Estadistica Inferencial de Julio Vargas Herbas

UNIVERSIDAD AUTNOMA
GABRIEL REN MORENO

FACULTAD DE AUDITORIA FINANCIERA O CONTADURA PBLICA
CARRERAS: CONTADURA PBLICA
INFORMACIN Y CONTROL DE GESTIN
ESTADSTICA INFERENCIAL
Lic. Julio Vargas Herbas
Santa Cruz de la Sierra-EP Bolivia

PRLOGO
El objetivo principal del presente material llamado gua MEA, es brindar las herramientas y facilitar a
los estudiantes de manera didctica, su formacin acadmica en el rea de Estadstica Inferencial,
donde comprende una parte bsica de teora de probabilidades que ayudaran a comprender las
aplicaciones de la estadstica Inferencial en la vida cotidiana que nos presenten problemas y dar una
solucin.
Siendo la Estadstica Inferencial, una disciplina practica en todas las reas, se ha procurado ilustrar
los conceptos con problemas y ejercicios aplicables en distintos campos, como economa,
administracin, contabilidad, finanzas e ingenieras, etc.
El texto consta de seis unidades donde se da un tratamiento adecuado, caracterizado grfica y

analticamente en forma fcil, haciendo as posible el manejo de la informacin obtenida en ella,
teniendo un panorama completo del uso apropiado de los trminos y la estadstica Inferencial.
Es importante aclarar que la finalidad de ests cursos de la materia de estadstica inferencial, es

mostrar la forma en que puede emplearse la estadstica inferencial para resolver problemas reales de
la vida profesional y no para eliminar a los menos aptos en habilidades matemticas.
Esperando sea de su mximo aprovechamiento y desendoles muchos xitos siempre a su

disposicin, tu docente de la materia de Estadstica Inferencial.
Lic. Julio Vargas Herbas
Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

CARRERAS: CONTADURA PBLICA-INFORMACIN Y CONTROL DE GESTIN 2
I.- IDENTIFICACION
Facultad: AUDITORIA FINANCIERA O CONTADURIA PUBLICA
Programa de Formacin: PARA LA CARRERA DE CONTADURIA PUBLICA
rea de Formacin: ESTADISTICA APLICADA A LA CONTADURIA Y FINANZAS
Nombre de la asignatura: ESTADISTICA INFERENCIAL
Sigla y cdigo: MAT 260
Ao: SEGUNDO AO (CUARTO SEMESTRE)
Total de Horas: 4 HT 2 HP- 96 HORAS SEMESTRALES

Prerrequisitos: MAT 200 - ESTADISTICA DESCRIPTIVA
Coordinacin vertical: MAT-100 MAT-150 MAT-200
Coordinacin horizontal: ECO 250; CPA 250; MAT 250; CPA 260
Aula Digital (direccin): EN PROCESO DE CREACION
Fecha de elaboracin: 14/11/2013
DAVID BELMONTE OBLITAS belmo2011@yahoo.es
MARLEN BENITA MOLLOJA DE CABRERA marlenbmolloja@hotmail.com
RONALD CABRERA PANIAGUA ronaldpaniaguac@gmail.com
Elaborado por: JULIO VARGAS HERBAS juliusmodel@hotmail.com
GEORGINA ROSARIO FLORES DE LAMAS gflores@cotas.com.bo
JAIME VELASCO ESCOBAR velasescob@hotmail.com
Aprobado por: MSC. EZEQUIEL PANIAGUA BANEGAS
II.-JUSTIFICACIN
La estadstica inferencial proporciona fundamentos cientficos y metodolgicos, para ser utilizados en el

proceso de toma de decisiones oportunas y solucin de problemas que surgen con frecuencia en el
desempeo profesional del Contador Pblico, aplicando la teora de las probabilidades y muestreo.
III.- OBJETIVO (S) GENERAL (ES)
Al finalizar el curso el estudiante ser capaz de:

Aplicar los conocimientos de la estadstica inferencial en el ejercicio profesional del contador Pblico, para la
toma de decisiones en condiciones de incertidumbre.
IV.- CONTENIDOS MNIMOS
Probabilidades Variables Aleatorias Distribuciones de Probabilidad para Variables Aleatorias discretas

Distribuciones de Probabilidad para Variables aleatorias continuas Distribuciones Muestrales Estimacin
Estadstica Prueba de Hiptesis.

V.- CONTENIDOS ANALTICOS
UNIDAD I
PROBABILIDADES TIEMPO 24 Horas aula
OBJETIVOS ESPECIFICOS: Que al finalizar la unidad, el estudiante sea capaz de:
Determinar las probabilidades de eventos.

Aplicar reglas de adicin, multiplicacin y teorema de Bayes.
Resolver problemas o estudio de casos de las ciencias Contables - financieras.
CONTENIDO:
1.1.0 Probabilidades.
1.1.1 Introduccin.
1.1.2 Definiciones bsicas de probabilidad.
1.1.3 Probabilidad del suceso y del suceso imposible.
1.1.4 Eventos mutuamente excluyentes y no excluyentes.
1.1.5 Reglas de adicin.
1.1.6 Eventos dependientes, eventos independientes y probabilidad condicional.
1.1.7 Reglas de la multiplicacin.
1.1.8 Teorema de Probabilidad total y de Bayes.
1.1.9 Tablas de probabilidades conjuntas.
1.1.10 Anlisis combinatorio, permutaciones, combinaciones; probabilidad y combinatoria.
UNIDAD II
DISTRIBUCIN DE PROBABILIDAD PARA VARIABLES ALEATORIAS
TIEMPO 12 Horas aula

Diferenciar variables aleatorias discretas y continuas.
Resolver problemas y estudio de casos aplicados a las ciencias contables y financieras
CONTENIDO:
2.1.0 Distribucin de probabilidad para variables aleatorias:
2.1.1 Distribucin de probabilidades fundamentales.
2.1.2 Variables aleatorias. Discreta y continua
2.1.3 Distribucin de probabilidades.
2.1.4 Variables aleatoria discreta.
2.1.5 El valor esperado y la varianza de una variable aleatoria discreta.
2.1.6 Variable aleatoria contina y distribucin contina.

UNIDAD III
DISTRIBUCIONES DE PROBABILIDAD.

Determinar que distribucin probabilstica a emplear en una situacin dada.
CONTENIDO:
3.1.1 Distribuciones discretas.
3.1.2 Distribucin de Bernoulli.
3.1.3 Distribucin Binomial.
3.1.4 Distribucin Hipergeomtrica.
3.1.5 Distribucin de Poisson.
3.1.6 Aproximacin de la binomial a la Poisson.
3.1.7 Distribuciones continuas.
3.1.8 La distribucin Normal de probabilidad.
3.1.9 Aproximacin Binomial a la probabilidad Normal.
3.1.10 Aproximacin de Poisson a la probabilidad Normal
3.1.11 La distribucin Exponencial.
UNIDAD IV
TEORIA DE MUESTREO.
Calcular el tamao de muestra adecuado para la estimacin de parmetros
CONTENIDO:
4.1.1 Poblacin y parmetro.

4.1.2 Distribuciones muestrales.
4.1.3 Distribucin muestral de la media.
4.1.4 Distribucin muestral de una proporcin.
4.1.5 Determinacin de los tamaos muestrales
UNIDAD V
ESTIMACION DE PARAMETROS E INTERVALOS DE CONFIANZA

Estimar los parmetros de una poblacin
Determinar los intervalos de confianza para la media y proporcin.
CONTENIDO:
5.1.1 Tipos de estimaciones
5.1.2 Propiedades de un estimador.
5.1.3 Estimacin por intervalos.
5.1.4 Intervalo de confianza.

UNIDAD VI
PRUEBA DE HIPOTESIS
Verificar hiptesis considerando las diferentes situaciones en relacin al tamao de muestra y los
parmetros de mayor aplicacin.
CONTENIDO:
6.1.1 Hiptesis estadstica.
6.1.2 Hiptesis nula y alternativa.
6.1.3 Prueba de una hiptesis estadstica.
6.1.4 Errores tipo I y tipo II y Nivel de significacin.
6.1.5 Regin crtica y regla de decisin.
6.1.6 Procedimiento de la prueba de hiptesis.
VI.- METODOLOGA CONTENIDOS ANALTICOS
El desarrollo de los contenidos se realizar utilizando diferentes estrategias de enseanza-aprendizaje de

acuerdo a los objetivos a alcanzar y a la naturaleza de los contenidos.
Se utilizar el mtodo inductivo-deductivo en la exposicin de las bases tericas de los contenidos de las
diferentes unidades, y el mtodo heurstico (aproximacin progresiva a la interpretacin y correcta aplicacin
de conceptos, a travs de preguntas sucesivas) para desarrollar la parte prctica de ejercitacin y aplicacin.
VII.- METODOS
Expositivo.
Visual.
Solucin de casos.
Clases magistrales para el desarrollo terico y prctico con apoyo del pizarrn
Exposiciones del docente con apoyo del proyector multimedia
Resolucin de problemas, manejo de tablas, clases prcticas e interaccin docente estudiante y viceversa.
trabajos de investigacin y resolucin de problemas utilizando programas estadsticos SPSS o Excel.

VIII.- EVALUACIN
TRABAJOS PRACTICOS. 20 PUNTOS
PRIMER EXAMEN PARCIAL.... 25 PUNTOS
SEGUNDO EXAMEN PARCIAL 25 PUNTOS
EXAMEN FINAL ..30 PUNTOS
TOTAL...100 PUNTOS
VIII.- BILIOGRAFA
Kazmier J. Leonard- Estadstica aplicada a la Administracin y Economa.Editorial Mc. Graw Hill, Bogot.
Colombia 1993
Moya Caldern Rufino - Estadstica y Clculo de Probabilidades-Univ. de Callao Lima Per 1985
Chungara Castro Victor-Estadstica, UMSA Edicin 2013
SPIEGEL, Murray-Estadstica2edicion. McGRAW-HILL, Espana 1993
Garca Or- Estadstica Descriptiva y Probabilidades-Editorial Gmez. 1992
Lind Douglas; Mason Robert Estadstica para administracin y economa. Espaa: McGraw-Hill, 2000
Crdova Zamora Manuel- Estadstica Descriptiva e Inferencia. 4 edicin junio 2000 Per
Lind Douglas A. Marchal William G. Mason, Robert D. ESTADISTICA PARA ADMINISTRACIN Y
ECONOMA. 11 Edicin. Alfaomega Grupo Editor, S.A. de C.V., Mxico, 2004.
Webster, Allen L. ESTADISTICA APLICADA A LOS NEGOCIOS Y LA ECONOMIA, 3. Ed., Edit. McGraw-Hill.
Colombia 2000.
LIBROS DE LA BIBLIOTECA
Murray R. Spiegel - John Schiller - R. AluSrinivasan Probabilidad y estadstica -Shaum 3 Ed.
McGraw Hill Companies Mxico-2010 EN ESPAOL.
Ciro MartnezBencardino Estadstica y Muestreo 2 Ed. Ecoe Ediciones Colombia 2010
Humberto Llins Solano Estadstica Inferencial Ed. Uninorte Colombia 2010
Bacchini R. y Vzquez Lara ESTADISTICAS PROBABILIDADES E INFERENCIA
R. Schiller Srinivasan PROBABILIDAD Y ESTADISTICAS
Palacio C. Severo ESTADISTICA APLICADA
Stephen P. Shao ESTADISTICA PARA ECONOMISTAS Y ADMINISTRADORES DE EMPRESAS
Celestino Garca Ore ESTADISTICAS INFERENCIAL
Roberto Escuder Valles
INTRODUCCION A LA TEORIA DE LA PROBABILIDAD CON NOCIONES DE MUESTREO E INFERENCIA
ESTADISTICA
Seymour Lipschutz PROBABILIDAD
George C. Canavos PROBABILIDAD Y ESTADISTICA
Rufino Maya C. PROBABILIDAD DE INFERENCIA ESTADISTICA
I.Mtenez de Lejarza PROBALIDAD Y MODELOS ESTADISTICOS EMPRESARIAL
C.M.Cuadros PROBLEMA DE PROBABILIDAD Y ESTADISTICA.

PROBABILIDADES

PROBABILIDADES
Probabilidad.- La probabilidad es la posibilidad de que algo pase o no pase y se denota de la siguiente manera .Las probabilidades se
pueden expresar de tres maneras como:
1 4 9 1
a) Fracciones: 2; 5; 15; 8 b) Decimales: 0,8000; 0,7570; 0,0499; 0,9990 c) Porcentajes: 10%; 15%; 33%; 16%; 6%; 79%; 100%.
Las probabilidades estn siempre entre cero y uno () .Tener una probabilidad de 0 significa que algo nunca va a suceder y tener
una probabilidad de 1 indica que algo va a suceder siempre.
Experimento.- Es aquella actividad que origina un evento ( ).
Experimento Determinstico.- La observacin se puede predecir en forma precisa. Sumar dos nmero impares y observar si el resultado es
par o impar.
Experimento Aleatorio.- La observacin no se puede predecir con exactitud. Lanzar una moneda y observar si se obtiene cara o sello.
Espacio Muestral.- Se llama espacio muestral al conjunto que contiene a todos los resultados posibles de un experimento aleatorio, a dicho
conjunto se lo representa con letras maysculas . = {/ }
Evento.- En teora de probabilidad, un evento es uno o ms de los posibles resultados de hacer un experimento. En otras palabras, un evento
es todo lo que puede suceder.
Un evento o suceso () es cualquier subconjunto de un espacio muestral () a la ocurrencia de un (xito), a su no ocurrencia (fracaso).
EJEMPLO#1 Se lanza un dado, esperando obtener un 5 como resultado.
SOLUCIN:
= {, , , , , } = () =
EJEMPLO#2 Se lanza una moneda tres veces al aire y se observa cuantas veces se obtiene sello.
SOLUCIN: = {, , , , , , , } = () =
EJEMPLO#3 Se lanzan dos dados, esperando obtener un 10 como resultado.
SOLUCIN:
= {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ),
(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} = () =
= {(, ), (, ), (, )} .
Nmero De Puntos Mustrales:
(); (); () () = ()
EJEMPLO#4 Del experimento aleatorio de lanzar un dado, se indica su espacio muestral y algunos eventos, indicando los elementos de tales eventos.
SOLUCIN:
= {, , , , , } () =
a) E1: Lograr un 5; E1={5} n(E1)=1
b) E2: Lograr un impar; E2={1, 3, 5} n(E2)=3
c) E3: Lograr mayor o igual a 4; E3={4, 5, 6} n(E3)=3
d) E4: Lograr mayor a 4; E4={5, 6} n(E4)=2
e) E5: No lograr un 5; E5={1, 2, 3, 4, 6} n(E5)=5
f) E6: Lograr mayor o cero; E6={1, 2, 3, 4, 5, 6} n(E6)=6 =n(S)
g) E7: Lograr un siete; E7={}= n(E7)=0
Principio De Multiplicacin:
= #
; { }
= # .
EJEMPLO#5 Si un experimento es el de lanzar dos dados a la vez, se calcula el nmero de elementos que posee su espacio muestral.
SOLUCIN:
S1: Experimento de lanzar un dado n(S1)=6 ; S1: Experimento de lanzar otro dado n(E2)=6
= {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ),
(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} = () =
n(S1) n(S2) = = = {(, ), (, ), , (, )} .
EJEMPLO#6 Si el experimento es lanzar tres dados, calcular el nmero de elementos del espacio muestral es:
SOLUCIN:
n(S1)=6 n(S2)=6 n(S3)=6 n(S1) n(S2) n(S3)=6 6 6=63=216 elementos.
EJEMPLO#7 Si un experimento es el de lanzar monedas los espacios mustrales son:
1
a) Una moneda: (S1)={C, S} n(S1)=2 =2
2
b) 2 monedas: (S2)={CC, CS, SC, SS} n(S2)=2 =4
3
c) 3 monedas: (S3)={CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS} n(S3)=2 =8
N
d) N monedas: (SN)={CCCC; CCS; ; SSS} n(SN)=2

EJEMPLO#8 Si un experimento es el de lanzar un dado y una moneda a la vez, calcular el nmero de elementos que posee su espacio muestral.
SOLUCION:
1,C 2,C 3,C 4,C 5,C 6,C n(S1)=6
n(S2)=2
1,S 2,S 3,S 4,S 5,S 6,S n(S1) n(S2)=6 2=12
EJEMPLO#9 Un juego de cartas o naipes, posee 52 cartas, distribuidas de acuerdo a la tabla siguiente:
CORAZONES ASC 2C 3C 4C 5C 6C 7C 8C 9C 10C JC QC KC
DIAMANTES ASD 2D 3D 4D 5D 6D 7D 8D 9D 10D JD QD KD
ESPADAS ASE 2E 3E 4E 5E 6E 7E 8E 9E 10E JE QE KE
TREBOLES AST 2T 3T 4T 5T 6T 7T 8T 9T 10T JT QT KT
SOLUCION:
13 Cartas Palos (signos) n(S)=52
a) Si E1 es el evento de sacar diamante: E1={ASD, 2D, 3D, 4D, 5D, 6D, 7D, 8D, 9D, 10D, JD, KD, QD} n(E1)=13
b) Sacar un 5: E2={5C, 5D, 5E, 5T} n(E2)=4
c) Sacar un AS de espadas: n(E3)=1
d) sacar una vieja n(E4)=12 (J, Q, K, de cualquier palo)
Nota: Las cartas contienen 54 piezas ya se agregan dos joker.
EJEMPLO#10 En un almacn se tienen bolsas de azcar de 2, 4, 6, 8, 10 kgs. Si se eligen dos bolsas cada vez de pesos respectivos (x, y)
entonces cada evento es de la forma (x, y), indicar los espacios mustrales de:
a) {(x, y) / x=y} Sa={(2,2), (4,4), (6,6), (8,8), (10,10)}5 elementos
b) {(x, y) / y>x} Sb={(2,4), (2,6), (2,8), (2,10), (4,6), (4,8), (4,10), (6,8), (6,10), (8,10)}10 elementos
c) {(x, y) / y=2x} Sc={(2,4), (4,8)}2 elementos
EJEMPLO#11 Hallar el nmero de elementos de los espacios mustrales en los siguientes experimentos:
4
a) Se lanzan 4 monedas n(S)=2 =16
b) Se lanzan 4 dados n(S)=64=1296
c) Se elige un da de la semana n(S)=71=7
d) Se elige un departamento de Bolivia n(S)=91=9
e) Se lanzan dos monedas y se lanza un dado n(S)=22 61=24
f) Se lanza una moneda y se saca una carta de un mazo de 52 n(S)=21 521=104
PROBABILIDAD DE UN EVENTO
a) ()
n(E) n(S) - n(E) n(E) + n(S) - n(E)
b) () = () = () + () = + = =1
n(S) n(S) n(S)
() () ()
() =
; ( ) = ;
() ()
c) Si E1, E2 son dos eventos mutuamente excluyentes: P(E1 U E2) = P(E1) + P(E2); unin
EJEMPLO#12 Calculando las probabilidades de que ocurra un evento E.
a) De obtener cara al lanzar una moneda
n(E)
S = {S, C} n(S)=2 P(E)= n(S) ==0,5 50%
E = {C} n(E)=1
EJEMPLO#13 Del experimento aleatorio de lanzar un dado, se indica su espacio muestral y se calculan las probabilidades de los siguientes
n(E)
elementos: S ={1, 2, 3, 4, 5, 6} n(S)=6 P(E)= n(S)
SOLUCION:

a) Lograr un 5: E1={5} n(E1)=1 P(E1)= =0,1667 16,6667%

b) Lograr un impar: E2={1, 3, 5} n(E2)=3 P(E2)= =0,5000 50%

c) Lograr mayor o igual a 4: E3={4, 5, 6} n(E3)=3 P(E3)= =50%

d) Lograr mayor a 4: E4={5, 6} n(E4)=2 P(E4)= =0,3333 33,33%

e) No lograr un 5: E5={1, 2, 3, 4, 6} n(E5)=5 P(E5)= =0,8333 83,33%

0
f) Un 8: P(E)= =0
6
6
g) Menor o igual a 6: P(E)= =1
6
5
h) Menor a 6: P(E)= =0,8333
6
2 1
i) No menor o igual a 4: P(E)= = =0,3333
6 3

EJEMPLO#14 Calcular la probabilidad de que al lanzar un dado se obtenga mayor que 0.
SOLUCION:
S={1, 2, 3, 4, 5, 6} n(S)=6 6
}
E={1, 2, 3, 4, 5, 6} n(E)=6 P(E)= 6 =1
EJEMPLO#15 Calcular la probabilidad de que al lanzar un dado se obtenga 7.
S={1, 2, 3, 4, 5, 6} n(S)=6
} P(E)=0=0
E={ }= n(E)=0 6
EJEMPLO#16 Calcular la probabilidad de que al lanzar dos dados se obtenga una suma de 10.
S={(1,1), (1,2),,(6,6)} n(S)=36 3 1
} P(E)=36=12
E={(4,6), (5,5), (6,4)} n(E)=3
EJEMPLO#17 Calcular la probabilidad de que al lanzar dos dados se obtenga una suma menor a 5.
S={(1,1), (1,2),,(6,6)} n(S)=36 6 1
} P(E)=36=6
E={(1,1), (1,2), (1,3), (2,1), (2,2), (3,1)} n(E)=6
EJEMPLO#18 Calcular la probabilidad de sacar la grande en el juego clsico del cacho.
5
S={(1,1,1,1,1), (1,1,1,1,2),,(6,6,6,6,6)} n(S)=6 =7776 1
P(E)=7776
E={6,6,6,6,6} n(E)=1 grande, de un solo tiro sacar (6,6,6,6,6)
EJEMPLO#19 Se lanzan 3 monedas, calcular las probabilidades de los siguientes eventos.
CS
3 Monedas {CS} S ={CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS} n(S)=23=8
CS
3
a) Obtener dos veces la cara: E={CCS, CSC, SCC} n(E)=3 P(E)=8
1
b) No obtener sello en ningn caso: E={CCC} n(E)=1 P(E)=8

c) Obtener al menos una vez cara: E={CCC, CCS, CSC, SCC, CSS, SCS, SSC} n(E)=7 () =
1
d) No obtener cara: E={SSS} n(E)=1 P(E)=8
3
e) Obtener una vez cara: E={CSS, SCS, SSC} n(E)=3 P(E)=8

f) Obtener al menos una vez sello: E={CCS, CSC, CSS, SCC, SCS, SSC, SSS} n(E)=7 () =
EJEMPLO#20 Al lanzar dos monedas, calcular la probabilidad de obtener:
CS
2 Monedas { } S ={CC, CS, SC, SS} n(S)=22=4
CS
1
a) 2 caras: E={CC} n(E)=1 P(E)=4
2 1
b) 1 cara: E={CS, SC} n(E)=2 P(E)=4=2
1
c) Ninguna cara: E={SS} n(E)=1 P(E)=4
3
d) Al menos una cara: E={CC, SC, CS} n(E)=3 P(E)=4
EJEMPLO#21 Al lanzar dos dados se busca la probabilidad de:
123456 2
2 Dados { } S ={(1,1), (1,2), (1,3),,(6,6)} n(S)=6 =36
123456
4 1
a) Obtener 9: E={(3,6), (4,5), (5,4), (6,3)} n(E)=4 P(E)=36=9
b) Menor o igual a 7: E={(1,1), (1,2), (1,3), (1,4), (1,5),(1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (3,1), (3,2), (3,3), (3,4), (4,1), (4,2), (4,3), (5,1), (5,2), (6,1)}
21 7
n(E)=21 P(E)=36=12
c) Menor a 7: E={(1,1), (1,2), (1,3), (1,4), (1,5), (2,1), (2,2), (2,3), (2,4), (3,1), (3,2), (3,3), (4,1), (4,2), (5,1)}
15 5
n(E)=15 P(E)=36=12
d) Mayor a 8: E={(3,6), (4,5), (4,6), (5,4), (5,5), (5,6), (6,3), (6,4), (6,5), (6,6)}
10 5
n(E)=10 P(E)=36=18
1
e) Obtener 12: E={(6,6)} n(E)=4 P(E)=36
0
f) Obtener 1: E={} n(E)=0 P(E)=36=0
As, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K
EJEMPLO#22 De un mazo de cartas: { ; ; ; }
C D E T
S ={ASC, ASD, ASE, AS T, 2C, 2D,KT} n(S)=13(4)=52 cartas
SOLUCION:
(1)() 1
a) Sacar un 5: E={5C, 5D, 5E, 5T} n(E)=4 P(E)= 52 =13
(1), va 1 porque solo hay un nmero 5. (), va cuatro porque hay ;; ;
b) Sacar un carta roja: E={ASC, ASD, 2C, 2D, 3C, 3D, 4C, 4D 5C, 5D, 6C, 6D, 7C, 7D, 8C, 8D, 9C, 9D, 10C, 10D, JC, JD, QC, QD, KC, KD}
n(E)=26 n(S)=13(2)=26 donde 13 se coloca son las 13 cartas de cada de AS,2,3,k (cartas rojas); se coloca 2 por las (que son cartas rojas)
26 1
n(E)=26 P(E)=52=2
6 3
c) Sacar un vieja roja: E={JC, JD, QC, QD, KC, KD} n(E)=6 n(E)=2(3)=6 2 se coloca por y 3 se coloca por J, Q, K P(E)=52=26

13 1
d) Una espada: E={ASE, 2E, 3E, 4E, 5E, 6E, 7E, 8E, 9E, 10E, JE , QE, KE} n(E)=13 n(E)=13(1)=13 P(E)=52=4
1
e) Obtener un 9 de : E={9C} n(E)=1 P(E)=52
4 1
f) Obtener un 9: E={9C, 9D, 9E, 9T} n(E)=4 P(E)=52=13
13 1
g) Obtener un espada: E={ASE, 2E, 3E, 4E, 5E,, KE} n(E)=13 P(E)=52=4
h) No obtener una vieja: E={JC, QC, KC, JD, QD, KD, JE, QE, KE, JT, QT, KT} n(E)=12
n(E) 12 3 3 10 10
P(E)= n(S)=52=13 P()=1-P(E)=1-13=13 P()= 13
EJEMPLO#23 Si un radio trabaja durante 300 das al ao, cul es su probabilidad de no estar trabajando.
65 13
n(S)=n(E) + n() 365=300 + n() 365 300= n() n()=65 das P()= 365=73
EJEMPLO#24 Que una persona nazca el da mircoles.
1
S ={L, M, M, J, V, S, D} n(E)=1 P(E)= 7
EJEMPLO#25 Que una persona nazca el fin de semana (Sbado o Domingo).
2
S ={L, M, M, J, V, S, D} n(E)={S, D}=2 P(E)= 7
EJEMPLO#26 Una rifa ofrece un primer premio de Bs.- 1000, dos segundos premios de Bs.-500, 5 terceros premios de Bs.- 200, 100 cuartos
premios de Bs.- 10. Si se ponen a la venta 2000 boletos, cual es la probabilidad de: a) ganar el primer premio b) ganar 100 Bs o ms
c) no ganar premio alguno.
SOLUCION:
LUGAR # DE PREMIOS MONTO EN BS. () = + + + +
PRIMER 1 1000 Bs. = +
SEGUNDO 2 500 Bs.
TERCERO 5 200Bs.
=
CUARTO 100 10 Bs. =
Ninguno 1892 0 Bs.
Total 2000 boletos
1
a) Ganar el primer premio: P(E)= 2000
(5 + 2 + 1) 8 1
b) Ganar Bs.- 100 o ms: P(E)= = 2000= 250
2000
1892 4(473) 473
c) No ganar premio alguno: P()= 2000= 4(500)= 500
EJEMPLO#27 En una encuesta a 80 personas, 60 estn a favor del matrimonio. Calcular la probabilidad de que una persona est en contra
del matrimonio.
20 10 5 1
n(S)= n(E)+ n() 80=60 + n() 80 60= n() n()=20 P()= 80=40=20=4
EJEMPLO#28 En una urna se tiene 3 bolas blancas y 2 negras. Calcular la probabilidad de: 1 bola blanca; 1 bola negra.
S ={B, B, B, N, N} n(S)=5
3
a) Extraer una bola blanca: P(E)= 5
2
b) Extraer una bola negra: P(E)= 5
EJEMPLO#29 En una lotera primitiva se extraen bolas numeradas del 1 al 49. Calcular la probabilidad de que la primera bola extrada.
9
a) Sea un nmero de una sola cifra: P(1, 2, 3, 4, 5, 6, 7, 8, 9)= 49
7 1
b) Sea un nmero mltiplo de 7: P(7, 14, 21, 28, 35, 42, 49)= 49= 7
24
c) Sea un nmero mayor que 25: P(26, 27, 28,,49)= 49
EJEMPLO#30 En una bolsa hay bolas de colores, pero no sabemos cuntas ni que colores tienen. En 1000 extracciones (devolviendo la bola
cada vez) hemos obtenido bola blanca en 411 ocasiones, bola negra en 190, bola verde en 179 y bola azul en 220. Al hacer una nueva
extraccin: Calcular la probabilidad de:
SOLUCIN:
Como se han hecho 1000 extracciones
411 190
P(Bola Blanca)= 1000 =0,411 P(Bola Negra)= 1000 =0,19
179 220
P(Bola Verde)= =0,179 P(Bola Azul)= =0,22
1000 1000
Nota: si en la bolsa hay 22 bolas Cuntas estimas que habr de cada uno de los colores?
a) Sacar bola blanca P(B. Blanca)=0,411
b) No sacar bola blanca P(No bola blanca)=1-0,411=0,589
c) Sacar bola verde o azul P(B. Verde o Azul)=0,179+0,22=0,399
d) No sacar bola negra ni azul P(No B. Negra ni Azul)=1-(0,19+0,22)=0,59. Si hay 22 bolas: entonces ser:
el 41% son B 22(0,41)=9 B.B
el 19% son N 22(0,19)=4 B.N
el 18% son V 22(0,18)=4 B.V
el 22% son A 22(0,22)=5 B.A

EJEMPLO#31 Julio lanza un dado y su hermana La lo lanza despus. Cul es la probabilidad de que la puntacin de La sea superior a la de Julio.
SOLUCIN:
MUY PROBABLE, POCO PROBABLE

EJEMPLO#32 Tenemos muchas bolas de cada uno de los siguientes colores: negro (N), rojo (R), verde (V), azul(A), y una gran caja vaca.
Echamos en la caja 1R, 10V y el resto A (muchas ms de 10) removemos y extraemos una al azar. Asocia con flechas.
EJEMPLO#33 De cul de las siguientes bolsas es ms probable sacar la bola roja?

() = = , () = , %

() = = , () = , %

() = = , () = %

Por lo tanto, es ms probable sacar bola roja de la

bolsa A, porque su probabilidad es ms grande.
EJEMPLO#34 De una bolsa con 7 bolsas rojas, 5 verdes, 3 amarillas, 11 negras y 3 azules, sacamos una al azar. Cul es la probabilidad de que?
SOLUCIN:
7
a) Sea roja: P(roja)= 29
18
b) No sea negra: P(no negra)= 29
EJEMPLO#34,1 En cul de las ruletas es ms difcil obtener el color azul.

EJEMPLO#34,2
EJEMPLO#34,3
EJEMPLO#34,4

EJEMPLO#34,4
EJEMPLO#35 Hallar las siguientes probabilidades asociados al lanzamiento de un dado correcto.

S ={1, 2, 3, 4, 5, 6}
2 1
a) El resultado es mltiplo de 3: P(mltiplo de 3)= 6= 3
3 1
b) El resultado es mltiplo de 2: P(mltiplo de 2)= 6= 2
5
c) El resultado es mayor que 1: P(mayor que 1)= 6
4 2
d) El resultado es menor que 5: P(menor que 5)= 6= 3
e) El resultado es menor que 1: P(menor que 1)=0
EJEMPLO#36 Escribimos cada una de las letras de la palabra PREMIO en un papel diferente y las ponemos en una bolsa. Extraemos una letra al azar.
a) Describe los sucesos elementales de este experimento aleatorio. Tienen todas las mismas probabilidades?
1
: (), (), (), (), (), () P(E)= 6 Todos tienen la misma
b) Describe el suceso de obtener vocal y calcula su probabilidad.
3 1
S ={E, I, O} P(E)= =
6 2
c) Si la palabra elegida fuera SUERTE. Responder a) y b).
a) S ={S, U, E, R, T,E}
No todos tienen la misma () puesto que la palabra E esta repetida.
1 2 1
P(S)=P(U)=P(R)=P(T)= pero P(E)= =
6 6 3
3 1
b) S ={U, E} P(vocal)= 6= 2
EJEMPLO#37 Los alumnos de una clase se distribuyen del siguiente modo (tabla) escogemos al azar a una persona de clase. Calcular la
probabilidad de que:
CHICAS CHICOS
CON/GAFAS 3 6
SIN/GAFAS 12 10
15
a) Sea chica: P(chica)=
31
9
b) Tenga gafas: P(tenga gafas)= 31
3
c) Sea una chica con gafas: P(chica con gafas)= 31
EJEMPLO#38 Lanzamos 2 dados. Calcular la probabilidad de que el producto de las puntuaciones sea:
a) 5 b) 6 c)4

EJEMPLO#39 Lanzamos dos dados y anotamos la puntuacin del mayor (si coinciden, la de uno de ellos).
a) Completa la tabla y di las probabilidades de los seis sucesos elementales 1,2,3,4,5,6.
b) Halla la probabilidad de los sucesos A: nmero par; B: nmero menor que 4;
Este cuadro es del enunciado Completando el cuadro:

) () = () + () + () = + + = =

En la tabla hay 21 nmeros pares

() = () + () + () = + + = =

En la tabla hay 9 nmeros menor a 4.

( ) = () = =

() () ()
EJEMPLO#40 En una clase hay 17 chicos y 18 chicas. Elegimos al azar dos alumnos de esa clase. Calcula la probabilidad de que:
a)Los dos sean chicos b)Sean dos chicas c)Sean un chico y una chica.
EJEMPLO#41 Extraemos una tarjeta de cada una de estas bolsas.

a)Calcula la tabla de obtener una S y una I, SI. Resulvelo rellenando esta tabla:
b) Cul es la probabilidad de obtener NO? c) Son suceso contrarios SI y NO?

EJEMPLO#42 En un laboratorio se somete un nuevo medicamento a tres controles. La probabilidad de pasar el primero es 0,89, la de pasar
el segundo es 0,93 y la de pasar el tercero es 0,85. Cul es la probabilidad de que el nuevo producto pase las tres pruebas?
Las tres pruebas son independientes una de otra.
P(Pasar primer control)=0,89
P(Pasar segundo control)=0,93
P(Pasar tercer control)=0,85
P(Pasar los tres controles)=0,89 0,93 0,85=0,703
EJEMPLO#43 Julio Vargas Herbas tiene en su monedero 4 monedas de cinco cntimos, 3 de veinte y 2 de un euro. Saca dos monedas al
azar. Cul es la probabilidad de los siguientes sucesos?
a) Que las dos sean de cinco centsimos. b) Que ninguna sea de un euro c) Que saque 1,20 euros.
EJEMPLO#44 En una bolsa hay 4 bolas, dos de ellas estn marcadas con un 1 y las otras dos con un 2. Se hacen tres extracciones y se
anotan los resultados en orden. Calcula la probabilidad de que el nmero formado se el 121, suponiendo que:
a) La bola se reintegra a la bolsa b) La bola no se devuelve a la bolsa.
EJEMPLO#45 Un jugador de baloncesto suele acertar el 75% de sus tiros desde el punto de lanzamiento de personales. Si acierta el primer
tiro, puede tirar de nuevo.
Calcular la probabilidad de que: a)Haga dos puntos b)Haga un punto c)No haga ningn punto.
() = , = %

EJEMPLO#46 Ariel y La juegan con una moneda. Lanzan tres veces y si sale dos veces cara y una vez cruz o dos veces cruz y una vez
cara, gana Ariel. Si sale tres veces cara o tres veces cruz, gana La.
Calcular la probabilidad que tiene cada uno de ganar. a)Gane Ariel b)gane la.
EJEMPLO#47 En una empresa hay 200 empleados, 100 hombres y 100 mujeres. Los fumadores son 40 hombres y 35 mujeres.
a)Haz con los datos una tabla de contingencia b)Si elegimos un empleado al azar, calcular la probabilidad de que sea hombre y no fume:
( ) c)Calcula tambin: ( ), (/), (/) esta barra / significa, sabiendo.
a) Haz con los datos una tabla de contingencia:
HOMBRE MUJER TOTAL
Fumador 40 35 75
NO Fumador 60 65 125
60
b) Si elegimos un empleado al azar, calcula la probabilidad de que sea hombre y no fume: P(H y no F): P(H y no F)= 200=0,3
c) Calcula tambin: P(M y F), P(M/F), P(F/M):
35
P(M y F)= 200=0,175
35
P(M/F)= 75=0,467 M/F de todos los fumadores, cuntos son mujeres. Mujer, sabiendo que es fumadora.
P(F/M)=
35
100
=0,35 de todas las mujeres, cuntos son fumadores.
EJEMPLO#48 En una carrera de UAGRM hay 1000 alumnos y alumnas repartidas as:
CHICOS CHICAS Llamamos: A Chicas O Chicos
G Tiene Gafas No G No tiene Gafas Calcular:
Usan Gafas 147 135 1) P(A), P(O), P(G), P(no G):
2) Describe los siguientes suceso y calcula sus probabilidades:
No Usan Gafas 368 350 A y G; O y no G; A/G; G/A; G/O:
a)P(A), P(O), P(G), P(no G):

135 + 350 485
P(A)= 1000 =1000=0,485
P(O)=1 P(A)=1 - 0,485=0,515
147 + 135 282
P(G)= 1000 =1000=0,282
P(no G)=1 P(G)=1 0,282=0,718
b)Describe los siguientes suceso y calcula sus probabilidades: A y G; O y no G; A/G; G/A; G/O:
135
A y G chica con gafas P(A y G)=1000=0,135
368
O y no G chico sin gafas P(O y no G)=1000=0,368
135
A/G de los que llevan gafas, cuntos son chicas P(A/G)=282=0,479

135
G/A de todas las chicas, cuantos llevan gafas P(G/A)= 485=0,278
147
G/O de todos los chicos, cuantos llevan gafas P(G/O)= 515=0,285
EJEMPLO#49 Los 1000 socios de un club deportivo se distribuyen de la forma que se indica en la siguiente tabla:
HOMBRES MUJERES
Juegan al Baloncesto 147 135
No Juegan al Baloncesto 368 350
Si se elige una persona al azar, calcula la probabilidad de que:
147 + 368 515
a) Sea un hombre: P(H)= 1000 =1000=0,515
b) Sea una mujer: P(M)=1 P(H)=1 0,515=0,485
147 + 135 282
c) Juegue al baloncesto: P(B)= 1000 =1000=0,282
135
d) Sea una mujer que practique baloncesto: P(M y B)= =0,135
1000
368
e) Sea un hombre que no practique baloncesto: P(H y no B)= 1000=0,368
147
f) Juegue al baloncesto, sabiendo que es hombre: P(B/H)= 515=0,285
350
g) Sea mujer, sabiendo que no juega al baloncesto: P(M/no B)= 718=0,487
EJEMPLO#50 En cierto lugar se sabe que si hoy hace sol, la probabilidad de que maana tambin lo haga es de 4/5. Pero si hoy esta
nublado, la probabilidad de que maana lo siga estando es de 2/3. Si hoy es viernes y hace sol, Cul es la probabilidad de que el domingo
tambin haga sol. Para resolverlo completa el diagrama y razona sobre el:
EJEMPLO#51 Esto es un plano de parte de la red de cercana de una ciudad. En cada nudo es igual de probable que el tren contine por
cualquiera de los caminos que salen de l.
SOLUCN:

EJEMPLO#52 En un examen para unas oposiciones hay 80 temas, de los cuales se elige uno al azar. Si un opositor se sabe 60 de los temas,
halla la probabilidad de que:
60 3
a) Le toque uno de los que sabe: P(sabe)= 80=4
20 1
b) Le toque uno de los que no sabe: P(no sabe)= 80=4
EJEMPLO#53 En una carrera hay 990 alumnos matriculados, de los cuales 510 son mujeres. Si elegimos al azar un estudiante de esa
carrera Cul es la probabilidad de que sea hombre?
480
990 510=480 hombres P(H)=990=0,485
EJEMPLO#54 En la carrera de Contadura Pblica, los alumnos y alumnas estn distribuidos por cursos (semestres) del modo siguiente:
1 SEM. 2 SEM. 3 SEM. 4 SEM. 1 DIPLOM. 2 DIPLOM.
210 250 260 220 140 120
Hay 1200 alumnos en total
Si elegimos un estudiante al azar, calcula la probabilidad de que: a)Sea del tercer semestre b)Sea del semestre c)Sea del diplomado.
260
a) Sea de 3 semestre: P(3 sem.)= 1200=0,22
b) Sea del semestre: 210 + 250 + 260 + 220=940 alumnos del semestre (I II)
940
P(semestre)=1200=0,7833
140 + 120 260
c) Sea del diplomado: P(diplomado)= =1200=0,2167
1200
RESPONDER FALSO O VERDADERO
1.- La probabilidad es un nmero comprendido entre 0 y 1.
Respuesta: Verdadero, porque la probabilidad de un suceso se define mediante la ley de La place como.
N casos faborables
P(S)=
N casos posibes
Y el denominador es menor o igual que el denominador.
2.- Al lanzar un dado correcto, es ms probable obtener un 2 que un 5.
1
Respuesta: Falso, si el dado es correcto P(2)=P(5)= 6
3.- Si un suceso es muy probable, su probabilidad es prxima a 1.
Respuesta: Verdadero, porque si el nmero de casos favorables es muy grande respecto al de casos posibles, P(S)=1
4.- Si al lanzar una moneda seis veces nos ha salido CARA en los seis casos, la prxima vez es ms probable que salga CRUZ.
1
Respuesta: Falso, la probabilidad es la misma en cualquier lanzamiento P(C)=P()= 2
EJEMPLO#55 Se han hecho anlisis de sangre a 200 personas para determinar su grupo sanguneo, as como Rh los resultados se resumen
en esta tabla:
GRUPO A GRUPO B GRUPO AB GRUPO O TOTALES
RH+ 74 12 6 70 162
RH- 18 3 1 16 38
TOTALES 92 15 7 86 200
Este tipo de tabla se llama tabla de contingencia. a) Si elegimos al azar una persona de entre esas 200 personas, cul es la probabilidad de
que su grupo de sanguneo sea A? y de que sea O? y de que tenga Rh+? b) si elegimos una persona del grupo sanguneo B, Cul es la
probabilidad de que tenga Rh+?.
a) Si elegimos al azar una persona de entre esas 200, Cul es la probabilidad de que su grupo sanguneo sea A? Y de
que sea O? Y de que tenga Rh+?
92 86 162
P(A)= =0,46 P(O)= =0,43 P(Rh+)= =0,81
200 200 200
b) Si elegimos una persona del grupo sanguneo B, Cul es la probabilidad de que tenga Rh+?
12 4
P(Rh+)= = =0,80
15 5

EJEMPLO#55,1
EJEMPLO#55,2
EJEMPLO#55,3

ELEMENTOS COMPUESTOS
Sean dos eventos llamados: E1, E2 E1UE2; E1E2 (U); y()
EJEMPLO#56 Calcular el nmero de elementos de una unin de eventos de: = {, , , , , , , }; = {, , , }; = {, , , , }
() = () = () =
a) AB={a, c, e} n(AB)=3
b) AUB={a, b, c, d, e, g} n(AUB)=6
n(AUB)= n(A) + n(B) n(AB) =4 + 5 3=6
c) No A ={b, d, f, h} n()=4
d) No B ={f, g, h} n( )=3
e) ={f, h} n(
No AUB )=2
f) No AB
={b, d, g, f, h} n(
)=5
g) Solo A A ={g} n(A )=1
h) Solo B B={b,d} n( B)=2
EJEMPLO#57 En una encuesta a 100 lectores, 50 leen la razn (R), 45 leen la prensa (P), 10 leen ambas. Calcular:
a) Cuantos leen solo R b) Cuantos leen R P c) Cuantos no leen ni R ni P.
a) Cuantos leen solo R:
Solo leen R=40
n(R )=40
b) Cuantos leen R o P:
R o P=85
n(RUP)=40 + 10 + 35=85
c) Cuantos no leen ni R ni P:
No leen ni R ni P=15

n( )=15
(100 85)=15
d) P)=35
n(
EJEMPLO#58 Un grupo de 54 estudiantes llevan las materias de lgebra (A), Botnica (B) y Contabilidad (C). Clasificndose como: 18
cursan A; 19 cursan B; 21 cursan C; slo B 8; A y B 5; A y C 3; A y B y C 1. Calcular el nmero de universitarios que cursan:
a)Slo A b)Slo C c)B y C d)Ninguna e)A o B f) A o B pero no C g)B y C pero no A.
a) Solo A: 11 n(
)=11
b) Solo C: 12 n(C
)=12
c) B y C: 7 n(BC)=7
d) Ninguna: 10 n(
)=10
e) A o B: 32 n( )=32
f) } =
A o B pero no C: 23 {( )
g) B y C pero no A: 6 {( ) ) =
EJEMPLO#59 De un grupo de 75 Radio-Oyentes, 30 escuchan radio Panamericana (P), 50 escuchan radio Fides (F) y 10 escuchan ambas
radios. Calcular: a)Cuantos escuchan slo P b)Cuantos escuchan PoF c)Cuantos no escuchan P ni F d)Calcular la probabilidad de que una
persona elegida al azar escuche P e)Probabilidad de que escuche slo a F.
F TOTAL 50 10=40
30 10=20
75=20 + 10 + 40 + x
P 10 20 30 75=70 + x
40 5 45 X=5 ninguno
(Ninguno)
TOTAL 50 25 75 20 + 5=25
40 + 5=45
75=50+25=30+45

a) Cuantos escuchan solo P n(P)=20
b) Cuantos escuchan P o F 70
c) Cuantos no escuchan P ni F 5
d) Calcular la probabilidad de que una persona elegida al azar escuche P:
30 2
P(Panamericana)=75=5
e) Probabilidad de que escuche solo a F:
40 8
P(Fides)= =
75 15
EJEMPLO#60 Una persona come manzanas o naranjas cada maana durante el mes de mayo, si come naranja 25 maanas y manzana 18
maanas. Cuntas maanas come manzanas y naranjas?

