Beruflich Dokumente
Kultur Dokumente
GUÍA METODOLÓGICA
DE
PROBABILIDAD Y ESTADISTICA
DESCRIPCIÓN DE LA ASIGNATURA
CAPÍTULOS:
I. INTRODUCCION A LA ESTADISTICA
II. ORGANIZACIÓN Y TABULACION DE DATOS
III. MEDIDAS ESTADÍSTICAS PARA DATOS NO AGRUPADOS Y
AGRUPADOS.
IV. PROBABILIDADES
V. DISTRIBUCIONES DE PROBABILIDAD
VI. DISTRIBUCIONES DE MUESTREO.
VII. ESTIMACIONES
VIII. PRUEBAS DE HIPÓTESIS CON UNA Y DOS MUESTRAS.
IX. REGRESIÓN Y CORRELACIÓN LINEAL
TOTAL DE HORAS: 60 h
TEXTO GUÍA:
Walpole, R. Myers, R. Myers, S. Ye, K. (2012). Probabilidad y Estadística para
Ingeniería y Ciencias. Novena edición, PEA
RSON Prentice Hall, (México).
CONOCIMIENTOS PREVIOS:
Dominio de matemática básica, operaciones fundamentales
CONTENIDO:
1. Complete el siguiente cuadro con un ejemplo de cada una de las posibles variables que
se pueden obtener a partir de los diferentes tipos de población señalados. En la última fila
proponga usted un ejemplo.
Docentes de la UTE
Estudiantes de Ingeniería
CONOCIMIENTOS PREVIOS:
Dominio de matemática básica, operaciones fundamentales
Leyes de sumatoria
CONTENIDO:
2.1 Datos cualitativos.
2.1.1 Tablas o cuadros de frecuencia.
2.1.2 Representación Gráfica.
2.1.2.1 Barras.
2.1.2.2 Lineal.
2.1.2.3 Circular o pastel.
2. ORDENAMIENTO DE DATOS
Datos originales
15,4
15,7
16,2
16,4
16,4
15,8
16,0
15,2
15,7
16,6
Datos ordenados
15,4
15,2
15,7
15,7
15,8
16,0
16,2
16,4
16,4
16,6
Ejemplo 2 : Arreglo de datos sobre existencia promedio (en días) para 20 tiendas de
autoservicio
Frecuencia (
clase (grupo de
Número de
valores parecidos
observaciones que
de punto de dato
hay en cada clase)
2,0 a 2,5 1
2,6 a 3,1 0
3,2 a 3,7 2
3,8 a 4,3 8
4,4 a 4,9 5
5,0 a 5,5 4
Se puede expresar la frecuencia como una fracción o porcentaje del número total de
observaciones, para obtener este valor se divide la frecuencia de la clase para el
número total de observaciones
Nc n
2.- Se define el Rango o amplitud de variación de los datos el cual se calcula restando
el mayor valor de los datos del menor valor de los datos
R = Valor mayor – Valor menor
Su cálculo resulta de la división del Rango (R) entre el Número de Intervalos (Nc)
A = R / Nc
SOLUCIÓN
PASO 1: Determinar el numero de intervalos (Nc).
Optaremos por utilizar la primera formula expuesta:
El ancho se debe ajustar para trabajar con el mismo número de decimales que en el
conjunto de datos tratados. Como los datos son valores enteros (variable discreta),
aproximamos al entero superior.
Nuevo Rango (R’): Rango que es convenido por el Ancho de los intervalos a los
decimales que son manejados en los datos objeto del estudio. Su cálculo se realiza
multiplicando el Ancho ajustado por el Número de Intervalos:
El valor 21 se ubica en el intervalo dos. Otra forma de colocar los intervalos es:
2
Las marcas de clase son muy utilizadas en algunas gráficas estadísticas y en cálculos
Ni Lm Ls f F FR=h FRA=H Mc
1 15 18 3 3 0,1 0,1 16,6
2 18 21 16 19 0,53 0,63 19,6
3 21 24 7 26 0,23 0,87 22,6
4 24 27 2 28 0,07 0,93 25,6
5 27 30 1 29 0,03 0,97 28,6
6 30 33 1 30 0,03 1,00 31,6
total 30 1
Ejemplo 5:
Crear una tabla de frecuencia que resuma los siguientes datos:
Paso 1: Determinar el número de intervalos (Nc).
Aplicamos la primera fórmula para determinar el número de intervalos de clase.
El ancho se debe ajustar para trabajar con el mismo número de decimales que en el
conjunto de datos tratados.
El incremento entre el nuevo rango (R’) y el rango inicial (R), se reparte entre el valor
mínimo y el valor máximo
Ni Lm Ls f F FR=h FRA=H Mc
1 72,040 187,091 14 14 0,26 0,26 129,57
2 187,091 302,141 7 21 0,13 0,39 244,62
3 302,141 417,191 3 24 0,06 0,44 359,67
4 417,191 532,241 4 28 0,07 0,52 474,72
5 532,241 647,291 2 30 0,04 0,56 589,77
6 647,291 762,341 7 37 0,13 0,69 704,82
7 762,341 877,391 9 46 0,17 0,85 819,87
8 877,391 992,440 8 54 0,15 1,00 934,92
total 54 1
1.- Realice una tabla de frecuencia que resuma los siguientes datos:
1, 6, 8, 4, 5, 3, 4, 1, 1, 5, 3, 8, 7, 4, 6, 2, 8, 9, 3, 4, 10, 2.
a. ¿Cuál es el dato que más se repite?
b. ¿Cuál es el dato que menos se repite?
c. ¿Cuál es el Rango?
d. ¿Qué tipo de tabla sería la más conveniente para agrupar estos datos?
2. Crear una tabla de frecuencia que permita agrupar los siguientes datos
cualitativos
Rojo Verde Azul Verde
Negro Amarillo Azul Rojo
Rojo Verde Negro Azul
Blanco Negro Verde Rojo
Negro Rojo Blanco Azul
Rojo Verde Verde Negro
a) Elabore una tabla de frecuencia que agrupe los datos. Justifique la elección del
Tipo de Tabla usada.
b) Interprete F2, F4 - F2, F4 - f3, f3 + f2.
c) Interprete h1 + h2, H3 - H2, H3 - h2
Donde h = frecuencia relativa
H = frecuencia relativa acumulada
Selección Múltiple con Única Respuesta: Marque con una X la respuesta correcta.
La ventaja de los gráficos con respecto a las tablas de frecuencia, es que permite
una fácil interpretación y análisis de los datos, al mostrar las frecuencias mediante
símbolos, barras, polígonos y sectores.
CAPITULO
Gráficos Estadísticos: Son representaciones visuales que emplean símbolos,
barras, polígonos y sectores, de los datos contenidos en tablas de frecuencias.
Trataremos siete tipos de gráficos estadísticos:
• Gráfico de sectores
• Gráficos de columnas
• Histograma
• Polígonos de frecuencias
• Curvas suavizadas o curvas de frecuencias
• Ojivas
• Pictogramas
GRÁFICOS DE SECTORES
SOLUCIÓN
Para crear un gráfico de sectores, hay que tener en cuenta los siguientes pasos:
PASO 1: Determinar las frecuencias relativas para cada clase.
PASO 2: Determinar los ángulos que representan las porciones dentro de la figura
para cada clase.
Un círculo esta formado por un ángulo de 360º. La porción correspondiente al
Candidato 1 equivale a un 17,86% de esos 360º, es decir, 64,296º.
La tabla final con los ángulos repartidos para cada clase quedaría:
El gráfico definitivo se muestra a continuación (nótese que cada sector se identifica
con un color diferente):
GRÁFICOS DE COLUMNAS
SOLUCIÓN
Para crear un gráfico de barras, seguiremos 2 sencillos pasos:
PASO 1: Representar las escalas en los ejes horizontal y vertical del primer cuadrante
de un plano de cartesiano. En el eje vertical colocaremos las frecuencias y en el eje
horizontal las clases.
Para establecer la escala en eje vertical, nos guiaremos por la frecuencia máxima,
siendo ese el punto más elevado. Puede trabajarse también con frecuencias relativas.
El plano resultante quedaría:
PASO 2: A cada clase se representa con una columna (o barra) cuya altura
concuerda con su frecuencia expuesta en el eje vertical. Para la clase A con
frecuencia 5, tenemos:
El gráfico final se muestra a continuación:
f
Puede observar que las columnas se encuentran separadas una de otras.
HISTOGRAMA
Se puede considerar como un gráfico de columnas especial. Se realiza sobre el
primer cuadrante del plano cartesiano. La diferencia radica en que el histograma se
utiliza más a menudo para representar tablas de frecuencia, donde el ancho de la
columna equivale al ancho del intervalo de clase.
Las frecuencias absolutas se colocan en el eje vertical y también puede emplearse
las frecuencias relativas. Otra diferencia importante es que no existe espacio entre
las barras.
Ejemplo 8: de histogramas
Realizar un histograma a partir de la siguiente tabla de frecuencia:
SOLUCIÓN
Al igual que en gráfico de sectores y el gráfico de columnas, seguiremos 2 pasos
para la construcción del histograma.
PASO 1: Representar las escalas en los ejes horizontal y vertical del primer
cuadrante de un plano de cartesiano. En el eje vertical colocaremos las frecuencias
y en el eje horizontal las marcas de clases.
Para diferenciar este paso del anterior, trabajaremos con un ancho de columna
único, y dejaremos la mitad de ese espacio entre el vertical y la primera columna, y
el final del eje horizontal y la última columna.
PASO 2: A cada clase se representa con una columna cuya altura concuerda con su
frecuencia expuesta en el eje vertical. Podemos decir que la marca de clase 4.1 es
representada por una frecuencia 12:
Las barras estarán pegadas una junto a la otra, es decir, ocupando el total del ancho
de cada intervalo de clase dispuesto en el gráfico.
POLÍGONOS DE FRECUENCIAS
Este gráfico se utiliza para el caso de variables cuantitativas, tanto discretas como
continuas, partiendo del diagrama de columnas, barras o histograma, según el tipo
de tabla de frecuencia manejada.
SOLUCIÓN
PASO 1: Crear un histograma, o gráfico de columnas
PASO 2: Trazar líneas rectas entre los puntos medios de los techos de columnas
contiguas, partiendo desde el punto de origen (0,0) hasta el punto final definido en el
eje horizontal.
24
Nuestro polígono de frecuencias sin el histograma quedaría de la siguiente forma:
Observe que cada línea corta una porción de la columna, pero a su vez, agrega una
porción adicional. Ambas porciones son iguales (triangulo rectángulos iguales),
manteniendo el área global en el gráfico.
OJIVAS
En este gráfico se emplea un polígono de frecuencia o curva suavizada con una
característica muy particular: muestra las frecuencias absolutas o relativas
acumuladas.
Ejemplo 10 de ojivas
Los ingresos de 50 trabajadores de una empresa se resumen en la siguiente tabla
de frecuencia:
SOLUCIÓN
PASO 1: En un plano cartesiano (primer cuadrante), procedemos a establecer
la escala de ambos ejes:
• En el eje vertical se colocaran las frecuencias, partiendo desde 0 hasta la última
frecuencia acumulada (absoluta o relativa).
• En el eje horizontal se ubicaran los límites superiores, partiendo desde el primer
límite menor.
50.0
PASO 2: A cada límite superior le corresponde su frecuencia acumulada. El punto
inicial será 0 (no existen datos por debajo de 100). Por ejemplo:
• Hasta un valor cercano a 150.000 existen acumulado 3 datos.
• Hasta un valor cercano a 200.000 existen acumulado 5 datos.
Gráficamente tenemos:
Podremos cambiar la escala del eje vertical para que trabaje con las frecuencias
relativas acumuladas sin afectar el gráfico:
Características de las ojivas
- Muestran frecuencias acumuladas.
- Se prefiere para el tratamiento de datos cuantitativos.
- El punto de inicio equivale a una frecuencia de 0.
- Suelen utilizarse para representar tablas tipo B.
- El punto final equivale al 100% de los datos.
PICTOGRAMAS
Los pictogramas utilizan símbolos para representar un conjunto de datos. La mayor
frecuencia se identifica por la mayor acumulación de símbolos.
Los pictogramas se emplean sobre todo, para hacer más amigables e entendibles
los informes estadísticos.
SOLUCIÓN
El símbolo que emplearemos tendrá forma de vehículo, asiendo referencia al tema
del informe. Cada símbolo tendrá una equivalencia de 20.000
unidadesdemandadas.
a. Un histograma
b. Un polígono de frecuencia
c. Una OJIVA
17 Cree una tabla de frecuencia que contenga 7 intervalos de clase, para los
siguientes datos:
Construya el histograma respectivo.
18 El cuadro que figura más abajo da los caudales mensuales del río Magdalena
observados durante los meses del abril y mayo, desde 1988 a 2005 (la unidad de
medida no se precisa).
CUESTIONARIO DE REPASO
Selección Múltiple con Única Respuesta: Marque con una X la respuesta correcta.
Para las preguntas 1 y 2: A partir del siguiente gráfico de Ojiva.
INGRESOS
Frecuencia Relativa
1. Se puede concluir:
a. El 60% de la población gana más de $400.000
b. El 50% equivale a un ingreso de $200.000
c. El 80% de la población gana más de $100.000
d. Todas las anteriores
2. Se puede concluir:
a. El 50% de la población gana más de $300.000
b. El 30% de la población gana menos de $200.000
c. El sueldo máximo registrado fue de $600.000
d. Todas las anteriores
3. Los gráficos de sectores son usados para:
a. Mostrar frecuencias acumuladas
b. Mostrar las marcas de clase de una tabla de frecuencia tipo B
c. Mostrar solo las frecuencias absolutas
d. Mostrar frecuencias no acumuladas
OBJETIVOS ESPECÍFICOS:
Mostrar en qué lugar se ubica un dato promedio o típico del grupo de datos.
Comparar o interpretar cualquier posición en relación con las posiciones centrales
o típicas.
Comparar la posición obtenida por un mismo parámetro en dos diferentes
ocasiones.
Sirve como un método para comparar los resultados medios obtenidos por dos o
más grupos.
Las medidas de dispersión son parámetros estadísticos que nos informan sobre
la variabilidad de los datos, es decir, si la distribución de los datos es más o menos
homogénea y por tanto nos dan una medida sobre la representatividad de los
parámetros de centralización (moda, mediana o media)
CONOCIMIENTOS PREVIOS:
CONTENIDO:
3.2Medidas de localización.
3.2.1Deciles, Cuartiles y Percentiles.
SOLUCIÓN
Aplicando la fórmula para datos no agrupados tenemos:
Las marcas de clases (Mc) cumple la función de representar los intervalos de clase.
SOLUCIÓN
SOLUCIÓN
Las marcas de clase representan a los intervalos de clase, por ejemplo, suponemos
que la marca de clase para el primer intervalo (44,1) se repite 3 veces, al
desconocer los 3 valores exactos que están dentro de dicho intervalo.
PASO 1: Realizar la sumatoria del producto resultante entre las marcas de clase por
su frecuencia absoluta.
Podemos ver claramente una diferencia entre ambas medias: 27,74 para los datos
no agrupados y 28,29 para los datos agrupados. Esta diferencia radica que en la
tabla de frecuencia existe una perdida de información, al agrupar los datos en los
intervalos de clase. El valor de la media exacta es el calculado para los datos no
agrupados, pero dada la proximidad de la media para los datos agrupados, se toma
esta última como cierta.
