
1.45
1.44
1.43
1.41
1.40
1.40
1.39
1.38
1.37
1.37
1.36
1.36
1.35
1.35
1.34
1.34
1.34
1.33
1.33
1.33
1.33
1.32
1.32
1.32
1.32
1.31
1.31
1.29
1.26
12
9.44
3.40
2.45
2.08
1.89
1.77
1.68
1.62
1.58
1.54
1.51
1.49
1.47
1.45
1.43
1.42
1.41
1.40
1.39
1.38
1.37
1.37
1.36
1.36
1.35
1.35
1.34
1.34
1.33
1.33
1.33
1.32
1.32
1.32
1.32
1.31
1.31
1.31
1.31
1.31
1.28
1.26
13
9.47
3.41
2.45
2.08
1.89
1.76
1.68
1.62
1.57
1.54
1.51
1.48
1.46
1.44
1.43
1.42
1.41
1.40
1.39
1.38
1.37
1.36
1.36
1.35
1.35
1.34
1.34
1.33
1.33
1.33
1.32
1.32
1.32
1.31
1.31
1.31
1.31
1.30
1.30
1.30
1.27
1.25
14
16
9.52
3.41
2.46
2.08
1.88
1.76
1.68
1.62
1.57
1.53
1.50
1.48
1.46
1.44
1.42
1.41
1.40
1.39
1.38
1.37
1.36
1.36
1.35
1.34
1.34
1.33
1.33
1.32
1.32
1.32
1.31
1.31
1.31
1.30
1.30
1.30
1.30
1.29
1.29
1.29
1.26
1.24
268
9.49
3.41
2.46
2.08
1.89
1.76
1.68
1.62
1.57
1.53
1.50
1.48
1.46
1.44
1.43
1.41
1.40
1.39
1.38
1.37
1.37
1.36
1.35
1.35
1.34
1.34
1.33
1.33
1.32
1.32
1.32
1.31
1.31
1.31
1.31
1.30
1.30
1.30
1.30
1.30
1.27
1.24
15
9.53
3.42
2.46
2.08
1.88
1.76
1.67
1.61
1.57
1.53
1.50
1.47
1.45
1.44
1.42
1.41
1.39
1.38
1.37
1.37
1.36
1.35
1.35
1.34
1.33
1.33
1.33
1.32
1.32
1.31
1.31
1.31
1.30
1.30
1.30
1.30
1.29
1.29
1.29
1.29
1.26
1.23
17
9.55
3.42
2.46
2.08
1.88
1.76
1.67
1.61
1.56
1.53
1.50
1.47
1.45
1.43
1.42
1.40
1.39
1.38
1.37
1.36
1.36
1.35
1.34
1.34
1.33
1.33
1.32
1.32
1.31
1.31
1.31
1.30
1.30
1.30
1.29
1.29
1.29
1.29
1.28
1.28
1.26
1.23
18
9.57
3.42
2.46
2.08
1.88
1.76
1.67
1.61
1.56
1.53
1.49
1.47
1.45
1.43
1.41
1.40
1.39
1.38
1.37
1.36
1.35
1.35
1.34
1.33
1.33
1.32
1.32
1.31
1.31
1.31
1.30
1.30
1.30
1.29
1.29
1.29
1.29
1.28
1.28
1.28
1.25
1.22
19
9.58
3.43
2.46
2.08
1.88
1.76
1.67
1.61
1.56
1.52
1.49
1.47
1.45
1.43
1.41
1.40
1.39
1.38
1.37
1.36
1.35
1.34
1.34
1.33
1.33
1.32
1.32
1.31
1.31
1.30
1.30
1.30
1.29
1.29
1.29
1.29
1.28
1.28
1.28
1.28
1.25
1.22
20
9.59
3.43
2.46
2.08
1.88
1.76
1.67
1.61
1.56
1.52
1.49
1.47
1.44
1.43
1.41
1.40
1.38
1.37
1.36
1.36
1.35
1.34
1.33
1.33
1.32
1.32
1.31
1.31
1.30
1.30
1.30
1.29
1.29
1.29
1.28
1.28
1.28
1.28
1.27
1.27
1.24
1.22
21
9.61
3.43
2.46
2.08
1.88
1.76
1.67
1.61
1.56
1.52
1.49
1.46
1.44
1.42
1.41
1.39
1.38
1.37
1.36
1.35
1.35
1.34
1.33
1.33
1.32
1.32
1.31
1.31
1.30
1.30
1.29
1.29
1.29
1.28
1.28
1.28
1.28
1.27
1.27
1.27
1.24
1.21
22
Tabla VIII - Distribucin F de Fisher ( F 0.25,1 , 2 )