( )

Respuesta:
Esta persona come manzanas y naranjas durante 12 das
o durante 12 maanas.
EJEMPLO#61 De un grupo de 100 alumnos, 49 no llevan el curso de aritmtica, 53 no llevan algebra y 27 no llevan algebra ni aritmtica.
Cuntos alumnos llevan uno de los cursos?
Sumo todos los lleva por lo menos algo:
+ + =
+ + =
( ) + ( ) + =
+ + =
=
=
=
=
( ) + ( )
a) Cuntos alumnos llevan uno de los cursos? ( ) + ( )
1) =
+ =
2) = Respuesta: 44 alumnos llevan unos de los cursos.
EJEMPLO#62 Segn las preferencias de 420 personas que ven los canales A, B o C. Se observa que 180 ven el canal A, 240 ven el canal B
y 150 no ven el canal C, los que ven por lo menos dos canales son 230. Cuntos ven los 3 canales?
() =
() = + + + =

() = + + + = ; { }
+ + + =
() = + + + =
{ = }
Sabemos que:
+ + + + + + =
+++ ( + + + ) =

+ + + =
+ + =
+ + =
Sumando las primeras tres ecuaciones:

() + () + ()
+ + + + + + + + + + + =
+ + + + + + + =
+ + + (
+ + + ) + =

+ () + =
+ + =
+ =
=
=
Segn las preferencias de los televidentes, 40 personas ven los tres canales.

REGLAS DE PROBABILIDAD
Eventos Excluyentes
a) Eventos Mutuamente Excluyentes.- Se dice que dos eventos A,B son mutuamente excluyentes (ME), cuando uno y solo uno de ellos
puede ocurrir (suceder a la vez), a un mismo tiempo, esto significa que su interseccin es el vaco. Son ME si uno y solo uno de
ellos puede suceder a la vez. Si dos eventos son ME, la probabilidad de su unin se calcula como: matemticamente. La
probabilidad que al menos uno de ellos sucede se calcula con:
() = () + () ( ) = () + ()
Generalizando varios eventos , , , ( ) =
: ( ) = ( ) = , .
( ) = () + () + () + + ()
b) Eventos No Mutuamente Excluyentes.- Se dice que dos eventos A, B son NME si ambos pueden suceder a la vez.
() = () + () ( ) : ( ) >
} }
( ) = () + () ( ) ( ) >
c) Eventos Independientes.- Se dice que dos eventos A, B son independientes cuando el resultado de uno de ellos no afecta el
posterior resultado de otro experimento.
Probabilidad Marginal () = ()
Probabilidad Conjunta ( ) = () () ( ) = () ()
Probabilidad Condicional (/) = ()
d) Eventos Dependientes.- Se dice que dos eventos A, B son dependientes cuando el resultado de uno de ellos afecta el posterior
resultado de otro experimento.
Probabilidad Marginal () = () + () + () +
Probabilidad Conjunta () = () (/)
()
Probabilidad Condicional (/) = ()
e) Probabilidad Condicional en Condiciones de Dependencia:
( )
(/) =
()
f) Probabilidad Condicional en Condiciones de Independencia:
EJEMPLO#63 Un experimento aleatorio consisti en tomar la edad en aos cumplidos de un grupo de 6 universitarios, logrando el espacio
muestra S = {18, 19, 20, 21, 22, 23} el evento A es de elegir una persona de edad menor o igual a 19, el evento B de mayor o igual a 21 aos.
Calcular la probabilidad de A o B.
= {, , , , , } () =
( ) = () + () ( )
= {, } () = () =

( ) = +
= {, , } () = () =

( ) =
={ }
( ) =
( ) = ,

( ) = =

No hay interseccin
EJEMPLO#64 De un mazo de 52 cartas. Calcular la probabilidad de extraer un AS o una Reina.
= { , , } () =
= { , , , } () =
}
= { , , , } () =

( ) = () + () ( ) = + = =

EJEMPLO#65 De un mazo de 52 cartas. Calcular la probabilidad de extraer un AS o una espada.
= { , , } () =
= { , , , } () =
= { , , , , , , , , , , , , } () =
= { } ( ) =

( ) = () + () ( ) = + = =

EJEMPLO#66 Al lanzar dos dados se calcula la probabilidad de que la suma sea 7 o que ambos sean impares. Al lanzar dos dados, el
evento A es de que la suma salga 7; el evento B es que ambos salgan impares. Calcular la probabilidad de A o B es unin:
= {(, ), (, ), (, ), , (, )} () =

= {(, ), (, ), (, ), (, ), (, ), (, )} () = () = =

= {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} () = () = =

= {} ( ) =

( ) = () + () ( ) = + = =
{ }

EJEMPLO#67 Para contratar a empleados de una empresa se tiene las postulaciones: a, b, c, d, e. Calcular la probabilidad de elegir b d.
= {, , , , } () = = {} = {} = {} = {} = {}
() = () = () = () = () =
= { } = ( ) =

( ) = () + () ( ) = + =

EJEMPLO#68 Un experimento aleatorio consisti en tomar la edad en aos cumplidos de un grupo de 8 universitarios, logrando el espacio
muestral de: S = {18, 19, 20, 21, 22, 23, 24, 25} el evento A es de elegir una persona de edad menor o igual a 22 aos, el evento B de mayor o
igual a 20 aos, el evento C de menor o igual a 18 aos.
a) Calcular la probabilidad de la unin de los eventos: A, B:
= {, , , , , , , } () =

= {, , , , } () = () =

= {, , , , , } () = () =

= {, , } ( ) = ( ) =

( ) = () + () ( ) = + =

b) Calcular la probabilidad de la unin de los eventos: B, C:
() =

= {, , , , , } () = () =

= {} () = () =

= { } = ( ) = ( ) =

( ) = () + () ( ) = + =

c) Calcular la probabilidad de la unin: A, C:

() = () =

= {} ( ) = ( ) =

( ) = () + () ( ) = + =

EJEMPLO#69 Se lanza un dado. Calcular la probabilidad de que se obtenga a mayor que 2 que sea par.
= {, , , , , } () =

= {, , , } () = () = =

= {, , } () = () =

= {, } ( ) = ( ) =

( ) = () + () ( ) = + =

EJEMPLO#70 Al efectuarse una encuesta de tipo poltico, sobre 20 encuestados, 9 son de izquierda (I); 10 son de derecha (D); 3 son de
ambas tendencias. Calcular la probabilidad de:
()
a) Es de slo D: : ( ) = = = , % (, ) =
()
)
b) Es de slo I: : (
) = (
= = , % (, ) =
()
c) Es de D o I:

: = , %

() () ( )
( ) = () + () ( ) = +
() () ()

( ) = + = , % , () =

d) No es de I:

= = ,

()
() = () = = = , % , () =
()

EJEMPLO#71 Las edades de un grupo de personas son: (25, 27, 27, 28, 31, 32, 34, 35). = {, , , , , , , } () =
a) El evento A es de personas de edad menor o igual a 27, el evento B de mayor o igual a 34. Calcular la probabilidad de A o B, son o no ME:
= {, , , , , , , } () =

= {, , } () = () =

= {, } () = () =

( ) = () + () ( ) = + =

:
( ) = () + ()

= +

= ,

b) El evento C es de personas de edad menor o igual a 32, el evento D de mayor o igual a 28. Calcular la probabilidad de C o D son o no ME:

= {, , , , , } () = () =

= {, , , , } () =
= {, , } ( ) =

( ) = () + () ( ) = + =

:
( ) = () + ()

= +

,

c) El evento E es de personas de edad mayor o igual a 28, el evento F de mayor o igual a 32. Calcular la probabilidad de E o F son o no ME:
= {, , , , } () =
= {, , } () =
= {, , } ( ) =

( ) = () + () ( ) = + =

:
( ) = () + ()

= +

,

EJEMPLO#72 Calcular la probabilidad de los siguientes eventos, analizando si son o no ME.

a) Se lanzan dos dados buscando que la suma sea 5 que ambos sean impares:

b) Se lanzan dos dados buscando que la suma sea 8 que ambas sean pares:
= {(, ), (, ), (, ), (, ), (, )} () =
= {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} () =
= {(, ), (, ), (, )} ( ) =
:

( ) = + = /

,

c) Se lanza un dado buscando obtener impar menor que 5:
= {, , , , , } () =
= {, , } () =
= {, , , } () =
= {, } ( ) =

( ) = + =

:
( ) = () + ()

= + Nota: los cuadro que estn marcados con color plomo son los

datos que me da el enunciado, son los datos que tenemos de
, entrada. Y despus completamos la tabla los cuadros blancos.

d) De un mazo de 52, cartas. Calcular la probabilidad de extraer un 9 o un Rey:

{ } = { , , } () = () =
, , ,
= { , , , } () =
= { , , , } () =

( ) = () + () ( ) = + = =

:
( ) = () + ()

= +

= ,

e) De un mazo de 52 cartas. Calcular la probabilidad de extraer un 7 un trbol:
= { , , , } () =
= { , , , , , , , , , , , , } () =
= { } ( ) =

( ) = + = =

:
( ) = () + ()

= +

,

EJEMPLO#73 Pronostico de cambio de precio: Los precios de cierre maana para azcar en la junta de comercio de Bolivia son
clasificados como: Ms bajo=L ; el mismo=S; ms alto=H.
Cuando los compradores con los precios de apertura. El que ocurrir maana, en cuanto a la comparacin de los precios de cierre para
azcar con los de apertura se refiere, es obviamente un experimento aleatoria. Cmo describira usted los siguientes sucesos, uno o ms
de los cuales ocurrirn maana en la junta de comercio de Bolivia?
SOLUCIN:
a) Espacio muestral:
= { , , } = {, , }
b) El suceso, el precio de cierre de azcar es el mismo o ms bajo que el precio de apertura:
( ) = { , } = {, }
c) El suceso, el precio de cierre de azcar es el mismo o ms alto que el precio de apertura:

( ) = { , } = {, }
Es su espacio muestral S dado en a)
d) Mutuamente excluyente? ME
S es ME ya que no contiene resultados duplicados
e) Colectivamente exhaustivo? CE
S es CE ya que contiene todos los posibles resultados del Experimento Aleatorio
Cules de los sucesos son ME? Ninguno de los sucesos son ME ya que de:
: { , , } { , } = { , }
{, } = {, }
: { , , } { , } = { , }
{, } = {}
: { , } { , } = { }
{, } {, } = {}
REGLA DE ADICION
EJEMPLO#74 Auditando un archivo de cuentas por cobrar. Durante el ltimo mes se auditaron 2500 cuentas en un archivo de cuentas por
cobrar. Fueron auditadas y en seguida clasificadas dentro de una de las tres categoras: exenta de error, menor (contiene menos errores), y
mayor (contiene ms errores). La frecuencia de ocurrencia de cada clasificacin est dada en la tabla JVH. Durante un auditaje futuro, una
cuenta seleccionada arbitrariamente seria alguna que perteneciera a A B C, donde A denota exenta de error, B denota contiene menos
errores, y C denota contiene ms errores. Sea P(A), P(B) y P(C) dados en la tabla JVH las probabilidades de que A B ocurran,
respectivamente, para un cuenta seleccionada arbitrariamente en un auditaje futuro.
TABLA JVH. RESULTADOS DE AUDITAJE ARCHIVO DE CUENTAS POR COBRAR
CATEGORIA DE LAS CUENTAS SUCESO NUMERO DE CUENTAS PROBABILIDAD DE
OCURRECIA
Exenta de error A 2000 P(A)=0,80
Menos cantidad de errores B 400 P(B)=0,16
Ms cantidad de errores C 100 P(C)=0,04
SOLUCIN:
Sabemos que los sucesos A, B y C son ME y exhaustivos.
() + () + () = , + , + , =
( ) = () + () + () ( ) =?
: = = = =
Observamos que la probabilidad de una cuenta seleccionada al azar est exenta de error (suceso A ocurra), ms probabilidad de que
contenga al menos un error (el complemento de A ocurra, se escribe como el suceso Ac ocurre), tiene lgicamente que ser igual a 1.
() + ( ) = () = ( ) ( ) = ()
Desarrollamos un diagrama de Venn:

=?
CATEGORIA DE SUCESO PROBABILIDAD
CUENTAS Exenta de No exenta de error y Ms
Exenta de error A P(A)=0,80 error no ms cantidad de cantidad de
Ms cantidad de errores C P(C)=0,04 A errores errores
c
0,84 (0,80) (AUC) C
( ) = ( ) = () + () = , + , = , (0,16) (0,04)
( ) = (( ) ) = ( ) = , = ,
Los sucesos en muchas aplicaciones No son ME. Supongamos que el 60% de las cuentas en el archivo de cuentas por cobrar tienen saldos
de Bs.- 10000 o ms y el 40% de las cuentas tienen saldos menores que Bs.- 10000 sea:
RESULTADOS DE UN AUDITAJE ARCHIVO DE CUENTAS POR COBRAR
CUENTAS SUCESO PROBABILIDAD
Exento de error con un saldo menor que Bs.- 10000 AD
0,5
C
Exento de error con un saldo igual o mayor que Bs.- 10000 AD 0,3
Exento de error A 0,80
c
Contiene ms de un error A 0,20
Saldo mayor de Bs.- 10000 D 0,60
Saldo menor que Bs.- 10000 Dc 0,40
. () = , (%)
( . )
= ( )
= () = , = , (%)
( ) = () + () ( )
( ) = , + , , = , , = , %

PROBABILIDAD CONDICIONAL
Es frecuente la necesidad de conocer la probabilidad de un evento, luego de que otro evento previo haya ocurrido, para ello se tiene el
concepto de probabilidad condicional.
La notacin se denota de la siguiente manera: ( ) se lee como la probabilidad de que un evento B ocurra dado que A ha ocurrido, o
simplemente la probabilidad condicional de B dado A.
Si A, B son dos eventos de un espacio muestral S la probabilidad condicional de B dado A, es el nmero ( ) que se define como:
( )
( ) = ; () > ; () = , ( ) =
()
La probabilidad condicional ( ) satisface a los axiomas de la probabilidad en trminos generales cuando se verifica lo siguiente:
( ) ( ).
La probabilidad condicional ( ) debe entenderse como la probabilidad de que ocurra B, luego de que ya ha ocurrido A.
EJEMPLO#75 Probabilidad de que al lanzar dos dados, se obtengan dos pares, dado que su suma es 8.
SOLUCIN:
Se trata de una probabilidad condicional de B dado A donde el evento A es que la suma sea 8, a su vez B es obtener los dos pares. En otras
palabras dentro del evento A, se busca a aquellos elementos donde ambos sean pares B.
= {(, ), (, ), (, ), , (, )} () = ( )
= {(, ), (, ), (, ), (, ), (, )} () = ( ) ()
{ } ( ) = = = =
= {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} () = () ()
= {(, ), (, ), (, )} ( ) = ()
Puede obtenerse el mismo resultado razonando que dentro de las cinco opciones del evento A, se buscan aquellos de nmeros pares, son

tres tales opciones: ( ) =
Note que (A) acta como un nuevo espacio muestral pero restringido, ya que dentro de este se buscan las posibilidades de (B).
b) Otro ejemplo:
Para el caso de que precise la probabilidad de que al lanzar dos dados, se obtenga suma 8 dado que ambos dados deben ser pares.
( )
( ) ()
( ) == = = =
() ()
()
EJEMPLO#76 De un grupo de estudiantes el 60% aprob Algebra, 35% aprob Botnica y 20% aprob ambas materias. Eligiendo un
estudiante al azar. Calcular la probabilidad de:
() ()
a) Haber aprobado Botnica dado que aprob Algebra: ( ) = = = =
() ()
() ()
b) Haber aprobado Algebra dado que aprob Botnica: ( ) = = = =
() ()

c) Haber aprobado Algebra o Botnica: ( ) = () + () ( ) = + =

EJEMPLO#77 De un grupo de 300 universitario donde estudian Auditoria (A) y el resto Bioqumica (B), se sabe que un 40% son mujeres de las

cuales estudian Bioqumica. a) Calcular la probabilidad de que un estudiante sea hombre y de auditoria.

b) Que un estudiante sea hombre, dado que es de auditoria.
SOLUCIN:
Total de universitarios: () = .
%
Total de hombres:() = % = = % =
%
Total de mujeres: () = % = = % =

Total de universitarios que estudian Auditoria: () = = =

Total de universitario que estudian Bioqumica: () = = =

Luego considerando que de las mujeres estudian Bioqumica: que seria 30 mujeres que estudian bioqumica.
AUDITORIA BIOQUIMICA TOTAL
HOMBRES 110 70 180
MUJERES 90 30 120 =

TOTAL 200 100 300
a) Calcular la probabilidad de que un estudiante sea hombre y de Auditoria:

( )
( ) = = = , , % "y"
()
b) Que un estudiante se hombre, dado que es de Auditoria:
( ) ( )
( ) = = = = , %
() ()

EJEMPLO#78 Calcular las siguientes probabilidades condicionales.
a) Al lanzar dos dados, se obtengan dos impares, dado que se suma es 6:
, , , , ,
{ } = {(, ), (, ), (, ), , (, )} () = =
, , , , ,
= {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} () =
= {(, ), (, ), (, ), (, ), (, )} () =
= {(, ), (, ), (, )} ( ) =

( )
( ) = = =
()

b) Qu al lanzar un dado, se obtengan nmeros divisibles por 3, dado que se obtuvo par?:

= {, } () = () =

= {, , } () = () =

= {} ( ) = ( ) =

( ) ()
( ) = = = =
() ()

EJEMPLO#79 De un grupo de 200 universitarios de Auditoria o Biologa, 30% son mujeres. Un 60% estudia Auditoria de las son mujeres.
Calcular la probabilidad de: a)Que un universitario sea hombre y de auditoria b)Que una universitaria sea mujer, dado que estudia biologa.
Total de mujeres: (, ) =
Total de hombres: (, ) =
Total de universitarios que estudian Auditoria: (, ) = .
Total de universitarios que estudian Biologa: (, ) = .

= . .

= . .
AUDITORIA BIOLOGIA
MUJER 30 30 60
HOMBRE 90 50 140
TOTAL 120 80 200

a) Que un universitario sea hombre y de Auditoria: ( ) = = = , %

()
b) Que una universitaria sea mujer, dado que estudia Biologa: ( ) = =
= = = , , %
()

EJEMPLO#80 En una empresa el 70% de los empleados son hombres, de los cuales el 40% son profesionales, entre las mujeres solo el
25% son profesionales. Calcular la probabilidad de: a)El empleado elegido es hombre profesional b)El empleado elegido es mujer no
profesional. Supongamos que hay 1000 empleados.
Total hombres: (, ) =
Total mujeres: (, ) =
Hombres profesionales: . . (, ) = . .
Mujeres profesionales: (, ) = . .
Hombres no profesionales: = . .
Mujeres no profesionales: = . .
a) El empleado elegido es hombre profesional:

() = ( ) = = = ,

b) El empleado elegido es mujer no profesional:

( ) = ( ) = = ,

EJEMPLO#81 La probabilidad de que al lanzar dos dados, dado que se obtenga nmeros diferentes se logre.
, , , , ,
{ } = {(, ), (, ), , (, )} () = =
, , , , ,
= {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ),(, ), (, ), (, ), (, ), (, ), (, ), (, )
(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} () =

a) Suma 8:
= {(, ), (, ), (, ), (, ), (, )} () =
= {(, ), (, ), (, ), (, )} ( ) =

()
( ) = = = =
()

b) Aparezca el numero 3:
= {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} () =
= {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )} ( ) =

( ) = = = =

c) La suma sea menor o igual a 4:
= {(, ), (, ), (, ), (, ), (, ), (, )} () =
= {(, ), (, ), (, ), (, )} ( ) =

( ) = = =

EJEMPLO#82 De un grupo de estudiantes el 50% aprob Historia (H), 55% aprob Geografa (G) y 15% aprob ambas, eligiendo un estudiante al
azar, calcular la probabilidad de: a)Haber aprobado G dado que aprob H b)Haber aprobado H dado que aprob G c)Haber aprobado HoG.
a) Haber aprobado G dado que aprob H:

()
( ) = = = =
()

b) Haber aprobado H dado que aprob G:

()
( ) = = = =
()

c) Haber aprobado H o G:
+
() = + = = =

EJEMPLO#83 Durante los ltimos aos, desde el 16 junio de 1979 la empresa AL-QUADOSH+ ha aplicado una prueba escrita a cada uno de
los candidatos a ocupar cargos administrativos y que lo practican durante una entrevista en la compaa. Un resumen de las estadsticas de
los ltimos 10 aos (1979 1989) de aquellos que fueron contratados y sus resultados con AL-QUADOSH+ esta dado en la siguiente tabla:
Examen de la Empresa AL-QUADOSH+
Prueba de la Primera Entrevista (TABLA I)
ESTADO PRESENTE Total
Resultados de la Prueba de la Entrevista (de Alta Posicin Posicin ADM Despedido (D)
100 puntos posibles) Administrativa(S) Intermedia (J)
70 o ms (H) 20 120 60 200
Menos de 70 (L) 10 50 40 100
Total 30 170 100 300
NOTA: Contrato 300 de los entrevistados durante 1979 1989 de los cuales 200 sacaron 70 o ms en la prueba y 100 sacaron menos de 70 en
la primera prueba, de los 200 que sacaron 70 o ms en la prueba, = + tuvieron xito con AL-QUADOSH+ y 60 de los 200 fueron
despedidos. 20 de los 140 avanzaron a la ms alta posiciones administrativas y 120 avanzaron a las posiciones intermedias en la
administracin. De los 100 practicantes que fueron contratados y que secaron menos de 70, = + tuvieron xito con QUADOSH, y 40
de los 100 que sacaron menos de 70 fueron despedidos por QUADOSH 10 de los 60 han avanzado a las ms altas posiciones administrativas
y 50 de los 60 avanzaron a posiciones intermedias en la ADM.
( ) =?

Antes de la barra, est dado el suceso S en suya probabilidad estamos interesados; despus de la barra se da el suceso H que ha ocurrido u
ocurrir ciertamente. ( ) =?
En la tabla observamos que 200 practicantes (200 observaciones) sacaron 70 o ms esto es () = , adems de la tabla, 20 de los que
sacaron 70 o ms avanzaron hasta una posicin alta: ser ( ) =
( )
( ) = ( () ()) ( ) = = = ,
()
En el clculo ( ) solo hemos considerado 200 practicantes que sacaron 70 ms, no considerando todos los 300 practicantes. Esto es,
nuestro espacio muestral son esos practicantes que sacaron 70 o ms. Excluyendo a los practicantes con menos de 70.
a) Cul es la probabilidad de que un practicante contratado recientemente avance a una posicin alta dado que saca baja
calificacin en la prueba?
( )
( ) = = = ,
()
b) Cules son las probabilidades de que un practicante contratado recientemente avance a posiciones intermedias dado cuando el
saque en la prueba el practicante sacar bajo (H) o alto (L)?
( ) ( )
( ) = = = , ( ) = = = ,
() ()
c) Cul es la probabilidad de que un nuevo practicante que saca bajo en la prueba, pueda ser despedido eventualmente por AL-QUADOSH+?
( )
( ) = = = ,
()
d) Cul es la probabilidad de que un practicante que saca alto en la prueba, pueda ser despedido eventualmente por AL-QUADOSH+?
( )
( ) = = = ,
()
Resumen: 1979 1989 examen de la empresa AL-QUADOSH+ (TABLAII)
PREDICCIONES CONDICIONALES
Resultados Obtenidos de la Total
Alta Posicin Posicin ADM Despedido (D)
Entrevista
Administrativa(S) Intermedia (J)
ALTA (H) 0,10 0,6 0,30 1,00
BAJA (L) 0,10 0,5 0,40 1,00
Interpretacin: Que ( ) = ( ) = , existe un 10% de probabilidad de que un practicante avance a una alta posicin ADM, sin
importar que resultado saque en la prueba.
Que es ms probable que un practicante que saca bajo en la prueba, pueda ser despedido que un practicante que saca alto ser as:
( ) = , > , = ( )
Durante el 1979 1989 tenemos cerca de 300 contratados. (TABLA II)
BUENOS RESULTADOS
Alta Posicin ADM (S) Posicin ADM Intermedia (J) Despedidos (D) Total
30 170 100 300
Han sido exitosos, 30 y 70, y 100 el nmero de despedidos de los 300 practicantes.

( ) = () = = = ,

( ) = () = = = ,

( ) = () = = = ,

() + () + () = ( , )
: ( ) = , () = ,
( ) = , = ()

TABLA IV
BUENOS RESULTADOS Despedidos (D) Total
Alta Posicin ADM (S) Posicin ADM Intermedia (J)
0,1 0,567 0,333 1,00
Probabilidad de la tabla III
( ) = , ()
= ,

( ) = ,
() = ,
Si usted predice insuficientemente el xito a nivel intermedio () = , , Si no conoce el resultado de H (70 ms).
Prediccin baja en cantidad , ( ) ()
REGLA GENERAL DE LA MULTIPLICACION

Se llama evento de la interseccin A: AB representa al evento de que tanto A como B ocurran, entonces a partir de la probabilidad condicional.
( )
: ( ) = ( ) = () ( )
()
( ) = () ( ) .
EJEMPLO#84 De un lote de 12 televisores (TV) usados en venta, se sabe que 3 son defectuosos, calcular la probabilidad de vender
sucesivamente a 2 TV defectuosos.

D1: Evento de que el primer TV sea defectuoso ( ) =
Luego de vender el primer TV defectuoso, quedan 11 TV de los cuales 2 son defectuosos.

D2: Evento de que el segundo TV sea defectuoso ( ) =
La probabilidad e vender sucesivamente dos TV defectuosos es: ( ) =?

( ) = ( ) ( ) = = = = = , %
Dnde: ( ) es la probabilidad condicional de vender un segundo Televisor defectuosos, luego de que vendi el primer
TV defectuosos.

EJEMPLO#85 En la tabla se muestra la cantidad de universitarios que se matricularon y luego egresan de una carrera.
AUDITORIA BIOLOGIA DERECHO TOTAL
Matriculados 180 160 240 580
Egresados 120 40 210 370
Total 300 200 450 950
Los matriculados son los que inician una carrera y los egresados son los mismos que al cabo de ciertos aos terminan su carrera. Calcular
la probabilidad de que un universitario sea de Auditoria (A) y sea egresado. Lo mismo con uno de derecho.
A: evento de que el universitario es de auditoria.

Probabilidad de que el universitario elegido sea de auditoria: () = = = , %
E: Evento de que el universitario elegido haya egresado.

Que sea de Auditoria y egresado ser el evento: AE ( ) = () ( ) = = = = , %
Dnde: ( ) es la probabilidad condicional de que sea egresado dado que es de Auditoria. En la tabla se observa que de los 370
egresados, 120 son de Auditoria.
b) Probabilidad de que el universitario elegido sea de derecho y haga egresado:

( ) = () ( ) = = = , %

EJEMPLO#86 En una urna (caja cerrada) se tiene 7 bolas o canicas, 2 son blancas, 5 son negras. Calcular la probabilidad de:
a) Obtener una bola blanca y luego otra negra al sacar sucesivamente sin reposicin:
b) Obtener una bola negra y luego otra negra al sacar sucesivamente sin reposicin:
c) Obtener una bola negra y luego otra negra y luego otra blanca al sacar sin reposicin:
a) Obtener una bola blanca y luego otra negra al sacar sucesivamente sin reposicin:
Si se sacan de una urna, se supone que se sacan las bolas sin ver previamente su color. Al indicarse sin reposicin significa que tras sacar una bola no se la
repone o no se la devuelve a la urna, de modo que al sacar la segunda bola las condiciones iniciales han cambiado. Esto significa que los eventos son
dependientes.
El espacio muestral S contiene a siete elementos (cada una de las bolas). Se considera que el evento de sacar una bola blanca es B, una negra es N, por
tanto se busca. Calcular la probabilidad de obtener ( ) =?
= {, , , , , , } () =
= {, , , , } () = ; = {, } () =
()
() = =
()
Al sacar la primera bola, quedan en la urna solo 6 como posibilidades para sacar la segunda bola. Aplicando la regla de multiplicacin.

( ) = () ( ) = = =

( ) Significa la probabilidad de sacar una bola N luego de saber sacado una B.
b) Obtener una bola negra y luego otra negra al sacar sucesivamente sin reposicin:
Para este caso se considera que el evento de sacar una bola negra en la primera extraccin es N 1, una negra en la segunda extraccin es
N2 por lo tanto se busca calcular la probabilidad de obtener ( ) =?
= {, , , , , , } () =
= {, , , , } ( ) =
( )
( ) = =
()
= {, , , } ( ) =
Al sacar la primera bola negra, quedan en la urna slo 6, de ellas 4 con probabilidades para sacar la segunda bola negra. Aplicando la ley de multiplicacin.

( ) = ( ) ( ) =
= =

( ): , .
c) Obtener una bola negra y luego otra negra y luego otra blanca al sacar sin reposicin:
Sacar una blanca en la tercera extraccin es el evento B

)
( ) = (

(
) =?

" "
{ }
;
( "" )

( ) = ( ) ( ) { ( )} = = = =

Dnde: { ( )} significa la probabilidad de sacar una bola B luego de haber sacado una N y otra N tambin.

EJEMPLO#87 De una caja de 10 disquetes, dos son defectuosos. Calcular la probabilidad cuando:
a)
Los dos primeros disquetes que se usan sean defectuosos:
= =
= { , , , , , , , , , } () = () = +

( ) = ( ) ( ) = = =

b) Los dos primeros disquetes que se usan sean buenos:
()()
( ) = ( ) ( ) = = = =
()()
c) El primer disquete es bueno, pero los dos siguientes son defectuosos:

( ) = () ( ) { ( )} = =

EJEMPLO#88 Un dado se lanza dos veces, el evento A es que el primer lanzamiento se obtenga 5, el evento B es de que el segundo
lanzamiento se obtenga 6. Calcular la probabilidad de los eventos A, B, AB; son independientes?
A, B son independientes si la ocurrencia de A no afecta a la ocurrencia de B.
, , , , ,
( ) = () () { } = {(, ), (, ), , (, )} () =
, , , , ,
= {(, ), (, ), (, ), (, ), (, ), (, )} () =
= {(, ), (, ), (, ), (, ), (, ), (, )} () =
= {(, )} ( ) =

() = = ; () = = ; ( ) =

:
( ) = () () B TOTAL

= A 1 5 6

5 25 30
= ,

TOTAL 6 30 36
EJEMPLO#89 En una urna se tiene 6 bolas, 3 azules (A), 2 blancas (B), una roja (R). Calcular las probabilidades de extraer de dicha urna.
= {, , , , , } () =

a) Una bola blanca (B): () = =

b) Una bola A y una B con reposicin: ( ) = = =

c) Una bola A y una B sin reposicin: ( ) = = =

d) Una bola A y una B y una R con reposicin: ( ) = = =

e) Una bola A y una B y una R sin reposicin: ( ) = =

f) Una bola A y una A y una R sin reposicin: ( ) = =
EJEMPLO#90 En una urna se tiene 12 bolas, 4 son rojas (R) ,3 son blancas (B), y 5 son azules (A) .Calcular la probabilidad de los siguientes casos:
= {, , , , , , , , , , , } () = () = + +

a) Sacar un bola roja (R): () = =

b) Sacar una bola R y una A, con reposicin: ( ) = =

c) Sacar una bola R y A, sin reposicin: ( ) = =

d) Sacar una bola R y B y A con reposicin: ( ) = =

e) Sacar una bola R y B y A sin reposicin: ( ) = =

f) Sacar una bola R y A y A sin reposicin: ( ) = =
EVENTOS INDEPENDIENTES (EI)

Se entiende por EI a aquellos eventos A, B donde la ocurrencia de A no afecta a la ocurrencia de B caso contrario se llaman eventos
dependientes ED. Sin embargo para un definicin matemtica de la independencia de eventos, se debe considerar lo siguiente.
Los eventos A, B son (EI), si y solo si:( ) = () ()
Es decir que cuando los eventos son independientes, la probabilidad de la interseccin es el producto de sus probabilidades.
A la expresin suele llamarse tambin regla especial de la multiplicacin. A partir de la definicin de probabilidad condicional:
( )
: ( ) = ( ) = () ( )
()
: ( ) = () () ( ) = () (); (A,B) .
Obviamente tambin debe cumplirse que: ( ) = (A)
Para el caso de n eventos independientes: ( ) = ( ) ( ) ( )
Si A, B son eventos de un espacio muestral S, A y B son dependientes si la ocurrencia de A afecta a la ocurrencia de B.
Ejemplo: Las extracciones de dos naipes sin reemplazo de un mazo son eventos dependientes:
( )
( = () ( ) ( ) =
()
Otra forma:
( )
( ) = () ( ) ( ) =
()
( )
( ) = () ( ) ( ) =
()
Dnde: ( ), probabilidad de que ocurra (B), luego de que ya ha ocurrido (A).
Si A, B son eventos de un espacio muestra S; A y B son independientes si la ocurrencia de A no afecta a la ocurrencia de B.
Ejemplos: Los resultados asociados con el lanzamiento de una moneda equilibrada dos veces seguidas se consideran (EI), porque el
resultado del primer lanzamiento no tiene ningn afecto en las probabilidades respectivas de que en el segundo lanzamiento ocurra una cara
o un sello. () = () ()
Otra forma: ( ) = () ()
EJEMPLO#91 Los siguientes ejemplos de eventos son (EI) y (ED).
a) Si los eventos A, B son obtener cara y cara en dos lanzamientos de una moneda:
Los eventos son independientes, ya que el resultado de un primer lanzamiento influye en el segundo:

( ) = () () = = (), =

b) Una urna contiene 2 bolas blancas y 5 negras. Si el evento A si el evento consiste en sacar una bola blanca ; el evento B
consiste en sacar una bola negra , sin reposicin:

( ) = () ( ) = = = ()

Los eventos son dependientes, ya que al haber sacado una primero bola y no reponerla, las condiciones son diferentes para la ocurrencia
del segundo evento, por lo tanto el primer evento afecta al segundo.
c) Un dado se lanza dos veces , el evento A es de que en el primer lanzamiento se obtenga 3 , el evento B es de que en el segundo
lanzamiento se obtenga 4 .Calcular:
1. Las probabilidades de los eventos A, B, Son independientes?
Solucin:
= {(, ), (, ), (, ), (, ), , (, )} () =
Sacamos de un dado:

() = () = ( ) = =

( ) ( )
( ) = = = ; ( ) = = =
() ()

( ) = () ( ) = () ; ( ) = () () = = ()

2. Las probabilidades de obtener los nmeros 3 y 4: = = {(, ), (, ), (, ), (, ), . , (, ) , (, ) . . , (, )}

= = = , %

TEOREMA DE BAYES TDB

El teorema de Bayes ofrece un mtodo estadstico para evaluar nueva informacin y revisar nuestras anteriores estimaciones.
Un teorema de gran importancia, llamado TDB, permite el clculo de probabilidades de un evento si se conocen las otras probabilidades del
mismo espacio muestral. Si: B1, B2,, BK es una particin del espacio muestral S y A es un evento asociado con S, entonces:
( ) ( ) ( ) ( )
( ) = ( ) = ; = , , , ,
( ) ( ) + ( ) ( ) + + ( ) ( ) = ( ) ( )
Para calcular la probabilidad de Bj dado A; ( ), es preciso conocer todas las otras probabilidades de B dentro del espacio muestral S
esto indudablemente limita la aplicacin del TDB.
La interpretacin ms aceptada del TDB, es que su estructura permite el clculo de probabilidades despus de haber sido realizado un
experimento (probabilidades a posteriori), basndose en el conocimiento de la ocurrencia de ciertos eventos que dependan del evento
estudiado, o sea, se parte de probabilidades conocidas antes de efectuar el experimento (probabilidad a priori), las cuales son afectadas por
las probabilidades propias del experimento (las que aparecen durante la ocurrencia del evento) donde:
( )
{( ) A }
( )
() ( )
( ) =
() ( ) + () ( )
( ) ()
( ) =
( ) () + ( ) () + ( ) () +
( ) ( )
( ) =
{ ( ) ( ) + ( ) ( ) + + ( ) ( ) }

EJEMPLO#92 De darse la capitalizacin de las empresas papeleras el prximo ao, la probabilidad de que el papel de imprenta aumente de
precio es de 90%. Pero si la capitalizacin no se realiza, la probabilidad de un aumento es de 40%. En general, estimamos que hay una
posibilidad de 60% de que se realice la capitalizacin el prximo ao.
a) Elabore un rbol de probabilidad de esta situacin que implica eventos independientes empleando , para la capitalizacin y no
capitalizacin. para el aumento y no aumento en el precio del papel:
= =
= =
b) Supongamos que, en efecto, el precio del papel aumenta en el curso del ao prximo. Cul es la posibilidad de que se realice la
capitalizacin de las papeleras?:
( ) () (, ) (, ) , ,
( ) = = = = = = , , %
( ) () + ( ) ( ) (, ) (, ) + (, ) (, ) , + , ,
EJEMPLO#93 Tres mquinas A, B, C, producen el 45%, 30% y 25% respectivamente del total de las piezas producidas en una fbrica.
Los porcentajes defectuosa de estas mquinas son 3%, 4% y 5% a) Seleccionamos una pieza a lazar, calcular la probabilidad de que sea
defectuosa: b) Tomamos, a lazar, una pieza y resulta ser defectuosa; calcular la probabilidad de haber sido producida por la maquina B:
c) Qu maquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?:
Solucin:
= =
a) Seleccionamos una pieza a lazar, calcular la probabilidad de que sea defectuosa:
() = () ( ) + () ( ) + () + ( ) = , (, ) + , (, ) + , (, ) = , + , + , = , , %
b) Tomamos, a lazar, una pieza y resulta ser defectuosa; calcular la probabilidad de haber sido producida por la maquina B:
() ( ) , (, ) , ,
( ) = = = = = = , %
() ( ) + () ( ) + () ( ) , (, ) + , (, ) + , (, ) , + , + , ,
c) Qu maquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?:
Calculamos ( ) y ( ) comparar con ( ) = , %
, (, )
( ) = = = , , %
, (, ) + , (, ) + , (, )
, (, )
( ) = = = , , %
, (, ) + , (, ) + , (, )
La mquina con mayor probabilidad de haber producido la pieza defectuosa es A.
EJEMPLO#94 Tenemos tres urnas: (A con 3 bolas rojas y 5 negra); (B con 2 bolas rojas y 1 negra); y (C con 2 bolas rojas y 3 negras).
Escogemos una urna a lazar y extraemos. Si la bola ha sido roja, Cul es la probabilidad de haber sido extrado de una urna A?
Solucin: R = Sacar bola roja ; N = Sacar bola negra
En el diagrama de rbol adjunto pueden verse las distintas probabilidades de ocurrencia de los sucesos R o N para cada una de las tres urnas.
() ( )
( ) =
() ( ) + () ( ) + () ( )

( ) =

+ +

( ) = =

+ +

( ) = = = , , %

EJEMPLO#95 En una reunin de profesionales 65% son auditores (B1), el resto son economistas (B2). Los hombres (H) son 80% y 60%
respectivamente: a) calcular la probabilidad de que sea economista, dado que es hombre:
b) Tomando una mujer a lazar, Calcular la probabilidad de que sea auditora: Su diagrama de rbol es:
Solucin:
( ) = , ( ) = , ( ) = ,
: { }
( ) = , ( ) = , ( ) = ,
La probabilidad de que sea dado que es H se calcula como:
a) Calcular la probabilidad de que sea economista, dado que es hombre:
( ) ( ) , (, )
( ) = = =
( ) ( ) + ( ) ( ) , (, ) + , (, )
b) Tomando una mujer a lazar, Calcular la probabilidad de que sea auditora:
( ) ( ) , (, )
( ) = = =
( ) ( ) + ( ) ( ) , (, ) + , (, )
Asumiendo que se trata de 1000 profesionales, se los distribuye de acuerdo a los porcentajes indicados, por ejemplo de los 350 un 60%
son hombres H; , () =
EJEMPLO#96 En una escuela se tienen tres cursos (B1, B2, B3), con nmero de alumnos 40,70 y 90 respectivamente. Tras un examen de
aptitud, Se declaran como aptos A 25, 40 y 20% respectivamente para cada curso.

