Beruflich Dokumente
Kultur Dokumente
Estadstica
La estadstica descriptiva es una ciencia que analiza series de datos (por ejemplo, edad de una
poblacin, altura de los estudiantes de una escuela, temperatura en los meses de verano, etc) y trata
de extraer conclusiones sobre el comportamiento de estas variables.
Pgina 2
Estadstica
Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten
informacin sobre el fenmeo que se estudia. Por ejemplo, si estudiamos el precio de la vivienda en
una ciudad, la poblacin ser el total de las viviendas de dicha ciudad.
Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el precio de la
vivienda de una ciudad, lo normal ser no recoger informacin sobre todas las viviendas de la
ciudad (sera una labor muy compleja), sino que se suele seleccionar un subgrupo (muestra) que se
entienda que es suficientemente representativo.
Distribucin de frecuencia
Variable
(Valor)
x
X
1
X
2.
.
Xn
.
-1
X
n
Frecuencias absolutas
Simple
Acumulad
x
Xaa
n1
n1
n2
n1 + n2
...
...
n1 + n2
nn-1
+..+
nn
nn
n
-1
Frecuencias relativas
Simple
Acumulad
x
xa
f1 = n1 / n
f1
f2 = n2 / n
f1 + f2
...
...
f1 + f2
fn-1 = nn-1 /
+..+f
n
fn = nn / n
n-f 1
Alumno
x
Estatura
x
Alumno 1
1,25
Alumno 2
1,28
Alumno 3
1,27
Alumno 4
1,21
Alumno
x
Estatura
x
Alumno 11
Alumno 12
Alumno 13
Alumno 14
Pgina 3
1,23
1,26
1,30
1,21
Alumno
x
Alumno 21
Alumno 22
Alumno 23
Alumno 24
Estatura
x
1,21
1,29
1,26
1,22
Estadstica
Alumno 5
1,22
Alumno 6
1,29
Alumno 7
1,30
Alumno 8
1,24
Alumno 9
1,27
Alumno 10
1,29
Alumno 15
Alumno
1,28
1,30
16
Alumno 17
Alumno 18
Alumno 19
Alumno 20
1,22
1,25
1,20
1,28
Alumno 25
Alumno
26
Alumno 27
Alumno 28
Alumno 29
Alumno 30
1,28
1,27
1,26
1,23
1,22
1,21
Frecuencias absolutas
Simple
Acumulad
x
xa
1
1
4
5
4
9
2
1
1
1
1
2
2
1
4
3
1
7
3
2
0
4
2
4
3
2
7
3
3
0
Frecuencias relativas
Simple
Acumulad
x
xa
3,3%
3,3%
13,3%
16,6%
13,3%
30,0%
6,6%
36,6%
3,3%
40,0%
6,6%
46,6%
10,0%
56,6%
10,0%
66,6%
13,3%
80,0%
10,0%
90,0%
10,0%
100,0%
Si los valores que toma la variable son muy diversos y cada uno de ellos se repite muy pocas veces,
entonces conviene agruparlos por intervalos, ya que de otra manera obtendramos una tabla de
frecuencia muy extensa que aportara muy poco valor a efectos de sntesis. (tal como se ver en la
siguiente leccin).
Pgina 4
Supongamos que medimos la estatura de los habitantes de una vivienda y obtenemos los siguientes
resultados (cm):
Habitante
x
Estatura
x
Habitante 1
1,15
Habitante 2
1,48
Habitante 3
1,57
Habitante 4
1,71
Habitante 5
1,92
Habitante 6
1,39
Habitante 7
1,40
Habitante 8
1,64
Habitante 9
1,77
Habitante
10
1,49
Habitante
x
Habitante 11
Estatura
x
Habitante 12
Habitante 13
Habitante 14
Habitante 15
Habitante 16
Habitante 17
Habitante 18
Habitante 19
Habitante 20
1,53
1,16
1,60
1,81
1,98
1,20
1,42
1,45
1,20
1,98
Habitante
x
Habitante 21
Habitante 22
Habitante 23
Habitante 24
Habitante 25
Habitante 26
Habitante 27
Habitante 28
Habitante 29
Habitante 30
Estatura
x
1,21
1,59
1,86
1,52
1,48
1,37
1,16
1,73
1,62
1,01
Si presentramos esta informacin en una tabla de frecuencia obtendriamos una tabla de 30 lneas
(una para cada valor), cada uno de ellos con una frecuencia absoluta de 1 y con una frecuencia
relativa del 3,3%. Esta tabla nos aportara escasa imformacin
En lugar de ello, preferimos agrupar los datos por intervalos, con lo que la informacin queda ms
resumida (se pierde, por tanto, algo de informacin), pero es ms manejable e informativa:
Estatura
Cm
Frecuencias absolutas
Simple
Acumulada
Pgina 5
Frecuencias relativas
Simple
Acumulada
x
1,01 - 1,10
1,11 - 1,20
1,21 - 1,30
1,31 - 1,40
1,41 - 1,50
1,51 - 1,60
1,61 - 1,70
1,71 - 1,80
1,81 - 1,90
1,91 - 2,00
x
1
x
1
x
3,3%
x
3,3%
3
3
2
6
4
3
3
2
3
4
7
9
15
19
22
25
27
30
10,0%
10,0%
6,6%
20,0%
13,3%
10,0%
10,0%
6,6%
10,0%
13,3%
23,3%
30,0%
50,0%
63,3%
73,3%
83,3%
90,0%
100,0%
El nmero de tramos en los que se agrupa la informacin es una decisin que debe tomar el analista:
la regla es que mientras ms tramos se utilicen menos informacin se pierde, pero puede que menos
representativa e informativa sea la tabla.
Medidas de posicin central
Las medidas de posicin nos facilitan informacin sobre la serie de datos que estamos analizando.
Estas medidas permiten conocer diversas caractersticas de esta serie de datos.
a) Media aritmtica: se calcula multiplicando cada valor por el nmero de veces que se repite.
La suma de todos estos productos se divide por el total de datos de la muestra:
Pgina 6
Xm = (X1 * n1) + (X2 * n2) + (X3 * n3) + .....+ (Xn-1 * nn-1) + (Xn * nn)
-------------------------------------------------------------------------n
b) Media geomtrica: se eleva cada valor al nmero de veces que se ha repetido. Se multiplican
todo estos resultados y al producto fiinal se le calcula la raz "n" (siendo "n" el total de datos de la
muestra).
Segn el tipo de datos que se analice ser ms apropiado utilizar la media aritmtica o la media
geomtrica.
La media geomtrica se suele utilizar en series de datos como tipos de inters anuales, inflacin, etc.,
donde el valor de cada ao tiene un efecto multiplicativo sobre el de los aos anteriores. En todo caso,
la media aritmtica es la medida de posicin central ms utilizada.
Lo ms positivo de la media es que en su clculo se utilizan todos los valores de la serie, por lo que no
se pierde ninguna informacin.
Sin embargo, presenta el problema de que su valor (tanto en el caso de la media aritmtica como
geomtrica) se puede ver muy influido por valores extremos, que se aparten en exceso del resto de la
serie. Estos valores anmalos podran condicionar en gran medida el valor de la media, perdiendo sta
representatividad
2.- Mediana: es el valor de la serie de datos que se sita justamente en el centro de la muestra (un
50% de valores son inferiores y otro 50% son superiores).
No presentan el problema de estar influido por los valores extremos, pero en cambio no utiliza en su
clculo toda la informacin de la serie de datos (no pondera cada valor por el nmero de veces que
se ha repetido)
3.- Moda: es el valor que ms se repite en la muestra.
Ejemplo: vamos a utilizar la tabla de distribucin de frecuencias con los datos de la estatura de los
alumnos que vimos en la leccin 2.
Variable
(Valor)
x
1,
20
1,
21
Frecuencias absolutas
Simple
Acumulad
x
xa
1
1
4
5
Pgina 7
Frecuencias relativas
Simple
Acumulad
x
xa
3,3%
3,3%
13,3%
16,6%
1,
22
1,
23
1,
24
1,
25
1,
26
1,
27
1,
28
1,
29
1,
30
4
2
1
2
3
3
4
3
3
9
1
1
1
2
1
4
1
7
2
0
2
4
2
7
3
0
13,3%
6,6%
3,3%
6,6%
10,0%
10,0%
13,3%
10,0%
10,0%
30,0%
36,6%
40,0%
46,6%
56,6%
66,6%
80,0%
90,0%
100,0%
Luego:
Xm = 1,253
Por lo tanto, la estatura media de este grupo de alumnos es de 1,253 cm.
Luego:
Xm = 1,253
En este ejemplo la media aritmtica y la media geomtrica coinciden, pero no tiene siempre por qu
ser as.
3.- Mediana:
La mediana de esta muestra es 1,26 cm, ya que por debajo est el 50% de los valores y por arriba el
otro 50%. Esto se puede ver al analizar la columna de frecuencias relativas acumuladas.
En este ejemplo, como el valor 1,26 se repite en 3 ocasiones, la media se situara exactamente entre
el primer y el segundo valor de este grupo, ya que entre estos dos valores se encuentra la divisin
entre el 50% inferior y el 50% superior.
4.- Moda:
Pgina 8
Hay 3 valores que se repiten en 4 ocasiones: el 1,21, el 1,22 y el 1,28, por lo tanto esta seria cuenta
con 3 modas.
Estudia la distribucin de los valores de la serie, analizando si estos se
Medidas de posicin no central
Variable
(Valor)
x
1,
20
1,
21
1,
22
1,
23
1,
24
1,
25
1,
26
1,
27
1,
28
1,
29
1,
30
Frecuencias absolutas
Simple
Acumulad
x
xa
1
1
4
5
4
9
2
1
1
1
1
2
2
1
4
3
1
7
3
2
0
4
2
4
3
2
7
3
3
0
Frecuencias relativas
Simple
Acumulad
x
xa
3,3%
3,3%
13,3%
16,6%
13,3%
30,0%
6,6%
36,6%
3,3%
40,0%
6,6%
46,6%
10,0%
56,6%
10,0%
66,6%
13,3%
80,0%
10,0%
90,0%
10,0%
100,0%
1 cuartil: es el valor 1,22 cm, ya que por debajo suya se situa el 25% de la frecuencia (tal como se
puede ver en la columna de la frecuencia relativa acumulada).
2 cuartil: es el valor 1,26 cm, ya que entre este valor y el 1 cuartil se situa otro 25% de la
frecuencia.
3 cuartil: es el valor 1,28 cm, ya que entre este valor y el 2 cuartil se sita otro 25% de la
Pgina 9
La varianza siempre ser mayor que cero. Mientras ms se aproxima a cero, ms concentrados estn
los valores de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza, ms
dispersos estn.
Variable
(Valor)
x
1,
20
1,
21
1,
22
1,
23
1,
24
1,
25
1,
26
1,
27
Frecuencias absolutas
Simple
Acumulad
x
xa
1
1
4
5
4
9
2
1
1
1
1
2
2
1
4
3
1
7
3
2
0
Frecuencias relativas
Simple
Acumulad
x
xa
3,3%
3,3%
13,3%
16,6%
13,3%
30,0%
6,6%
36,6%
3,3%
40,0%
6,6%
46,6%
10,0%
56,6%
Pgina
10
10,0%
66,6%
1,
28
1,
29
1,
30
4
3
3
2
4
2
7
3
0
13,3%
10,0%
10,0%
80,0%
90,0%
100,0%
1.- Rango: Diferencia entre el mayor valor de la muestra (1,30) y el menor valor (1,20). Luego el
rango de esta muestra es 10 cm.
2.- Varianza: recordemos que la media de esta muestra es 1,253. Luego, aplicamos la frmula:
Luego:
Las medidas de forma permiten conocer que forma tiene la curva que representa la serie de datos
de la muestra. En concreto, podemos estudiar las siguientes caractersticas de la curva:
Pgina
11
b) Asimetra: mide si la curva tiene una forma simtrica, es decir, si respecto al centro de la
misma (centro de simetra) los segmentos de curva que quedan a derecha e izquierda son
similares.
a) Concentracin
Para medir el nivel de concentracin de una distribucn de frecuencia se pueden utilizar distintos
indicadores, entre ellos el Indice de Gini.
Este ndice se calcula aplicando la siguiente frmula:
IG
----------------------------
(pi - qi)
pi
(i toma valores entre 1 y n- 1)
En donde pi mide el porcentaje de individuos de la muestra que presentan un valor igual o inferior al
de xi.
pi =
n1 + n2 + n3 + ... +
ni
-------------------------- x 100
-n
Pgina
12
qi =
Empleados
(Frecuencias
absolutas)
(Millones)
Simple
Acumulad
x
x
xa
3,
1
1
5
0
0
4,
1
2
5
2
2
6,
8
3
0
0
8,
5
3
0
5
10
3
3
,0
8
15
1
3
,0
9
20
1
4
,0
0
Sueldos
Frecuencias relativas
Simple
x
25,0%
30,0%
20,0%
12,5%
7,5%
2,5%
2,5%
Acumulad
xa
25,0%
55,0%
75,0%
87,5%
95,0%
97,5%
100,0%
Calculamos los valores que necesitamos para aplicar la frmula del Indice de Gini:
X
n
i
x
x i
3,5
1
0
4,5
1
2
6,0
8
8,0
5
10,0
3
15,0
1
25,0
1
n
x i
1
0
2
2
3
0
3
5
3
8
3
9
4
0
p
x i
25,
0
55,
0
75,
0
87,
5
95,
0
97,
5
100,
0
Xi * ni
Xi * ni
x
x
35
,0
54
,0
48
,0
40
,0
30
,0
15
,0
25
,0
Pgina
13
35
,0
89
,0
147,0
187,0
217,0
232,0
257,0
q
x i
13,
6
34,
6
57,
2
72,
8
84,
4
90,
3
100,
0
pi xqi
10,8
3
18,9
7
19,5
3
15,8
4
11,1
97,6
02
pi (entre 1 y n-1)
=
x
435,
0
x
x
(pi - qi) (entre 1 y
n-1
)=
x
83,9
9
Por lo tanto:
IG = 83,99 / 435,0 = 0,19
Un Indice Gini de 0,19 indica que la muestra est bastante uniformemente repartida, es decir, su
nivel de concentracin no es excesivamente alto.
