Captulo I

1. Determinacin de la Ley Media

1.1 Introduccin
La determinacin de la ley media, en un prospecto, proyecto, en una mina, en un
pozo petrolero, en una serie de ensayes, etc. es un paso necesario en la evaluacin de
recursos o reservas de un yacimiento econmico en general. Este dato no slo tiene
importancia econmica sino que condiciona, al menos en parte, la viabilidad
econmica de la explotacin.
Esta ley media debe estimarse antes de comenzar a realizar cualquier trabajo, por
ejemplo, la explotacin de un yacimiento, este hecho que parece simple (no
necesariamente se trata de la media aritmtica de un conjunto de datos , en muchas
ocasiones es sumamente complejo y ha generado una serie de trabajos cient!"icos,
especialmente en aquellos elementos que son altamente aleatorios ("luctuaciones en
las leyes como en el caso del oro. La geoestad!stica a travs del #rigeage o #riging
tiene por objetivo estimar este valor con la m$xima "iabilidad posible.
%na de las aplicaciones relacionadas con la ley media y que tiene vigencia en la
actualidad es la de establecer los modelos ley&tonelaje, el gr$"ico correspondiente,
permite visualizar de manera ptima la riqueza relativa del yacimiento.
1.2 Mtodos estadsticos para la determinacin de la ley media
1.2.1 Carcter normal o log-normal de la distribucin de datos.
'ntes de calcular la ley media por mtodos estad!sticos, por razones de seguridad
en el c$lculo y sencillez operativa, en primer lugar es necesario conocer si los
datos presentan una distribucin normal, de no ser as!, se debe calcular sus
algoritmos respectivos y repetir el proceso con estas nuevas variables (variables
con valores logar!tmicos.
Existen varios mtodos para investigar si una distribucin es normal( histogramas,
recta de )enry, *hi&cuadrado y la m$s importante la prueba de +olmorogov&
,mirnov&Lillie"ors y el gr$"ico de probabilidad normal. Los dos primeros son
mtodos visuales y pr$cticos, el mtodo *hi&cuadrado establece dicho car$cter de
acuerdo a un estad!stico y est$ en "uncin de un determinado nivel de
signi"icancia y la -ltima que es una prueba de bondad de ajuste.
%na regla pr$ctica para reconocer la normalidad de la distribucin es el valor del
coe"iciente de variacin. ,eg-n +och y Lin# (l./0 una distribucin puede
considerarse como 1uassiana si el coe"iciente de variacin es in"erior a 0.2 en
caso contrario indica un car$cter log&normal o un conjunto de datos con
distribucin err$tica.
3obinson 4illanueva rvillanueva5rnma.com.pe 6
7escribiremos cada uno de estos mtodos(
! Mtodo de los "istogramas
,e trata de dividir el conjunto de datos en una serie de intervalos y representarlos
bajo la "orma de un histograma de "recuencias. La similitud con una curva de 1auss
nos puede inducir a clasi"icar esta distribucin como normal.
#$emplo. El histograma de la 8igura 9, representa una serie de leyes en uranio
(ppm del granito de )uelgoat (8inist:re.
El histograma ha sido generado abriendo el archivo normal.sav y siguiendo las
siguientes instrucciones(
1raphs )istogram 4ariable(s( % y marcar 7isplay normal curves
;+
El resultado se muestra en la 8igura 9


Uranio (ppm)
7 7 6 6 5 5 4 4 3 3 2
Histograma de frecuencias que podra
clasificarse como distribucin normal
ranito a cordierita de Huelgoat
!
r
e
c
u
e
n
c
i
a
s
6
5
4
3
2
"
#
$td% &e' ( "%23
)ean ( 5
* ( 2#%##
"
3
5
2
4
2 2
"
%igura 1
*omo el coe"iciente de variacin( *4 < => x < .......... y la "orma de la curva se
asemeja ......................., podemos suponer que la distribucin es .................
3obinson 4illanueva rvillanueva5rnma.com.pe 2
&! Mtodo de la recta de 'enry
,i los resultados son distribuidos siguiendo una ley normal, las "recuencias
acumuladas se pueden calcular por(
dt e t
i
i
t
t
i