( ) = = , ( ) = = , ( ) = = ,

( ) = , ( ) = , ( ) = ,
A los no aptos se los designa con N y Apto A.
a) Calcular la probabilidad de ser alumno del curso dado que es apto (A):
( ) ( ) (, ) (, )
( ) = = =
( ) ( ) + ( ) ( ) + ( ) ( ) , (, ) + , (, ) + , (, )
b) Si un alumno no es apto, que probabilidad tiene de ser del curso :
( ) ( ) (, ) (, )
( ) = = =
( ) ( ) + ( ) ( ) + ( ) ( ) , (, ) + , (, ) + , (, )
Conformada la tabla de acuerdo a los datos y porcentajes dados por ejemplo de los 40 alumnos de un 25% son aptos (A); , () =
obviamente el restante 75% no son aptos (N); , () = .

Las probabilidades requeridas son: ( ) = = ( ) = =
EJEMPLO#97 En una agencia bancaria se recibe un 60% de billetes nacionales ( ), el resto en billetes, extranjeros ( ), de los billetes
nacionales el 95% son autnticos (A), el resto son falsos (F), de los billetes extranjeros 80% son autnticos.
a) Calcular la probabilidad de que un billete autentico sea nacional:
b) Si un billete es autntico. Calcular su probabilidad de que sea extranjero:
= . ; = . ; ( ) = , ; ( ) = ,
( ) = , ( ) = ,
( ) = , ( ) = ,
Calcular la probabilidad de que un billete autentico sea nacional:
( ) ( ) , (, )
( ) = = =
( ) ( ) + ( ) ( ) , (, ) + , (, )
Si un billete es autentico. Calcular su probabilidad de que sea extranjero:

( ) ( ) , (, )
( ) = = =
( ) ( ) + ( ) ( ) , (, ) + , (, )
A F
5700 300 6000
3200 800 4000
8900 1100 10000
() % ""
(, ) =

EJEMPLO#98 En un hospital 70% son mdicos ( ), el resto son odontlogos ( ). Los hombres (H) son 80 y 60% respectivamente.
a)Calcular la probabilidad de que sea ,medico, dado que es hombre b)Tomando una mujer al azar, calcular la probabilidad de que sea odontloga.
( ) = , ( ) = , ( ) = % ( ) = , ( ) = %
{ } :
( ) = , ( ) = , ( ) = % ( ) = , ( ) = %
(%) = Mdicos Odontlogos
(%) =
(, ) = H 56 18 74
(, ) = M 14 12 26
70 30 100
a) Calcular la probabilidad de que sea mdico, dado que es hombre:

( ) ()
( ) = = = = = =
( ) ( ) + ( ) ( )
+ +

( )
Otra forma: ( ) = =
= =
()

b) Tomando una mujer al azar, calcular la probabilidad de que sea odontloga:

( ) ()
( ) = = = = = =
( ) () + ( ) ( ) +
+

( )
Otra forma: ( ) = =
=
()

EJEMPLO#100 Una oficina de inmigracin de un pas, est controlando a los recin llegados de tres barcos ( , , ) con nmeros de
pasajeros de 200,300 y 500 respectivamente. Tras un anlisis, se declaran con documentos autnticos (A) el 25 ,40 y 20% de los provenientes
de cada barco respectivamente. a)La probabilidad de ser pasajero del Barco1, dado que tiene documentos autnticos. b)Un pasajero no tiene
documentos autnticos, que probabilidad tiene de venir del Barco 2.

() = = , ( ) =

() = = , ( ) =

() = = , ( ) =

( ) = % ( ) = ( ) = % ( ) = ( ) = % ( ) = ( ) = % ( ) =
( ) = % ( ) = ( ) = % ( ) = ( ) = % ( ) = ( ) = % ( ) =
( ) = % ( ) = ( ) = % ( ) = ( ) = % ( ) = ( ) = % ( ) =
Opcional depende del enunciado del problema Opcional depende del enunciado del problema
a) La probabilidad de ser pasajero del Barco dado que tiene documentos autnticos.

( ) =
( ) ( )
= = == =

( ) ( ) + ( ) ( ) + ( ) ( )
+ + + +

()
Otra forma:( ) =
() = =

b) Un pasajero no tiene documentos autnticos, que probabilidad tiene de venir del barco :

( ) =
( ) ( )
= = == =

( ) ( ) + ( ) ( ) + ( ) ( ) + +
+ +

Otra forma:

( )
( ) = = =
()


EJEMPLO#101 Dado las siguientes ecuaciones:
( )
( ) = ( ) = () ( )
()
: [( ) ( )]
( )
( ) = ( ) = () ( )
{ () }
Sean A el suceso de que el precio de la gasolina suba el prximo mes y B el suceso de que el precio de la gasolina suba en el mes
subsiguiente. Se supone de las siguientes asignaciones de probabilidades. () = , () = , ( ) = ,
a) Cul es la probabilidad de que el precio de gasolina suba en cada uno de las prximos dos meses:
( ) = ( ) = () ( ) = , (, ) = , = %
b) Cul es la probabilidad de que el precio de gasolina suba el prximo mes o suba el mes subsiguientes:
( ) = () + () ( ) = , + , , = , %
c) Los cambios de los precios durante los 2 prximos meses son independientes?
( ) = () , ,
EJEMPLO#102 Que un archivo de cuentas por cobrar contiene 50 cuentas y que se someti a un auditaje parcial. Se cree que el 10%
contiene mayor cantidad de errores. Es decir, se cree que 5 de las 50 cuentas contiene ms cantidades de errores. Ahora el auditor
selecciona 3 cuentas aleatoriamente (M1, M2 y M3) indican que la primera, segunda y tercera cuentas contiene mayor cantidad de errores,
respectivamente, y C 1, C2 y C3 indican que la primera, segunda y tercera cuentas son correctas. Cada resultado del auditaje es representado
por una rama en el diagrama. La probabilidad de cada resultado es indicada a lo largo de cada rama. Observe que en la figura que hay 2
ramas por cada cuenta auditada una para mayor cantidad de errores y otra para no errores. Finalmente observe en la figura que cada ruta
(una ruta es igual a 3 ramas) define un resultado del auditaje completo. Los resultados de cada cuenta auditada no son independientes, ya
que despus de que una cuenta es auditada esta no es considerada (no es puesta de nuevo en el archivo) otra vez para ser auditada. Por
ejemplo, si la primera cuenta auditada contiene mayor cantidad de errores (M1 ocurre), quedan solamente 4 cuentas de esta clase en el

archivo, de un total de 49, entonces si M1 ocurre, la probabilidad que M2 ocurra es de ; por cuya razn es una probabilidad condicional:
Tcnicamente estamos diciendo lo siguiente:

( ) = ( =)

( ) = ( = )

Diagrama de rbol: de una archivo de tamao de 50 cuentas:
= ; =

= ,

a) Cul es la probabilidad de que la primera y la segunda cuenta contengan mayor cantidad de errores?

( ) = ( ) ( ) = = = , , % ; %.

b) Cul es la probabilidad de que la primera cuenta auditada contenga mayor cantidad de errores y la segunda sea correcta?

( ) = ( ) ( ) = = = , , %

Cul es la probabilidad de que la 3 cuenta auditada contenga mayor cantidad de errores dado que la 1ra y la 2da cuentas contienen
ra
c)
mayor cantidad de errores?

( ) = ( , )

d) Cul es la probabilidad de que las 3 cuentas auditadas contengan mayor cantidad de errores?:
=
=

( ) = ( ) ( ) = (, ) = ( ) = ,

e) Cul es la probabilidad de que las 3 cuentas auditadas sean correctas?

( ) = ( ) ( ) = = ,

( ) = ( ) (
) = ,

( )=( )()=

( ) ()
( ) = ;
()
Explicacin del TDB.- Es la probabilidad que se utiliza cuando tenemos dos eventos dependientes, o sea la ocurrencia de uno depende de la
ocurrencia del otro. Y queremos saber la probabilidad de ocurra el primer evento dado que se sabe el segundo.
EJEMPLO#103 Se sabe que la probabilidad de que llueva en Santa Cruz un da de marzo es 25% cuando llueve la probabilidad de que la
empresa Toldito alquile un toldo es 80%, mientras si no llueve la probabilidad de alquilar es 25% Cul es la probabilidad de que ha llovido
si se sabe que se alquil un toldo?
Como podemos ver nos piden la probabilidad de que haya sucedido
un evento A dicindonos que uno B que es dependiente de A
ya sucedi.
LL = lluvia; S = sol; T = toldo
( ) = () ( ) = , (, ) = ,
( ) = () ( ) = , (, ) = ,
( ) ,
( ) = = = , , %
( ) + ( ) , + ,
Hay un 51,67% de probabilidad que haya llovido si se sabe que se
alquil un toldo.
EJEMPLO#104 Se asume que La Vargas claros utiliza dos mquinas para producir su producto. La mquina A produce el 60% de los productos
del total, y la maquina B produce el restante 40%. El 2% de las unidades producidas por A son defectuosas, mientras que B tiene una tasa de
defectos del 4%. Cul es la probabilidad de que el producto sea de la maquina A dado que se sabe que es el defectuoso?
() (\) , (, ) , ,
(\) = = = = = = , %
() (\) + () (\) , (, ) + , (, ) , + , ,

EJEMPLO#105 La probabilidad de que haya un accidente en una fbrica que dispone de alarmas es 0,1. La probabilidad de que suene esta si
se ha producido algn accidente es de 0,97 y la probabilidad de que suene si no ha sucedido ningn incidente es 0,02.
En el supuesto de que haya la alarma, Cul es la probabilidad de que no haya habido ningn incidente?
Sean los sucesos:
A = sonar la alarma
I = producirse incidente
() (\)
(\) = =
() (\) + () (\)
, (, ) ,
(\) = = = , %
, (, ) + , (, ) ,
EJEMPLO#106 El 20% de los empleos de una empresa son ingenieros y otros 20% son economistas. El 75% de los ingenieros ocupan un
puesto directivo y el 50% de los economistas tambin, mientras que los no ingenieros y los no economistas solamente el 20% ocupan un
puesto directivo. Cul es la probabilidad de que un empleado sea ingeniero si se sabe que es directivo?
% : % ; % .
% : % ; % .
% (): % ; % .
() (.\. )
(\) =
() (.\. ) + (. ) (.\. ) + () (\)
, (, ) , ,
(\) = = = = , , %
, (, ) + , (, ) + , (, ) , + , + , ,
EJEMPLO#107 Existen 3 docentes de estadstica II. La probabilidad que le toque al docente Julio Vargas Herbas es el 35%, y la probabilidad
de que usted apruebe con Julio Vargas Herbas es 80%. La probabilidad de que le toque con el docente Jaime Velazco es 25% y de todos los
estudiantes que pasen con este docente el 70% aprueba. La probabilidad de que le toque con el docente Marlen Molloja es 40%, pero a
Marlen Molloja solo le aprueba el 60% de los inscritos. Cul es la probabilidad de que un estudiante sea del docente Julio Vargas Herbas si
se sabe que aprob la materia?
= = = =
( ) , ,
(\) = = = = , %
( ) + ( ) + ( ) , + , + , ,
( ) = () (\)
EJEMPLO#108 La probabilidad de que un hombre casado vea cierto programa de televisin es 0,4 y la probabilidad de que una mujer casada vea el programa
es 0,5. La probabilidad de que un hombre vea el programa, dado de que su esposa lo hace, es 0,7. Encuentre la probabilidad de que:
a)Un matrimonio vea el programa b)Una esposa vea el programa dado que su esposo lo ve c)Al menos una persona de un matrimonio vea el programa.
a) Un matrimonio vea el programa: = { }; = { }
() = , () = , (\) = ,
La probabilidad de que un matrimonio vea el programa es la probabilidad de que el hombre y la mujer vean el programa, es decir, la
probabilidad de la interseccin.
( )
(\) = ( ) = (\) () = , (, ) = ,
()
b) Una esposa vea el programa dado que su esposo lo ve:
( ) ,
(\) = = = , , %
() ,
c) Al menos una persona de un matrimonio vea el programa:
( ) = () + () ( ) = , + , , = , , = , = %

EJEMPLO#109 Suponga que se estudia si el color del pelo est asociado al color de los ojos. Se analizaron 300 personas seleccionadas
aleatoriamente con los siguientes resultados:
COLOR DE COLOR DE LOS OJOS
PELO CAFE AZUL OTRO TOTAL
NEGRO 70 30 20 120
RUBIO 20 110 50 180
TOTAL 90 140 70 300
a)Si se selecciona una de estas personas al azar, encuentre la probabilidad de que la persona tenga el pelo negro, dado de que tiene los ojos
de color caf: b) Son los eventos tener el pelo rubio y tener los ojos azules independientes?
c) Cuantas personas rubias de ojos azules esperara encontrar en este grupo si los eventos fueran independientes?
a)N = la persona tiene color de pelo negro. R = la persona tiene color de pelo rubio. C = la persona tiene color de ojos caf.
A = la persona tiene color de pelo azul. O = la persona tiene otro color de ojo.

( )
(\) = = = = , = , %
()

) :

(\) = () = , > , , .{ (=) . }; { . }

) : ( ) = () () ( ) = = , (, ) = ,

Por lo tanto, observaciones 28%, es decir, 84 personas rubias de ojos azules: (, ) =
EJEMPLO#110 En una empresa hay 75 empleados, de los cuales, 40 son encargados de seccin, y 35 son administrativos. Alguno de ellos
utilizan ordenador para sus tareas, otros no.
Resumimos la informacin en el siguiente cuadro de doble entrada.
SIN ORDENADOR CON ORDENADOR TOTAL
ENCARGADOS 8 32 40
ADMINISTRATIVOS 28 15 35
TOTAL 28 47 75
Nota: el cuadro me da como enunciado
a) Calcular la probabilidad de que una persona de la empresa sea un empleado encargado, sabiendo que no tiene ordenador:
Lo primero que debemos hacer es indicar cuales la probabilidad perdida, y cul es la condicin.
Suceso A: la persona sea un encargado (suceso pedida)
Suceso B: no tiene ordenador (suceso que condiciona)

( ) =
} (\) = ( ) = = = ,
()
() =

b) Si se sabe que la persona elegida es un administrador, cual es la probabilidad de que sea alguien que tenga
ordenador:
Suceso A: La persona con ordenador (suceso perdido)
Suceso B: La persona es un administrativo (suceso que condiciona)

( ) =
} (\) = = ,

() =

ANALISIS COMBINATORIO
La teora combinatoria es el estudio de permutaciones, variaciones y combinaciones. Se busca calcular el
nmero de posibilidades lgicas de algn evento, son necesidad de enumerarlas detalladamente.
Permutaciones
Permutacin de cierto nmero de objetos es la disposicin de todos ellos en un orden determinado.
La permutacin de n elementos se representa como:
el nmero total de permutaciones se obtiene por:
= ( ) ( ) ( ) ( ) = !
Permutacin de n objetos distintos: = !
! = ! = ! =
! = ! = ! =
: ! = ! = ! = ! =
! = ! = ! =
{! = = }
EJEMPLO#111 Las letras X, Y, Z pueden disponerse de las siguientes maneras:
, , , , = ! =
EJEMPLO#112 Calcular el nmero total de palabras que se pueden obtenerse con todas las letras de la palabra ARCO:

= ! =
EJEMPLO#113 Resolver los siguientes problemas de permutaciones:
a) Calcular el nmero de modos en que pueden formar fila un total de 5 soldados: = ! = ()()()() =
b) Calcular la cantidad de madera en que se pueden mostrar 8 libros en un muestrario: = ! = ()()()()()()() =
c) El nmero de palabras que se pueda formar con todas las letras de las palabras Julio: = ! =
EJEMPLO#114 Un equipo de Balompi de 11 jugadores, el arquero y los defensores centrales son inamovibles de supuestos.
De cuantas maneras o modos se pueden colocar a los restantes jugadores?
= = ! =
EJEMPLO#115 Al ordenar una fila de 5 nios, se observa que tres de ellos insisten en permanecer juntos en el mismo orden. De cuantas
maneras es posible ordenarlos?
, , = ! =

Permutaciones Ordinarias:
= ! (! = )
{ } ()
= ! (! = )
Permutaciones con Repeticin:
!
,,, =
! !
,,
"a" , "b"
,, !
, . =
! !
Permutaciones circulares:
= = ( )!
= ( )!
EJEMPLO#116 De cuantas maneras formas distintas pueden sentarse cuatro personas alrededor de una mesa.
= ( )! = ! =
EJEMPLO#117 De cuantas formas pueden alinearse dos chicas y tres chicos.
! !

= = = =
= = =
! ! !
,
EJEMPLO#118 Resolver: + =
! ( ) ( )!
+ ( )! = (( ) )! + ( ) ( )! = ( )!
! !
Se simplifica ( )! se opera y se obtiene una ecuacin de segundo grado:
( )
+ ( ) = += + =

EJEMPLO#119 De cuantas formas pueden actuar en TV cuatro cantantes y tres humoristas.
! !
,
= = = =
! ! !
EJEMPLO#120 De cuantas formas distintas puede obtenerse la suma 8 al lanzar tres dados distintos y sumar los nmeros aparecidos.
Posibilidades de suma 8 con tres dados:

!
+ + = = =

+
+ } ,
=
!

+ + = ! =
+
+
} ,, =

+ + = ! = +

+
} ,,
= = + + + + =

!
+ + = =

+
+ } ,
=
!

!
+ + = = } , =
+ +

! }

EJEMPLO#121 De cuantas formas pueden ordenarse siete personas, entre las que figuran Ariel y La de manera que Ariel y La estn
colocados uno al lado de otro.
Ariel y La forman una sola persona, y se multiplica por 2 ya que para cada ordenacin existen dos posibles posiciones de Ariel y La.
= ! = =
EJEMPLO#122 Se lanza una moneda 8 veces seguidas y se anotan sucesivamente los resultados obtenidos en cada uno de los lanzamientos.
Los 8 lanzamientos constituyen una experiencia. En cuntas experiencias se pueden obtener cinco caras y tres cruces?
! !
,
= = = =
! ! !
EJEMPLO#123 Cuntas de las permutaciones formadas por los nmeros {3, 4, 5, 6, 7, 8}, empezaron por 3? Cuntos por 64? Cuntas
terminaran por 875?
Que empiezan por 3: = ! = =
Que empiezan por 64: = ! =
Que acaben en 875: = ! =
EJEMPLO#124 Cuantos nmeros de 5 cifras distintas se pueden formar con los nmeros {0, 1, 2, 3, 4}
Hay que descontar los nmeros que empiezan por 0 (cero). Sino descontamos queda de 4 cifras.
= ! ! = ( ) ( ) = =
EJEMPLO#125 De cuantas maneras pueden permutarse las letras de la palabra ESCAPARATE dejando fija la P y de modo que los lugares
ocupados por vocales no pueden ser ocupados por consonantes y viseras.
=
: : ,
}
=
! !
,
= ! = ( ) = ( ) =
! ! !
EJEMPLO#126 Hay que colocar a 5 Hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares De cuantas
maneras puede hacerse?

{ } ( )

= ! =
} = =
= ! =
EJEMPLO#127 Cuntas letras de 5 signos con 3 rayas y 2 puntos podra tener el alfabeto Morse?
! !
,
= = = =
! ! !
EJEMPLO#128 Calcular los siguientes problemas de permutacin con repeticin:
! !
,, = =
! ! ! ! . .
a) El # de palabras que se pueden formar con todas las letras de la palabra ORURO:
! =
,
= ,, = = = { = }
! !
=
b) El # de palabras que se pueden formar con todas las letras de la palabra COCODRILO:
=
=
! !
,
= = ,, = = =
! ! ! ! =
=
{ = }
c) PATA:
!
= , = =
!
d) MATEMATICAS:
=
=
! ! =
,,
= ,,, = = = = =
! ! ! ! ! ! =
=
{ = }
Otra manera:
!
,,,,,,
= ,,,,,,, = =
! ! ! ! ! ! !
A veces el nmero 1, no hay necesidad de colocar en la formula

EJEMPLO#129 Calcular los siguientes ejemplo de permutaciones?
a) Si 10 personas se sientan alrededor de una mesa circular, de cuantas maneras se pueden situarse:
= = ( )! = = ( )! = ! =
b) En una fiesta al armar una ronda tomndose de las manos, de un total de 10 personas, 3 deben estar siempre juntas entre s, de
cuantas maneras pueden situarse:
= ( )! = = ( )! = ! =
c) Un grupo de 4 caballeros y 4 damas deben situarse alrededor de una mesa, si deben sentarse en forma alternada, de cuantos
modos es esto posible:
Caballeros = ( )! = = ( )! = ! =
Damas = ! = ! =
Damas no es circular porque estas pueden permutarse sobre la referencia ya existente de la posicin de caballeros.
= () =
EJEMPLO#130 Con un grupo de 3 damas y 3 caballeros se deben ordenar una columna, donde el primero debe ser un caballero y luego
deben estar alternados De cuntos maneras se puede formar la columna?

: {} (), (), (), (), (), ()
= ! ! =

{} (), (), (), (), (), ()
}
ABC ACB BAC BCA CAB CBA
123 1A2B3C
132
213
231 2B3A1C
312
321 3C2B1A
EJEMPLO#131 Una dama desea combinar los colores de sus 4 blusas con sus 6 faldas.
a) Calcular el # de modos como puede mezclar sus prendas de vestir:

} , = () =

b) A cinco nios se le ofrece 5 juguetes, si cada nio debe quedarse con solo un juguete. De cuantas maneras pueden distribuirse
dichos juguetes?

} , , () =

c) En una fiesta existen 12 jvenes y 11 seoritas. Cuntas parejas pueden armarse?

} () =

d) Si una persona debe viajar desde el punto A hasta el punto intermedio B y luego hasta el mundo final C, asumiendo que
desde A hasta B existen 5 lneas de movilidades y desde B hasta C a su vez existen 3 movilidades:

} (, )(, ) () =

e) Para llevar adelante sus estudios, un nio debe ingresar a una escuela, luego a un colegio y finalmente a una universidad. En su
ciudad del nio se dispone de 8 escuelas, 5 colegios y 2 universidades De cuantas maneras puede llevar adelantar sus estudios?

} , ()() =

VARIACIONES
a) Variacin de r objetos tomados de n objetos distintos:
= ( )( ) ( + )
! = .
{ };
= (, ) ; ; , = .
( )!
b) Variacin con repeticin de r objetos tomados de n objetos distintos:
=

Variacin.- Es el nmero de subconjuntos de n elementos que podemos obtener de un conjunto de m elementos, teniendo en cuenta que
para que dos subconjuntos sean distintos debe de variar o el orden de los elementos o algn elemento o ambos a la vez. Por eso se dice que
en las variaciones influye el orden y los elementos.
Existen dos tipos de variaciones:
a) Variaciones ordinarias o sin repeticin. En un mismo subconjunto no hay elementos repetidos.
Variaciones de m elemento tomada de n en n.
, = ( ) ( ) ( + ) >
b) Variaciones con repeticin. En un mismo subconjunto puede haber elementos repetidos.
Variaciones con repeticin de m elementos tomadas de n en n.
, = <
EJEMPLO#132 Cuantos resultados distintos pueden producirse al lanzar una moneda cuatro veces aire.
Influye orden y elementos, y estos se pueden repetir m=2, n=4
, = , = = , =
EJEMPLO#133 Cuntos nmeros de 4 cifras distintos pueden formarse con los elementos del conjunto {, , , , , , }?
Influye orden y elementos, y estos no se pueden repetir, m=7 n=4
!
, = = = = = =
( )!
EJEMPLO#134 De cuantas formas diferentes se pueden repartir tres juguetes diferentes entre cuatro nios, de manera que ningn nio
tenga ms de un juguete?
Influye orden y elementos, y estos no se pueden repetir: m=4 (nios), n=3 juguetes
!
, = = = =
( )!
EJEMPLO#135 De cuantas formas diferentes se pueden distribuir cinco bolas distintas en tres cajas diferentes?
Influyen orden y elementos, y estos no se pueden repetir:
= !
} , = = = =
= ( )!
Nota: si = = , # :
EJEMPLO#136 En un examen se proponen 10 preguntas; cada pregunta tiene tres respuestas posibles (a, b, c). Si se contestan al azar.
Cuntos exmenes distintos pueden producirse?
Influyen orden y elemento, y estos se pueden repetir. m=3(a, b, c), n=10(10 respuestas)
, = =
EJEMPLO#137 Se extraen sucesivamente dos bolas de una bolsa que contiene seis de diferentes colores. Cuntos resultados distintos
pueden producirse? a)Con devolucin b)Sin devolucin.
Influye orden y elementos. m=6 (colores), n=2 (extracciones)
a) Con devolucin(admite repeticin):
, = =
b) Sin devolucin(no admite repeticin):
!
, = = = = =
( )!
EJEMPLO#138 El viaje de la ciudad A a la ciudad B se puede realizar por 5 carreteras distintas De cuantas formas puede realizarle el viaje
de ida y vuelta?
Se pueden repetirse m=5 (carreteras) n=2 (viajes, ida y vuelta)
, = =
EJEMPLO#139 De A a B puede irse en coche, avin, moto, tren o barco. De cuantas formas posibles se puede hacer el viaje de ida y
vuelta?
Se pueden repetir: m=5 (tipos de transporte); n=2 (viajes, ida y vuelta)
, = =
EJEMPLO#140 Resolver: , + , + , =
( ) + ( ) ( ) + ( ) ( ) = + + + + =
=
= ( ) { } , : =
=
Comprobando:
, + , + , =
, + , + , =
+ + =
+ + =
= !!!
EJEMPLO#141 Tiras dos dados diferentes al aire. Cuntos resultados distintos pueden producirse?
Se pueden repetirse: m=6 (caras); n=2 (dados)

, = = } : =

EJEMPLO#142 Una matrcula de coche de un pas sudamericano est formado por 3 letras elegidas entre 27 y 4 nmeros escogidos entre
los nmeros comprendidos entre 0 y 9. Cuntos coches se pueden matriculas en cada pas con este sistema?
Formas de escoger tres letras: Se pueden repetir: = = , = =
Formas de escoger 4 nmeros: Se pueden repetir: = = , = =
Coches matriculadas:
= , , = =

EJEMPLO#143 Las letras X, Y, Z tomadas de dos en dos puedan disponerse de las siguientes maneras: XY, YX, XZ, ZX, YZ, ZY.
, = =
! !
: = ; = = = = =
( )! ( )! ()!
EJEMPLO#144 El estante de muestras de una librera solo permite mostrar 4 libros a la vez, si se dispone de 7 libros nuevos. De cuantas
maneras es posible afectar las muestras?
, = =
! ! !
: = = = = =
( )! ( )! !
EJEMPLO#145 Resolver los siguientes problemas de variaciones:
a) El # de palabras de 3 letras que puede formar con las letras de la palabra MUJER:
= = , = =
{ ! } {} , , ,
= = = () () () = = =
( )!
b) # de palabras de 5 letras que se forman con las letras de la palabra MURCIELAGO:
= = , = =
! !
= =
= ( = = =
)! !
c) En una ciudad, las placas de movilidades deben mostrar 2 vocales y 3 nmeros, sin repetir alguno de ellos. Si se dispone de 5
vocales y 10 nmeros. Hallar el # de placas que se pueden elaborar:
, , , , , , , , ,
, , , ,
{ } , , ; {, , , , , , , , , } , , ,
, , , ,
, , , , , , , , ,
= = ( )

= = ( # )

# = = =
123 124
ae ae123
ai ai124
.
.
.
d) De un curso de 10 alumnos se debe premiar a los tres mejores. De cuantas maneras es posible elegir a los premiados?
, , , , , , , , ,
() =
= = { , , , , , , , , , } , ,
, , , , , , , , ,
e) Con los dgitos 1, 2, 3, 4, 5. Cuntos nmeros de 3 cifras pueden formarse, si ningn digito se repite?
, , , ,
() = = = {, , , , } , ,
, , , ,
Cuntos nmeros de 3 cifras pueden formarse, si los dgitos se repiten?
, , , ,
() = = = {, , , , } , , , = =
, , , ,
f) A partir de los dgitos: 0, 1, 2 se trata de calcular la cantidad de nmeros de dos cifras que pueden formarse, si se es que se admite
la repeticin de estos dgitos.
= = = =
, = =
00 01 02 00 01 02
11 10 20 10 11 12
22 12 21 20 21 22
EJEMPLO#146 De cuntos nmeros pueden sentarse 10 alumnos en un Banco si hay 4 sitios disponibles?
Importa el orden, 4 sitios diferentes, y que una persona no puede ocupar ms de un sitio a la vez.
Sin repeticin:
! !
, = = = =
( )! !
a) Cuntos nmeros de 4 dgitos se pueden formar con las cifras 1, 2, 3, 4, 5, 6, 7, 8, 9?
Permitiendo repeticiones importa orden (1224 no es lo mismo que 2214):

, = = #
Sin repeticin:
! !
, = = = = #
( )! !
Si el ultimo digito ha de ser 1 y no se permite repeticiones:
! !
, = = = =
( )! !
b) En un grupo de 10 amigos, Cuntas distribuciones de sus fechas de sus cumpleaos pueden darse al ao?
Se permite repeticiones, importa el orden que son las fechas.
, = =
COMBINACIONES
Es el nmero de subconjuntos de n elementos que podemos hacer en un conjunto de m elementos con la condicin de que para que dos
subconjuntos sean distintos deben de tener al menos un elemento distinto. En este caso se dice que influyen los elementos. Aunque existen
combinaciones con o sin repeticin.
!
= , = ( ) =
Combinaciones Ordinarias:
!()!
Combinaciones con Repeticin: , = +,
OTRAS FORMULAS:
a) Combinacin de r objetos de n objetos distintos:
!

( )( ) ( + ) ! ( )! !
= = = ( ) = = =
( ) ! ( )! ! ! ! ( )!
b) El total de las combinaciones que se puede lograr a partir de n objetos distintos tomados de diversas maneras se puede calcular por:
= () =
EJEMPLO#147 Cuntas comisiones de 3 alumnos pueden formarse con los 35 alumnos de una clase?
! ! !
= ( ) = = = = = = =
! ( )! ! ! !
EJEMPLO#147,1 Cuntos equipos de atletas se podran formarse para participar en una competicin con los 12 atletas mejor preparados?
! ! !
= ( )= = = = =
! ( )! ! ! !

= = =

EJEMPLO#148 En una carrera en la que toman parte 8 caballos se juega una opuesta que consiste en acertar los 2 primeros sin tener en
cuenta el orden. Cuntas apuestas diferentes puedan jugarse en esa carrera?
! ! !
= ( ) = = = = ( ) = = = =
! ( )
! ! ! ! !
EJEMPLO#149 De los 48 trabajadores de una empresa se presentan 6 como candidatos a ocupar dos puestos de representante de los
trabajadores. Cuntas elecciones son posibles?

= ( ) = = = =

! ! !
= ( ) = = = =
! ( )! ! ! !
EJEMPLO#150 En un saln hay 6 matrimonios. Se eligen al azar dos de esas personas:

a) Cuntas elecciones distintas son posibles? = ( ) = = ! =

b) En cuntas de las elecciones posibles habr dos hombres?

= ( ) = = = =
!
c) En cuntas habr una mujer y un Hombre?

= ( ) ( ) = = =

d) En cuntas de las posibles elecciones habr un matrimonio?
Existen seis matrimonios, por lo tanto 6.

EJEMPLO#151 En una lnea frrea hay 18 estaciones. Si el tren para en todas las estaciones, Cuntos viajes distintos pueden realizarse entre ellas?
Hay que escoger las estacin de salida y la de llegada, no influyendo el orden por que se sobreentiende que es lo mismo el viaje de A a B que
de B a A.

= ( )= = =
!
EJEMPLO#152 Un alumno puede elegir 3 entre sus 15 compaeros de clase para realizar un viaje. Cuntas elecciones distintas pueden hacerse?

= ( ) = = =

EJEMPLO#153 Con 5 clases de vino, Cuntas mezclas se pueden formar de 3 vinos?

= ( ) = = =

EJEMPLO#154 De cuantas formas posibles pueden elegirse dos botellas entre 18 existentes.

= ( )= = =

EJEMPLO#155 Con seis pesas de 1, 2, 5, 10, 20 y 50 gr. Cuntas pesadas posibles pueden realizarse?

+ + + + + =
+ + + + +

= + + + + + = + + + + + =

EJEMPLO#156 Resolver los siguientes problemas de combinaciones:
a) Calcular el nmero de partidos en un campeonato de balompi que cuenta con 10 equipos. Si el campamento es de todos contra
todos en una sola rueda:

}

= = = = : { ,
!
b) Calcular el nmero de partidos en un campeonato de balompi que cuenta con 10 equipos, si el campamento es de 2 series de a 5
equipos en una sola rueda:

+ = + = + = + = =
! !
c) En un club de 15 socios debe elegirse un presidente un tesorero y 5 vocales. De cuntos nmeros puede elegirse esta directica?

( )

= = ()() =
! ! !
Cualquier de los 15 es presidente; Cualquier de los 14 es tesorero; Cualquier de los 13 que quedan elegir 5 vocales
d) Un entrenador tiene un equipo de 8 jugadores de basquetbol. De cuantas maneras pueden mandar a la cancha al equipo de 5 jugadores?

= = =
!
e) De un lote de 12 juguetes, un nio debe escoger solo a 4. De cuantas maneras puede llevar a cabo su eleccin?

= = =
!
f) De 27 senadores del parlamento Boliviano. Cuntos modos de armar comisiones de 5 se tiene?

= = =
!
g) Un campeonato de balompi se realiza con la participacin de 5 equipos: A, B, C, D, E. Donde deben jugar todos contra todos en
una sola rueda, se trata de calcular: El nmero de partidos que en total debe jugarse en este campeonato.
Considerando que el partido entre los equipos AB es el mismo que el partido BA. Se trata de calcular las combinaciones de 5 elementos
tomadas de dos en dos:

= = = =
!
Otra forma:
! ! !
= ( ) = = = = =
! ( )! ! ! !
AB AC AD AE
BC BD BE
CD CE
DE

EJEMPLO#157 Resolver los siguientes problemas:
a) Un joven desea salir un fin de semana con una muchacha, si dispone de los telfonos de 5 muchachas y sabe que puede ir a una
Discoteca, un karaoke o un cine. Calcular el nmero de modos como puede pasar el fin de semana?

{ } () =

b) En una urna se tienen 5 bolas con los nmeros: 1, 2, 3, 4, 5. Cuntos nmeros diferentes de 3 cifras es posible obtener?
= =
c) Un arma de casa dispone solo de 4 manteles diferentes para colocar sobre 6 mesas. De cuantas maneras puede distribuir sus manteles?
= =
d) Un grupo de 12 damas se rene para un te canasta. Se dispone de tres mesas de 4 sillas cada una. calcular el # de modos como
pueden ubicarse las damas?

= = =
!
e) De un grupo de 6 libros, de cuantas maneras se puede elegir uno o ms libros.
() = = = = =

+ + + + + =
+ + + + +
! ! ! ! ! !

= + + + + + = + + + + + =

PROBABILIDAD Y COMBINATORIA
EJEMPLO#158 Calcular las probabilidades de los siguientes eventos, usando conceptos de combinatoria.
a) Probabilidad de sacar correctamente y en orden las letras de la palabra BENI, de una urna que contiene a las letras EBIN:

= = = , %
!
b) Probabilidad de la palabra ORURO, de una urna que contiene a las letras OORRU:
Total=5 letras O=2 R=2
! !
= = = = , %
,, ! !
! !
c) Probabilidad de obtener al menos un premio, al comprar un boleto de una rifa de 1000 boletos que ofrece 10 premios.