23
9.62
3.43
2.46
2.08
1.88
1.75
1.67
1.61
1.56
1.52
1.49
1.46
1.44
1.42
1.41
1.39
1.38
1.37
1.36
1.35
1.34
1.34
1.33
1.32
1.32
1.31
1.31
1.30
1.30
1.30
1.29
1.29
1.29
1.28
1.28
1.28
1.27
1.27
1.27
1.27
1.24
1.21
24
9.63
3.43
2.46
2.08
1.88
1.75
1.67
1.60
1.56
1.52
1.49
1.46
1.44
1.42
1.41
1.39
1.38
1.37
1.36
1.35
1.34
1.33
1.33
1.32
1.32
1.31
1.31
1.30
1.30
1.29
1.29
1.29
1.28
1.28
1.28
1.27
1.27
1.27
1.27
1.26
1.24
1.21
25
9.63
3.44
2.46
2.08
1.88
1.75
1.67
1.60
1.55
1.52
1.49
1.46
1.44
1.42
1.40
1.39
1.38
1.37
1.36
1.35
1.34
1.33
1.33
1.32
1.31
1.31
1.30
1.30
1.30
1.29
1.29
1.28
1.28
1.28
1.27
1.27
1.27
1.27
1.26
1.26
1.23
1.20
26
9.64
3.44
2.46
2.08
1.88
1.75
1.67
1.60
1.55
1.52
1.48
1.46
1.44
1.42
1.40
1.39
1.38
1.36
1.35
1.35
1.34
1.33
1.32
1.32
1.31
1.31
1.30
1.30
1.29
1.29
1.29
1.28
1.28
1.28
1.27
1.27
1.27
1.26
1.26
1.26
1.23
1.20
27
9.65
3.44
2.46
2.08
1.88
1.75
1.67
1.60
1.55
1.51
1.48
1.46
1.44
1.42
1.40
1.39
1.37
1.36
1.35
1.34
1.34
1.33
1.32
1.32
1.31
1.30
1.30
1.30
1.29
1.29
1.28
1.28
1.28
1.27
1.27
1.27
1.27
1.26
1.26
1.26
1.23
1.20
28
9.66
3.44
2.46
2.08
1.88
1.75
1.66
1.60
1.55
1.51
1.48
1.46
1.43
1.42
1.40
1.39
1.37
1.36
1.35
1.34
1.33
1.33
1.32
1.31
1.31
1.30
1.30
1.29
1.29
1.29
1.28
1.28
1.27
1.27
1.27
1.27
1.26
1.26
1.26
1.26
1.23
1.20
29
9.66
3.44
2.46
2.08
1.88
1.75
1.66
1.60
1.55
1.51
1.48
1.46
1.43
1.41
1.40
1.38
1.37
1.36
1.35
1.34
1.33
1.33
1.32
1.31
1.31
1.30
1.30
1.29
1.29
1.28
1.28
1.28
1.27
1.27
1.27
1.26
1.26
1.26
1.26
1.25
1.22
1.19
30
9.67
3.44
2.47
2.08
1.88
1.75
1.66
1.60
1.55
1.51
1.48
1.45
1.43
1.41
1.40
1.38
1.37
1.36
1.35
1.34
1.33
1.32
1.32
1.31
1.31
1.30
1.30
1.29
1.29
1.28
1.28
1.28
1.27
1.27
1.27
1.26
1.26
1.26
1.26
1.25
1.22
1.19
40
9.71
3.45
2.47
2.08
1.88
1.75
1.66
1.59
1.54
1.51
1.47
1.45
1.42
1.41
1.39
1.37
1.36
1.35
1.34
1.33
1.32
1.31
1.31
1.30
1.29
1.29
1.28
1.28
1.27
1.27
1.27
1.26
1.26
1.26
1.25
1.25
1.25
1.24
1.24
1.24
1.21
1.18
9.80
3.47
2.47
2.08
1.87
1.74
1.65
1.58
1.53
1.49
1.46
1.43
1.41
1.39
1.37
1.35
1.34
1.33
1.32
1.31
1.30
1.29
1.28
1.28
1.27
1.26
1.26
1.25
1.25
1.24
1.24
1.23
1.23
1.23
1.22
1.22
1.22
1.21
1.21
1.21
1.17
1.13
60 120
9.76
3.46
2.47
2.08
1.87
1.74
1.65
1.59
1.54
1.50
1.47
1.44
1.42
1.40
1.38
1.36
1.35
1.34
1.33
1.32
1.31
1.30
1.30
1.29
1.28
1.28
1.27
1.27
1.26
1.26
1.25
1.25
1.25
1.24
1.24
1.24
1.23
1.23
1.23
1.22
1.19
1.16
269
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
28
29
30
40
60 120
1 39.86 49.50 53.59 55.83 57.24 58.20 58.91 59.44 59.86 60.19 60.47 60.71 60.90 61.07 61.22 61.35 61.46 61.57 61.66 61.74 61.81 61.88 61.94 62.00 62.05 62.10 62.19 62.23 62.26 62.53 62.79 63.06
2 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38 9.39 9.40 9.41 9.41 9.42 9.42 9.43 9.43 9.44 9.44 9.44 9.44 9.45 9.45 9.45 9.45 9.45 9.46 9.46 9.46 9.47 9.47 9.48
3 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24 5.23 5.22 5.22 5.21 5.20 5.20 5.20 5.19 5.19 5.19 5.18 5.18 5.18 5.18 5.18 5.17 5.17 5.17 5.17 5.17 5.16 5.15 5.14
4 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94 3.92 3.91 3.90 3.89 3.88 3.87 3.86 3.86 3.85 3.85 3.84 3.84 3.84 3.83 3.83 3.83 3.83 3.82 3.82 3.82 3.80 3.79 3.78
5 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32 3.30 3.28 3.27 3.26 3.25 3.24 3.23 3.22 3.22 3.21 3.21 3.20 3.20 3.19 3.19 3.19 3.18 3.18 3.18 3.17 3.16 3.14 3.12
6 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96 2.94 2.92 2.90 2.89 2.88 2.87 2.86 2.85 2.85 2.84 2.84 2.83 2.83 2.82 2.82 2.81 2.81 2.81 2.80 2.80 2.78 2.76 2.74
7 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70 2.68 2.67 2.65 2.64 2.63 2.62 2.61 2.61 2.60 2.59 2.59 2.58 2.58 2.58 2.57 2.57 2.56 2.56 2.56 2.54 2.51 2.49
8 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56 2.54 2.52 2.50 2.49 2.48 2.46 2.45 2.45 2.44 2.43 2.42 2.42 2.41 2.41 2.40 2.40 2.40 2.39 2.39 2.38 2.36 2.34 2.32
9 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42 2.40 2.38 2.36 2.35 2.34 2.33 2.32 2.31 2.30 2.30 2.29 2.29 2.28 2.28 2.27 2.27 2.26 2.26 2.25 2.23 2.21 2.18
10 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32 2.30 2.28 2.27 2.26 2.24 2.23 2.22 2.22 2.21 2.20 2.19 2.19 2.18 2.18 2.17 2.17 2.16 2.16 2.16 2.13 2.11 2.08
11 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27 2.25 2.23 2.21 2.19 2.18 2.17 2.16 2.15 2.14 2.13 2.12 2.12 2.11 2.11 2.10 2.10 2.09 2.08 2.08 2.08 2.05 2.03 2.00
12 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19 2.17 2.15 2.13 2.12 2.10 2.09 2.08 2.08 2.07 2.06 2.05 2.05 2.04 2.04 2.03 2.03 2.02 2.01 2.01 1.99 1.96 1.93
13 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16 2.14 2.12 2.10 2.08 2.07 2.05 2.04 2.03 2.02 2.01 2.01 2.00 1.99 1.99 1.98 1.98 1.97 1.96 1.96 1.96 1.93 1.90 1.88
14 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12 2.10 2.07 2.05 2.04 2.02 2.01 2.00 1.99 1.98 1.97 1.96 1.96 1.95 1.94 1.94 1.93 1.93 1.92 1.92 1.91 1.89 1.86 1.83
15 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06 2.04 2.02 2.00 1.99 1.97 1.96 1.95 1.94 1.93 1.92 1.92 1.91 1.90 1.90 1.89 1.89 1.88 1.88 1.87 1.85 1.82 1.79
16 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06 2.03 2.01 1.99 1.97 1.95 1.94 1.93 1.92 1.91 1.90 1.89 1.88 1.88 1.87 1.87 1.86 1.86 1.85 1.84 1.84 1.81 1.78 1.75
17 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03 2.00 1.98 1.96 1.94 1.93 1.91 1.90 1.89 1.88 1.87 1.86 1.86 1.85 1.84 1.84 1.83 1.83 1.82 1.81 1.81 1.78 1.75 1.72
18 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00 1.98 1.95 1.93 1.92 1.90 1.89 1.87 1.86 1.85 1.84 1.84 1.83 1.82 1.82 1.81 1.80 1.80 1.79 1.79 1.78 1.75 1.72 1.69
19 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98 1.96 1.93 1.91 1.89 1.88 1.86 1.85 1.84 1.83 1.82 1.81 1.81 1.80 1.79 1.79 1.78 1.78 1.77 1.76 1.76 1.73 1.70 1.67
20 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94 1.91 1.89 1.87 1.86 1.84 1.83 1.82 1.81 1.80 1.79 1.79 1.78 1.77 1.77 1.76 1.76 1.75 1.74 1.74 1.71 1.68 1.64
21 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95 1.92 1.90 1.87 1.86 1.84 1.83 1.81 1.80 1.79 1.78 1.78 1.77 1.76 1.75 1.75 1.74 1.74 1.73 1.72 1.72 1.69 1.66 1.62
22 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93 1.90 1.88 1.86 1.84 1.83 1.81 1.80 1.79 1.78 1.77 1.76 1.75 1.74 1.74 1.73 1.73 1.72 1.71 1.71 1.70 1.67 1.64 1.60
23 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92 1.89 1.87 1.84 1.83 1.81 1.80 1.78 1.77 1.76 1.75 1.74 1.74 1.73 1.72 1.72 1.71 1.70 1.69 1.69 1.69 1.66 1.62 1.59
24 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91 1.88 1.85 1.83 1.81 1.80 1.78 1.77 1.76 1.75 1.74 1.73 1.72 1.71 1.71 1.70 1.70 1.69 1.68 1.68 1.67 1.64 1.61 1.57
25 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89 1.87 1.84 1.82 1.80 1.79 1.77 1.76 1.75 1.74 1.73 1.72 1.71 1.70 1.70 1.69 1.68 1.68 1.67 1.66 1.66 1.63 1.59 1.56
26 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88 1.86 1.83 1.81 1.79 1.77 1.76 1.75 1.73 1.72 1.71 1.71 1.70 1.69 1.68 1.68 1.67 1.67 1.66 1.65 1.65 1.61 1.58 1.54
27 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87 1.85 1.82 1.80 1.78 1.76 1.75 1.74 1.72 1.71 1.70 1.70 1.69 1.68 1.67 1.67 1.66 1.65 1.64 1.64 1.64 1.60 1.57 1.53
2.06 2.00 1.94 1.90 1.87 1.84 1.81 1.79 1.77 1.75 1.74 1.73 1.71 1.70 1.69 1.69 1.68 1.67 1.66 1.66 1.65 1.64 1.63 1.63 1.63 1.59 1.56 1.52
28 2.89 2.50 2.29
2. 2.06 1.99 1.93 1.89 1.86 1.83 1.80 1.78 1.76 1.75 1.73 1.72 1.71 1.69 1.68 1.68 1.67 1.66 1.65 1.65 1.64 1.63 1.62 1.62 1.62 1.58 1.55 1.51
29 2.89 2.50 2.28 2.15
30 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82 1.79 1.77 1.75 1.74 1.72 1.71 1.70 1.69 1.68 1.67 1.66 1.65 1.64 1.64 1.63 1.63 1.62 1.61 1.61 1.57 1.54 1.50
31 2.87 2.48 2.27 2.14 2.04 1.97 1.92 1.88 1.84 1.81 1.79 1.77 1.75 1.73 1.71 1.70 1.69 1.68 1.67 1.66 1.65 1.64 1.64 1.63 1.62 1.62 1.61 1.60 1.60 1.56 1.53 1.49
32 2.87 2.48 2.26 2.13 2.04 1.97 1.91 1.87 1.83 1.81 1.78 1.76 1.74 1.72 1.71 1.69 1.68 1.67 1.66 1.65 1.64 1.64 1.63 1.62 1.62 1.61 1.60 1.59 1.59 1.56 1.52 1.48
33 2.86 2.47 2.26 2.12 2.03 1.96 1.91 1.86 1.83 1.80 1.77 1.75 1.73 1.72 1.70 1.69 1.67 1.66 1.65 1.64 1.64 1.63 1.62 1.61 1.61 1.60 1.59 1.59 1.58 1.55 1.51 1.47
34 2.86 2.47 2.25 2.12 2.02 1.96 1.90 1.86 1.82 1.79 1.77 1.75 1.73 1.71 1.69 1.68 1.67 1.66 1.65 1.64 1.63 1.62 1.61 1.61 1.60 1.60 1.59 1.58 1.58 1.54 1.50 1.46
35 2.85 2.46 2.25 2.11 2.02 1.95 1.90 1.85 1.82 1.79 1.76 1.74 1.72 1.70 1.69 1.67 1.66 1.65 1.64 1.63 1.62 1.62 1.61 1.60 1.60 1.59 1.58 1.57 1.57 1.53 1.50 1.46
36 2.85 2.46 2.24 2.11 2.01 1.94 1.89 1.85 1.81 1.78 1.76 1.73 1.71 1.70 1.68 1.67 1.66 1.65 1.64 1.63 1.62 1.61 1.60 1.60 1.59 1.58 1.57 1.57 1.56 1.53 1.49 1.45
37 2.85 2.45 2.24 2.10 2.01 1.94 1.89 1.84 1.81 1.78 1.75 1.73 1.71 1.69 1.68 1.66 1.65 1.64 1.63 1.62 1.61 1.60 1.60 1.59 1.58 1.58 1.57 1.56 1.56 1.52 1.48 1.44
38 2.84 2.45 2.23 2.10 2.01 1.94 1.88 1.84 1.80 1.77 1.75 1.72 1.70 1.69 1.67 1.66 1.65 1.63 1.62 1.61 1.61 1.60 1.59 1.58 1.58 1.57 1.56 1.56 1.55 1.52 1.48 1.44
39 2.84 2.44 2.23 2.09 2.00 1.93 1.88 1.83 1.80 1.77 1.74 1.72 1.70 1.68 1.67 1.65 1.64 1.63 1.62 1.61 1.60 1.59 1.59 1.58 1.57 1.57 1.56 1.55 1.55 1.51 1.47 1.43
40 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79 1.76 1.74 1.71 1.70 1.68 1.66 1.65 1.64 1.62 1.61 1.61 1.60 1.59 1.58 1.57 1.57 1.56 1.55 1.55 1.54 1.51 1.47 1.42
60 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71 1.68 1.66 1.64 1.62 1.60 1.59 1.58 1.56 1.55 1.54 1.53 1.53 1.52 1.51 1.50 1.50 1.49 1.48 1.48 1.44 1.40 1.35
120 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65 1.63 1.60 1.58 1.56 1.55 1.53 1.52 1.50 1.49 1.48 1.47 1.46 1.46 1.45 1.44 1.43 1.42 1.41 1.41 1.37 1.32 1.26
v2\v1
Distribucin F de Fisher ( F 0.10, 1 , 2 )
270
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
28
29
30
40
60 120
1 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5 241.9 243.0 243.9 244.7 245.4 245.9 246.5 246.9 247.3 247.7 248.0 248.3 248.6 248.8 249.1 249.3 249.5 249.8 250.0 250.1 251.1 252.2 253.3
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.40 19.41 19.42 19.42 19.43 19.43 19.44 19.44 19.44 19.45 19.45 19.45 19.45 19.45 19.46 19.46 19.46 19.46 19.46 19.47 19.48 19.49
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.73 8.71 8.70 8.69 8.68 8.67 8.67 8.66 8.65 8.65 8.64 8.64 8.63 8.63 8.62 8.62 8.62 8.59 8.57 8.55
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.94 5.91 5.89 5.87 5.86 5.84 5.83 5.82 5.81 5.80 5.79 5.79 5.78 5.77 5.77 5.76 5.75 5.75 5.75 5.72 5.69 5.66
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.66 4.64 4.62 4.60 4.59 4.58 4.57 4.56 4.55 4.54 4.53 4.53 4.52 4.52 4.50 4.50 4.50 4.46 4.43 4.40
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.98 3.96 3.94 3.92 3.91 3.90 3.88 3.87 3.86 3.86 3.85 3.84 3.83 3.83 3.82 3.81 3.81 3.77 3.74 3.70
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.55 3.53 3.51 3.49 3.48 3.47 3.46 3.44 3.43 3.43 3.42 3.41 3.40 3.40 3.39 3.38 3.38 3.34 3.30 3.27
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.26 3.24 3.22 3.20 3.19 3.17 3.16 3.15 3.14 3.13 3.12 3.12 3.11 3.10 3.09 3.08 3.08 3.04 3.01 2.97
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.10 3.07 3.05 3.03 3.01 2.99 2.97 2.96 2.95 2.94 2.93 2.92 2.91 2.90 2.89 2.89 2.87 2.87 2.86 2.83 2.79 2.75
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.94 2.91 2.89 2.86 2.85 2.83 2.81 2.80 2.79 2.77 2.76 2.75 2.75 2.74 2.73 2.72 2.71 2.70 2.70 2.66 2.62 2.58
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.82 2.79 2.76 2.74 2.72 2.70 2.69 2.67 2.66 2.65 2.64 2.63 2.62 2.61 2.60 2.59 2.58 2.58 2.57 2.53 2.49 2.45
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.72 2.69 2.66 2.64 2.62 2.60 2.58 2.57 2.56 2.54 2.53 2.52 2.51 2.51 2.50 2.49 2.48 2.47 2.47 2.43 2.38 2.34
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.63 2.60 2.58 2.55 2.53 2.51 2.50 2.48 2.47 2.46 2.45 2.44 2.43 2.42 2.41 2.41 2.39 2.39 2.38 2.34 2.30 2.25
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.57 2.53 2.51 2.48 2.46 2.44 2.43 2.41 2.40 2.39 2.38 2.37 2.36 2.35 2.34 2.33 2.32 2.31 2.31 2.27 2.22 2.18
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.51 2.48 2.45 2.42 2.40 2.38 2.37 2.35 2.34 2.33 2.32 2.31 2.30 2.29 2.28 2.27 2.26 2.25 2.25 2.20 2.16 2.11
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.46 2.42 2.40 2.37 2.35 2.33 2.32 2.30 2.29 2.28 2.26 2.25 2.24 2.24 2.23 2.22 2.21 2.20 2.19 2.15 2.11 2.06
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.41 2.38 2.35 2.33 2.31 2.29 2.27 2.26 2.24 2.23 2.22 2.21 2.20 2.19 2.18 2.17 2.16 2.15 2.15 2.10 2.06 2.01
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.31 2.29 2.27 2.25 2.23 2.22 2.20 2.19 2.18 2.17 2.16 2.15 2.14 2.13 2.12 2.11 2.11 2.06 2.02 1.97
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.34 2.31 2.28 2.26 2.23 2.21 2.20 2.18 2.17 2.16 2.14 2.13 2.12 2.11 2.11 2.10 2.08 2.08 2.07 2.03 1.98 1.93
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.31 2.28 2.25 2.22 2.20 2.18 2.17 2.15 2.14 2.12 2.11 2.10 2.09 2.08 2.07 2.07 2.05 2.05 2.04 1.99 1.95 1.90
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.28 2.25 2.22 2.20 2.18 2.16 2.14 2.12 2.11 2.10 2.08 2.07 2.06 2.05 2.05 2.04 2.02 2.02 2.01 1.96 1.92 1.87
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.26 2.23 2.20 2.17 2.15 2.13 2.11 2.10 2.08 2.07 2.06 2.05 2.04 2.03 2.02 2.01 2.00 1.99 1.98 1.94 1.89 1.84
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.24 2.20 2.18 2.15 2.13 2.11 2.09 2.08 2.06 2.05 2.04 2.02 2.01 2.01 2.00 1.99 1.97 1.97 1.96 1.91 1.86 1.81
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.22 2.18 2.15 2.13 2.11 2.09 2.07 2.05 2.04 2.03 2.01 2.00 1.99 1.98 1.97 1.97 1.95 1.95 1.94 1.89 1.84 1.79
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.20 2.16 2.14 2.11 2.09 2.07 2.05 2.04 2.02 2.01 2.00 1.98 1.97 1.96 1.96 1.95 1.93 1.93 1.92 1.87 1.82 1.77
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.12 2.09 2.07 2.05 2.03 2.02 2.00 1.99 1.98 1.97 1.96 1.95 1.94 1.93 1.91 1.91 1.90 1.85 1.80 1.75
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.17 2.13 2.10 2.08 2.06 2.04 2.02 2.00 1.99 1.97 1.96 1.95 1.94 1.93 1.92 1.91 1.90 1.89 1.88 1.84 1.79 1.73