?
(
?
?
9
(

con

m x m x
t =

=
*omo adopta la "orma t < 'x @ A (8igura ?B quiere decir que el diagrama x
en "(t si es normal, debe ser una recta.
t ? C
9 C
0 x
m
&9 C
&? C
%igura 2( )ecta de 'enry
La veri"icacin de una relacin lineal entre x y t puede hacerse empleando un
papel gausso aritmticoB gra"icando en el eje de las ordenadas los valores de
las "recuencias acumuladas y en el eje de las abscisas los valores de x. ,i los
puntos obtenidos est$n alineados podemos decir que la distribucin emp!rica
estudiada se aproxima a una distribucin normal (8igura D.
El gra"o, se genera en el ,E,, siguiendo las instrucciones(
Formalizando la variable(
Analyse Descriptive Statistics Descriptives Variable(s). U
Marcar: save Standarized values as variables
OK
1ra"icando la nube de puntos entre las variable % "rente a G% (variable
normalizada
1raphs ,catter ,imple de"ine
En H 'xis( Gscores %(zu y en I 'xis( %(u
;+
El resultado se muestra en la 8igura D.
3obinson 4illanueva rvillanueva5rnma.com.pe J


+e,es en U de Huelgoat
-ecta de Henr,.distribucin normal
/alores de U
7 6 5 4 3 2
0
s
c
o
r
e
1


U
2
"
#
2"
22
23
%igura *
*omo los puntos se distribuyen ............................, entonces podemos decir que
la distribucin .....................
C! Mtodo +i-cuadrado ,
?

!
El test
?
es una prueba de bondad de ajuste que tiene por objetivo contrastar
la hiptesis nula de que la muestra procede de una poblacin en la que la
proporcin de individuos que presentan el valor x
i
, es igual a p
e
i
, donde
i < 9, ?,..., # , respectivamente
)o ( p
9
<

p
e
9
, ..., p
#
< p
e
#
7i el p&valor asociado es menor que K , se rechazar$ la hiptesis nula al nivel
de signi"icacin K .
En nuestro ejemplo, la prueba Li cuadrado se solicita a travs de las siguientes
instrucciones(
Analyze !nparametrics "ests #$i%s&uare "est Variable list : U
'n 'xpected (an)e selecci!nar *et +r!m data y en 'xpected Values
selecci!nar All cate)!ries.
OK
Los resultados se muestran en el gr$"ico siguiente
3obinson 4illanueva rvillanueva5rnma.com.pe /
U
" "%3 2%3
" "%3 2%3
" "%3 2%3
" "%3 2%3
" "%3 2%3
" "%3 2%3
" "%3 2%3
2 "%3 %3
" "%3 2%3
" "%3 2%3
2 "%3 %3
2 "%3 %3
" "%3 2%3
" "%3 2%3
2 "%3 %3
" "%3 2%3
2#
2%2#
3%4#
3%6#
3%3#
3%4#
4%3#
4%4#
4%6#
4%3#
5%2#
5%3#
5%5#
5%6#
6%4#
6%7#
6%4#
5otal
6bser'ed
* 78pected * -esidual

Test Statistics
2%4##
"5
"%###
9:i2$quare
a
df
;s,mp% $ig%
U
"6 cells ("##%#<) :a'e e8pected frequencies less
t:an 5% 5:e minimum e8pected cell frequenc, is "%3%
a%
El p&valor asociado al estad!stico de contraste ('symp. ,ig. < 9.00, probabilidad de
obtener una di"erencia mayor entre lo observado en la muestra y lo esperado bajo la
hiptesis nula, es superior a 0,02, luego al nivel de signi"icacin del 2M, ...............
rechazar la hiptesis nula, es decir la variable sigue una distribucin Formal. 'dem$s
obsrvese que la di"erencia entre los valores observados y esperados no es
estad!sticamente signi"icativa. La prueba indica adem$s que los e"ectivos de las clases
son in"eriores a 2.
El test
?
no da una respuesta negativa, se opone a veces al ajustamiento, pero no
aprueba jam$s su exactitud.
3obinson 4illanueva rvillanueva5rnma.com.pe N
D! -ruebas de bondad de a$uste estadstico para una muestra
D.1. -ruebas de .olmorogo/-0mirno/1 de .olmorogo/-0mirno/-
Lillie2ors y gr2ico de probabilidad normal
Ouchas tcnicas estad!sticas, antes de analizar las variables, exigen que estas, sigan una
distribucin Formal, por lo que, previo al an$lisis, se desea comprobar si la variable a
estudiar es Formal y una prueba adecuada para comprobar la normalidad es la de
+olmorogov&,mirnov para una muestra.
D.1.1. -rueba de .olmorogo/-0mirno/
Esta es una prueba de bondad de ajuste utilizada para contrastar la hiptesis nula de que la
muestra procede de una poblacin en que la distribucin de la variable continua x, es una
determinada distribucin terica 8
t
. En otras palabras, la hiptesis nula a contrastar es(
)
o
( 8 < 8
t
,i p&valor asociado al estad!stico de contraste P K , se rechazar$ la hiptesis nula al nivel de
con"ianza K.
7el archivo( normalidad.sav, seleccionamos la variable *u, la hiptesis nula a contrastar es
que la distribucin de la variable es normal. Es decir(
)
o
( 8 < Formal