Ejemplo: Ahora vamos a analizar nuevamente la muestra anterior, pero considerando que hay ms
personal de la empresa que cobra el sueldo mximo, lo que conlleva mayor concentracin de renta
en unas pocas personas.
Empleados
(Frecuencias
absolutas)
(Millones)
Simple
Acumulad
x
x
xa
3,
1
1
5
0
0
4,
1
2
5
0
0
6,
8
2
0
8
8,
5
3
0
3
10
3
3
,0
6
15
0
3
,0
6
20
4
4
,0
0
Sueldos
Frecuencias relativas
Simple
x
25,0%
25,0%
20,0%
12,5%
7,5%
0,0%
10,0%
Acumulad
xa
25,0%
50,0%
70,0%
82,5%
90,0%
90,0%
100,0%
X
n
i
x
x i
3,5
1
0
4,5
1
0
6,0
8
8,0
5
10,0
3
15,0
0
25,0
4
x
x
n
x i
1
0
2
0
2
8
3
3
3
6
3
6
4
x 0
p
x i
25,
0
50,
0
70,
0
82,
5
90,
0
90,
0
100,
x0
Xi * ni
Xi * ni
x
x
35
45
48
40
30
0
10
0
Pgina
14
35
80
12
8
16
8
19
8
19
8
29
8
q
x i
11,
7
26,
8
43,
0
56,
4
66,
4
66,
4
100,
x0
pi xqi
13,2
6
23,1
5
27,0
5
26,1
2
23,5
6
23,5
60,0
x0
pi (entre 1 y n-1)
=
407,
5
136,
69
b) Asimetra
Hemos comentado que el concepto de asimetra se refiere a si la curva que forman los valores de la
serie presenta la misma forma a izquierda y derecha de un valor central (media aritemtica)
Pgina
15
Variable
(Valor)
x
1,
20
1,
21
1,
22
1,
23
1,
24
1,
25
1,
26
1,
27
1,
28
1,
29
1,
30
Frecuencias absolutas
Simple
Acumulad
x
xa
1
1
4
5
4
9
2
1
1
1
1
2
2
1
4
3
1
7
3
2
0
4
2
4
3
2
7
3
3
0
Frecuencias relativas
Simple
Acumulad
x
xa
3,3%
3,3%
13,3%
16,6%
13,3%
30,0%
6,6%
36,6%
3,3%
40,0%
6,6%
46,6%
10,0%
56,6%
10,0%
66,6%
13,3%
80,0%
10,0%
90,0%
10,0%
100,0%
((xi - x)^3)*ni
x
((xi - x)^2)*ni
x
0,000110
0,030467
Luego:
(1/30) * 0,000110
g1 =
------------------------------------------(1/30) * (0,030467)^(3/2)
Pgina
16
= - 0,15
Por lo tanto el Coeficiente de Fisher de Simetra de esta muestra es -0,1586, lo que quiere decir
que presenta una distribucin asimtrica negativa (se concentran ms valores a la izquierda de la
media que a su derecha).
Medidas de forma: Coeficiente de Curtosis
c) Curtosis
El Coeficiente de Curtosis analiza el grado de concentracin que presentan los valores alrededor
de la zona central de la distribucin.
Se definen 3 tipos de distribuciones segn su grado de curtosis:
Distribucin mesocrtica: presenta un grado de concentracin medio alrededor de los valores
centrales de la variable (el mismo que presenta una distribucin normal).
Pgina
17
g2 = 0 (distribucin mesocrtica).
g2 > 0 (distribucin leptocrtica).
g2 < 0 (distribucin platicrtica).
Ejemplo: Vamos a calcular el Coefiente de Curtosis de la serie de datos referidos a la estatura de
un grupo de alumnos (leccin 2):
Variable
(Valor)
x
1,
20
1,
21
1,
22
1,
23
1,
24
1,
25
1,
26
1,
27
1,
28
1,
29
1,
30
Frecuencias absolutas
Simple
Acumulad
x
xa
1
1
4
5
4
9
2
1
1
1
1
2
2
1
4
3
1
7
3
2
0
4
2
4
3
2
7
3
3
0
Frecuencias relativas
Simple
Acumulad
x
xa
3,3%
3,3%
13,3%
16,6%
13,3%
30,0%
6,6%
36,6%
3,3%
40,0%
6,6%
46,6%
10,0%
56,6%
10,0%
66,6%
13,3%
80,0%
10,0%
90,0%
10,0%
100,0%
((xi - xm)^4)*ni
x
((xi - xm)^2)*ni
x
0,000049
67
0,03046667
Luego:
Pgina
18
(1/30) * 0,00004967
g2 ------------------------------------=
-3=-1,39
((1/30) * (0,03046667))^2
Por lo tanto, el Coeficiente de Curtosis de esta muestra es -1,39, lo que quiere decir que se trata
de una distribucin platicrtica, es decir, con una reducida concentracin alrededor de los valores
centrales de la distribucin.
Distribuciones bidimensionales
Las distribuciones bidimensionales son aquellas en las que se estudian al mismo tiempo dos variables
de cada elemento de la poblacin: por ejemplo: peso y altura de un grupo de estudiantes; superficie y
precio de las viviendas de una ciudad; potencia y velocidad de una gama de coches deportivos.
X/Y
x
1
x
2
.....
xn-1
xn
y
1
n1,1
n2,1
x
nn-1,1
nn,1
y
2
n1,2
n2,2
x
nn-1,2
nn,2
...
..x
x
x
x
x
ym-1
n1,m-1
n2,m-1
x
ym
n1,m
n2,m
x
nn-1,m-1
nn,m-1
nn-1,m
nn,m
Las "x" representan una de las variables y las "y" la otra variable. En cada interseccin de una valor
de "x" y un valor de "y" se recoge el nmero de veces que dicho par de valores se ha presentado
conjuntamente.
Ejemplo: Medimos el peso y la estatura de los alumnos de una clase y obtenemos los siguientes
resultados:
Alumno
x
Alumno
1
Alumno
2
Alumno
3
Alumno
4
Alumno
5
Estatur
a x
Pes
ox
1,25
32
1,28
33
1,27
31
1,21
34
1,22
32
Alumno
x
Alumno1
1
Alumno1
2
Alumno1
3
Alumno1
4
Alumno1
5
Estatur
a x
Pes
ox
1,25
31
1,28
35
1,27
34
1,21
33
1,22
33
Pgina 19
Alumno
x
Alumno2
1
Alumno2
2
Alumno2
3
Alumno2
4
Alumno2
5
Estatur
a x
Pes
ox
1,25
33
1,28
32
1,27
34
1,21
34
1,22
35
Alumno
6
Alumno
7
Alumno
8
Alumno
9
Alumno1
0
1,29
31
1,30
34
1,24
32
1,27
32
1,29
35
Alumno1
6
Alumno1
7
Alumno1
8
Alumno1
9
Alumno2
0
1,29
31
1,30
35
1,24
32
1,27
31
1,29
33
Alumno2
6
Alumno2
7
Alumno2
8
Alumno2
9
Alumno3
0
1,29
31
1,30
34
1,24
33
1,27
35
1,29
34
Estatura / Peso
1,21 cm
1,22 cm
1,23 cm
1,24 cm
1,25 cm
1,26 cm
1,27 cm
1,28 cm
1,29 cm
1,30 cm
31
kg0
0
0
32
kg0
1
0
33
kg1
1
0
34
kg2
0
0
35
kg0
1
0
0
1
0
2
0
3
0
2
1
0
1
1
0
0
1
1
0
0
1
1
0
0
0
0
2
0
1
2
0
0
0
1
1
1
1
Tal como se puede ver, en cada casilla se recoge el nmero de veces que se presenta conjuntamente
cada par de valores (x,y).
Tal como vimos en las distribuciones unidimensionales si una de las variables (o las dos) presentan
gran nmero de valores diferentes, y cada uno de ellos se repite en muy pocas ocasiones, puede
convenir agrupar los valores de dicha variable (o de las dos) en tramos.
Pgina 20
Distribuciones marginales
Distribucin marginal de X
X
ni.
x
1
x
2
..
xn-1 ..
.x
n
1
n
.2
..
..
nn1.n
n
n
. de Y
Distribucin marginal
Y
n.j
y
y1
2
..
ym-1 ..
y.
n
.
n
1
....
2
n.m
-1
n.m
Ejemplo: a partir del ejemplo que vimos en la leccin anterior (serie con los pesos y medidas de los
alumnos de una clase) vamos a estudiar sus distribuciones marginales.
Estatura / Peso
1,21 cm
1,22 cm
1,23 cm
1,24 cm
1,25 cm
1,26 cm
1,27 cm
31
kg0
0
0
0
1
0
2
32
kg0
1
0
2
1
0
1
Pgina 21
33
1kg
1
0
1
1
0
0
34
2kg
0
0
0
0
0
2
35
kg0
1
0
0
0
0
1
1,28 cm
1,29 cm
1,30 cm
0
3
0
1
0
0
1
1
0
0
1
2
1
1
1
Las variables marginales se comportan como variables unidimensionales, por lo que pueden ser
representadas en tablas de frecuencias.
Variable
Frecuencias absolutas
(Estatura)
Simple
Acumulad
a
xx
xx
xx
1,
3
3
21
1,
3
6
22
1,
0
6
23
1,
3
9
24
1,
3
1
25
2
1,
0
1
26
2
1,
6
1
27
8
1,
3
2
28
1
1,
6
2
29
7
1,
3
3
30
0
Frecuencias relativas
Simple
Acumulad
a
xx
xx
10,0%
10,0%
10,0%
20,0%
0,0%
20,0%
10,0%
30,0%
10,0%
40,0%
0,0%
40,0%
20,0%
60,0%
10,0%
70,0%
20,0%
90,0%
10,0%
100,0%
xVariable
(Peso)
xx
31
32
33
34
35
Frecuencias absolutas
Simple
Acumulad
a
xx
xx
6
6
6
7
5
6
1
2
1
8
2
5
3
0
Frecuencias relativas
Simple
Acumulad
a
xx
xx
20,0%
20,0%
20,0%
23,3%
16,6%
Pgina 22
20,0%
40,0%
60,0%
83,3%
100,0%
En una distribucin bidimensional puede ocurrir que las dos variables guarden algn tipo de relacin
entre si.
Por ejemplo, si se analiza la estatura y el peso de los alumnos de una clase es muy posible que
exista relacin entre ambas variables: mientras ms alto sea el alumno, mayor ser su peso.
El coeficiente de correlacin lineal mide el grado de intensidad de esta posible relacin entre
las variables. Este coeficiente se aplica cuando la relacin que puede existir entre las varables es
lineal (es decir, si representaramos en un gfico los pares de valores de las dos variables la nube de
puntos se aproximara a una recta).
No obstante, puede que exista una relacin que no sea lineal, sino exponencial, parablica, etc. En
estos casos, el coeficiente de correlacin lineal medira mal la intensidad de la relacin las variables,
por lo que convendra utilizar otro tipo de coeficiente ms apropiado.
Para ver, por tanto, si se puede utilizar el coeficiente de correlacin lineal, lo mejor es representar los
pares de valores en un grfico y ver que forma describen.
Es decir:
Numerador: se denomina covarianza y se calcula de la siguiente manera: en cada par de valores
(x,y) se multiplica la "x" menos su media, por la "y" menos su media. Se suma el resultado obtenido
de todos los pares de valores y este resultado se divide por el tamao de la muestra.
Denominador se calcula el produto de las varianzas de "x" y de "y", y a este produto se le calcula
la raz cuadrada.
Los valores que puede tomar el coeficiente de correlacin "r" son: -1 < r < 1
Si "r" > 0, la correlacin lineal es positiva (si sube el valor de una variable sube el de la otra). La
correlacin es tanto ms fuerte cuanto ms se aproxime a 1.
Por ejemplo: altura y peso: los alumnos ms altos suelen pesar ms.
Si "r" < 0, la correlacin lineal es negativa (si sube el valor de una variable disminuye el de la otra).
La correlacin negativa es tanto ms fuerte cuanto ms se aproxime a -1.
Pgina 23
Por ejemplo: peso y velocidad: los alumnos ms gordos suelen correr menos.
Si "r" = 0, no existe correlacin lineal entre las variables. Aunque podra existir otro tipo de
correlacin (parablica, exponencial, etc.)
De todos modos, aunque el valor de "r" fuera prximo a 1 o -1, tampoco esto quiere decir
obligatoriamente que existe una relacin de causa-efecto entre las dos variables, ya que este
resultado podra haberse debido al puro azar.
Ejemplo: vamos a calcular el coeficiente de correlacin de la siguiente serie de datos de altura y
peso de los alumnos de una clase:
Alumn
o x
Alumno
1
Alumno
2
Alumno
3
Alumno
4
Alumno
5
Alumno
6
Alumno
7
Alumno
8
Alumno
9
Alumno
10
Estatur
a x
Pes
ox
1,25
32
1,28
33
1,27
34
1,21
30
1,22
32
1,29
35
1,30
34
1,24
32
1,27
32
1,29
35
Alumn
o x
Alumno
11
Alumno
12
Alumno
13
Alumno
14
Alumno
15
Alumno
16
Alumno
17
Alumno
18
Alumno
19
Alumno
20
Estatur
a x
Pes
ox
1,25
33
1,28
35
1,27
34
1,21
30
1,22
33
1,29
34
1,30
35
1,24
32
1,27
33
1,29
33
Aplicamos la frmula:
(1/30) * (0,826)
r=
-------------------------------------------------------(((1/30)*(0,02568)*((1/30)*(
51,366)))^(1/2)
Luego,
r=
0,719
Pgina 24
Alumn
o x
Alumno
21
Alumno
22
Alumno
23
Alumno
24
Alumno
25
Alumno
26
Alumno
27
Alumno
28
Alumno
29
Alumno
30
Estatur
a x
Pes
ox
1,25
33
1,28
34
1,27
34
1,21
31
1,22
32
1,29
34
1,30
34
1,24
31
1,27
35
1,29
34
Por lo tanto, la correlacin existente entre estas dos variables es elevada (0,7) y de signo postivo.