Ventajas
Desventajas
3.1.2. La mediana
Mediana (Me): Valor que divide una serie de datos en dos partes iguales. La
cantidad de datos que queda por debajo y por arriba de la mediana son iguales.
La definición de geométrica se refiere al punto que divide en dos partes a un
segmento. Por ejemplo, la mediana del segmento AB es el punto C.
SOLUCIÓN
PASO 1: Ordenar los datos.
PASO 2: Localizar el valor que divide en dos parte iguales el número de datos.
SOLUCIÓN
PASO 1: Ordenar los datos.
PASO 2: Localizar el valor que divide en dos parte iguales el número de datos.
El punto medio se encuentra entre dos valores: 2 y 3, por tanto, el valor de la
mediana será 2,5.
Me = 2.5
SOLUCIÓN
PASO 1: Localizar entre que clases se encuentra la mediana. Observe que la
mediana se encuentra entre las clases 3 y 4, donde podremos encontrar una
frecuencia relativa acumulada del 50%.
La diferencia entre las frecuencias relativas nos indica que existe entre las clases
27,1% de los datos. Para llegar al 50% de los datos, debemos incrementar en 4,2%
datos partiendo desde la clase 30.
SOLUCIÓN
PASO 2: Interpolar los datos para encontrar la mediana. En resumen tenemos que:
Entre los dos límites superiores abarcan un total de 17,50% de los datos. Se debe
aumentar en 7,50% los datos desde límite superior del tercer intervalo de clase.
i
Ventajas
• Es estable a los valores extremos.
• Es recomendable para distribuciones muy asimétricas.
Desventajas
• No presenta todo el rigor matemático.
• Se emplea solo en variables cuantitativas.
3.1.3 La moda
Moda (Mo): indica el valor que más se repite, o la clase que posee mayor
frecuencia.
En el caso de que dos valores presenten la misma frecuencia, decimos que existe
un conjunto de datos bimodal. Para más de dos modas hablaremos de un conjunto
de datos multimodal.
PASO 2: la moda representa el valor que más se repite. En este caso es la marca 1.
Mo = Marca 1
SOLUCIÓN
Las marcas de clase que más frecuencias tienen son 11 y 13, por tanto decimos que
es un caso donde aparecen dos modas (bimodal).
Algunos autores suelen aplicar una fórmula para determinar la moda para tablas de
frecuencia.
Donde LS-1 equivale al límite superior del intervalo anterior donde se encuentra la
moda.
Ventajas
• Es estable a los valores extremos.
• Es recomendable para el tratamiento de variables cualitativas.
Desventajas
• Pueda que no se presente.
• Puede existir más de una moda.
• En distribuciones muy asimétricas suele ser un dato muy poco representativo.
• Carece de rigor matemático.
3.1.4. Media geométrica
Existen otras definiciones de media que pueden tener su utilidad en algunos casos.
La primera de estas es la media geométrica XG
= …
3. Para que un producto sea aceptado por su cliente principal, debe cumplir con
ciertas especificaciones de calidad. Una de ellas, radica en que el promedio de
longitud de los 20 primeros productos este entre 20,0 y 20,9 centímetros. Si las
medidas son:
4. Calcular la media, mediana y moda para los siguientes datos (agrúpelos en una
tabla de frecuencia):
CUESTIONARIO DE REPASO
Cuartiles
Deciles
No tiene mucho sentido calcularlas para variables cualitativas discretas. Por lo que
lo vamos a ver sólo para las variables continuas.
k = 1 .. 9
Percentiles:
Medida de localización que divide la población o muestra en 100 partes iguales
No tiene mucho sentido calcularlas para variables cualitativas discretas. Por lo que
lo vamos a ver sólo para las variables continuas.
k=1 .. 99
Ejemplo 8:
Como se puede observar la forma de calcular estas medidas es muy similar a la del
cálculo de la mediana.
Li-1 Li ni Ni
45 55 6 6
55 65 10 16
65 75 19 35
75 85 11 46
85 95 4 50
No solo basta con determinar las medidas de tendencia central para comprender el
comportamiento de una serie de datos, es importante además, conocer que tan
alejados están esos datos respecto a ese punto de concentración.
Las medidas de dispersión nos indican la distancia promedio de los datos respecto a
las medidas de tendencia central. Así podremos diferenciar dos conjuntos de datos
que poseen iguales medias, siendo los datos de uno más dispersos del otro.
CAPITULO
Medidas de dispersión: Son indicadores estadísticos que muestran la distancia
promedio que existe entre los datos y la media aritmética.
En el estudio de las medidas de dispersión daremos un vistazo a cuatro indicadores
básicos:
_ Desviación media
_ Varianza
_ Desviación estándar
_ Coeficiente de variación
El cálculo de cada uno de ellos se toma basado en la media aritmética.
Note que el tercer dato (3) posee una distancia de 0,0667 hacia la izquierda de la
media. Para indicar las distancias de estos puntos, agregaremos el signo negativo,
por tanto, la distancia del tercer dato sería –0,0667. La representación gráfica de
todos los puntos quedaría:
El total de las distancias de los puntos que están a la izquierda respecto a la media
es de -8,6 (empleando todos los decimales), que es igual a la sumatoria de las
distancias de los puntos que están a la derecha respecto a la media 8,6.
Concluimos que la sumatoria de todas las distancias de cada punto respecto a la
media aritmética es igual a cero (las distancias se anulan):
Para responder a la pregunta de ¿qué tan disperso están los datos respecto a la
media aritmética?, recurriremos nuevamente al promedio simple. Para llegar a una
fórmula básica de dispersión, en que las distancias positivas y negativas no se
eliminen, modificaremos la fórmula anterior para trabajar solo con distancias
positivas mediante el valor absoluto:
n
Se debe hacer la distinción que para datos poblacionales (no agrupados), la
fórmula quedaría:
Para las tablas sin intervalo de clase solo cambiaremos la marca de clase por su
respectivo valor
de clase (representada por Xi):
Ejemplo21: Desviación media para datos no agrupados
Tres alumnos son sometidos a una competencia para probar sus conocimientos
en 10 materias diferentes, cada una sustentada con 10 preguntas. La idea del
concurso es encontrar al alumno más idóneo para representar al colegio en un
torneo a nivel nacional.
El número de preguntas buenas por materia se muestra a continuación:
SOLUCIÓN
Lo primero que analizaremos es la media de los puntajes para cada uno de los
alumnos, con el fin de determinar el alumno con mayor promedio de preguntas
buenas.
Las medias para los resultados de los alumnos coinciden: los tres alumnos tienen
responden en promedio 5 preguntas correctas por prueba. ¿Cuál sería entonces el
indicador diferenciador entre los alumnos?.
Complementemos el análisis anterior calculando la desviación media:
Carlos muestra una desviación media de 3,9 indicando que los datos se alejan en
promedio de la media en 3,9 preguntas buenas. Pedro disminuye su variación (2,9),
siendo Juan el que menos variación presenta con 0,9 preguntas tanto por arriba
como por debajo de la media aritmética. Se recomienda al colegio elegir como
ganador en este caso a Juan, presenta resultados más constantes que los otros dos
alumnos, Juan en promedio acierta 5 preguntas buenas con una
variación muy baja (rondando entre 4 y 6).
SOLUCIÓN
PASO 1: Calcular la media aritmética.
3.3.2 La varianza
Otra forma para asegurar que las diferencias entre la media y los puntos de un valor
positivo, es elevándola al cuadrado. Al promedio de estas distancias al cuadrado se
le conoce como varianza.
Distinguimos dos símbolos para identificar la varianza: S 2 para datos muestrales, y
s2 para datos poblacionales. Note que la fórmula para la varianza muestral presenta
en su denominador al tamaño de la muestra menos uno, tendencia adoptada por los
estadísticos para denotar una varianza más conservadora.
Al igual que ocurre con la desviación media, podemos definir las fórmulas para
datos agrupados en tablas con y sin intervalos de clase. Para las tablas sin
intervalos de clase tenemos:
Para las tablas con intervalo de clase, la clase cambia por la marca de clase del
intervalo:
Una advertencia en el uso de esta medida, es que al elevar las distancias al cuadrado,
automáticamente se elevan las unidades. Por ejemplo, si unidad trabajada en los
datos es centímetros, la varianza da como resultados centímetros al cuadrado.
Determinar la varianza.
SOLUCIÓN
PASO 1: Calcular la media aritmética.
SOLUCIÓN
PASO 1: Calcular la media aritmética.
Habíamos visto que la varianza transforma todas las distancias a valores positivos
elevándolas al cuadrado, con el inconveniente de elevar consigo las unidades delos
datos originales.
La desviación estándar soluciona el problema obteniendo la raíz cuadrada de la
varianza, consiguiendo así, un valor similar a la desviación media.
Estas variables podrían tener unidades diferentes, por ejemplo, podremos determinar
si los datos tomados al medir el volumen de llenado de un envase de cierto líquido
varían más que los datos tomados al medir la temperatura del líquido contenido en el
envase al salir al consumidor. El volumen los mediremos en centímetros cúbicos y la
temperatura en grados centígrados.
El coeficiente de variación elimina la dimensionalidad de las variables y tiene en
cuenta la proporción existente entre una medida de tendencia y la desviación típica o
estándar.
Este índice solo se debe calcular para variables con todo los valores positivos, para
dar seguridad de un X o µ mayores a cero (un coeficiente de variación positivo).
25. Calcular la desviación media a partir del registro de las siguientes edades de
una muestra de 36 personas.
CONOCIMIENTOS PREVIOS:
CONTENIDO:
4.5.1 Formulación.
4.5.2 Probabilidad total.
4.5.3 Pasos para calcular la probabilidad.
4.5.4 Problemas.
El concepto de probabilidad nace con el deseo del hombre de conocer con certeza
los eventos futuros. Es por ello que el estudio de probabilidades surge como una
herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la
época. El desarrollo de estas herramientas fue asignado a los matemáticos de la
corte.
Con el tiempo estas técnicas matemáticas se perfeccionaron y encontraron otros usos
muy diferentes para la que fueron creadas. Actualmente se continuó con el estudio
de nuevas metodologías que permitan maximizar el uso de la computación en el
estudio de las probabilidades disminuyendo, de este modo, los márgenes de error en
los cálculos.
A través de la historia se han desarrollado tres enfoques conceptuales diferentes para
definir la probabilidad y determinar los valores de probabilidades
Resolver los ejercicios del Texto guía pag. 42 ejercicios 2.1 al 2.20 impares
EVENTOS MUTUAMENTE EXCLUYENTES
Dos o más eventos son mutuamente excluyentes si no tienen nada en común
EVENTOS INDEPENDIENTES
Dos o más eventos no son independientes si su ocurrencia no altera la ocurrencia
del otro evento
EVENTOS EXHAUSTIVOS
Dos o más eventos son exhaustivos si su unión conforma el espacio muestral, es
decir, que reúnen todos los posibles resultados de un experimento.
4.2 ENFOQUE DE PROBABILIDADES
El enfoque clásico
Ejemplo 1:
Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de
sacar una piedra roja en un intento es:
Ejemplo 3:
Se ha observado que 9 de cada 50 vehículos que pasan por una esquina no tienen
cinturón de seguridad. Si un vigilante de transito se para en esa misma esquina un
ida cualquiera ¿Cuál será la probabilidad de que detenga un vehículo sin cinturón de
seguridad?
El enfoque subjetivo
Ejemplo 1 :
Si un partido político tiene 3 candidatos a la presidencia y 5 candidatos a la
vicepresidencia El número de parejas distintas de candidatos para ambos cargos se
formaran de 3 x 5 = 15 formas.
Ejemplo 2 :
Si Carlos tiene 3 camisas de vestir y 4 pantalones ¿ Cuáles y cuántos serían
las diferentes formas que tendrá para vestirse con dichas prendas?
4.3.2. Permutaciones
P(3,3) 3! 3 x 2 x 1 6
n!
P(n, r)
(n - r)!
Ejemplo 4:
Si A = { a , b, c, d} . Cuantas ordenaciones diferentes pueden formarse tomando
grupos de a 2?
Solución:
ab ba ca da
ac bc cb db
ad bd cd dc
Ejemplo 5:
Supongamos que Alberto (A) , Beatriz (B) , Carlos ( C ) y Daniel (D) se quieren
sentar en dos sillas disponibles. ¿de cuántas maneras diferentes se puede ubicar ?
12 maneras diferentes
Ejemplo 6:
De un conjunto de 5 libros , ¿Cuántos grupos de a 3 se podrán formar?
Solución:
m=5
n=3
Ejemplo 7:
Se tiene 5 libros de distintas materias. ¿De cuántos modos diferentes podrán
disponerse?
m=5
n=3
5!
P5 (5 5)! 5 x 4 x 3 x 2 x 1 120
5
Ejemplo
Cuantas permutaciones diferentes se pueden formar con los elementos de { x ,
y , z} tomados todos a la vez y con repetición.
Solución:
xxx yyy zzz
xxy yyx zzx
xxz yyz zzy
xyz yxy zxz
xzx yzy zyz
yxx xyy xzz
zxx zyy yzz
xyz yxz zxy
xzy yzx zyx
A = { x , y , z} ; n = 3
P(3,3) 33 27
P(n, r) n r
Ejemplo:
Cuántos números diferentes de 2 cifras pueden formarse con los dígitos 1 , 2 , 3 , 4 ,
si se permite la repetición.
Solución:
n=4
r=2
11 21 31 41
12 22 32 42
13 23 33 43
14 24 34 44
4.3.3. Combinaciones
Las combinaciones son las diferentes grupos de “n” elementos que se pueden
formar tomándolos de “ r ” en “ r ” , donde 0 < r n ; de modo que cada grupo
difiere del otro en por lo menos un elemento.
Ejemplo 8:
De un grupo de 10 libros ¿Cuántas selecciones de 4 libros se pueden hacer?
Solución:
n = 10
r=4
Ejemplo 9:
Un estudiante tiene que contestar 8 de 10 preguntas en un examen.
a. ¿ De cuántas maneras puede el estudiante escoger las 8 preguntas ?
b. Si las 3 primeras son obligatorias, ¿ de cuantas maneras puede escoger
las preguntas?
c. Si tiene que contestar 4 de las 5 primeras ¿ de cuántas formas puede
hacerlo?
Solución:
a. Como interesa subconjuntos de 8 preguntas de un conjunto de 10 preguntas
sin importar el orden estaría dado por:
n!
C(n, r)
r!(n r)!
10! 10! 10 x 9x 8!
C(10,8) 45 formas
8!(10 8)! 8! 2! 8! x 2x1
b. Puesto que las 3 primeras son obligatorias; las 5 restantes tendrá que
escoger de las 7 preguntas sobrantes.
17. Un examen consta de 10 preguntas con 4 opciones cada una. ¿En cuántas formas
puede un alumno marcar las respuestas a estas preguntas, si señala una
respuesta para cada una de las 10 preguntas?. ¿De cuántas maneras puede
obtener una calificación perfecta?
18. De 10 valores más negociados un inversionista desea elaborar una lista de tres
de estos títulos en orden de importancia, para la posible compra. ¿Cuántas
permutaciones habrá con 3 de los 10 títulos?