La distribucin de la variable la solicitamos de la siguiente manera(
Analyse !nparametric "ests ,%Samples K%S
"est Variable -ist: #u
"est Distributi!n: !rmal
OK
La prueba compara para cada valor de la variable, la proporcin de casos observados con
valor in"erior o igual a dicho valor con la proporcin de casos esperados bajo la hiptesis
nula de distribucin Formal de media y desviacin t!pica muestrales y el estad!stico de
contraste se construye a partir de la m$xima di"erencia, en valor absoluto, encontrada.
En nuestro ejemplo, el p&valor asociado al estad!stico de contraste (Q'symp. ,ig. (?&tailled
< 0,0N? es mayor que 0,02, luego, al nivel de signi"icacin del 2M,no se podr$ rechazar la
hiptesis nula, es decir, la distribucin es normal. ,in embargo cuando se realiza el estudio
descriptivo de normalidad, se comprueba mediante el an$lisis de la "orma de la distribucin
y de la acumulacin de valores entorno a la media, que la variable *u presenta una mayor
concentracin de valores a la izquierda de la media que a la derecha (ver histograma de *u.
3obinson 4illanueva rvillanueva5rnma.com.pe .
One-Sample Kolmogorov-Smirnov Test
64
"262%3#
44#%5#
%"52
%"52
2%"43
"%263
%#32
*
)ean
$td% &e'iation
*ormal =arameters
a>b
;bsolute
=ositi'e
*egati'e
)ost 78treme
&ifferences
?olmogoro'2$mirno' 0
;s,mp% $ig% (22tailed)
9U
5est distribution is *ormal%
a%
9alculated from data%
b%
9U
4
5
#
#
%
#
4
2
5
#
%
#
4
#
#
#
%
#
3
7
5
#
%
#
3
5
#
#
%
#
3
2
5
#
%
#
3
#
#
#
%
#
2
7
5
#
%
#
2
5
#
#
%
#
2
2
5
#
%
#
2
#
#
#
%
#
"
7
5
#
%
#
"
5
#
#
%
#
"
2
5
#
%
#
"
#
#
#
%
#
7
5
#
%
#
5
#
#
%
#
2
5
#
%
#
"4
"2
"#
3
6
4
2
#
$td% &e' ( 44#%5#
)ean ( "262%3
* ( 64%##
D.1.2. -rueba de .olmorogo/-0mirno/ 3Lillie2ors. 4r2ico de normalidad
Esta prueba es una particularizacin de la anterior y se usa en el caso en que la distribucin
esperada, 8
t
, es una Formal. Es decir(
)
o
( 8 < Formal
En esta prueba el estad!stico de contraste se basa en las di"erencias entre las dos "unciones a
lo largo de toda la curva, por esta razn el p&valor obtenido es m$s preciso que el anterior.
5bser/acin( Q,i una variable continua x presenta una distribucin asimtrica (positiva o
negativa, distinta a la normal, la variable trans"ormada ln(x x
p
con p R 0 y toma valores
m-ltiplos de 9>?, puede ser simtrica, lo que en ocasiones supone normalidad, es decir una
distribucin Formal (0,9B con media 0 y desviacin t!pica 9S.
3obinson 4illanueva rvillanueva5rnma.com.pe 90
,eg-n lo anterior(
Erimero trans"ormemos la variable *u en Ln(*u(
"rans+!rm #!mpute "ar)et variable: -n#u
umeric 'xpresi!n: -n( #u)
OK
Eosteriormente, tipi"icamos nuestras variables *u y Ln(*u. La tipi"icacin consiste en
restar a cada valor la media de la muestra y dividir la di"erencia por la desviacin t!pica, de
tal "orma que, las nuevas variables Gcu y Gln(*u tendr$n media 0 y desviacin t!pica 9. Lo
anterior se solicita a travs del cuadro de di$logo(
Analyse Descriptive Statistics Descriptives Variable(s): #u. -n#u
Marcar: Save Standarized values as variables
;+
Analyse Descriptive Statistics 'xpl!re De!pend list:z #u. z-n#u
Display: /l!ts /l!ts: !rmality pl!ts 0it$ intervals
*ontinue ;+
7escriptives
Descriptive Statistics
64 64 64
223 5
45#2 3
"262%3# 6%33
44#%5# %33
*
)inimum
)a8imum
)ean
$td%
&e'iation
9U +*9U /alid * (list@ise)
'xpl!re
Case Processing Summary
64 "##%#< # %#< 64 "##%#<
64 "##%#< # %#< 64 "##%#<
0score(9U)
0score(+*9U)
* =ercent * =ercent * =ercent
/alid )issing 5otal
9ases
Tests of Normality
%"52 64 %###
%#44 64 %2##A
0score(9U)
0score(+*9U)
$tatistic df $ig%
?olmogoro'2$mirno'
a
5:is is a lo@er bound of t:e true significance%
A%
+illiefors $ignificance 9orrection
a%
3obinson 4illanueva rvillanueva5rnma.com.pe 99
Los valores de ,ig del Tests o" Formality nos dicen que(
El p&valor asociado al estad!stico de contraste (Q,ig < 0,? es mayor que 0,02, por lo que, la
hiptesis de distribucin Formal ............ ser rechazada, por tanto la variable Ln(*u
es ......... y como el p&valor asociado para la variable *u (Q,ig < 0,00S es menor que
0,02 ...... rechaza la hiptesis de distribucin normal, a este nivel de signi"icacin, por lo que
la distribucin que sigue la variable *u ......... normal (como se nota, por ser este valor m$s
preciso, correccin de Lillie"ors, esta es la hiptesis a adoptar y no la anterior. ;bsrvese
los histogramas *u y Ln(*u
9U
4
5
#
#
%#
4
2
5
#
%#
4
#
#
#
%#
3
7
5
#
%#
3
5
#
#
%#
3
2
5
#
%#
3
#
#
#
%#
2
7
5
#
%#
2
5
#
#
%#
2
2
5
#
%#
2
#
#
#
%#
"
7
5
#
%#
"
5
#
#
%#
"
2
5
#
%#
"
#
#
#
%#
7
5
#
%#
5
#
#
%#
2
5
#
%#
"4
"2
"#
3
6
4
2
#
$td% &e' ( 44#%5#
)ean ( "262%3
*( 64%##