Regresin lineal
Representamos en un grfico los pares de valores de una distribucin bidimensional: la variable "x"
en el eje horizontal o eje de abcisa, y la variable "y" en el eje vertical, o eje de ordenada. Vemos que
la nube de puntos sigue una tendencia lineal:
El coeficiente de correlacin lineal nos permite determinar si, efectivamente, existe relacin
entre las dos variables. Una vez que se concluye que s existe relacin, la regresin nos permite
definir la recta que mejor se ajusta a esta nube de puntos.
y = a + bx
Donde "y" sera la variable dependiente, es decir, aquella que viene definida a partir de la otra
variable "x" (variable independiente). Para definir la recta hay que determinar los valores de los
parmetros "a" y "b":
El parmetro "a" es el valor que toma la variable dependiente "y", cuando la variable
independiente "x" vale 0, y es el punto donde la recta cruza el eje vertical.
El parmetro "b" determina la pendiente de la recta, su grado de inclinacin.
Pgina 25
La regresin lineal nos permite calcular el valor de estos dos parmetros, definiendo la recta que
mejor se ajusta a esta nube de puntos.
Es la covarianza de las dos variables, dividida por la varianza de la variable "x". El parmetro
"a" viene determinado por:
a = ym - (b * xm)
Es la media de la variable "y", menos la media de la variable "x" multiplicada por el parmetro "b"
que hemos calculado.
Ejemplo: vamos a calcular la recta de regresin de la siguiente serie de datos de altura y peso de los
alumnos de una clase. Vamos a considerar que la altura es la variable independiente "x" y que el
peso es la variable dependiente "y" (podamos hacerlo tambin al contrario):
Alumn
o x
Alumno
1
Alumno
2
Alumno
3
Alumno
4
Alumno
5
Alumno
6
Alumno
7
Alumno
8
Alumno
9
Alumno
10
Estatur
a x
Pes
ox
1,25
32
1,28
33
1,27
34
1,21
30
1,22
32
1,29
35
1,30
34
1,24
32
1,27
32
1,29
35
Alumn
o x
Alumno
11
Alumno
12
Alumno
13
Alumno
14
Alumno
15
Alumno
16
Alumno
17
Alumno
18
Alumno
19
Alumno
20
Estatur
a x
Pes
ox
1,25
33
1,28
35
1,27
34
1,21
30
1,22
33
1,29
34
1,30
35
1,24
32
1,27
33
1,29
33
Alumn
o x
Alumno
21
Alumno
22
Alumno
23
Alumno
24
Alumno
25
Alumno
26
Alumno
27
Alumno
28
Alumno
29
Alumno
30
Estatur
a x
Pes
ox
1,25
33
1,28
34
1,27
34
1,21
31
1,22
32
1,29
34
1,30
34
1,24
31
1,27
35
1,29
34
b=
(1/30) * 1,034
--------------------------------
= 40,265
(1/30) * 0,00856
y = -17,714 + (40,265 * x)
Esta recta define un valor de la variable dependiente (peso), para cada valor de la variable
independiente (estatura):
Estatura
x
1,2
0
1,2
1
1,2
2
1,2
3
1,2
4
1,2
5
1,2
6
1,2
7
1,2
8
1,2
9
1,3
0
Peso
x
30,
6
31,
0
31,
4
31,
8
32,
2
32,
6
33,
0
33,
4
33,
8
34,
2
34,
6
PROBABILIDADES
1.1.
Generalidades
Pgina 27
- Definicin de probabilidad
Para obtener conocimientos del mundo que nos rodea, normalmente se toman
muestras y a partir de las mismas, se estima la probabilidad de que ocurran
determinados sucesos, siendo la probabilidad la verosimilitud numrica de que
ocurra un suceso incierto. Esta probabilidad, es un valor ente 0 y 1, asignado a un
fenmeno para indicar su posibilidad de ocurrir, cuanto ms probable sea el suceso
ms cerca de 1 ser la probabilidad asignada:
0P(A) 1
donde (A) es un suceso cualquiera.
EVENTO O SUCESO
Defectuoso
No defectuoso
Cara
Cruz
1.3.
Importancia de la probabilidad
1.4.
Enfoques de la probabilidad
Ejemplo:
El experimento consiste en lanzar un dado. Determinar la probabilidad de obtener un
cinco:
Solucin:
El nmero de resultados favorables o eventos es 1, puesto que solamente existe una cara
con un cinco en un dado.
El nmero de resultados posibles o eventos es 6: 1,2,3,4,5,6
Por lo tanto la probabilidad pedida es:
1
P(cinco) = --------6
P(cinco) = 0,167
La probabilidad de obtener un cinco es de 16,7%.
En el enfoque clsico, los eventos deben tener la misma posibilidad de ocurrir, adems
deben ser mutuamente excluyentes y exhaustivos en forma colectiva. Se dice que son
mutuamente excluyentes si slo uno de varios eventos puede ocurrir cada vez. Son
exhaustivos en forma colectiva si se puede incluir todos los resultados posibles.
1.4.2.
Pgina 29
100
P(aprobacin) = -----------------400
P(aprobacin) = 0,25
La probabilidad de aprobar es de 25%
Nmero de abandonos
P(abandonos) = -------------------------------------------------------------Total de alumnos inscritos en Estadstica II
120
P(abandonos) = -----------------400
P(abandonos) = 0,3
La probabilidad de abandonar es de 30%
Nmero de reprobados
P(reprobacin) = -------------------------------------------------------------Total de alumnos inscritos en Estadstica II
180
P(reprobacin) = -----------------400
P(reprobacin) = 0,45
La probabilidad de reprobar es de 45%
1.4.3.
Enfoque subjetivo
Pgina 30
Ejemplo:
Estimar la posibilidad de que Aurora juegue en la Liga Profesional
Estimar la probabilidad de que llueva en un da soleado
EJERCICIOS:
1. En el lanzamiento de un dado
a) Cul es la probabilidad de que caiga un cuatro
b) Qu concepto de probabilidad se ilustra con esto
c) Los eventos son igualmente probables y mutuamente excluyentes? Explicar
2. Hay 52 cartas en una baraja normal
a) Determinar la probabilidad de que la primera carta que se saque sea de
corazones
b) Determinar la probabilidad de que la primera carta que se saque sea un as
de corazones
c) Qu concepto de probabilidad se ilustra en a y b?
3. En los ltimos 150 das, Ana Vargas ha estado llegando tarde durante 100 das.
a) Cul es la probabilidad de que llegue tarde hoy?
b) Qu enfoque se utiliza?
4. Qu enfoque de probabilidad ser el ms adecuado en cada una de las siguientes
condiciones?
a) Tirar una moneda y anotar el resultado
b) Estimar la probabilidad de que las ventas de la Taquia aumenten este ao,
dada la previsin econmica del gobierno
c) Estimar la probabilidad de que se inicie el bloque general de carreteras en
nuestro pas
5. Definir y poner tres ejemplos de experimentos, resultados y conjuntos, adems de
tres ejemplos de sucesos que sean mutuamente excluyentes, colectivamente
exhaustivos, independientes y complementarios.
1.5.
NIOS
JOVENES
ADULTOS
TOTAL
LE GUSTA
100
120
80
300
NO LE GUSTA
80
60
130
270
INDIFERENTE
160
90
180
430
TOTAL
340
270
390
1000
Se puede apreciar que esta tabla, tiene 3 filas y 3 columnas, las filas contienen el grupo
etreo y las columnas su preferencia por el nuevo sabor. Los totales de cada categora se
muestran al final, tanto de las filas como de las columnas. Los valores del margen derecho
indican los totales de las preferencias y los valores del margen inferior los totales de los
grupos etreos. El valor de cada celda, indica el nmero de observaciones pertenecientes a
cada categora, as por ejemplo la ultima celda, muestra que 180 adultos son indiferentes al
nuevo sabor, de todos los que los indiferentes, 180 son adultos; de todos los adultos a 180
les es indiferente el nuevo sabor.
A partir de esta tabla, es posible construir la siguiente tabla de probabilidades, donde cada
valor de la tabla de frecuencias se divide entre el nmero total de observaciones:
TABLA DE PROBABILIDADES
Pgina 31
PREFERENCIA
NIOS
JOVENES
ADULTOS
TOTAL
LE GUSTA
0,1
0,12
0,08
0,3
NO LE GUSTA
0,08
0,06
0,13
0,27
INDIFERENTE
0,16
0,09
0,18
0,43
TOTAL
0,34
0,27
0,39
EJERCICIOS:
6. Teniendo la siguiente tabla de distribucin de frecuencias de ventas en miles de
dlares por productos y por empresas, determinar las probabilidades conjuntas y
marginales, interpretando los resultados:
EMPRESA
PIL ANDINA
VAQUITA
ANGOSTURA
Pgina 32
1.6.
Teora Coordinatoria
Se utiliza para poder determinar el espacio muestral y/o el nmero de eventos favorables.
1.6.1.
Tcnica multiplicativa
Ejemplo:
Si una muchacha tiene 3 blusas: blanca, azul y verde; 3 faldas: lila, rosada y violeta y dos
pares de zapatos: negro y caf; sin importar cmo se ver vestida, de cuntas formas
diferentes puede combinar su ropa:
Solucin:
n1= 3 blusas
n2= 3 faldas
n3 = 2 pares de zapatos
Utilizando la frmula se tiene:
n1*n2*n3 = 3 * 3 *2
n1*n2*n3 = 18
Si se usa el diagrama de rbol, se tiene:
Blusas
blanca
azul
Faldas
Zapatos
negro
caf
rosada
negro
caf
blanca,rosada, negro
blanca, rosada, caf
violeta
negro
caf
lila
negro
caf
rosada
negro
caf
verde
General
lila
violeta
negro
caf
lila
negro
caf
rosada
negro
Pgina 33
violeta
1.6.2.
caf
negro
caf
Permutaciones
Son arreglos de n elementos tomados de r en r donde interesa el orden.
Siendo su frmula:
n!
nPr = -----------(n r)!
Ejemplo:
Existen 10 automviles para ser expuestos, pero solamente 4 espacios de exhibicin. De
cuntas maneras pueden colocarse estos 10 automviles en los 4 espacios de exhibicin?
Solucin:
Para el primer espacio existen 10 posibilidades, para el segundo solamente nueve (uno ya se
utiliz), para el tercero 8 ( se utilizaron do) y para el cuarto 7 (se utilizaron 3). Se tiene:
10 * 9 * 8 *7 = 5040
es decir:
Pr=
1.6.3.
10
10!
P 4 = --------------- = 5040
( 10 4 ) !
Combinaciones
= 210
EJERCICIOS:
9. Cuntos nmeros de 3 cifras se pueden formar con los dgitos del 0 al 9,
a) si se permite la repeticin
b) si no se permite la repeticin
10. Si en la Liga del Futbol Profesional existen 10 equipos y tienen que jugar un
Pgina 34
campeonato, cuntos partidos deben programarse, si tiene que jugar todos contra
todos?
Exactamente 2 mujeres
Por lo menos 2 mujeres
Cuando mucho 2 mujeres
Ninguna mujer
14. El gerente general de una multinacional de comida rpida prefiere ubicar el negocio
en la zona central. Siete de los 12 miembros del consejo de administracin estn de
acuerdo con l pero los restantes prefieren otra zona. Cul es la probabilidad de que
si se debe seleccionar a 4 para conformar un comit y decidir la ubicacin del
negocio, todos estn de acuerdo con el gerente general?
1.7.
1.7.1.
Ejemplo:
Pgina 35
CARRERA
EDAD
ADMINISTRACIN
MENOS DE 22 AOS
30
MAS DE 22 AOS
60
TOTAL
90
AUDITORIA
100
240
340
ECONOMIA TOTAL
50
180
20
320
70
500
CARRERA
EDAD
MENOS DE 22 AOS
MAS DE 22 AOS
TOTAL
ADMINISTRACION
0,06
0,12
0,18
Pgina 36
AUDITORIA
0,20
0,48
0,68
ECONOMIA
0,10
0,04
0,14
TOTAL
0,36
0,64
1,00
1.7.2.
Regla de multiplicacin
Se utiliza para determinar la probabilidad conjunta de que ocurran dos sucesos. Existen dos
clases: en caso de independencia y en caso de dependencia.
1.7.2.1.
La probabilidad conjunta de que los sucesos A y B puedan ocurrir resulta de multiplicar la probabilidad
de que el suceso A ocurra por la probabilidad de que el suceso B ocurra:
P (A y B) = P (A) * P(B)
Ejemplo 1:
En el lanzamiento de dos monedas, determinar la probabilidad de que las dos sean
caras.
Solucin:
La probabilidad de que la primera moneda sea cara es de . La probabilidad de que
la segunda moneda sea cara es tambin , no importando que la primera haya sido
cara, por lo tanto, se tendr
:
P(cara y cara) = P(cara) * P(cara)
P(cara y cara) = *
P(cara y cara) = o 0,25
Ejemplo 2:
La probabilidad de que un esposo est vivo a la edad de 60 aos es de 30%, la
probabilidad que la esposa est viva a la edad de 60 aos es de 45%. Suponiendo
independencia de sucesos, determinar la probabilidad de que:
a) Ambos estn vivos a la edad de 60 aos
b) Por lo menos uno de ellos est vivo a la edad de 60 aos
c) Ninguno de ellos est vivo a la edad de 60 aos
Solucin:
a) Ambos estn vivos a la edad de 60 aos
Si P(A) es igual a la probabilidad de que la esposa est viva a la edad de 60 aos:
P(A) = 0,45
Si P(B) es igual a la probabilidad de que el esposo est vivo a la edad de 60 aos:
P(B) = 0,30
Como existe independencia se sucesos y se pide la probabilidad de que ambos estn vivos a la edad de
60 aos, se tiene:
P(A y B) = P(A) * P(B)
P(A y B) = 0.45 * 0.30
Pgina 37
P(A y B) = 0,135
La probabilidad de que ambos estn vivos a la edad de 60 aos es de 13,5 %.
b) Por lo menos uno de ellos est vivo a la edad de 60 aos
El decir por lo menos uno de ellos est vivo a la edad de 60 aos, significa que el
esposo est vivo o la esposa est viva o ambos estn vivos a la edad de 60 aos, es
decir:
Est vivo el esposo:
P(A y B) = 0,315
Los dos estn vivos:
P(A y B) = P(A) * P(B)
P(A y B) = 0,45 *0.30
P(A y B) = 0,135
Como se pide la unin de estos 3 eventos, se tiene:
P(por lo menos uno est vivo) = 0,165 + 0,31115 + 0,135
P(por lo menos uno est vivo) = 0,45
Por lo tanto, la probabilidad de que por lo menos uno est vivo a la edad de 60 aos
es de 45%
c) Ninguno de ellos est vivo a la edad de 60 aos
P(Esposo muera y la Esposa muera) = P( A y B)
P( A y B) = P(A) * P(B)
= 0,55 * 0,70
= 0,385
La probabilidad de que ninguno est vivo a la edad de 60 aos es de 38,5%.