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.15 2.12 2.09 2.06 2.04 2.02 2.00 1.99 1.97 1.96 1.95 1.93 1.92 1.91 1.91 1.90 1.88 1.88 1.87 1.82 1.77 1.71
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.08 2.05 2.03 2.01 1.99 1.97 1.96 1.94 1.93 1.92 1.91 1.90 1.89 1.88 1.87 1.86 1.85 1.81 1.75 1.70
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.13 2.09 2.06 2.04 2.01 1.99 1.98 1.96 1.95 1.93 1.92 1.91 1.90 1.89 1.88 1.87 1.85 1.85 1.84 1.79 1.74 1.68
31 4.16 3.30 2.91 2.68 2.52 2.41 2.32 2.25 2.20 2.15 2.11 2.08 2.05 2.03 2.00 1.98 1.96 1.95 1.93 1.92 1.91 1.90 1.88 1.88 1.87 1.86 1.84 1.83 1.83 1.78 1.73 1.67
32 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14 2.10 2.07 2.04 2.01 1.99 1.97 1.95 1.94 1.92 1.91 1.90 1.88 1.87 1.86 1.85 1.85 1.83 1.82 1.82 1.77 1.71 1.66
33 4.14 3.28 2.89 2.66 2.50 2.39 2.30 2.23 2.18 2.13 2.09 2.06 2.03 2.00 1.98 1.96 1.94 1.93 1.91 1.90 1.89 1.87 1.86 1.85 1.84 1.83 1.82 1.81 1.81 1.76 1.70 1.64
34 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12 2.08 2.05 2.02 1.99 1.97 1.95 1.93 1.92 1.90 1.89 1.88 1.86 1.85 1.84 1.83 1.82 1.81 1.80 1.80 1.75 1.69 1.63
35 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11 2.07 2.04 2.01 1.99 1.96 1.94 1.92 1.91 1.89 1.88 1.87 1.85 1.84 1.83 1.82 1.82 1.80 1.79 1.79 1.74 1.68 1.62
36 4.11 3.26 2.87 2.63 2.48 2.36 2.28 2.21 2.15 2.11 2.07 2.03 2.00 1.98 1.95 1.93 1.92 1.90 1.88 1.87 1.86 1.85 1.83 1.82 1.81 1.81 1.79 1.78 1.78 1.73 1.67 1.61
37 4.11 3.25 2.86 2.63 2.47 2.36 2.27 2.20 2.14 2.10 2.06 2.02 2.00 1.97 1.95 1.93 1.91 1.89 1.88 1.86 1.85 1.84 1.83 1.82 1.81 1.80 1.78 1.77 1.77 1.72 1.66 1.60
38 4.10 3.24 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09 2.05 2.02 1.99 1.96 1.94 1.92 1.90 1.88 1.87 1.85 1.84 1.83 1.82 1.81 1.80 1.79 1.77 1.77 1.76 1.71 1.65 1.59
39 4.09 3.24 2.85 2.61 2.46 2.34 2.26 2.19 2.13 2.08 2.04 2.01 1.98 1.95 1.93 1.91 1.89 1.88 1.86 1.85 1.83 1.82 1.81 1.80 1.79 1.78 1.77 1.76 1.75 1.70 1.65 1.58
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 2.04 2.00 1.97 1.95 1.92 1.90 1.89 1.87 1.85 1.84 1.83 1.81 1.80 1.79 1.78 1.77 1.76 1.75 1.74 1.69 1.64 1.58
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.95 1.92 1.89 1.86 1.84 1.82 1.80 1.78 1.76 1.75 1.73 1.72 1.71 1.70 1.69 1.68 1.66 1.66 1.65 1.59 1.53 1.47
120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.83 1.80 1.78 1.75 1.73 1.71 1.69 1.67 1.66 1.64 1.63 1.62 1.61 1.60 1.59 1.57 1.56 1.55 1.50 1.43 1.35
v2\v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
60
120
v2\v1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
28
29
30
40
60
120
271
648 799 864 900 922 937 948 957 963 969 973 977 980 983 985 987 989 990 992 993 994 995 996 997 998 999 1000 1001 1001 1006 1010 1014
38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40 39.41 39.41 39.42 39.43 39.43 39.44 39.44 39.44 39.45 39.45 39.45 39.45 39.45 39.46 39.46 39.46 39.46 39.46 39.46 39.47 39.48 39.49
17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42 14.37 14.34 14.30 14.28 14.25 14.23 14.21 14.20 14.18 14.17 14.16 14.14 14.13 14.12 14.12 14.11 14.09 14.09 14.08 14.04 13.99 13.95
12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.79 8.75 8.72 8.68 8.66 8.63 8.61 8.59 8.58 8.56 8.55 8.53 8.52 8.51 8.50 8.49 8.48 8.47
8.46 8.41 8.36 8.31
10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.57 6.52 6.49 6.46 6.43 6.40 6.38 6.36 6.34 6.33 6.31 6.30 6.29 6.28 6.27 6.26 6.24 6.23
6.23 6.18 6.12 6.07
8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.41 5.37 5.33 5.30 5.27 5.24 5.22 5.20 5.18 5.17 5.15 5.14 5.13 5.12 5.11 5.10 5.08 5.07
5.07 5.01 4.96 4.90
8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.71 4.67 4.63 4.60 4.57 4.54 4.52 4.50 4.48 4.47 4.45 4.44 4.43 4.41 4.40 4.39 4.38 4.37
4.36 4.31 4.25 4.20
7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.24 4.20 4.16 4.13 4.10 4.08 4.05 4.03 4.02 4.00 3.98 3.97 3.96 3.95 3.94 3.93 3.91 3.90
3.89 3.84 3.78 3.73
7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.91 3.87 3.83 3.80 3.77 3.74 3.72 3.70 3.68 3.67 3.65 3.64 3.63 3.61 3.60 3.59 3.58 3.57
3.56 3.51 3.45 3.39
6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.66 3.62 3.58 3.55 3.52 3.50 3.47 3.45 3.44 3.42 3.40 3.39 3.38 3.37 3.35 3.34 3.33 3.32
3.31 3.26 3.20 3.14
6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.47 3.43 3.39 3.36 3.33 3.30 3.28 3.26 3.24 3.23 3.21 3.20 3.18 3.17 3.16 3.15 3.13 3.13
3.12 3.06 3.00 2.94
6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.32 3.28 3.24 3.21 3.18 3.15 3.13 3.11 3.09 3.07 3.06 3.04 3.03 3.02 3.01 3.00 2.98 2.97
2.96 2.91 2.85 2.79
6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.20 3.15 3.12 3.08 3.05 3.03 3.00 2.98 2.96 2.95 2.93 2.92 2.91 2.89 2.88 2.87 2.85 2.85
2.84 2.78 2.72 2.66
6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 3.09 3.05 3.01 2.98 2.95 2.92 2.90 2.88 2.86 2.84 2.83 2.81 2.80 2.79 2.78 2.77 2.75 2.74
2.73 2.67 2.61 2.55
6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 3.01 2.96 2.92 2.89 2.86 2.84 2.81 2.79 2.77 2.76 2.74 2.73 2.71 2.70 2.69 2.68 2.66 2.65
2.64 2.59 2.52 2.46
6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.93 2.89 2.85 2.82 2.79 2.76 2.74 2.72 2.70 2.68 2.67 2.65 2.64 2.63 2.61 2.60 2.58 2.58
2.57 2.51 2.45 2.38
6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.87 2.82 2.79 2.75 2.72 2.70 2.67 2.65 2.63 2.62 2.60 2.59 2.57 2.56 2.55 2.54 2.52 2.51
2.50 2.44 2.38 2.32
5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.81 2.77 2.73 2.70 2.67 2.64 2.62 2.60 2.58 2.56 2.54 2.53 2.52 2.50 2.49 2.48 2.46 2.45
2.44 2.38 2.32 2.26
5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.76 2.72 2.68 2.65 2.62 2.59 2.57 2.55 2.53 2.51 2.49 2.48 2.46 2.45 2.44 2.43 2.41 2.40
2.39 2.33 2.27 2.20
5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.72 2.68 2.64 2.60 2.57 2.55 2.52 2.50 2.48 2.46 2.45 2.43 2.42 2.41 2.40 2.39 2.37 2.36
2.35 2.29 2.22 2.16
5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.68 2.64 2.60 2.56 2.53 2.51 2.48 2.46 2.44 2.42 2.41 2.39 2.38 2.37 2.36 2.34 2.33 2.32
2.31 2.25 2.18 2.11
5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.65 2.60 2.56 2.53 2.50 2.47 2.45 2.43 2.41 2.39 2.37 2.36 2.34 2.33 2.32 2.31 2.29 2.28
2.27 2.21 2.14 2.08
5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.62 2.57 2.53 2.50 2.47 2.44 2.42 2.39 2.37 2.36 2.34 2.33 2.31 2.30 2.29 2.28 2.26 2.25
2.24 2.18 2.11 2.04
5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.59 2.54 2.50 2.47 2.44 2.41 2.39 2.36 2.35 2.33 2.31 2.30 2.28 2.27 2.26 2.25 2.23 2.22
2.21 2.15 2.08 2.01
5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.56 2.51 2.48 2.44 2.41 2.38 2.36 2.34 2.32 2.30 2.28 2.27 2.26 2.24 2.23 2.22 2.20 2.19
2.18 2.12 2.05 1.98
5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59 2.54 2.49 2.45 2.42 2.39 2.36 2.34 2.31 2.29 2.28 2.26 2.24 2.23 2.22 2.21 2.19 2.17 2.17
2.16 2.09 2.03 1.95
5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57 2.51 2.47 2.43 2.39 2.36 2.34 2.31 2.29 2.27 2.25 2.24 2.22 2.21 2.19 2.18 2.17 2.15 2.14
2.13 2.07 2.00 1.93
5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55 2.49 2.45 2.41 2.37 2.34 2.32 2.29 2.27 2.25 2.23 2.22 2.20 2.19 2.17 2.16 2.15 2.13 2.12
2.11 2.05 1.98 1.91
5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53 2.48 2.43 2.39 2.36 2.32 2.30 2.27 2.25 2.23 2.21 2.20 2.18 2.17 2.15 2.14 2.13 2.11 2.10
2.09 2.03 1.96 1.89
5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.46 2.41 2.37 2.34 2.31 2.28 2.26 2.23 2.21 2.20 2.18 2.16 2.15 2.14 2.12 2.11 2.09 2.08
2.07 2.01 1.94 1.87
5.55 4.16 3.57 3.23 3.01 2.85 2.73 2.64 2.56 2.50 2.44 2.40 2.36 2.32 2.29 2.26 2.24 2.22 2.20 2.18 2.16 2.15 2.13 2.12 2.11 2.10 2.07 2.07
2.06 1.99 1.92 1.85
5.53 4.15 3.56 3.22 3.00 2.84 2.71 2.62 2.54 2.48 2.43 2.38 2.34 2.31 2.28 2.25 2.22 2.20 2.18 2.16 2.15 2.13 2.12 2.10 2.09 2.08 2.06 2.05
2.04 1.98 1.91 1.83
5.51 4.13 3.54 3.20 2.98 2.82 2.70 2.61 2.53 2.47 2.41 2.37 2.33 2.29 2.26 2.23 2.21 2.19 2.17 2.15 2.13 2.12 2.10 2.09 2.08 2.06 2.04 2.03
2.03 1.96 1.89 1.81
5.50 4.12 3.53 3.19 2.97 2.81 2.69 2.59 2.52 2.45 2.40 2.35 2.31 2.28 2.25 2.22 2.20 2.17 2.15 2.13 2.12 2.10 2.09 2.07 2.06 2.05 2.03 2.02
2.01 1.95 1.88 1.80
5.48 4.11 3.52 3.18 2.96 2.80 2.68 2.58 2.50 2.44 2.39 2.34 2.30 2.27 2.23 2.21 2.18 2.16 2.14 2.12 2.10 2.09 2.07 2.06 2.05 2.04 2.02 2.01
2.00 1.93 1.86 1.79
5.47 4.09 3.50 3.17 2.94 2.78 2.66 2.57 2.49 2.43 2.37 2.33 2.29 2.25 2.22 2.20 2.17 2.15 2.13 2.11 2.09 2.08 2.06 2.05 2.04 2.03 2.00 2.00
1.99 1.92 1.85 1.77
5.46 4.08 3.49 3.16 2.93 2.77 2.65 2.56 2.48 2.42 2.36 2.32 2.28 2.24 2.21 2.18 2.16 2.14 2.12 2.10 2.08 2.07 2.05 2.04 2.03 2.01 1.99 1.98
1.97 1.91 1.84 1.76
5.45 4.07 3.48 3.15 2.92 2.76 2.64 2.55 2.47 2.41 2.35 2.31 2.27 2.23 2.20 2.17 2.15 2.13 2.11 2.09 2.07 2.05 2.04 2.03 2.01 2.00 1.98 1.97
1.96 1.90 1.82 1.75
5.43 4.06 3.47 3.14 2.91 2.75 2.63 2.54 2.46 2.40 2.34 2.30 2.26 2.22 2.19 2.16 2.14 2.12 2.10 2.08 2.06 2.04 2.03 2.02 2.00 1.99 1.97 1.96
1.95 1.89 1.81 1.74
5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39 2.33 2.29 2.25 2.21 2.18 2.15 2.13 2.11 2.09 2.07 2.05 2.03 2.02 2.01 1.99 1.98 1.96 1.95
1.94 1.88 1.80 1.72
5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27 2.22 2.17 2.13 2.09 2.06 2.03 2.01 1.98 1.96 1.94 1.93 1.91 1.90 1.88 1.87 1.86 1.83 1.82
1.82 1.74 1.67 1.58
5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16 2.10 2.05 2.01 1.98 1.94 1.92 1.89 1.87 1.84 1.82 1.81 1.79 1.77 1.76 1.75 1.73 1.71 1.70
1.69 1.61 1.53 1.43
Distribucin F de Fisher ( F 0.025,1 , 2 )
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
60
120
v2\v1
4999
99.00
30.82
18.00
13.27
10.92
9.55
8.65
8.02
7.56
7.21
6.93
6.70
6.51
6.36
6.23
6.11
6.01
5.93
5.85
5.78
5.72
5.66
5.61
5.57
5.53
5.49
5.45
5.42
5.39
5.36
5.34
5.31
5.29
5.27
5.25
5.23
5.21
5.19
5.18
4.98
4.79
4052
98.50
34.12
21.20
16.26
13.75
12.25
11.26
10.56
10.04
9.65
9.33
9.07
8.86
8.68
8.53
8.40
8.29
8.18
8.10
8.02
7.95
7.88
7.82
7.77
7.72
7.68
7.64
7.60
7.56
7.53
7.50
7.47
7.44
7.42
7.40
7.37
7.35
7.33
7.31
7.08
6.85
5404
99.16
29.46
16.69
12.06
9.78
8.45
7.59
6.99
6.55
6.22
5.95
5.74
5.56
5.42
5.29
5.19
5.09
5.01
4.94
4.87
4.82
4.76
4.72
4.68
4.64
4.60
4.57
4.54
4.51
4.48
4.46
4.44
4.42
4.40
4.38
4.36
4.34
4.33
4.31
4.13
3.95
5624
99.25
28.71
15.98
11.39
9.15
7.85
7.01
6.42
5.99
5.67
5.41
5.21
5.04
4.89
4.77
4.67
4.58
4.50
4.43
4.37
4.31
4.26
4.22
4.18
4.14
4.11
4.07
4.04
4.02
3.99
3.97
3.95
3.93
3.91
3.89
3.87
3.86
3.84
3.83
3.65
3.48
5764
99.30
28.24
15.52
10.97
8.75
7.46
6.63
6.06
5.64
5.32
5.06
4.86
4.69
4.56
4.44
4.34
4.25
4.17
4.10
4.04
3.99
3.94
3.90
3.85
3.82
3.78
3.75
3.73
3.70
3.67
3.65
3.63
3.61
3.59
3.57
3.56
3.54
3.53
3.51
3.34
3.17
5859
99.33
27.91
15.21
10.67
8.47
7.19
6.37
5.80
5.39
5.07
4.82
4.62
4.46
4.32
4.20
4.10
4.01
3.94
3.87
3.81
3.76
3.71
3.67
3.63
3.59
3.56
3.53
3.50
3.47
3.45
3.43
3.41
3.39
3.37
3.35
3.33
3.32
3.30
3.29
3.12
2.96
5928
99.36
27.67
14.98
10.46
8.26
6.99
6.18
5.61
5.20
4.89
4.64
4.44
4.28
4.14
4.03
3.93
3.84
3.77
3.70
3.64
3.59
3.54
3.50
3.46
3.42
3.39
3.36
3.33
3.30
3.28
3.26
3.24
3.22
3.20
3.18
3.17
3.15
3.14
3.12
2.95
2.79
8
5981
99.38
27.49
14.80
10.29
8.10
6.84
6.03
5.47
5.06
4.74
4.50
4.30
4.14
4.00
3.89
3.79
3.71
3.63
3.56
3.51
3.45
3.41
3.36
3.32
3.29
3.26
3.23
3.20
3.17
3.15
3.13
3.11
3.09
3.07
3.05
3.04
3.02
3.01
2.99
2.82
2.66
9
6022
99.39
27.34
14.66
10.16
7.98
6.72
5.91
5.35
4.94
4.63
4.39
4.19
4.03
3.89
3.78
3.68
3.60
3.52
3.46
3.40
3.35
3.30
3.26
3.22
3.18
3.15
3.12
3.09
3.07
3.04
3.02
3.00
2.98
2.96
2.95
2.93
2.92
2.90
2.89
2.72
2.56
10
6056
99.40
27.23
14.55
10.05
7.87
6.62
5.81
5.26
4.85
4.54
4.30
4.10
3.94
3.80
3.69
3.59
3.51
3.43
3.37
3.31
3.26
3.21
3.17
3.13
3.09
3.06
3.03
3.00
2.98
2.96
2.93
2.91
2.89
2.88
2.86
2.84
2.83
2.81
2.80
2.63
2.47
6083
99.41
27.13
14.45
9.96
7.79
6.54
5.73
5.18
4.77
4.46
4.22
4.02
3.86
3.73
3.62
3.52
3.43
3.36
3.29
3.24
3.18
3.14
3.09
3.06
3.02
2.99
2.96
2.93
2.91
2.88
2.86
2.84
2.82
2.80
2.79
2.77
2.75
2.74
2.73
2.56
2.40
11
6107
99.42
27.05
14.37
9.89
7.72
6.47
5.67
5.11
4.71
4.40
4.16
3.96
3.80
3.67
3.55
3.46
3.37
3.30
3.23
3.17
3.12
3.07
3.03
2.99
2.96
2.93
2.90
2.87
2.84
2.82
2.80
2.78
2.76
2.74
2.72
2.71
2.69
2.68
2.66
2.50
2.34
12
6126
99.42
26.98
14.31
9.82
7.66
6.41
5.61
5.05
4.65
4.34
4.10
3.91
3.75
3.61
3.50
3.40
3.32
3.24
3.18
3.12
3.07
3.02
2.98
2.94
2.90
2.87
2.84
2.81
2.79
2.77
2.74
2.72
2.70
2.69
2.67
2.65
2.64
2.62
2.61
2.44
2.28
13
6143
99.43
26.92
14.25
9.77
7.60
6.36
5.56
5.01
4.60
4.29
4.05
3.86
3.70
3.56
3.45
3.35
3.27
3.19
3.13
3.07
3.02
2.97
2.93
2.89
2.86
2.82
2.79
2.77
2.74
2.72
2.70
2.68
2.66
2.64
2.62
2.61
2.59
2.58
2.56
2.39
2.23
14
16
6170
99.44
26.83
14.15
9.68
7.52
6.28
5.48
4.92
4.52
4.21
3.97
3.78
3.62
3.49
3.37
3.27
3.19
3.12
3.05
2.99
2.94
2.89
2.85
2.81
2.78
2.75
2.72
2.69
2.66
2.64
2.62
2.60
2.58
2.56
2.54
2.53
2.51
2.50
2.48
2.31
2.15
272
6157
99.43
26.87
14.20
9.72
7.56
6.31
5.52
4.96
4.56
4.25
4.01
3.82
3.66
3.52
3.41
3.31
3.23
3.15
3.09
3.03
2.98
2.93
2.89
2.85
2.81
2.78
2.75
2.73
2.70
2.68
2.65
2.63
2.61
2.60
2.58
2.56
2.55
2.54
2.52
2.35
2.19
15
6181
99.44
26.79
14.11
9.64
7.48
6.24
5.44
4.89
4.49
4.18
3.94
3.75
3.59
3.45
3.34
3.24
3.16
3.08
3.02
2.96
2.91
2.86
2.82
2.78
2.75
2.71
2.68
2.66
2.63
2.61
2.58
2.56
2.54
2.53
2.51
2.49
2.48
2.46
2.45
2.28
2.12
17
6191
99.44
26.75
14.08
9.61
7.45
6.21
5.41
4.86
4.46
4.15
3.91
3.72
3.56
3.42
3.31
3.21
3.13
3.05
2.99
2.93
2.88
2.83
2.79
2.75
2.72
2.68
2.65
2.63
2.60
2.58
2.55
2.53
2.51
2.50
2.48
2.46
2.45
2.43
2.42
2.25
2.09
18
6201
99.45
26.72
14.05
9.58
7.42
6.18
5.38
4.83
4.43
4.12
3.88
3.69
3.53
3.40
3.28
3.19
3.10
3.03
2.96
2.90
2.85
2.80
2.76
2.72
2.69
2.66
2.63
2.60
2.57
2.55
2.53
2.51
2.49
2.47
2.45
2.44
2.42
2.41
2.39
2.22
2.06
19
6209
99.45
26.69
14.02
9.55
7.40
6.16
5.36
4.81
4.41
4.10
3.86
3.66
3.51
3.37
3.26
3.16
3.08
3.00
2.94
2.88
2.83
2.78
2.74
2.70
2.66
2.63
2.60
2.57
2.55
2.52
2.50
2.48
2.46
2.44
2.43
2.41
2.40
2.38
2.37
2.20
2.03
20