20. Resolver los ejercicios del Texto guía pag. 51 ejercicios 2.21 al 2.48 impares
En donde:
El conectivo lógico "o" corresponde a la "unión" en la teoría de conjuntos (U)
El espacio muestral (S) corresponde al conjunto universo en la teoría de conjuntos
En donde:
El conectivo "y" corresponde a la "intersección" en la teoría de conjuntos (∩)
El espacio muestral (S) corresponde al conjunto universo en la teoría de conjuntos
Ejemplos
10.- Una bolsa contiene tres caramelos rojos, siete blancos y nueve verdes. Si se
retiran dos caramelos de manera aleatoria y con reemplazo, encuentre la probabilidad
de que del mismo color.
3 3 7 7 9 9 139
{ }= . + . + . = = 38.50%
19 19 19 19 19 19 361
Dos Mujeres
3
( 1) =
8
2
( 2/ 1) =
7
3 2 3
( )= . = = 10.71%
8 7 28
HOMBRES
5 4 5
( ℎ )= . = = 35.71%
8 7 14
( )= ( í )=
10
P(Matemáticas y Economía) =
35
a) ( ∪ )= = = 0.80
b) ( ′ ∩ ′) = = = 0.20
13.- La probabilidad de que un avión con varias escalas llegue a Denver a tiempo es
de 0.30. La probabilidad de que este avión llegue a Houston es de 0.40 y la
probabilidad de que ni llegue a Houston ni llegue a Denver a tiempo es de 0.40. ¿Cuál
es la probabilidad de que el avión:
( ) = 0.30 ( ) = 0.40 ′
∩ ′
= 0.40
14.- Las probabilidades de que una persona que se detiene en una estación de
servicio pida que se revisen las llantas de su auto es de 0.14, la probabilidad de que
pida que se revise el aceite de su auto es de 0.27 y la probabilidad de que pida uno u
otro servicio es de 0.32
15.- Una caja contiene 4 tubos malos y 6 buenos. Se sacan dos a la vez. Se prueba
uno de ellos y se prueba que es bueno. ¿Cuál es la probabilidad de que el otro
también sea bueno?
E.M= {4 T Malos, 6 T Buenos}
E= Sea bueno
6 6 36 9
( )= . = = = 0.36 = 36%
10 10 100 25
16.- Se lanza un dado no cargado, dado que el resultado es un número par, ¿Cuál es
la probabilidad de que sea mayor q 3?
E.M= {1, 2, 3, 4, 5,6}
A= Pares= {2, 4, 6}
B= Mas de 3= {4, 5, 6}
= = = = 0.666 = 66.67%
17.- En una clase hay 12 alumnos y 16 alumnas. El profesor saca a 4 a la pizarra.
a) ¿Cuál es la probabilidad de que todas sean alumnas?
b) ¿Cuál es la probabilidad de que todos sean alumnos?
E.M= {12 alumnos, 16 alumnas}
,
a) ( )= . . . = = 8.89%
,
,
b) ( )= . . . = = 2.42%
,
18.-La probabilidad de que un niño, sea mayor, estudie una carrera universitaria es
1/6 y en el caso de una niña es 1/10. Si se toman al azar un niño y una niña, calcula
las siguientes probabilidades.
a) Que los dos estudien una carrera universitaria
b) Que ninguna de ellos estudien una carrera universitaria
19.- Juan y Pedro lanzan una pelota a un blanco. La probabilidad de que Juan dé en
el blanco es 1/3 y la probabilidad de que dé Pedro es 1/4. Supóngase que Juan lanza
primero y que los dos chicos se van turnando para lanzar:
a) Calcula la probabilidad de que el primer lanzamiento que dé en el blanco sea el
segundo de Juan.
b) ¿Cuál es la probabilidad de que Juan dé en el blanco antes de que lo haga Pedro?
20.- Una caja de cartón contiene 6 bolas blancas y 4 negras. Se extraen 2 bolas
sucesivamente y sin reemplazamiento.
a) Sea blanca y negra
6 4 24 4
( . )= . = = = 26.67%
10 9 90 15
a) ( ∩ ) = ( ). ( ) = . = = 13.33%
b) ∩à = ( )+ à − ∩à = ( )+ à − ( ). à = + −
. = = = 80%
c) ( ∩ ∩ ) = ( ). ( ). ( ) = . . = = 6.4%
22.- Una caja contiene 15 bolas rojas, 2 bolas negras y 4 bolas verdes. Calcule la
probabilidad de que una bolsa seleccionada al azar sea roja o verde.
E1= Bola roja
E2= Bola verde
15 4 0 19
{ ∪ }= + − = = 90.47%
21 21 21 21
a) [( ∩ ) ∪ ( ∩ )] = ( ∩ ) + ( ∩ ̅ ) = ( − ) + ( − ) = ( ) −
( ∩ ) + ( ) − ( ∩ ) = ( ) + ( ) − 2. ( ∩ ) = 0.99 + 0.95 −
2(0.99 ∗ 0.95) = 0.99 + 0.95 − 1.881 = 0.059
b) ( ̅ ∩ ) = 1 − ( ∪ ) = 1 − [ ( ) + ( ) − ( ∩ )] = 1 − (0.99 + 0.95 −
0.99 ∗ 0.95) = 1 − 0.9995 = 0.0005
24.- El despertador de Javier no funciona muy bien, pues el 20% de las veces no
suena.
Cuando suena, Javier llega tarde a clase con probabilidad 0,20, pero si no suena, la
probabilidad de que llegue tarde es 0,90.
( ∩ ) .
c) = = = 0.47
( ) .
25.- Se seleccionan tres cartas de manera aleatoria y con re emplazo de una baraja
de 52 cartas.
a) La probabilidad de escoger en orden, un 10, una carta de espada y una sota negra.
E1= 10
E2= Espada
E3= Sota negra
4 12 4 2 18
{ 1 ∪ 3} = . + − = = 35%
52 52 52 52 52
b) Escoger exactamente 3 reyes
E= 3 Reyes
4 4 4 4 8
{ ∪ }= + + − = = 15.38%
52 52 52 52 52
4 26 2 28 7
( ∪ )= + − = = = 53.85%
52 52 52 52 13
21. Una caja tiene 75 metras: 35 Azules y el resto Rojas. De las azules hay 25
Brillantes y el resto son Opacas. De las Rojas sólo hay 30 Brillantes. ¿Cuál es la
probabilidad de sacar...
a. Una metra azul
b. Una metra roja
c. Una metra azul brillante
d. Una metra brillante
e. Una metra roja o azul
f. Una metra azul o brillante
22. La compañía NASACA que produce combustible nuclear debe revisar con rayos
X y hacer una inspección meticulosa de cada barra antes de entregarla. El
inspector de control de calidad detectó que de cada 1000 barras que revisa, 10
tienen defectos internos, 8 tienen defectos en su carcasa y 5 tienen ambos tipos
de defecto. ¿Cuál es la probabilidad de que al revisar una barra, ésta sea
defectuosa?
23. Un estudiante está cursando Matemática II y Probabilidad y Estadística. La
probabilidad de que apruebe Matemática es de 0.60. La probabilidad de que
apruebe Estadística es de 0.70. La probabilidad de pasar las dos materias es de
0.50. ¿Cuál es la probabilidad de que apruebe al menos una materia?
25. De 300 estudiantes, 100 están inscritos en Física y 80 en Estadística. Estas cifras
incluyen 30 estudiantes que están inscritos en ambos cursos. ¿Cuál es la
probabilidad de que un estudiante elegido al azar esté inscrito únicamente en
Contabilidad o únicamente en Estadística
26. A Weil PC desea mejorar la resistencia de sus computadoras clon que arma, con
respecto a fallas en la unidad de disco y el teclado. En la actualidad, el diseño de
sus computadoras es tal que las fallas de la unidad de disco significan un tercio
de las fallas en el teclado. La probabilidad de que se presente una falla conjunta
en la unidad de disco y en el teclado es de 0,05.
a. Si la computadora es 80% resistente a fallas en la unidad de disco y/o en el
teclado, qué tan baja debe ser la probabilidad de que se presente una falla en
la unidad de disco?
b. Si el teclado se mejoró de tal modo que solo falla el doble de veces que la
unidad de disco, (y la probabilidad de falla conjunta sigue siendo 0,05). ¿La
probabilidad de falla de la unidad de disco del inciso (a) producirá una
resistencia a fallas en la unidad de disco duro, en el teclado o en ambos, mayor
o menor que 90%?
27. Un banco reporta que 80% de sus clientes tiene una cuenta de cheques, 60%
tiene una cuenta de ahorros y 50% tiene ambas. Si se toma un cliente al azar
¿Cuál es la probabilidad de que el cliente tenga una cuenta de ahorros o una
cuenta de cheques?. ¿Cuál es la probabilidad de que el cliente no tenga ni cuenta
de ahorros ni cuenta de cheques?
28. De los estudiantes de Ingeniería Industrial, el 15% es usuario regular del Comedor
de la UTE, el 30% es usuario regular del Transporte de la UTE y el 10% son
usuarios regulares de ambos servicios.
a. Diagrama de Venn o diagrama de árbol o tabla de contingencia
b. ¿Son independientes los eventos “usuario del Comedor UTE” y “usuario del
Transporte UTE”?. Demuéstrelo con las reglas de la probabilidad
c. Si del grupo se elige un estudiante al azar, calcule la probabilidad de que no
sea usuario del Comedor
29. Resolver los ejercicios del Texto guía pag. 59 ejercicios 2.49 al 2.72 impares
30. Resolver los ejercicios del Texto guía pag. 69 ejercicios 2.73 al 2.94 impares
Si los eventos B1, B2,..., Bk constituyen una particion del espacio muestral S, donde
P(Bi) ≠ 0 para i = 1, 2,...,k, entonces, para cualquier evento A en S, tal que P(A) ≠ 0,
Ejemplos:
27. El 20% de los empleados de una empresa son ingenieros y otro 20% son
economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los
economistas también, mientras que los no ingenieros y los no economistas
solamente el 20% ocupa un puesto directivo. ¿Cuál es la probabilidad de que un
empleado directivo elegido al azar sea ingeniero?
0.2 ∗ 0.75
= = 40.54%
0.2 ∗ 0.75 + 0.2 ∗ 0.5 + 0.6 ∗ 0.20
28. La probabilidad de que haya un accidente en una fábrica que dispone de alarma
es 0.1. La probabilidad de que suene esta sí se ha producido algún incidente es de
0.97 y la probabilidad de que suene si no ha sucedido ningún incidente es 0.02.
En el supuesto de que haya funcionado la alarma, ¿cuál es la probabilidad de que
no haya habido ningún incidente?
Sean los sucesos:
I = Producirse incidente.
A = Sonar la alarma.
0.9 ∗ 0.02
= = 15.65%
0.1 ∗ 0.97 + 0.9 ∗ 0.02
29. Tres máquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total
de las piezas producidas en una fábrica. Los porcentajes de producción defectuosa
de estas máquinas son del 3%, 4% y 5%.
30. Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1
negra y C con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos
una bola. Si la bola ha sido roja, ¿cuál es la probabilidad de haber sido extraída de
la urna A?
R= "sacar bola roja"
N= "sacar bola negra"
1 3
( ). ( ) . 45
= = 3 8 = = 0.260
( ). + ( ). ( ) 1 . 3 + 1 . 2 + 1 . 2 173
3 8 3 3 3 5
31. En la sala de pediatría de un hospital, el 60% de los pacientes son niñas. De los
niños el 35% son menores de 24 meses. El 20% de las niñas tienen menos de 24
meses. Un pediatra que ingresa a la sala selecciona un infante al azar.
a. Determine el valor de la probabilidad de que sea menor de 24 meses.
b. Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea
una niña.
H: seleccionar una niña.
V: seleccionar un niño.
M: infante menor de 24 meses.
a) ( ) = ( ). + ( ). = 0.6 ∗ 0.2 + 0.4 ∗ 0.35 = 0.26 = 26%
( ). . ∗ . .
b) = ( ). ( ).
= . ∗ . . ∗ .
= .
= 46%
( ).
b) P M H =
. ∗ . .
( ). ( ). ( ). (
= = =
) . ∗ . . ∗ . . ∗ . .
0.19 = 19%
( ).
=
( ). + ( ). + ( ).
0.25 ∗ 0.01 0.0025
= = = 0.12 = 12%
0.25 ∗ 0.01 + 0.35 ∗ 0.02 + 0.4 ∗ 0.03 0.0215
( ∩ ) ( ). ( ) 0.441
′ = = = = 96%
( ) ( ). + ( ). ( ) 0.441 + 0.018
31. En una fábrica de pernos, las máquinas A, B y C fabrican el 25%, 35% y 40%
de la producción total, respectivamente. De lo que producen 5%, 4% y 2%
respectivamente son pernos defectuosos. Se escoge un perno al azar y se
encuentra que es defectuoso ¿Cuál es la probabilidad de que el perno
provenga de la máquina A?. ¿de la máquina B? ¿de la máquina C?
36. El profesor Coronel ha estado enseñando Estadística básica por muchos años.
Ya sabe que el 80% de sus alumnos hace toda la tarea. También sabe que el
90% de los que hacen toda la tarea aprueba el curso. De los estudiantes que
no hacen la tarea el 60% aprueba. Pedro Pérez cursó Estadística el semestre
pasado con este profesor y aprobó. ¿Cuál es la probabilidad de que haya
hecho todas sus tareas?
37. Resolver los ejercicios del Texto guía pag. 76 ejercicios 2.95 al 2.102 pares
CONOCIMIENTOS PREVIOS:
CONTENIDO:
Ejemplo 1:
x→ Variable que nos define el número de burbujas por envase de vidrio que son
generadas en un proceso dado.
x→ 0, 1, 2, 3, 4, 5, etc. burbujas por envase
x→ Variable que nos define el número de productos defectuosos en un lote de 25
productos.
x→0, 1, 2, 3,....,25 productos defectuosos en el lote
Con los ejemplos anteriores es importante tomar en cuenta que los valores de la
variable x siempre serán enteros, nunca fraccionarios.
Ejemplos 2:
x→ Variable que nos define el diámetro de un engrane en pulgadas
x→ 5.0”, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96
x→ Variable que nos define la longitud de un cable o circuito utilizado en un arnés de
auto
x→20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0
Una variable continua puede tomar cualquier valor, entero o fraccionario, una forma
de distinguir cuando se trata de una variable continua es que esta variable permite
medirla o evaluarla, mientras que una variable discreta no es medible, es una variable
de tipo atributo, cuando se inspecciona un producto este puede ser defectuoso o no,
blanco o negro, cumple con las especificaciones o no cumple, etc.
p(x) = f(x)
Ejemplo 1:
Se lanza dos monedas y se define la variable aleatoria X, número de caras
obtenidas. Siendo C obtener cara y X obtener cruz, como el espacio muestral es =
{CC,CX, XC, XX} entonces se tiene
X: Ω→R
CC → 2
CX → 1
XC → 1
XX → 0
Ejemplo 2:
Lanzamos una moneda, si sacamos cara C recibimos 1 dólar y si sacamos cruz X
pagamos 1 dólar. ¿Cómo es la variable aleatoria X que mide la ganancia?
Ejemplo 3:
Lanzamos dos monedas y definimos la variable aleatoria X, número de caras
obtenidas. Siendo C obtener cara y X obtener cruz. La función de probabilidad de X
es
Es habitual expresar la función de probabilidad en una tabla de la forma
Se cumple con
Ejemplo 4:
Lanzamos una moneda, si sacamos cara C recibimos 1 dólar y si sacamos cruz X
pagamos 1 dólar. Describir la función de probabilidad de la variable aleatoria X que
mide la ganancia.
Solución:
Solución:
Ejemplo 7:
La función de probabilidad de la variable aleatoria X viene dada por la tabla.