+*9U
3%5#
3%25
3%##
7%75
7%5#
7%25
7%##
6%75
6%5#
6%25
6%##
5%75
5%5#
"#
3
6
4
2
#
$td% &e' ( %33
)ean ( 6%33
*( 64%##
En el Qgr$"ico de normalidad de las variables *u y Ln(*uS, en el gr$"ico a se representan
los valores observados en el eje horizontal y en el vertical los esperados bajo la hiptesis de
probabilidad Formal (0,9B si la muestra procediera de una poblacin normal, los puntos se
alinear!an en la recta bisectriz del primer cuadrante (pendiente 9, en nuestro ejemplo si
analizamos el gr$"ico observamos, en general, que los puntos se alejan de la recta, a pesar
que en el intervalo de U9 a @9 los puntos parecen estar situados sobre la recta. %na opcin
gr$"ica para corroborar lo dicho anteriormente es el gr$"ico de probabilidad normal sin
tendencia (8igura 7.9. b, que representa los valores observados en la horizontal "rente a las
desviaciones a la recta del gr$"ico de probabilidad normal anterior, representados en la
vertical. ;bservando el gr$"ico, notamos que los puntos se ubican alejados y por encima de
la recta horizontal que pasa por el cero, excepto en el intervalo V&9,@9W que se ubican por
debajo de esta l!nea gu!a, por tanto, podemos deducir que la distribucin de la variable *u,
no es normal.
;bservando la 8igura 7.9.c, los puntos, en general, se sit-an a lo largo de toda la l!nea
horizontal que pasa por el cero y obsrvese que los puntos en el gr$"ico d se ubican con
cierto grado de simetr!a respecto a la l!nea gu!a, por tanto podemos decir que la variable
Ln(*u sigue una distribucin norma...............l.
Eodemos entonces decir, que la variable Ln(*u, es la que ........... utilizarse, en ....... de la
variable *u en la aplicacin de aquellas tcnicas estad!sticas que requieren que la
distribucin sea ...................
3obinson 4illanueva rvillanueva5rnma.com.pe 9?
*ormal B2B =lot of 0score(9U)
6bser'ed /alue
4 3 2 " # 2" 22 23
7
8
p
e
c
t
e
d