1.7.2.2.
Pgina 38
Ejemplo:
Existen 15 televisores a la venta en una determinada casa comercial, de los cuales 5 tienen
algn defecto de fabricacin. Determinar la probabilidad de que los dos primeros televisores
en ser vendidos tengan algn defecto de fabricacin
Solucin:
El primer televisor defectuosos en ser vendido, constituye el suceso A, por lo que P(A) =
5/15, porque 5 de los 15 son defectuosos. El segundo televisor defectuoso en ser vendido
constituye el suceso B, por lo que P(B/A) = 4/14, puesto que solamente quedaron 4
defectuosos despus de haber vendido el primer televisor defectuoso de los 14 que
quedaban. Por lo tanto, la probabilidad de 2 televisores defectuosos se tiene:
P(A y B) = P(A) * P(B/A)
P(A y B) = 5/15 * 4/14
P(A y B) = 0,095
La probabilidad de que los dos primeros televisores en ser vendidos tengan algn defecto de
fabricacin es de 9,5%
A la probabilidad de cierto suceso, dado que antes ha ocurrido ya otro determinado suceso,
se denomina probabilidad condicional
Ejemplo 2:
Teniendo la siguiente tabla de probabilidades, determinar la probabilidad de:
a) Ser de Administracin sabiendo que tiene ms de 22 aos
b) Tener ms de 22 aos, sabiendo que es de Auditora
c) Ser de Economa sabiendo que tiene menos de 22 aos
CARRERA
EDAD
Pgina 39
TOTAL
0,36
0,12
0,18
0,48
0,68
0,04
0,14
0,64
1,00
Solucin:
a) Ser de Administracin sabiendo que tiene ms de 22 aos
P(M/B) =
P(M/B) =
P( M Y B)
---------------------P(B)
0,12 / 0,64
P(M/B) = 0,1875
La probabilidad de que sea de administracin sabiendo que tiene ms de 22 aos es de
18,75%
b) Tener ms de 22 aos, sabiendo que es de Auditora
P(B/D) =
P( B y D)
---------------------P(D)
P(B/D) =
0,48 / 0,68
P(B/D) =
0,71
P(E/A) =
P( E y A)
---------------------P(A)
P(E/A) =
0,10 / 0,36
P(E/A) =
0,036
La probabilidad de que sea de Economa, sabiendo que tiene menos de 22 aos es de 3,6%.
EJERCICIOS:
15. La probabilidad de que un estudiante apruebe Mercado es de 50%, de que apruebe
Estadstica es de 60% y de que apruebe Finanzas es de 40%. Determinar la
probabilidad de que:
a) Apruebe una materia
b) Apruebe por lo menos una materia
c) Apruebe cuando mucho una materia
d) Repruebe las tres
16. Las probabilidades de que un estudiante apruebe Estadstica es de 60%, de que
apruebe Contabilidad es de 50%. De que apruebe ambas es de 30%. Determinar la
probabilidad de que apruebe Contabilidad, sabiendo que ha aprobado Estadstica.
Pgina 40
NORTE(N)
COCA COLA(C)
150
FRESCA(F)
80
PEPSI COLA(P)
70
SIMBA(I)
50
LUGAR DE RESIDENCIA
CENTRO(E)
SUD (S)
80
90
50
70
Pgina 41
90
100
110
120
1.8.
Teorema de Bayes
Ejemplo
Una empresa tiene fbricas en La Paz y Cochabamba. la fbrica de Cochabamba produce el
40% del total de las unidades, con un ndice de defectos del 10%. la de La Paz tiene un
ndice de defectos del 20%. Si una unidad suelta se encuentra defectuosa, determinar la
probabilidad de que proceda de Cochabamba
Solucin:
A1 = produccin de la fbrica de La Paz
A2 = produccin de la fbrica de Cochabamba
B = defectos
P(A1) = 60% de todas las unidades = 0,60
P(A2) = 40 de todas las unidades = 0,40
P(B/ A1) = probabilidad de ser defectuosa si ha sido producida en La Paz = 0,20
Pgina 42
La Paz
0,40
Perfecto
Cochabamba
Defectuoso
Perfecto
A1
A2
P(Ak)
Prob. a priori
P(B/Ak)
Prob.condicional
P(Ak) * P(B/Ak) =
P(AkB)
Prob. Conjunta
0,12
P(Ak/B)
Prob
a posteriori
0,75
0,60
0,20
0,40
0,10
0,04
0,25
1,00
---
0,016
1,00
EJERCICIOS:
22. Se sabe que el 50% de las personas adquieren su casa al contado, el 40% a crdito
y el resto por herencia. de las personas que adquieren su casa al contado, el 60%
paga impuestos al da, de los que adquieren a crdito el 70% paga los impuestos y
solamente el 10% de los que reciben como herencia. si se elige una persona al azar
y se encuentra que pago sus impuestos al da, cual es la probabilidad de que haya
adquirido su casa a crdito?
23. En cierta ciudad, el 25% de todos los automviles emiten excesiva cantidad de
contaminantes. si la probabilidad es 0,99 de que un automvil que emite cantidad
excesiva de contaminantes no aprobara la prueba de emisin vehicular y la
probabilidad es de 0.17 de que un automvil que n emite cantidad excesiva de
contaminantes pese a ello no pasara la prueba. Cual es la probabilidad de que un
Pgina 43
Pgina 44
DISTRIBUCIONES DE PROBABILIDAD
2.1 INTRODUCCION:
En el tema anterior se estudiaron los conceptos de la teora de probabilidades, donde se aprendi a
calcular la probabilidad de un solo suceso o la probabilidad de sucesos compuestos. En este tema el
objetivo es aprender a describir una distribucin de probabilidad, diferenciar los dos tipos que existen
y saber utilizar las mismas.
2.2. DEFINICION:
Existen dos tipos de distribucin de probabilidad, dependiendo de los dos tipos de variables que se
conocen, es decir: discretas y continuas
Se denomina distribucin de probabilidad de variable discreta, cuando la variable
aleatoria slo puede tomar asumir valores enteros.
Se denomina distribucin de variable continua, cuando la variable aleatoria puede
asumir un nmero infinito de valores.
= E(X) = xi * P (xi)
que viene a ser la media aritmtica ponderada de todos los resultados posibles.
La varianza de una distribucin de probabilidad es la media aritmtica de las desviaciones
respecto a la media elevadas al cuadrado, siendo igual a:
= ( xi - ) * P(xi)
2
Pgina 45
P(r) =
p q
nx
Cxp q
n-x
x
donde:
n = nmero de ensayos
x = nmero de xitos
p = probabilidad de xito
q = 1-p = probabilidad de fracaso
MEDIA:
=np
VARIANZA
2
=npq
Donde:
= es el promedio o media aritmtica
x = es el nmero de veces que ocurre el suceso
e = base de logaritmos naturales
MEDIA
= np
VARIANZA
Pgina 46
1
x -
--- ----------2
Tiene una media de 0 y una varianza de 1. Las reas de esta distribucin normal
estandarizada correspondientes a varias probabilidades se encuentran tabuladas en la
Tabla de Distribucin Normal. En el cuerpo de esta tabla, se encuentran las reas bajo
la curva entre 0 y cualquier valor especfico de Z:
Z
0.0
0.1
0.00
0.01
..
0.08
0.09
(segundo decimal)
AREA
..
..
1.0
1.1.
primer decimal
Ejemplos:
1. Hallar el rea bajo la curva normal estandarizada entre 0 y 1.08
Solucin:
Solucin:
Por una de las caractersticas de la distribucin normal, donde se indica que es simtrica, el
rea entre 0 y 2.45 es exactamente igual al rea entre 0 y 2.45.
Pgina 47
El rea que existe en la tabla es hasta -1.5, pero por simetra se sabe que a
la derecha de 0 el rea es de 0.5, por lo tanto P (Z >-1.5) = 0.5 + 0.4332 =
0.9332
6. Calcular P (Z < 2)
Solucin:
El rea que existe en la tabla es hasta 2, pero por simetra se sabe que a la
izquierda de 0 el rea es de 0.5, por lo tanto P (Z <2) = 0.5 + 0.4772 =
0.9772
2.5.2. Aplicaciones de la Distribucin Normal
Para poder transformar cualquier distribucin normal a una estandarizada, se utiliza la
frmula de transformacin o frmula Z:
X -
Z = ---------
donde:
X = valor especificado de la variable aleatoria
= media de la distribucin
= desviacin tpica de la distribucin
Una vez realizada esta transformacin, la media de la distribucin es 0 y la desviacin tpica
es 1
Ejemplo:
El colegio de Auditores indica que el promedio anual de ingresos entre sus afiliados
es de $10.000, con una desviacin tpica de 1.500. Si los ingresos siguen una
distribucin normal, cul es la probabilidad de que uno de sus afiliados gane:
a) Ms de $13.000?
Solucin
X = 13.000
= 10.000
= 1.500
13.000 - 10.000
Z = --------------------1.500
Pgina 48
Z = 2
P ( X > 13.000) = P ( Z> 2) = 0.5 - 0.4772 = 0.0228
La probabilidad de que gane ms de $13.000 es de 2.28%
b) Menos de $ 12.580?
Solucin
X = 12.580
= 10.000
= 1.500
12.580 - 10.000
Z = --------------------1.500
Z = 1.72
P ( X < 12.580) = P ( Z < 1.72) = 0.5 + 0.4573 = 0.9573
La probabilidad de que gane menos de 12.580 es de 95.73%
c) Entre $9.100 a 11.500?
X1 = 9.100
X2 = 11.500
= 10.000
= 1.500
9.100 - 10.000
Z1 = --------------------1.500
Z = -0.6
11.500 - 10.000
Z2 = --------------------1.500
Z2 = 1
P ( 9.100 < X < 11.500) = P ( -0.6 < Z < 1) = 0.2257 + 0.3413 = 0.567
La probabilidad de que gane entre 9.100 a 11.500 es de 56.7%
d) Como mnimo $6.550?
X = 6.550
= 10.000
= 1.500
6.550 - 10.000
Z = --------------------1.500
Z = - 2.3
Pgina 49
f)
Pgina 50
EJERCICIOS
6. Los jugadores de tenis llegan a las pistas en promedio 12 jugadores por hora. Si se supone una
distribucin de Poisson, cul es la probabilidad de que lleguen exactamente tres jugadores en:
6.1 La prxima hora
6.2 El prximo minuto
7. El Hospital Viedma ha informado de que cada hora llegan en promedio 7.2 pacientes al servicio
de urgencias. El gerente general del Hospital quiere conocer la probabilidad de que:
7.1 Exactamente 10 pacientes lleguen en cualquier hora dada
7.2 El nmero de llegadas supere la capacidad del servicio de urgencias, que est equipado para
15 pacientes
Pgina 51
8. El Banco BISA tiene 15 cajeros automticos. Al gerente le informaron que 6 de los 15 cajeros
estaban funcionando mal el ltimo fin de semana. El gerente hizo una inspeccin a 5 de estos
cajeros automticos. Cual es la probabilidad de que dos de los cajeros automticos probados estn
funcionando mal?
9. Un cargamento de 80 alarmas contra robo contiene cuatro que estn defectuosas. Si se
seleccionan al azar tres de estas y se envan a un cliente, determinar la probabilidad de que el
cliente reciba exactamente una unidad defectuosa
10. La empresa de servicios Hombres de Negro, envi nueve guardias al Banco Unin, sin embargo,
slo seis de ellos estn realmente preparados para enfrentarse a un asalto. El departamento de
seguridad del Banco, elige cinco de los nueve guardias. Cul es la probabilidad de que:
10.1 Los cinco estn preparados?
10.2 Cuatro estn preparados?
10.3 Tres como mnimo estn preparados?
10.4 Ninguno est preparado?
11. Las longitudes de cierta especie animal tienen una media de 4.62 pulgadas y una desviacin
tpica de 0.23 pulgada. Que porcentaje de estos animales:
A. Son mayores de 5 pulgadas?
B. Miden entre 4.35 y 4.85 pulgadas?
C. Son menores de 5.2 pulgadas?
12. En un sector del pas los gastos semanales de alimentacin de una familia estn mas o menos
2
normalmente distribuidos, con media de bs60 y varianza de Bs 225. Que proporcin de estas
familias gastan en alimentos:
A. Mas de 80 por semana?
B. Menos de 50 por semana?
C. Entre 65 y 85 por semana?
D. Ms de 55 por semana?
13. En una Universidad, se encontr que el promedio de calificaciones de los estudiantes, se
distribua en forma aproximadamente normal, con una media de 45 y una desviacin tpica de 15.
Si se elige un estudiante al azar, cual es la probabilidad de que:
A. Tenga un promedio mayor a 60?
B. Menor a 40?
C. Entre 50 a 75?
D. Entre 40 a 68?
14. La velocidad de los automviles al pasar por un punto de verificacin esta mas o menos
normalmente distribuida, con una media de 45 k/h y una varianza de 25.