Ejemplo 8.
Lanzamos dos monedas. Si salen dos caras recibimos 3 dólares, si sale una cara
recibimos 1 dólar y si no sale ninguna cara pagamos 5 dólares. ¿cuál es la
ganancia media del juego?
Solución:
Se determina la función de probabilidad de la ganancia X en euros:
1 1 1
= 3. + 1. + 5. = 0
4 2 4
Ejemplo 9:
Hallar la media de la variable aleatoria X, dada por la función de probabilidad.
Solución:
Sea X una variable aleatoria con distribución de probabilidad f (x). El valor esperado
de la variable aleatoria g(X) es
Ejemplo 10:
Suponga que el número de automóviles X que pasa por un local de lavado de autos
entre las 4:00 p.m. y las 5:00 p.m. de cualquier viernes soleado tiene la siguiente
distribución de probabilidad:
Solución:
Ejemplo 11:
Suponga que la variable aleatoria X representa el número de automóviles que se
utilizan con propósitos de negocios oficiales en un día de trabajo dado. La
distribución de probabilidad para la empresa A
Solución:
Una fórmula alternativa que se prefiere para calcular σ2 , que a menudo simplifica los
cálculos, se establece en el siguiente teorema.
Ejemplo 12:
Resuelva el ejemplo 11 con la fórmula que simplifica el cálculo
Solución:
σA2 = 0.6
Ejemplo 13:
Calcule la varianza de g(X) = 2X + 3, donde X es una variable aleatoria con la
siguiente distribución de probabilidad
Solución:
Sabiendo que P(X ≤ 2) = 0.75 y que P(X ≥ 2) = 0.75, halla su esperanza matemática
y su desviación típica.
2. Una persona en un juego recibe 15 cts cuando saca una sota o un caballo y recibe
5 cts si saca un rey o un as de una baraja española de 40 cartas. Si saca cualquier
otra carta paga 4 ctvs. ¿Cuál es la ganancia esperada en este juego?
3. Se tienen tres urnas: la A que contiene dos bolas negras y cuatro rojas, la B tres
negras y tres rojas; y la C con una negra y cinco rojas.
UA = {2N; 4R} UB = {3N; 3R} UC = {1N; 5R}
Se elige una urna al azar y se extrae una bola de ella. Si se saca roja se reciben 3
euros y si se saca negra no se recibe nada. ¿cuál es la ganancia esperada?
x 0 1 2 3 4
p(x) 0.41 0.37 0.16 0.05 0.01
9. Resolver los ejercicios del Texto guía pag. 117 ejercicios 4.1 al 4.32 pares,
relacionados con distribución discreta de probabilidades
10. Resolver los ejercicios del Texto guía pag. 127 ejercicios 4.33 al 4.52 pares,
relacionados con distribución discreta de probabilidades
Toda experiencia aleatoria que presenta dos resultados posibles, uno que fijamos
como “éxito” y lo contrario como “fracaso” se suele denominar de tipo Bernoulli.
Distribución Binomial
Una variable aleatoria X se llama binomial si su valor en igual al número de éxitos
que ocurren en n pruebas independientes, teniendo todas ellas la misma
probabilidad de éxito, que designamos por p. Su función de probabilidad es
X → B(n; p)
Ejemplo 14:
Se extraen cinco bolas con reemplazamiento de una urna que tiene 6 bolas rojas y 8
negras. ¿Qué es más probable, sacar 2 rojas o 3 rojas?
Ejemplo 15:
Ejemplo 16:
c) P = 10%
Q = 90% P(0) 10C 0 0.10 0 0.9010
n = 10 P (0) 0.3487 100 34.87%
x = 0
e) P = 10%
Q = 90%
n = 10
Media u np ; u 10(0.10) 1
Desviación Típica npq ; 10 0.10 0.90 0.9987
Varianza npq
2
; 2 10 0.10 0.90 0.9
Si un ensayo dado puede producir los k resultados E1, E2,..., Ek con probabilidades
p1,
p2,…, pk, entonces la distribución de probabilidad de las variables aleatorias X1,
X2,..., Xk, que representa el número de ocurrencias para E1, E2,..., Ek en n ensayos
independientes, es:
Ejemplo 17:
A ciertas elecciones se presentaron 4 partidos políticos: el POPO obtuvo un 40% de
los votos, el JEJE el 30%, el MUMU el 20% y el LALA el 10% restante. ¿Cuál es la
probabilidad de que al elegir 5 ciudadanos al azar, 3 hayan votado al POPO, 1 al
MUMU y 1 al LALA?
p1= 0.4 x1 = 3
p2 = 0.3 x2 = 0
p3 = 0.2 x3= 1
p4 = 0.1 x4 = 1
P = 0,0256
Ejemplo 18:
En una fiesta, el 20% de los asistentes son españoles, el 30% franceses, el 40%
italiano y el 10% portugueses. En un pequeño grupo se han reunido 4 invitados:
¿cuál es la probabilidad de que 2 sean españoles y 2 italianos?
p1= 0.2 x1 = 2
p2 = 0.3 x2 = 0
p3 = 0.4 x3= 2
p4 = 0.1 x4 = 0
P = 0,0384
Por lo tanto, la probabilidad de que el grupo esté formado por personas de estos
países es tan sólo del 3,84%.
13. Una maquina produce 12 piezas defectuosas de cada mil que fabrica. Hallar la
probabilidad de que al examinar 40 piezas
a) sólo haya una defectuosa.
b) no haya ninguna defectuosa.
15. En una determinada ciudad, la probabilidad del nacimiento de una niña es del
56%. Seleccionamos una familia de cinco hijos. Calcular la probabilidad de que
a) tenga exactamente tres niñas.
b) tenga al menos dos niñas.
c) ¿cuál es el número medio de hijas en las familias con cinco hijos?
16. A una fiesta han sido invitadas 8 personas. Cada persona puede acudir o no con
independencia de que lo hagan las demás. Si la probabilidad de que acuda cada
una es 0.85, calcular:
a) la probabilidad de asistan todas.
b) la probabilidad de asistan más de 6 personas.
c) la probabilidad de asista al menos la mitad.
17. Si el 20% de las piezas producidas por una máquina son defectuosas, ¿cuál es
la probabilidad de que entre cuatro piezas elegidas al azar, a lo sumo 2 sean
defectuosas?
19. Un jugador marca el 85% de los penaltis que intenta. Si lanza 8 penaltis calcular
la probabilidad de
a) Marque más de 6 penaltis
b) Marque al menos 6 penaltis
20. Una partícula se desplaza por el eje de OX sobre los puntos -3, -2, -1, 0, 1, 2, 3
de la siguiente manera: cada segundo salta una unidad hacia la derecha o la
izquierda, con probabilidades respectivas p y q=1-p. Se trata, por tanto, de un
recorrido aleatorio sobre el conjunto Z de los números enteros. Si sale del origen en
el momento cero y suponemos que p=q=0.5,
a) ¿Cuál es la probabilidad de que a los 5 segundos se encuentre en +5?
b) ¿Cuál es la probabilidad de que a los 11 segundos se encuentre en +3?
c) ¿Cuál es la probabilidad de que a los 11 segundos se encuentre
nuevamente en el origen de coordenadas?
21. Se sabe que las bombas de gasolina para autos existentes en el mercado se
pueden clasificar en:
a) 40% de rendimiento excelente (Ex)
b) 20% de rendimiento bueno (B)
c) 30% de rendimiento regular (R)
d) 10% de rendimiento malo (M)
Se selecciona una muestra de 9 bombas mediante proceso aleatorio. ¿Cuál será la
probabilidad de que quede conformada por: 3Ex, 3B, 1R y 2M ?
22. Resolver los ejercicios del Texto guía pag. 150 ejercicios 5.1 al 5.28 pares,
Ejemplo 19:
Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son
defectuosos, si de seleccionan 4 objetos al azar, ¿cuál es la probabilidad de que 2
sean defectuosos?
Solución:
N = 10 objetos en total
a = k objetos defectuosos
n = 4 objetos seleccionados en muestra
x = 2 objetos defectuosos deseados en la muestra
p(x=2, n=4) = 0.30
Ejemplo 20:
De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene
3 proyectiles defectuosos que no explotarán, ¿cuál es la probabilidad de que , a) los
4 exploten?, b) al menos 2 no exploten?
Solución:
a) N = 10 proyectiles en total
a = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el número de
proyectiles que explotan entre la muestra que se dispara
b) N = 10 proyectiles en total
a = 3 proyectiles que no explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2 o 3 proyectiles que no explotan
Ejemplo 21:
Se estima que 4000 de 10000 votantes residentes en la ciudad están en contra d
e un nuevo impuesto a las ventas. Si se seleccionan al azar 15 votantes y se l
es pide la opinión. ¿Cuál es la probabilidad de que por lo menos 7 estén a favor del
nuevo impuesto?
Sea X= número de votantes en contra de un nuevo impuesto a las ventas
x: 0,1,2,3,...., 15
Solución:
Analizando los parámetros, es una distribución hipergeométrica
X~ h(x;10000,15,4000) Como N>>n, es decir, 10000>>15
se puede aproximar a una binomial
h(x;10000,15,4000) b(x;15,0.4) p=k/N
p=4000/10000 p=0.4 constante
X= número de votantes a favor de un nuevo impuesto a las ventas
x=0,1,2,....,15 p=0.60 y ~ b(y;15,0.6)
26. Keith’s Florists tiene 15 camiones de entrega, que emplea sobre todo para
entregar flores y arreglos florales en la zona de Greenville, Carolina del Sur. De
estos 15 camiones, 6 presentan problemas con los frenos. En forma aleatoria se
seleccionó una muestra de 5 camiones. ¿Cuál es la probabilidad de que 2 de los
camiones probados presenten frenos defectuosos?
27. Una población consta de 15 elementos, 4 de los cuales son aceptables. En una
muestra de 4 elementos, ¿cuál es la probabilidad de que exactamente 3 sean
aceptables? Suponga que las muestras se toman sin reemplazo.
30. Resolver los ejercicios del Texto guía pag. 157 ejercicios 5.29 al 5.48 pares,
p =probabilidad de éxitos
q = probabilidad de fracasos
k= cantidad de ensayos realizados hasta obtener de éxitos
x= ensayos
Ejemplo 22:
Sí la probabilidad de que un cierto dispositivo de medición muestre una desviación
excesiva es de 0.05, ¿cuál es la probabilidad de que; a) el sexto de estos dispositivos
de medición sometidos a prueba sea el tercero en mostrar una desviación excesiva?,
b) el séptimo de estos dispositivos de medición sometidos a prueba, sea el cuarto que
no muestre una desviación excesiva?.
Solución:
a) x = 6 dispositivos de medición
k = 3 dispositivos que muestran desviación excesiva
p = (dispositivo muestre una desviación excesiva) = 0.05
q = (dispositivo no muestre una desviación excesiva) = 0.95
b) x = 7 dispositivos de medición
k = 4 dispositivos que no muestran una desviación excesiva
p = (dispositivo no muestre una desviación excesiva) = 0.95
q = (dispositivo muestre una desviación excesiva) = 0.05
Ejemplo 23:
Los registros de una compañía constructora de pozos, indican que la probabilidad de
que uno de sus pozos nuevos, requiera de reparaciones en el término de un año es
de 0.20. a) ¿Cuál es la probabilidad de que el sexto pozo construido por esta
compañía en un año dado sea el segundo en requerir reparaciones en un año?
b) ¿Cuál es la probabilidad de que el octavo pozo construido por esta compañía en
un año dado sea el tercero en requerir reparaciones en un año?
Solución:
a) x = 6 pozos
k = 2 pozos que requieren reparaciones en un año
p = (pozo requiera reparaciones en un año) = 0.20
q = (pozo no requiera reparaciones en un año) = 0.80
b) x = 8 pozos
k = 3 pozos que requieren reparaciones en un año
p = p (pozo requiera reparaciones en un año) = 0.20
q = p (pozo no requiera reparaciones en un año) = 0.80
p =probabilidad de éxitos
q = probabilidad de fracasos
x= ensayos
Media y Varianza de una distribución de probabilidad negativa
Ejemplo 24:
Calcular la probabilidad de que salga el No. 5 a la tercera vez que lanzamos un
dado.
Definir éxito: sale No. 5
x=3
p = 1/6 = 0. 1666
q = (1 - 0.16660) = 0.8333
P(X=3) = (0.8333)2(0.1666) =0.1156
Ejemplo 25:
Calcular la probabilidad de que salga águila la 6ta ocasión que lanzamos una
moneda.
Definir éxito: salga águila.
x=6
p = 1/2= 0.5
q = 0.5
P(X=6) = (0.5)5(0.5)= 0.0156
Ejemplo 26:
En el salón hay 8 alumnos de ojos cafés, 9 de ojos azules, 7 de ojos negros, y 10 de
ojos verdes; si extraemos 6 alumnos, calcular la probabilidad de que este ultimo
tenga los ojos claros.
Definir éxito: tenga ojos claros.
X=6
p = 0.5588
q = 1- 0.5588 = 0.4412
P(X=6) = (0.4412)5(0.5588) = 0.0093 = 9.3418 x 10
Ejemplo 27:
Una maquina detecta fallas en los productos que elabora una fábrica. Si los productos
tienen una probabilidad de falla del 5%, calcular la probabilidad de que la maquina
encuentre su primer producto defectuoso en la octava ocasión que selecciona un
producto para su inspección.
Definir éxito: salga defectuoso el producto.
X=8
p = 0.05
q = 1 - 0.05 = 0.95
P(X=8) = (0.95)7(0.05) = 0.0349
31. Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad
de que aparezca cara es de 2/3, mientras que la probabilidad de que aparezca
sello es de 1/3, Determine la probabilidad de que en el último lanzamiento
aparezca una cara.
32. Sí la probabilidad de que un cierto dispositivo de medición muestre una desviación
excesiva es de 0.05, ¿cuál es la probabilidad de que; a) el sexto de estos
dispositivos de medición sometidos a prueba sea el primero en mostrar una
desviación excesiva?, b) el séptimo de estos dispositivos de medición sometidos
a prueba, sea el primero que no muestre una desviación excesiva?
34. Suponga que en dos de cada diez intentos, un vendedor realiza una venta.
Calcule la probabilidad que en el sexto intento realice la primera venta.
35. Suponga que la probabilidad de tener un hijo varón o mujer son iguales a 0.5.
Calcule la probabilidad que en una familia
a) El cuarto hijo sea el primer varón
b) El tercer hijo sea la segunda mujer
c) El quinto hijo sea el tercer varón o sea la cuarta mujer
37. Resolver los ejercicios del Texto guía pag. 157 ejercicios 5.29 al 5.48 pares,
100
( = 4) = (4) = = 0.05 0.95
4
Ejemplo 28:
En promedio, cada rollo de 400 metros de aluminio laminado tiene tres defectos
¿Cuál es la probabilidad de que un espacio de 100 metros no tenga ningún defecto?
Solución:
Sea
X el número de defectos que puede tener el laminado por espacio.
Ya que el promedio por cada 400 metros es 3, entonces por 100 metros será
100(3)
=
400
= 0,75
Utilizando la fórmula
37. Cierto tipo de tela usada en tapicería tiene, en promedio, dos defectos por metro
cuadrado.
