Distribuciones continuas

Distribucin uniforme

Distribucin uniforme de probabilidad,

Una variable aleatoria uniforme tiene igual oportunidad de tomar
cualquier valor dentro de un intervalo especificado a lo largo de una
escala continua,
Una funcin de densidad de probabilidad f(x) para una variable
aleatoria, que es igualmente probable que tome cualesquiera de los
valores dentro de un intervalo dado, se denomina distribucin
uniforme de probabilidad,
0,25

ea
r

f(x)

de
ab
ob
pr
d
da
ili

x
intervalo
a

La altura precisa de la funcin de densidad de probabilidad uniforme,

f(x), para diferentes valores, x, de la variable aleatoria uniforme,
Calcular la altura

f(x) =

1
b-a

si a < x < b

f(x) = 0 de otra forma

f(x) =

1
3-1

f(x) =

f(x)

0,25
x
intervalo
a

1
2

La probabilidad se mide una vez ms por el rea arriba del intervalo de

valores x que es de inters, Si se acumular valores x de izquierda a
derecha, se obtiene la frmula:

x-a
P(X < x) =b - a
1,5 - 1 0,5
P(X < x) = 3 - 1 = = 0,25
2
f(x)

0,25
x
x
a

intervalo
b

Calculo de la media y la desviacin estndar de

la distribucin uniforme,
a+b

Media:

x =

Varianza:

x =

Desviacin estndar:
f(x)

1 + 3
2

4
2

=2

(b a)2 (3 1)2
=
12
12 = 0,333

x =0,333

= 0,5774,

0,25
x
x
a

intervalo
b

Distribucin exponencial

Distribucin exponencial
Recuerda que la distribucin de poisson proporciona informacin de
probabilidades de acontecimientos en, espacio o tiempo, como: las
llegadas de camiones a una caseta de cobro, las personas que llegan a
un banco, el nmero de defectos por metro cuadrado en una tela de
alambre,
Pero no todas las personas estn interesadas en los tiempo de llegadas,
como los clientes que consideran el tiempo en que tardan ser atendidos;
a estos, se les provee un tiempo de servicio, con distribucin
exponencial.
La probabilidad de encontrar intervalos especificados de, tiempo o
espacio, entre acontecimientos consecutivos se puede describir por la
distribucin de probabilidad exponencial.

Las frecuencias mas grandes de los intervalos

de los tiempos de entre llegadas, o el nmero
de fallas en una rea especificada, estn
ubicadas en los primeros intervalos de la
grfica exponencial.
En la medida que los intervalos de, tiempo o
espacio, se van alejando hacia el infinito (+),
Estos intervalos de valor menor, son
la frecuencia de ms
los
acontecimientos
van
probables
que sucedan
disminuyendo
conforme
una
funcin
La
funcin
densidad
f(x), es
exponencial.
Los intervalos de mayor valor, son
una asntota que
tiende acercarse
al eje horizontal;
va
hasta
el
infinito, y jams
lo toca.

ms probables que no sucedan

Los valores X de los intervalos son positivos hasta el infinito

La frmula:
f(x) = *e-x

Funcin de densidad de probabilidad exponencial

Donde x > 0

>0

es la taza rapidez del proceso, cuando mayor sea , menor ser x

1
= x y menos dispersa la distribucin,
es decir:
x =

= 0,5

=2

=1

=3

La frmula:
Funcin de densidad de probabilidad exponencial
Donde x > 0

>0

f(x) = *e-x

es la taza o rapidez del proceso, cuando mayor sea , menor ser

1
x = x y menos dispersa la distribucin,
es decir:
=
x

y x, ambas deben estar expresadas en las mismas unidades:

minutos, segundos, horas, metros cuadrados, o unidades lineales,
etc,
Si las unidades de x est definida en 100,000 horas, las unidades
de tambin debe definirse igual, por ejemplo:
x = 15 x 105 horas = 0,25 x 105 horas,
x = 25 x m2
La constante