= { } () = = , = %

d) Se venden 1000 boletos para un sorteo, donde se ofertan 8 premios.
1. Calcular la probabilidad de obtener al menos un premio si se compra un boleto
= .
= ;
La probabilidad de no ganar ningn premio es igual al nmero de combinaciones de los 999 boletos (que quedan al comprar 1) tomados de 8
en 8 entre el nmero de combinaciones de los 1000 boletos tomados de 8 en 8.

( ) ()()()()()()()()

() = =
= = = = , = , %
()()()()()()()()
( )

() = () = , = , , %
2. Calcular la probabilidad de obtener al menos un premio si se compran 5 boletos.

( )
() =

= = , () = () = , = ,

( )

e) En una reunin social estn presentes solo 8 parejas de casados.
1. Calcular la probabilidad de que dos personas elegidas al azar sean esposos: E= es el evento de que las dos personas elegidos
sean esposos.
()
() = = = =
() ()

2. Calcular la probabilidad de que dos personas elegidas al azar sean hombre y mujer. E= es el evento de que una de las
personas sea hombre y otra mujer.
()
() = = = = =

() ( ) ( )

f) De una caja de 20 disquetes, se sabe que 6 son defectuosos, calcular la probabilidad de:
1. Extraer 5 disquetes buenos uno tras otro, con reposicin E es el de extraer un disquete bueno:

() = = ( ) = ,


2. Extraer 5 disquete buenos uno tras otro, sin reposicin:

( ) = = = = ,

3. Extraer 8 disquete buenos uno tras otro sin reposicin:

() = = = = ,

4. Extraer 5 disquete de los que al menos 3 sean buenos, uno tras otro, con reposicin:
, , , , ( )

() = ,, = = ( ) ( ) =

5. Extraer 5 disquete de los que al menos 3 sean buenos, uno tras otro, sin reposicin:

() = ,, = = = = ,

g) De un paquete de 30 CD en blanco se sabe que un 30% son defectuosos. Si se sacan los CD uno tras otro. Calcular la
probabilidad de :
= { } () = = +
1. Sacar 4 CD buenos con reposicin:

() = = ( ) = ,

2. Sacar 4 CD buenos sin reposicin:

() = = ,

3. Sacar 10 CD buenos sin reposicin:

() = = ,

4. 4CD buenas, al sacar 7 CD con reposicin:
() + () + () + .
!
= ,, ( ) ( ) = ( ) ( ) = ,
! !
5. 4 CD buenos, al sacar 7 CD sin reposicin:
() + () + () + .

= ,, ( )

!
= ( ) = ,
! !

PRACTICO DE COMBINATORIA
Formar Agrupaciones:
EJEMPLO#159 a) en una urna hay una bola blanca, una roja y una negra. Las extraemos de una en una y anotamos ordenadamente los
resultados. Escribe todos los posibles resultados que podamos obtener.
Solucin:
Llamando: B extraccin de bola blanca; R extraccin de bola roja; N extraccin de bola negra
b) Haz lo mismo para cuatro bolas distintas: Aadimos, por ejemplo, una bola azul (A)
Hacemos lo mismo empezando con R, con N y con A. hacemos lo mismo que hice anteriormente con B.
Al final tenemos: 6x4=24 resultados posibles

c) Lo mismo para Roja, Roja, Blanca y Negra:
Como hay dos bolas del mismo color, ahora tenemos menos resultados que en el b). En concreto:
+ + =
d) Lo mismo para ROJA, ROJA, NEGRA, NEGRA
Para la segunda roja, se hace lo mismo; para la segunda negra, se hace lo mismo.
EJEMPLO#160 Dos amigos juegan al tenis y acuerdan que ser vencedor el primero que logre ganar dos sets. Escribe todas las formas en
que pueda desarrollarse el partido.
Hacemos un diagrama de rbol. En cada ramificacin indicamos quien gana un set, el jugador A o el jugador B:
EJEMPLO#161 a) Forma todos los nmeros de cuatro cifras que se puedan hacer con los dgitos 1 y 2 Cuntos son? Hacemos diagrama de rbol:
En total hay 16 nmeros de cuatro cifras con los dgitos 1 y 2.

b) Cuntos nmeros de 5 cifras se pueden hacer con los dgitos 0 y 1? Ten en cuenta que 01101=1101 no es un nmero de cinco cifras.
Hay 16 nmeros de cinco cifras compuestos slo por 0 y 1.
EJEMPLO#162 Si queremos hacer lpices bicolores de doble punta y disponemos de los colores rojo, azul, negro, verde y amarillo.
Cuntos modelos se pueden formar? Escrbelos todos:
R = rojo A= azul N = negro V = verde M = amarillo
El lpiz bicolor de punta RA, por ejemplo; es el mismo que el de punta AR. Los modelos de lpices bicolores son:
EJEMPLO#163 Qu nmero de dos cifras diferentes se puede formar con los dgitos 1, 2, 3, 4, 5?
Los nmeros son:

EJEMPLO#164 Queremos construir un domin con los nmeros 1, 2, 3, 4, 5. Describe sus fichas.
Cada ficha tiene dos nmeros que podemos repetir, pero el orden no influye.
EJEMPLO#165 Describe todos los partidos que han de jugarse en una liguilla con cinco equipos A, B, C, D y E.
Suponemos que juegan a una sola vuelta. Los partidos sern:
EJEMPLO#166 Si tenemos tres pantalones (AZUL, NEGRO, BLANCO) y cuatro blusas (AZUL, ROJA, VERDE, BLANCA), describe todas las
indumentarias que puedes vestir sin que coincidan el color de las prendas.
EJEMPLO#167 Calcular utilizando las frmulas:
EJEMPLO#168 Calcular:

EJEMPLO#169 Las expresiones VR8,2; P8;V8,2; C8,2 : son las soluciones de los siguientes apartados a), b), c), d), pero no en
ese orden. Asigna a cada apartado su solucin:
a) Palabras de ocho letras, con o sin sentido, que se puedan hacer con las letras de PELICANO
b) Posibles parejas que se puedan formar para jugar un torneo de ajedrez entre 8 personas
c) Nmeros de 2 cifras que se pueden formar con los dgitos 1, 2, 3, 4, 5, 6, 7 y 8.
d) Posibles formas de dar el primer y segundo premio de un concurso literario en el que participan 8 personas.
a) P8 b) C8,2 c) VR4,2 d) V8,2
EJEMPLO#170 Ocho problemas muy parecidos. En cada uno de los siguientes problemas. La pregunta es: De cuantas formas se puede hacer?
a) 3 chicos van a comprarse un polo cada uno a una heladera en la que hay 6 clases de polos.
b) 6 chicos van a comprarse un polo cada uno a una heladera en la que hay 3 clases de polos.
c) Repartir 3 polos distintos entre 6 chicos.
d) Repartir 3 polos iguales entre 6 chicos.
e) Un chico escoge 3 polos entre 6 distintos.
f) Un chico escoge 3 polos entre 6 iguales.
g) Repartir 6 polos distintos entre 6 chicos
h) Repartir 3 polos de fresa y 3 de vainilla entre 6 chicos.
Sus soluciones son: , , , 1, , Estn dadas en otro orden y se puede repetir.
a) = =
b) = =
c) =
d) =
e) =
f)
g) =
h) =
EJEMPLO#171 De cuantas formas pueden repartirse 3 entradas para un concierto de rock entre 6 amigos y amigas sin que ninguno pueda
llevarse ms de una?
Hay = = . . =
EJEMPLO#172 Para formar un equipo de baloncesto hacen falta 5 jugadores y el entrenador dispone de 10.
a) Cuntos equipos distintos puede formar?
Con 10 jugadores se requieren formar equipos de 5, el orden no influye y no se puede repetir.
....
, = =
....
b) Si elige a dos jugadores y los mantiene fijos, Cuntos equipos distintos podr hacer con los ocho que le quedan?
..
, = =
..
EJEMPLO#173 Se van a celebrar elecciones en la asociacin de padres y hay que elegir al presidente, al secretario y al tesorero. De
cuantas maneras se pueden elegir estos tres cargos, si se presentan ocho candidatos?
No se puede repetir y adems influye el orden porque no es lo mismo ser presidente, que secretario, que tesorero.
Son variaciones ordinarias: , = . . =
EJEMPLO#174 Se van a repartir tres regalos entre 6 personas. Calcula de cuantas formas se pueden repartir en cada uno de los siguientes casos:
a) Los regalos son distintos (una bicicleta, unos patines y un chndal) y no puede tocar ms de un regalo a la misma persona.
No se pude repetir los regalos y si influye el orden porque no es el mismo que toque una bicicleta, que unos patines, que un chndal.
Son variaciones ordinarias: , = . . =
b) Los regalos son iguales y no puede tocarle ms de un regalo a la misma persona
..
Ahora el orden influye: , = =
..
c) Los regalos son distintos y puede tocarle ms de uno a la misma persona
Puede repetirse e influye el orden: , = =
EJEMPLO#175 Los participantes de un concurso tienen que ordenar a ciegas seis tarjetas en las que est escrita cada una de las letras de
la palabra PREMIO.
a) Cuntas ordenaciones distintas pueden salir?
Disponemos de las 6 letras de la palabra PREMIO para agruparlas; ninguna letra esta repetida y el orden influyen.
= . . . . . =
b) Les ofrecen fijar la P en el lugar que le corresponde y reducir el premio a la mitad. Cuntas ordenaciones posibles se pueden
obtener de esta forma?
Como P esta fija, se dispone de 5 letras: = . . . . =
EJEMPLO#176 De cuantas formas pueden sentarse tres personas en un barco de 5 asientos? Y si el banco es de 3 asientos?
No se puede repetir y el orden influye:
Si el banco es de 5 asientos: , = . . = ; Si el banco es de 3 asientos: = . . =
EJEMPLO#177 Estn haciendo la maleta para irse de vacaciones y quieres llevarte cuatro de las ocho camisetas que tienes. De cuantas formas
las puedes seleccionar?
...
No puedes repetirlas y no influye el orden: , = = Formas distintas
...
EJEMPLO#178 El lenguaje de un ordenador se traduce a secuencias de dgitos formados por ceros y unos. Un byte es una de estas
secuencias y est formado por 8 dgitos. Por ejemplo: 0 0 1 0 0 0 1 1 Cuntos bytes diferentes se pueden formar?
Disponemos de dos elementos y los agrupamos de 8 en 8.
, = = .
EJEMPLO#179 Las 28 fichas de un domin se reparten entre 4 jugadores. Cuntos juegos distintos podrn tener cada jugador?
Se reparten 7 fichas a cada uno. No se pueden repetir y no influye el orden:
. . . . . .
, = =
. . . . . .
EJEMPLO#180 Las siguientes ejercicios resolverlos:
a) De cuantas formas se pueden ordenar las letras de la palabra PALOTE?
Las letras son distintas y el orden no influye: = . . . . . = .
b) Cuntos empiezan con P?
Si empiezan con P, ahora disponemos de 5 letras y 5 lugares: = . . . . =
c) En cuntas de ellas ocupan las consonantes los lugares impares y las vocales los pares? (por ejemplo PATELO)
Si las consonantes estn en lugares impares: = . . . =
Las vocales estn en los lugares pares: = . =
Por cada forma de las consonantes hay 6 formas de las vocales en total hay: . =
d) En cuntas estn alternadas vocales y consonantes?
Hay 72 formas, porque puede ser: = = ; = =

{ : ) }
=
,
EJEMPLO#181 Seis amigos, 3 chicos y 3 chicas, van al cine. De cuntas formas pueden sentarse si quieren estar alternados?

=

EJEMPLO#182 Seala 8 puntos en una circunferencia. Traza las cuerdas que unen cada punto con todos los dems.
a) Cuntas cuerdas tendrn que dibujar?
b) Cuantas diagonales tiene un octgono?
.
a) Tomamos todos los puntos de dos en dos. No se pueden repetir y no influye el orden: , = =
.
.
), = =
.
EJEMPLO#183 En unos almacenes emplean el siguiente cdigo para marcar los artculos:
La primera cifra indica la seccin correspondiente y es un nmero entre el 1 y 9.
Despus, hay tres cifras, cada una de ellas del 0 al 9, que corresponde al nmero del proveedor. Cuntas marcas distintas se
pueden hacer?
Para cifra correspondiente a la seccin habr: , =
, = =
Como hay 9 cifras correspondientes a la seccin, en total se podrn hacer =
EJEMPLO#183-1 Para matricularse en un semestre, tienes que elegir dos asignaturas entre las siguientes:
Contabilidad III
Investigacin Operativa
Estadstica II
Auditoria Operativa
Auditoria Gubernamental
Finanzas II
a) De cuantas formas puede hacer la eleccin?
b) Si en direccin de carrera te advierten de que las seis asignaturas las escribas por orden de preferencia. De cuantas formas las
puedes escribir?
.
No influye el orden y no podemos repetirlas: ), = = = ; ) = . . . . . =
.
EJEMPLO#184 Un documento de clculo nos ha propuesto 10 problemas de los que tenemos que resolver 5.
a) Cuntas formas hay de seleccionarlos?
b) De los 10 problemas propuestos hay 2 de los que no tienes ni idea Se reduce mucho a las posibilidades de seleccin?
a) No podemos repetirlos y no influye el orden:
....
, = =
....
b) En lugar de elegir entre 10, ahora elegimos entre 8
....
, = .... =

Se reduce mucho a la seleccin, aproximadamente en un 77,8% = , ; , = , = , %


EJEMPLO#185 Cuntos grupos de 4 cartas distintas se pueden hacer con una baraja espaola? Cuntos de ellos estn formados por 4
figuras? En cuntos sern OROS las 4 cartas?
La baraja tiene 40 cartas. Se hacen grupos de 4 cartas donde no se pueden repetir y no influye el orden:
. . .
, = =
. . .
Hay 16 figuras:
. . .
, = =
. . .
Hay 10 oros:
. . .
, = =
. . .
EJEMPLO#186 Como sabes, una quiniela consta de 14 partidos, en cada uno de los cuales se puede poner 1, X o 2. Cuntas quinielas
distintas se pueden rellenar?
Al hacer una quiniela es importante el orden y podemos repetir resultados. Por tanto: , = =
EJEMPLO#187 Las matrculas de los automviles de cierto pas llevan cuatro nmeros y tres letras.
Para ello, se utilizan los dgitos del 0 al 9 y 26 letras de nuestro alfabeto. Cuntas matriculas pueden hacerse de esta forma?
Con 10 dgitos, agrupados de 4 en 4 y teniendo en cuenta que se pueden repetir y el orden influye, se pueden formar:
, = =
Con 26 letras, formadas en grupos de 3 y considerando que el orden influye y que las letras se pueden repetir, habr:
, = =
Por cada grupo de 4 dgitos habr 15576 formas de agrupar las letras.
En total habr: , , =
EJEMPLO#189 Me van a regalar 3 libros y dos discos por mi cumpleaos. He hecho una lista con los que me gustara tener, y en ella anote
5 libros y 8 discos. De cuantas formas distintas pueden elegir mi regalo?
..
El nmero de formas que hay de elegir los 3 libros de entre 5 es: , = = =
..
.
El nmero de formas que hay de elegir los dos discos de entre 8 es: , = = =
.
Por cada una de las formas que hay de elegir los 3 libros tenemos 28 formas de elegir los discos, luego en total hay:
= .
EJEMPLO#190 Dos amigos se enfrentan en un torneo de tenis, en el que ser vencedor el primero que logre ganar tres set. De cuantas
formas posibles puede desarrollarse el encuentro?
Si el primer set lo gana el jugador B, tenemos un esquema anlogo. Por tanto, hay 20 maneras distintas de acabar un partido.
EJEMPLO#191 En una urna hay dos bolas blancas, una negra y una roja. Extraemos sucesivamente una bola cada vez y paramos cuando
tengamos las dos bolas blancas. Cules son los posibles resultados?
Anotamos en un diagrama de rbol la bola que sale en cada extraccin: blanca (B), negra (N) y roja(R).

EJEMPLO#192 El nmero 75775 est formado por dos cinco y tres siete. Cules son los nmeros que podemos formar con dos cinco y tres siete?
Anotamos en un diagrama de rbol, las posibilidades de cada cifra del nmero:
EJEMPLO#193 Con las letras de la palabra CASA Cuntas ordenaciones, con o sin sentido, podemos formar? Escrbelas todas.
Anotamos en un diagrama de rbol de posibilidades de cada letra de la palabra:

EJEMPLO#194 Tenemos 5 pesas de 1g., 2g., 4g., 8g. y 16g. Cuntas pesas diferentes se pueden hacer tomando dos de ellas? Y con
tres?. Calcula cuantas pesadas se pueden hacer, en total, tomando 1, 2, 3, 4 o las 5 pesas.
No influye el orden y no se pueden repetir:
EJEMPLO#195 Cuntos tringulos se pueden hacer de modo que tengan los vrtices en los puntos de estas redes?
EJEMPLO#196 Esta cuadrcula representa el plano de un barrio de la ciudad de Santa Cruz.
a)Cuntos caminos de longitud mnima hay para ir de A a C?
b) Cuantos caminos hay para ir de C a B.
c) Cuntos caminos hay para ir de A a B, pasando por C?
d)Cuntos caminos hay para ir de A a B?

EJEMPLO#197 En una pizzera preparan pizzas con, al menos 4 ingredientes. Si disponen de 6 tipos de ingredientes, Cuntos tipos de
pizza se pueden preparar? (Ten en cuenta que las pueden hacer de 4, 5 6 ingredientes):
EJEMPLO#198 Una secretaria ha escrito cinco cartas distintas dirigidas a cinco personas. Tambin escribe los cinco sobres
correspondientes y mete al azar cada carta en un sobre.
a) De cuantas formas posibles se pueden meter las cartas en los sobres?
b) En cuntos casos la carta del Seor Vargas estar dentro de un sobre?
a) No pueden repetirlas y si influye el orden: = . . . . =
b) Si fijamos la carta del Seor Vargas en el sobre del Seor Vargas, nos quedan libres cuatro cartas y cuatro sobres.
= . . . = .
EJEMPLO#199 Calcula cuantos productos de tres factores distintos podemos formar con estas cifras: 1, 2, 3, 4, 5, 6 y 7.
..
No influye el orden ( = ) y no podemos repetirlos: , = =
..
CALCULO DE PROBABILIDADES
EJEMPLO#200 En una bolsa tenemos 4 bolas rojas, 5 verdes y 1 azul. Extraemos 3 bolas. Calcula la probabilidad de que:
a) Las tres sean rojas
b) Las tres sean verdes
c) Cada una de las tres sea roja o verde
d) Una de las tres sea azul
EJEMPLO#201 Andrs y Pablo estn jugando al tenis. Ambos son igual de buenos. El partido es a cinco sets y el primero lo ha ganado
Andrs. Cul es la probabilidad de que acabe ganando Pablo?

EJEMPLO#201 Repita el problema anterior suponiendo que en cada set, la probabilidad de que lo gane Pablo es 0,6
EJEMPLO#202 Cinco amigos y amigas van juntas al cine y se reparten los asientos (consecutivos) al azar. Cul es la probabilidad de que
Ariel quede junto a La?
: = ! = . , .

Por lo tanto, la probabilidad pedida es: = = = = , %

EJEMPLO#203 Tiraremos tres dados. Calcula estas probabilidades:
a) El valor mediano es 6.
b) La suma es 10.
c) El menor es 2.
d) La diferencia entre el mayor y el menor es 2.
a) Eso significa que los tres son 6.

( ) = =

b) Para que los tres dados sumen 10, debe darse alguna de estas combinaciones:
()
()
()
} : ( ) = =
()
()
()}

c) ( ) = ( ) = =

d) ()

()

()

()

, ( ) = =

EJEMPLO#204 Si juegas un boleto de la lotera primitiva, Qu probabilidad tienes de ganar el primer premio? (en un boleto se marcan 6
nmeros entre el 1 y el 49).
En la primitiva se pueden rellenar , = , de los que solo gana el premio mximo uno. As:
() = /
EJEMPLO#205 Cuntas quinielas hay que hacer para asegurarse ocho resultados? Una persona que siga esa estrategia y rellena los
restantes al azar, Qu probabilidad tiene de acertar los 14?
a) , = =

b) Como quedan 6 casillas por rellenar, la probabilidad de acertar las 6 restantes ser: ( ) = =

EJEMPLO#206 Una oposicin consta de 50 temas. Salen 3 de ellos al azar y se debe elegir uno de ellos. Un opositor sabe 30. Cul es la
probabilidad de que salga uno de ellos que sabe?
Acaso te convenga calcular la probabilidad de que no salga ninguno que sepa.

() = ( ) = = = = ,

EJEMPLO#207 Dado el siguiente esquema:
SOLUCIN:

a) Para ir de A a C, hay: = =

Para ir de C a B, hay: = =

b) Hay =

c) ( , ) = = = ,

EJEMPLO#208 Ariel sabe que La va ir de P a R. Decide esperarla en Q. Cul es la probabilidad de que se encuentren?
Caminos totales para ir de P a R: = ...

...
=
.
Para ir de P a Q: = =
Para ir de Q a R: =
Para ir de P a R, pasando por Q: =

( ) = = ,

EJEMPLO#209 a) 10 amigos juegan 3 partidos de bolos y al final de cada una anotan el vencedor. Cuntos resultados podran producirse?
Influye el orden (1, 2 y 3 partida), influyen elementos, y se pueden repetir: = =
b) En una reunin a la que asisten 8 personas. Cuntos saludos se intercambian?

Influyen solo los elementos y no se pueden repetir: = ( ) = = =
!
c) En una competicin en la que participan 16 atletas, se dan tres medallas, oro, plata y bronce. De cuantas formas pueden llevarse las
medallas?
Influye orden y elementos y no se pueden repetir: = =
d) De cuantas formas pueden repartirse 6 entradas numeradas para un concierto de rock 6 amigas?
Solo influye el orden: = ! = . . . . =
e) En un torneo regional de ajedrez participan 18 jugadores y se clasifican tres de ellos para pasar a la final. Cuntas posibles calificaciones hay?
Solo influyen los elementos, no influye orden porque no se clasifican como 1, 2 y 3.

= ( )= = =

f) Un representante tiene que visitar cuatro pueblos A, B, C, D que comunican todos entre s. Cuntos itinerarios distintos podran hacer?
Solo influye el orden: = ! = . . . =
g) Calcular cuntos productos diferentes de dos factores se pueden formar con los dgitos 2, 3 y 5: a) Sin repeticin de factores b) Pudiendo
repetirse los factores.
Teniendo en cuenta que el producto de factores es conmutativo: Solo influye el orden:

) = = = ; ) = + = = = =

EJEMPLO#210 a) Te dan seis puntos sobre una circunferencia. Cuntos segmentos podran trazar al unirlos de dos en dos? Cuntos
tringulos podras formar con estos 6 puntos?
Solo influye el orden:

: = ( ) = = = ; : = ( ) = = =
!
b) Cuntos mensajes podra mandar utilizando el punto y la raya del alfabeto Morse que tengan seis smbolos?
Influyen orden y elementos y se pueden repetir: = =
c) Las franjas de una diana estn numeradas del 1 al 17. Un jugador anota los puntuajes al tirar tres dardos. Cuntas anotaciones distintas
podran escribir?
Teniendo en cuenta que existe 1, 2 y 3 tirada, influye orden y elementos: = =
d) Con las letras de la palabra CARLOS. Cuntas palabras podran escribirse? Cuntas de ellas tienen las vocales separadas?
Solo influye el orden: : = . . . . =
Palabras con vocales separadas. Se calculan como diferencia entre las totales y las palabras que llevan las vocales juntas.
Vocales juntas: Se consideran ambas vocales como una sola letra, siendo entonces permutaciones de cinco, pero hay que multiplicar por
dos porque para cada ordenacin habr dos posibles posiciones de las vocales ao o oa.
Vocales separadas: = . . . . . . . . =

e) Resuelve: , =
=
, = = ( ) = = ( )( + ) = { };
= .
: = =
EJEMPLO#211 a) Cuntas matriculas hay de la forma:
Influye el orden y elementos, y se pueden repetir. Considerando el alfabeto espaol, sin tener en cuenta las letras dobles, hay 27 letras.
= = ()() = = ,
b) El lenguaje de ordenadores de un Byte es una secuencia de 8 dgitos formada por 0 y 1 de la forma, 00101101. Cuntos bytes diferentes
se pueden formar? Cuntos tienen exactamente 4 ceros y 4 unos?
Se consideran los bytes formados 4 ceros y 4 unos, por lo tanto solo influye el orden y hay elementos repetidos.
! . . . . ! . . .
,
= = = =
! ! . . . ! . .
c) Cuntos nmeros de tres cifras pares distintos son mayores que 500.
Se trata de hacer nmeros de 3 cifras diferentes con los dgitos 0, 2, 4, 6,8 que sean mayores de 500. Influye el orden, los elementos y no se
pueden repetir, variaciones ordinarias. Se calculan todas las posibles y se le restan las que empiezan por 0, 2,4 que sern menores de 500.

= = . . . . =


d) Resuelve:
e) Una bolsa contiene 6 bolas blancas y 4 rojas. Se extraen dos bolas. Cuantos resultados pueden producirse que tengan: 1)Las 2 bolas
blancas 2)Las dos bolas rojas 3)Una bola de cada color:
f) La mesa presidencial:

De un conjunto formado por cinco chicos y cuatro chicas hay que formar una comisin compuesta por 3 personas
1) Cuntas comisiones pueden formarse?
2) En cuntas comisiones figuran solamente una chica?
3) Y al menos dos chicas?
..
1) = ( ) = = . =

.
2) = = =

. ..
3) + = + = + = + =
.
Entre los 30 alumnos de clase se quieren formar equipos de dos alumnos para jugar al tenis 1) Cuntos equipos se pueden formar? 2)
En cuntos interviene un mismo alumno?
.
) = ( )= = = ; ) = ( ) = = =

Calcular cuntos nmeros distintos de tres cifras diferentes pueden formarse con los dgitos {1,2,3,4,5,6,7} que estn comprendidos entre 400 y 600.

+
= + = + =

Con los 7 valores de arco iris cuantas banderas horizontales o verticales se pueden hacer teniendo en cuenta: 1) Tricolor 2) Bicolor con 3 franjas
1) Tricolor Se multiplica por 2 posibilidades de horizontal y vertical: . = . . . =
.
2) : { } = ( ) = = =

Resuelve el siguiente problema:

De un conjunto formado por cinco chicos y cuatro chicas hay que formar una comisin compuesta por 3 personas
4) Cuntas comisiones pueden formarse?
5) En cuntas comisiones figuran solamente una chica?
6) Y al menos dos chicas?
..
4) = ( ) = = . =

.
5) = = =

. ..
6) + = + = + = + =
.
Entre los 30 alumnos de clase se quieren formar equipos de dos alumnos para jugar al tenis 1) Cuntos equipos se pueden formar? 2)
En cuntos interviene un mismo alumno?
.
) = ( )= = = ; ) = ( ) = = =

Calcular cuntos nmeros distintos de tres cifras diferentes pueden formarse con los dgitos {1,2,3,4,5,6,7} que estn comprendidos entre 400 y 600.

+
= + = + =

Con los 7 valores de arco iris cuantas banderas horizontales o verticales se pueden hacer teniendo en cuenta: 1) Tricolor 2) Bicolor con 3 franjas
3) Tricolor Se multiplica por 2 posibilidades de horizontal y vertical: . = . . . =
.
4) : { } = ( ) = = =


DISTRIBUCIN DE
PROBABILIDAD
PARA VARIABLES
ALEATORIAS

DISTRIBUCIN DE PROBABILIDAD PARA VARIABLES ALEATORIAS
Una distribucin de probabilidad la podemos concebir como una distribucin terica de frecuencia, es decir, es una distribucin que
describe como se espera que varen los resultados. Dado que esta clase de distribuciones se ocupan de las expectativas son modelos de
gran utilidad para hacer inferencias y tomar decisiones en condiciones de incertidumbre.
Variable Aleatoria.- Es aquella que asume diferentes valores a consecuencia de los resultados de un experimento aleatorio.
Estas variables pueden ser discretas o continuas. Si se permite que una variable aleatoria adopte solo un nmero limitado de valores, se
llama variable aleatoria discreta, por el contrario, si se le permite asumir cualquier valor dentro de determinados lmites, recibe el nombre de
variable aleatoria continua.
Cualquier regla que asocia un nmero con el resultado de un experimento un nmero correspondiente denominado variable aleatorio.
VA.- Con frecuencia es til resumir con un numero el resultado de un experimento aleatorio.
La variable que asocia un nmero con el resultado de un experimento aleatorio se conoce como variable aleatorio.
Otra forma de definir V.A. es decir que: es aquella que toma diferentes valores como resultado de un experimento aleatorio.
Matemticamente, una V.A. es una funcin que asigna un nmero real a cada resultado en el espacio muestral de un experimento aleatorio.
Las V.A. se denotan con una letra mayscula, tal como una , y con una letra minscula, como , el valor posible de .
Una V.A. es una funcin definida en el espacio muestral = , tal que a cada elemento le asocia el nmero real = (). El
dominio de la V.A. es el espacio muestral y el rango es el subconjunto de los nmeros reales.
Un Experimento Aleatorio.- es aquel que proporciona diferentes resultados cuando se repita siempre de la misma manera.
El conjunto de los posibles resultados de un experimento aleatorio recibir el nombre de espacio muestral.
Espacio Muestral.- El conjunto de todos los resultados posibles de un experimento estadstico denotado por:

Variable.- Se denomina variable a la entidad que puede tomar un valor, cualesquiera durante la duracin de un proceso dado. Si la variable
toma un solo valor durante el proceso se llama constante.
Valor.- Es el nmero que la variable aleatoria asocia con un resultado particular.
Distribucin.- Es una lista que contiene el valor de la variable aleatoria y sus probabilidades correspondientes.
La variable aleatorio es una funcin que atribuye a cada evento elemental un nmero fijo por lo que su nombre correcto es el de funcin
variable aleatoria.
Variable Aleatoria.- Es una funcin que asocia un nmero real a cada elemento del espacio muestral. Es decir son aquellas que pueden diferir
de una respuesta a otra.
Una V.A. se puede calificar en:
a) Variable Aleatoria Discreta.- Una variable discreta proporciona datos que son llamados datos cuantitativos discretos y son respuestas
numricas que resultan de un proceso de CONTEO.
Si la variable aleatoria solo puede tomar un valor de un conjunto limitado de valores, entonces es una V.A.D.
Una V.A. es discreta si se puede CONTAR los valores que ella toma.
Se llama VAD cuando puede asumir solo ciertos valores, con frecuencia nmeros enteros y resulta principalmente del CONTEO (su rango es
un conjunto infinito o infinito numerables de valores) Por ejemplo:
La cantidad de alumnos regulares en un grupo universitarios.
El nmero de guilas en cinco lanzamientos de una moneda.
El nmero de clientes que ingresa a una casa comercial
Numero de circuitos en una computadora
El nmero de vehculos vendidos en un da, en un lote de autos.
b) Variable Aleatoria Continua.- Es aquella que se encuentra dentro de un intervalo comprendido entre dos valores cualesquiera; esto puede
asumir infinito nmero de valores y estos se puede MEDIR.
En el otro extremo, si se puede tomar cualquier valor dentro de un intervalo dado.
Una VA es continua si se puede medir los valores que ella toma.
Se llama VAC cuando su rango en un intervalo dentro de los nmeros reales, es un conjunto infinito no numerable de valores reales
(principalmente resulta de la medicin) Por ejemplo:
La estatura de un alumno de un grupo universitarios.
El peso en gramos de una moneda.
La edad de un hijo de familia.
Las dimensiones de un vehculo.
La estatura de los clientes de una tienda
DISTRIBUCIONES
Distribucin de Probabilidad.- Es una distribucin terica de frecuencias que describe como se espera que varen los resultados de un
experimento. Existen diferentes tipos de modelos que permiten describir el comportamiento de fenmenos estadsticos que permiten hacer
inferencias y tomar decisiones en condiciones de incertidumbre. Se pueden clasificar en:

Distribuciones discretas.- Son aquellas donde las variables asumen un nmero limitado de valores, por ejemplo el nmero de ao de estudio.

: {

Distribuciones continuas.- Son aquellas donde las variables en estudio pueden asumir cualquier valor dentro de determinados lmites; por
ejemplo, la estatura de un estudiante.

: {

DISTRIBUCIONES DISCRETAS
Variable aleatoria.- Se llama VA a toda ley (funcin) que asocia a cada elemento del espacio muestral un nmero real.
Segn sean los recorridos de las variables, estas se pueden clasificar en Discretas y Continuas.
VAD Solo puede tomar unos ciertos valores enteros.
VAC Puede tomar, al menos tericamente, todos los valores posibles dentro de un cierto intervalo de la recta real.
Funcin de Probabilidad.- Se llama funcin de probabilidad de una VAD a la aplicacin que asocia a cada valor ( ) de la
variable su probabilidad .
Muy importante: En toda funcin de probabilidad se verifica:
+ + + . . =
Ya que se trata de la probabilidad del suceso cierto.
Funcin de probabilidad de Variable Discreta: Si es una VAD, se llama funcin de probabilidad de a la funcin () definida por:
( ) = [ = ], , :
, , ; ( ) :
( ) [ = ] ; ( ) = ( = ) =
Si es una VAD cuya funcin de probabilidad es (). Se llama funcin de distribucin acumulada de prob. fda, a la funcin () definida por:
() = [ ] = [ = ] < <
Funcin de Distribucin.- Sea una VAD cuyos valores suponemos ordenadas de menor a mayor. Llamaremos funcin de distribucin de la
variable , y escribiremos (), a la funcin:
() = ( )
Aclaraciones:
1) es un smbolo que representa a la VA en este caso discreta.
2) es un nmero real cualquiera.
3) ( ) se lee: probabilidad de que una VA () tome un valor menor o igual a ()
CONCLUSION: La funcin de probabilidad asocia a cada valor de la variable la probabilidad acumulada hasta ese valor.
PROPIEDADES DE ()
1) () . ()
2) () = . . .
3) () = < .
4) () = >
5) ()
Funcin de Probabilidad de Variable Continua.- Si es una VAC, se llama funcin de densidad de probabilidad (fdp) de a la funcin ()
definida para todo que pertenece a los reales y que satisface las siguientes condiciones:
1) ( ) +
+
2) () =
3) [] = [ ] = () ,
Probabilidad equivalente a rea, Es decir:
= [, ] [ ] = = , =
Si es una VAC cuya funcin de densidad de probabilidad de es (). Se llama funcin de distribucin acumulada () a la funcin
definida por:

() = [ ] = () ; <

() .
Distribucin de Probabilidad de Variable Continua
Distribucin de Probabilidad.- Las distribuciones de probabilidad de variable continua son distribuciones tericas e idealizadas de las
distribuciones estadsticas de variables continuas.
Las distribuciones de probabilidad de probabilidad continua se definen mediante una funcin = () denominada funcin de probabilidad
o funcin de densidad.
La funcin de densidad de VA deben de cumplir una serie de propiedades:
1) Deben ser positivas () > para cualquier valor de la variable aleatorio en su campo de definicin.
2) Debe ser una funcin normalizada, es decir, el rea encerrada por la curva en su campo de existencia y el eje de abscisas debe ser
de la unidad.
Debido a estas propiedades, la probabilidad de que la VA tome un valor comprendido en cualquier intervalo [, ] interior a su campo de
existencia, es el rea bajo la curva de dicho intervalo.
: [ = ] =
: ( ) = ( < < )
Distribucin de Probabilidad.- si es una VA se llama Distribucin de probabilidades a los pares ordenados de la forma:
( , [ = ]) [ = ] = []
Media o Esperanza Matemtica.- La esperanza matemtica es un parmetro que describe la tendencia central de una VA y nos indica donde
se ubica el centro, se denota por:
(),

) () = () ; = = () = ()
= =
Cuando es una variable discreta, ( ) es una funcin de probabilidad.
+
, ()
) () = (() )
.

Propiedades de esperanza matemtica:
1) () = .
2) ( + ) = () + ()
3) ( ) = ()
Varianza.- La varianza describe al grado de dispersin ( variacin) en una distribucin, se representa por el smbolo.
(), (), :
= [( ) ()] = ( () ) .
Otra forma:

= =?
=

+ +
= [( ) ()] = ( () ) , #.

Desviacin estndar tpica:
= = =
Valor Esperado.- El valor esperado de una VA es el equivalente a la media o promedio aritmtico, que se utiliza para identificar el valor
central de la VA.
= () = () .
+
= () = () .

Es un promedio ponderado de los resultados que se esperan en el futuro.
Funciones:
Funcin de Probabilidad: Funcin de densidad de Probabilidad:
Matemticamente, es la funcin ( = ) que va desde el Matemticamente, es aquella funcin de una VAC que cumple
conjunto posible de los valores de la variable discreta al con las siguientes condiciones
intervalo [, ] Propiedades:
Propiedades: 1)
1) ( = ) +
2) () =
2) ( = ) =
3) ( ) = ()
3) ( ) = ( = )
4) .
4) ( ) = ( = )
OTROS MODOS DE FORMULAS EN DISTRIBUCION DE PROBABILIDADES:

a) ( )
La probabilidad para todo valor que asume la VA Xi ser mayor o igual a cero pero menor que uno.
b) La suma de todas las probabilidades asociadas a todos los valores que toma la variable , es igual a la unidad.
+
() = ( ) =

EJEMPLO#213 Un dado trucado tiene la siguiente funcin de probabilidad:
1 2 3 4 5 6
0,1 0,15 0,15 0,15 0,15 0,30
Calcular:
a) Parmetros de la distribucin.
b) Representar grficamente la funcin de probabilidad y la de distribucin
c) ( )
a) Parmetros de distribucin:

1 0,1 0,10 0,1
2 0,15 0,30 0,60
3 0,15 0,45 1,35
4 0,15 0,60 2,40
5 0,15 0,75 3,75
6 0,30 1,80 10,80
= = =

: = = ; : = = =
= =
Desviacin Tpica:

= = = = ,
=
b)Funcin de probabilidad (() ) y funcin de distribucin (() ).
() = ( )
1 0,1 0,1
2 0,15 0,25
3 0,15 0,40
4 0,15 0,55
5 0,15 0,70
6 0,30 1,00

) ( ) = () ()
= ( ) ( )
= , ,
= ,
= %
EJEMPLO#214 El nmero de motos de cuatro ruedas solicitadas en renta en una caseta de alquiler de motos en las orillas del rio pirai
durante un periodo de 50 das se identifica en la tabla siguiente:
Demanda (X) Nmero de das a) Construir la funcin de probabilidad
3 6 b) Determinar el valor esperado
4 10 c) Graficar la funcin de probabilidad
5 15 d) Determinar: ( = ); ( ); ( < ); ( < )
6 9
7 6 ( < < )
8 4
SOLUCIN:
Demanda Probabilidad Valor Esperado () c)Graficando la funcin de probabilidad:
(x) P(x) [ ()]
3 0,12 0,36 0,12
4 0,2 0,80 0,32
5 0,3 1,50 0,62
6 0,18 1,08 0,80
7 0,12 0,84 0,92
8 0,08 0,64 1
1 E(x) = 5,22
b)El valor esperado es 5,22 motos.
d)Determinado los siguientes probabilidades:
( = ) = () = , = % () = = ,
( ) = ( < ) = () = = = % () = = ,
( < ) = () = , + , + , = , = % () = = ,
( < ) = ( < ) ( < ) = () () = , , = % ( < ) = , + , + , = % = ,
( < < ) = % = , ()
EJEMPLO#215 Aplicaciones a la toma de decisiones: Una florista estima su venta diaria de docenas de rosas de la forma siguiente:
VENTA ESTIMADA PROBABILIDAD DE LA La florista debe ordenar las rosas con un da de anticipacin. Las rosas
DIARIA EN DOCENAS VENTA ESTIMADA que no se venden en un da se pierden. Si el costo de las rosas es de 10
12 0,50 Bs por docena y su precio de venta es de 30 Bs por docena. Cuntas
13 0,40 docenas debe ordenar la florista para minimizar su perdida diaria?
14 0,10
SOLUCIN:
= = = = = = = + = + =
Posibilidad de Posibles opciones de tener rosas CSobran=10; UTFaltan=20
vender 12 13 14 A11 = 0 A12 = 1(10) A13 = 2(10)
12 0 10 20 A21 = 1(20) A22 = 0 A23 = 1(10)
13 20 0 10 A31 = 2(20) A32 = 1(20) A33 = 0
14 40 20 0
Tabla de perdidas condicionales: PC=perdida condicional; PE=perdida esperada: Cuadro de Prdidas Esperadas:
POSIBLES PROBABILIDAD 12 13 14
VENTAS DE CADA VENTA PC PE PC PE PC PE Datos auxiliares:
12 0,5 0 0 10 5 20 10 20(0,40)=8 10(0,50)=5 20(0,50)=10
13 0,40 20 8 0 0 10 4 40(0,10)=4 20(0,10)=2 10(0,40)=4
14 0,10 40 4 20 2 0 0
1 12 7 14
Debemos vender/comprar diariamente 13 docenas de rosas, debido este ocasionar la menor perdida esperada en el futuro:
=
EJEMPLO#216 Una empresa vende equipos y accesorios de telecomunicaciones MOTOROLA, la demanda mensual de estos accesorios se
distribuye de la siguiente manera:
X 10 12 14 18
P(x) 0,4 0,2 0,35 0,05
Si cada accesorio cuesta 50$us y se vende a un 40% ms por cuestiones por impuesto, determine cuntos de estos accesorios debern tener
un stock mensualmente para minimizar las perdidas esperadas.
SOLUCIN:
Costo = 50$us/ud
Precio = 50 + 50(0,40) = 704$us/ud
Por sobrar = costo = 50$us
Por faltar = precio costo = 70 50 = 20$us
P(x) 10 12 14 18
10 0,40 0 100 200 400 ,
12 0,20 40 0 100 300 } , .
14 0,35 80 40 0 200 .
18 0,05 160 120 80 0
Datos auxiliares:
No Falta ni sobra A11 = 0 Sobran 2: A12 = 2(50) = 100
Faltan 2: A21 = 2(20) = 40 No Sobra ni falta: A22 = 0
Faltan 4: A31 = 4(20) = 80 Faltan 2: A32 = 2(20) = 40
Faltan 8: A41 = 8(20) = 160 Faltan 6: A42 = 6(20) = 120
Sobran 4: A13 = 4(50) = 200 Sobran 8: A14 = 8(50) = 400

Sobran 2: A23 = 2(50) = 100 Sobran 6: A24 = 6(50) = 300
No sobra ni falta A33 = 0 Sobran 4: A34 = 4(50) = 200
Faltan 4: A43 = 4(20) = 80 No Sobra ni falta: A44 = 0
Para encontrar las prdidas esperadas, se realiza la operacin: . ()
E (10) = 0,40(0) + 0,2(40) + 0,35(80) + 0,05(160) = 44
E (12) = 0,40(100) + 0,2(0) + 0,35(40) + 0,05(120) = 60
E (14) = 0,40(200) + 0,2(100) + 0,35(0) + 0,05(80) = 104
E (18) = 0,40(400) + 0,2(300) + 0,35(200) + 0,35(0) = 290
Se toma la decisin de tener 10 accesorios en stock mensualmente debido a que este valor ocasionar la menor perdida esperada en el futuro.
EJEMPLO#217 Seleccin de empleados ( = ) =?
Dos empleados se seleccionan al azar (con reemplazo) de una lista de la cual 70% de los empleados son hombres.
SOLUCIN:
El # de hombres en la muestra es un VA Distribucin de
Los resultados del experimento son: (h, h); (h, m); (m, h); (m, m) ( = ) = ((, ) )) = ,
es una variable aleatoria. ( = ) = ((, ) (, ) )) = , + ,
X = 2 Si se presenta el resultado (h, h) = ,
X = 1 Si ocurre cualquiera de los resultados (h, m) (m, h) ( = ) = ((, ) )) = ,
X = 0 Si el resultado es (m, m) , ; %, % %
Distribucin de Seleccin de Empleados . . .