A. Que proporcin de los automviles que pasan por el punto de control viaja a ms de 50 k/h?
B. Que proporcin de los automviles que pasan por el punto de control viaja entre 40 a 60 k/h)
C. Que proporcin pasa por el punto de control a una velocidad menor de 42 k/h?
D. Que proporcin de los automviles que pasan por el punto de control a menos de 53 k/h?
E. Si la velocidad limite en el control es de 55 k/h, que proporcin de automviles exceden esta
velocidad cuando pasan por el control?
15. Segn datos de Grandes Contribuyentes, los gastos fiscales mensuales de las empresas
cerveceras, en promedio son de 1.5 millones, con una desviacin tpica de 0.5 millones de $us.
Si existe normalidad en la distribucin de gastos fiscales mensuales:
15.1
Si se eligieran gastos fiscales de un mes cualquiera en cualquiera de estas empresas.
Cul es la probabilidad de que fueran superiores a 1.8 millones?
15.2
Si se eligieran gastos fiscales de un mes cualquiera en cualquiera de estas empresas.
Cul es la probabilidad de que fueran inferiores a 2 millones?
15.3
Si se eligieran gastos fiscales de un mes cualquiera en cualquiera de estas empresas.
Cul es la probabilidad de que fueran inferiores a 0.9 millones?
Pgina 52
15.4
15.5
15.6
15.7
16. Los costos mensuales de produccin de una determinada empresa, han dado una media de
410$us, con una desviacin tpica de 87$us. El director promete al propietario mantener los
costos por debajo de 300$us este mes. Si los costos siguen una distribucin normal, puede el
propietario creer al director?
17. Cada da suben al Cristo de la Concordia en el Telefrico en promedio 120 personas, con una
desviacin tpica de 30. Si los usuarios pagan 5Bs. Por el viaje de ida y vuelta. Cul es la
probabilidad de que en un da cualquiera, los ingresos:
17.1
Sean inferiores a Bs1000 ?
17.2
Sean superiores a Bs450?
17.3
Estn entre 900 a 990?
17.4
Estn entre 500 a 800?
17.5
Sean superiores a 960?
17.6
Sean inferiores a 480?
18. La cantidad real de cerveza que coloca una mquina llenadora en latas de 6 onzas vara de una
lata a otra y se puede considerar como una variable aleatoria que tienen distribucin normal con
desviacin tpica de 0,04 onzas. Si solo el 2% de las latas van a contener menos de 6 onzas de
cerveza. Cual debe ser el contenido de estas latas?
19. El gerente de un club de natacin sabe por experiencia de aos pasados que el nmero de nios
que cada miembro trae a la piscina en una sesin dada es una variable aleatoria que tiene
aproximadamente una distribucin normal, con media de 3.1 y una varianza de 0,3136. Entre 200
miembros, cuantos se puede esperar que traigan de dos a cuatro nios a la piscina en una
sesin?
Pgina 53
2.2
TIPOS DE ESTIMACIONES
y las
Se hace una estimacin puntual, cuando se utiliza un solo nmero o valor del
estadstico para determinar del valor del parmetro poblacional. As por ejemplo si
se afirma: "se estima que el ingreso promedio de los trabajadores de la Empresa
Alfa y Omega es de Bs2.000 mensual"
Se efecta una estimacin por intervalo, cuando se afirma que con determinada
confianza que el parmetro poblacional se encuentra dentro de un rango. As por
ejemplo se puede estimar por intervalo expresando: "se estima que el ingreso medio
de los trabajadores de la Empresa Alfa y Omega est entre Bs1.500 a Bs2.500 con
el 98% de confianza
Pgina 54
2.3
i 1
O bien:
Var (1)
---------- < 1
Var (i)
En sentido relativo entre dos estimadores ser eficiente el que tenga
menor varianza.
En la mayor parte de los casos, el criterio de eficiencia suele ser ms
importante que el criterio de sesgo.
2.3.3 Consistencia
Pgina 55
2.4
E = Z /2
n
2.5
x=
Probabilidad
2x
2
= -----n
Pgina 56
Donde:
x -
Z = --------/n
P (-z /2
x -
< -------- < z /2) = 1 -
/n
es decir:
P (x - z /2 * / n < < x + z /2 * / n ) = 1-
Siendo los lmites:
x - z /2 * / n
y x + z /2 * / n
Ejemplo:
Si una muestra aleatoria de tamao 20 tomada de una poblacin
normal con la varianza de 225 tiene una media de 64,3, construir un
intervalo de confianza del 95% de la media poblacional .
Si el nivel de confianza es de 95 % , entonces es 0,05 y Z/2 en la
tabla es de 1,96. Por consiguiente el intervalo de confianza del 95%
para la media poblacional es:
(64,3 1.96 * 15/ 20 < < 64,3 + 1.96 * 15/ 20) = 95%
Es decir la media poblacional se encuentra entre 57,7 a 70,9 con el
95% de nivel de confianza
Si no se conoce la varianza poblacional y el tamao de la muestra es
mayor de 30, se sustituye el valor de la desviacin estndar de la
muestra s y se sigue el mismo procedimiento.
2.6
Pgina 57
E = Z --------n
despejando n, tenemos el tamao de la muestra:
Z2 2
n = -------------E2
Si la poblacin es finita, se debe incorporar el factor de correccin para
poblaciones finitas, en este caso se tiene:
N Z2 2
n = ----------------------------Z2 2 + E2 (N-1)
2.7
x-
t
=
sx
Pgina 58
(x+tsx
x + t s x ) = 1-
Ejemplo:
Los resultados de un estudio realizado en la Universidad, mostraron que una
muestra tomada al azar de 25 alumnos, tenan un promedio de notas de 63, con
una desviacin estndar de 22,8. Construir un intervalo de confianza del 90% de
la media de la poblacin que se muestrea.
s
INTERVALO DE CONFIANZA PARA =
x t
----n
= 63 (1,711) * 22,8 / 5
= 63 7,8
(55,2 70,8) = 90%
Por lo tanto, se estima que el promedio de notas en la Universidad, estar entre
55,2 a 70,8 con el 90% de nivel de confianza.
2.8
{(x1x2 ) z
(x1 x2) }= 1 -
Donde x1
x2
x2 )+ z
x1 x2
=
n1
2
-------- +
n2
------
7.102) = 95%
sp
sp
sp
{(x1 x2 )t
sp
-- + --- 1 - 2 (x1 x2 ) +t
n1 n2
---- + ---- } = 1 -
n1
n2
sp =
( n1 1) s1 + (n2 1) s2
------------------------------------n1 + n2 2
Ejemplo:
Un investigador desea estudiar el efecto de dos campaas publicitarias para
incrementar el consumo de cierto artculo. Para determinar el efecto de la
campaa A, se tomo una muestra de tamao 15 y para la campaa B una de
tamao 16. En la muestra A el consumo promedio fue de 50Bs/da y en la
muestra B fue de 25 Bs/da y las desviaciones tpicas de 5.3 y de 5.6
respectivamente. El investigador supona que las dos muestras de consumo
eran equivalentes a muestras aleatorias simples independientes de
oblaciones normalmente distribuidas y deseaba construir un intervalo de
confianza del 90% para la diferencia de las medias poblacionales.
Datos:
x1 = 50
x2 = 25
t = 1.6991
n1 = 15
n2= 16
s = 5.3
s = 5.6
Pgina 60
sp =
El intervalo es:
( 25 1.6991 * 1.59 1 - 2 25 + 1.6991 * 1.59 ) = 90%
( 22.3 1 - 2 27.70 ) = 90%
2.9
COMPARACIONES PAREADAS
di
--------n
donde d i es la diferencia de una muestra antes y despus del experimento.
d =
sd
(d i d ) 2
= --------------n -1
(do - Z/2 * do / n d d o + Z /2 * do / n ) = 1 -
Donde
do es un valor numrico especfico calculado a partir de una
muestra. Si la muestra es pequea, cambiar Z por t
Ejemplo:
El Director del Servicio de Salud de Cochabamba, constat que dos
hospitales diferentes parecan cobrar cantidades muy distintas por el mismo
Pgina 61
Para
obtener
A, obtenindose:
"A"
465
532
426
543
632
418
587
376
378
376
524
387
429
398
412
"B"
512
654
453
521
587
537
598
698
529
517
476
519
587
639
754
do, se tiene
"B"
512
654
453
521
587
537
598
698
529
517
476
519
587
639
754
do
-47
-122
-27
22
45
-119
-11
-322
-151
-141
48
-132
-158
-241
-342
-1698
do =
---------- = -113.2
15
la desviacin estndar:
sdo =
122.037
) = 95%
d -45,61) = 95%
Por lo tanto, el Director del Servicio de Salud, puede estar seguro con el 95%
de nivel de confianza, de que el Hospital B, cobra entre 45,61 y 189,79
bolivianos ms que el Hospital A por los mismos servicios, parece ser
conveniente que presente su informe a las autoridades superiores.
2.10 INTERVALO DE CONFIANZA PARA UNA PROPORCION
POBLACIONAL
Se usa para hacer estimaciones de la proporcin de sujetos que componen una
poblacin y poseen una caracterstica de inters
El intervalo de confianza viene dado por:
q /n
(p-Z
/2 p
q /n ) = 1
P p + Z /2 p
Pgina 63
0,55* 0,45
----------------400
p = 0.024875
Por lo tanto el intervalo de confianza para el 95%, ser:
( 0,55 1,96 * 0.024875
[( p1 p2 ) - Z/2
(p1 - p2) +Z/2 p1 - p2 ]= 1 -
p1- p2
P 1 - P2
p1 ( 1-p1 )
p2- (1- p2)
p1- p2 =
------------- + --------------n1
n2
Ejemplo:
En un estudio sobre las caractersticas de los estudiantes de dos carreras en la
Facultad de Ciencias Econmicas, los investigadores recogieron los siguientes
datos por medio de muestras aleatorias simples:
Pgina 64
CARRERA
AUDITORIA
ECONOMIA
MUESTRA
250
300
FUMADORES
150
150
p1-
p2
0.6 * 0.4
0.5 *0.5
------------------ + ------------250
300
p1- p2 = 0.0423
El intervalo de confianza ser:
[(0,5- 0.6) 1.96 * 0.0423
( -0.183
P1 - P2
P1 - P2
-0.017) = 95%
3. PRUEBAS DE HIPTESIS
3.1
HIPOTESIS
Pgina 65
3.3
A>
Y la hiptesis nula: :
A <
= 60
Pgina 66
# 60
3.3.2 Seleccin del nivel de significacin
La hiptesis nula puede ser o no rechazada, el rechazarla no significa
que sea falsa, puede que sea verdadera dependiendo de la muestra,
rechazarla o no implica cierto riesgo de equivocarse, es decir, se
puede cometer un error, que puede ser de dos tipos.
a. Rechazar la hiptesis nula siendo verdadera, llamado error Tipo I
b. Aceptar una hiptesis nula siendo falsa, llamado error Tipo II
En la siguiente tabla se resume las decisiones que se pueden tomar:
Decisin
estadstica
Rechazo de Ho
No rechazo Ho
Certeza de Ho
Verdadera
Falsa
Error de Tipo I
Decisin correcta
Decisin correcta
Error Tipo II
= P (Error Tipo I)
= P (Error Tipo II)
Pgina 67
3.3.5
x -
Z =
x
x -
t =
s
Pgina 68
RECHAZAR
HIPOTESIS NULA
SI:
Z<-Z
Z>Z
Z < - Z /2
O
Z > Z /2
NO RECHAZAR
HIPOTESIS NULA
SI:
Z >-Z
Z Z
- Z /2 Z Z /2
3.3.9 Conclusin
Se debe expresar la conclusin en funcin del parmetro poblacional
y/o la poblacin a que se refiere la prueba
3.4
VERIFICACION
DE
HIPOTESIS
POBLACIONAL UNICA.-
SOBRE
UNA
MEDIA
Ejemplo:
Un fabricante de focos, afirma que la vida promedio de los mismos es de 50
horas. El equipo de investigaciones de una empresa competitiva no cree en
esto. Por eso, hace una prueba con una muestra al azar de 20 focos y calcula
una media muestral de 54 horas, con una desviacin tpica de 15 horas. El
equipo de investigaciones desea saber si puede concluir que el tiempo
promedio de vida de los focos es mayor a 50 horas.
PROCEDIMIENTO
1. Planteamiento de las hiptesis
La hiptesis de investigacin es: el tiempo de vida til de los focos es
mayor de 50 horas
Las hiptesis estadsticas son:
H o : 50
H 1: > 50
Pgina 69
x -
t =
s
Pgina 70
3.5
Muestreo independiente
Muestreo pareado (dependiente)
nn = 80
ns = 100
xn= $64.20
xs= $71.41
sn= $16.00
ss= $22.13
x -
Z =
s
nn = 80
ns = 100
xn= $64.20
xs= $71.41
64.2 - 71.41
Z = ---------------------------16
-------80
22.13
+ ---------100
Z = - 2.53
8. Decisin estadstica
Pgina 72
sn= $16.00
ss= $22.13
Muestras
independientes,
varianzas
desconocidas que se suponen iguales
poblacionales
Ejemplo 2:
Se desea establecer si existe diferencia significativa entre el promedio de
notas de estadstica de los alumnos de auditora y administracin, para lo que
se toma muestras aleatorias en cada carrera con los siguientes resultados:
na = 15
ne = 17
xa= 85
xe= 87
varianza a= 30
varianzae= 25
(x1 x2) - (1 - 2)
t
x1 x2
donde:
sp
s x1 x2=
sp
------
+ -------n1
n2
s1 (n1 1) + s2 (n2 1)
sp = ------------------------------------n1 + n2 2
sp = estimacin combinada de la varianza de la poblacin comn
6. Especificacin de las zonas de rechazo y aceptacin
Como los grados de libertad son 15 + 17 2 =30 y como = 0.05, los
valores crticos de t son 2,042
Recoleccin de datos y clculo de los estadsticos necesarios
na = 15
ne = 17
xa= 85
xe= 87
varianza a= 30
varianzae= 25
Pgina 74
sp = 27,33
El error estndar de la diferencia de medias es:
27,33
x1 x2 =
27,33
----------- + --------15
17
s x1 x2
= 1,852
Muestreo pareado
Llamado tambin de pares coincidentes al procedimiento a travs
del cual se hacen coincidir varias parejas de observaciones con la
mayor exactitud posible a las caracterstica de inters, es decir,
estas parejas de observaciones no son independientes.