e = 2,71828

= 2 x m2,

La frmula:
Funcin de densidad de probabilidad exponencial
Donde x > 0

>0

f(x) = *e-x

es la taza o rapidez del proceso, cuando mayor sea , menor ser

1
x = x y menos dispersa la distribucin,
es decir:
=
x

rea total bajo la funcin de densidad f(x), desde 0 hasta + , es igual a 1,

1
+

La frmula:
Funcin de densidad de probabilidad exponencial
Donde x > 0

>0

f(x) = *e-x

es la taza o rapidez del proceso, cuando mayor sea , menor ser

1
x = x y menos dispersa la distribucin,
es decir:
=
x

Se pueden encontrar varias probabilidades en reas bajo la curva, para

diferentes lmites de la variable aleatoria exponencial X:
Encontrar el rea bajo la funcin densidad de probabilidad exponencial,
a la izquierda de un valor dado por la variable aleatoria exponencial x,
con la siguiente frmula:

P(X < x) = 1 e-xoP(X < x) = 1 ex-x/

P(X < x)

La frmula:
Funcin de densidad de probabilidad exponencial
Donde x > 0

>0

f(x) = *e-x

es la taza o rapidez del proceso, cuando mayor sea , menor ser

1
x = x y menos dispersa la distribucin,
es decir:
=
x

Se pueden encontrar varias probabilidades en reas bajo la curva para

diferentes lmites de la variable aleatoria exponencial X,
Encontrar el rea bajo la funcin densidad de probabilidad exponencial,
a la derecha de un valor dado por la variable aleatoria exponencial x,
con la frmula (complemento):

P(x < X) = e-x

P(x < X)

=P(x

x
< X) = e-x/

Encontrar la probabilidad exponencial indicada por el rea bajo la curva

dentro del intervalo especfico (x1 < X < x2)
P(x1 < X < x2) = F(x2) F(x1)

F(x2)P(X
=

Probabilidad de densidad acumulada desde 0

hasta la variable aleatoria x1
Probabilidad de densidad acumulada desde 0
hasta la variable aleatoria x2

< x2) = 1 e2-x

F(x2)

F(x1)P(X
=

< x1) = 1 e1-x

Se restan ambas probabilidades acumuladas

para encontrar la probabilidad que ocurra
un evento entre el intervalo especfico,

F(x2) F(x1)

F(x2) F(x1) = P(x1 < X <

F(x1)

1 e-x 2 (1 e-x1) = e2-x + 1e-x

x1

x2

Ejemplo:

Sea X = el tiempo entre dos llegadas sucesivas a la ventanilla de

autopago de un banco local; y si X tiene una distribucin exponencial con
= 1, calcule lo siguiente:
a) Tiempo de llegada entre dos llegadas sucesivas,
= 1, taza o razn de entre llegadas,
Promedio de entre llegadas,
=
x

1/ = 1/1 = 1

La desviacin estndar del tiempo entre dos llegadas sucesivas,

x = x = 1/ = 1/1 = 1
c) P(X 4)

P(X 4) = 1 e-4/1 = 1 0,01832 = 0,98168,

x=4

c) p(2 X 5)
F(5) F(2) =- e-5+ e-2= 0,1286
F(5)

F(2)
F(5) F(2)
2

Usando las tablas:

c) p(2 X 5)
F(-x)
F(-5,00) = 0,9933

F(-2,00) = 0,8647

Se restan:0,9933
- 0,8647
p(2 X 5) 0,1286
=

En excel est la funcin EXP()

EXP() se la restas a 1
F(x):

= 1 EXP(-x)
= 1/x
= 1/1

x = 1

Distribucin gamma

La funcin Gama,

a definir la familia de distribuciones gama, primero se tiene que introducir la func

Con > 0, la funcin gama () se define como:

() =

x 1 e-x dx

Las propiedades ms importantes:

1) Con cualquier > 1, () = ( 1)*( 1) **integracin por partes**
2) Con cualquier entero positivo, n, (n) = (n
(4)
1)!
= (4 1)! = 3! = 3*2*1 = 6
Ejemplo: = n = 4

(4) =

Se copia
Se derivaSe derivaSe deriva

= x e
x4 1 e-x dx

Se integra

-x

- 3x2e-x - 6xe-x - 6e-x

Se integra
Se integra
Se integra 0

0
0
0
0
0
0
0
-6
3 -
2 -
-
-
3 -0
2 -0
-0
= e - 3 e - 6e - 6e 0
[ e 3*0 e 6-0e - 6e
] -0= 6
3) (1/2) = ()1/2