RESULTADO VALOR DE CUANTOS DISTRIBUCION DE ,
MUESTRAL HOMBRES SE ESCOGEN PROBABILIDAD DE ,
(h, h) 2 (0,70) (0,70) = 0,49 ,

(h, m) 1 (0,70) (0,30) = 0,21
%
(m, h) 1 (0,30) (0,70) = 0,21
(m, m) 0 (0,30) (0,30) = 0,09

EJEMPLO#218 Encontrar la distribucin del nmero de errores: El experimento es auditar tres cuentas en un archivo de cuentas por pagar.
Sea el resultado de que la cuenta auditada este errada y denote el resultado de que no hay error, = ,
Sea una variable aleatoria (una variable de conteo) que nos da el nmero de cuentas equivocadas encontradas en el auditaje. Puesto que
hay tres cuentas que debe auditarse = , , , . Cul es la distribucin de probabilidad de ?
Supongamos por informacin previa que el 10% de las cuentas en el archivo contiene errores.
( ) = , = , ,
( ) = , = , ,
Construccin de la Distribucin de Probabilidad de : errores Auditados.
(1) (2) (3) (4)
ASIGANCION DE LA RESULTADO VALORES DE ( = )
PROBABILIDAD () MUESTRAL :
(0,1) (0,1) (0,1) = 0,001 (E1, E2, E3) 3 0,001
(0,1) (0,1) (0,9) = 0,009 (E1, E2, O3)
(0,1) (0,9) (0,1) = 0,009 (E1, O2, E3) 2 0,027
(0,9) (0,1) (0,1) = 0,009 (O1, E2, E3)
(0,1) (0,9) (0,9) = 0,081 (E1, O2, O3)
(0,9) (0,1) (0,9) = 0,081 (O1, E2, O3) 1 0,243
(0,9) (0,9) (0,1) = 0,081 (O1, O2, E3)
(0,9) (0,9) (0,9) = 0,729 (O1, O2, O3) 0 0,729
1 1
( , , ) = ( ) ( ) ( ) = (, ) (, ) (, ) = ,
( = ) + ( = ) + ( = ) + ( = ) =
EJEMPLO#219 Prediccin de Ventas: Sea las ventas de la semana prxima de QUADOSH. Obviamente es una variable aleatoria.
Supongamos que el departamento de ventas ha mantenido un registro del nmero de cajas vendidas durante las 100 semanas anteriores.
utilizando la historia pasada de ventas. Por ejemplo, predecimos que hay un 10% de chance de que las ventas de la semana prxima sean de
107 cajas: ( = ) = / = , .
VENTAS DE QUADOSH DURANTE LAS LTIMAS SEMANAS (NMERO DE CASOS)
Cantidad Vendida Nmero de Semanas Distribucin de
100 2 2/100 = 0,02
101 3 3/100 = 0,03
102 7 7/100 = 0,07
103 4 4/100 = 0,04
104 13 13/100 = 0,13
105 9 9/100 = 0,09
106 9 9/100 = 0,09
107 10 10/100 = 0,10
108 10 10/100 = 0,10
109 15 15/100 = 0,15
110 18 18/100 = 0,18
1155 unidades 100 semanas 1
a) Cul es la probabilidad de que las ventas de la prxima semana sean a lo sumo de 102 cajas?
( ) = ( = , , ) = ( = ) + ( = ) + ( = ) == , + , + , = , %
b) Cul es la probabilidad de que las ventas de la prxima semana sean menores que 100?
( < ) = %
c) Cul es la probabilidad de que las ventas de la semana prxima sean iguales mayores que 100?
( ) = %
d) Cul es la probabilidad de que las ventas de la semana siguiente sean iguales o menores que 110 cajas?
( ) = %
e) Cul es la probabilidad de que las ventas de la semana siguiente estn entre 106 y 110 cajas?
( < < ) = ( = ) + ( = ) + ( = )
( < < ) = , + , + , = , %

Distribucin de Probabilidad
Funcin de Probabilidad Funcin de Densidad de Probabilidad
( = ) [, ] Variable Continua
Variable Discreta Propiedades:
Propiedades: ) ..
) ( = ) +
) ( = ) = ) () =

) ( ) = ( = )

) ( ) = ()

)( ) = ( = )
)

Valor Esperado Valor Esperado
+
= () = ()
= () = ()

Distribucin de Probabilidad Discreta
La funcin de distribucin de una VA se caracteriza por medio de dos nmeros: su media y su varianza.
Sea una VA sea: ( = , , , . ) los valores posibles que pueden tomar y sea ( ) = ( = ) la probabilidad de
que adquiera el valor .
Si denotamos la media por y la varianza Var (), tenemos:

= ; () = ( ) ( ) ( ) (
)
= = =
EJEMPLO#220 Estimacin de la tasa esperada de retorno: La tabla siguiente expresa la distribucin de probabilidad de R, la tasa de retorno
de una inversin que se debe lograr al comprar una maquina nueva.
TASA POSIBLE DE RETORNO R DISTRIBUCION DE PROBABILIDADES DE (R) P (ri)
r1 = 10% 0,25
r2 = 12% 0,50
r3 = 14% 0,25
Cul es el valor esperado o media de la tasa de retorno?
Cul es la varianza o dispersin esperada de la tasa de retorno R alrededor de su?

= ( ) = (%)( = %) + % ( = %) + (%)( = %) = (%) (, ) + (%) (, ) + (%) (, )
=

= ( ) = (, ) (, ) + (, ) (, ) + (, ) (, ) = , + , + , = %

=
?
Calculo de la varianza de la tasa de retorno:
Valores de ( ) = Probabilidad ()
R ()
r1 = 10% 100 0,25 25
r2 = 12% 144 0,50 72
r3 = 14% 196 0,25 49
146

) = =
() = ( = ) ( () =
=
EJEMPLO#221 Hallar la media y la varianza de una variable que tiene la siguiente funcin de probabilidad:
X 2 3 4
P 0,2 0,3 0,5

= = = (, ) + (, ) + (, ) = ,

=

= (
) = [ (, ) + (, ) + (, )] (, ) = , = ,
=

EJEMPLO#222 Una variable aleatoria discreta tiene la siguiente funcin de probabilidad:
X 2 3 5 6 8
P 0,2 0,10 0,40 0,2 0,10
a) Hallar la funcin de distribucin de dicha variable.
b) Representar en un diagrama la funcin de distribucin.
c) Hallar la media y la desviacin tpica.
a) La funcin de distribucin o probabilidad acumulada (F(x))
Xi Pi () = ( )
2 0,2 0,2
3 0,1 0,3
5 0,4 0,70
6 0,2 0,90
8 0,1 1
c)Hallar la media y desviacin:

Xi Pi
2 0,2 0,4 0,80
3 0,1 0,3 0,90 = ,
5 0,4 2,0 10
6 0,2 1,2 7,2
8 0,1 0,8 6,4
= = , = ,
= = , ; = = , ; = , ,
EJEMPLO#223 Considrese el experimento que consiste en lanzar dos dados y anotar el resultado de la suma de las caras superiores. Hallar
Xi 2 3 4 5 6 7 8 9 10 11 12
Pi 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
a) La media y la desviacin tpica de la distribucin.
b) Sea La VA que expresa la suma del nmero de puntos de los dos dados, hallar las siguientes probabilidades:
( ); ( ); (); (); ()
La media y la desviacin tpica de la distribucin:
Xi Pi
2 0,028 0,056 0,111
3 0,056 0,167 0,500
4 0,083 0,333 1,333
5 0,111 0,555 2,778
6 0,139 0,833 5
7 0,167 1,167 8,167
8 0,139 1,111 8,889
9 0,111 1 9
10 0,083 0,833 8,333
11 0,056 0,611 6,722
12 0,028 0,333 4
= = = ,

= = ; = = , = ,
= =
Sea La VA que expresa la suma del nmero de puntos de los dos dados, hallar las siguientes probabilidades:
( ); ( ); (); (); ()
( ) = () = / + / + / + / = / = /

( ) = ( < ) = ( < ) = () = [ + + + + + + + ] = [ ] = /

: ( ) = () = / + / + / = / = /

() = + + = = ; () = ; () =
( )
=
+ =

EJEMPLO#224 Sea una VA discreta cuya funcin de probabilidad es:
X 0 1 2 3 4 5
P 0,1 0,2 0,1 0,4 0,1 0,1
a) Calcular y representar grficamente la funcin de distribucin.
b) Calcular las siguientes probabilidades: ( < , ); ( ); ( < , )
Xi Pi (( ))
0 0,1 0,10
1 0,2 0,30
2 0,1 0,40
3 0,4 0,80
4 0,1 0,90
5 0,1 1,00
: ( < , ); ( ); ( < , )
( < , ) = ( ) = () = ,
( ) = (
< ) = ( < ) = () = , = ,
( < , ) = ( < , ) ( < ) = () () = , , = ,
EJEMPLO#225 Sea una VA cuya funcin de probabilidad viene dada por ( = ) = /; ( = , , , ). Se pide hallar:
a) La funcin de probabilidad.
b) La funcin de distribucin y su representacin.
c) La media y la desviacin tpica
d) Las probabilidades ( ), ( < < ) ( < )
a) b)
Xi Pi Xi Fi
2 1/8 2 1/8
3 1/8 3 2/8
4 1/8 4 3/8
5 1/8 5 4/8
6 1/8 6 5/8
7 1/8 7 6/8
8 1/8 8 7/8
9 1/8 9 1
c)La media y la desviacin tpica:
Xi Pi
2 0,125 0, 25 0,5
3 0,125 0,375 1,125
4 0,125 0,5 2
5 0,125 0,625 3,125
6 0,125 0,75 4,50
7 0,125 0,875 6,125
8 0,125 1 8
9 0,125 1,125 10,125
= = , = ,

= = , ; = = , (, ) = ,
= =

d) ( ) = (
< ) = ( < ) = () = = , = , = %

( < < ) = ( < ) ( ) = () () = = , , = , = %

( < ) =

EJEMPLO#226 Una VA toma los valores 2, 4, 5, 7, 8, 9, con probabilidades 0,15; 0,12; 0,21; 0,25; 0,16; 0,11; representativamente.
Comprobar si se trata de una funcin de probabilidad y en caso afirmativo, hallar su esperanza matemtica (media) y los valores de su
funcin de distribucin para x=6 y x=9
Xi Pi Fi La condicin suficiente para que sea una funcin de probabilidad es
2 0,15 0,15 0,30 que =
Media o esperanza matemtica:
4 0,12 0,27 0,48
5 0,21 0,48 1,05
7 0,25 0,73 1,75
= = ,
8 0,16 0,89 1,28 =
, + ,
9 0,11 1 0,99 = () = = , = , %

= = , = () =
EJEMPLO#227 Determinar la esperanza matemtica y varianza de la variable aleatoria directa que tiene como funcin de distribucin:
<
, <
, <
() =
, <
, <
{ }
Xi Fi Pi
2 0,2 0,2
3 0,3 0,3 0,2 = 0,10
5 0,7 0,7 0,3 = 0,40
6 0,9 0,9 0,7 = 0,20
10 1 1 0,90 = 0,10

= = = (, ) + (, ) + (, ) + (, ) + (, ) = , ; = , = ,

=

= (
) = [ (, ) + (, ) + (, ) + (, ) + (, )] [, ] = , , = ,
=
EJEMPLO#228 Un dado ha sido manipulado con el fin de alterar las posibilidades de obtener las diferentes caras. As si representa la
puntuacin alcanzada en una tirada, se tiene:

( = ) =

( = ) =

( = ) = ( = ) = .

( = ) =+

( = ) = + }

: =
=

= ( ) + ( ) + ( ) + ( ) + ( + ) + ( + ) =

= + + + + + + + =

= + = = = =
= =

( = ) =

( = ) =

= ( )+( )+ + + ( + ) + ( + )
( = ) =

= % ( )
( = ) =
= + + + + = =

( = ) =

( = ) = }

EJEMPLO#229 Una variable aleatoria discreta tiene la siguiente ley de probabilidad:
X 2 3 5 6 8
= ( = ) 0,20 - 0,40 - 0,10
Teniendo en cuenta que la media de la distribucin es 4,70. Calcular los valores de P (3) y P (6)
Aplicamos la condicin necesaria de las distribuciones de Probabilidad:
= .
= ,
+ () + , + () + , =
=
() + () + , = () + () = , () + () = , ( ) = ,
Con la definicin de media se obtiene la segunda ecuacin con la que plantea un sistema que permite calcular los valores pedidos. = =
, = (, ) + () + (, ) + () + (, )
, = , + () + + () + ,
, = , + () + ()
() + () = ,
Resolviendo como un sistema de ecuaciones de dos incgnitas:
() + () = ,
} () = , = % () = , = %
() + () = ,
EJEMPLO#230 Una variable aleatoria discreta tiene la siguiente distribucin de probabilidad:
K 1 2 3 4 5 6
( = ) 1/9 1/18 1/9 5/18 1/6 -
Se pide:
a) Completar la distribucin de probabilidad
b) Calcular la media y la desviacin tpica

) + + + + + () = + () = () = = () =

) = = = ( ) + ( ) + ( ) + ( ) + ( ) + ( ) = = ,

= = [ ( ) + ( ) + ( ) + ( ) + ( ) + ( )] [ ] = ,

=
EJEMPLO#231 Hallar el rango Rx de las siguientes variables aleatorias:

a) Obtener par al lanzar un dado:
() = = = {, , , , , } = {, , }

b) Obtener sello al lanzar 4 veces una moneda:
() = = = {, , , , }
2 a la 4 porque 2 caras tiene la moneda y es 4 lanzamientos de la misma
c) Se lanzan 3 dados, obtener la suma:
() = = {, , , , }
6 a la 3 porque 6 caras tiene el dado y es 3 dados (, , ) .
(, , )

d) Se lanza un dado y una moneda, obtener resultado:
Moneda C,S
Dado 1, 2, 3, 4, 5, 6
() = . = = [, , , , . , ]
e) Obtener producto bueno al elegir 3:
() = = = [, , , ]
2 a la 32 tipos de productos (Buenos o Malo) y es 3 productos.
f) Hallar la distribucin de probabilidad de las VA: De obtener sello al lanzar: 4 veces una moneda
() = = = [, , , , ]

g) Hallar la distribucin de probabilidad de las VA de obtener producto bueno al elegir 3:
() = = = = [, , , ] ()
h) Hallar la distribucin de probabilidades acumulada de variables aleatorias de incisos f, g.
EJEMPLO#232 Calcular el valor de C, para que las siguientes sean funciones de probabilidad discreta:

)() = ; = {, , , } () = = + + +

+++
+++ = = = () = =

=
+
+
+
=

)() = ; = {, , , } () = + + + =

)() = ; = {, , , , } () = + + + + =
() = ()
= [ ()]()
=
EJEMPLO#233 Calcular la esperanza matemtica, varianza, desviacin estndar en las distribuciones de probabilidad.

DISTRIBUCIONES
DE
PROBABILIDADES

DISTRIBUCIONES DE PROBABILIDADES
La distribucin de probabilidad para una VA discreta puede ser:
a) Una relacin terica de resultados y probabilidades que se puede obtener de un modelo matemtico y que representa algn
fenmeno de inters.
b) Una relacin emprica de resultados y frecuencias relativas observadas.
c) Una relacin subjetiva de resultados relacionados con sus probabilidades subjetivas o artificiales que representan el grado de
conviccin del encargado de tomar decisiones sobre la probabilidad de posibles resultados.
Sabemos que una VAC Contina VAD Discontina es aquella en la que existe una distancia bien definida entre dos de los valores
consecutivos que asume; y dichos valores son numerables.
Existen varios modelos matemticos que representan diversos fenmenos discretos de la vida real.
Una distribucin de probabilidad o modelo probabilstico es una distribucin terica que muestra que se distribuyan los resultados de un
experimento.
Los modelos probabilsticos se aplican a VAD (discretas) y VAC (continuas).
Algunas que tienen aplicaciones estadsticas importantes y que se estudiaran son:
Discretas Bernoulli, Binominal, Geomtrica, Pascal, Hipergeomtrica.
Continuas Uniforme, Normal, Gamma, Exponencial, Ji-cuadrado (chi-cuadrado), t de student, F de Fisher.
Distribucin de Probabilidad Uniforme.- La distribucin de probabilidad uniforme es un ejemplo de una distribucin de probabilidad
continua. Una distribucin de probabilidad es continua cuando los resultados posibles del experimento son obtenidos de VAC, es decir, de
variables cuantitativas que pueden tomar cualquier valor y que resultan principalmente del proceso de medicin:
Ejemplo de VAC son:
a) La estatura de un grupo de personas
b) El tiempo dedicado a estudiar
c) La temperatura de una ciudad
Es una distribucin en el intervalo [a,b] en la cual las posibilidades son las mismas para todos los posibles resultados, desde el mnimo de
a hasta el mximo de b.

() =

Dnde:
=
=

= () = =

+ ( )
() = = ; = ; =

( ) = .

EJEMPLO#234 Sea el momento elegido al azar en que un estudiante recibe clases en un determinado da entre las siguientes horas:
7:00 8:00 9:00 10:00 11:00 12:00 13:00
a) Cul es la funcin de densidad de la variable ?
b) Elaborar un grfico de distribuciones de probabilidades
c) Calcular el valor medio esperado
d) Calcular la desviacin estndar
e) Calcular la probabilidad de que llegue en la primera media hora
f) Si recibe clases de estadstica inferencial de 10:00 a 12:15, calcular la probabilidad de recibir esta asignatura.

) = ; = () = = = = = , , %

Cada rectngulo tiene 1 de base y 1/6=0,1667 de altura.
El rea de cada rectngulo es:

= = =

El rea total (rectngulo de base el intervalo 7-13 y altura
1/6=0,1667) representa a la suma de todas las
probabilidades, y es igual a 1.

= = ( ) = =

+ +
) : () = = = = =

() () ()
) = = = = = = = ,


e)Llegar en la primera media hora significa que llega a las 7:30. Por lo tanto se debe calcular la probabilidad entre las 7:00 y las 7:30 como:
7:30=7 horas+30 minutos, y por el porcentaje que representa 30 minutos de una hora es:

= , : = ,

Por lo tanto se debe calcular la probabilidad entre 7 y 7,50 (hay dos valores):
, ,
( ) = = = = , , %

f)Se debe calcular la probabilidad entre las 10:00 y las 12:15

Como: 12:15 = 12 horas + 15 minutos, y el porcentaje que representa 15 minutos de una hora es:

= , : = ,

, ,
( ) = = = = , , %


EJEMPLO#235 Las ventas de combustible en una gasolinera tienen una media de 40000 litros por da y un mnimo de 30000 litros por da.
Supongamos que es una distribucin uniforme es apropiada.
a) Determine las ventas mximas diarias
b) Qu porcentaje de das las ventas excedern de 34000 litros?
+ +
) = = () = + = =

= .

)( > ) = ( )= = = , %

% = , = %
EJEMPLO#236 Un obrero estima inicialmente que el tiempo en minutos de maquinado de una pieza se modela con una distribucin uniforme (10,20).
Calcular la probabilidad de que una pieza sea maquinada en menos de 14,5 minutos.

= ; = () = = = () =

: () = () = = ; { }
()
Que representa ( ) =?
( < , ) =?
, ,
(, ) = = = = , %

EJEMPLO#237 La cantidad total de gasolina bombeada en un mes es una VA. (Expresada en diez miles de galones) con una funcin de
densidad de probabilidad como se indica abajo.

; > <
() = { () = { ; > < (, )

;
a) Calcular la probabilidad de que la gasolinera bombee entre 8000 y 12000 galones en un mes (, < < , )
b) Determine la desviacin estndar de los galones bombeados para un mes determinado
a) (, ) , , ()

La integral indefinida es: () = {( ) ; = , = ,

, , / /
Y la probabilidad (, ) (, ) = ( ) ( ) = ( ) ( ) = ,

= + + () ()
b) =
} = () =

=

= , () = =

=

=

= ,
EJEMPLO#238 Un grupo de estudiantes de la carrera de contadura pblica de UAGRM desarrollan un programa en el laboratorio de
computacin, donde ingresan desde las 7:00 am. Hasta las 12:00 pm. Calcular:
a) La funcin de densidad.
b) El valor esperado.
c) La varianza.
d) Cul es la probabilidad que el software se termine entre las 9:30 y las 11:15?
a) : = =

() = = = = ,

b) Valor Esperado
+ +
= = = = , .

c) Varianza
() ()
= = = = = ,


d) : :
: / = , . : = ,
: / = , . , = ,
= = = , = ,
, , ,
(, , ) = = = = , %

DISTRIBUCION DE BERNOULLI Discreta

Se denomina prueba o ensayo de Bernoulli a todo experimento aleatorio que consiste en efectuar una sola prueba, con slo dos resultados
posibles mutuamente excluyentes, generalmente llamados: xito (E) y fracaso (F).
Ejemplo: lanzar una moneda una sola vez. Elegir al azar un objeto fabricado con los resultados defectuosos o no defectuosos, etc.
La VA toma nicamente dos valores. Si es un xito = ; si es un fracaso = .
Si p es la probabilidad de xito, = ( = ), < <
Si q es la probabilidad de fracaso, = ( = ) = , < <
La probabilidad de conseguir exactamente xitos, est dada por:
X 0 1
f (x) q p
Tambin puede describirse por la siguiente ecuacin: () = ( = ) = = ( ) ; = ,
Donde, el parmetro p es la probabilidad de xito y q es la probabilidad de fracaso ( = ).
La funcin de distribucin acumulada (f.d.a) de Bernoulli es:
; <
() {; <
;
= .
() = ( = ) = . = ,
) { } [ = . ] = {
() = ( = ) = . ( )
=
: += =

= (; ) =
= # ;
= (; ) =
: ()
)} { = (; ) = }
{: (

)
Si la VA , se distribuye como Bernoulli con valor y parmetro
~ (; ) ~() ~ (, ) ~ , .
() = =
() = ( ) = () = =
: ;
EJEMPLO#239 Lanzar una moneda, probabilidad de conseguir que salga cruz.
Se trata de un solo experimento con dos resultados posibles:
El xito (p) se considerara sacar cruz, valdr 0,5
El fracaso (q) que no saliera cara, que vale ( ) = , = ,
La VA medir nmero de cruces que salen en un lanzamiento y solo existirn dos resultados posibles:
0 (ninguna cruz, es decir, salir cara) y
1 (una cruz)
~() ~(, ) = , = = ,
= ( = ) = () = (, ) (, ) = (, ) (, ) = ,
} = ; ,
= ( = ) = () = (, ) (, ) = (, ) (, ) = ,
EJEMPLO#240 Lanzar un dado, salir un 6.

Cuando lanzamos un dado tenemos 6 posibles resultados.
= = {, , , , , }

Se considera sacar un 6 xito =

Fracaso = = = =

La VA medir nmero de veces que sale un 6 y solo existe dos valores posibles: 0(que no salga 6) y 1(que salga 6)

=

~ ()

~ ( )

a) xito: La probabilidad de que obtengamos un 6 viene definida como la probabilidad de que sea igual a 1 ( = )

( ) ( )
= = = ( ) ( ) = , , %

b) Fracaso: La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad de que sea igual a cero
( = )

( = ) = () = ( ) ( ) = = , , %

EJEMPLO#240 Lanzar un dado, salir un 6.
Cuando lanzamos un dado tenemos 6 posibles resultados.
= = {, , , , , }

Se considera sacar un 6 xito =

Fracaso = = = =

La VA medir nmero de veces que sale un 6 y solo existe dos valores posibles: 0(que no salga 6) y 1(que salga 6)

=

~ ()

~ ( )

a) xito: La probabilidad de que obtengamos un 6 viene definida como la probabilidad de que sea igual a 1 ( = )

( = ) = () = ( ) ( ) = , , %

b) Fracaso: La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad de que sea igual a cero
( = )

( = ) = () = ( ) ( ) = = , , %


DISTRIBUCIN BINOMIAL
Definicin:
Cuando se dispone de una expresin matemtica, es factible calcular la probabilidad de ocurrencia exacta correspondiente a cualquier
resultado especfico para la variable aleatoria.
La distribucin de probabilidad binomial es uno de los modelos matemticos (expresin matemtica para representar una variable) que se
utiliza cuando la variable aleatoria discreta es el nmero de xitos en una muestra compuesta por observaciones.
Propiedades:
a) La muestra se compone de un nmero fijo de observaciones
b) Cada observacin se clasifica en una de dos categoras, (los eventos no pueden ocurrir de manera simultnea.
Ejemplo: Una persona no puede ser de ambos sexos) y colectivamente exhaustivos (uno de los eventos debe ocurrir. Ejemplo: Al lanzar una
moneda, si no ocurre sello, entonces ocurre cara). A estas categoras se las denomina xito y fracaso.
c)La probabilidad de que una observacin se clasifique como xito, , es constante de una observacin o otra. De la misma forma, la
probabilidad de que una observacin se clasifique como fracaso, , es constante en todas las observaciones.
d) La variable aleatoria binomial tiene un rango de .
Formula:
() = , .
= .
! ! = .
( = , ) = () = ( ) :
! ( )! ! ( )! = = .
=
{ ( = = , , , , , , , , . . , ) }
Distribucin binomial es cualquier experimento formado por una serie de ensayos repetitivos tales que:
a) Los ensayos son independientes, de modo que el resultado en cualquier ensayo particular no influye en el resultado de cualquier
otro ensayo.
b) Cada ensayo tiene dos resultados posibles denominados xito y fracaso.
c) La probabilidad de xito de cada ensayo, se denota por , permanece constante.
d) El experimento consta de una secuencia de experimentos ms pequeos llamados ensayos, donde se fija antes del
experimento.
Las probabilidades se calcula a travs de la siguiente formula:
!
) ( = , ) = !()! Las variables pueden tomar los valores = , , , , ,
!
) ( = ) = ( , ) = = =
! ( )!
!
) = ( ) = !()! Nmero de elementos, nmero de estos eventos elementales.

) ( = ) = ( ) La probabilidad de lograr xitos en pruebas de Bernoulli, donde = , , , , ,

(, ) = (, ) =? = (, ) =?
Distribucin Binomial Acumulada

<

() = ( ) = ( ) = , , , , , , , , , , , , , , , , , .

=
{
<

() = ( ) = ( ) ( ) = , , , , , , , , , , , , , , , , , .

=
{
Otra forma:

() = ( ; , ) = ( ) = ( )

=


( ) ( ) = , , , , , , , , , , , , , , , , , .
: (; , ) = {

La media, esperanza: La varianza Desviacin tpica, estndar
= () = = () =
= = ( ) =
EJEMPLO#241 Despus de una auditora externa en una empresa financiera, se determin que el 30% de sus crditos estn en mora. Si el auditor
interno toma una muestra aleatoria de cinco de estas cuentas, determine la probabilidad de que exactamente dos crditos estn en mora.
SOLUCIN:
Datos
= % = , = = % = , = = ( + ) = % =
! !
( = , ) = ( = = , = , ) = (, ) (, )
! ( )! ! ( )!

( = = , = , ) = = = = , = , % %

EJEMPLO#242 Supongamos que la TV audiencia del programa Bailando por un sueo constituye el 30% del total de la TV audiencia. Esto
es, el programa tiene una participacin del mercado del 30%.
a) Cul es la probabilidad de que exactamente un televidente en una muestra aleatoria (encuesta telefnica aleatoria) de 5 televidentes
estn viendo el programa bailando por un sueo.
b) Cul es la probabilidad de que ms de la mitad de aquellos televidentes que se llaman estn viendo el programa de bailando por un
sueo.
c) Determinar la media, la varianza y la desviacin tpica.
SOLUCIN:
a) Datos
= % = , = = % = , = =
! !
( = , ) = ( = = , = , ) = (, ) (, )
! ( )! ! ( )!

( = = , = , ) = = = = , = , % %

b) Datos
= % = , = = % = , = ,
( ) = ( ) = ( = ) = ( = ) + ( = ) + ( = )
! ! !
( = , = , ) = (, ) (, ) + (, ) (, ) + (, ) (, )
! ( )! ! ( )! ! ( )!

( = , = , ) = + +

( = , = , ) = + + = = , = , % %

c) Encontrando la media, varianza y desviacin estndar.
= () = = (, ) = , ,
=

= () = = (, )(, ) = , .
= = (, )(, ) = , = , .
EJEMPLO#243 La probabilidad de que un estudiante que ingresa a la Universidad Autnoma Gabriel Ren Moreno se gradu es de 0,40.
Encuentre la probabilidad de que un total de 5 estudiantes.
a) Ninguno b)1 c) al menos 1 d) todos se graden.
SOLUCIN:
a) Datos
= , = % = = , = % = =
! !
( = , ) = ( = = , = . ) = (, ) (, )
! ( )! ! ( )!


( = = , = . ) = () ( )= = = , = , % %

b) Datos
= , = % = = , = % = =
! !
( = , ) = ( = = , = . ) = (, ) (, )
! ( )! ! ( )!

( = = , = . ) = ( )( )= = = , = , % %

c) Datos
= , = % = = , = % = ; = , , , .
!
( = , ) = ( = , = . ) = ( = ) + ( = ) + ( = ) + ( = ) + ( = )
! ( )!
! ! !
( = , = . ) = (, ) (, ) + (, ) (, ) + (, ) (, ) +
! ( )! ! ( )! ! ( )!
! !
(, ) (, ) + (, ) (, )
( )
! ! ! )!
(

( = , = . ) = + + + +

( = , = . ) = + + + + = + + + + = %

: ( = , = . ) = = = = , = , % %

d) Datos
= , = % = = , = % = = ().
! !
( = , ) = ( = = , = . ) = (, ) (, ) =
! ( )! ! ( )!

( = = , = . ) = = = , = , % %

EJEMPLO#244 Un examen de Estadstica Inferencial con el docente Julio Vargas Herbas consta de 10 preguntas a las que
hay que contestar SI o NO. Suponiendo que a las personas que se le aplica no saben contestar a ninguna de las preguntas y
en consecuencia, contestan al azar, hallar.
a) Probabilidad de obtener cinco aciertos. b) Probabilidad de obtener algn acierto. c) Probabilidad de obtener al menos
cinco aciertos para poder aprobar la materia de estadstica inferencial.
SOLUCIN:
Es una distribucin binomial, la persona solo puede acertar o fallar la pregunta dada.
() = () = ,
() = (
) = ,
a) Datos = = , (; , ) =
= , = % = = , = % = = .
! !
( = , ) = ( = = , = , ) = (, ) (, ) =
! ( )! ! ( )!
!
= (, ) (, ) = = = = , = , % %
! ()! ()
b) Datos = = , (; , )
= , = % = = , = % = ; = , , , , , , , , .
!
( = , ) = ( = , = , )
! ( )!
( ) = ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = )
! ! !
( ; , ) = (, ) (, ) + (, ) (, ) + (, ) (, ) +
! ( )! ! ( )! ! ( )!
! ! ! !
+ (, ) (, ) + (, ) (, ) + (, ) (, ) + (, ) (, ) +
! ( )! ! ( )! ! ( )! ! ( )!
! ! !
+ (, ) (, ) + (, ) (, ) + (, ) (, ) =
! ( )! ! ( )! ! ( )!

( ; , ) = + + + + +



+ + + + + =

( ; , ) = + + + + + + + +

+ = = , = , % = , % %

Al resolverlo este inciso b) hacerlo ha sido muy largo, pero podemos hacerlo para que sea corto, aplicando o lo realizamos
por sucesos contrarios: el suceso obtener algn acierto es el suceso contrario a no obtener ningn acierto
( ; , ) = ( = ) ( = ).
!
( = ; , ) = (, ) (, ) = = = = , = , % %
! ( )!

( ; , ) = ( = ) = = = , = , % = , % %

c) Datos Acertar 5 o ms preguntas: ; = , , , , .
( ) = ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = )

( ) = + + + + +

( ) = + + + + + = = , = , % %

EJEMPLO#245 Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?
SOLUCIN:
: = = ; = , "salga cara" ; = ,
! !
( = , ) = ( = = , = , ) = (, ) (, ) =
! ( )! ! ( )!

= = = = , = , % % . .

EJEMPLO#246 Cul es la probabilidad de obtener cuatro veces el nmero tres al lanzar un dado ocho veces?

SOLUCIN: : = = = = = =

! !
( = , ) = ( = = , = ) = ( ) ( ) = ( ) ( ) =
! ( )! ! ( )! ()!

= = = , = , % = , % %

EJEMPLO#247 Un jugador del tenis boliviano tiene la probabilidad de ganar una partida o un set es de 0,25. Si juega cuatro partidos o sets,
calcular la probabilidad de que gane ms de la mitad de los partidos o sets.
SOLUCIN: : = = = = , = = , = ,
{, , , , } (; , ) ( "" ) = ( > ) =? = , .
! ! !
( = , ) = ( > = , = , ) = (, ) (, ) + (, ) (, )
! ( )! ! ( )! ! ( )!

= + = + = = , = , % %

EJEMPLO#248 Entel mvil, estima que la probabilidad de recibir de manera errnea un bit transmitido por un canal de transmisin digital es
de 0,10. Adems supngase que las transmisiones son unas independientes de otras. Si se analizan 4 de estos bits transmitidos, determine
la probabilidad de obtener:
a) exactamente un solo bit est daado. b) al menos 2 bits estn daados. c) menos de 3 bits estn daados d) ningn bit este daado
e) todos los bits sean recibidos correctamente.
SOLUCIN: ) : = = = , = = , = ,
= . . = . . = .
! !
( = , ) = ( = = , = , ) = (, ) (, ) = = =
! ( )! ! ( )!

= = , = , % %

) : = , , . = = , = = , = ,
! !
( = , ) = ( = , = , ) = ( = ) + ( = ) + ( = ) = (, ) (, ) +
! ( )! ! ( )!
! !
(, ) (, ) + (, ) (, ) = + + = = , = , % %
! ( )! ! ( )!
) : < . = = , = = , = , ( < ) =?
!
!
( = , ) = ( < = , = , ) = ( = ) + ( = ) + ( = ) = (, ) (, ) +
! ( )! ! ( )!
! !
(, ) (, ) + (, ) (, ) = + + = = , = , % %
! ( )! ! ( )!
) : = . = = , = = , = , ( = ) =?
!
!
( = , ) = ( = = , = , ) = (, ) (, ) = = , % %
! ( )! ! ( )!
) : = . = = , = = , = , ( = ) =?
!
!
( = , ) = ( = = , = , ) = (, ) (, ) = = , % %
! ( )! ! ( )!
EJEMPLO#249 De datos pasados se ha estimado que una lnea de produccin, produce artculos defectuosos a una tasa de 10%. Cada da
se selecciona e inspeccionan de una lnea de cinco artculos al azar.
a) Cul es la probabilidad de que el 60% o menos de la muestra estn defectuosas?
b) Cul es el numero esperado de artculos semanales defectuosos?
c) Cul es la variacin esperada de muestras defectuosas alrededor del numero esperado de partes defectuosas?
d) Cual es la desviacin estndar de muestras defectuosas?
SOLUCIN: ) : = (, ) = = = , ( ) = = , = , ( ) =?
! !
( ) = ( = ) + ( = ) + ( = ) + ( = ) = (, ) (, ) + (, ) (, ) +
! ( )! ! ( )!
! !
(, ) (, ) + (, ) (, ) = + + + = , = , % = %
! ( )! ! ( )!
) = = () = = (, ) = ,
) = () = = ( ) = (, )(, ) = , .
) = = (, )(, ) = , = , .
EJEMPLO#250 Un pedido por correo a una residencia espera una tasa de 20% de respuestas de circulares enviadas por correo a los
hogares. Qu tipo de respuesta se esperan de una prueba de correo de 20 hogares seleccionados al azar?
a) Cuntas respuestas se esperan de la prueba de correos?
b) Cul es la probabilidad de recibir al menos una respuesta de 20 envos por correo?
SOLUCION:
): = , = , =
= () = = (, ) = . , .
=
): = , = , = = , , , , , , , , , , , , , , , , , , , .
Tendramos que realizar del 1 al 20, de esta forma:
( ) = ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) +
( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) =
Vamos resolver de forma directa:
!
( ) = ( = ) = (, ) (, ) = = = , % %
( )
! !
EJEMPLO#251 Una encuesta revela que el 20% de la poblacin es favorable a un poltico y el resto es desfavorable. Elegidas 6 personas al
azar, se desea saber:
a) Cul es la probabilidad de que las 6 personas sean desfavorables?
b) Cul es la probabilidad de que las 6 personas sean favorables?
SOLUCION:
): = , = , = =
= = # . {, , , , , , } (, ) = (; , )
! !
( = , ) = ( = = , = , ) = (, ) (, ) = = , % %
(
! )! (
! )!
): = , = , = =
! !
( = , ) = ( = = , = , ) = (, ) (, ) = = , % %
! ( )! ! ( )!
EJEMPLO#252 Un examen de opcin mltiple est compuesto por 9 preguntas, con 4 posibles respuestas cada una, de las cuales slo una
es la correcta. Supngase que uno de los estudiantes que realiza el examen responde al azar:
a) Cul es la probabilidad de que conteste correctamente a 6 preguntas?
b) Cul es la probabilidad de que no acierte ninguna pregunta? c) Cul es la probabilidad de que acierte al menos una pregunta?
SOLUCION:

): = = , = , = =

= # {, , , , , , , , , } (; ) = (; ) = (; , ) .