Ejemplo 3:
El Director del Servicio de Salud de Cochabamba, desea constatar la
denuncia de que el Hospital de Quillacollo est cobrando ms que el
Hospital de Sacaba por el mismo servicio. Recogi las siguientes
observaciones que se muestran a continuacin de cada hospital:
SERVICIO
Quillacollo
Pgina 75
Sacaba
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
465
532
426
543
632
418
587
376
378
376
524
387
429
398
412
512
654
453
521
587
537
598
698
529
517
476
519
587
639
754
PROCEDIMIENTO
1. Planteamiento de las hiptesis
H o : d 0
H 1: d > 0
2. Seleccin del nivel de significacin
= 0,05
3. Descripcin de la poblacin que interesa y planteamiento de las
suposiciones necesarias
Se supone que la poblacin de diferencias est distribuida en forma
aproximadamente normal y la muestra es pequea.
4. Seleccin del estadstico pertinente
El estadstico ms adecuado es la diferencia media de la muestra: d
5. Especificacin del estadstico de prueba y consideracin de su distribucin
Como las muestras son pequeas, y se supone que la poblacin est
distribuida en forma aproximadamente normal, con varianza desconocida
y n es pequea, el estadstico de prueba ms adecuado es el estadstico t
de student con (n 1) grados de libertad.
Pgina 76
d - d
t
sd
/ n
donde:
sd
"A"
465
532
426
543
632
418
587
376
378
376
524
387
429
398
412
"B"
512
654
453
521
587
537
598
698
529
517
476
519
587
639
754
d= (A-B)
-47
-122
-27
22
45
-119
-11
-322
-151
-141
48
-132
-158
-241
-342
-1698
sd =
122.037
Pgina 77
=
122.037/ 15
Z = - 3,59
8. Decisin estadstica
Como el valor de t calculado 3,59 es menor que 1,761 y cae en la
zona de reaceptacin, no podemos decir se rechaza la hiptesis
nula
9. Conclusin
Se puede concluir con un 95 % de confianza que el Hospital de
Quillacollo no cobra ms que el Hospital de Sacaba, sino es al
contrario, el Hospital de Sacaba quien cobra ms que el Hospital de
Quillacollo.
3.6
Ejemplo:
La directora de SITEL, ha dicho a su consejo de administracin que el 40%
como mnimo de todos los telespectadores sintonizan el programa Alo
Marianela. Si resulta que menos del 40% del pblico ve ese programa,
deber salir del aire. Si el consejo de administracin averigua que de una
muestra de 250 telespectadores llamados por telfono, 97 de ellos estn
viendo en ese momento el mencionado programa. Con un 99% de nivel de
confianza, a que conclusin puede llegar el consejo en relacin con la
popularidad de la emisin?
PROCEDIMIENTO
1. Planteamiento de las hiptesis
Ho:P 0
H 1: P < 0
2. Seleccin del nivel de significacin
Pgina 78
= 0,01
p -P
Z
=
P*Q
n
5. Especificacin de las zonas de rechazo y aceptacin
En la tabla Z, el valor crtico es -2.33
6. Recoleccin de datos y clculo de los estadsticos necesarios
97
--------250
p=
p = 0.388
p =
0.031
0.388 - 0.40
Z = ---------------------------Pgina 79
es
0.031
Z = -0.387
7. Decisin estadstica
Como el valor de Z calculado 0.387 es mayor que 2,33 y no cae
en la zona de rechazo, entonces no se rechaza la hiptesis nula
8. Conclusin
Como no se rechaza la hiptesis nula, se puede concluir que la
directora del canal televisivo tiene razn, el 40% como mnimo del
pblico televidente ve el programa, por lo tanto tiene que seguir
saliendo al aire.
12.7. VERIFICACION DE HIPOTESIS SOBRE DIFERENCIA DE DOS
PROPORCIONES
En la prctica existen situaciones donde se hace necesario verificar la
hiptesis de que dos proporciones poblacionales son iguales o de que
difieren en alguna cantidad especfica. Por ejemplo: la proporcin de
crditos incobrables de una empresa comparada con la de otra o bien
si existen diferencias entre dos grupos de individuos respecto de la
proporcin de ellos que estn de acuerdo con cambios en el Cdigo
Tributario
Si la prueba se basa en una diferencia de cero, es decir si la hiptesis
nula especifica que la diferencia entre la proporcin poblacional de la
poblacin 1 y la proporcin poblacional de la poblacin 2 es cero, las
hiptesis sern:
H o : P 1 - P2 = 0
H 1: P1 - P2 # 0
O bien:
H o : P 1 = P2
H 1: P1 # P2
Las dos poblaciones podran tener una proporcin comn, por lo que
es necesario combinar los datos muestrales para deducir una
estimacin de esa proporcin comn, de la siguiente manera:
x1 + x2
P = ------------------------n1 + n 2
siendo el error
muestrales:
Pgina 80
P (1 P)
p1-p2
^
P ( 1 P)
----------- + ------------n1
n2
Ejemplo 1:
Un consultor cree que los individuos de dos departamentos estn de
acuerdo con la aplicacin del nuevo cdigo tributario. Para verificar
esta afirmacin, toma muestras aleatorias independientes de cada
departamento, con los siguientes resultados.
Departamento
1
2
100
120
Nmero de individuos
a favor del Cdigo
23
32
Pgina 81
(p1 - p2 )
7.
p1 = ----- = 0,23
100
32
p2 = ----- = 0,27
120
su combinacin es:
^
23 + 32
P = -------------------- = 0.25
100 + 120
el error tpico combinado es:
(0.25) * (075)
s (p1 - p2 )
s (p1 - p2 )
(0.25) * (075)
--------------------------- + ---------------100
120
0.06
P1 (1 P1)
p1-p2
P 2 ( 1 P 2)
----------- + ------------n1
n2
Ejemplo 2:
Un especialista cree que la proporcin de votantes de la Facultad de
Tecnologa que va a votar en las prximas elecciones para Rector,
excede en ms de 0,05 a la proporcin de votantes de la Facultad de
Ciencias Econmicas. Para verificar si los hechos corroboran esta
hiptesis, el especialista hace una encuesta entre los votantes de
ambas facultades, con los siguientes resultados:
Facultad
Economa
Tecnologa
150
160
Pgina 83
= 0,05
3. Descripcin de la poblacin que interesa y planteamiento de las
suposiciones necesarias
Las poblaciones consisten en los votantes de las Facultades de
Ciencias Econmicas y de Tecnologa. Se supone que ambas
muestras se han tomado independientemente y al azar en las
respectivas poblaciones.
4. Seleccin del estadstico pertinente
El estadstico pertinente es la diferencia de proporciones muestrales:
p1 - p2
5. Especificacin del estadstico de prueba y consideracin de su
distribucin
Como la distribucin del estadstico pertinente es aproximadamente
normal, el estadstico de prueba es igual a:
( p1 - p2) - 0
Z
(p1 - p2 )
p1 = ----- = 0,75
150
104
p2 = ----- = 0,65
160
el error tpico es:
(0.75) * (0.25)
s (p1 - p2 )
s (p1 - p2 )
(0.65) * (035)
--------------------------- + ---------------150
160
0.05
Pgina 84
(fo fe)
= ------------fe
donde:
fo : frecuencia observada
fe: frecuencia esperada en condiciones de independencia
estadstica
Ejemplo:
En un estudio sobre utilizacin de calefones solares, se obtuvieron los
siguientes resultados:
Pgina 85
UTILIZA
NO UTILIZA
ZONA NORTE
60
40
ZONA CENTRAL
67
63
ZONA SUD
49
41
(fo fe)
= ------------fe
4. Especificacin de las zonas de rechazo y aceptacin
Para determinar el valor crtico es necesario considerar los grados de
libertad, que es igual al nmero de celdas que se pueden llenar
arbitrariamente si se han establecido los totales marginales,
generalmente vienen dados como:
( f 1 ) ( c 1)
donde f: filas
c: columnas
por lo tanto tenemos:
(3 1) * ( 2 - 1) = 2 grados de libertad
Pgina 86
En la tabla
5.991
ZONA
CENTRAL
ZONA SUD
TOTAL
60
(55)
67
(71.5)
49
(49.5)
176
UTILIZA
63
(58.5)
41
(40.5)
174
NO UTILIZA
40
(45)
100
130
90
320
1.65
6. Decisin estadstica
Como el valor de calculado 1.65 no excede a 5.991, no se
rechaza la hiptesis nula.
7. Conclusin
Se puede concluir que puede ser que no exista diferencias entre la
zona de residencia y el uso de calefn, al 95% de nivel de
confianza, o bien la zona de residencia no est relacionada con el
uso del calefn al 95% de confianza.
Pgina 87
MUESTREO
Concepto
El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es
determinar que parte de una realidad en estudio (poblacin o universo) debe
examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que
se comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a
partir de la observacin de slo una parte de ella, se denomina error de muestreo.
Obtener una muestra adecuada significa lograr una versin simplificada de la
poblacin, que reproduzca de algn modo sus rasgos bsicos.
Muestra: En todas las ocasiones en que no es posible o conveniente realizar un
censo, lo que hacemos es trabajar con una muestra, entendiendo por tal una parte
representativa de la poblacin. Para que una muestra sea representativa, y por lo
tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin,
ejemplificar las caractersticas de la misma.
Terminologa
Poblacin objeto: conjunto de individuos de los que se quiere obtener una
informacin.
Unidades de muestreo: nmero de elementos de la poblacin, no solapados, que
se van a estudiar. Todo miembro de la poblacin pertenecer a una y slo una
unidad de muestreo.
Unidades de anlisis: objeto o individuo del que hay que obtener la informacin.
Marco muestral: lista de unidades o elementos de muestreo.
Muestra: conjunto de unidades o elementos de anlisis sacados del marco.
Muestreo probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio
de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la
misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamao n tienen la misma
probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticos nos
aseguran la representatividad de la muestra extrada y son, por tanto, los ms
recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos los
siguientes tipos:
Pgina 88
Pgina 90
Z = nivel de confianza.
P = probabilidad de xito, es la proporcin de individuos que poseen la
caracterstica
de estudio en la poblacin.
q = probabilidad de fracaso.
d = precisin (error muestral mximo admisible)
Se requerira encuestar a no menos de 203 familias para poder tener una seguridad
del 95%
Ejemplo: Cmo hubiera cambiando el ejemplo anterior, si se desconoce la
proporcin esperada?
Cuando se desconoce la probabilidad de xito esperada, se tiene que utilizar el
criterio conservador (p = q = 0.5), lo cual maximiza el tamao de muestra de la
siguiente
manera:
Z = 1.962 (ya que la seguridad es del 95%)
p = Probabilidad de xito(en este caso 50% = 0.5) q = 1 p (en este caso 1 0.5 =
0. 5)
d = precisin (en este caso deseamos un 3%) quedando como resultado:
Pgina 91
Donde:
N = tamao de la poblacin
Z = nivel de confianza,
P = probabilidad de xito
q = probabilidad de fracaso
d = precisin (error mximo admisible)
Ejemplo: A cuntas familias tendramos que estudiar para conocer la preferencia
del mercado en cuanto a una marca de shampoo para beb, si se conoce que el
nmero de familias con bebs en el sector de inters es de 15,000?
Seguridad = 95%;
Precisin = 3%;
Probabilidad de xito= asumimos que puede ser prxima al 5%; si no tuviese
ninguna idea de dicha proporcin utilizaramos el valor p = 0.5 (50%) que maximiza
el tamao muestral.
Se requerira encuestar a no menos de 200 familias para poder tener una seguridad
del 95%
Ejemplo: Cmo hubiera cambiando el ejemplo anterior, si se desconoce la
proporcin esperada?
Si se desconoce la probabilidad de xito esperada, se tendra que utilizar el criterio
conservador (p = q = 0.5), lo cual maximiza el tamao de muestra de la siguiente
manera:
Z = 1.962 (ya que la seguridad es del 95%)
p = Probabilidad de xito(en este caso 50% = 0.5) q = 1 p (en este caso 1 0.5 =
0. 5)
d = precisin (en este caso deseamos un 3%) quedando como resultado:
Pgina 92
Se requerira encuestar a no menos de 997 familias para poder tener una seguridad
del
95%
Pgina 93
Z=
P [Z > 1] = 0.1587
P [Z > 1.96] = 0.0250
Desv.