*
o
r
m
a
l
3
2
"
#
2"
22
23

&etrended *ormal B2B =lot of 0score(9U)
6bser'ed /alue
4 3 2 " # 2" 22
&
e
'

f
r
o
m

*
o
r
m
a
l
"%2
"%#
%3
%6
%4
%2
#%#
2%2
2%4
a) b)
*ormal B2B =lot of 0score(+*9U)
6bser'ed /alue
3 2 " # 2" 22 23
7
8
p
e
c
t
e
d

*
o
r
m
a
l
3
2
"
#
2"
22
23

&etrended *ormal B2B =lot of 0score(+*9U)
6bser'ed /alue
2 " # 2" 22
&
e
'

f
r
o
m

*
o
r
m
a
l
%6
%4
%2
#%#
2%2
2%4
c! d!
%igura D.1. -rueba de .olmorogo/-0mirno/ 3Lillie2ors y 4r2ico de normalidad para
las /ariables Cu y Ln,Cu!

1.2.2 Determinacin de la ley media en distribuciones normales
*omprobado el car$cter normal de la distribucin, la ley media se calcula como la
media aritmtica de las leyes, es decir (
n
z
z
i
m

=
7onde ( z
m
< ley mediaB z
i
< valores de las di"erentes leyes y n < n-mero de
datos
3obinson 4illanueva rvillanueva5rnma.com.pe 9D
1.2.* Determinacin de la ley media en distribuciones log-normales
*omprobada la distribucin log&normal por los mtodos descritos anteriormente
el verdadero valor de la ley media se calcula usando la "rmula(
! %rmula general (

+
=

?
(
?
b
a
e

X < 4alor estimado de la ley media
a < Oedia de la distribucin de los logaritmos de las leyes.
b < 7esviacin est$ndar de la distribucin de los logaritmos de las leyes
,i al representar los datos logar!tmicos en un diagrama de probabilidad, no se ajustan
exactamente a una recta, mostrando cierta curvatura en el ajuste, esto implica una
poblacin log normal de tres par$metros. El tercer par$metro, denominado constante
aditiva (a, se calcula como(
? (
. ( (
20 /2 ?2
?2 /2 20
x x x
x x x
a
+