! !
( = , ) = ( = = , = , ) = (, ) (, ) = = , % %
! ( )! ! ( )!
): = , = , = =
!
( = = , = , ) = (, ) (, ) = = , = , % %
! ( )!
): = , = , = = , , , , , , , , .

!

( = , = , ) = (; < ) = (; < ) = (; ) = ( = ) = (, ) (, ) =
! ( )!
!
(, ) (, ) = = , = , % % ( ) = ( = ) = %
! ( )!
( ) = ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) = , % %
EJEMPLO#253 Se lanzan un dado 5 veces y se anotan los nmeros obtenidos.
a) Cul es la probabilidad de obtener 4 nmeros primos? b) Cul es la probabilidad de que todos los nmeros sean compuestos?
SOLUCION:
Nota: el #1 se considera como un nmero primo. = = (, , , ) = = (, ) = = {, , , , , }

): () = = = () = = = = =

= # , #; {, , , , , } (; ) = (; )

( "" ) = (; ) = ( ) = = = =

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
)
! !
( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
EJEMPLO#254 Una familia tiene 10 hijos. La distribucin por sexos es igualmente probable. Hallar la probabilidad de que haya.
a) Cmo mucho tres nias? b) Al menos una nia? c) Al menos 8 nios d) al menos una nia y un nio.
SOLUCION:
) # : {, , , , , , , , , , } (; ) = (; , ) ( ) = ( = ) + ( = ) + ( = ) + ( = ) =?
(; ) = (; ) + (; ) + (; ) + (; ) = ( ) =?
! ! ! !
( ) = ( ) ( ) + ( ) ( ) + ( ) ( ) + ( ) ( ) =
! ( )! ! ( )! ! ( )! ! ( )!

( ) = + + + = = , = , % %

) ( ) = ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) =?
!
( ) = ( = ) = ( ) ( ) = = = , = , % %
! ( )!
) # .
! ! !
( ) = ( ) ( ) + ( ) ( ) + ( ) ( ) = + + = = , % %
! ( )! ! ( )! ! ( )!
) , # .
( ) = ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) =?
! !
( ) = [( = ) + ( = )] = [ ( ) ( ) + ( ) ( ) ]= [ + ]=
! ( )! ! ( )!

= [ ]= [ ]= = , = , % %

EJEMPLO#255 Al lanzar 6 veces una moneda, por la distribucin binomial, calcular la probabilidad de lograr.
a) 4 caras? b) una cara? c) 2 sellos. d) al menos 4 caras. e) menos de 2 caras.
SOLUCION:
() = = = {, , , } = = {, , , , , , } = . .

) = (, ) = () () = == = = =

! !
( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
) () = = = {, , , } = = {, , , , , , } = . .

= (, ) = () () = = = = = =

! !
( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
) = {, , , , , , } ; = , , .
!
( = , ) = ( = , = ) = ( = ) + ( = ) + ( = ) = = , % %
! ( )!
!
) ( = , ) = ( < = , = ) = ( = ) + ( = ) = = , % %
! ( )!

EJEMPLO#256 Al lanzar 5 veces una moneda, se trata de calcular la probabilidad de obtener.
a) 3 caras? b) una cara? c) un sello. d) ninguna cara. e) 7 caras. f) elaborar diagrama de distribucin.
SOLUCION:
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
) , .
! !
( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
) , #.
! !
( = , ) = ( = = , = ) = ( ) ( ) =
! ( )! ! ( )!
!
( ) ( ) = ( ) ( ) = () = = = =
! ( )! ()!

= = % = #.

) :
() CCCCC 1
0 0,03125 CCCCS CCCSC CCSCC CSCCC SCCCC 5
1 0,15625 CCCSS CCSCS CSCCS SCCCS CCSSC CSSCC SSCCC SCSCC SCCSC CSCSC 10
2 0,31250 CCSSS CSSSC SSSCC SCSCS SCCSS SCSSC SSCCS SSCSC CSCSS CSSCS 10
3 0,31250 CSSSS SCSSS SSCSS SSSCS SSSSC 5
4 0,15625 SSSSS 1
5 0,03125 Lanzar una moneda 5 veces para obtener 4 caras se tiene 5 posibilidades
6
7
EJEMPLO#257 En una familia de 5 hijos, se trata de calcular la probabilidad de que haya.
a) 3 nios? b) 5 nias? c) un nio. d) al menos 3 nios. e) al menos un nio y una nia.
SOLUCION: : = = , = , .
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % % {
! ( )! ! ( )! =

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
!
) ( = , ) = ( = , = ) = ( = ) + ( = ) + ( = ) =
! ( )!
! ! !
= ( ) ( ) + ( ) ( ) + ( ) ( ) = + + = = , = %
! ( )! ! ( )! ! ( )!

: ( = , = ) = [( = ) + ( = ) + ( = )] = [ + + ] = = , = %

!
) ( = , ) = ( = , = ) = ( ) = ( = ) + ( = ) + ( = ) + ( = ) =
! ( )!

( ) = + + + = = , = , % %

: ( ) = [( = ) + ( = )] = [ + ] = [ ] = = , = , % = %

EJEMPLO#258 En una comunidad de 400 familias de 5 hijos, se calculan las probabilidades de las familias que poseen.
a) 2 nias? b) ninguna nia?
SOLUCION: : = = , = , = =
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!

() = .
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!


( ) = , .
EJEMPLO#259 Los artefactos elctricos se clasifican como buenos (B) y malos (M), se tiene una probabilidad de 0,90 para B, en un lote de
30 artefactos, calcular la probabilidad de B para:
a) 25 artefactos b) 1 artefacto c) 30 artefactos
SOLUCION: : = = , = , =
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = , = (, )%
! ( )! ! ( )!
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = , % %
! ( )! ! ( )!
EJEMPLO#260 En los exmenes de estadstica inferencial la probabilidad de que un estudiante apruebe es de 30%. Hallar la probabilidad de
entre 10 estudiantes elegidos al azar que aprueben:
a) 5 estudiantes b) ninguno c) al menos 8 estudiantes.
SOLUCION: : = = , = , =
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = , % %
! ( )! ! ( )!
!
) ( = , ) = ( = , = ) = ( = ) + ( = ) + ( = ) =
! ( )!
! ! !
= ( ) ( ) + ( ) ( ) + ( ) ( ) = , = , % %
! ( )! ! ( )! ! ( )!
EJEMPLO#261 En una familia de 4 hijos, calcular la probabilidad de tener:
a) Un nio b) 3 nios c) al menos 2 nios. d) ms de un nio.
SOLUCION: : = = , = , = () = = = {, , . . , } = =

|
!
| )( = ) = ( ) ( ) = = % (, ) =
| | | ! ( )!
, ( ; )
| |

| | | !
)( = ) = ( ) ( ) = = % (, ) =
|
| ! ( )!

, ( ; )
| | |
|
| )( ) = ( = ) + ( = ) + ( = ) = [( = ) + ( = )] =?

! ! !
( ) = ( = ) + ( = ) + ( = ) = ( ) ( ) + ( ) ( ) + ( ) ( ) =
! ( )! ! ( )! ! ( )!

( ) = ( = ) + ( = ) + ( = ) = + + = = , = , % %

( ) = [( = ) + ( = )] = [ + ] = [ ] = = , = , % %

)( > ) = ( ) = ( = ) + ( = ) + ( = ) = + + = = , = , % %

EJEMPLO#262 Tomando 800 familias de 4 hijos, calcular la esperanza de que una familia tenga:
a) Un nio b) 2 nias c) ms de un nio. d) ningn nio.
SOLUCION: : = = , = , = . = {, } = {} () = , = = (, , , , )
. ~( = ; = , ) () = = =
!
)() = = ( = ) = [ ( ) ( ) ] = [ ] =
! ( )!
!
)() = = ( = ) = [ ( ) ( ) ] = [ ] =
! ( )!

)() = = ( > ) = { [( = ) + ( = )]} = { [ + ]} = [ ] =

!
)() = = ( = ) = {( = )} = { ( ) ( ) } = { } = .
! ( )!

EJEMPLO#263 Una fbrica produce artculos de consumo, pero 10% de ellos son defectuosos, calcular la probabilidad de que al elegir 10
de ellos se obtenga.
a) Un defectuoso b) 3 defectuosos c) ninguno defectuoso. d) a lo sumo 2 defectuosos.
SOLUCION: : = = , = ,
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = , = , % %
! ( )! ! ( )!
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
!
) ( = , ) = ( = , = ) = ( = ) + ( = ) + ( = ) = , = , % %
! ( )!
EJEMPLO#264 La probabilidad de que un estudiante de la UAGRM egrese es de 20%, si se eligen 6 de ellos, calcular la probabilidad de que
egresen: a) Un estudiante b) 3 estudiantes c) todos. d) ninguno.
SOLUCION: : = = , = ,
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
(
! )! (
! )!
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
(
! )! (
! )!
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!
EJEMPLO#265 En 5 lanzamientos de un par de dados, calcular la probabilidad de obtener la suma de 10:
a) Una vez b) 2 veces c) las 5 veces. d) ninguna vez. e) al menos 4 veces
SOLUCION:

: = = = = = = {, , , , , , } = . .
, , , , , ()
() = = { } {(, ), (, ), (, ), , (, )} = {(, ), (, ), (, )} () = () = = =
, , , , , ()

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
! ( )! ! ( )!

! !
) ( = , ) = ( = = , = ) = ( ) ( ) = = , % %
(
! )! (
! )!
!
) ( = , ) = ( = , = ) = + = = = , % %
! ( )!
EJEMPLO#266 Un laboratorio afirma que una enfermedad llamada la chikungunya causa efectos secundarios en una proporcin de 3 de
cada 100 pacientes. Para contrastar esta afirmacin, otro laboratorio elige al azar a 5 pacientes a los que aplica una droga. Cul es la
probabilidad de los siguientes sucesos?
a) Ningn paciente tenga efectos secundarios.
b) Al menos dos tengan efectos secundarios.
c) Cul es el nmero medio de pacientes que espera laboratorio que sufran efectos secundarios si elige 100 pacientes al azar?

SOLUCION: : = = = , = % = , = = , = % =
! !
) ( = , ) = ( = = , = )= ( ) ( ) = , = , % %
! ( )! ! ( )!
!
) ( = , ) = ( = , = ) = ( = ) + ( = ) + ( = ) + ( = ) = , = , % %
! ( )!
! !
( ) = ( < ) = [( = ) + ( = )] = [ ( ) ( ) + ( ) ( ) ]=
! ( )! ! ( )!
( ) = [, + , ] = [, ] = , = , % %
) = () = = (, ) = .

Distribucin Geomtrica
La distribucin Geomtrica tambin est relacionada con una secuencia de ensayos de Bernoulli, excepto que el nmero de ensayos no es
fijo. En consecuencia, la distribucin geomtrica hereda las caractersticas de la distribucin binomial, a excepcin del concepto del cual se
quiere calcular la probabilidad. En este caso la variable aleatoria de inters, denotada mediante , se define como el nmero de ensayos
requeridos para lograr el primer xito. Es obvio que para obtener el primer xito se debe realizar el experimento cuando menos una vez, por
lo que los valores que puede tomar la variable aleatoria son 1, 2, 3,..., , esto es, no puede tomar el valor cero. En este caso se cumple que
( = ) si y slo si los primeros ( ) ensayos son fracasos () y el ensayo es xito (), por lo que:
() = ( = ) =
= = ( )

De acuerdo a lo anterior, podemos decir que:
Una variable aleatoria X se distribuye de acuerdo con un modelo probabilstico geomtrico, si su funcin de probabilidad es:
= , , , , , , , , , , .
() = { <<
.
Esta distribucin toma en cuenta el nmero de veces que debe repetirse el experimento hasta que ocurra xito por primera vez, en cuyo
caso, termina de realizarse el experimento. Aqu slo ocurre xito una sola vez. No interesa cuntos veces se deba repetir el ensayo.
Definicin:
Diremos que una variable aleatoria tiene distribucin Geomtrica si representa El nmero de veces que debe repetirse un experimento
hasta que ocurra xito por primera vez. En este caso denotaremos por (), donde , la probabilidad de xito, constituye el parmetro
de la distribucin cuya funcin viene dada por:
() = ( = ) = = ( ) = , , , , , , , , , . , .
Observaciones
1. El experimento termina cuando ocurre xito por primera vez.
2. El valor esperado de , () = /
3. La varianza de , () = /
: ( = ) = = ( )
EJEMPLO#267 Supongamos que una lnea de produccin debe muestrearse hasta encontrar un artculo defectuoso. Utilizando una tasa de
error de = , = %, considere las siguientes preguntas:
a) Cuntos artculos espera usted que debe probarse hasta encontrar uno defectuoso?
b) Cul es la probabilidad de que el primer artculo que se encuentre defectuoso sea el cuarto que se ha probado?
c) Cul es la probabilidad de que el primer artculo que se encuentre defectuoso sea el sexto que sea probado?
d) Cul es la probabilidad de que el primer artculo defectuoso encontrado no sea el primero probado?
SOLUCION: : = % = %

=
) () = = = = , .
,

) ( = ) = = ( ) = ( = ) = ( ) ( ) = = , = , % %

) ( = ) = = ( ) = ( = ) = ( ) ( ) = = , = , % %

) ( = ) = = ( ) = ( ) = ( ) = ( = , . )

( ) = ( = ) = [( ) ( ) ] = [ ] = = , = %

EJEMPLO#268 En las horas de mayor congestin telefnica, se debe intentar varias veces hasta lograr la comunicacin, ya que la
probabilidad de lograrla es de 0,10
a) Cul es la probabilidad de que sean necesarios 4 intentos hasta lograr la comunicacin?
b) Calcular el esperado nmero de intentos hasta lograr la comunicacin?
c) Cul es la probabilidad de que sean necesarios 6 intentos ms si ya se han efectuado 4 intentos sin xito?
SOLUCION: : = % = , ( ) = % = ,

) ( = ) = = ( ) = ( = ) = ( ) ( ) = = , = , % %

= =
) () = = = .
,
) : " "
.

( > > ) = ( > ) = ( ) = [( = ) + ( = )] = [( ) ( ) +( )( ) ]=

[( ) ( ) +( )( ) ]= [ + ]=[ ]= = , = %

( > + > ) = ( > ) = .

EJEMPLO#269 Se lanza un dado hasta que aparece el nmero 6. Cul es la probabilidad de que el nmero de lanzamientos sean 3?

SOLUCION: : = = En este problema el xito es la aparicin del nmero 6 y la probabilidad de que salga el nmero 6 al lanzar
un dado es 1/6, por lo que p = 1/6 y q = 5/6. Como nos interesa calcular la probabilidad de que el 6 aparezca en el tercer lanzamiento,
entonces:

( = ) = = ( ) = ( = ) = ( ) ( ) = = , = , % %

EJEMPLO#270 La probabilidad de que cierto anlisis clnico d una reaccin positiva es 0,4. Los resultados de los anlisis son
independientes unos de otros Cul es la probabilidad de que la primera reaccin positiva ocurra antes del tercer anlisis?
SOLUCION: : = , = , Aqu el xito es que salga una reaccin positiva, por lo que p = 0,4 y q = 0,6. Si la primera reaccin
positiva debe aparecer antes del tercer anlisis, entonces:

( = ) = = ( ) = ( < ) = ( = ) + ( = ) = ( ) ( ) +( )( ) = + = = , = %

EJEMPLO#271 Se tienen 4 llaves de las cuales slo una abre un candado. Se prueban las llaves una tras otra, con reemplazo, hasta
encontrar la que abre el candado. Calcular la probabilidad de que el candado se abra despus del segundo intento.
SOLUCION: : = , = , Si seleccionamos una llave al azar, la probabilidad de que ste abra el candado es y como el xito
es que se abra el candado, entonces p = = 0,25 y q = 0,75. Deseamos encontrar P(X>2).

( = ) = = ( ) = ( > ) = [( )] = [( = ) + ( = )] = [( ) ( ) +( )( ) ]=

[( ) ( ) +( )( ) ] = [ + ] = [ ]= = , = , % %

EJEMPLO#272 Tres personas lanzan una moneda y el disparejo paga el caf. Si los tres resultados son iguales, las monedas se lanzan
nuevamente. Encontrar la probabilidad de que se necesiten menos de 4 intentos para saber quin paga el caf.
SOLUCION: : = , = , En este problema el xito consiste en sacar el disparejo. Lo primero que debemos hacer para
resolver el problema, es encontrar el espacio muestral correspondiente al lanzamiento de 3 monedas:
= {(, , ), (, , ), (, , ), (, , ), (, , ), (, , ), (, , ), (, , )} = = = .
Podemos apreciar que la magnitud del espacio muestral es 8 y que es un espacio equiprobable. El nmero de resultados en que aparece el
disparejo es 6, por lo que p = 6/8 = 0,75 y q = 0,25.
Si queremos obtener la probabilidad de que se necesiten menos de 4 intentos para saber quin paga el caf, entonces:

( = ) = = ( ) = ( < ) = [( = ) + ( = ) + ( = )] = [( ) ( ) +( )( ) +( )( ) ]=

[( ) ( ) +( )( ) +( )( ) ] =[ + + ]= = , = , % %

EJEMPLO#273 Se lanzan 2 dados hasta que la suma de los nmeros que aparecen sea 7. Calcular:
a) La esperanza del nmero de lanzamientos que se necesiten. b) La varianza del nmero de lanzamientos que se necesiten.

SOLUCION: : = = = =

El xito en este experimento es que la suma de los nmeros que aparecen sea 7, por lo que el primer paso es el clculo de su probabilidad.
En problemas anteriores hemos visto que la magnitud del espacio muestral de este experimento es 36. Ahora calculemos el nmero de
formas posibles en que aparece el 7. Los posibles resultados son: {(1, 6) (2, 5) (3, 4) (4, 3) (5, 2) (6, 1)} y aplicando la funcin de conjunto
aditivo vemos que son 6 resultados, por lo que p = 6/36 = 1/6 y q = 5/6.

= () = ( ) =
) = = = = .

()
) = = () = ( ) = ( ) [ ] = = = = () = = .

( )
Distribucin Pascal
Supongamos que se realiza un experimento de manera repetida observando sus resultados. Si definimos a como el Nmero de veces
que debe repetirse el experimento hasta obtener r resultados exitosos y definimos a como la probabilidad de xito cada vez que se realiza
el experimento, diremos entonces, que tiene Distribucin de Pascal con parmetros y , cuya distribucin de probabilidad viene dada
por:

() = ( = ) = (
)
= ( ) ( ) = , + , + , + , .,

= () = ( ) () = = ( ) = = (, + , + , + , . , ) < <

EJEMPLO#274 La probabilidad de encendido de un motor es de 0,80 si se hacen intentos de encendidos hasta que se logren 4 xitos.
a) Calcular la probabilidad de que sean necesarios 9 intentos b) Calcular la probabilidad de que sean necesarios menos de 7 intentos.

SOLUCION: : = {, , , . , }; = , = % = , = % =
(, (,
) () = ( = ) = (
)

=( ) ) ) = ( ) (, ) (, ) = ( )( ) = , % %

(, (, (, (,
) () = ( < ) = ( ) = ( = ) + ( = ) + ( = ) = ( ) ) ) +( ) ) ) +

(, (,
( ) ) ) = ( ) (, ) (, ) + ( ) (, ) (, ) + ( ) (, ) (, ) =

+ + = + + = = , = , % = %

EJEMPLO#275 Si se lanza una moneda hasta que obtener 5 caras, encuentre la probabilidad de que tenga que lanzarse 12 veces. Encuentre
tambin el nmero esperado de veces que debe lanzarse la moneda para obtener 5 caras, as como su desviacin estndar.
SOLUCION: : = ; = , = % = , = % =
Definamos a como la variable aleatoria que representa El nmero de lanzamientos realizados hasta obtener 5 caras. X
( = , = ). El espacio rango de es 5, 6, .. Como slo se deben realizar 12 lanzamientos, la quinta cara debe obtenerse en el
dcimo lanzamiento. Las otras 4 caras deben caer en los 11 lanzamientos anteriores. Ahora bien, de cuntas maneras podemos
repartir 4 caras en 11 posiciones? Esto se hace en (, ) maneras. Como por otro lado deben obtenerse 5 caras y la probabilidad
de obtener una cara es , entonces ( )5 es la probabilidad de obtener 5 caras. Adems, Como en 12 lanzamientos deben ocurrir 7
sellos entonces ( 1/2 )7 es la probabilidad de obtener 7 sellos. Luego, la probabilidad de obtener 5 caras y 7 sellos es ( ) 5 ( )7. Y
esto puede ocurrir en (, ) maneras.

= ( ) ( ) ( )

) () = ( = ) = (
) = ( ) ( )= = , = , % %

) = () = ( ) = ( ) = .
,
, ,
) () = = ( ) = ( ) = ( ) = () = .
, ,
,
) = ( ) = ( ) = = , .
,
Distribucin Hipergeomtrica
Este es otro de los modelos contrario al modelo Binomial. Si en este los resultados del experimento son independientes uno de otro, en el
caso de una Distribucin Hipergeomtrica los resultados siguientes dependen de los anteriores. Esto ocurre ya que el experimento o
fenmeno se realiza sin reposicin. Por esta razn, la variable aleatoria definida como el nmero de xitos obtenidos tiene una distribucin
Hipergeomtrica. Para que una variable aleatoria como tenga distribucin Hipergeomtrica el experimento debe realizarse sin reposicin o
sin reemplazamiento.
Definicin
Suponga que una cierta poblacin de tamao , contiene elementos que poseen determinado atributo o caracterstica. Suponga tambin
que de esta poblacin se desea extraer sin reposicin una muestra de elementos y estamos interesados en saber el nmero de elementos
en la muestra que poseen dicho atributo o caracterstica. Si definimos a como el nmero de elementos con dicho atributo, la probabilidad
de obtener xito (que posea dicho atributo) en la primera ser /, la probabilidad de que el segundo tambin sea xito ser ( )/( )
y de que lo sea sabiendo que el primero no lo fue, ser /( ).
Si ahora se elige una muestra de tamao la variable as definida tendr Distribucin Hipergeomtrica con parmetros , , ; es decir
(, , ) cuya funcin de probabilidad viene dada por:

( )( )
() = ( = ) = (; ; ; ) = ; = , , , , , , , , , , , , . <

( )

() = ( ) = = () = ( ) ( )( ) = ( )( ) ( )

= () = ( )=( ) ( ) = =

Donde:

= .
= .
=
= .
( )
.
Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas:
a) Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repeticin del experimento no es independiente de los dems.
d) El nmero de repeticiones del experimento (n) es constante.
La distribucin binomial es apropiada slo si la probabilidad de un xito permanece constante. Esto ocurre si el muestreo se realiza con
reemplazo en una poblacin grande. Sin embrago, si la poblacin es pequea y ocurre sin reemplazo, la probabilidad de xito variar, y la
distribucin hipergeomtrica es que se utiliza.

( )( )
() = ( = ) = (; ; ; ) = =

( )

Notas:
Si se selecciona una muestra si reemplazo de una poblacin grande conocida y contiene una proporcin relativamente grande de la
poblacin, de manera de la probabilidad de xito varia de una seleccin a la siguiente, debe utilizarse la distribucin hipergeometrica.
Cuando tamao de la poblacin (N) es muy grande, la distribucin hipergeomtrica tiende aproximarse a la binomial.
Se emplea para calcular la probabilidad de obtener determinado nmero de xitos en un espacio muestral de n ensayos, pero a diferencia de
la distribucin binomial es que los datos de la muestra se extraen sin reemplazo en una poblacin finita. Por esto es que el resultado de una
observacin depende o es afectado por el resultado de cualquier otra u otra observacin anterior. Es decir que la distribucin
hipergeometrica se emplea para muestreos sin reemplazo de una poblacin finita cuya probabilidad de ocurrencia cambia a lo largo del
ensayo.
Aproximacin de la distribucin hipergeometrica a una distribucin binomial:
Cuando la poblacin es grande (N) y la muestra relativamente pequea (n), el hecho que el muestreo se realiza sin reemplazo tiene escaso
efecto en la probabilidad de xito de cada ensayo. Por regla general cuando n<10% N(es decir, M/N<0,10) se aproxima la distribucin
hipergeometrica a la distribucin binomial con p=M/N.

( )( ) ( + )

( ) = = ( = ); = ; =
+ + ( + ) ( + )
( )

EJEMPLO#276 De una urna que contiene 5 bolas negras y 2 bolas blancas, se extraen 3 bolas sin reposicin.
a) funcin de distribucin de probabilidad b) probabilidad de extraer 2 negras.
SOLUCION: : = + = ; = ; = ; = =?

( )( )
() = ( = ) = (; ; ; ) = = = = = ()() = , %

( )

EJEMPLO#277 En una fiesta hay 20 personas: 14 casadas y 6 solteras. Se eligen 3 personas al azar.
a)Cul es la probabilidad de que las 3 sean solteras?.
SOLUCION: : = ; = ; = ; = =?

( )( )
() = ( = ) = (; ; ; ) = = = = = ()() = , = , % %

()
( )

EJEMPLO#278 Suponga que se conoce que 4 de cada secuencia de 20 automviles sacados de la lnea de ensamble de motores JVH
requieren que se les vuelva a trabajar extensamente. Supngase que se seleccionan dos automviles de una secuencia de 20 automviles.
a) Cul es la probabilidad de que exactamente un automvil requiere que se le vuelva a trabajar extensamente?
b) En una muestra de tamao n=10, de una secuencia de 20 automviles, Cuntos automviles espera usted que necesiten volvrseles a
trabajar extensamente?
SOLUCION: : = ; = = ; = ; = =? = = =

( )( )
) () = ( = = ) = (; ; ; ) = = = = = ()() = , = , % %

()
( )

()
) =
= = = = . = = = ( ) = ( ) = = = =
+ +
EJEMPLO#279 Suponga que un gerente selecciona aleatoriamente n=4 nombres de un archivo que contiene (a+b=15 solicitantes de un
trabajo), y a=10 de ellos tienen experiencia administrativa previa.
a) Cul es la probabilidad de que ninguno de los solicitantes tenga experiencia?
b) Cul es la probabilidad de que exactamente un solicitante tenga experiencia previa?
SOLUCION: : = + = ; = = ; = ; = = = ) = =? ) = =?

( )( )
) () = ( = = ) = (; ; ; ) = = = = = ()() = = , % % { }

() %
( )

( )( )
) () = ( = = ) = (; ; ; ) = = = = = ()() = = , = , % %

()
( )

EJEMPLO#280 Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de los cuales 5 son hombres y 8 mujeres, calcular el
nmero de hombres contratados o probabilidad de hombres contratados.
SOLUCION: Datos del ejercicio lo vamos a plantear de esta manera:
N=13
= ( ) = =
= ( ) = =
= . = .
= . = .
= ; = ( ) = . : = .
= ; = ( ) = . =
= , , .
= ; = ( ) = .} { = , , .

( )( )
) () = ( = = ) = (; ; ; ) = = = = = = = , = , % %

( )

( )( )
) () = ( = = ) = (; ; ; ) = = = = = = = , = , % %

( )

( )( )
) () = ( = = ) = (; ; ; ) = = = = = = = , = , % %

( )

) = () = ( ) = = ( ) = = , = = , = , ( )

) = () = ( ) ( )( ) = ( )( ) ( ) = ( ) ( ) ( ) = ( ) ( ) ( ) = = , ()

EJEMPLO#281 Si en un refrigerador hay 12 envases de refrescos de los cuales son 3 de manzanas, 5 de naranja y 4 de uva. Cul es la
probabilidad de que al surtir un pedido de 7 envases tomados al azar 2 sean de manzana, 4 de naranja y 1 de uva.
SOLUCION:
= = = = =
= = = = = = =

( ) ( ) ( ) () () () ()()()
( = , , = ) = (; ; ; ) =
= = = = = , = , % %
()
( ) ( )

EJEMPLO#282 Si de un lote de 25 artculos se sabe que 5 estn defectuosos, hallar las siguientes probabilidades en una muestra de 8
artculos seleccionados del lote aleatoriamente. a) Probabilidad de que de los 8, salgan 3 defectuosos. b) Probabilidad de que de los 8,
salgan 6 buenos. c) Probabilidad de que de los 8, salgan mnimo 4 defectuosos. d) Probabilidad de que de los 8, salgan entre 3 y 4 buenos.
e) Se considera aceptable el lote, si en la muestra todos estn buenos. Cul es la probabilidad de que se acepte el lote?
SOLUCION: : = ( ); = (); = (); = (); ) =

( )( )
) () = ( = ) = (; ; ; ) = = = = = = , % { }

( ) , %

( )( )
)() = ( = ) = (; ; ; ) = = = = = = , % { , }

( ) , %

Nota: ya que en la poblacin lo mximo hay 5 defectuosos M=5, ac tenemos M=6, por lo tanto utilizamos M=20. De N-M=20 buenos.

( )( )
)() = ( ) = (; ; ; ) = = = ( ) = ( = ) + ( = ) + ( = ) + ( = ) + ( = ) =

( )

Tener en cuenta que aunque el tamao de la muestra es 8 no se pueden encontrar ni 6, 7 u 8 defectuosos, ya que en la poblacin hay mximo
5 defectuosos. Esto quiere decir que solamente debemos sacar lo siguiente. No olvidar ( = ).

( = ) + ( = ) = + = + = = , % % { }

, %
) = ( ); = ; = (); =

( )( )
() = ( ) = (; ; ; ) = = + = + = = , % %

( )

La probabilidad de que de los 8 salgan entre 3 y 4 buenos es de 2,345%.
) , . , ,
.
: = ( ); = ; = (); = =
: = ( ); = ; = (); = =

( )( )
() = ( = ) = (; ; ; ) = = = = = = , = , % %

( )


( )( )
() = ( = ) = (; ; ; ) = = = = = = , = , % %

( )

La probabilidad de que se acepte el lote es de 11,65%.
EJEMPLO#283 Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en una botella que contiene 9
pldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, cul es
la probabilidad de que el viajero sea arrestado por posesin de narcticos? Cul es la probabilidad de que no sea arrestado por posesin
de narcticos?
SOLUCION: : = + = ( ); = ; = ;
= (); = , , , , =
:
( ) = ( ) =?

( )( )
) () = ( ) = ( = ) + ( = ) + ( = ) = (; ; ; ) = =

( )

( ) =
+
+ = + + = = = , = , % %

Otra forma de resolverlo de forma ms directa
( ) = ( )

( ) = ( = ; = ) = ( )=( )= ( )= = , = , % %

Existe un 81,54% de posibilidad de que el viajero sea arrestado por posesin ilegal de narcticos por oficiales de la aduana.

) () = ( = ; = ) = =( )= = = , = , % %

EJEMPLO#284 Cul es la probabilidad de que una mesera se rehse a servir bebidas alcohlicas nicamente a dos menores de edad si
verifica aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la edad suficiente?, Cal es la probabilidad
de que como mximo 2 de las identificaciones pertenezcan a menores de edad?
SOLUCION: : = ( ); = ; = ;
= ; = , , , , , . .
= .

( )( )
)() = ( = ) = (; ; ; ) = = = = = = , = , % %

( )

( )( )
)() = ( = , , ) = (; ; ; ) = = = + + = = , % %

( )

Distribucin multinomial
La distribucin multinomial es similar a la distribucin binomial, con la diferencia de que en lugar de dos posibles resultados en cada
ensayo, puede haber mltiples resultados:
Propiedades del experimento multinomial:
) .
) .
) , , , , , .
, + + + + =
) .
Formula de la multinomial
!
(, , , , , , ) =
! ! ! ! ! !
EJEMPLO#285 Suponga que una lnea de produccin produce un producto que es J1, J2, J3; J1=aceptable, J2=se debe trabajar para volverse
aceptable, J3=es defectuoso y debe rechazarse. Supongamos por la experiencia pasada que el 90% de las unidades producidas son
aceptables, 7% se les debe trabajar de nuevo y el 3% debe destruirse. Supongamos que el control de calidad de prueba 10 unidades cada da,
en donde cada unidad se prueba para determinar si es J1, J2 J3.
Cul es la probabilidad de que la muestra de maana contenga 8 de J1 y 2 de J2 ?
SOLUCION: : = ; = ; = ; = ; = , ; = , ; = , ;
! !
(, , , ) = = (, , , ) = (, ) (, ) (, ) = , % %
! ! ! ! ! !

EJEMPLO#286 Calcular la probabilidad de obtener dos veces el nmero 4, dos veces el nmero 5 y una vez el nmero 2, en el lanzamiento
de un dado 5 veces.
SOLUCION: : = ; = ; = ; = ; = /; = /; = /.
! !
(, , , ) = = (, , , ) = ( ) ( ) ( ) = = , % %
! ! ! ! ! !
EJEMPLO#287 En una fiesta, el 20% de los asistentes son Bolivianos, el 30%franceses, el 40% son italianos y el 10% son portugueses. En
un pequeo grupo se han reunido 4 invitados. Cul es la probabilidad de que 2 sean bolivianos y 2 italianos?
SOLUCION: : = ; = ; = ; = ; = = , ; = , ; = , ; = , .
! !
(, , , , ) = = (, , , , ) = (, ) (, ) (, ) (, ) = , %
! ! ! ! ! ! ! !
Por lo tanto, la probabilidad de que el grupo este formado por personas de estos pases estn solo de 3,84%.
EJEMPLO#288 Una empresa desea conocer la opinin que se tiene sobre tres productos, A,B,C. sabiendo que el producto A es preferido
por el 10% de los consumidores, el B por el 30% y el C por el 40%.
Cul es la probabilidad de que en una muestra aleatoria de 10 personas, dos prefieren A, tres prefieren B y dos prefieran el producto C?
SOLUCION: : = ; = ; = ; = ; = ( ) = , ; = , ; = , ; = , ().
Para el producto cuarto nos inventamos 3 personas para completar a 10 y para completar al 100% falta 20%.
! !
(, , , , ) = = (, , , , ) = (, ) (, ) (, ) (, ) = , % %
! ! ! ! ! ! ! !
EJEMPLO#289 Segn una encuesta preliminar acerca del voto que los ciudadanos del departamento de Santa Cruz de la Sierra Bolivia,
darn por los candidatos para gobernador del estado se ha detectado que aproximadamente un 52% votara por el partido verde, un 40% por
el partido azul y un 8% por los partidos restantes, si se seleccionan aleatoriamente 6 personas con edad de votar, determine la probabilidad
de que: a)2 voten por el partido verde, 1 por el azul y 3 por el resto de los partidos b)2 voten por partido verde y 4 por el azul.
SOLUCION: : = ; = ; = ; = = , ; = , ; = , .
! !
)(, , , ) = = (, , , ) = (, ) (, ) (, ) = , % %
! ! ! ! ! !
) : = ; = ; = ; = = , ; = , ; = , .
! !
(, , , ) = = (, , , ) = (, ) (, ) (, ) = , %
! ! ! ! ! !
DISTRIBUCIN POISSON
Muchos estudios se basan en el conteo de las veces que se presenta un evento dentro de un rea de oportunidad dada. El rea de
oportunidad es una unidad continua o intervalo de tiempo o espacio (volumen o rea) en donde se puede presentar ms de un evento.
Algunos ejemplos seran los defectos en la superficie de un refrigerador, el nmero fallas de la red en un da, o el nmero de pulgas que tiene
un perro. Cuando se tiene un rea de oportunidad como stas, se utiliza la distribucin de Poisson para calcular las probabilidades si:
a) Le interesa contar las veces que se presenta un evento en particular dentro de un rea de oportunidad determinada. El rea de
oportunidad se define por tiempo, extensin, rea, volumen, etc.
b) La probabilidad de que un evento se presente en un rea de oportunidad dada es igual para todas las reas de oportunidad.
c) El nmero de eventos que ocurren en un rea de oportunidad es independiente del nmero de eventos que se presentan en cualquier otra
rea de oportunidad.
d) La probabilidad de que dos o ms eventos se presenten en un rea de oportunidad tiende a cero conforme esa rea se vuelve menor.
La distribucin de Poisson tiene un parmetro, llamado (letra griega lambda minscula), que es la media o el nmero esperado de eventos
por unidad. La varianza de la distribucin de Poisson tambin es igual a , y su desviacin estndar es igual a . El nmero de eventos de
la variable aleatoria de Poisson flucta desde 0 hasta infinito.

( = ) = () = ; () = = = ; = ; = ; ( ) =
! !
Dnde:
() Probabilidad de eventos en un rea de oportunidad.
Nmero de eventos esperados, #promedio de ocurrencias por unidad de tiempo o espacio.
Nmero de eventos, #de veces que ocurre el evento.
Constante matemtica base de los logaritmos naturales aproximadamente igual a , .
Este nmero es de gran importancia, tan slo comparable a la del nmero (), por su gran variedad de aplicaciones. El nmero () suele

definirse como el lmite de la expresin:( + )
Cuando tiende hacia el infinito. Algunos valores de esta expresin para determinados valores de la se muestran en la tabla siguiente:

EJEMPLO#290 Un promedio de 5 personas por hora realizan transacciones en una ventanilla de servicios especiales de un Banco
Comercial. Suponiendo que el arribo de esas personas tiene una distribucin independiente y es igualmente probable a lo largo del periodo
de inters. Cul es la probabilidad de que exactamente 10 personas deseen realizar transacciones en la ventanilla de servicios especiales
durante una hora en particular?

SOLUCION: : = ; = ; = ; = .

() = ( = ) = = ( = ) = = = , = , % %
! !
EJEMPLO#291 La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se viaja, si se realizan 300 viajes.
Cul es la probabilidad de tener 3 accidentes?
SOLUCION: : = = (, ) = ; = ; = ; =

() = ( = ) = = ( = ) = = = , = , % %
! !
EJEMPLO#292 La probabilidad de que un nio nazca pelirrojo es de 0,012.
Cul es la probabilidad de que entre 800 nacidos haya 5 pelirrojos?
SOLUCION: : = = (, ) = /; = ; = ; =

( ) ( )
(, )
( ) () ,
() = ( = ) = = ( = ) = = = = , = , % %
! !
La probabilidad de que haya 5 pelirrojos entre 800 recin nacidos es del 4,6%.
EJEMPLO#293 Un cajero automtico es utilizado cada 19 minutos por 6 personas. Se desea saber cul es la probabilidad.
a)Que el cajero sea utilizado por 5 personas en 19 minutos.
a)Que el cajero sea utilizado por 10 personas en 19 minutos.
a)Que el cajero sea utilizado por 5 personas menos en 19 minutos.
SOLUCION: : = ; ) = ; ) = ; ) ; = ; =

,
)() = ( = ) = = ( = ) = = = = , = , % %
! !

,
)() = ( = ) = = ( = ) = = = = , = , % %
! !

)() = ( ) = = ( = ) + ( = ) + ( = ) + ( = ) + ( = ) + ( = ) = =
! !

( ) = + + + + + = , + , + , + , + , + , =
! ! ! ! ! !
, + , + , + , + , + , = , (%) = , % %
EJEMPLO#294 Un conmutador recibe en promedio 5 llamadas sobre autos extraviados por hora. Cul es la probabilidad de que en una
hora tomada al azar? a)ninguna llamada b)exactamente 3 llamadas c)no ms de tres llamadas.
SOLUCION: : = = ; ) = ; ) = ; ) < ; = ; =

) () = ( = ) = = = = = = = , = , % %
! ! ,

) () = ( = ) = = = = = = = , = , % %
! ! ,

) () = ( < ) = ( ) = = ( = ) + ( = ) + ( = ) + ( = ) = + + + =
! ! ! ! !

+ + + = , + , + , + , = , = , % %
! ! ! !
EJEMPLO#295 Suponga que hay 300 errores de impresin distribuidos aleatoriamente a lo largo de un libro de 500 pginas. Encuentre la
probabilidad de que en una pgina dada contenga exactamente 2 errores de impresin.

SOLUCION: : = ; = = () = = , ; = ( , ) = .
,
, (, ) , , , , ,
() = ( = ) = = = = = = = , = , % %
! ! , ,
EJEMPLO#296 De acuerdo a registros policiales, en el departamento de La Paz en el puente los trillizos, como promedio suelen producirse
6 intentos de suicidio. Asumiendo que el nmero de estos intentos sigue una distribucin de poisson, calcular la probabilidad de que se
produzcan: a)dos intentos de suicidio por mes b)un intento, tres intentos c)ningn intento d)0,1,2, , 3 intentos e)ms de tres intentos.
SOLUCION: : = = ..