Si se supone una distribución de Poisson, calcule la probabilidad que
a) Un rollo de 30 m2 tenga no más de 5 defectos
b) Un rollo de 30 m2 tenga al menos 6 defectos
c) Un rollo de 60 m2 tenga exactamente 10 defectos
39. Un bar prepara un batido especial que contiene en promedio 4 frutas diferentes,
encuentre la probabilidad de que el batido contenga más de 4 frutas:
a) En un determinado día,
b) En tres de los siguientes 5 días,
Representación gráfica
Ejemplo 30:
( + 2), 0 ≤ ≤1
( )=
0,
Ejemplo 31:
Ejemplo 33:
Ejemplo 34:
1. Halle el valor de k.
2. Encuentre F(x) y utilícela para hallar P(0,3<x<0,6).
Solución:
Esperanza Matemática (la media) de una función relacionada con una variable
aleatoria.
Sea X una variable aleatoria cuya distribución de probabilidad es f(x). La esperanza
matemática de la variable aleatoria g(X) viene dada por:
Ejemplo 36:
Sea X la variable aleatoria definida por la fracción de tiempo que un torno está en
operación durante una semana de trabajo de 30 horas; la función de densidad viene
dada por:
Ejemplo 38:
Utilizando los datos del ejemplo 37; halle la varianza y la desviación estándar de la
variable g(X)
Solución:
42. El desgaste del dibujo (en miles de kilómetros) de los cauchos para camiones es
una variable aleatoria cuya función de densidad de probabilidad está dada por:
Halle la probabilidad de que los cauchos se desgastarán:
a) Cuando más a 20000 km
b) Entre 28000 y 35000 km.
c) Cuando menos a 45000 km.
d) Exactamente a los 15000 km.
43. El desgaste del dibujo (en miles de kilómetros) de los cauchos para camiones es
una variable aleatoria cuya función de densidad de probabilidad está dada por:
a) Exactamente una de ellas tenga una proporción de impurezas mayor que 0,8.
b) Por lo menos una de ellas tenga una proporción de impurezas mayor que 0,8.
47. El funcionamiento hasta su primera falla (en ciertos de horas) para cierta
resistencia es una variable aleatoria continua con función de densidad dada por:
50. Resolver los ejercicios del Texto guía pag. 91 ejercicios 3.1 al 3.36 pares,
relacionados con distribución contínua de probabilidades
51. Resolver los ejercicios del Texto guía pag. 117 ejercicios 4.1 al 4.32 pares,
relacionados con distribución contínua de probabilidades
52. Resolver los ejercicios del Texto guía pag. 127 ejercicios 4.33 al 4.52 pares,
relacionados con distribución contínua de probabilidades
Este modelo corresponde a una variable aleatoria continua cuyos valores tienen
igual valor de probabilidad en un intervalo especificado para la variable
Solución
X: Variable aleatoria Continua (duración de la reparación)
Tiene distribución Uniforme, por lo tanto, su función de densidad es
53. Se elige un punto C sobre una recta AB cuya longitud es k. Si la distancia entre
C y A es una variable aleatoria X con distribución uniforme continua, calcule la
probabilidad que la diferencia de longitud entre los segmentos AC y BC no exceda en
más de 10% de k.
55. Una resistencia eléctrica se comporta de acuerdo a una distribución continua con
valores entre 900 y 1100 ohms. Encuentre la probabilidad que la resistencia,
a) Aguante a lo más 950 ohms antes de quemarse
b) Tenga un valor entre 950 y 1050 ohms.
Ejemplo 40:
Gráfico
5.3.7 Distribución de Probabilidad Exponencial
Ejemplo 41:
Un sistema usa un componente cuya duración en años es una variable aleatoria con
distribución Exponencial con media de 4 años. Si se instalan 3 de estos
componentes y trabajan independientemente, determine la probabilidad que al cabo
de 6 años, dos de ellos sigan funcionando.
Solución
Sea Y: Variable aleatoria continua (duración de un componente en años)
Y tiene distribución Exponencial con µ = β = 4
5.3.8 Distribución de Probabilidad Ji Cuadrada
57. La duración en miles de Km. de cierto tipo de llantas, es una variable aleatoria
con distribución exponencial con media 40 mil Km. Calcule la probabilidad que una
de estas llantas dure
a) Al menos 20 mil Km.
b) No más de 30 mil Km.
58. El tiempo que transcurre antes de que una persona sea atendida en un bar es una
variable aleatoria que se puede modelar col la distribución exponencial con una media
de 5 minutos.
Calcule la probabilidad de que una persona sea atendida antes de que transcurran 3
minutos en al menos 4 de los 7 días siguientes.
La gráfica de f es similar al perfil del corte vertical de una campana y tiene las
siguientes
características:
1) Es simétrica alrededor de
2) Su asíntota es el eje horizontal
3) Sus puntos de inflexión están ubicados en µ – y µ +
Distribución normal estándar
Ejemplo 42:
c) P(Z ≤ –1.45)
P(Z ≤ –1.45) = F(–1.45) =0.0735 (Directamente de la Tabla)
F(–1.45) = 1 – F(1.45) = 1 – 0.9265 = 0.0735 (Usando la relación para valores
negativos)
d) P(1.25 ≤ Z ≤ 1.45)
P(1.25 ≤ Z ≤ 1.45) = F(1.45) – F(1.25) = 0.9265 – 0.8944 = 0.0321
a) Menos de 9 horas
b) Entre 11 y 12 horas
Solución:
Ejemplo 44:
− −
= = , ⟶∞
( − )
Ejemplo 46:
60. Suponga que Z es una variable aleatoria con distribución Normal Estándar. Use
la tabla para calcular:
a) P(Z<1.45)
b) P(Z>2.01)
c) P(Z<-1.24)
d) P(Z>1.78)
e) P(-1.25<Z<2.31)
61. Suponga que X es una variable aleatoria con distribución Normal, con media 25 y
desviación estándar 5. Use la tabla para calcular
a) P(X<18)
b) P(X>30)
c) P(24<X<27)
62. Si X ~ N(10, 2) determine el valor de la varianza si P(X<9)=0.025
63. El peso de los artículos producidos por una fábrica tiene distribución Normal con
una media de 50 gr. y una desviación estándar de 5 gr.
a) Calcule la probabilidad que un artículo elegido al azar tenga un peso de más de
60 gr.
b) Calcule la proporción de los paquetes que tendrían un peso entre 46 y 54 gr.
64. El tiempo necesario para llenar un frasco de un producto es una variable aleatoria
que sigue una distribución Normal con una media de 10 segundos y una desviación
estándar de dos segundos.
a) Calcule la probabilidad que el tiempo de llenado exceda a 11 segundos
b) Encuentre el tiempo de llenado del frasco tal que la probabilidad de excederlo tenga
una probabilidad de 3%
65. Una fábrica de tornillos produce un tipo de tornillo con un diámetro promedio de
6.5 mm. y una desviación estándar de 1.5 mm. Suponiendo que la distribución es
Normal calcule la probabilidad de encontrar tornillos con diámetro,
a) mayor que 7mm.
b) entre 6 y 7 mm.
67. La tolerancia especificada para aceptar los ejes producidos por una fábrica es que
el diámetro sea 0.45± 0.005 cm. Si los ejes producidos por la fábrica tienen
distribución Normal con media 0.452 y desviación estándar 0.003 cm., determine
cuantos ejes serán rechazados de cada lote de 500 ejes producidos.
68. Resolver los ejercicios del Texto guía pag. 185 ejercicios 6.1 al 6.23 pares,
relacionados con distribución contínua de probabilidades
69. Resolver los ejercicios del Texto guía pag. 193 ejercicios 6.24 al 6.38 pares,
relacionados con distribución contínua de probabilidades
CAPITULO VI. DISTRIBUCIONES DE MUESTREO.
OBJETIVOS ESPECÍFICOS:
CONOCIMIENTOS PREVIOS:
CONTENIDO:
TIPOS DE MUESTREO
Muestreos No Probabilísticos
• de Conveniencia
• de Juicios
• por Cuotas
• de Bola de Nieve
• Discrecional
Muestreo discrecional
A criterio del investigador los elementos son elegidos sobre lo que él cree que pueden
aportar al estudio. (muestreo por juicios)
Bola de nieve
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.
Muestreos Probabilísticos
• Aleatorio Simple
• Aleatorio Sistemático
• Estratificado
• por Conglomerados
• Polietápico
• por Ruta Aleatoria
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica
cuando la población que estamos manejando es muy grande
Muestreo estratificado
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamaño dado de la muestra.
Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen
gran homogeneidad respecto a alguna característica (se puede estratificar, por
ejemplo, según la profesión, el sexo, el estado civil, etc). Lo que se pretende con este
tipo de muestreo es asegurarse de que todos los estratos de interés estarán
representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple
o el estratificado para elegir los elementos concretos que formarán parte de la
muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues
exige un conocimiento detallado de la población. (N.S.E., sexos, edades,...).
Muestreo Polietápico
Ante lo compleja que puede llegar a ser la situación real de muestreo con la que nos
enfrentemos es muy común emplear lo que se denomina muestreo polietápico. Este
tipo de muestreo se caracteriza por operar en sucesivas etapas, empleando en cada
una de ellas el método de muestreo probabilístico más adecuado (aleatorio simple,
estratificado, conglomerados, etc.). Según el número de etapas del muestreo, éste
puede denominarse bietápico, trietápico, etc.
datos población
1 μ = 3,4
3 σ = 1,36
4
4
5
muestra n = 2
combinaciones
5
= = 10
2
MEDIA 2,5
1
muestra
3
MUESTRAL
2
2 distribución de muestreo
1 4 2,5 1,5
1 4 2,5 1
1 5 3 0,5
3 4 3,5
0
3 4 3,5
2 2,5 3 3,5 4 4,5
3 5 4
4 4 4
4 5 4,5
4 5 4,5
distribución
x f p(x) f*x
2 1 0,1 2
2,5 2 0,2 5
3 1 0,1 3
3,5 2 0,2 7
4 2 0,2 8
4,5 2 0,2 9
10 1 34
μ = 3,4
σx= 0,9591663
−
̅ =
√ −1
Ejemplo 2:
Un fabricante especifica que la duración de sus baterías tiene Distribución Normal con
media 36 meses y desviación estándar 8 meses. Calcule la probabilidad que una
muestra aleatoria de 9 baterías tenga una duración media menor o igual que 30
meses.
−
=
̅
̅ =
√
Representa el valor de una variable aleatoria Z, cuya función de distribución se
aproxima a la distribución normal estándar, cuando n →∞
.
La aproximación normal para será aceptable cuando n≥30 y si n< 30 esta
aproximación es aceptable si la población está distribuida normalmente.
Suponga que se cuenta con un lote de 12 piezas, el cual tiene 4 artículos defectuosos.
Se van a seleccionar 5 artículos al azar de ese lote sin reemplazo. Vamos a generar
la distribución muestral de proporciones para el número de piezas defectuosas. Como
se puede observar en este ejercicio la proporción de artículos defectuosos de esta
población es P = 4/12=1/3. Por lo que podemos decir que el 33% de las piezas de
este lote están defectuosas. El número posible de muestras de tamaño 5 a extraer de
una población de 12 elementos es 12 C 5=792, las cuales se pueden desglosar de la
siguiente manera:
Cuando, como vimos antes, si contamos con una población finita y un muestreo sin
reemplazo, para calcular la desviación estándar usamos la corrección (Como regla
aproximada, si el muestreo se hace sin reemplazo y el tamaño de la población es al
menos 20 veces el tamaño de la muestra, entonces se puede usar la fórmula).
Ejemplo 4:
Para el ejemplo anterior tendríamos la siguiente distribución de probabilidades:
La fórmula que se utilizará para el cálculo de probabilidad en una distribución muestral
de proporciones está basada en la aproximación de la distribución binomial a la
normal. Esta fórmula nos servirá para calcular la probabilidad del comportamiento de
la proporción en la muestra.
Ejemplo 5:
Usando las tablas de valor z, para z = -2.02 encontramos que la probabilidad de que
no más de 80% de los alumnos de la muestra fumen es de 0.0214 o sea 2.14%
EJERCICIOS Y PROBLEMAS PROPUESTOS PARA SER RESUELTOS EN EL
AULA
4. Resolver los ejercicios del Texto guía pag. 229 ejercicios 8.1 al 8.15 pares,
relacionados con distribución contínua de probabilidades
5. Resolver los ejercicios del Texto guía pag. 242 ejercicios 8.16 al 8. pares,
relacionados con distribución contínua de probabilidades
CAPITULO VI. ESTIMACIONES
OBJETIVOS ESPECÍFICOS:
CONOCIMIENTOS PREVIOS:
CONTENIDO:
Ejemplo 1:
En una semana determinada se elige al azar una muestra de 200 empleados de una
población de que se dedica al trabajo a destajo, y se encuentra que el promedio de
pago por pieza trabajada es 1700 dólares, con una desviación estándar muestral de
140 dólares.
a) Halle el intervalo de confianza del 95% para el promedio poblacional de pago
por pieza trabajada.
b) Calcular el error muestral.
Solución:
µ : Promedio poblacional de pago por pieza trabajada
Para hallar el valor de zα/2 se procede así: El nivel de confianza es (1-α)100% = 95%
; ya que la tabla (Distribución Normal Estándar anexo texto guía) da el área a la
izquierda, esta será de 1 - 0,025 = 0,975, y por tanto el valor de zα/2 = z0.025 = 1,96. Este
valor se encuentra, ubicando el área 0,975 en la tabla de probabilidades (tabla
3) y luego relacionando la primera columna con la primera fila.
De la definición 8.6 se tiene que el intervalo de confianza esta dado por:
Con frecuencia se desea saber qué tan grande deberá ser la muestra, para
asegurar que el error al estimar el parámetro µ será menor que una cantidad
específica e.
Ejemplo 2:
Un gerente quiere determinar el tiempo que un mecánico tarda en intercambiar los
neumáticos de un automóvil, y además desea poder asegurar con un nivel de
confianza del 95% que la media de su muestra sea a lo sumo de 0,4 minutos. Se
sabe que la desviación estándar es de 1,4 minutos.
a) ¿Qué tan grande debe ser el tamaño de la muestra si se desconoce el
tamaño poblacional?
b) ¿Qué tan grande debe ser el tamaño de la muestra si el tamaño poblacional es
de 40 horas?
Solución:
µ : Promedio poblacional del tiempo que un mecánico tarda en intercambiar los
neumáticos de un automóvil.
Utilizando la tabla de distribución normal, se tiene que:
(1-α)100% = 95% → zα/2 = 1,96
e = 0,4
σ = 1,4
141
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
Donde tα/2 es el valor de t, con v = n-1 grados de libertad, que delimitaran el área de
α/2 a la derecha
Ejemplo 3:
La vida útil promedio de una muestra aleatoria de 20 focos es 4500 horas, con una
desviación estándar muestral de 250 horas. Se supone que la vida útil de los focos
tiene una distribución aproximadamente normal. Halle el intervalo de confianza del
95%; para el promedio poblacional de vida de los focos
Solución:
µ: Promedio poblacional de vida de los focos
̅ = 4500 s= 250 n=20
Utilizando la tabla del anexo texto guía
142
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
Sea una variable aleatoria X con distribución binomial, con media µ=np y varianza
σ2= npq.