Se multiplican lo signos: - * - = +

Ejemplos:
Otros valores > 0

En excel se calcula () con las dos funciones

GAMMA,LN,EXACTO() Y EXP(), con el siguiente format
=EXP(GAMMA,LN,EXACTO(1/2))
=EXP(GAMMA,LN,EXACTO(3/2))
=EXP(GAMMA,LN,EXACTO(5/2))
=EXP(GAMMA,LN,EXACTO(7/2))

O bien, primero calcula con

GAMMA,LN,EXACTO() y despus usa EXP(),
como te indico:

Distribucin gamma,
Se dice que una variable aleatoria continua X tiene una distribucin
gama si la funcin densidad de probabilidad de X es:

1
-1 -x/
x
e
f(x; , ) =
()

Donde los parmetros y satisfacen 0 y 0,

La distribucin estndar gama tiene = 1

a distribucin exponencial se deriva de considerar = 1 y = 1/,

Para varios pares (, )
=1

edia y varianza de una variable aleatoria X que tiene la distribucin gama estnd

E(x) = = *
V(x) = 2 = *2
Cuando X es una variable aleatoria gama estndar, la funcin de
distribucin acumulada de X,

F(x; ) =

x
0

y e
dy
()
-1 -y

-1

k
x
= 1 e-x
K = 0 k!

Con esta frmula se elabora la tabla

Te anexo la hoja electrnica de la tabla, da click

aqu con el ratn para verla,

bla de la distribucin Gama estndar,

Calculada en excel,
Ejemplo:
Suponga que el tiempo de reaccin X
de un individuo seleccionado al azar a
un estmulo tiene una distribucin
gama estndar con = 2, Como:

P(3 X 5) = F(5;2) F(3; 2)

F(5;2) = 0,960

F(3; 2) = 0,801
Se restan:
F(5;2) = 0,960
F(3; 2) = 0,801
0,159
Es la probabilidad de tiempo
de reaccin de entre 3 y 5
segundos,

Cul es la probabilidad de
que el tiempo de reaccin
sea de ms de 4 segundos?

(4 < X) = 1 P(X 4) = 1 F(4; 2)

F(4; 2) = 0,908

P(4 < X) = 1 0,908 = 0,0902

Calculada en excel,

n excel est la funcin DISTR,GAMMA:

La distribucin
estndar gama tiene
=1

P(X x)
0,9595723
5 1 2
2
0,8008517
3 1 2
3
0,1587205
Se restan:
9

Si X tiene una distribucin gama con parmetros y , entonces con

cualquier x > 0, la funcin de distribucin acumulativa de X es:

(X x) = F(x; ; ) = F(x/; )
Suponga que el tiempo de sobrevivencia de un ratn macho seleccionado
al azar expuesto a 240 radiaciones gama tiene una distribucin gama con
= 8 y = 15,
El tiempo de
= 8 * 15 = 120
E(x) = = *
sobrevivencia
esperado:
= 2 8 * 152 =
1800
= 42,43
La desviacin estndar: 2 =
*

ual es la probabilidad que viva entre 60 y 120 semanas

X 120) = P(x 120) P(x 60) = F(120/; ) F(60/; ) = F(120/15; 8) F(6

Calculada en excel,
0 X 120) = F(120/15; 8) F(60/15; 8)
F(8; 8)

F(4; 8)

F(4; 8) = 0,051

F(8; 8) = 0,547
Se restan:
F(8; 8) = 0,547
F(4; 8) = 0,051
0,496
Es la probabilidad que el
ratn viva entre 60 y 120
semanas,

La probabilidad de que por lo

menos viva 30 semanas,
P(30 X) = 1 P(X < 30)
F(x/; )
F(30/15; 8)
F(2; 8)
F(2; 8) = 0,001

(30 X) = 1 0,001 = 0,999

Calculada en excel,

n excel est la funcin DISTR,GAMMA:

P(X x)
0,5470391
120 15 8
9
0,0511336
60 15 8
2
0,4959055
Se restan:
7

Distribucin Weibull

Distribucin Weibull
Se dice que una variable aleatoria X tiene una distribucin Weibull con
parmetros y ( > 0, > 0) si la funcin probabilidad de X es:
Datos observados

1 -(x/)
e
f(x; , ) = x

Se relacionan con
datos particulares
de y

ando = 1 la funcin de probabilidad se reduce a = 1/

pueden variar para obtener diferentes familias de distribuciones weibull,

culo de la media y la desviacin estndar requieren de la distribucin gama,

Acurdate que:
= * EXP(GAMMA,LN,EXACTO(1 + 1/))

= *(1 + 1/)

2
2 = 2 * { (1 + 2/) [(1 + 1/)]
} al cuadrado, usa
Est elevado

funcin de excel
POTENCIA(nmero;2)

2 *EXP(GAMMA,LN,EXACTO(1 + POTENCIA(EXP(GAMMA,LN,EXACTO(1
2/))
+ 1/)),2)

= 2 y = 10, calcula la media con las funciones de excel,

= 10* EXP(GAMMA,LN,EXACTO(1 + 1/2))
= 10*(1 + 1/2)

La funcin de distribucin acumulativa de una variable aleatoria de

Weibull con parmetros y ,

F(x; , ) = 1 e

- (x/)

para x 0

Ejemplo:
En aos recientes la distribucin Weibull ha sido utilizada para modelar
emisiones de varios contaminantes de motores,
Sea X la cantidad d emisiones de NOx (g/gal) de un motor de cuatro
tiempos de un tipo seleccionado al azar y suponga que X tiene una
distribucin weibull con = 2 y = 10,

2
=-(10/10)
1 e-1 = 0,632
ual es la probabilidad P(X 10) = F(10; 2, 10) = 1 e

1e
ual es la probabilidad P(X 25) = F(25; 2, 10) = 1 =
e-(25/10)
2

Cual es la probabilidad P(10 < X 25)

Se restan: F(25; 2, 10) = 0,998
F(10; 2, 10) = 0,632
0,366

-6,5

= 0,998

Distribucin t de Student

istribucin t de student
Aparenta una distribucin normal,

sta distribucin se utiliza para muestras son pequeas, n,

Se rige por los grados de libertad n 1, gl; en griego se denota , que
son enteros positivos 1, 2, 3, ; cada valor diferente de corresponde
a una distribucin t diferente,

La distribucin de probabilidad es igual: T =

X-
S/(n1/2)

El resultado en el cual estn basadas las inferencias introduce una

nueva familia de distribuciones de probabilidad llamada familia de
distribuciones t,

Teorema:
Cuando X es la media de una muestra
aleatoria de tamao n tomada de una
distribucin normal con media , la variable
aleatoriaMedia de la muestra
Media de la poblacin
Distribucin de probabilidad t

X-
T=
S/(n1/2)

Desviacin estndar de la muestra,

Tamao de la muestra

tiene una distribucin de probabilidad

llamada distribucin t con n 1 grados de
libertad gl,

ropiedades de distribucin t,
Sea tv, la curva de funcin de densidad para el grado de libertad
v,
1. Cada curva tv tiene la forma de una campana y con su centro
en cero,
2. Cada curva tv est ms esparcida que la curva (z) normal
estndar,
3. Conforme v se incrementa, la dispersin tv correspondiente
disminuye,
4. A medida que v -> , la secuencia de curvas tv tiende a la
curva normal estndar (as que la curva z a menudo se llama
curva t con grado de libertad = ,

rvalo de confianza t para una muestra,

alo de confianza con grados de libertad hacia la derecha

curva tv

Valor crtico:t,v
r

ea b
ajo l
a cu
rva

Grados de
libertad del lado
derecho,

Intervalo de confianza100*(1-)%

100 %

valo de confianza con grados de libertad hacia ambos lados

Valor crtico: T/2,v
r
Grados de
libertad del
lado
izquierdo,

/2

ea b
ajo
la c
urva

curva tv
/2

Grados de
libertad del
lado derecho,

Intervalo de confianza100*(1 - )%

100 %

Sean x y s la medida y la desviacin estndar muestrales calculadas

con los resultados de una muestra aleatoria tomada de una poblacin
normal con media , Entonces un intervalo de confianza de 100*(1 )
% para es
x t/2 , n - 1 *