=


x
?2
, x
20
y x
/2
son los cuantiles ?2, 20 y /2 respectivamente
Este valor se aYade a los datos originales (sin trans"ormar logar!tmicamente,
posteriormente se calcula la nueva variable ln(x@a que, representada en el papel gauso&
aritmtico debe generar una recta. 8inalmente el valor de la ley media se aplica el
procedimiento descrito para la poblacin de dos par$metros.
#$emplo.& El an$lisis por oro de J. muestras de un probable yacimiento de oro, ha
generado una base de datos (valores de 'u en ppb, cuya trans"ormacin logar!tmica da
como valores de la media y desviacin est$ndar ?.N9 y 0.N/ respectivamente. *alcular el
valor de la ley media para el probable yacimiento usando la "rmula general descrita
anteriormente.
0olucin.- 'ntes de aplicar la "rmula y a manera de a"ianzar los conocimientos, en la
8ig. 6 se muestra el histograma de "recuencia para el conjunto de datos sin trans"ormar y
en la 8ig. 2 el histograma para los valores trans"ormados. En el cuadro de QEstad!sticas
descriptivasS, se puede notar que el valor del coe"iciente de sesgo (,#eZness ,tatisticS
para la variable 'u es de ?.2/2 indicador de una probable distribucin lognormal,
mientras que para la variable Ln('u dicho valor es de 0.J??, acerc$ndose notablemente
a una distribucin normal.
Estadsticas decriptivasC
* -ange )inimum )a8imum S!e"ness
$tatistic $tatistic $tatistic $tatistic Statistic $td% 7rror
#u 64 "45 5 "5# $%&'& %234
(n)#u* 64 3%4# "%6" 5%#" %+$$ %234
/alid * (list@ise) 64

*on los valores de la media y de la desviacin est$ndar dados en el enunciado del
problema, se obtendr$ que(
3obinson 4illanueva rvillanueva5rnma.com.pe 96
a @ (b
?
>? < ?.N9 @ (0.N/[0.N/>? < D.9NN26
luego, la ley media verdadera ser$
( X < e
VD.9NN26W

< ?6.D ppb 'u
;u(ppm)
"5#
"4#
"3#
"2#
""#
"##
4#
3#
7#
6#
5#
4#
3#
2#
"#
&istribucn de oro.prospecto peruano
Histograma datos originales
&istribucin lognormal
!
r
e
c
u
e
n
c
i
a
4#
3#
2#
"#
#
$td% &e' ( 23%45
)ean ( 25
* ( 64%## 3
7
5
"#
37
%igura 6
3obinson 4illanueva rvillanueva5rnma.com.pe 92

+n(;u)
5%##
4%75
4%5#
4%25
4%##
3%75
3%5#
3%25
3%##
2%75
2%5#
2%25
2%##
"%75
"%5#
&istribucn de oro.prospecto peruano
Histograma datos transformados
&istribucin normal
"2
"#
3
6
4
2
#
$td% &e' ( %37
)ean ( 2%3"
* ( 64%##
2 2 2
3 3
7
3
4
""
3
7 7
3
7
%igura.

7
&! Los estimadores de 0ic"el
Estos estimadores se usan para calcular el valor de la ley media, cuando se
presume que la poblacin presenta una distribucin log&normal y el n-mero de
datos con el que se cuenta es muy pequeYo. La ventaja del mtodo de ,ichel es
que podemos de"inir niveles de con"ianza en el c$lculo de la ley media. La
"rmula que permite calcular el estimador de ,ichel es la siguiente(
t
,ichel
< e
a
"(4
n


e < n-mero de Feper
a < media de los logaritmos de las leyes
"(4n < valor que se obtiene de la tabla de Q4alores de la "uncin de ,ichelS, con
n < n-mero de muestras y 4 < varianza de los logaritmos de las leyes.
#$emplo. La serie de 2 muestras corresponde a las leyes de bloques (g>t de un
yacimiento de 'u( 6.N, ?0.9, 2.D, ?.6, J.9. *alcular el valor de la ley media usando
el mtodo de ,ichel.
0olucin (
i *alculamos los logaritmos neperianos de los datos (9.2/, D.00, 9.J/, 0.NN, 9.N9
ii Los valores de a y 4 son (9./N y (0./J.
?
< 0.2. respectivamente.
iiiEl valor de "(0.2.
2
< 9.D?J (valor calculado de la tabla de ,ichel,
8inalmente (
t
,ichel
< e
9./N
9.D?J

< /.NJ 'u g>t
3obinson 4illanueva rvillanueva5rnma.com.pe 9J
,i se calculara la ley media como un simple promedio el valor ser!a (
(6.N@?0.9@2.D@?.6@J.9>2 < /./6
El valor dado por ,ichel es ligeramente superior al valor promedio simple, esta es
una caracter!stica de las distribuciones log normales.
Eara calcular los niveles de con"ianza se usan las tablas Ql!mites superiores de
con"ianza para los estimadores de ,ichel, por ejemplo el \
.2
y \
2
, en este caso
el nivel de con"ianza ser$ de .0M, donde (
L!mite superior < \
.2
< t
,ichel
"(4
n