21
6216
99.45
26.66
13.99
9.53
7.37
6.13
5.34
4.79
4.38
4.08
3.84
3.64
3.48
3.35
3.24
3.14
3.05
2.98
2.92
2.86
2.81
2.76
2.72
2.68
2.64
2.61
2.58
2.55
2.53
2.50
2.48
2.46
2.44
2.42
2.41
2.39
2.37
2.36
2.35
2.17
2.01
22
6223
99.46
26.64
13.97
9.51
7.35
6.11
5.32
4.77
4.36
4.06
3.82
3.62
3.46
3.33
3.22
3.12
3.03
2.96
2.90
2.84
2.78
2.74
2.70
2.66
2.62
2.59
2.56
2.53
2.51
2.48
2.46
2.44
2.42
2.40
2.38
2.37
2.35
2.34
2.33
2.15
1.99
23
6229
99.46
26.62
13.95
9.49
7.33
6.09
5.30
4.75
4.34
4.04
3.80
3.60
3.44
3.31
3.20
3.10
3.02
2.94
2.88
2.82
2.77
2.72
2.68
2.64
2.60
2.57
2.54
2.51
2.49
2.46
2.44
2.42
2.40
2.38
2.37
2.35
2.33
2.32
2.31
2.13
1.97
24
6234
99.46
26.60
13.93
9.47
7.31
6.07
5.28
4.73
4.33
4.02
3.78
3.59
3.43
3.29
3.18
3.08
3.00
2.92
2.86
2.80
2.75
2.70
2.66
2.62
2.58
2.55
2.52
2.49
2.47
2.45
2.42
2.40
2.38
2.36
2.35
2.33
2.32
2.30
2.29
2.12
1.95
25
6240
99.46
26.58
13.91
9.45
7.30
6.06
5.26
4.71
4.31
4.01
3.76
3.57
3.41
3.28
3.16
3.07
2.98
2.91
2.84
2.79
2.73
2.69
2.64
2.60
2.57
2.54
2.51
2.48
2.45
2.43
2.41
2.39
2.37
2.35
2.33
2.31
2.30
2.29
2.27
2.10
1.93
26
6245
99.46
26.56
13.89
9.43
7.28
6.04
5.25
4.70
4.30
3.99
3.75
3.56
3.40
3.26
3.15
3.05
2.97
2.89
2.83
2.77
2.72
2.67
2.63
2.59
2.55
2.52
2.49
2.46
2.44
2.41
2.39
2.37
2.35
2.33
2.32
2.30
2.28
2.27
2.26
2.08
1.92
28
6253
99.46
26.53
13.86
9.40
7.25
6.02
5.22
4.67
4.27
3.96
3.72
3.53
3.37
3.24
3.12
3.03
2.94
2.87
2.80
2.74
2.69
2.64
2.60
2.56
2.53
2.49
2.46
2.44
2.41
2.39
2.36
2.34
2.32
2.30
2.29
2.27
2.26
2.24
2.23
2.05
1.89
29
6257
99.46
26.52
13.85
9.39
7.24
6.00
5.21
4.66
4.26
3.95
3.71
3.52
3.36
3.23
3.11
3.01
2.93
2.86
2.79
2.73
2.68
2.63
2.59
2.55
2.51
2.48
2.45
2.42
2.40
2.37
2.35
2.33
2.31
2.29
2.28
2.26
2.24
2.23
2.22
2.04
1.87
30
6260
99.47
26.50
13.84
9.38
7.23
5.99
5.20
4.65
4.25
3.94
3.70
3.51
3.35
3.21
3.10
3.00
2.92
2.84
2.78
2.72
2.67
2.62
2.58
2.54
2.50
2.47
2.44
2.41
2.39
2.36
2.34
2.32
2.30
2.28
2.26
2.25
2.23
2.22
2.20
2.03
1.86
40
6286
99.48
26.41
13.75
9.29
7.14
5.91
5.12
4.57
4.17
3.86
3.62
3.43
3.27
3.13
3.02
2.92
2.84
2.76
2.69
2.64
2.58
2.54
2.49
2.45
2.42
2.38
2.35
2.33
2.30
2.27
2.25
2.23
2.21
2.19
2.18
2.16
2.14
2.13
2.11
1.94
1.76
60
6313
99.48
26.32
13.65
9.20
7.06
5.82
5.03
4.48
4.08
3.78
3.54
3.34
3.18
3.05
2.93
2.83
2.75
2.67
2.61
2.55
2.50
2.45
2.40
2.36
2.33
2.29
2.26
2.23
2.21
2.18
2.16
2.14
2.12
2.10
2.08
2.06
2.05
2.03
2.02
1.84
1.66
120
6340
99.49
26.22
13.56
9.11
6.97
5.74
4.95
4.40
4.00
3.69
3.45
3.25
3.09
2.96
2.84
2.75
2.66
2.58
2.52
2.46
2.40
2.35
2.31
2.27
2.23
2.20
2.17
2.14
2.11
2.09
2.06
2.04
2.02
2.00
1.98
1.96
1.95
1.93
1.92
1.73
1.53
Tabla IX - Valores Crticos de U en la Prueba de Mann - Whitney