Para el lmite superior

Para el lmite inferior

x + t/2 , n - 1 *

t/2 , n - 1 *

n
s

n
s

Ejemplo:
Como parte de un proyecto ms grande para estudiar el
comportamiento de paneles de revestimiento sometidos a esfuerzo, un
componente estructural extensamente utilizado en Estados Unidos
report sobre varias propiedades mecnicas de especmenes de
madera de pino escoss, Considere las siguientes observaciones de
mdulo de elasticidad (Mpa) obtenidas un minuto despus de cargar
10490 16620 17300 15480
una
configuracin,
12790
17260 13400 13900
13630 13260 14370 11700
15470 17840 14070 14760

El tamao de la muestra, n = 16
Se calcula la media de la muestra
n

x=

i=1

xi
10,490+ 16,620 + + 14,070 + 14,076 x = 14,521.25
=
=
16

calcula la desviacin estndar:

n
x2 - ( x )2

s=

n(n 1)
x
1
110,040,10
Se le resta 1 por ser muestra pequea.
Se restan
0
2 10,490
3
163,584,10
n * ( x2) = 55,005,552,000
0
4 12,790
185,776,90
5
menos ( x)2 =
53,981,875,600
0
6 13,630
1.023.676.400
239,320,90
7
0
8 15,470
Varianza
276,224,40
9
0
1 16,620
1.023.676.400 1.023.676.400
2
s
=
= 4,265.32
297,907,60
=
0
16(16 1)
n(n 1)
0
1 17,260
175,827,60
1
0
1 13,260
s = 4,265.32 = 2,065.26
318,265,60
2
0
1 17,840
299,290,00
3
0
1 17,300
2
x 179,560,00
x
4
13,400
0
1( x)
2
= (232,340)2 = 53,981,875,600
206,496,90
5
14,370
0
n1* (
x2) = 16 * 3,437,847,000
= 55,005,552,000
197,964,90
x

e calcula el valor crtico

ivel de confianza de 95% para un intervalo bilateral, Entonces: = 1 0.95 = 0.

omo es bilateral, los grados de libertad se divide para ambos lados: /2 = 0.025.

Valor crtico:t

,v

rea
bajo
la c
urva

/2 = 0.025

/2 = 0.025

Intervalo de confianza 95%

100 %

Buscar en la tabla:

t,v =
Valor crtico:

t0.025, 15

Buscar en la tabla t de student:

T/2,v = t0.025, 15
Valor crtico:
n-1 = 16 1 = 15
/2

/2
.05

0.0

25

= 1 0.95 = 0.05
Nivel de confianza

t0.025, 15 = 2.131

lcular el intervalo de confianza

Valor crtico obtenido de la tabla t de student

x t/2 , n - 1 *

2,065.26
= 14,521.25(2.131)
(16)1/2

Para el lmite superior

x + t/2 , n - 1 *

2,065.26
=15,621.52
= 14,521.25+(2.131)
1/2
(16)

Para el lmite inferior

t/2 , n - 1 *

2,065.26
= 13,420.98
(2.131)
= 14,521.251/2
(16)

13,420.98 x 15,621.52

rvalo es muy ancho debido a la gran variabilidad de los datos de una muestra pe

Para tener mas precisin se usa el intervalo de prediccin (IP) para una
sola observacin que tiene que ser seleccionado de una distribucin de
poblacin normal es:
determinar en el futuro la elasticidad de una viga:
x t/2 , n - 1 * s *

2.131 * 2,065.26 (1 + 1/16)

1 + 1 14,521.25
=
n

Lmite superior:
x + t/2 , n - 1 * s *

+ 2.131 * 2,065.26 (1 + 1/16)

=
1 + 1 14,521.25
n
= 19,274.9

Lmite inferior:
x - t/2 , n - 1 * s *

- 2.131 * 2,065.26 (1 + 1/16)

1 + 1 14,521.25
=
n
=9,767.55
9,767.55 x 19,274.9

El intervalo es mas ancho que el intervalo de confianza, por lo que es

mas difcil de predeterminar la elasticidad de la madera.

e compara ambos intervalos:

Ancho del intervalo IP =

19,274.9

9,767.55 = 9,507.35

Ancho del intervalo de confianza

15,621.52
=
13,420.98 = 2,200.54
9,507.35
2,200.54

=4.32

El intervalo IP es cuatro veces mayor que el intervalo de confianza lo

que no es posible predecir el futuro de la elasticidad de una viga.