()
) () = ( = ) = = = = = = = , = , % %
! ! ,

()
) () = ( = ) = = = = = = = , = , % %
! ! ,

()
) () = ( = ) = = = = = = = , = , % %
! ! ,

()
) () = ( = ) = = = = = = = , = , % %
! ! ,
) () = ( = ) + ( = ) + ( = ) + ( = ) = , + , + , + , = , = , % %
) () = ( > ) = [( )] = [( = ) + ( = ) + ( = ) + ( = )] = , = , % %
EJEMPLO#297 En una central telefnica que recibe 2 llamadas cada 3 minutos, calcular la probabilidad de que en el periodo de 6 minutos
se presenten: a)5 llamadas b)no ms de 2 llamadas c)al menos 4 llamadas.

SOLUCION: : = = = .

()

) () = ( = ) = = = = = = = , = , % %
! ! ,

) () = ( ) = ( = ) + ( = ) + ( = ) = + + = , + , + , = , % %
! ! !

) () = ( ) = ( ) = [( = ) + ( = ) + ( = ) + ( = )] = [ + + + ]=
! ! ! !

[ + + + ] = [, + , + , + , ] = [, ] = , % %
! ! ! !
EJEMPLO#298 Si un Banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba?:
a) 4 cheques sin fondo en un da dado b)10 cheques sin fondos en cualquiera de dos das consecutivos.
SOLUCION: : = .
= = , , , , , , .

()
) () = ( = ) = = = = = = = , = , % %
! ! ,
b) Datos = = .
= = , , , , , ,
= , .

() ,
() = ( = ) = = = = = , = , % %
! ! !
EJEMPLO#299 El gerente de control de calidad de una empresa que elabora galletas inspecciona un lote de galletas con chispas de
chocolate que se acaban de preparar. Si el proceso de produccin est bajo control, la media de chispas de chocolate por galleta es 6.
Cul es la probabilidad de que en cualquier galleta inspeccionada.
a)Se encuentre menos de 5 chispas? b)Se encuentre exactamente 5 chispas c)Se encuentren 5 o ms chispas d)Se encuentren 4 o 5 chispas
SOLUCION: : = .

) () = ( < ) = ( = ) + ( = ) + ( = ) + ( = ) + ( = ) = + + + + =
! ! ! ! !

( < ) = + + + + = , + , + , + , + , = , = , % %
! ! ! ! !
,
) () = ( = ) = = = = = , = , % %
! !
) () = ( > ) = [( ] = [( = ) + ( = ) + ( = ) + ( = ) + ( = )] = [, ] = , = , % %

) () = ( = ) = = + = , + , = , = , % %
! ! !
EJEMPLO#300 El departamento de transporte registra las estadsticas de las maletas maltratadas por cada 1000 pasajeros. En 1979, una
empresa de transporte tuvo 3,21 maletas maltratadas por cada 1000 pasajeros. Cul es la probabilidad de que, en los prximos 1000
pasajeros, aquella empresa tenga?
a)Ninguna maleta maltratada? b)Al menos una maleta maltratada c)Al menos dos maletas maltratadas.
SOLUCION: : = , .
, (, ) ,
) () = ( = ) = = = = , = , % %
! !
, (, )
) () = ( > ) = = [( < )] = ( = ) = [ ] = , = , = , % %
! !

) () = ( > ) = = [( < )] = [( = ) + ( = )] = [, + , ] = , = , % %
!
EJEMPLO#301 Si un editor de libros no tcnicos hace todo lo posible porque sus libros estn libres de errores tipogrficos, de modo que la
probabilidad de que cualquier pgina dad contenga por lo menos uno de esos errores es de 0,005 y los errores son independientes de una
pgina a otra, Cul es la probabilidad de que una de sus libros de investigacin de operaciones de 400 pginas contenga exactamente una
pgina con errores? Cundo mucho tres pginas con errores?
SOLUCION: : = = (, ) = = ; = , ;
() , ,
) () = ( = ) = = = = = , = , % %
! !
() () ()
()
) () = ( ) = = + + + = , + , + , + , = , = , % %
! ! ! ! !
DISTRIBUCIN NORMAL
La distribucin normal, tambin llamada distribucin de Gauss o distribucin gaussiana, es la distribucin continua de probabilidad ms
importante de toda la Estadstica, debido a que su funcin de densidad es simtrica y con forma de campana, lo que favorece su aplicacin
como modelo a gran nmero de variables estadsticas. La distribucin normal es la ms importante en toda la probabilidad y estadstica.
Muchas poblaciones numricas tienen distribuciones que pueden ser representadas muy fielmente por una curva normal apropiada. Los
ejemplos incluyen estaturas, pesos y otras caractersticas fsicas.
Se dice que una variable aleatoria continua tiene una distribucin normal con parmetros ( ), < < < ,
Si la funcin de densidad de probabilidad de es:
() = = ; =

( )
() = (; , ) = = : { = ; = , ; = ,
< < ; < < ; >
La curva tiene un mximo en = , ; + .
La distribucin normal se escribe como:~(, ); () = = ; = () = .
Representacin grfica de esta funcin de densidad de la distribucin normal se tiene de la siguiente manera:
Distribucin normal estndar

El clculo de ( ) cuando X es una variable aleatoria normal con parmetros , requiere determinar:

( )
= =

La distribucin normal con valores de parmetros = = se llama distribucin normal estndar. Una variable aleatoria que tiene una
distribucin normal estndar se llama variable aleatoria normal estndar y se denotara por . la funcin de densidad de probabilidad de es:


(; , ) = ; < < ; = ; ( ) = ( )

La probabilidad de que la variable aleatoria (que sigue una distribucin normal) se encuentre entre dos valores determinados ser en general
difcil de calcular (hay que usar la integral de la funcin de probabilidad). Para ello, existen tablas que dan estos valores directamente.
Dado que la variable de inters , puede tomar valores < < , se tipifica la variable de inters para as poder trabajar con la tabla,
quedando la distribucin normal, como una distribucin normal tipificada con = = . Para tipificar la variable de inters , se lleva a
la frmula:

= ; ; = %.

Pasos para buscar valores en la tabla:
1.- Plantear la pregunta matemticamente.
2.- Dado que las tablas son acumulativas, se lleva la pregunta a menor. Utilizando las siguientes reglas:
) ( < ) = ; ) ( > ) = ( < ); ) ( < < ) = ( < ) ( < )

: ) ( ) = ( ) ( ) = ( )( ) = ( ) ( ) ; () .

1.- Se tipifica cada valor de X utilizando la frmula:

= ; .

2.- Para buscar en la tabla, tanto el signo como entero y el primer decimal, se encuentra en la primera columna. El segundo decimal se
encuentra en la primera fila. La interseccin entre la fila y la columna es la respectiva probabilidad:
Supongamos que = , luego ( < , ) = , .
: = ; = ; =?
EJEMPLO#302 Sea X una variable aleatoria normal con media = y desviacin estndar = . Determine las siguientes probabilidades:
) ( ; )( > ); ) ( < ) ; ) ( )
SOLUCION: : = ; = .

) ( ) = ( ) ( ) = ( ) ( ) ) ( > ) = ( ) = ( ) = ( )

( ) = () () = () () = , , =
( ) = () = () = , = , %
( ) = , = , %

) ( < ) = ( ) = ( ) = () = () = , % ) ( ) = ( ) = ( ) = () = , %


EJEMPLO#303 En una clnica de nios en la seccin de emergencias, se tienen registradas la edad de cada uno de los nios que ha sido
atendido durante el ao pasado. Tomando estos datos se encuentra que la edad media corresponde a 10 aos, con una desviacin tpica de
3 aos. Si se escoge un nio al azar, para analizar su expediente mdico. Cul es la probabilidad de que?
a)El nio sea mayor a 13 aos b)El nio sea menor a 5 aos c)El nio este entre 6 y 15 aos d)El nio este entre 11 y 14 aos
e)El nio tenga como mximo 12 aos f)El nio sea por lo menos de 8 aos.
SOLUCION: : = ; = .
( ( )); .

) ( ) = ( ) = ( ) = ( ) ) ( ) = ( ) = ( ) = (, ) = , %

( ) = [] = , = , = , %
)( ) = ( ) ( ) =
) ( ) = ( ) ( ) = (, ) (, )
( ) = ( ) ( ) = (, ) (, )
(, ) (, ) = , , = , = , %
( ) = , , = , = , %

) ( ) = ( ) = ( ) = (, ) = , = , % ) ( ) = ( ) = ( ) = ( )

( ) = [, ] = , = , = , %

EJEMPLO#304 El salario medio de los empleados de una empresa se distribuye segn una distribucin normal, con media de 5000
Bolivianos y desviacin tpica de 1000 Bolivianos. Calcular el porcentaje de los empleados con un salario inferior a 7000 Bolivianos.
SOLUCION: : = ; = ; . =?
( ) =?

=( )= = = =

= , = , %
Por lo tanto, que el porcentaje de empleados con salarios

Inferiores a 7000 Bolivianos es del 97,72%.
EJEMPLO#305 Aun examen de ingreso a la UAGRM se presentan 2000 aspirantes. La nota media ha sido 5,5 puntos con una varianza de 1,5 puntos.
a)Tan solo hay 100 plazas. Usted ha obtenido un 7,7. Sera oportuno ir organizando una fiesta para celebrar su xito de ingreso a la UAGRM?
b)Va a haber una segunda oportunidad para el 20% de notas ms altas que no se hayan clasificado (que no han aprobado el ingreso a la UAGRM)
A partir de que nota se podr participar en esta repesca (repechaje)?.
SOLUCION: : = , ; = , ; . = = , ,
, , ,
) = , = ( )= = = , = , = , %
, ,
El 96,41% quiere decir que por encima de usted tan solo se encuentran un 3,59%, encima de mi slo hay un 3,59%.
Si se han presentado 2000 aspirantes, ese 3,59% equivale a unos 72 aspirantes que estn encima de m con ms notas altas, pero como hay
100 plazas disponibles para el ingreso a la UAGRM, tengo suficientes probabilidades como para ir organizando la mejor de las fiestas porque
ya entre a la Universidad.
) % , : = % = , ,
= , + , = ,
,
, = ( ) , (, ) = , , = , , + , = , = = ,
,
A partir de 6,5 puntos de las notas, se podr acudir a dar la repesca (repechaje).
EJEMPLO#306 La renta media de los habitantes de un pas es de 4 Bs al da, con una varianza de 1,5 Bs. Se supone que se distribuye segn una
distribucin normal calcular: a) Porcentaje de la poblacin con una renta inferior a 3 de Bs.
b) Renta a partir de la cual se sita el 10% de la poblacin con mayores ingresos c) Ingresos mnimos y mximos que engloba al 60% de la poblacin
con renta media.
SOLUCION: : = ; = , ; = = , = ,

) ( < ) =? = = = = , = , = , %
, ,
La distribucin norma es simtrica (igualdad): ( < , ) = ( > , ) ( > , = ( < , ) = , = , = , %
El 20,61% de la poblacin tiene una renta inferior a 3 Bs diarios para poder subsistir o costearse su alimentacin diaria.
b)Como dato me da 10%, buscar en la tabla el valor de la variable tipificada cuya probabilidad acumulada es el 90%(0,90), lo que quiere decir
que por encima se sita el 10% superior: si p=0,90=0,8997(esto se aproxima a 90% en la tabla), ver tabla y hallar la Z=1,28.

= , = , (, ) = = ,
,
Por lo tanto, aquellas personas con ingresos superiores a 5,5616 Bs por da constituyen el 10% de la poblacin con rentas ms elevadas,
quiere decir solamente el 10% de la poblacin tiene ingresos mayores a 6 Bs aproximadamente.
c) como tenemos 60%, para llegar al 100% me falta 40%, 40%(multiplico por las dos colas de mnimo y mximo). 40%(2)=80%.
Entonces su probabilidad acumulada ser 0,80(80%), p=80% la (media ser 50% y p=30%): pero lo que vamos a trabajar con lo acumulado de
p=80%=0,7995 ver la tabla Z=0,84 (-Z,Z) engloba al 60% de la poblacin con renta media.

= , = , (, ) = = ,
, , ,
, % .
= , = , (, ) = = ,
{ , }

EJEMPLO#307 La vida media de los habitantes de los Bolivianos es de 68 aos, con una varianza de 25 aos. Se hace un estudio en una pequea
ciudad de 10000 habitantes. a)Cuntas personas superaran previsiblemente los 75 aos? b)Cuntos vivirn menos de 60 aos?
SOLUCION: : = ; = ; = = =

) ( > ) = ( < ) = [ ] = [ ] = [, ] = , = , = , % %

El 8,08% de la poblacin vivirn ms de 75 aos, en este caso unos 880 habitantes de los 10000 habitantes existentes.

) ( < ) =? = = = , = , = , % % Tambin podemos determinar por la simetra de esta forma:

( > ) = ( < ) = [ ] = [ ] = [, ] = , = , = , % % .

El 5,48% de la poblacin (unos 548 habitantes) no llegaran probablemente a esta edad.
EJEMPLO#308 El consumo medio anual de cerveza de los habitantes de Bolivia es de 59 litros, con una varianza de 36 litros. Se supone que se
distribuye segn una distribucin normal.
a) Si usted presume de buen bebedor, Cuntos litros de cerveza tendra que beber al ao para pertenecer al 5% de la poblacin que ms bebe?
b) Si usted bebe 45 litros de cerveza al ao y su mujer le califica de borracho, Qu podra argumentar en su defensa?
SOLUCION: : = ; = ; = = = .
)% , % , % : = % = , = , = ,

= , = , () = , = , + = = ,

Por lo tanto, tendra usted que beber ms de 68,84 litros al ao para pertenecer a ese selecto club de grandes bebedores de cerveza.
b) usted bebe 45 litros de cerveza al ao es usted un borracho?

= = = = , = , = , % % %.

( < ) = ( < , ) = ( > , ) = ( < , ) = , = , = , % % %.
Luego, tan solo un 0,99% de la poblacin bebe menos que usted. Parece un argumento de suficiente peso para que dejen de catalogarte de
enamorado de bebida.
EJEMPLO#309 En un examen sobre 10 puntos, la media es de 7,5 puntos, con una varianza de 1,44 puntos, asumiendo como una distribucin
normal, calcular la nota a partir de la cual se tiene el 10% superior.
SOLUCION: : = , ; = , ; = = , = , .
Antes de j, hay 90% de las notas y despus de la j hay 10%.
Si p=90%=0,90 la p buscamos en la tabla de DNE como no tenemos exacto 0,90
entonces buscamos que se aproxime a 0,90 pero que no pase el 0,90 en este caso el
que se aproxima en p=0,8977 ver tabla y hallar la Z=1,28.
0,90=0,50+0,40Z=1,28
,
= , = , (, ) = , = , ,
,
EJEMPLO#310 El ingreso mensual de cada de una de las familias de cierta comunidad es de 200$us con una desviacin estndar de 40$us.
a)Calcular la probabilidad de que una familia tenga ingresos menor a 120$us.
b)Si el 10% de las familias con mayores ingresos deben pagar impuestos, entonces a partir de que ingresos se debe pagar dichos impuestos.
SOLUCION: : = $ ; = $.
Si el 10% p=0,90=0,8997 ver tabla Z=1,28
)( ) = ( ) = ( )=
= , = , () = = , $
= ( ) = , = , %
Familias con ingresos a 251,2$us pagaran sus impuestos.
EJEMPLO#311 Un lote de tubos posee un dimetro de 10 cm con desviacin estndar de 0,1 cm. Se considera como tubo bueno al de
dimetro comprendido entre 9,9 cm y 10,1 cm. Calcular el porcentaje de tubos defectuosos
SOLUCION: : = ; = , .

(, , ) = ( , ) ( , ) = ( ) ( )=

, ,
( ) ( ) = ( ) ( )=
, ,
( ) ( ) = , , = , = , %
Tubos buenos es el 68,26% y tubos defectuosos ser el 31,74%.
El porcentaje de tubos defectuosos es 31,74%.

Sumamos sus dos colas de 15,87% + 15,87% =31,74%

EJEMPLO#312 La estatura media de un grupo de 100 universitarios es de 170 cm con una desviacin estndar de 15 cm. Asumiendo que
estas estaturas estn normalmente distribuidas. Hallar el probable nmero de universitarios con estaturas de:
a)entre 160 y 180 cm b)menor a 150 cm c)mayor a 176 cm.
SOLUCION: : = ; = ; = .

)( ) = ( ) ( ) = ( ) ( ) = ( ) ( ) = ( , ) ( , )

( , ) ( , ) = , , = , = , %, = = (, ) = , . .

)( ) = ( ) = ( ) = ( , ) = , = , % = (, ) = , .

)( ) = [( )] = [ ( )] = [ ( )] = [( , )] = [(, )] = , = , %

Nmero de estudiantes que tienen mayor a 176 cm, en este caso son 100(0,3446)=34 universitarios.
EJEMPLO#313 La media de los depsitos en un Banco es de 2000$us y con una deviacin estndar de 400$us, correspondientes a los
depsitos en un Banco. Eligiendo un depsito al azar, calcular la probabilidad de que su monto sea de:
a)2000$us o ms b)por lo menos de 2000$us c)1800$us d)entre 2500 y 3000$us e)mayor que 2500$us f)menor que 2500$us.
SOLUCION: : = $ ; = $.

) ( ) = ( ) = ( ) = ( ) ) ( ) = [ ( )] = [ ( )]

( ) = , = % = ( ) = , = , = %
)( ) = ( ) ( ) =
) ( ) = ( ) = ( , ) = ,

= . = , % ( ) = ( ) ( )=

( ) = (, ) (, ) = , , = , %

) ( ) = [ ( )] = , = , % ) ( ) = ( ) = ( , ) = , %


EJEMPLO#314 Si (, ) = , =?
SOLUCIN
( , ) = , = , %
= ,
( , ) = , = , %
, = , % = , , +
, = , + .
= , , = , , = ,
= , ( )
: (, , ) = , , = , =
= , %
EJEMPLO#315 Si ( , ) = , =?
SOLUCIN
, = ,
= , , = , , = ,
= , = ,
= , + , = , = , % = , ; = ,
: ( , ) = , , = , =
= , %
EJEMPLO#316 El producto principal de la compaa manufacturera el AL-QUADOSH+ se vende a 20 Bs la pieza y le cuesta producirlo 16
Bs. El anlisis de los datos de las ventas pasadas indica que el promedio de las ventas es de 40 unidades diarias, con una desviacin
estndar de 10 unidades. Qu nivel de inventario deber tener la empresa?
SOLUCION: : = ; = ; = =?

= = = = = = = = , = %

= , = % = , = , = % = ,

= , = = , = , = = ,

EJEMPLO#317 Las calificaciones en un examen de estadstica inferencial son 0,1,2,3,4,5,6,,10 puntos, dependiendo del nmero de respuestas
correctas, de un total de 10 preguntas. La calificacin media fue de 6,7 y la desviacin estndar fue de 1,2 considerando que las calificaciones estn
normalmente distribuidas, determine a)el porcentaje de estudiantes con 6 puntos b)la calificacin mxima de 10% ms bajo de la clase c)la calificacin
ms baja de 10% ms alto de la clase.
SOLUCION: : = , ; = , .
, ,
, = = = = ,
,
) , , : = , , = , %
, ,
, = = = , = ,
{ , }
,
) = % = , = , = , = , = = ,
,
,
) : = % = % = , = , = , = = ,
,

EJEMPLO#318 Se supone que los resultados de un examen de estadstica Inferencial con Julio Vargas Herbas siguen una distribucin normal con
media 78 y desviacin tpica 36. Se pide: a) Cul es la probabilidad de que una persona que se presenta el examen obtenga una calificacin superior
a 72? b) Calcular la proporcin de estudiantes que tienen puntuaciones que exceden por lo menos en cinco puntos de la puntuacin que marca la
frontera entre el Apto y el No-Apto (son declarados No-Aptos el 25% de los estudiantes que obtuvieron las puntuaciones ms bajas) c) Si se sabe que
la calificacin de un estudiante es mayor que 72 cul es la probabilidad de que su calificacin sea, de hecho, superior a 84?
SOLUCION: : = ; = .

)( ) = ( ) = ( ) = (, ) = , = , = , %

) = (b) > ( ) = , ( ) = , ; < ; ( ) = , % % %

+ +
( ) = , = , , = , = , ; ( = , = )

( > + ) = ( > ) = ( > ) = ( > , ) = ( < , ) = , = , %

)( ) = ( ) = ( ) = (, ) = , = , = , %

[ ] ( ) ,
( ) = = = = = , = , % %
( ) ( ) ,
DISTRIBUCION GAMMA
Para definir la familia de distribuciones gamma, primero se tiene que introducir una funcin que desempea un importante papel en muchas ramas de
las matemticas. Una variable aleatoria X asociada a un experimento aleatorio tiene una distribucin GAMMA si se caracteriza por las siguientes
propiedades:
, :
: =
; ; > ( ); > (
. () = {() } }
( )
; < ; = = ; = : =

. () = = () = ( ) ; : ~(, )
() ()
El modelo Gamma se ha utilizado frecuentemente en variables tales como:
El tiempo ( espacio) requerido para observar? ocurrencias del evento A en el intervalo t ( regin del espacio ), sucesos del tipo Poisson.
Problemas de trfico en lneas telefnicas, ERLANG, 1900.
Flujos mximos, MARKOVIC, 1965.
Resistencia de componentes del concreto reforzado, TICHY VARLIETK, 1965.
Altura de la precipitacin mensual, WHITCOMB, 1940.
Tiempo de falla de un sistema de componentes, cada uno falla con frecuencia .
Ingresos familiares.
Edad del hombre al contraer matrimonio por primera vez.
Tiempo total para completar una operacin, s sta se lleva a cabo en subestaciones a una frecuencia .
EJEMPLO#319 Suponga que cierta pieza metlica se romper despus de sufrir dos ciclos de esfuerzo. Si estos ciclos ocurren de manera
independiente a una frecuencia promedio de dos por cada 100 horas. Obtener la probabilidad de que el intervalo de tiempo se encuentre hasta que
ocurre el segundo ciclo. a) Dentro de una desviacin con respecto del tiempo promedio. b) A ms de dos desviaciones por encima de la media.

SOLUCION: = ; = = , ; ) = = = ; = = (,) = = ; = = ,
, ,
, (,
)
( < < + ) = ( , < < + , ) = (, < < , ) = ,
, () .
, (,
)
= , = , : () = ()!
, ()
)( > + ) = [ > + (, )] = ( > , ) = ,
EJEMPLO#320 En cierta ciudad de Santa Cruz el consumo diario de energa elctrica, en millones de kilovatios por hora, puede considerarse
como una variable aleatoria con distribucin GAMMA de parmetros (= = , ). La planta de energa de esta ciudad tiene una
capacidad diaria de 10 millones de KW/hora. Cul es la probabilidad de que este abastecimientos sea:
a). Insuficiente en un da cualquiera? b). Se consuman entre 3 y 8 millones de K. W./Hora? c). Encuentre E(x) y V(x).
SOLUCIN

)( > ) = ( ) = (, ) , = ,
()
(, ) ,
)( < < ) = = , ; ) = = = ; = = = ; = = = ,
() , ,

DISTRIBUCION EXPONENCIAL
La distribucin de Poisson calcula el nmero de eventos sobre alguna rea de oportunidad (intervalo de tiempo o espacio), la distribucin
exponencial mide el paso del tiempo entre tales eventos. Si el nmero de eventos tiene una distribucin de Poisson, el lapso entre los
eventos estar distribuido exponencialmente.
Frmula: La probabilidad de que el lapso de tiempo sea menor que o igual a cierta cantidad es:
= .
( ) = { = , }
= .

; }
(, ) = { ; () = = ; () = = ; ~() = .
; <
EJEMPLO#321 Los buses interprovinciales de Montero llegan al terminal a una tasa promedio de 10 buses por hora.
a) Cul es la probabilidad de que llegue un bus en no ms de 5 minutos?
b) Cul es la probabilidad de que llegue un bus en no ms de 10 minutos?
c) Cul es la probabilidad de que llegue un bus entre 5 minutos y 10 minutos?
d) Cul es la probabilidad de que llegue un bus en ms de 5 minutos?
SOLUCION: = . = Los dos valores tienen que estar en la misma proporcin horas=horas
a) Como la tasa promedio est dada por hora, y el problema se plantea en minutos, se calcula el porcentaje que representa 5 minutos de una
()()
hora (60 minutos), el cual es: = = = , . ( ) =

) ( ) = ( ) = = = = = , = , = , (%) = , %

Existe un 56,54% de probabilidad de que el segundo bus llegue al terminal en 5 minutos o menos del primero si la tasa promedio de llegada
es de 10 buses por hora.

) ( ) = ( ) = = = = = , = , = , %

) ( ) = ( ) = ( ) ( ) = ( ) ( ) = , , = , %

) ( > ) = ( ) = ( ) = ( ) = ( ) = , = , = , %

EJEMPLO#322 Los clientes de un supermercado llegan en promedio de 1 minuto. Halle la probabilidad de que transcurran.
a)por lo menos 3 minutos despus de la llegada del ultimo cliente y el prximo b)entre 2 minutos y 4 minutos c)a lo ms 2 minutos.
d) mximo 3 minutos, sabiendo que el penltimo y el ltimo legaron con una diferencia de 2 minutos como mnimo.
e) ms de 3 minutos, sabiendo que han transcurrido al menos 2 minutos.
SOLUCION: = .
) ( ) = ( ) = ( ) = ( ) = (, ) = , = , %
) ( ) = ( ) ( ) = ( ) ( ) = ( ) ( ) = , , = , %
) ( ) = = = = , = , %
( ) ( ) ( ) ( ) ( ) , , ,
)[( ) > ] = = = = = = , %
( > ) ( ) ( ) (, ) ,
)[( > )( > )] = ( ) = ( ) = ( ) = ( ) = ( ) = , = , = , %
EJEMPLO#323 Una bombilla posee una vida til media de 150 das. a) calcular la probabilidad de que el tiempo de falla sea mayor a 200 das.
b) si una bombilla ya ha trabajado 200 das, cul es su probabilidad de que trabaje otros 200 das.

SOLUCION: = ; =

) ( > ) = ( ) = ( ) = ( ) = ( ) = (, ) = , = , %

)[( > + )( > )] = ( ) = ( ) = ( ) = (, ) = , %
Nota: 200+200=400-150=250-150=100
EJEMPLO#324 Un motor tiene una vida til de X, que puede considerarse como una variable aleatoria continua con distribucin exponencial.
Si la vida til esperada es de 50 horas y posee un costo de 320 Bolivianos, si el motor dura menos de 70 horas se asigna una prdida de 110
bolivianos adicionales al fabricante calcular el costo esperado.

SOLUCION: = ; =
= ; > = + = ;
= ( > ) + ( ) = [ ( )] + ( ) = [ ( )] + ( ) =

[ ( () )] + ( () ) = [ ( )] + ( ) = [ (, )] + (, ) =
[ (, )] + (, ) = [, ] + (, ) = , + , = , .

DISTRIBUCION Ji-CUADRADA Chi-CUADRDA Para muestras pequeas N<30
En estadstica, la distribucin de Pearson, llamada tambin ji cuadrada o chi cuadrado es una distribucin de probabilidad continua con
un parmetro que representa los grados de libertad de la variable aleatoria. Para muestras pequeas < .
Definicin:
+ + + + + . . + cada una con media cero 0 y desviacin tpica 1 entonces la variable aleatoria es:
= + + + + + . . + Se llama variable aleatoria chi-cuadrada con grados de libertad.
( ) = =
= ; : { } ; { , ; , ; , (%, %, %) }
= =

Si el nivel de confianza es del 95% el valor de alfa debe ser del 5% = %.
a)Hiptesis: si un contraste de hiptesis proporciona un valor de inferior a , la hiptesis nula se rechaza, siendo tal resultado denominado
estadsticamente significativo cuanto menor sea el nivel de significancia mas fuerte ser la evidencia de que un hecho no se debe a una
mera coincidencia (al azar).
b) Grados de libertad = es un estimador del numero de categoras independientes ; =
y tambin pueden ser representados por .
= # , .
= # .
( % ) ( % )
La regla de decisin:
Prueba de bondad de ajuste:

= , .
{ }
= , .
Prueba de independencia:
Se usa para analizar la frecuencia de dos variables con categoras mltiples para determinar si las dos variables son independientes o No.
( ) = , ( ).
{ }
( ) = , ( ).

( )
( )( ) = = =

Prueba de homogeneidad
Se extraen muestras independientes de varias poblaciones y se prueban para ver si son homogneos con respecto a algn criterio de
clasificacin.

= . ( )
{ } ( )( ) = = =
= .
Tablas de contingencias:
= = ( )( )
() ()
: =
()
( ) ( ) .
Variable B TOTAL Los datos de variables cualitativas o categricas
B1 B2 B3 B4 Bc representan atributos o categoras y se organizan
A1 O11 O12 O13 O14 O1c R1 en tablas llamadas tablas de contingencias o
tablas de clasificacin cruzada.
A2 O21 O22 O23 O24 O2c R2
Dnde:
A3 O31 O32 O33 O34 O3c R3
VARIABLE A
= =
A4 O41 O42 O43 O44 O4c R4 =
.

( )
( )( ) =

. = =
Ar Or1 Or2 Or3 Or4 Orc Rr
TOTAL C1 C2 C3 C4 .. Cc n

: # .
: ( = , , , . . , ) , .
: ( = , , . . , ) , , .
: . = ; =
EJEMPLO#325 Un gerente de ventas que tiene su mercado dividido en 4 zonas le indica a sus trabajadores que las zonas tienen el mismo
potencial de ventas. Ante la duda de los vendedores sobre el potencial de sus zonas el gerentes hace el siguiente procedimiento: se extrae
una muestra de los archivos de la empresa de 40 ventas realizadas del ao pasado y encuentra que el nmero de ventas por las zonas son
los siguientes: en la Zona 1 son 6, zona 2 son 12, zona 3 son 14 y zona 4 son 8 ventas. En vista de estos resultados se realiza una prueba de
bondad de ajuste. Utilice una alfa del 5%.
SOLUCION: Planteamiento de hiptesis
Ho: las ventas estn igualmente distribuidas H1: las ventas no estn igualmente distribuidas. Nivel de significancia = % = ,
= = = = = = , ; .
() .
() = ,

= = = , .

La ji-cuadrada Observada se saca con la formulas.

La ji-cuadrado Critico se saca de la tabla.
Elaborar la tabla de fo y fe y calcular el ji-cuadrado ( ).

ZONAS TOTAL
A B C D
Frecuencia observada fo 6 12 14 8 40
Frecuencia esperada fe 10 10 10 10 40
1,6 0,4 1,6 0,4 4(valor esperado)
( )
( ) ( ) ( ) ( ) () () () ()
= = + + + = + + + =

() () () ()
= + + + = + + + = , + , + , + , = .

Hemos calculado los individuales se calculan con la formula, y luego se suman este valor es el observado.
Ahora debemos tomar la decisin:
() < () () < (, ) .
Entonces, no rechazamos Ho entonces quiere decir que aceptamos, es decir que la Ho de que las ventas se encuentran igualmente
distribuidas en las 4 zonas no se puede rechazar para un nivel de significancia del 5%.
EJEMPLO#326 El uso de bebida ordenado con alimentos en un restaurante es independiente de la edad del consumidor? Se toma una
muestra aleatoria de 309 clientes del restaurante de donde resulta el siguiente cuadro de valores observados. Utilice = % para determinar
si las dos variedades (edad-bebida) son independientes:
EDAD Caf (T) Refresco Leche
21-34 aos 26 95 18
35-55 aos 41 40 20
>35 aos 24 13 12
SOLUCIN: Planteamiento de la hiptesis
Ho : el tipo de bebida preferida es independiente de la edad.
H1 : el tipo de bebida preferida no es independiente, est relacionada con la edad.
Nivel de significancia es = % = ,
Clculos de grados de libertad: = ( )( ) = ( )( ) = ()() = ; ( = ) ( = ).
Como tenemos GL=4 y alfa=0,01
Buscar en la tabla de ji-cuadrado.
() = ,

()()
Calculo de la frecuencia esperada: =
EDAD Caf (T) Refresco Leche TOTAL
21-34 aos 26 95 18 139
Frecuencia esperada , , ,
35-55 aos 41 40 20 101
>35 aos 24 13 12 49
Total fo 91 148 50 289
Total fe , , ,
() () ()() ()()
= = = = , ; = = = ,

() () ()() ()()
= = = = , ; = = = ,

() () ()() ()()
= = = = , ; = = = ,

() () ()() ()()
= = = = , ; = = = ,

()()
= = = ,

( ) ( , ) ( , ) ( , ) ( , ) ( , ) ( , )
= = + + + + + +
, , , , , ,
( , ) ( , ) ( , )
+ + + =
, , ,
( )
= = , + , + , + , + , + , + , + , + , = ,

() < () (, ) < (, ) .
Entonces rechazamos Ho, es decir se acepta la hiptesis alternativa H1. Las dos variables la bebida favorita y edad no son independientes.
El tipo de bebida que un cliente ordena con alimentos est relacionada con la edad y depende de este.
EJEMPLO#327 la siguiente tabla indica las familias de 4 distritos y el nmero de personas que vieron un programa especial de poltica econmica nacional
con alfa del 1%.
A B C D TOTAL
Nmero de personas que si vio 10 15 5 18 48
Nmero de personas que no vio 40 35 45 32 152
TOTAL 50 50 50 50 200
SOLUCIN: Planteamiento de la hiptesis
Ho : todos vieron el programa.
H1 : no todos vieron el programa.
Nivel de significancia es = % = ,
Clculos de grados de libertad: = ( )( ) = ( )( ) = ()() = ; ( = ) ( = ).
Como tenemos GL=3 y nivel de significancia del 1%, ver la tabla: y encontramos ji-cuadrado crtico.
() = ,
Ahora vamos a determinar o calcular las frecuencias esperadas y ji-cuadrado observada de la siguiente manera:
()() ()() ()() ()()
= = ; = = ; = = ; = = ;

()() ()() ()() ()()
= = ; = = ; = = ; = = ;

A B C D TOTAL
Nmero de personas que si vio 12 12 12 12 48
Nmero de personas que no vio 38 38 38 38 152
TOTAL 50 50 50 50 200
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
= = + + + + + + + =

( )

= = + + ++ + + + = = ,

A B C D TOTAL
Nmero de personas que si vio 0,3333 0,7500 4,0833 3,0000 8,1666
Nmero de personas que no vio 0,1053 0,2368 1,2895 0,9474 2,5790
TOTAL 0,4386 0,9868 5,3728 3,9474 10,7456

() < () (, ) < (, )
Como el valor observado (10,7456) es menor que el valor critico (11,345), no podemos rechazar Ho para un nivel de 1% de significancia.
La diferencia de las proporciones no es suficientemente grande para rechazar el Ho.
EJEMPLO#328 Supongamos que un investigador est interesado en evaluar la asociacin entre uso de cinturn de seguridad en vehculos particulares y el
nivel socioeconmico del conductor del vehculo. Con este objeto se toma una muestra de conductores a quienes se clasifica en una tabla de asociacin,
encontrando los siguientes resultados:
Uso de Nivel socioeconmico Nivel socioeconmico Nivel socioeconmico TOTAL
cinturn bajo medio alto
SI 8 15 28 51
NO 13 16 14 43
TOTAL 21 31 42 94
Tabla de asociacin, valores observados. Permiten estos datos afirmar que el uso del cinturn de seguridad depende del nivel
socioeconmico? Usaremos un nivel de significacin alfa=0,05.
SOLUCION:
a). En primer lugar se debe plantear las hiptesis que someteremos a prueba
H0: El uso de cinturn de seguridad es independiente del nivel socioeconmico.
H1: El uso de cinturn de seguridad depende del nivel socioeconmico.
En esta prueba estadstica siempre la hiptesis nula plantea que las variables analizadas son independientes.
b). En segundo lugar, obtener (calcular) las frecuencias esperadas
Estas son las frecuencias que debieran darse si las variables fueran independientes, es decir, si fuera cierta la hiptesis nula.
Las frecuencias esperadas se obtendrn de la distribucin de frecuencias del total de los casos, 51 personas de un total de 94 usan el
cinturn y 43 de 94 no lo usan. Esa misma proporcin se debera dar al interior de los tres grupos de nivel socioeconmico, de manera que el
clculo responde al siguiente razonamiento: si de 94 personas 51 usan cinturn; de 21 personas, cuntas debieran usarlo?
La respuesta a esta pregunta se obtiene aplicando la regla de tres y es 11,4. Este procedimiento debe repetirse con todas las frecuencias
del interior de la tabla.
() ()
: =
()
()() ()() ()()

= , ; = , ; = ,
() () ()
()() ()() ()()
, ; = = , ; = ,
() () ()
Estas son las frecuencias que debieran presentarse si la hiptesis nula fuera verdadera y, por consiguiente, las variables fueran independientes.
Estos valores los anotamos en una tabla con las mismas celdas que la anterior; as tendremos una tabla con los valores observados y una
tabla con los valores esperados, que anotaremos en cursiva, para identificarlos bien.
Uso de cinturn Nivel bajo Nivel medio Nivel alto TOTAL
SI 11,3936 16,8191 22,7872 51
NO 9,6064 14,1809 19,2128 43
TOTAL 21 31 42 94
c. En tercer lugar se debe calcular el estadstico de prueba
En este caso, el estadstico de prueba es Ji-cuadrado que, como dijimos al comienzo, compara las frecuencias que entregan los datos de la
muestra (frecuencias observadas) con las frecuencias esperadas, y tiene la siguiente frmula clculo:
( )
=

Donde fo representa a cada frecuencia observada y fe representa la frecuencia esperada, de este modo el valor del estadstico de prueba
para este problema ser:
( ) ( , ) ( , ) ( , ) ( , ) ( , ) ( , )
= = + + + + + =
, , , , , ,
( )

= = , + , + , + , + , + , = , = , ()

Entonces el = , (), este es el valor de nuestro estadstico de prueba que ahora, siguiendo el procedimiento de
problemas anteriores (paso 4), debemos comparar con un valor de la tabla de probabilidades para ji-cuadrado (x2).
Hay que ver en el grfico de ji-cuadrado con valores de cero al infinito solo toma valores positivos.
Dado que el estadstico ji cuadrado slo toma valores positivos, la zona de rechazo de la hiptesis nula siempre estar del lado derecho de la
curva. Uso de tabla ji-cuadrado La tabla de ji-cuadrado tiene en la primera columna los grados de libertad y en la primera fila la probabilidad
asociada a valores mayores a un determinado valor del estadstico (vase tabla de ji-cuadrado). Los grados de libertad dependen del nmero
de celdas que tiene la tabla de asociacin donde estn los datos del problema y su frmula de clculo es muy sencilla:
: = = ( )( ) = ()() = = ,
En la tabla siempre buscamos la ji-cuadrado crtica: = , ().

() < () (, ) < (, ) .
Segn esto, debemos aceptar la hiptesis nula que plantea que las variables uso de cinturn de seguridad y nivel socioeconmico son
independientes. Limitacin: como norma general, se exige que el 80% de las celdas en una tabla de asociacin tengan valores esperados
mayores de 5.
EJEMPLO#329 En un grupo de enfermos que se quejaban de que no dorman se les dio somnferos y placebos. Con los siguientes
resultados. Nivel de significacin del 5%.
Duermen Bien Duermen Mal
Somnferos 44 10
Placebos 81 35
Es lo mismo tomar somnferos o placebos para dormir bien o mal en este grupo de enfermos?
SOLUCIN:
Las hiptesis de este ejercicio, seran las siguientes:
Ho: No es lo mismo tomar somnferos o placebos para dormir mal o bien
H1: Es lo mismo tomar somnferos o placebos para dormir bien o mal.
Para la realizacin del problema se muestran los pasos a seguir, a continuacin.
Paso 1: Completar la tabla de las frecuencias observadas.
Duermen Bien Duermen Mal TOTALES
Somnferos 44 10 54
Placebos 81 35 116
TOTALES 125 45 170
Paso 2: Calcular las frecuencias tericas.
(Es importante caer en la cuenta de que la suma de las frecuencias observadas debe de ser igual a la suma de las frecuencias tericas).
Para este clculo, tenemos que basarnos en la frmula: (total filas x total columnas) / (total).
() () ()()
( ) = = = = = ,
()
() () ()()
( ) = = = = = ,
()
() () ()()
( ) = = = = = ,
()
() () ()()
( ) = = = = = ,
()
Como dijimos antes, la suma de las frecuencias observables deba de ser igual a la suma de las frecuencias esperadas. En este caso
podemos decir, que dicho pronstico se cumple:
Suma frecuencias observadas = 170
Suma de frecuencias esperadas: 39, 7059 + 85, 2941 + 14, 2941 + 30, 7059 = 170
Paso 3: Calcular los grados de libertad. En este caso, como son dos los criterios de clasificacin, el grado de libertad se calculara as:
= ( ) ( )
= ( )( ) = ( ) ( ) =
Paso 4: Calcular el valor de chi cuadrado (usando para ello la frmula escrita al principio de esta entrada)
( ) ( , ) ( , ) ( , ) ( , )
= = + + + =
, , , ,
( )
= = , + , + , + , = , () = ,

Paso 5: Ver la tabla.
En este caso, buscamos en la tabla de la distribucin el valor que se compara con el del resultado del chi cuadrado. Para ello, tenemos
que tener en cuenta el nivel de significacin 5%(0, 05) y el grado de libertad GL(1). La tabla que se utiliza, se muestra en seguida:
Observando la tabla, obtenemos pues que el valor que buscamos es 3, 8415.