En la primera tabla, las anotaciones corresponden a los valores crticos de U para una prueba de una
cola en 0.025 o para una prueba de dos colas en 0.05; en la segunda, para una prueba de una cola en
0.05 o para una prueba de dos colas en 0.10.
n1 1
n2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
n1 1
n2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
0
20
0
10
11
12
13
14
15
16
17
18
19
20
0
0
0
0
1
1
1
1
1
2
2
2
2
0
1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
0
1
2
3
4
4
5
6
7
8
9
10
11
11
12
13
13
0
1
2
3
5
6
7
8
9
11
12
13
14
15
17
18
19
20
1
2
3
5
6
8
10
11
13
14
16
17
19
21
22
24
25
27
1
3
5
6
8
10
12
14
16
18
20
22
24
26
28
30
32
34
0
2
4
6
8
10
13
15
17
19
22
24
26
29
31
34
36
38
41
0
2
4
7
10
12
15
17
20
23
26
28
31
34
37
39
42
45
48
0
3
5
8
11
14
17
20
23
26
29
33
36
39
42
45
48
52
55
0
3
6
9
13
16
19
23
26
30
33
37
40
44
47
51
55
58
62
1
4
7
11
14
18
22
26
29
33
37
41
45
49
53
57
61
65
69
1
4
8
12
16
20
24
28
33
37
41
45
50
54
59
63
67
72
76
1
5
9
13
17
22
26
31
36
40
45
50
55
59
64
67
74
78
83
1
5
10
14
19
24
29
34
39
44
49
54
59
64
70
75
80
85
90
1
6
11
15
21
26
31
37
42
47
53
59
64
70
75
81
86
92
98
2
6
11
17
22
28
34
39
45
51
57
63
67
75
81
87
93
99
105
2
7
12
18
24
30
36
42
48
55
61
67
74
80
86
93
99
106
112
2
7
13
19
25
32
38
45
52
58
65
72
78
85
92
99
106
113
119
2
8
13
20
27
34
41
48
55
62
69
76
83
90
98
105
112
119
127
10
11
12
13
14
15
16
17
18
19
20
0
1
2
3
4
5
6
7
8
9
10
11
12
14
15
16
17
18
0
1
2
4
5
6
8
9
11
12
13
15
16
18
19
20
22
23
25
0
2
3
5
7
8
10
12
14
16
17
19
21
23
25
26
28
30
32
0
2
4
6
8
11
13
15
17
19
21
24
26
28
30
33
35
37
39
1
3
5
8
10
13
15
18
20
23
26
28
31
33
36
39
41
44
47
1
3
6
9
12
15
18
21
24
27
30
33
36
39
42
45
48
51
54
1
4
7
11
14
17
20
24
27
31
34
37
41
44
48
51
55
58
62
1
5
8
12
16
19
23
27
31
34
38
42
46
50
54
57
61
65
69
2
5
9
13
17
21
26
30
34
38
42
47
51
55
60
64
68
72
77
2
6
10
15
19
24
28
33
37
42
47
51
56
61
65
70
75
80
84
2
7
11
16
21
26
31
36
41
46
51
56
61
66
71
77
82
87
92
3
7
12
18
23
28
33
39
44
50
55
61
66
72
77
83
88
94
100
3
8
14
19
25
30
36
42
48
54
60
65
71
77
83
89
95
101
107
3
9
15
20
26
33
39
45
51
57
64
70
77
83
89
96
102
109
115
4
9
16
22
28
35
41
48
55
61
68
75
82
88
95
102
109
116
123
0
4
10
17
23
30
37
44
51
58
65
72
80
87
94
101
109
116
123
130
0
4
11
18
25
32
39
47
54
62
69
77
84
92
100
107
115
123
130
138
0
0
0
1
1
1
1
2
2
2
3
3
3
4
4
4
0
0
1
2
2
3
3
4
5
5
6
7
7
8
9
9
10
11
273
f ( x i ) dx
para x
Moda esperada:
P i+1
a i+1
Mo = L i 1 +
* ai
P i+1 + P i 1
a i+1 a i 1
Mo =
P i+1 * +
a i Li 1
+
P i+1 P i 1
Varianza esperada:
V [x ] = (x x ) f(x ) dx = x f(x ) dx x f(x ) dx
E [x ] =
entonces
Pac (x i ) = 0.5
Me = x i
x + x i +1
Me = i
2
FUNCIONES DE DENSIDAD
entonces
Pac (x i ) > 0.5
que si:
Se ubica el valor 0.5 entre dos valores consecutivos de probabilidad acumulada: Pac (x i 1 ) 0.5 Pac (x i ) , tal
Se determina los valores de probabilidad acumulada.
Esperanza matemtica:
Mediana esperada:
2
i
Valor de la variable que corresponde a la probabilidad ms alta.
Moda esperada:
Varianza esperada:
para x = 0, 1, 2,K , n
V(x) = (x i ) P(x i ) = x P(x i ) x i P(x i )