L!mite in"erior < \
2
< t
,ichel
"(4
n

*on estos valores podremos decir que existe un .0M de probabilidad de que la ley
media est comprendida en ese intervalo.
#$emplo. *alcular la ley media del ejemplo anterior con un error del 90M (nivel
de con"ianza .0M.
,olucin (
4 < 0.2.B n < 2B t
,ichel
< /.NJ 'u g>t
L!mite superior < /.NJ[6.992 < D?.D6
L!mite in"erior < /.NJ[0.229< 6.DD
La ley media est$ comprendida entre D?.D6 'u g>t y 6.DD 'u g>t con un nivel de
con"ianza de .0M, podemos a"irmar tambin que existe un .2M de probabilidad
de que la ley sea superior a 6.DD g 'u>t.
3obinson 4illanueva rvillanueva5rnma.com.pe 9/
+mite superior de confianDa (E45) +mite inferior de confianDa (E5)
3obinson 4illanueva rvillanueva5rnma.com.pe 9N
para los estimadores de $ic:el para los estimadores de $ic:el
/ n / n
5 "# "5 2# 5 "# "5 2#
#>## ">### ">### ">### ">### #>## ">### ">### ">### ">###
#>#4 ">362 ">"7" ">"22 ">#44 #>#4 #>3534 #>4#7" #>4246 #>4344
#>#3 ">56" ">256 ">"3" ">"46 #>#3 #>3#7# #>37#3 #>3443 #>4#77
#>"2 ">74# ">327 ">23# ">"34 #>"2 #>7643 #>3434 #>37"6 #>3373
#>"6 ">4"4 ">343 ">274 ">2"4 #>"6 #>7334 #>32"6 #>3527 #>37#4
#>2# 2>#37 ">455 ">3"6 ">252 #>2# #>7"24 #>3#23 #>336# #>3553
#>3# 2>532 ">6#6 ">4"5 ">323 #>3# #>66#5 #>76"3 #>3##3 #>3243
#>4# 3>#"4 ">756 ">5#4 ">344 #>4# #>6"37 #>7234 #>77"7 #>743"
#>5# 3>563 ">4"# ">6#3 ">47# #>5# #>5333 #>6445 #>7462 #>7744
#>6# 4>"76 2>#7# ">632 ">54" #>6# #>5533 #>6734 #>727# #>7534
#>7# 4>37# 2>237 ">743 ">6"4 #>7# #>5277 #>65#3 #>7#2# #>7333
#>3# 5>663 2>4"5 ">4#" ">633 #>3# #>5#44 #>6247 #>6325 #>7"56
#>4# 6>57# 2>6#4 2>##6 ">763 #>4# #>4336 #>6"#3 #>6646 #>6437
">## 7>6#5 2>3#5 2>""7 ">342 ">## #>465# #>5423 #>6476 #>6326
">"# 3>745 3>#"4 2>233 ">424 ">"# #>443" #>5756 #>63"7 #>6674
">2# "#>"55 3>25# 2>355 2>##3 ">2# #>4323 #>5544 #>6"65 #>653#
">3# "">7"3 3>447 2>433 2>#46 ">3# #>4"34 #>5452 #>6#2# #>6343
">4# "3>5"3 3>76" 2>6"7 2>"37 ">4# #>4#62 #>53"5 #>5333 #>6262
">5# "5>564 4>#45 2>753 2>232 ">5# #>3446 #>5"36 #>576# #>6"37
">6# "7>423 4>35" 2>4#7 2>33# ">6# #>334# #>5#65 #>5637 #>6#"3
">7# 2#>634 4>63# 3>#64 2>434 ">7# #>3743 #>445# #>552" #>54#4
">3# 23>744 5>#34 3>224 2>542 ">3# #>3655 #>4342 #>54"# #>5744
">4# 27>3"3 5>4"4 3>4#3 2>7#4 ">4# #>3574 #>474# #>53#5 #>5633