Ejercicios:
Determina el valor crtico t que capturar el rea deseada de la
curva t con cada unto de los siguientes casos:
Busca en la tabla t de student.
a) rea central = 0.95, gl = 10.
b) rea central = 0.99, gl = 50.

c) rea de cola superior = 0.01, gl = 25

d) rea de cola inferior = 0.025, gl = 5

Grados de polimerizacin de especmenes de papel para los cuales la

concentracin de tiempos de viscosidad cayeron en un rango medio.
resolviendo con las funciones de excel.
a) Calcular el intervalo de confianza de 95% bilateral

430.51 x 446.81.
b) Suponer que el 440 es un valor factible
Si es factible, est dentro del rango
430.51 x 446.81.
c) Ver si el 450 es un valor factible
No es factible, est fuera del rango
430.51 x 446.81.
Funcin: PROMEDIO()

Funcin: =DESVEST.M(B2:B18) -> de la muestra

Has el siguiente ejercicio:

Para corregir deformidades nasales congnitas se utiliza rinoplastia de
aumento mediante implante de silicn. El xito del procedimiento
depende de varias propiedades biomecnicas de periostio y fascia
nasales humanas. Se hiso una muestra de 15 adultos (recin fallecidos),
la deformacin de falla media (en porcentaje) fue de 25.0 y la desviacin
estndar de 3.5.
a) Suponiendo una distribucin normal de la deformacin de falla,
estime la deformacin promedio verdadera en una forma que
transmita informacin acerca de precisin y confiabilidad.
b) Pronostique la deformacin para un solo adulto en una forma que
transmita informacin sobre precisin IP y confiabilidad. Cmo se
compara la prediccin con la estimacin calculada en el inciso a)?

La prueba Chi cuadrada

Un mtodo estadstico, llamado tcnica ji

cuadrada, tiene cuatro aplicaciones
principales:
1.Probar la supuesta independencia de dos
variables cualitativas de una poblacin.
2.Hacer inferencias sobre ms
proporciones de una poblacin.

de

dos

3.Hacer inferencias sobre la varianza de la

poblacin.
4.Realizar pruebas de bondad de ajuste para
evaluar la credibilidad de que los datos
muestrales vienen de un poblacin cuyos
elementos se ajustan a un tipo especfico de

Frmula:

Se usa para evaluar la independencia o dependencia entre dos variables cualitat

2=

En donde:

(fo fe)2
fe

fo E
=s la frecuencia observada.
feEs
=la frecuencia esperada relacionada.

Procedimiento:
1. Formular dos hiptesis opuestas.
a) H0 = La relacin entre variables son independientes.
b) HA = Las dos variables son dependientes.
2. Seleccionar un estadstico prueba.
Seleccionamos.
(fo fe)2
2=
fe

3. Derivar una regla de decisin.

a) Se fija el nivel de significancia
b) Grados de libertad = (renglones 1)(columnas 1).
tamao de la muestra menos
c) En base a stos, el valor crtico es2, n-1El
uno indica los grados de libertad.

Seala la columna

2, gl

d) Se acepta Ho si:

valor
crtico obtenido de la tabla.

En caso contrario se acepta HA

Por ejemplo:
rea de aceptacin de la hiptesis nula, Ho
rea de rechazo de la Ho

Valor crtico o punto crtico 2

, gl

4. Tomar una muestra, calcular el estadstico de prueba y confrontarlo

con la regla de decisin.

rea de aceptacin de la hiptesis nula, Ho

rea de rechazo de la Ho

Valor crtico o punto crtico 2

Si el estadstico de prueba

2=

(fo fe)2
fe

, gl

est ubicado antes del valor crtico se acepta

Ho,
de lo contrario se rechaza.