i =1
i =1
i =1
n
i=1
E [x ] = x i P ( x i )
Esperanza matemtica:
FUNCIONES DE CUANTA
P ( x i ) = P ( x i, y j ) =
Probabilidad marginal:
Teorema de Bayes:
P (y j /x i ) =
P (x i )
P (x i y j )
=
j=1
P (y
j
) * P (x i / y j )
P (y j ) * P (x i / y j )
s
j=1
P (x ) = P (x, y1) + P (x, y 2) + P (x, y 3) + . . . + P (x, y s) = P (x, y j)
Probabilidad total:
Regla multiplicativa:
Regla de adicin:
Probabilidad condicional:
n i1 n i2 n i3
n
+
+
+ . . . + is
n
n
n
n
Me = Li 1 +
P(x y) = P(x) + P(y) - P(x,y)

P (x , y )
P (x /y ) =
P (y )
P(x, y) = P(y) * P(x / y)
j=1
CALCULO DE PROBABILIDADES
n ij Casos favorables
=
n
Casos posibles
Me
P ij =
f (x) dx = 2
Probabilidad conjunta:
f (x) dx =
Me
Mediana esperada:
0.5 Pac (x i 1 )
(a i )
P(x i )
Tipo de
variable?
continua
discreta
Nmero de
ensayos?
variable
fijo
Naturaleza
de las
pruebas?
independiente
independiente
dependiente
Resultados
posibles?
dicotmico
categora
dicotmico
independiente
Normal
Binomial
negativa
Multinomial
f (x1, x2,..., xK ) =
i=1
x!
n!
i=1
* P (xi )xi
1
y=
e
2
2 2
( x )2
x e
x!
z=
(x 0.5) np
npq
P(x, ) =
Aproximacin Z =
a la normal
N1 N N1