2>## 3">343 5>325 3>533 2>322 2>## #>35#" #>4644 #>52#3 #>5537
2>"# 36>#74 6>263 3>733 2>445 2>"# #>3433 #>4552 #>5"#6 #>5434
2>2# 4">444 6>745 3>434 3>#74 2>2# #>3372 #>4466 #>5#"4 #>5345
2>3# 47>536 7>26# 4>2#3 3>2#4 2>3# #>33"6 #>4335 #>4425 #>53#4
2>4# 54>6"" 7>3"5 4>433 3>35" 2>4# #>3266 #>43#3 #>434# #>52"7
2>5# 62>66" 3>4"5 4>633 3>443 2>5# #>322# #>4234 #>4754 #>5"33
2>6# 7">36" 4>#6" 4>44" 3>67# 2>6# #>3"74 #>4"66 #>463" #>5#44
2>7# 32>366 4>754 5>2"4 3>3"6 2>7# #>3"42 #>4"## #>46#6 #>4474
2>3# 44>377 "#>5"2 5>5#4 3>436 2>3# #>3""# #>4#34 #>4535 #>4344
2>4# "#3>""5 "">326 5>3"" 4>"64 2>4# #>3#3" #>343" #>4467 #>4326
3>## "23>75# "2>2#6 6>"37 4>35" 3>## #>3#55 #>3426 #>44#" #>4756
Ta,la- ./alores de la funci0n de Sic1el.
n
/ 2 3 4 5 6 7 3 4 "#
#>## ">### ">### ">### ">### ">### ">### ">### ">### ">###
3obinson 4illanueva rvillanueva5rnma.com.pe 9.
#>#4 ">#2# ">#2# ">#2# ">#2# ">#2# ">#2# ">#2# ">#2# ">#2#
#>#3 ">#4# ">#4# ">#4# ">#4# ">#4# ">#4# ">#4# ">#4# ">#4#
#>"2 ">#6" ">#6" ">#6" ">#6" ">#6" ">#6" ">#6" ">#6" ">#6"
#>"6 ">#3" ">#32 ">#32 ">#32 ">#32 ">#32 ">#32 ">#33 ">#33
#>2# ">"#2 ">"#2 ">"#3 ">"#3 ">"#4 ">"#4 ">"#4 ">"#4 ">"#4
#>3# ">"54 ">"56 ">"57 ">"53 ">"53 ">"54 ">"54 ">"54 ">"6#
#>4# ">2#7 ">2"# ">2"2 ">2"4 ">2"5 ">2"6 ">2"6 ">2"7 ">2"7
#>5# ">26# ">266 ">264 ">272 ">273 ">275 ">276 ">276 ">277
#>6# ">3"5 ">323 ">323 ">332 ">334 ">336 2>337 ">333 ">334
#>7# ">37" ">332 "%334 ">343 ">347 ">344 ">4#" ">4#3 ">4#4
#>3# ">427 ">442 ">45" ">457 ">462 ">465 ">463 ">47# ">472
#>4# ">435 ">5#3 ">5"5 ">523 ">524 ">533 ">537 ">54# ">542
">## ">543 ">566 ">53# ">54" ">543 ">6#4 ">6#3 ">6"2 ">6"5
">"# ">6#2 ">63# ">643 ">66" ">67# ">677 ">632 ">637 ">64"
">2# ">662 ">646 ">7"3 ">733 ">744 ">752 ">754 ">765 ">77#
">3# ">724 ">764 ">734 ">3#7 ">32# ">33" ">334 ">346 ">35"
">4# ">736 ">332 ">362 ">334 ">4## ">4"2 ">422 ">43# ">436
">5# ">343 ">4#3 ">433 ">463 ">43" ">446 2>##7 2>#"7 2>#25
">6# ">4"2 ">475 2>#"5 2>#44 2>#66 2>#32 2>#46 2>"#7 2>""6
">7# ">477 2>#44 2>#45 2>"23 2>"53 2>"72 2>"33 2>2#" 2>2"2
">3# 2>#43 2>"24 2>"77 2>2"4 2>243 2>265 2>233 2>243 2>3"#
">4# 2>""# 2>2#" 2>26# 2>3#3 2>336 2>36" 2>332 2>344 2>4"3
2>## 2>"73 2>23# 2>347 2>345 2>43" 2>46# 2>434 2>5#3 2>5"4
3obinson 4illanueva rvillanueva5rnma.com.pe ?0