Ejemplo:
Supongamos que la Federal de aviacin desea determinar si hubo alguna
conexin entre las causas oficiales de accidentes de aviacin y el tipo de
licencia que posean los pilotos involucrados.
1. Con la hiptesis nula Ho se indica que las dos variables, (A) las causas
de accidentes y (B) la licencia de piloto, son independientes con la
relacin a los accidentes areos..
2. La
indicade
que
dependientes.
A la hiptesis
DeHmodo
que si alalternativa
hacer la prueba
la son
ji cuadrada
cae antes del
punto crtico entonces se acepta la hiptesis nula, de lo contrario se
rechaza y se acepta la alternativa.
El punto crtico, es el criterio para tomar
como referencia para determinar si rechaza
o se acepta la hiptesis nula. Este se calcula
de las tablas de distribucin de la 2, gl,
como se ver mas adelante.

las frecuencias observadas fo, con estas, calcular la frecuencias espera

La experiencia de los ltimos cinco aos, se resume en la
siguiente tabla:
Esta es una muestra las causas Frecuencias observadas fo.
de los accidentes posibles.
(B) Licencia del
Las dos variables son: (A) causas
del accidente y (B) licencia del
piloto.

1
2
3
4

Calcular las frecuencias esperadas:

Ejemplo:

5
6

piloto
Comerci
(A) Causas del
Estudiant
al o lnea total
accidente
eo
de
particula
transport
r
e
Tormenta elctrica
50
20
70
Hielo
40
10
50
Falla del equipo
25
6
31
Error del controlador
25
5
30
Incapacidad del
piloto.
80
6
86
Otras.
30
3
33

250 e
50
300

Frecuencias esperadas f .

250
fe =
70 =58.33
300 *
50
fe =
70 =11.67
300 *

De este modo se calculan las dems fe:

1
2
3
4
5

Causas del
accidente

Tormenta elctica
Hielo
Falla del equipo
Error del
controlador
Incapacidad del
piloto.

Licencia del piloto

Comercia
Estudiant l o lnea
total
eo
de
particular transport
e
58,33
11,67
70
41,67
8,33
50
25,83
5,17
31
25,00

5,00

30

71,67

14,33

86

Las frecuencias observadas y frecuencias esperadas se juntan para

determinar si tienen independencia las variables: (A) causas de
accidentes y (B) licencia de piloto.
no.

causas del
accidente

Frecuencias
licencia de piloto

fo

fe

Desviaci Desviacio Desviacion2

n
n2
estandar
(fo - fe)

Estudiante o paticular
50,00 58,33 -8,33
1
Comercial o lnea de
transporte
20,00 11,67 8,33
Estudiante o particular
40,00 41,67 -1,67
2
Hielo
Comercial o lnea de
transporte
10,00 8,33
1,67
Estudiante o particular
25,00 25,83 -0,83
3 Falla del equipo Comercial o lnea de
transporte
6,00 5,17
0,83
Estudiante o paticular
25,00 25,00 0,00
Error del
4
Comercial o lnea de
controlador
transporte
5,00 5,00
0,00
Derivar una regla de
decisin
(punto crtico).
Estudiante
o paticular
80,00 71,67 8,33
Incapacidad del
5
Comercial o lnea de
piloto
a) El nivel de significancia
transporte = 0.95
6,00 14,33 -8,33
Estudiante o paticular
30,00 27,50 2,50
6
Otras.
o lnea de
b) Grados
de
libertadComercial
= (nmero
de renglones 1)(nmero
transporte
3,00 5,50
-2,50
Tormenta
elctrica

gl = (6 1)(2 1) = 5*1 = 5.

(fo - fe)2

[(fo - fe)2]/fe

69,39

1,19

69,39
2,79

5,95
0,07

2,79
0,69

0,33
0,03

0,69
0,00

0,13
0,00

0,00
2
69,39
69,39
6,25

0,00
=14.87
0,97
4,84
0,23

de columnas 1).
6,25

1,14

c) Obtener el punto crtico

Grados de libertad

20.05, 5 =11.07
Nive

l de
sign
ifica
ncia
:

Valor crtico

El estadstico de prueba

2 = 14.88

Como el estadstico de prueba result despus del valor crtico en la rea

de rechazo, entonces la hiptesis nula es rechazada.