x
nx
P(x) =
N

n
np>5
nq>5
Poisson
*
B (n, c, p ) = 1 - B (x -1, n, p )
Hipergeomtrica
n
P(x) = p x q n x
x
Binomial
n>25
p<0.05
RBOL DE DECISIN PARA ELEGIR LA DISTRIBUCIN ADECUADA

PARA LA RESOLUCIN DE PROBLEMAS
Tipo de
variable?
Continua
Discreta
Existen
muestras?
Si
No
No
Forma de la
poblacin?
No normal
Normal
Normal
Normal
Tamao de
muestras?
Pequeo
Grande
Cualquiera
No existe
No existe
n
0.05
N
n
< 0.05
N
(x 0.5) np
npq
x
x
x =
z=
z=
Z=
No se puede aplicar el
teorema central del lmite
Distribucin
de las medias
muestrales
Distribucin
normal
poblacional
Aproximacin
normal a la
binomial
RBOL DE DECISIN PARA

LAS APLICACIONES DE LA DISTRIBUCIN NORMAL
x =
x =
N n
N 1
poblacin?
Forma de la
poblacin
No
Normal
n>50
n<20
n>20
n<30
n>30
Grande
Pequeo
Grande
Pequeo
Grande
Cualquier n
Pequeo
n<50
Tamao de la
muestra?
No
Si
No
Si
t ,n 1
x+
) = 1 -
) = 1 -
K2
) = 1 -
) = 1 -
) = 1 -
,n1 *
) = 1 -
x + Z *
2
x + Z *
2
x + Z *
2
x + Z *
2
x+ K
No hay estimacin por intervalo general conocida.
P = (x - Z *
2
P = (x - K
P = (x - Z *
2
P = (x -
P = (x - Z *
2
P = (x - Z *
2
Parmetro a
estimar?
Proporcin
Media
Varianza
conocida?
No importa
No
Si
Tamao de
muestra piloto
conocido?
No importa
Si
No
No importa
Tamao de la
Poblacin?
Finito
Infinito
Finito
Infinito
Finito
Infinito
Finito
Infinito
RBOL DE DECISIN PARA EL CLCULO

DEL TAMAO DE MUESTRA
n=
pqz 2 N
pqz 2 + e 2 ( N 1)
t 2s2 N
t 2 s 2 + e 2 ( N 1)
z
n0 = p (1 p ) 2
e
n=
z 2 s2 N
z 2 s 2 + e 2 ( N 1)
n0 = t ,n p 1
e
2
n=
z 2 2 N
z 2 2 + e 2 ( N 1)
n0 = z
2
n=

n0 = z
2 e
No
Varianzas de
las poblaciones
conocidas?
Tamao de las
muestras?
Datos
pareados?
Pequeo
n<30
Si
n>30
Si
No
No
No
Si
Grande
Cualquier n
Varianzas
Iguales?
No
Si
Si
Si
No
No
n1
n1
2
s1
s12 s 22
+
n n2
= 12
2
2
2
s1 s 22

n1 + n 2
n1 + 1 n 2 + 1
n2
1 1
n2
2
s2
n1
1 2 (x1 x 2 ) + t *
,
n1
2
s1
n2
2
s2
n2
2
s2
) =1-
n2
) =1-
) =1-
) =1-
n2
2
2
1 1
n1
2
s1
n1
2
1
= n1 + n2 2
1 2 (x1 x2 ) + t *s
,
(n1 1) s12 + (n 2 1) s 22
n1 + n 2 2
1 2 (x1 x2 ) + z *
1 2 (x1 x2 ) + z *
s
s
x + t *
) =1 -
,
n
n
2
P ((x1 x 2 ) t *
s=
n2
2
s2
2
s1
n1
n2
n1
2
2
s
s
x + z *
) =1 -
n
n
2
P ((x1 x2 ) - t * s
P (x t *
P (x z *
P ((x1 x2 ) - z *
P ((x1 x2 ) - z *
2
1

Nmero de
poblaciones?
Dos
Una
Cul es la
palabra clave?
Comparacin
de fracciones
o porcentajes
Relacin de
variabilidades
Comparacin
de promedios
Fraccin
Porcentaje
Probabilidad
Variacin
Variabilidad
Promedio
Medio
P p z
2
n<30
p (1 p )
< p < p + z
2
n
Diferencia
de proporciones
P ( p1 p 2 ) z
p1 (1 p1 ) p 2 (1 p 2 )
+
< p1 p2 < ... = 1
n1
n2
s2
1
12 s12
1
1
= 1
<
<
P 2
s2 F , n 1, n 1 22 s22 F1 ,n 1,n 1
2
2
2 1
2 1
p (1 p )
= 1
n
(n 1) s 2
( n 1) s 2
2
= 1
< < 2
P 2
, n1
1 ,n 1
2
2
s
s
= 1
< <
P
z
z
1 2
1+ 2
2n
2n
Proporcin
Varianza
n>30
RBOL DE DECISIN PARA ELEGIR EL INTERVALO DE CONFIANZA