143
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
Ejemplo 4:
144
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
1. Encuestas anteriores revelaron que 30% de los turistas que van a jugar (casino),
durante un fin de semana gastaron más de $1000. La gerencia desea actualizar ese
porcentaje.
a) Utilizando el grado de confianza de 0.90, la gerencia desea estimar el
porcentaje de turistas que gastan más de $1000 dentro de 1%. ¿Qué tamaño
de muestra debe emplearse?
b) La gerencia mencionó que el tamaño de la muestra señalado en la parte (a)
es demasiado grande. Sugiera algo que pueda hacerse para reducir la
145
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
3. Un procesador de zanahorias corta la parte superior verde de cada una, las lava
luego y coloca seis por paquete. Se colocan veinte paquetes en una caja para su
envío. Se revisan algunas cajas para determinar su peso. El peso promedio fue de
20.4 libras, y la desviación estándar 0.5 libras. ¿Cuántas cajas debe muestrear el
procesador para tener un 95% de seguridad de que la media muestral no difiera de
la media poblacional en más de 0.2 libras?
5. Para estimar la proporción de las familias de una determinada ciudad que poseen
microondas, se va a tomar una muestra aleatoria de tamaño n. Calcula el mínimo
valor de n para garantizar que, con un nivel de confianza del 95%, el error en la
estimación sea menor que 0,05. (Ya que se desconoce la proporción, se tiene que
tomar el caso más desfavorable de que sea 0,5).
6. Una moneda está trucada de manera que 40 de cada 100 veces que se lanza
sale cara. ¿Cuántas veces se ha de lanzar esta moneda, como mínimo, para que la
proporción de caras obtenidas no difiera de la proporción verdadera en más de un
2%, con un nivel de confianza del 90%? .
8. Una muestra de 300 cerrojos producidos por una máquina mostró que 20 eran
defectuosos, mientras que de 150 cerrojos de otra máquina 17 eran defectuosos.
Estimar la diferencia de las proporciones de los cerrojos defectuosos producidos por
las dos máquinas; con un nivel de confianza del 95%.
10. El gerente de una fábrica de baterías afirma que éstas durarán en promedio 2
años, con una varianza de un año. Si 6 de estas baterías tienen tiempos de duración
de 1,9,2,5, 3,1 y 4,5 años, estime el intervalo de confianza del 95% para la varianza
y decida si es válida la afirmación del gerente. Supóngase la población distribuida
normalmente.
147
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
CONOCIMIENTOS PREVIOS:
CONTENIDO:
Suponer que se dispone de datos y que se realiza una prueba estadística para
verificar la hipótesis. Entonces pueden ocurrir las siguientes situaciones al tomar una
decisión:
148
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
Ambos errores pueden tener consecuencias importantes al tomar una decisión en una
situación real. Por lo tanto es necesario cuantificar la probabilidad de cometer cada
tipo de error.
TIPOS DE PRUEBAS
Sean θ: Parámetro de interés
θ0: Algún valor que se propone para el parámetro
Pruebas de una cola
1) Ho: θ = θ0: (Hipótesis nula)
Ha: θ < θ0: (Hipótesis alterna)
Procedimiento
Paso 1. Formular la hipótesis nula: Ho: μ = μ0
Paso 2. Formular una hipótesis alterna, la cual es de interés probar. Elegir una entre:
1) Ha: μ > μ0
2) Ha: μ < μ0
3) Ha: μ < μ0 ∨ μ > μ0
150
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
Paso 5. Calcular el valor del estadístico de prueba con los datos de la muestra
Ejemplo 1:
Una muestra aleatoria de 100 paquetes mostró un peso promedio de 71.8 gr. con una
desviación estándar de 8.9 gr.
Pruebe, con un nivel de significancia de 5%, que el peso promedio de todos los
paquetes (población) es mayor a 70 gr.
Seguimos los pasos indicados en el procedimiento básico indicado anteriormente:
151
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
El análisis anterior permite interpretar las otras dos situaciones para la hipótesis
alterna:
152
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
PROCEDIMIENTO BÁSICO
PASOS
1. Formular la hipótesis nula: Ho: μ = μ0
Ejemplo 2:
2. Ha: μ >18
4. Estadístico de prueba
= /√
, tiene distribución T con ν = n – 1 grados de libertad
̅ = 1/5 (15+17+23+18+20)=18.6
S2 = ((15-18.6)2 + (17-18.6)2 + ... ) = 9.3 ⇒ S = 3.05 14
Región de rechazo de Ho
6. Decisión
154
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
Ejemplo 3:
Una muestra aleatoria de 100 paquetes mostró un peso promedio de 71.8 gr. con una
desviación estándar de 8.9 gr. Pruebe que el peso promedio de todos los paquetes
(población) es mayor a 70 gr. Exprese la respuesta mediante el Valor p de la prueba
155
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
: ≥ 220
: < 220
: =
: ≠
5. Un estudio estipula que 52% de los automovilistas que usan las autopistas son
varones. Una muestra de 300 autos que ayer viajaron hacia el este por una
autopista, reveló que 170 fueron conducidos por hombres. Al nivel de significancia
de 0.01, ¿se puede concluir que una mayor proporción de varones conducían por la
autopista, que lo que indican las estadísticas del estudio?
156
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
7. Repita el ejercicio 6) con los mismos datos, pero suponiendo que se desea
demostrar que la media poblacional es menor que 2.7
8. Repita el ejercicio 6) con los mismos datos, pero suponiendo que se desea
demostrar que la media poblacional es diferente que 2.7
157
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
CONOCIMIENTOS PREVIOS:
CONTENIDO:
Cada valor yi es una observación o el resultado de una medición, por lo tanto pudiesen
haber otros valores yi para el mismo valor de xi. Esto permite entender que yi es uno
de los posibles resultados de la variable aleatoria Yi. Una variable aleatoria debe tener
una distribución de probabilidad. El siguiente gráfico permite visualizar esta
suposición:
158
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
Con este planteamiento, el valor esperado de este modelo constituye la recta teórica
que describe al modelo poblacional desconocido.
E[Y] = β0 + β1 x
159
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
Ejemplo 2:
El siguiente procedimiento matemático permite usar los datos dados para construir
una recta de la cual se obtienen estimadores para los parámetros β0 y β1 de la recta
de regresión poblacional β0 + β1 x,
Se trata de colocar una recta entre los puntos dados, de la forma mejor balanceada
con el criterio de hacer que la suma de las distancias de la recta a los puntos sea la
menor posible. Esta recta se denomina recta de mínimos cuadrados.
Ejemplo 3:
Obtener la recta de mínimos cuadrados para el ejemplo
161
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
COEFICIENTE DE CORRELACIÓN
Para determinar el tipo de relación lineal entre las variables x y y del modelo de
regresión lineal se usa el coeficiente de correlación lineal que se define a
continuación:
Para simplificar la escritura se establecen las siguientes definiciones
Coeficiente de correlación
Ejemplo 3:
Calcular el coeficiente de correlación para el ejemplo
163
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
Álgebra X 75 80 93 65 87 71 98 68 84 77
Física Y 82 78 86 72 91 80 95 72 89 74
Número de horas X 0 1 2 3 4 5 6
3. Los siguientes datos, en miles de dólares, representan los ingresos por ventas vs.
los gastos de promoción de un producto:
Gastos: 0.5 1.0 1.5 2.0 2.5 3.0
Ingresos: 3.5 4.1 5.5 7.2 8.7 9.5
164
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
BIBLIOGRAFIA:
DIRECCIONES ELECTRÓNICAS:
http://www.dm.uba.ar/materias/probabilidades_estadistica_C/2006/2/
http://www.bdigital.unal.edu.co/2010/1/hugogomezgiraldo.2009.pdf
http://www.vitutor.com/estadistica.html
http://www.vitutor.com/ejercicios/ejercicios_estadistica.html
http://www.educatina.com/probabilidad-y-estadistica/ejercicios
2007
http://estagrarias.blogspot.com/2011/08/material-de-interes.html
165
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
Departamento de Ciencias Exactas
ANEXOS
166
726 Apéndice A Tablas y demostraciones estadísticas
r
Tabla A.1 Sumas de probabilidad binomial ∑ b(x; n, p)
x= 0
p
n r 0.10 0.20 0.25 0.30 0.40 0.50 0.60 0.70 0.80 0.90
1 0 0.9000 0.8000 0.7500 0.7000 0.6000 0.5000 0.4000 0.3000 0.2000 0.1000
1 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
2 0 0.8100 0.6400 0.5625 0.4900 0.3600 0.2500 0.1600 0.0900 0.0400 0.0100
1 0.9900 0.9600 0.9375 0.9100 0.8400 0.7500 0.6400 0.5100 0.3600 0.1900
2 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
3 0 0.7290 0.5120 0.4219 0.3430 0.2160 0.1250 0.0640 0.0270 0.0080 0.0010
1 0.9720 0.8960 0.8438 0.7840 0.6480 0.5000 0.3520 0.2160 0.1040 0.0280
2 0.9990 0.9920 0.9844 0.9730 0.9360 0.8750 0.7840 0.6570 0.4880 0.2710
3 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
4 0 0.6561 0.4096 0.3164 0.2401 0.1296 0.0625 0.0256 0.0081 0.0016 0.0001
1 0.9477 0.8192 0.7383 0.6517 0.4752 0.3125 0.1792 0.0837 0.0272 0.0037
2 0.9963 0.9728 0.9492 0.9163 0.8208 0.6875 0.5248 0.3483 0.1808 0.0523
3 0.9999 0.9984 0.9961 0.9919 0.9744 0.9375 0.8704 0.7599 0.5904 0.3439
4 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
5 0 0.5905 0.3277 0.2373 0.1681 0.0778 0.0313 0.0102 0.0024 0.0003 0.0000
1 0.9185 0.7373 0.6328 0.5282 0.3370 0.1875 0.0870 0.0308 0.0067 0.0005
2 0.9914 0.9421 0.8965 0.8369 0.6826 0.5000 0.3174 0.1631 0.0579 0.0086
3 0.9995 0.9933 0.9844 0.9692 0.9130 0.8125 0.6630 0.4718 0.2627 0.0815
4 1.0000 0.9997 0.9990 0.9976 0.9898 0.9688 0.9222 0.8319 0.6723 0.4095
5 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
6 0 0.5314 0.2621 0.1780 0.1176 0.0467 0.0156 0.0041 0.0007 0.0001 0.0000
1 0.8857 0.6554 0.5339 0.4202 0.2333 0.1094 0.0410 0.0109 0.0016 0.0001
2 0.9842 0.9011 0.8306 0.7443 0.5443 0.3438 0.1792 0.0705 0.0170 0.0013
3 0.9987 0.9830 0.9624 0.9295 0.8208 0.6563 0.4557 0.2557 0.0989 0.0159
4 0.9999 0.9984 0.9954 0.9891 0.9590 0.8906 0.7667 0.5798 0.3446 0.1143
5 1.0000 0.9999 0.9998 0.9993 0.9959 0.9844 0.9533 0.8824 0.7379 0.4686
6 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
7 0 0.4783 0.2097 0.1335 0.0824 0.0280 0.0078 0.0016 0.0002 0.0000
1 0.8503 0.5767 0.4449 0.3294 0.1586 0.0625 0.0188 0.0038 0.0004 0.0000
2 0.9743 0.8520 0.7564 0.6471 0.4199 0.2266 0.0963 0.0288 0.0047 0.0002
3 0.9973 0.9667 0.9294 0.8740 0.7102 0.5000 0.2898 0.1260 0.0333 0.0027
4 0.9998 0.9953 0.9871 0.9712 0.9037 0.7734 0.5801 0.3529 0.1480 0.0257
5 1.0000 0.9996 0.9987 0.9962 0.9812 0.9375 0.8414 0.6706 0.4233 0.1497
6 1.0000 0.9999 0.9998 0.9984 0.9922 0.9720 0.9176 0.7903 0.5217
7 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
Tabla A.1 Sumas de probabilidad binomial 727
r
Tabla A.1 (continuación) Sumas de probabilidad binomial ∑ b(x; n, p)
x= 0
p
n r 0.10 0.20 0.25 0.30 0.40 0.50 0.60 0.70 0.80 0.90
8 0 0.4305 0.1678 0.1001 0.0576 0.0168 0.0039 0.0007 0.0001 0.0000
1 0.8131 0.5033 0.3671 0.2553 0.1064 0.0352 0.0085 0.0013 0.0001
2 0.9619 0.7969 0.6785 0.5518 0.3154 0.1445 0.0498 0.0113 0.0012 0.0000
3 0.9950 0.9437 0.8862 0.8059 0.5941 0.3633 0.1737 0.0580 0.0104 0.0004