normal
x
0.0
0.1
0.2
0.3
0.4
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.5000
0.4602
0.4207
0.3821
0.3446
0.4960
0.4562
0.4168
0.3783
0.3409
0.4920
0.4522
0.4129
0.3745
0.3372
0.4880
0.4483
0.4090
0.3707
0.3336
0.4840
0.4443
0.4052
0.3669
0.3300
0.4801
0.4404
0.4013
0.3632
0.3264
0.4761
0.4364
0.3974
0.3594
0.3228
0.4721
0.4325
0.3936
0.3557
0.3192
0.4681
0.4286
0.3897
0.3520
0.3156
0.4641
0.4247
0.3859
0.3483
0.3121
0.5
0.6
0.7
0.8
0.9
0.3085
0.2743
0.2420
0.2119
0.1841
0.3050
0.2709
0.2389
0.2090
0.1814
0.3015
0.2676
0.2358
0.2061
0.1788
0.2981
0.2643
0.2327
0.2033
0.1762
0.2946
0.2611
0.2296
0.2005
0.1736
0.2912
0.2578
0.2266
0.1977
0.1711
0.2877
0.2546
0.2236
0.1949
0.1685
0.2843
0.2514
0.2206
0.1922
0.1660
0.2810
0.2483
0.2177
0.1894
0.1635
0.2776
0.2451
0.2148
0.1867
0.1611
1.0
1.1
1.2
1.3
1.4
0.1587
0.1357
0.1151
0.0968
0.0808
0.1562
0.1335
0.1131
0.0951
0.0793
0.1539
0.1314
0.1112
0.0934
0.0778
0.1515
0.1292
0.1093
0.0918
0.0764
0.1492
0.1271
0.1075
0.0901
0.0749
0.1469
0.1251
0.1056
0.0885
0.0735
0.1446
0.1230
0.1038
0.0869
0.0721
0.1423
0.1210
0.1020
0.0853
0.0708
0.1401
0.1190
0.1003
0.0838
0.0694
0.1379
0.1170
0.0985
0.0823
0.0681
1.5
1.6
1.7
1.8
1.9
0.0668
0.0548
0.0446
0.0359
0.0287
0.0655
0.0537
0.0436
0.0351
0.0281
0.0643
0.0526
0.0427
0.0344
0.0274
0.0630
0.0516
0.0418
0.0336
0.0268
0.0618
0.0505
0.0409
0.0329
0.0262
0.0606
0.0495
0.0401
0.0322
0.0256
0.0594
0.0485
0.0392
0.0314
0.0250
0.0582
0.0475
0.0384
0.0307
0.0244
0.0571
0.0465
0.0375
0.0301
0.0239
0.0559
0.0455
0.0367
0.0294
0.0233
2.0
2.1
2.2
2.3
2.4
0.0228
0.0179
0.0139
0.0107
0.0082
0.0222
0.0174
0.0136
0.0104
0.0080
0.0217
0.0170
0.0132
0.0102
0.0078
0.0212
0.0166
0.0129
0.0099
0.0075
0.0207
0.0162
0.0125
0.0096
0.0073
0.0202
0.0158
0.0122
0.0094
0.0071
0.0197
0.0154
0.0119
0.0091
0.0069
0.0192
0.0150
0.0116
0.0089
0.0068
0.0188
0.0146
0.0113
0.0087
0.0066
0.0183
0.0143
0.0110
0.0084
0.0064
2.5
2.6
2.7
2.8
2.9
3.0
0.0062
0.0047
0.0035
0.0026
0.0019
0.0013
0.0060
0.0045
0.0034
0.0025
0.0018
0.0013
0.0059
0.0044
0.0033
0.0024
0.0018
0.0013
0.0057
0.0043
0.0032
0.0023
0.0017
0.0012
0.0055
0.0041
0.0031
0.0023
0.0016
0.0012
0.0054
0.0040
0.0030
0.0022
0.0016
0.0011
0.0052
0.0039
0.0029
0.0021
0.0015
0.0011
0.0051
0.0038
0.0028
0.0021
0.0015
0.0011
0.0049
0.0037
0.0027
0.0020
0.0014
0.0010
0.0048
0.0036
0.0026
0.0019
0.0014
0.0010
Pgina 94
0,25
0,2
0,15
0,1
0,05
0,025
0,01
0,005
0,0005
1
2
3
4
5
1,000
0,816
0,765
0,741
0,727
1,376
1,061
0,978
0,941
0,920
1,963
1,386
1,250
1,190
1,156
3,078
1,886
1,638
1,533
1,476
6,314
2,920
2,353
2,132
2,015
12,706
4,303
3,182
2,776
2,571
31,821
6,965
4,541
3,747
3,365
63,656
9,925
5,841
4,604
4,032
636,578
31,600
12,924
8,610
6,869
6
7
8
9
10
0,718
0,711
0,706
0,703
0,700
0,906
0,896
0,889
0,883
0,879
1,134
1,119
1,108
1,100
1,093
1,440
1,415
1,397
1,383
1,372
1,943
1,895
1,860
1,833
1,812
2,447
2,365
2,306
2,262
2,228
3,143
2,998
2,896
2,821
2,764
3,707
3,499
3,355
3,250
3,169
5,959
5,408
5,041
4,781
4,587
11
12
13
14
15
0,697
0,695
0,694
0,692
0,691
0,876
0,873
0,870
0,868
0,866
1,088
1,083
1,079
1,076
1,074
1,363
1,356
1,350
1,345
1,341
1,796
1,782
1,771
1,761
1,753
2,201
2,179
2,160
2,145
2,131
2,718
2,681
2,650
2,624
2,602
3,106
3,055
3,012
2,977
2,947
4,437
4,318
4,221
4,140
4,073
16
17
18
19
20
0,690
0,689
0,688
0,688
0,687
0,865
0,863
0,862
0,861
0,860
1,071
1,069
1,067
1,066
1,064
1,337
1,333
1,330
1,328
1,325
1,746
1,740
1,734
1,729
1,725
2,120
2,110
2,101
2,093
2,086
2,583
2,567
2,552
2,539
2,528
2,921
2,898
2,878
2,861
2,845
4,015
3,965
3,922
3,883
3,850
21
22
23
24
25
0,686
0,686
0,685
0,685
0,684
0,859
0,858
0,858
0,857
0,856
1,063
1,061
1,060
1,059
1,058
1,323
1,321
1,319
1,318
1,316
1,721
1,717
1,714
1,711
1,708
2,080
2,074
2,069
2,064
2,060
2,518
2,508
2,500
2,492
2,485
2,831
2,819
2,807
2,797
2,787
3,819
3,792
3,768
3,745
3,725
26
27
28
29
30
0,684
0,684
0,683
0,683
0,683
0,856
0,855
0,855
0,854
0,854
1,058
1,057
1,056
1,055
1,055
1,315
1,314
1,313
1,311
1,310
1,706
1,703
1,701
1,699
1,697
2,056
2,052
2,048
2,045
2,042
2,479
2,473
2,467
2,462
2,457
2,779
2,771
2,763
2,756
2,750
3,707
3,689
3,674
3,660
3,646
40
60
120
0,681
0,679
0,677
0,674
0,851
0,848
0,845
0,842
1,050
1,045
1,041
1,036
1,303
1,296
1,289
1,282
1,684
1,671
1,658
1,645
2,021
2,000
1,980
1,960
2,423
2,390
2,358
2,326
2,704
2,660
2,617
2,576
3,551
3,460
3,373
3,290
Pgina 95
TABLA 3: DISTRIBUCIN \
Puntos de porcentaje de la distribucin
Ejemplo:
Para = 10 grados de
libertad
P[
1
2
3
4
5
0.995
0.99
0.975
0.95
0.9
0.1
0.05
0.025
0.01
0.005
0.75
0.5
0.25
0.102
0.575
1.213
1.923
2.67
0.455
1.386
2.37
3.36
4.35
1.323
2.77
4.11
5.39
6.63
2.71
4.61
6.25
7.78
9.24
3.84
5.99
7.81
9.49
11.07
5.02
7.38
9.35
11.14
12.83
6.63
9.21
11.34
13.28
15.09
7.88
10.60
12.84
14.86
16.75
1
2
3
4
5
6
7
8
9
10
0.676
0.989
1.344
1.735
2.16
0.872
1.239
1.647
2.09
2.56
1.237
1.690
2.18
2.70
3.25
1.635
2.17
2.73
3.33
3.94
2.20
2.83
3.49
4.17
4.87
3.45
4.25
5.07
5.90
6.74
5.35
6.35
7.34
8.34
9.34
7.84
9.04
10.22
11.39
12.55
10.64
12.02
13.36
14.68
15.99
12.59
14.07
15.51
16.92
18.31
14.45
16.01
17.53
19.02
20.5
16.81
18.48
20.1
21.7
23.2
18.55
20.3
22.0
23.6
25.2
6
7
8
9
10
11
12
13
14
15
2.60
3.07
3.57
4.07
4.60
3.05
3.57
4.11
4.66
5.23
3.82
4.40
5.01
5.63
6.26
4.57
5.23
5.89
6.57
7.26
5.58
6.30
7.04
7.79
8.55
7.58
8.44
9.30
10.17
11.04
10.34
11.34
12.34
13.34
14.34
13.70
14.85
15.98
17.12
18.25
17.28
18.55
19.81
21.1
22.3
19.68
21.0
22.4
23.7
25.0
21.9
23.3
24.7
26.1
27.5
24.7
26.2
27.7
29.1
30.6
26.8
28.3
29.8
31.3
32.8
11
12
13
14
15
16
17
18
19
20
5.14
5.70
6.26
6.84
7.43
5.81
6.41
7.01
7.63
8.26
6.91
7.56
8.23
8.91
9.59
7.96
8.67
9.39
10.12
10.85
9.31
10.09
10.86
11.65
12.44
11.91
12.79
13.68
14.56
15.45
15.34
16.34
17.34
18.34
19.34
19.37
20.5
21.6
22.7
23.8
23.5
24.8
26.0
27.2
28.4
26.3
27.6
28.9
30.1
31.4
28.8
30.2
31.5
32.9
34.2
32.0
33.4
34.8
36.2
37.6
34.3
35.7
37.2
38.6
40.0
16
17
18
19
20
21
22
23
24
25
8.03
8.64
9.26
9.89
10.52
8.90
9.54
10.20
10.86
11.52
10.28
10.98
11.69
12.40
13.12
11.59
12.34
13.09
13.85
14.61
13.24
14.04
14.85
15.66
16.47
16.34
17.24
18.14
19.04
19.94
20.3
21.3
22.3
23.3
24.3
24.9
26.0
27.1
28.2
29.3
29.6
30.8
32.0
33.2
34.4
32.7
33.9
35.2
36.4
37.7
35.5
36.8
38.1
39.4
40.6
38.9
40.3
41.6
43.0
44.3
41.4
42.8
44.2
45.6
46.9
21
22
23
24
25
26
27
28
29
30
11.16
11.81
12.46
13.12
13.79
12.20
12.88
13.56
14.26
14.95
13.84
14.57
15.31
16.05
16.79
15.38
16.15
16.93
17.71
18.49
17.29
18.11
18.94
19.77
20.6
20.8
21.7
22.7
23.6
24.5
25.3
26.3
27.3
28.3
29.3
30.4
31.5
32.6
33.7
34.8
35.6
36.7
37.9
39.1
40.3
38.9
40.1
41.3
42.6
43.8
41.9
43.2
44.5
45.7
47.0
45.6
47.0
48.3
49.6
50.9
48.3
49.6
51.0
52.3
53.7
26
27
28
29
30
40
50
60
70
20.7
28.0
35.5
43.3
22.2
29.7
37.5
45.4
24.4
32.4
40.5
48.8
26.5
34.8
43.2
51.7
29.1
37.7
46.5
55.3
33.7
42.9
52.3
61.7
39.3
49.3
59.3
69.3
45.6
56.3
67.0
77.6
51.8
63.2
74.4
85.5
55.8
67.5
79.1
90.5
59.3
71.4
83.3
95.0
63.7
76.2
88.4
100.4
66.8
79.5
92.0
104.2
40
50
60
70
80
90
100
51.2
59.2
67.3
53.5
61.8
70.1
57.2
65.6
74.2
60.4
69.1
77.9
64.3
73.3
82.4
71.1
80.6
90.1
79.3
89.3
99.3
88.1
98.6
109.1
96.6
107.6
118.5
101.9
113.1
124.3
106.6
118.1
129.6
112.3
124.1
135.8
116.3 80
128.3 90
140.2 100
-2.58
-2.33
-1.96
-1.64
-1.28
-0.674
0.000
0.674
1.282
1.645
1.96
2.33
2.58
= 12 (Z
2$
1)
Pgina 96
Ejemplo:
Para n1 = 9, n2 = 12 grados de libertad:
P[ F > 2.80 ] = 0.05
P [ F > 4.39 ] = 0.01
n2
1
2
3
4
5
6
7
8
9
10
1
161
4052
18.51
98.50
10.13
34.12
7.71
21.20
6.61
16.26
5.99
13.75
5.59
12.25
5.32
11.26
5.12
10.56
4.96
10.04
2
199
4999
19.00
99.00
9.55
30.82
6.94
18.00
5.79
13.27
5.14
10.92
4.74
9.55
4.46
8.65
4.26
8.02
4.10
7.56
3
216
5404
19.16
99.16
9.28
29.46
6.59
16.69
5.41
12.06
4.76
9.78
4.35
8.45
4.07
7.59
3.86
6.99
3.71
6.55
4
225
5624
19.25
99.25
9.12
28.71
6.39
15.98
5.19
11.39
4.53
9.15
4.12
7.85
3.84
7.01
3.63
6.42
3.48
5.99
5
230
5764
19.30
99.30
9.01
28.24
6.26
15.52
5.05
10.97
4.39
8.75
3.97
7.46
3.69
6.63
3.48
6.06
3.33
5.64
6
234
5859
19.33
99.33
8.94
27.91
6.16
15.21
4.95
10.67
4.28
8.47
3.87
7.19
3.58
6.37
3.37
5.80
3.22
5.39
7
237
5928
19.35
99.36
8.89
27.67
6.09
14.98
4.88
10.46
4.21
8.26
3.79