ADECUADO EN LA RESOLUCIN DE PROBLEMAS
poblacin?
Forma de la
poblacin
No
Normal
n>50
n<20
n>20
n<30
n>30
Grande
Pequeo
Grande
Pequeo
Grande
Cualquier n
Pequeo
n<50
Tamao de la
muestra?
No
Si
No
Si
x 0
x 0
x 0
n
x 0
x 0
n
Callejn sin salida! No hay prueba de hiptesis

conocida.
Z=
K=
s n
x 0
Z=
n
t=
Z=
Z=
RBOL DE DECISIN PARA LA PRUEBA DE HIPTESIS

No
Varianzas de
las poblaciones
conocidas?
Tamao de las
muestras?
Datos
pareados?
Pequeo
n<30
Si
n>30
Si
No
No
No
Si
Grande
Cualquier n
Varianzas
Iguales?
No
Si
Si
Si
No
No
10
t=
t=
t=
Z=
n
(X
(X
1
1
+
n1 n2
2
2
S
S
+
n1 n2
2
1
X2 ) ( 1 2 )
X2 ) ( 1 2 )
x 0
S n
x 0
s12 s 22
+
n1 n 2
X 2 ) ( 1 2 )
12 22
+
n1 n 2
X2 ) ( 1 2 )
(X
(X
Z=
Z=
s12 s22

n1 + n2
n1 + 1 n2 + 1
s12 s22
+
n1 n2
( n1 1) s12 + ( n2 1) s22
n1 + n2 2
= n1 + n2 2
s=
ARBOL DE DECISIN PARA PRUEBAS DE HIPTESIS
Nmero de
poblaciones?
Dos
Una
Cul es la
palabra clave?
Comparacin
de fracciones
o porcentajes
Relacin de
variabilidades
Comparacin
de promedios
Fraccin
Porcentaje
Probabilidad
Variacin
Variabilidad
Promedio
Medio
Z=
n>30
np (1 p )
X np
Z=
=
2
11
Diferencia
de proporciones
Z=
S
2n
20
( n 1) S2
1 1
P (1 P ) +
n1 n 2
p 1 p 2
s12
F= 2
s2
Proporcin
Varianza
n<30
RBOL DE DECISIN PARA ELEGIR LA PRUEBA DE HIPTESIS

SSE
SST
Error
muestral
Total
N-1
N-k
Grados de
libertad
k-1
MSTr =
SSTr
k 1
SSE
MSE =
Nk
Media cuadrada
F=
MSTr
MSE
Razn F
Ti2 T 2
SSTr =
n
N
i =1
i
k
T2
N
12
SSE = SST SSTr
k n
2
T
=
donde:
y ij
i =1 j=1
i =1 j=1
SST = yij2
j=1
Ti = yij
El estadstico de prueba es la F de Fisher, puesto que se estn relacionando dos varianzas. Las ecuaciones para hallar este valor
son:
Suma de
cuadrados
SSTr
Fuente de
variacin
Entre
tratamientos
ANLISIS DE VARIANZA DE UN FACTOR
SSBl
SSE
SST
Bloques
Error muestral
Total
ab-1
(a-1)(b-1)
b-1
Grados de
libertad
a-1
SSTr
a 1
SSBl
b 1
SSE
MSE =
(a 1)(b 1)
MSBl =
MSTr =
Media cuadrada
FBl =
FTr =
MSBl
MSE
MSTr
MSE
Razn F
2
ij
T2
a ab
Tj2
donde:
13
j=1
Ti = yij
i =1
Tj = yij
donde:
a b
T
=
y
donde:
ij
=
=
i
1
j
1
SSE = SST SSTr SSBl
j=1
SSBl =
Ti2 T 2
SSTr =
ab
i =1 b
T2
SST = y
ab
i =1 j=1
Donde existe un estadstico para las dos pruebas: Tratamientos y Bloques. Las ecuaciones necesarias son:
Suma de
cuadrados
SSTr
Fuente de
variacin
Tratamientos
ANLISIS DE VARIANZA DE DOS FACTORES SIN INTERACCIN
Cuadro
bidimensional?
No
Si
Nmero de
muestras?
Una
Dos
(Muestras
independientes)
Mayor a dos
Cualquier
a
Ajustar a una
distribucin?
Preferencia de
productos?
Experimentos
antes y despus?
Las medias son

iguales?
Las medias son

iguales?
Bloques y
tratamientos iguales?
Clasificaciones
independientes?
n>20
14
Bondad de ajuste (NP)
(Muestras dependientes o
apareadas)
i =1 j =1
(f
ij
Eij
Eij )
2
i =1
=
2
n>20
n<20
z=
ei
z=
(x 0.5) 0.5n
0.5 n
Distribucin binomial
(p=0.5)
n + n + 1
(n1 n2 ) 1 2
2
n
n
1
+
+
n1n2 1 2
3
( Oi ei )
R R
U = n1n2 +
n1 ( n1 + 1)
R1
2
n ( n + 1)
R2
U ' = n1n2 + 2 2
2
2
12 k R i

3(N + 1)
N(N + 1) i =1 n i
n<20
H=

Dif. Medias (P)
(Muestras
independientes)
Dif. Medias (P)
Prueba U (NP)
ANOVA
(Un factor) (P)
Prueba H (NP)
ANOVA
(Dos factores) (P)
Independencia de
atributos (NP)
RBOL DE DECISIN PARA ELEGIR LA PRUEBA PARAMTRICA O NO, ADECUADA

EN LA RESOLUCIN DE PROBLEMAS
15
ESTADSTICA II
FORMULARIO

Estadistica II

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Estadistica II

Încărcat de

Drepturi de autor:

Formate disponibile

DEPARTAMENTO DE CIENCIAS EXACTAS

Lic. Roberto Valdivieso C.

Ing. Oscar Valdivieso T.

Distribucin Binomial Acumulada

Distribucin de Poisson Acumulada

Distribucin Normal Estndar Acumulada

Distribucin Normal Estndar de Cola Superior

Tabla VII: Distribucin Chi-Cuadrada

Valores Crticos de U en la Prueba de Mann-Whitney

En el captulo 3 se exponen los conceptos fundamentales de los mtodos de muestreo y

6. Tamao de la Muestra y Error Estndar 90

CAPTULO 7. MTODOS NO PARAMTRICOS 195

Distribucin Binomial Acumulada 250

2. CLASES DE EXPERIMENTOS: DETERMINSTICO Y ALEATORIO

3.2. Espacio muestral

3.3. Determinacin del espacio muestral

El arboligrama (que es el mtodo ms verstil),

S = { 10-10 ; 10-20 ; 10-50 ; 20-10 ; 20-20 ; 20-50 ; 50-10 ; 50-20 ; 50-50 }

Tambin se puede usar un cuadro de doble entrada de la siguiente forma:

Para ello se han omitido los resultados de la diagonal principal de la tabla.

3.4. Eventos o sucesos aleatorios

3.5. Clases de eventos

b) Sucesos ciertos e imposibles

4.1. Probabilidad a priori

n (A ) Nmero de casos favorables al evento A

La probabilidad de cualquier evento presenta los siguientes valores: 0 P(A) 1

S=S (HHH, HHM, HMH, MHH, HMM, MHM, MMH, MMM)

4.2. Probabilidad a posteriori

4.3. Probabilidad subjetiva

Casos del espacio

Valores de la variable aleatoria discreta: (Xi).

=> Los recin nacidos son todos mujeres

Casos del espacio

que corresponde a una distribucin de probabilidad para variable aleatoria discreta.

6.1. Funcin de cuanta

En consecuencia, cualquier P(x) debe estar entre 0 P(x) 1 para

a) Determine si es o no una funcin de cuanta, si no fuera, entonces corrjala.

b) Se pide P(x<2) = P(x=0) + P(x=1) = 1/16 + 3/16 = 4/16 = 1/4

Expresando en forma de una distribucin de probabilidades, donde:

mediante diagramas acumulados de probabilidades.

6.2. Funcin de densidad

La evaluacin de una funcin de densidad se efecta determinando el cumplimiento de las

a) Determine si es o no una funcin de densidad, si no fuera, entonces corrjala.

a) La funcin propuesta no es de densidad porque no cumple la segunda propiedad. Por lo

Respuesta: Que "x" sea menor que 2 ocurre en el 50 % de los casos.

La distribucin de densidad resultante es:

7. ESTADGRAFOS DE POSICIN Y DISPERSIN ESPERADOS

7.1. Esperanza matemtica y varianza esperada

largo y 2 de cabello corto. Se quieren elegir al azar dos de ellas.

Halle la esperanza matemtica.

b) Se aplica los datos a la ecuacin anterior:

V(x) = (x i ) P(x i ) = x P(x i ) x i P(x i )

Halle la varianza y desviacin estndar esperadas.

V [x ] = (x x ) f(x ) dx = x f(x ) dx x f(x ) dx siendo: - < x <

para 0 < x < 3

Halle la varianza esperada.

E [x] = 1.875 (media)

7.2. Moda esperada

Halle la moda esperada.

b) Se determina la segunda derivada para comprobar si el punto crtico hallado es un

2. Aplicando la frmula emprica para intervalos constates o no constantes.

c) Se reemplazan los valores hallados en la frmula:

7.3. Mediana esperada

Halle la mediana esperada.

P(J, MNR) = P(J)P(MNR/J) = (12/40)(2/12) = 2/40

P(A, MNR) = P(A)P(MNR/A) = (15/40)(7/15) = 7/40

P(V, MNR) = P(V)P(MNR/V) = (13/40)(6/13) = 6/40