4 0.9996 0.9896 0.9727 0.9420 0.8263 0.6367 0.4059 0.1941 0.0563 0.0050
5 1.0000 0.9988 0.9958 0.9887 0.9502 0.8555 0.6846 0.4482 0.2031 0.0381
6 0.9999 0.9996 0.9987 0.9915 0.9648 0.8936 0.7447 0.4967 0.1869
7 1.0000 1.0000 0.9999 0.9993 0.9961 0.9832 0.9424 0.8322 0.5695
8 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
9 0 0.3874 0.1342 0.0751 0.0404 0.0101 0.0020 0.0003 0.0000
1 0.7748 0.4362 0.3003 0.1960 0.0705 0.0195 0.0038 0.0004 0.0000
2 0.9470 0.7382 0.6007 0.4628 0.2318 0.0898 0.0250 0.0043 0.0003 0.0000
3 0.9917 0.9144 0.8343 0.7297 0.4826 0.2539 0.0994 0.0253 0.0031 0.0001
4 0.9991 0.9804 0.9511 0.9012 0.7334 0.5000 0.2666 0.0988 0.0196 0.0009
5 0.9999 0.9969 0.9900 0.9747 0.9006 0.7461 0.5174 0.2703 0.0856 0.0083
6 1.0000 0.9997 0.9987 0.9957 0.9750 0.9102 0.7682 0.5372 0.2618 0.0530
7 1.0000 0.9999 0.9996 0.9962 0.9805 0.9295 0.8040 0.5638 0.2252
8 1.0000 1.0000 0.9997 0.9980 0.9899 0.9596 0.8658 0.6126
9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
10 0 0.3487 0.1074 0.0563 0.0282 0.0060 0.0010 0.0001 0.0000
1 0.7361 0.3758 0.2440 0.1493 0.0464 0.0107 0.0017 0.0001 0.0000
2 0.9298 0.6778 0.5256 0.3828 0.1673 0.0547 0.0123 0.0016 0.0001
3 0.9872 0.8791 0.7759 0.6496 0.3823 0.1719 0.0548 0.0106 0.0009 0.0000
4 0.9984 0.9672 0.9219 0.8497 0.6331 0.3770 0.1662 0.0473 0.0064 0.0001
5 0.9999 0.9936 0.9803 0.9527 0.8338 0.6230 0.3669 0.1503 0.0328 0.0016
6 1.0000 0.9991 0.9965 0.9894 0.9452 0.8281 0.6177 0.3504 0.1209 0.0128
7 0.9999 0.9996 0.9984 0.9877 0.9453 0.8327 0.6172 0.3222 0.0702
8 1.0000 1.0000 0.9999 0.9983 0.9893 0.9536 0.8507 0.6242 0.2639
9 1.0000 0.9999 0.9990 0.9940 0.9718 0.8926 0.6513
10 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
11 0 0.3138 0.0859 0.0422 0.0198 0.0036 0.0005 0.0000
1 0.6974 0.3221 0.1971 0.1130 0.0302 0.0059 0.0007 0.0000
2 0.9104 0.6174 0.4552 0.3127 0.1189 0.0327 0.0059 0.0006 0.0000
3 0.9815 0.8389 0.7133 0.5696 0.2963 0.1133 0.0293 0.0043 0.0002
4 0.9972 0.9496 0.8854 0.7897 0.5328 0.2744 0.0994 0.0216 0.0020 0.0000
5 0.9997 0.9883 0.9657 0.9218 0.7535 0.5000 0.2465 0.0782 0.0117 0.0003
6 1.0000 0.9980 0.9924 0.9784 0.9006 0.7256 0.4672 0.2103 0.0504 0.0028
7 0.9998 0.9988 0.9957 0.9707 0.8867 0.7037 0.4304 0.1611 0.0185
8 1.0000 0.9999 0.9994 0.9941 0.9673 0.8811 0.6873 0.3826 0.0896
9 1.0000 1.0000 0.9993 0.9941 0.9698 0.8870 0.6779 0.3026
10 1.0000 0.9995 0.9964 0.9802 0.9141 0.6862
11 1.0000 1.0000 1.0000 1.0000 1.0000
728 Apéndice A Tablas y demostraciones estadísticas
r
Tabla A.1 (continuación) Sumas de probabilidad binomial ∑ b(x; n, p)
x= 0
p
n r 0.10 0.20 0.25 0.30 0.40 0.50 0.60 0.70 0.80 0.90
12 0 0.2824 0.0687 0.0317 0.0138 0.0022 0.0002 0.0000
1 0.6590 0.2749 0.1584 0.0850 0.0196 0.0032 0.0003 0.0000
2 0.8891 0.5583 0.3907 0.2528 0.0834 0.0193 0.0028 0.0002 0.0000
3 0.9744 0.7946 0.6488 0.4925 0.2253 0.0730 0.0153 0.0017 0.0001
4 0.9957 0.9274 0.8424 0.7237 0.4382 0.1938 0.0573 0.0095 0.0006 0.0000
5 0.9995 0.9806 0.9456 0.8822 0.6652 0.3872 0.1582 0.0386 0.0039 0.0001
6 0.9999 0.9961 0.9857 0.9614 0.8418 0.6128 0.3348 0.1178 0.0194 0.0005
7 1.0000 0.9994 0.9972 0.9905 0.9427 0.8062 0.5618 0.2763 0.0726 0.0043
8 0.9999 0.9996 0.9983 0.9847 0.9270 0.7747 0.5075 0.2054 0.0256
9 1.0000 1.0000 0.9998 0.9972 0.9807 0.9166 0.7472 0.4417 0.1109
10 1.0000 0.9997 0.9968 0.9804 0.9150 0.7251 0.3410
11 1.0000 0.9998 0.9978 0.9862 0.9313 0.7176
12 1.0000 1.0000 1.0000 1.0000 1.0000
13 0 0.2542 0.0550 0.0238 0.0097 0.0013 0.0001 0.0000
1 0.6213 0.2336 0.1267 0.0637 0.0126 0.0017 0.0001 0.0000
2 0.8661 0.5017 0.3326 0.2025 0.0579 0.0112 0.0013 0.0001
3 0.9658 0.7473 0.5843 0.4206 0.1686 0.0461 0.0078 0.0007 0.0000
4 0.9935 0.9009 0.7940 0.6543 0.3530 0.1334 0.0321 0.0040 0.0002
5 0.9991 0.9700 0.9198 0.8346 0.5744 0.2905 0.0977 0.0182 0.0012 0.0000
6 0.9999 0.9930 0.9757 0.9376 0.7712 0.5000 0.2288 0.0624 0.0070 0.0001
7 1.0000 0.9988 0.9944 0.9818 0.9023 0.7095 0.4256 0.1654 0.0300 0.0009
8 0.9998 0.9990 0.9960 0.9679 0.8666 0.6470 0.3457 0.0991 0.0065
9 1.0000 0.9999 0.9993 0.9922 0.9539 0.8314 0.5794 0.2527 0.0342
10 1.0000 0.9999 0.9987 0.9888 0.9421 0.7975 0.4983 0.1339
11 1.0000 0.9999 0.9983 0.9874 0.9363 0.7664 0.3787
12 1.0000 0.9999 0.9987 0.9903 0.9450 0.7458
13 1.0000 1.0000 1.0000 1.0000 1.0000
14 0 0.2288 0.0440 0.0178 0.0068 0.0008 0.0001 0.0000
1 0.5846 0.1979 0.1010 0.0475 0.0081 0.0009 0.0001
2 0.8416 0.4481 0.2811 0.1608 0.0398 0.0065 0.0006 0.0000
3 0.9559 0.6982 0.5213 0.3552 0.1243 0.0287 0.0039 0.0002
4 0.9908 0.8702 0.7415 0.5842 0.2793 0.0898 0.0175 0.0017 0.0000
5 0.9985 0.9561 0.8883 0.7805 0.4859 0.2120 0.0583 0.0083 0.0004
6 0.9998 0.9884 0.9617 0.9067 0.6925 0.3953 0.1501 0.0315 0.0024 0.0000
7 1.0000 0.9976 0.9897 0.9685 0.8499 0.6047 0.3075 0.0933 0.0116 0.0002
8 0.9996 0.9978 0.9917 0.9417 0.7880 0.5141 0.2195 0.0439 0.0015
9 1.0000 0.9997 0.9983 0.9825 0.9102 0.7207 0.4158 0.1298 0.0092
10 1.0000 0.9998 0.9961 0.9713 0.8757 0.6448 0.3018 0.0441
11 1.0000 0.9994 0.9935 0.9602 0.8392 0.5519 0.1584
12 0.9999 0.9991 0.9919 0.9525 0.8021 0.4154
13 1.0000 0.9999 0.9992 0.9932 0.9560 0.7712
14 1.0000 1.0000 1.0000 1.0000 1.0000
Tabla A.1 Sumas de probabilidad binomial 729
r
Tabla A.1 (continuación) Sumas de probabilidad binomial ∑ b(x; n, p)
x= 0
p
n r 0.10 0.20 0.25 0.30 0.40 0.50 0.60 0.70 0.80 0.90
15 0 0.2059 0.0352 0.0134 0.0047 0.0005 0.0000
1 0.5490 0.1671 0.0802 0.0353 0.0052 0.0005 0.0000
2 0.8159 0.3980 0.2361 0.1268 0.0271 0.0037 0.0003 0.0000
3 0.9444 0.6482 0.4613 0.2969 0.0905 0.0176 0.0019 0.0001
4 0.9873 0.8358 0.6865 0.5155 0.2173 0.0592 0.0093 0.0007 0.0000
5 0.9978 0.9389 0.8516 0.7216 0.4032 0.1509 0.0338 0.0037 0.0001
6 0.9997 0.9819 0.9434 0.8689 0.6098 0.3036 0.0950 0.0152 0.0008
7 1.0000 0.9958 0.9827 0.9500 0.7869 0.5000 0.2131 0.0500 0.0042 0.0000
8 0.9992 0.9958 0.9848 0.9050 0.6964 0.3902 0.1311 0.0181 0.0003
9 0.9999 0.9992 0.9963 0.9662 0.8491 0.5968 0.2784 0.0611 0.0022
10 1.0000 0.9999 0.9993 0.9907 0.9408 0.7827 0.4845 0.1642 0.0127
11 1.0000 0.9999 0.9981 0.9824 0.9095 0.7031 0.3518 0.0556
12 1.0000 0.9997 0.9963 0.9729 0.8732 0.6020 0.1841
13 1.0000 0.9995 0.9948 0.9647 0.8329 0.4510
14 1.0000 0.9995 0.9953 0.9648 0.7941
15 1.0000 1.0000 1.0000 1.0000
r
Tabla A.1 (continuación) Sumas de probabilidad binomial ∑ b(x; n, p)
x= 0
p
n r 0.10 0.20 0.25 0.30 0.40 0.50 0.60 0.70 0.80 0.90
17 0 0.1668 0.0225 0.0075 0.0023 0.0002 0.0000
1 0.4818 0.1182 0.0501 0.0193 0.0021 0.0001 0.0000
2 0.7618 0.3096 0.1637 0.0774 0.0123 0.0012 0.0001
3 0.9174 0.5489 0.3530 0.2019 0.0464 0.0064 0.0005 0.0000
4 0.9779 0.7582 0.5739 0.3887 0.1260 0.0245 0.0025 0.0001
5 0.9953 0.8943 0.7653 0.5968 0.2639 0.0717 0.0106 0.0007 0.0000
6 0.9992 0.9623 0.8929 0.7752 0.4478 0.1662 0.0348 0.0032 0.0001
7 0.9999 0.9891 0.9598 0.8954 0.6405 0.3145 0.0919 0.0127 0.0005
8 1.0000 0.9974 0.9876 0.9597 0.8011 0.5000 0.1989 0.0403 0.0026 0.0000
9 0.9995 0.9969 0.9873 0.9081 0.6855 0.3595 0.1046 0.0109 0.0001
10 0.9999 0.9994 0.9968 0.9652 0.8338 0.5522 0.2248 0.0377 0.0008
11 1.0000 0.9999 0.9993 0.9894 0.9283 0.7361 0.4032 0.1057 0.0047
12 1.0000 0.9999 0.9975 0.9755 0.8740 0.6113 0.2418 0.0221
13 1.0000 0.9995 0.9936 0.9536 0.7981 0.4511 0.0826
14 0.9999 0.9988 0.9877 0.9226 0.6904 0.2382
15 1.0000 0.9999 0.9979 0.9807 0.8818 0.5182
16 1.0000 0.9998 0.9977 0.9775 0.8332
17 1.0000 1.0000 1.0000 1.0000
18 0 0.1501 0.0180 0.0056 0.0016 0.0001 0.0000
1 0.4503 0.0991 0.0395 0.0142 0.0013 0.0001
2 0.7338 0.2713 0.1353 0.0600 0.0082 0.0007 0.0000
3 0.9018 0.5010 0.3057 0.1646 0.0328 0.0038 0.0002
4 0.9718 0.7164 0.5187 0.3327 0.0942 0.0154 0.0013 0.0000
5 0.9936 0.8671 0.7175 0.5344 0.2088 0.0481 0.0058 0.0003
6 0.9988 0.9487 0.8610 0.7217 0.3743 0.1189 0.0203 0.0014 0.0000
7 0.9998 0.9837 0.9431 0.8593 0.5634 0.2403 0.0576 0.0061 0.0002
8 1.0000 0.9957 0.9807 0.9404 0.7368 0.4073 0.1347 0.0210 0.0009
9 0.9991 0.9946 0.9790 0.8653 0.5927 0.2632 0.0596 0.0043 0.0000
10 0.9998 0.9988 0.9939 0.9424 0.7597 0.4366 0.1407 0.0163 0.0002
11 1.0000 0.9998 0.9986 0.9797 0.8811 0.6257 0.2783 0.0513 0.0012
12 1.0000 0.9997 0.9942 0.9519 0.7912 0.4656 0.1329 0.0064
13 1.0000 0.9987 0.9846 0.9058 0.6673 0.2836 0.0282
14 0.9998 0.9962 0.9672 0.8354 0.4990 0.0982
15 1.0000 0.9993 0.9918 0.9400 0.7287 0.2662
16 0.9999 0.9987 0.9858 0.9009 0.5497
17 1.0000 0.9999 0.9984 0.9820 0.8499
18 1.0000 1.0000 1.0000 1.0000
Tabla A.1 Sumas de probabilidad binomial 731
r
Tabla A.1 (continuación) Sumas de probabilidad binomial ∑ b(x; n, p)
x= 0
p
n r 0.10 0.20 0.25 0.30 0.40 0.50 0.60 0.70 0.80 0.90
19 0 0.1351 0.0144 0.0042 0.0011 0.0001
1 0.4203 0.0829 0.0310 0.0104 0.0008 0.0000
2 0.7054 0.2369 0.1113 0.0462 0.0055 0.0004 0.0000
3 0.8850 0.4551 0.2631 0.1332 0.0230 0.0022 0.0001
4 0.9648 0.6733 0.4654 0.2822 0.0696 0.0096 0.0006 0.0000
5 0.9914 0.8369 0.6678 0.4739 0.1629 0.0318 0.0031 0.0001
6 0.9983 0.9324 0.8251 0.6655 0.3081 0.0835 0.0116 0.0006
7 0.9997 0.9767 0.9225 0.8180 0.4878 0.1796 0.0352 0.0028 0.0000
8 1.0000 0.9933 0.9713 0.9161 0.6675 0.3238 0.0885 0.0105 0.0003
9 0.9984 0.9911 0.9674 0.8139 0.5000 0.1861 0.0326 0.0016
10 0.9997 0.9977 0.9895 0.9115 0.6762 0.3325 0.0839 0.0067 0.0000
11 1.0000 0.9995 0.9972 0.9648 0.8204 0.5122 0.1820 0.0233 0.0003
12 0.9999 0.9994 0.9884 0.9165 0.6919 0.3345 0.0676 0.0017
13 1.0000 0.9999 0.9969 0.9682 0.8371 0.5261 0.1631 0.0086
14 1.0000 0.9994 0.9904 0.9304 0.7178 0.3267 0.0352
15 0.9999 0.9978 0.9770 0.8668 0.5449 0.1150
16 1.0000 0.9996 0.9945 0.9538 0.7631 0.2946
17 1.0000 0.9992 0.9896 0.9171 0.5797
18 0.9999 0.9989 0.9856 0.8649
19 1.0000 1.0000 1.0000 1.0000
20 0 0.1216 0.0115 0.0032 0.0008 0.0000
1 0.3917 0.0692 0.0243 0.0076 0.0005 0.0000
2 0.6769 0.2061 0.0913 0.0355 0.0036 0.0002
3 0.8670 0.4114 0.2252 0.1071 0.0160 0.0013 0.0000
4 0.9568 0.6296 0.4148 0.2375 0.0510 0.0059 0.0003
5 0.9887 0.8042 0.6172 0.4164 0.1256 0.0207 0.0016 0.0000
6 0.9976 0.9133 0.7858 0.6080 0.2500 0.0577 0.0065 0.0003
7 0.9996 0.9679 0.8982 0.7723 0.4159 0.1316 0.0210 0.0013 0.0000
8 0.9999 0.9900 0.9591 0.8867 0.5956 0.2517 0.0565 0.0051 0.0001
9 1.0000 0.9974 0.9861 0.9520 0.7553 0.4119 0.1275 0.0171 0.0006
10 0.9994 0.9961 0.9829 0.8725 0.5881 0.2447 0.0480 0.0026 0.0000
11 0.9999 0.9991 0.9949 0.9435 0.7483 0.4044 0.1133 0.0100 0.0001
12 1.0000 0.9998 0.9987 0.9790 0.8684 0.5841 0.2277 0.0321 0.0004
13 1.0000 0.9997 0.9935 0.9423 0.7500 0.3920 0.0867 0.0024
14 1.0000 0.9984 0.9793 0.8744 0.5836 0.1958 0.0113
15 0.9997 0.9941 0.9490 0.7625 0.3704 0.0432
16 1.0000 0.9987 0.9840 0.8929 0.5886 0.1330
17 0.9998 0.9964 0.9645 0.7939 0.3231
18 1.0000 0.9995 0.9924 0.9308 0.6083
19 1.0000 0.9992 0.9885 0.8784
20 1.0000 1.0000 1.0000
732 Apéndice A Tablas y demostraciones estadísticas
r
Tabla A.2 Sumas de probabilidad de Poisson ∑ p(x; μ)
x=0
μ
r 0.1 0.2 0.30 0.4 0.5 0.6 0.7 0.8 0.9
0 0.9048 0.8187 0.7408 0.6703 0.6065 0.5488 0.4966 0.4493 0.4066
1 0.9953 0.9825 0.9631 0.9384 0.9098 0.8781 0.8442 0.8088 0.7725
2 0.9998 0.9989 0.9964 0.9921 0.9856 0.9769 0.9659 0.9526 0.9371