6.99
3.50
6.18
3.29
5.61
3.14
5.20
n2
24
249
6234
19.45
99.46
8.64
26.60
5.77
13.93
4.53
9.47
3.84
7.31
3.41
6.07
3.12
5.28
2.90
4.73
2.74
4.33
30
250
6260
19.46
99.47
8.62
26.50
5.75
13.84
4.50
9.38
3.81
7.23
3.38
5.99
3.08
5.20
2.86
4.65
2.70
4.25
40
251
6286
19.47
99.48
8.59
26.41
5.72
13.75
4.46
9.29
3.77
7.14
3.34
5.91
3.04
5.12
2.83
4.57
2.66
4.17
50
252
6302
19.48
99.48
8.58
26.35
5.70
13.69
4.44
9.24
3.75
7.09
3.32
5.86
3.02
5.07
2.80
4.52
2.64
4.12
75
253
6324
19.48
99.48
8.56
26.28
5.68
13.61
4.42
9.17
3.73
7.02
3.29
5.79
2.99
5.00
2.77
4.45
2.60
4.05
100
253
6334
19.49
99.49
8.55
26.24
5.66
13.58
4.41
9.13
3.71
6.99
3.27
5.75
2.97
4.96
2.76
4.41
2.59
4.01
200
254
6350
19.49
99.49
8.54
26.18
5.65
13.52
4.39
9.08
3.69
6.93
3.25
5.70
2.95
4.91
2.73
4.36
2.56
3.96
500
254
6360
19.49
99.50
8.53
26.15
5.64
13.49
4.37
9.04
3.68
6.90
3.24
5.67
2.94
4.88
2.72
4.33
2.55
3.93
254
6366
19.50
99.50
8.53
26.13
5.63
13.46
4.37
9.02
3.67
6.88
3.23
5.65
2.93
4.86
2.71
4.31
2.54
3.91
1
2
3
4
5
6
7
8
9
10
n2
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
32
1
4.84
9.65
4.75
9.33
4.67
9.07
4.60
8.86
4.54
8.68
4.49
8.53
4.45
8.40
4.41
8.29
4.38
8.18
4.35
8.10
4.32
8.02
4.30
7.95
4.28
7.88
4.26
7.82
4.24
7.77
4.23
7.72
4.21
7.68
4.20
7.64
4.18
7.60
4.17
7.56
4.15
7.50
2
3.98
7.21
3.89
6.93
3.81
6.70
3.74
6.51
3.68
6.36
3.63
6.23
3.59
6.11
3.55
6.01
3.52
5.93
3.49
5.85
3.47
5.78
3.44
5.72
3.42
5.66
3.40
5.61
3.39
5.57
3.37
5.53
3.35
5.49
3.34
5.45
3.33
5.42
3.32
5.39
3.29
5.34
3
3.59
6.22
3.49
5.95
3.41
5.74
3.34
5.56
3.29
5.42
3.24
5.29
3.20
5.19
3.16
5.09
3.13
5.01
3.10
4.94
3.07
4.87
3.05
4.82
3.03
4.76
3.01
4.72
2.99
4.68
2.98
4.64
2.96
4.60
2.95
4.57
2.93
4.54
2.92
4.51
2.90
4.46
4
3.36
5.67
3.26
5.41
3.18
5.21
3.11
5.04
3.06
4.89
3.01
4.77
2.96
4.67
2.93
4.58
2.90
4.50
2.87
4.43
2.84
4.37
2.82
4.31
2.80
4.26
2.78
4.22
2.76
4.18
2.74
4.14
2.73
4.11
2.71
4.07
2.70
4.04
2.69
4.02
2.67
3.97
5
3.20
5.32
3.11
5.06
3.03
4.86
2.96
4.69
2.90
4.56
2.85
4.44
2.81
4.34
2.77
4.25
2.74
4.17
2.71
4.10
2.68
4.04
2.66
3.99
2.64
3.94
2.62
3.90
2.60
3.85
2.59
3.82
2.57
3.78
2.56
3.75
2.55
3.73
2.53
3.70
2.51
3.65
6
3.09
5.07
3.00
4.82
2.92
4.62
2.85
4.46
2.79
4.32
2.74
4.20
2.70
4.10
2.66
4.01
2.63
3.94
2.60
3.87
2.57
3.81
2.55
3.76
2.53
3.71
2.51
3.67
2.49
3.63
2.47
3.59
2.46
3.56
2.45
3.53
2.43
3.50
2.42
3.47
2.40
3.43
7
3.01
4.89
2.91
4.64
2.83
4.44
2.76
4.28
2.71
4.14
2.66
4.03
2.61
3.93
2.58
3.84
2.54
3.77
2.51
3.70
2.49
3.64
2.46
3.59
2.44
3.54
2.42
3.50
2.40
3.46
2.39
3.42
2.37
3.39
2.36
3.36
2.35
3.33
2.33
3.30
2.31
3.26
n2
24
2.61
4.02
2.51
3.78
2.42
3.59
2.35
3.43
2.29
3.29
2.24
3.18
2.19
3.08
2.15
3.00
2.11
2.92
2.08
2.86
2.05
2.80
2.03
2.75
2.01
2.70
1.98
2.66
1.96
2.62
1.95
2.58
1.93
2.55
1.91
2.52
1.90
2.49
1.89
2.47
1.86
2.42
30
2.57
3.94
2.47
3.70
2.38
3.51
2.31
3.35
2.25
3.21
2.19
3.10
2.15
3.00
2.11
2.92
2.07
2.84
2.04
2.78
2.01
2.72
1.98
2.67
1.96
2.62
1.94
2.58
1.92
2.54
1.90
2.50
1.88
2.47
1.87
2.44
1.85
2.41
1.84
2.39
1.82
2.34
40
2.53
3.86
2.43
3.62
2.34
3.43
2.27
3.27
2.20
3.13
2.15
3.02
2.10
2.92
2.06
2.84
2.03
2.76
1.99
2.69
1.96
2.64
1.94
2.58
1.91
2.54
1.89
2.49
1.87
2.45
1.85
2.42
1.84
2.38
1.82
2.35
1.81
2.33
1.79
2.30
1.77
2.25
50
2.51
3.81
2.40
3.57
2.31
3.38
2.24
3.22
2.18
3.08
2.12
2.97
2.08
2.87
2.04
2.78
2.00
2.71
1.97
2.64
1.94
2.58
1.91
2.53
1.88
2.48
1.86
2.44
1.84
2.40
1.82
2.36
1.81
2.33
1.79
2.30
1.77
2.27
1.76
2.25
1.74
2.20
75
2.47
3.74
2.37
3.50
2.28
3.31
2.21
3.15
2.14
3.01
2.09
2.90
2.04
2.80
2.00
2.71
1.96
2.64
1.93
2.57
1.90
2.51
1.87
2.46
1.84
2.41
1.82
2.37
1.80
2.33
1.78
2.29
1.76
2.26
1.75
2.23
1.73
2.20
1.72
2.17
1.69
2.12
100
2.46
3.71
2.35
3.47
2.26
3.27
2.19
3.11
2.12
2.98
2.07
2.86
2.02
2.76
1.98
2.68
1.94
2.60
1.91
2.54
1.88
2.48
1.85
2.42
1.82
2.37
1.80
2.33
1.78
2.29
1.76
2.25
1.74
2.22
1.73
2.19
1.71
2.16
1.70
2.13
1.67
2.08
200
2.43
3.66
2.32
3.41
2.23
3.22
2.16
3.06
2.10
2.92
2.04
2.81
1.99
2.71
1.95
2.62
1.91
2.55
1.88
2.48
1.84
2.42
1.82
2.36
1.79
2.32
1.77
2.27
1.75
2.23
1.73
2.19
1.71
2.16
1.69
2.13
1.67
2.10
1.66
2.07
1.63
2.02
500
2.42
3.62
2.31
3.38
2.22
3.19
2.14
3.03
2.08
2.89
2.02
2.78
1.97
2.68
1.93
2.59
1.89
2.51
1.86
2.44
1.83
2.38
1.80
2.33
1.77
2.28
1.75
2.24
1.73
2.19
1.71
2.16
1.69
2.12
1.67
2.09
1.65
2.06
1.64
2.03
1.61
1.98
2.40
3.60
2.30
3.36
2.21
3.17
2.13
3.00
2.07
2.87
2.01
2.75
1.96
2.65
1.92
2.57
1.88
2.49
1.84
2.42
1.81
2.36
1.78
2.31
1.76
2.26
1.73
2.21
1.71
2.17
1.69
2.13
1.67
2.10
1.65
2.06
1.64
2.03
1.62
2.01
1.59
1.96
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
32
n2
34
36
38
40
42
44
46
48
50
55
60
65
70
80
100
125
150
200
400
1000
1
4.13
7.44
4.11
7.40
4.10
7.35
4.08
7.31
4.07
7.28
4.06
7.25
4.05
7.22
4.04
7.19
4.03
7.17
4.02
7.12
4.00
7.08
3.99
7.04
3.98
7.01
3.96
6.96
3.94
6.90
3.92
6.84
3.90
6.81
3.89
6.76
3.86
6.70
3.85
6.66
3.84
6.63
2
3.28
5.29
3.26
5.25
3.24
5.21
3.23
5.18
3.22
5.15
3.21
5.12
3.20
5.10
3.19
5.08
3.18
5.06
3.16
5.01
3.15
4.98
3.14
4.95
3.13
4.92
3.11
4.88
3.09
4.82
3.07
4.78
3.06
4.75
3.04
4.71
3.02
4.66
3.00
4.63
3.00
4.61
3
2.88
4.42
2.87
4.38
2.85
4.34
2.84
4.31
2.83
4.29
2.82
4.26
2.81
4.24
2.80
4.22
2.79
4.20
2.77
4.16
2.76
4.13
2.75
4.10
2.74
4.07
2.72
4.04
2.70
3.98
2.68
3.94
2.66
3.91
2.65
3.88
2.63
3.83
2.61
3.80
2.60
3.78
4
2.65
3.93
2.63
3.89
2.62
3.86
2.61
3.83
2.59
3.80
2.58
3.78
2.57
3.76
2.57
3.74
2.56
3.72
2.54
3.68
2.53
3.65
2.51
3.62
2.50
3.60
2.49
3.56
2.46
3.51
2.44
3.47
2.43
3.45
2.42
3.41
2.39
3.37
2.38
3.34
2.37
3.32
5
2.49
3.61
2.48
3.57
2.46
3.54
2.45
3.51
2.44
3.49
2.43
3.47
2.42
3.44
2.41
3.43
2.40
3.41
2.38
3.37
2.37
3.34
2.36
3.31
2.35
3.29
2.33
3.26
2.31
3.21
2.29
3.17
2.27
3.14
2.26
3.11
2.24
3.06
2.22
3.04
2.21
3.02
6
2.38
3.39
2.36
3.35
2.35
3.32
2.34
3.29
2.32
3.27
2.31
3.24
2.30
3.22
2.29
3.20
2.29
3.19
2.27
3.15
2.25
3.12
2.24
3.09
2.23
3.07
2.21
3.04
2.19
2.99
2.17
2.95
2.16
2.92
2.14
2.89
2.12
2.85
2.11
2.82
2.10
2.80
7
2.29
3.22
2.28
3.18
2.26
3.15
2.25
3.12
2.24
3.10
2.23
3.08
2.22
3.06
2.21
3.04
2.20
3.02
2.18
2.98
2.17
2.95
2.15
2.93
2.14
2.91
2.13
2.87
2.10
2.82
2.08
2.79
2.07
2.76
2.06
2.73
2.03
2.68
2.02
2.66
2.01
2.64
n2
24
1.84
2.38
1.82
2.35
1.81
2.32
1.79
2.29
1.78
2.26
1.77
2.24
1.76
2.22
1.75
2.20
1.74
2.18
1.72
2.15
1.70
2.12
1.69
2.09
1.67
2.07
1.65
2.03
1.63
1.98
1.60
1.94
1.59
1.92
1.57
1.89
1.54
1.84
1.53
1.81
1.52
1.79
30
1.80
2.30
1.78
2.26
1.76
2.23
1.74
2.20
1.73
2.18
1.72
2.15
1.71
2.13
1.70
2.12
1.69
2.10
1.67
2.06
1.65
2.03
1.63
2.00
1.62
1.98
1.60
1.94
1.57
1.89
1.55
1.85
1.54
1.83
1.52
1.79
1.49
1.75
1.47
1.72
1.46
1.70
40
1.75
2.21
1.73
2.18
1.71
2.14
1.69
2.11
1.68
2.09
1.67
2.07
1.65
2.04
1.64
2.02
1.63
2.01
1.61
1.97
1.59
1.94
1.58
1.91
1.57
1.89
1.54
1.85
1.52
1.80
1.49
1.76
1.48
1.73
1.46
1.69
1.42
1.64
1.41
1.61
1.39
1.59
50
1.71
2.16
1.69
2.12
1.68
2.09
1.66
2.06
1.65
2.03
1.63
2.01
1.62
1.99
1.61
1.97
1.60
1.95
1.58
1.91
1.56
1.88
1.54
1.85
1.53
1.83
1.51
1.79
1.48
1.74
1.45
1.69
1.44
1.66
1.41
1.63
1.38
1.58
1.36
1.54
1.35
1.52
75
1.67
2.08
1.65
2.04
1.63
2.01
1.61
1.98
1.60
1.95
1.59
1.93
1.57
1.91
1.56
1.89
1.55
1.87
1.53
1.83
1.51
1.79
1.49
1.77
1.48
1.74
1.45
1.70
1.42
1.65
1.40
1.60
1.38
1.57
1.35
1.53
1.32
1.48
1.30
1.44
1.28
1.42
100
1.65
2.04
1.62
2.00
1.61
1.97
1.59
1.94
1.57
1.91
1.56
1.89
1.55
1.86
1.54
1.84
1.52
1.82
1.50
1.78
1.48
1.75
1.46
1.72
1.45
1.70
1.43
1.65
1.39
1.60
1.36
1.55
1.34
1.52
1.32
1.48
1.28
1.42
1.26
1.38
1.24
1.36
200
1.61
1.98
1.59
1.94
1.57
1.90
1.55
1.87
1.53
1.85
1.52
1.82
1.51
1.80
1.49
1.78
1.48
1.76
1.46
1.71
1.44
1.68
1.42
1.65
1.40
1.62
1.38
1.58
1.34
1.52
1.31
1.47
1.29
1.43
1.26
1.39
1.22
1.32
1.19
1.28
1.17
1.25
500
1.59
1.94
1.56
1.90
1.54
1.86
1.53
1.83
1.51
1.80
1.49
1.78
1.48
1.76
1.47
1.73
1.46
1.71
1.43
1.67
1.41
1.63
1.39
1.60
1.37
1.57
1.35
1.53
1.31
1.47
1.27
1.41
1.25
1.38
1.22
1.33
1.17
1.25
1.13
1.19
1.11
1.15
1.57 34
1.91
1.55 36
1.87
1.53 38
1.84
1.51 40
1.81
1.49 42
1.78
1.48 44
1.75
1.46 46
1.73
1.45 48
1.70
1.44 50
1.68
1.41 55
1.64
1.39 60
1.60
1.37 65
1.57
1.35 70
1.54
1.33 80
1.50
1.28 100
1.43
1.25 125
1.37
1.22 150
1.33
1.19 200
1.28
1.13 400
1.19
1.08 1000
1.12
1.00
1.00
ESTADISTICA