3 1.0000 0.9999 0.9997 0.9992 0.9982 0.9966 0.9942 0.9909 0.9865
4 1.0000 1.0000 0.9999 0.9998 0.9996 0.9992 0.9986 0.9977
5 1.0000 1.0000 1.0000 0.9999 0.9998 0.9997
6 1.0000 1.0000 1.0000
μ
r 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
0 0.3679 0.2231 0.1353 0.0821 0.0498 0.0302 0.0183 0.0111 0.0067
1 0.7358 0.5578 0.4060 0.2873 0.1991 0.1359 0.0916 0.0611 0.0404
2 0.9197 0.8088 0.6767 0.5438 0.4232 0.3208 0.2381 0.1736 0.1247
3 0.9810 0.9344 0.8571 0.7576 0.6472 0.5366 0.4335 0.3423 0.2650
4 0.9963 0.9814 0.9473 0.8912 0.8153 0.7254 0.6288 0.5321 0.4405
5 0.9994 0.9955 0.9834 0.9580 0.9161 0.8576 0.7851 0.7029 0.6160
6 0.9999 0.9991 0.9955 0.9858 0.9665 0.9347 0.8893 0.8311 0.7622
7 1.0000 0.9998 0.9989 0.9958 0.9881 0.9733 0.9489 0.9134 0.8666
8 1.0000 0.9998 0.9989 0.9962 0.9901 0.9786 0.9597 0.9319
9 1.0000 0.9997 0.9989 0.9967 0.9919 0.9829 0.9682
10 0.9999 0.9997 0.9990 0.9972 0.9933 0.9863
11 1.0000 0.9999 0.9997 0.9991 0.9976 0.9945
12 1.0000 0.9999 0.9997 0.9992 0.9980
13 1.0000 0.9999 0.9997 0.9993
14 1.0000 0.9999 0.9998
15 1.0000 0.9999
16 1.0000
Tabla A.2 Sumas de probabilidad de Poisson 733
r
Tabla A.2 (continuación) Sumas de probabilidad de Poisson ∑ p(x; μ)
x=0
μ
r 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5
0 0.0041 0.0025 0.0015 0.0009 0.0006 0.0003 0.0002 0.0001 0.0001
1 0.0266 0.0174 0.0113 0.0073 0.0047 0.0030 0.0019 0.0012 0.0008
2 0.0884 0.0620 0.0430 0.0296 0.0203 0.0138 0.0093 0.0062 0.0042
3 0.2017 0.1512 0.1118 0.0818 0.0591 0.0424 0.0301 0.0212 0.0149
4 0.3575 0.2851 0.2237 0.1730 0.1321 0.0996 0.0744 0.0550 0.0403
5 0.5289 0.4457 0.3690 0.3007 0.2414 0.1912 0.1496 0.1157 0.0885
6 0.6860 0.6063 0.5265 0.4497 0.3782 0.3134 0.2562 0.2068 0.1649
7 0.8095 0.7440 0.6728 0.5987 0.5246 0.4530 0.3856 0.3239 0.2687
8 0.8944 0.8472 0.7916 0.7291 0.6620 0.5925 0.5231 0.4557 0.3918
9 0.9462 0.9161 0.8774 0.8305 0.7764 0.7166 0.6530 0.5874 0.5218
10 0.9747 0.9574 0.9332 0.9015 0.8622 0.8159 0.7634 0.7060 0.6453
11 0.9890 0.9799 0.9661 0.9467 0.9208 0.8881 0.8487 0.8030 0.7520
12 0.9955 0.9912 0.9840 0.9730 0.9573 0.9362 0.9091 0.8758 0.8364
13 0.9983 0.9964 0.9929 0.9872 0.9784 0.9658 0.9486 0.9261 0.8981
14 0.9994 0.9986 0.9970 0.9943 0.9897 0.9827 0.9726 0.9585 0.9400
15 0.9998 0.9995 0.9988 0.9976 0.9954 0.9918 0.9862 0.9780 0.9665
16 0.9999 0.9998 0.9996 0.9990 0.9980 0.9963 0.9934 0.9889 0.9823
17 1.0000 0.9999 0.9998 0.9996 0.9992 0.9984 0.9970 0.9947 0.9911
18 1.0000 0.9999 0.9999 0.9997 0.9993 0.9987 0.9976 0.9957
19 1.0000 1.0000 0.9999 0.9997 0.9995 0.9989 0.9980
20 0.9999 0.9998 0.9996 0.9991
21 1.0000 0.9999 0.9998 0.9996
22 1.0000 0.9999 0.9999
23 1.0000 0.9999
24 1.0000
734 Apéndice A Tablas y demostraciones estadísticas
r
Tabla A.2 (continuación) Sumas de probabilidad de Poisson ∑ p(x; μ)
x=0
μ
r 10.0 11.0 12.0 13.0 14.0 15.0 16.0 17.0 18.0
0 0.0000 0.0000 0.0000
1 0.0005 0.0002 0.0001 0.0000 0.0000
2 0.0028 0.0012 0.0005 0.0002 0.0001 0.0000 0.0000
3 0.0103 0.0049 0.0023 0.0011 0.0005 0.0002 0.0001 0.0000 0.0000
4 0.0293 0.0151 0.0076 0.0037 0.0018 0.0009 0.0004 0.0002 0.0001
5 0.0671 0.0375 0.0203 0.0107 0.0055 0.0028 0.0014 0.0007 0.0003
6 0.1301 0.0786 0.0458 0.0259 0.0142 0.0076 0.0040 0.0021 0.0010
7 0.2202 0.1432 0.0895 0.0540 0.0316 0.0180 0.0100 0.0054 0.0029
8 0.3328 0.2320 0.1550 0.0998 0.0621 0.0374 0.0220 0.0126 0.0071
9 0.4579 0.3405 0.2424 0.1658 0.1094 0.0699 0.0433 0.0261 0.0154
10 0.5830 0.4599 0.3472 0.2517 0.1757 0.1185 0.0774 0.0491 0.0304
11 0.6968 0.5793 0.4616 0.3532 0.2600 0.1848 0.1270 0.0847 0.0549
12 0.7916 0.6887 0.5760 0.4631 0.3585 0.2676 0.1931 0.1350 0.0917
13 0.8645 0.7813 0.6815 0.5730 0.4644 0.3632 0.2745 0.2009 0.1426
14 0.9165 0.8540 0.7720 0.6751 0.5704 0.4657 0.3675 0.2808 0.2081
15 0.9513 0.9074 0.8444 0.7636 0.6694 0.5681 0.4667 0.3715 0.2867
16 0.9730 0.9441 0.8987 0.8355 0.7559 0.6641 0.5660 0.4677 0.3751
17 0.9857 0.9678 0.9370 0.8905 0.8272 0.7489 0.6593 0.5640 0.4686
18 0.9928 0.9823 0.9626 0.9302 0.8826 0.8195 0.7423 0.6550 0.5622
19 0.9965 0.9907 0.9787 0.9573 0.9235 0.8752 0.8122 0.7363 0.6509
20 0.9984 0.9953 0.9884 0.9750 0.9521 0.9170 0.8682 0.8055 0.7307
21 0.9993 0.9977 0.9939 0.9859 0.9712 0.9469 0.9108 0.8615 0.7991
22 0.9997 0.9990 0.9970 0.9924 0.9833 0.9673 0.9418 0.9047 0.8551
23 0.9999 0.9995 0.9985 0.9960 0.9907 0.9805 0.9633 0.9367 0.8989
24 1.0000 0.9998 0.9993 0.9980 0.9950 0.9888 0.9777 0.9594 0.9317
25 0.9999 0.9997 0.9990 0.9974 0.9938 0.9869 0.9748 0.9554
26 1.0000 0.9999 0.9995 0.9987 0.9967 0.9925 0.9848 0.9718
27 0.9999 0.9998 0.9994 0.9983 0.9959 0.9912 0.9827
28 1.0000 0.9999 0.9997 0.9991 0.9978 0.9950 0.9897
29 1.0000 0.9999 0.9996 0.9989 0.9973 0.9941
30 0.9999 0.9998 0.9994 0.9986 0.9967
31 1.0000 0.9999 0.9997 0.9993 0.9982
32 1.0000 0.9999 0.9996 0.9990
33 0.9999 0.9998 0.9995
34 1.0000 0.9999 0.9998
35 1.0000 0.9999
36 0.9999
37 1.0000
Tabla A.3 Áreas bajo la curva normal 735
Área
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
−3.4 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
−3.3 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
−3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
−3.1 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
−3.0 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010
−2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
−2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
−2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
−2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
−2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
−2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
−2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
−2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
−2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
−2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
−1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
−1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
−1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
−1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
−1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
−1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
−1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
−1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
−1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
−1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
−0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
−0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
−0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
−0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
−0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
−0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
−0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
−0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
−0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
−0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
736 Apéndice A Tablas y demostraciones estadísticas
α
Tabla A.4 Valores críticos de la distribución t 0 tα
α
v 0.40 0.30 0.20 0.15 0.10 0.05 0.025
1 0.325 0.727 1.376 1.963 3.078 6.314 12.706
2 0.289 0.617 1.061 1.386 1.886 2.920 4.303
3 0.277 0.584 0.978 1.250 1.638 2.353 3.182
4 0.271 0.569 0.941 1.190 1.533 2.132 2.776
5 0.267 0.559 0.920 1.156 1.476 2.015 2.571
6 0.265 0.553 0.906 1.134 1.440 1.943 2.447
7 0.263 0.549 0.896 1.119 1.415 1.895 2.365
8 0.262 0.546 0.889 1.108 1.397 1.860 2.306
9 0.261 0.543 0.883 1.100 1.383 1.833 2.262
10 0.260 0.542 0.879 1.093 1.372 1.812 2.228
11 0.260 0.540 0.876 1.088 1.363 1.796 2.201
12 0.259 0.539 0.873 1.083 1.356 1.782 2.179
13 0.259 0.538 0.870 1.079 1.350 1.771 2.160
14 0.258 0.537 0.868 1.076 1.345 1.761 2.145
15 0.258 0.536 0.866 1.074 1.341 1.753 2.131
16 0.258 0.535 0.865 1.071 1.337 1.746 2.120
17 0.257 0.534 0.863 1.069 1.333 1.740 2.110
18 0.257 0.534 0.862 1.067 1.330 1.734 2.101
19 0.257 0.533 0.861 1.066 1.328 1.729 2.093
20 0.257 0.533 0.860 1.064 1.325 1.725 2.086
21 0.257 0.532 0.859 1.063 1.323 1.721 2.080
22 0.256 0.532 0.858 1.061 1.321 1.717 2.074
23 0.256 0.532 0.858 1.060 1.319 1.714 2.069
24 0.256 0.531 0.857 1.059 1.318 1.711 2.064
25 0.256 0.531 0.856 1.058 1.316 1.708 2.060
26 0.256 0.531 0.856 1.058 1.315 1.706 2.056
27 0.256 0.531 0.855 1.057 1.314 1.703 2.052
28 0.256 0.530 0.855 1.056 1.313 1.701 2.048
29 0.256 0.530 0.854 1.055 1.311 1.699 2.045
30 0.256 0.530 0.854 1.055 1.310 1.697 2.042
40 0.255 0.529 0.851 1.050 1.303 1.684 2.021
60 0.254 0.527 0.848 1.045 1.296 1.671 2.000
120 0.254 0.526 0.845 1.041 1.289 1.658 1.980
∞ 0.253 0.524 0.842 1.036 1.282 1.645 1.960
738 Apéndice A Tablas y demostraciones estadísticas
α
v 0.995 0.99 0.98 0.975 0.95 0.90 0.80 0.75 0.70 0.50
1 0.04393 0.03157 0.03628 0.03982 0.00393 0.0158 0.0642 0.102 0.148 0.455
2 0.0100 0.0201 0.0404 0.0506 0.103 0.211 0.446 0.575 0.713 1.386
3 0.0717 0.115 0.185 0.216 0.352 0.584 1.005 1.213 1.424 2.366
4 0.207 0.297 0.429 0.484 0.711 1.064 1.649 1.923 2.195 3.357
5 0.412 0.554 0.752 0.831 1.145 1.610 2.343 2.675 3.000 4.351
6 0.676 0.872 1.134 1.237 1.635 2.204 3.070 3.455 3.828 5.348
7 0.989 1.239 1.564 1.690 2.167 2.833 3.822 4.255 4.671 6.346
8 1.344 1.647 2.032 2.180 2.733 3.490 4.594 5.071 5.527 7.344
9 1.735 2.088 2.532 2.700 3.325 4.168 5.380 5.899 6.393 8.343
10 2.156 2.558 3.059 3.247 3.940 4.865 6.179 6.737 7.267 9.342
11 2.603 3.053 3.609 3.816 4.575 5.578 6.989 7.584 8.148 10.341
12 3.074 3.571 4.178 4.404 5.226 6.304 7.807 8.438 9.034 11.340
13 3.565 4.107 4.765 5.009 5.892 7.041 8.634 9.299 9.926 12.340
14 4.075 4.660 5.368 5.629 6.571 7.790 9.467 10.165 10.821 13.339
15 4.601 5.229 5.985 6.262 7.261 8.547 10.307 11.037 11.721 14.339
16 5.142 5.812 6.614 6.908 7.962 9.312 11.152 11.912 12.624 15.338
17 5.697 6.408 7.255 7.564 8.672 10.085 12.002 12.792 13.531 16.338
18 6.265 7.015 7.906 8.231 9.390 10.865 12.857 13.675 14.440 17.338
19 6.844 7.633 8.567 8.907 10.117 11.651 13.716 14.562 15.352 18.338
20 7.434 8.260 9.237 9.591 10.851 12.443 14.578 15.452 16.266 19.337
21 8.034 8.897 9.915 10.283 11.591 13.240 15.445 16.344 17.182 20.337
22 8.643 9.542 10.600 10.982 12.338 14.041 16.314 17.240 18.101 21.337
23 9.260 10.196 11.293 11.689 13.091 14.848 17.187 18.137 19.021 22.337
24 9.886 10.856 11.992 12.401 13.848 15.659 18.062 19.037 19.943 23.337
25 10.520 11.524 12.697 13.120 14.611 16.473 18.940 19.939 20.867 24.337
26 11.160 12.198 13.409 13.844 15.379 17.292 19.820 20.843 21.792 25.336
27 11.808 12.878 14.125 14.573 16.151 18.114 20.703 21.749 22.719 26.336
28 12.461 13.565 14.847 15.308 16.928 18.939 21.588 22.657 23.647 27.336
29 13.121 14.256 15.574 16.047 17.708 19.768 22.475 23.567 24.577 28.336
30 13.787 14.953 16.306 16.791 18.493 20.599 23.364 24.478 25.508 29.336
40 20.707 22.164 23.838 24.433 26.509 29.051 32.345 33.66 34.872 39.335
50 27.991 29.707 31.664 32.357 34.764 37.689 41.449 42.942 44.313 49.335
60 35.534 37.485 39.699 40.482 43.188 46.459 50.641 52.294 53.809 59.335
740 Apéndice A Tablas y demostraciones estadísticas