En la tabla siempre buscamos la ji-cuadrado crtica: = , ().
Paso 6: Comparar los valores. Ahora debemos tomar la decisin:
Valor calculado > 2, 5711
Valor de la tabla > 3, 8415
Conclusin: como 2, 5711 < 3, 8415 > ACEPTAMOS H0 y rechazamos H1. Podemos decir que la diferencia no es
estadsticamente significativa y que se debe al azar. Es decir, no es lo mismo usar somnferos o placebos para dormir bien o
mal en este grupo de enfermos.
() < () (, ) < (, ) .

DISTRIBUCION t de STUDENT Para muestras pequeas N<30
Definicin:
Es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao
de la muestra es pequeo. sta es la base de la popular prueba t de Student para la determinacin de las diferencias entre dos medias
muestrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones. La distribucin t es ms
ancha y ms plana en el centro que la distribucin normal estndar como resultado de ello se tiene una mayor variabilidad en las medias de
muestra calculadas a partir de muestras ms pequeas. Sin embargo, a medida que aumenta el tamao de la muestra, la distribucin t se
aproxima a la distribucin normal estndar.
Condiciones:
a) Se utiliza en muestras de 30 o menos elementos. b). La desviacin estndar de la poblacin no se conoce
Diferencias:
a) La distribucin t student es menor en la media y ms alta en los extremos que una distribucin normal.
b) Tiene proporcionalmente mayor parte de su rea en los extremos que la distribucin normal.
Existen 2 tipos de prueba t de Student
Test t para diferencia par ( grupos dependientes, test t correlacionado) : GL=df= n (nmero de pares) -1=n-1
Esto se refiere a la diferencia entre las cuentas medias de una sola muestra de individuos que se determina antes del tratamiento y despus
del tratamiento. Puede tambin comparar las cuentas medias de muestras de individuos que se aparean de cierta manera (por ejemplo los
hermanos, madres, hijas, las personas que se emparejan en trminos de las caractersticas particulares).
Test t para muestras independientes
Esto se refiere a la diferencia entre los promedios de dos poblaciones.
Bsicamente, el procedimiento compara los promedios de dos muestras que fueron seleccionadas independientemente una de la otra.
Un ejemplo sera comparar cuentas matemticas de un grupo experimental con un grupo de control.
Cmo decido qu tipo de t-prueba a utilizar?
Error tipo I:
Rechaza una hiptesis nula que sea realmente verdad. La probabilidad de hacer un error tipo I depende del nivel alfa que se
seleccion.
Si se fij la probabilidad alfa en p < 0,05, entonces existe un 5% de posibilidades de hacer un error de tipo I.
Se puede reducir la posibilidad de hacer un error tipo I fijando un nivel alfa ms pequeo (p < 0,01). El problema haciendo esto es
que se aumenta la posibilidad de un error tipo II.
Error tipo II:
Falla en rechazar una hiptesis nula que sea falsa.
La idea bsica para calcular una prueba de Student es encontrar la diferencia entre las medias de los dos grupos y dividirla por el
error estndar (de la diferencia), es decir la desviacin de estndar de la distribucin de las diferencias.
Un intervalo de confianza para una prueba t con dos colas es calculado multiplicando los valores crticos por el error de estndar y
agregando y restando eso de la diferencia de las dos medias.
El efecto tamao se utiliza para calcular la diferencia prctica. Si existen varios miles de pacientes, es muy fcil encontrar una
diferencia estadsticamente significativa
Saber si esa diferencia es prctica o significativa es otra pregunta.
Con los estudios implicando diferencias de grupo, el tamao del efecto es la diferencia de las dos medias dividido por la
desviacin estndar del grupo control (o la desviacin estndar media de ambos grupos si no hay grupo de control).
Generalmente, el tamao del efecto es solamente importante si existe una significacin estadstica.
Un efecto tamao de 2 se considera pequeo, 5 se considera medio, y 8 se considera grande.
Formulas:

=( )
) : =

,
,
, . ,
, . = = =
= ,
Ejemplo si n=4 y = , = ; =
= ; = ; =

) = : { = }

=

() ();
= ; { = }
, ( ).

= ; = ( > ); = ; <
( )
Vamos a utilizar para una muestra pequeas menor a 30 n<30, la t se aproxima a una distribucin normal N(0,1), cuando v(grados de libertad)
tiende al infinito en la prctica considera buena aproximacin para v>30 debemos estudiar la confiabilidad.
Pasos para resolver la t de student:
P1. Plantear la hiptesis nula (Ho) e hiptesis alternativa (H1). La hiptesis alternativa plantea matemticamente lo que queremos demostrar, mientras la
hiptesis nula plantea exactamente lo contrario.
P2. Determinar nivel de significancia (rango de aceptacin de H1).
, = % .
{, = % . } .
, = % .

P3. Evidencia muestral: se calcula la media y la desviacin estndar a partir de la muestra.
P4. Se aplica la distribucin de t de student para calcular la probabilidad de error (p), por medio de la siguiente formula:

=

P5. En base a la evidencia disponible se acepta o se rechaza la hiptesis alternativa:
a)si la probabilidad de error (p) es mayor que el nivel de significancia, se rechaza la hiptesis alternativa.
b)si la probabilidad de error (p) es menor que el nivel de significancia, se acepta la hiptesis alternativa.
EJEMPLO#330 Se aplica una prueba de autoestima a 25 personas quienes obtienen una calificacin promedio de 62,10 con una desviacin
estndar de 5,83 se sabe que el valor correcto de la prueba debe ser mayor a 60. Existe suficiente evidencia para comprobar que no hay
problemas de autoestima en el grupo seleccionado? Considere un nivel de significancia del 0,05.
SOLUCIN:
P1.
(H1): Lo que se quiere comprobar, el grupo no tiene problemas de autoestima. Valor de autoestima mayor a 60.
(H0): Lo contrario a la H1, el grupo tiene problemas de autoestima. Valor de autoestima menor a 60.
P2. Determinar nivel de significancia (rango de aceptacin de H 1). = , = %
P3. Evidencia muestral: = , = ,
P4. Se aplica la distribucin de t de student para calcular la probabilidad de error (p), por medio de la siguiente formula:
=
= , , ,

= = = = = ,
= , ,
= ,

= = ( ) = = = ; , .
Graficamos y comparamos con distribucin normal:
P5. En base a la evidencia disponible se acepta o se rechaza la hiptesis alternativa:

a)si la probabilidad de error (p) es mayor que el nivel de significancia, se rechaza la hiptesis alternativa.
b)si la probabilidad de error (p) es menor que el nivel de significancia, se acepta la hiptesis alternativa.
: < , < , ; ; .
Existe suficientes evidencia para demostrar que el grupo no tiene problemas de autoestima.
EJEMPLO#331 Se desea obtener un intervalo de confianza al 99% para el tiempo medio requerido para realizar un trabajo. Una muestra
aleatoria de 16 mediciones produce una media y una desviacin estndar de 13 y 5,6 minutos respectivamente.
SOLUCIN: : = ; = ; = ,
= % ; % ( ) = = =
,
= % = , ; : = = , , = % = , = %

Como tenemos GL=15 y alfa=0,005 solo una cola, buscar en la tabla de distribucin de t de student.

= , = , , = , , = , , (, ) = , = = ,

Otra forma de determinar los intervalos:


= = = ()
= =
+ +=

, , = ,
= = (, ) = (, ) = (, ) , = , {
= ,
= ,
{
= ,
Tiempo medio requerido para realizar el trabajo sera entre 8,8742 y 17,1258 minutos con una certeza del 99% de nivel de confianza.
Ahora vamos a graficar, aproximandome a una curva de distribucion normal:
Tiempo medio requerido para realizar el trabajo sera

entre 8,8742 y 17,1258 minutos con una certeza del
99% de nivel de confianza.
Ahora vamos a graficar, aproximandome a una curva
de distribucion normal:
Tiempo medio requerido para realizar el trabajo sera

entre 8,8742 y 17,1258 minutos con una certeza del
99% de nivel de confianza.
Ahora vamos a graficar, aproximandome a una curva
de distribucion normal:
EJEMPLO#332 Una empresa textil empacadora de bolsas estaba interesada en comprar una maquina cuya fabricante asegura que la
empacara 500 bolsas (un fardo), con mayor rapidez que cualquier otra mquina, la maquina antigua empaca 500 bolsas en 7 minutos. Como
parte de la demostracin el fabricante empaco 5 fardos, discretamente el empacador cronometro el tiempo para cada fardo y obtuvo un valor
medio de 390 segundos, y una desviacin estndar de 30 segundos. se recomienda comprar la maquina SI o No?
SOLUCIN:
: ; = = = ; = ; = ;
= = ( ) = ;

= = = = = , ; %, .

= = = % = , : = , ; .
< , < ,
EJEMPLO#333 En un curso de estadstica se tabulo la siguiente tabla:

Si se sabe que: =
22,5 5
27,5 10 Calcular la t de student si se tiene una
32,5 15 =
37,5 11
42,5 7
SOLUCIN: < ( ); > ( )
)
(
=
= = , =
22,5 5 112,5 553,4397

=(
27,5 10 275 304,7960 ) ,
= = = , ; = = , = ,
32,5 15 487,5 4,0690
37,5 11 412,5 220,6923 =( )
=( )
42,5 7 297,5 628,9822 = ; ( > ) = ; ( < )

, ,

= ; ( > ) = ; ( < )

,

= = = , ( > ).
,
EJEMPLO#334 Cinco medidas de reaccin de un individuo fueron registradas como: 0,28 0,30 0,27 0,33 0,31. Hallar los lmites de confianza
del: a) 95% b) 99%.
,+,+,+,+, ,
=
SOLUCIN: = ; = = = ,

(, ) ,
(, + , + , + , + , ) = , ; (, + , + , + , + , ) = = = ,


( )
( )

, , , ,
= = = = = , = , ; = = = ,

) %, % = , = = = = ,
Ahora sacamos los intervalos o lmites:

= =? =

= , + , (, ) = , % :
{
= = , = ,
= , , (, ) = ,
) %, % = , = = = = ,
Ahora sacamos los intervalos o lmites:

= =? =

= , + , (, ) = , % :
{
= = , = ,
= , , (, ) = ,
EJEMPLO#335 Reclutas de una armada en cierto campo de adiestramiento son sometidos a una prueba de actividad fsica que incluye
levantamiento de pesas. En un grupo de 100 reclutas, tuvieron una media de 15 levantamientos y una desviacin estndar de 3, establzcase
el 95% de confianza para la media verdadera.
SOLUCIN: = =? = ; = ; = ; = = %; == % = , ; = = =
Cmo no tenemos el 99 en la tabla de t de student, entonces hay que interpolar el 99 y est entre 60 y 190.
, = , = ,
= % = , ; = , ; : { }
=
=
= =,

()
} : { }
()
, ,
()

: =

, , ,
= = = = ( ) = , = , = , = ,

+
= = ; = = , = , , .

= = = = ,

= + , (, ) = , % :
{
=
= , (, ) = , = , = ,
EJEMPLO#336 Se hizo una encuesta y se les pregunto a 4 personas, cuantos vasos de agua tomaban al da y se consiguieron los siguientes
datos: 7, 10, 5, 1. Con un nivel de error del 5%.
SOLUCIN:
+++
=
SOLUCIN: = ; = ; = = ,

( ) = ( + + + ) = ; ( ) = ( + + + ) = =
( )
( )
, ,
= = = = = , = , ; = = = ,

,
= = = , , .
,
= = = = , = , .
: < , < , = .
EJEMPLO#337 Segn la distribucin de student t, calcular las siguientes probabilidades:
)( < ); = ; )( > , ); = ; )( < ) = , ; =
) = < ; ,
, , , = , ( < ) = , = , %

) = < , ; ,
, , , = , ( > , ) = ( < , ) = , = ,
) = < ; =?
= = , = % == % = , = , ; ( < , ) = ,
( , ) = (, ) = , () = , )
= ,
Grafico general de t con comparacin con la distribucin norma:

DISTRIBUCION F de FISHER Para muestras pequeas N<30
DISTRIBUCION F de FISHER Para muestras pequeas N<30
La distribucin de probabilidad F tiene dos parmetros, denotados por v1 y v2. El parmetro v1 se conoce como numero de grados de libertad
del numerador y v2 es el nmero de grados de libertad del denominador; en este caso v1 y v2 son enteros positivos. Una variable aleatoria
que tiene una distribucin F no puede asumir un valor negativo. Como la funcin de densidad es complicada y no ser utilizada en forma
explcita, se omite la formula. Existe una importante conexin entre una variable F y variables ji-cuadrado.
Como se construye una variable aleatoria de distribucin F.
Si X1 y X2 son variables aleatorias ji al cuadrado independientes con v1 y v2 grados de libertad, respectivamente, entonces la variable
aleatoria (la razn de las dos variables aleatorias de ji al cuadrado independientes, divididas entre sus respectivos grados de libertad).
, , .

= = = { . }

, , .

Funcin de densidad:
La distribucin F con v1 y v2 grados de libertad es una funcin que est representada por la siguiente ecuacin matemtica:

( + ) ) < <
[ ] ( ) ( )
)
() = ( + )
{
)

( ) ( ) [ + ( ) ] .

Graficando la distribucin F de Fisher:
En la grfica de una funcin de densidad F tpica, anloga a la
notacin de , , , ,, para el valor sobre el
eje horizontal que captura del rea bajo la curva de densidad F,
con + grados de libertad en la cola superior. La curva de
densidad no es simtrica, as que pareca que tanto los valores
crticos de cola superior como los de cola inferior deben ser
tabulados. Esto no es necesario, debido al hecho de que:

, , ,, =
, ,
, , .
, .
Prueba F para igualdad de varianzas:

Un procedimiento de prueba de hiptesis que se refiere a la razn est basado en el siguiente resultado:

Si son las varianzas de las muestras aleatorias independientes de tamao n1 y n2 tomadas de poblaciones normales con varianzas
, respectivamente:
(,) = ()() = ()()
= = ; = =
( = ),

.
= =
.

, , ,

{ . }
Si F con v1 (numerador) y v2 (denominador):
( + )
: = ; ( > ); : = ; ( > )
( ) ( )
Si son las varianzas de las muestras aleatorias independientes de tamao n1 y n2 tomadas de poblaciones normales con varianzas
, respectivamente entonces la F:

= = =( ) ( ) =( ) ( ) : { = }

Como utilizar la tabla de F:
Buscar los GL (v1, v2) para localizar el rea.
Tenemos los siguientes datos:

= ; = ; = ,

. =
. = ,
. = ,
. . . . . , }
EJEMPLO#338 Encontrar el valor de F de los siguientes casos:

a) el rea de la derecha de F es de 0,25 con v1 =4 y v2 =9. a) el rea de la izquierda de F es de 0,95 con v1 =15 y v2=10.
Como el rea que da la tabla es de cero a Fisher, se tiene

que localizar primero los GL v2 que son 9, luego una rea
En este caso se puede buscar el rea 0,95 directamente en la
de 0,75 con 4 GL v1. Se busca en la tabla el 0,25. tabla con sus respectivos grados de libertad.
c) el rea de la derecha de F es de 0,95 con v1 =6 y v2 =8. d) el rea de la izquierda de F es de 0,10 con v1=24 y v2=24.
Se tiene que buscar en la tabla un rea de 0,05 puesto Se busca en la tabla el rea de 0,10 con sus respectivos GL.
que nos piden un rea a la derecha de F es 0,95.
EJEMPLO#339 Si son las varianzas mustrales de muestras aleatorias independientes de tamaos n1=10 y n2=20, tomadas de
poblaciones normales que tienen las mismas varianzas, encuntrese: ( , ) =?
SOLUCIN:
Primero se establecen los GL como en el numerador esta la poblacin 1 y en el denominador esta la poblacin 2, entonces los GL de uno
equivalen a 10-1=9 y los GL de dos a 20-1=19.
Se procede a ir a la tabla a buscar los GL dos que es el 19 y se observa que no estn, por lo tanto tienes que interpolar entre el 15 y el 20 GL
se encuentra el GL=19, buscando el valor de Fisher que quedara as:


=( ) ( ) = (, ) () = ,

, ; = , = = ; .

, , ,, = (, ; ; ) = ,
: { } ,
, ,, = (; ; ) = ,
, , ,, = (, ; ; ) = ,
Nota los valore de 0,90 y 0,95 estn siempre como niveles de confianza de lmite inferior y superior para el valor de 2,42.
, , , , , ,
= = = , ( , ) = , (, ) = = , ,
, , , , ,
,, = (; ; ) = (, ; ; ) = ,
, ; = , = = ; .

, , ,, = (, ; ; ) = ,
: { } ,
, ,, = (; ; ) = ,
, , ,, = (, ; ; ) = ,
Nota los valore de 0,95 y 0,975 estn siempre como niveles de confianza de lmite inferior y superior para el valor de 2,42.
, , , , , ,
= = = , ( , ) = , (, ) = = ,
, , , , ,
,, = (; ; ) = (, ; ; ) = ,
Ahora ya se tienen las dos reas referentes a los grados de libertad dos, por lo que se interpolara para ver cunto le corresponde a los GL
dos con un valor de 19, v2=19.

= =?: { , } :

,
, , , ,
= = = , = , ( , ) = , = , ,
, , ,
Ahora vamos a graficar:
EJEMPLO#340 Si representan las varianzas de las muestras aleatorias independientes de tamaos n1=25 y n2=31, tomadas de
poblaciones normales con = = varianzas, respectivamente, encuntrese: ( < , ) =?
SOLUCIN: Calcular el valor de F. : = = = ; = = =

= ( ) ( ) = (, ) ( ) = = , .

= , ( = ; = ) = , = , ( = , ) = ,
Luego se va a la tabla F a buscar ( = ; = ) cuando se est en esta posicin se busca adentro de la tabla el valor de Fisher de
1,89. Al localizarlo y ver a la izquierda de este valor se obtiene una rea de 0,95 95% pero esto rea correspondera a la probabilidad de que
las relaciones de las varianzas muestrales fueran menor a 1,26 por lo se calcula su complemento que seria 0,05 5% siendo esta
probabilidad de que: < , .
INTERVALOS DE CONFIANZA PARA EL COCIENTE DE DOS DISTRIBUCIONES NORMALES

Supngase que tiene dos poblaciones normales e independientes con varianzas desconocidas respectivamente. De este par de
poblaciones, se tienen disponibles dos muestras aleatorias de tamaos n1 y n2 respectivamente, sean las dos varianzas muestrales.
Se desea conocer un intervalo de confianza de () por ciento para el cociente de las dos varianzas: .
Para construir el intervalo de confianza para el cociente de dos varianzas poblacionales, se coloca la varianza muestral mayor en el
numerador del estadstico F.
( < < , ,
) =
,,

EJEMPLO#341 Un fabricante de automviles pone a prueba dos nuevos mtodos de ensamblaje de motores respecto al tiempo en minutos,
los resultados se muestran en la tabla siguiente:

MTODO A MTODO B Construya un intervalo de confianza del 90% para:
= =
= =
SOLUCIN:
Por la recomendacin de que la varianza muestral mayor va en el numerador se tiene la siguiente formula:

=( ) ( ) : { = }

F toma dos valores dependiendo del nivel de confianza y de los GL en este caso los GL son: = = = , = = .
= ,; ; = , ; , ,
= ,; ; = ,
, ,

= = = = ,
(, )()

= = = = ,
(, )()
Con un nivel de confianza del 90% se sabe que la relacin
de varianzas est entre 1,0744 y 3,9308. Esto
supondr que la varianza de la poblacin 1 es mayor a la
varianza de la poblacin 2 entre 1,0744 y 3,9308.
De donde sacamos 1,939 sacamos de la tabla F.

De donde sacamos 0,530
Sale de 1/1,939=0,530
, = ,; ; = , ; , = ,; ; = ,
, , ,,

EJEMPLO#342 Una compaa fbrica propulsores para uso en motores de turbina. Al ingeniero de la manufactura le gustara seleccionar el
proceso que tenga la menor variabilidad en la rugosidad de la superficie. Para ello toma una muestra de n 1=16 partes del primer proceso, la
cual tiene una desviacin estndar de S1=4,7 de micro pulgadas, y una muestra aleatoria de n2=12 partes del segundo proceso, la cual tiene
una desviacin estndar de S2=5,1 de micro pulgadas. Se desea encontrar un intervalo de confianza del 90% para el cociente de las dos
varianzas . Supngase que los dos procesos son independientes y que la rugosidad de la superficie est distribuida de manera normal.
SOLUCIN:

=( ) ( ) : { = }
.

= = = ; = = = ; = , ; = ,
, = ,; ; = , ; , = ,; ; = ,
, , , ,

, (, )
=
= = ,
(, )
, (, )
= = = ,
(, )
Puesto que este intervalo de confianza incluye a la unidad, no es posible
afirmar que las desviaciones estndares de la rugosidad de la superficie
de los dos procesos sean diferentes con un nivel de confianza del 90%.
ENSAYO DE HIPTESIS
Supngase que se tiene inters en dos poblaciones normales independientes donde las medias y las varianzas de la poblacin son
desconocidas. Se desea probar la igualdad de las dos varianzas, ya que para poder comparar las medias de estas poblaciones se utiliza t de
student, en la cual podemos tener varianzas iguales o diferentes en la poblacin.
Para conocer este ltimo se requiere de la distribucin de Fisher, y despus de utilizarlo, se tomara la decisin de tener o no varianzas
iguales de la poblacin, dando pie a realizar la comparacin de las dos medias segn estemos hablando.
Primer caso en que las varianzas de la poblacin son desconocidas pero iguales, o en el caso dos se tienen varianzas desconocidas pero
dismiles. Para el ensayo de la hiptesis se utiliza la relacin de varianzas, la cual puede dar tres resultados:
> >
{= = } , , .
< <
EJEMPLO#343 La variabilidad en la cantidad de impurezas presentes en un lote de productos qumicos, utilizada para un proceso en
particular, depende del tiempo que tarda el proceso. Un fabricante que emplea dos lneas de produccin 1 y 2, hizo un pequeo ajuste al

proceso 2, con la esperanza de reducir la variabilidad, as como la cantidad media de impurezas en los productos qumicos, tenemos
muestras de n1=25 y n2=20 mediciones de dos lotes produjeron las siguientes medias y varianzas:
= , = ,
= , = , = ,
Presentan los datos evidencia suficiente para indicar que las variaciones del proceso son menores para el 2?
SOLUCIN:
: = , = , =
: { } = ,
: = , = , =

) : = : >

) : = .
) = = = ; = = = .
Regla de decisin:
: ,
{ } , .
: > ,
Calculo:
= = , , = ,
Decisin y justificacin:
Como 2,0392 es menor que 2,1141 no se rechaza H0; y se
concluye con un = , que no existe suficiente evidencia
para decir que la varianza del proceso 2 es menor que la del
proceso 1.
EJEMPLO#344 En un incansable bsqueda de un sistema de llenado adecuado, cierta empresa prueba dos mquinas. Maquina 1 se usa para
llenar 16 tarros y da una desviacin estndar de 1,9 onzas en el llenado, con maquina 2 se llenan 21 frascos que dan una desviacin estndar
de 2,1 onzas. Si la empresa tiene que elegir uno de estos sistemas en funcin de la uniformidad de llenado. Cul deber seleccionar? Use
un = , .
SOLUCIN:
: = , =
: { } = , = ,
: = , =

) : = :
>

) : = .
) = = = ; = = = . ()
Regla de decisin:
: ,
{ } , .
: > ,
Calculo:
= = (, )(, ) = ,
Decisin y justificacin:
Como 1,2216 es menor que 2,3275 no se rechaza H0; y se
concluye con un = , que la variacin de llenado de la
maquina 1 no es menor a la maquina 2, por lo que se
selecciona cualquier mquina.
EJEMPLO#345 Las capas de xido en las obleas de semiconductores son depositadas en una mezcla de gases para alcanzar el espesor
apropiado. La variabilidad del espesor es una caracterstica crtica de la oblea, y lo deseable para los siguientes pasos de la fabricacin es
tener una variabilidad baja. Para ello se estudian dos mezclas diferentes de gases con la finalidad de determinar con cual se obtienen
mejores resultados en cuanto a la reduccin en la variabilidad del espesor del xido, 21 obleas son depositadas en cada gas. Las
desviaciones estndares de cada muestra del espesor del xido son: S 1=1,96 angstroms y S2=2,13 angstroms.
Existe evidencia que indique una diferencia en las desviaciones? Use un = , .
SOLUCIN:
: = , =
): { } = ,
: = , =

) : =

: >
) : = .
) = = = ; = = = . ()

):
6) Regla de decisin:
: , ,
{ } , .
: < , > ,
7)Calculo:
= = (, )(, ) = ,
8)Decisin y justificacin:
Como 1,1810 est entre los dos valores de H0, no se rechaza H0; y
se concluye con un = , que existe suficiente evidencia para
decir que las varianzas de las poblaciones son iguales.

= , .
,
ERROR DE TIPO II.
Para el ejemplo anterior, encontrar la probabilidad de cometer error tipo II, si la verdadera relacin es: =
= ()( )
= ()( ) = (, )() = ,
= ()( ) = (, )() = ,
Estudiar de donde salen:

A=32,19% y B=67,81%
EJEMPLO#346 Del ejemplo #343 del ensayo de hiptesis. Calcular la probabilidad de cometer error tipo II, si la relacin es:
= ,
SOLUCIN: = ,

= , = (, ) = (, ) = = = (, ) =
(, ) (, ) ,

= ( )( ) = (, ) () = ,
,
Como tenemos los GL son: V1=24 y V2=19 por lo que se tiene que hacer una doble interpolacin ya que 19 GL vamos a suponer que no viene
en la tabla F. en realidad existe la F es 2,1141.
Primero: vamos a interpolar para los GL son: V1=24 y V2=15.

, ,
,, = (, ; ; ) = ,
: { } , ,, = (; ; ) = ,
,
, , ,, = (, ; ; ) = ,
Como tenemos 0,75 busco en la tabla 0,25. Si el rea es 0,25 en la tabla busco el 0,75F=0,7422
, , , , , , ,
= = = , ( , ) = , = = , ,
, , , , , ,
,, = (; ; ) = (, ; ; ) = ,

Al interpolar para un valor de Fisher de 1,4094 se ve este valor muy cercano a 1,4052 el cual corresponde un rea de 0,75 por lo que queda un
resultado de 0,7528.
Segundo: vamos a interpolar para los GL son: V1=24 y V2=20.

, , = (, ; ; ) = ,
: { , , } ,
, ,, = (; ; ) = ,
, , ,, = (, ; ; ) = ,
Como tenemos un rea de 0,75 busco en la tabla = , F=1,3494. Como tenemos un rea de 0,90 busco en la tabla = , F=1,7667.
, , , , , ,
= = = , ( , ) = , = ,
, , , , ,
,, = (; ; ) = (, ; ; ) = ,
Al interpolar para del valor de Fisher de 1,4094 es 0,77 77%.
Tercero: ahora teniendo los dos valores, se puede calcular el rea correspondiente a 24 GL uno (V 1=24) y 19 GL dos (V2=19).

, } = = , , , = , = , %
, ,
,
OTRAS FORMULAS DE LA DISTRIBUCION DE F FISHER:

= =

( ) [ ][( ) ]

( )
= = ; ; ; =

[( ) ][ ] ( + )

= ( + ) .
( )

(

) ; ( ) .
% % , , : , , .

( ) : . : . :
= ; : { ; ; }
: . : . :
( )
().
(). Descripciones
1% o 0,01 1-0,01=0,99
5% o 0,05 1-0,05=0,95
10% o 0,10 1-0,10=0,90
2,5% 0 0,025 1-0,025=0,975
; ( )
a) Para calcular los valores de GL = =
b) Nivel de significancia (): (; ;)
> = ( )
c) Conclusiones: { } ; :
< = ( ; (; ; ) )
:

EJEMPLO#347 Dados dos muestras de 25 y 16. Hallar el valor de F, si el nivel de significancia es de 0,95 y 0,99.
SOLUCIN: = = = = = = = = .
)(;; ) = (,;;) = , )(; ; ) = (,;;) = ,
EJEMPLO#348 De poblaciones distribuidas en forma normal se obtienen dos muestras de tamao 16 y 14 cuyas varianzas muestrales son 10
y 8. Si las varianzas son 9 y 16 respectivamente, determinar si la primera muestra tiene una varianza bastante mayor que la segunda muestra
a un nivel de significancia de 0,95 y 0,99.
SOLUCIN: = ; = ; = ; = ; = ; = ; = , , .

( ) ( ) ()
= = = = = = = , = ( ) = ,

( ) ( ) ()
(= , , ). = = = = = =
= ( ; (;; ) )
)(;;) = (,;;) = , < , < , ;
{ }
)(;;) = (,;;) = , < , < , ;
OTRAS FORMULAS DE LA DISTRIBUCION DE F FISHER:

= = = ( )
( + + + + + )/
La distribucin es continua respecto al intervalo de ( + ); .
Los valores crticos para los niveles que mayormente se utilizan son 0,05 y 0,01.
Para calcular la F se debe seguir el siguiente procedimiento:
a) Calcular la estimacin interna (denominador).
)
(
) , : = ; .

) : = ( + + + + + )/.
b) Calcular la estimacin intermediante (numerador).
( )
) : =

) (n) : ; ) =

c) Las hiptesis nula y alternativa son:
: ; : .
d) Grados de libertad: ( ); ( ) ( ).

EJEMPLO#349 Los pesos en kilogramos por 1,7metros de estatura se ilustran en la siguiente tabla. La finalidad es determinar si existen
diferencias reales entre las cuatro muestras. Emplear un nivel de significacin de 0,05.
OBSERVACIONES MUESTRAS
1 2 3 4
1 70 74 68 75
2 75 77 70 70
3 74 70 65 73
4 72 80 60 72
5 68 72 72 71
6 59 76 73 72
SOLUCIN: la hiptesis nula y alternativa es:

: ; : .
calculando los grados de libertad GL:
: ( = = ) = ; : {( ) = ( ) = () = } =
Buscamos F en la tabla de Fisher: (;;) = (,;;) = ,
Para calcular se procede de la siguiente manera:
a) Calculando las medias aritmticas se obtiene as: = /
+ + + + + + + + + +
=
= = = , =
= = = ,

+ + + + + + + + + +
=
= = = , =
= = = ,

b) Se llenan la siguiente tabla para calcular las varianzas muestrales:
OBSERVACION MUESTRAS ( ) ( ) ( ) ( )
1 2 3 4
1 70 74 68 75 0,111 0,694 0 8,026
2 75 77 70 70 28,441 4,696 4 4,696
3 74 70 65 73 18,775 23,358 9 0,694
4 72 80 60 72 5,445 26,698 64 0,028
5 68 72 72 71 2,779 8,026 16 1,361
6 59 76 73 72 113,785 1,362 25 0,028
TOTALES 418 449 408 433 169,334 64,834 118 14,833
)
(
c) Reemplazamos los datos en la frmula de la varianza se obtienen las varianzas de las 4 muestras: =
, , ,
= = , ; = = , ; = = , ; = = ,

d) Calculando la estimacin interna de varianza se obtiene:
( + + + + + ) , + , + , + , ,
= = = = , ,

( )

e) Para calcular la estimacin intermediante de varianza, primero se calcula la varianza de las medias aritmticas: =
Para calcular la varianza de las medias aritmticas se calcula la media aritmtica de las medias aritmticas, la cual es:
, + , + + , ,
=
= = = ,

f) Se llena la siguiente tabla:

69,667 74,833 68 72,167 TOTAL
(
) 2,25 13,44 10,03 1 26,72
h) Se reemplaza los datos de la tabla para calcular varianza de las medias aritmticas:
(
) , ,
= = = = = ,

i) Calculando la estimacin intermediante de varianza se obtiene de esta manera:
= = (, ) = ,
j) Finalmente calculando la Fprueba se tiene as:
,
: = = = , .
,
k) Graficando:
Conclusin:
Como ; < <
H0 se aprueba, por lo tanto no existen diferencias reales en
los pesos de las 4 muestras, es decir, todas las
proporciones de la poblacin son iguales.
<
, < ,

OTROS TIPOS DE FORMULAS DE FISHER
Intervalos de confianza y contraste de hiptesis para la razn de varianzas:
Cuando se desea hacer inferencias acerca de las varianzas de dos poblaciones, es necesario colocarlas en forma de razn. Si las varianzas
son iguales, entonces el cociente es igual a 1, en caso de que sean diferentes, su cociente tambin se alejar de 1. Como por lo general no se
conocen las varianzas de las poblaciones de inters, cualquier comparacin que se desee, tendr que estar basada en las varianzas ,
las cuales debern ser de muestras independientes y extradas de poblaciones normales.
( )
,
, ( ) .

( )
, , ( ) .

/
: = ; :
/
PASO1: La distribucin F depende de dos valores de GL, uno corresponde al numerador y otro al denominador, a los cuales nos referimos
como GL del numerador GLnumerador=n1=n1-1 y GLdenominador= n2=n2-1.
PASO2: La densidad de la variable F:
+ +

( )
=[ ( )
]( ) [ + ]

( ) ( )
PASO3: La distribucin F para cada par de valores de GL de
PASO4: Hay una distribucin F para cada par de valores de GL.
PASO5: Como distribucin de , una distribucin F es positivamente asimtrica, pero su asimetra se reduce con los aumentos de los GL.

PASO6: Si tiene densidad de ; entonces = tendr una distribucin ; esto es:

=

; ; ; ;

PASO7: La distribucin muestral usada para hacer inferencias entre dos varianzas es la F de Fisher:

/
= =
= ; { , }
/ .

EL INTERVALO DE CONFIANZA PARA EL COCIENTE DE VARIANZAS ESTA DADO POR: < <

/
< < < < : /
/

< < : /

Nota: el valor de la cola izquierda de la distribucin F de Fisher est dado por:
=
= ; : { }

; ; =
; ;

EJEMPLO#350 Las siguientes son las calificaciones obtenidas en un examen de personalidad por dos muestras de 9 mujeres casadas y 9
mujeres solteras:
SOLTERAS 88 68 77 82 63 80 78 71 72
CASADAS 73 77 67 74 74 64 71 71 72
Suponiendo que estos datos se pueden considerar como muestras aleatorias independientes tomadas de dos poblaciones normales, pruebe
la hiptesis de que la varianza de las calificaciones de las mujeres solteras es diferente de la varianza de las calificaciones de las mujeres
casadas. Con = ,
SOLUCION:
Primero: se supone que las muestras son aleatorias independientes y extradas de poblaciones normalmente extradas.
Segundo: : = / = : /
Tercero: = , = ,

Cuarto: Estadstico de contraste de F: =

Quinto: encontramos valores crticos (ver tabla de F). : = = = = : = = = =
): ; ;
= ,; ; = , : ,; ; = ,

): = = = , .
; ;
, ; ; ,

< < , < < , , < < ,


SEXTO: ahora calculamos el valor de FC=?
SOLTERAS CASADAS ( ) ()

88 73 7744 5329 = = = = ,
68 77 4624 5929
77 67 5929 4489 = , soletras
82 74 6724 5476
63 74 3969 5476
( ) ()
80 64 6400 4096
= = = = ,
78 71 6084 5041

71 71 5041 5041 = , casadas
72 72 5184 5184

,
= = = = ,
,
SEPTIMO:
< < , < , < ,

OCTAVO: Las varianzas de las calificaciones de las soleras y de las casadas no son significativamente diferentes.
EJEMPLO#351 La variabilidad de la cantidad de impurezas presentes en un compuesto qumico, usado para un proceso particular depende
del tiempo en que el proceso est en operacin. Un fabricante que usa las lneas de produccin 1 y 2 ha introducido un ligero ajuste al
proceso 2 con la esperanza de reducir tanto la variabilidad como la media de la cantidad de impurezas en el compuesto qumico. Las medias
y las varianzas de las muestras de 25 observaciones de los procesos son: = , = ,
= , = ,
Determine el intervalo de confianza del 90% para el cociente de varianzas.
SOLUCION:
= , = ,
= , = , = = = = % = %

; = , ; ; ,; ; = , () = , ; ; ,; ; = = ,

;

; ; ,
, , , ,
< < < < < < , < < ,
, , , (, ) , (, )

Como ambos lmites son mayores que 1 se puede concluir que la varianza 1 es significativamente mayor que la varianza 2.
EJEMPLO#352 Existe un proceso industrial A para obtener el aceite esencial de cierto fruto. Un grupo de ingenieros bolivianos ha desarrollado un
mtodo B para el mismo fin, pero con los costos de produccin y mantenimiento menores. Se hizo un estudio para comparar el porcentaje de pureza
del aceite esencial obtenido por ambos mtodos, en lotes similares de fruto asignados completamente al azar y se recopilo la siguiente informacin:
% de pureza del aceite esencial
Mtodo A 82 80 83 85 79 82 81 84
Mtodo B 80 79 82 82 81 80 79 78 83
En un inicio, por consideraciones tericas, se pensaba que ambos procesos tendran la misma variabilidad, pero de acuerdo con algunos resultados
preliminares se cree ahora que el mtodo B produce resultados menos variables. Con los datos de la tabla. Cul es su conclusin con = , ?
SOLUCION:
Primero: METODO A METODO B
Se ve claramente que los dos procesos son independientes y no hay razn para 1 79 0 1 78 0
dudar de que l % de pureza se distribuya normalmente para ambos procesos 2 80 0 3 79 00
como se puede observar en los diagramas de tallo y hoja respectiva. 3 81 0 (2) 80 00
(2) 82 00 4 81 0
Ordenamos de menor a mayor los datos: 3 83 0 3 82 0
2 84 0 1 83 0
1 85 0

Segundo: : / : < / <
Tercero: = , = ,



; ; = ,;; = , ; ; ; = ,;; = = = = ,
; ; ,; ; ,
Nota: si solamente sacamos 1T(una sola cola).
= ; = = ; =
Sexto:
,
Valor calculado de F: = = () = ,

( ) ()

=
= = =

=
( ) ()

= = = = ,

= ,
SEPTIMO:
< , < , ,
OCTAVO: conclusin la varianza del proceso B no es significativamente menor que la del proceso A.
= = =
EJEMPLO#353 Se les hace una pregunta a dos poblaciones distintas, donde el tiempo de reaccin a la pregunta son los siguientes:
X(segundos) 0,30 0,50 1,20 1,10 1,95 1,53 3,50 5,00 2,40 6,21 10,11 33,80
Y(segundos) 1,02 0,95 2,10 1,30 1,45 0,45 2,95 7,20 5,10 4,00 8,30 34,82
SOLUCION:
= , = , = , = , =
( )
(, ) , ( ) (, )

= , , ,
= = = , ; = = = ,

( ) (, ) , ( ) (, )
, ,
= = = = , ; = = , = ,

: =
, /
= = = , =
, /
Por la tabla de F:
= =
} : = , % = , : < , < ,
= =
Vamos a suponer, me invente como interpolar los siguientes valores: este hacemos para aprender cmo se interpolan:
, ( = = ) , ,
{ } = = ( , ) = , , = , = , = ,
, ( = = ) ,

Segundo: : / : < / <
Tercero: = , = ,



; ; = ,;; = , ; ; ; = ,;; = = = = ,
; ; ,; ; ,
Nota: si solamente sacamos 1T(una sola cola).
= ; = = ; =
Sexto:
,
Valor calculado de F: = = () = ,

( ) ()

=
= = =

=
( ) ()

= = = = ,

= ,
SEPTIMO:
< , < , ,
OCTAVO: conclusin la varianza del proceso B no es significativamente menor que la del proceso A.
= = =
EJEMPLO#353 Se les hace una pregunta a dos poblaciones distintas, donde el tiempo de reaccin a la pregunta son los siguientes:
X(segundos) 0,30 0,50 1,20 1,10 1,95 1,53 3,50 5,00 2,40 6,21 10,11 33,80
Y(segundos) 1,02 0,95 2,10 1,30 1,45 0,45 2,95 7,20 5,10 4,00 8,30 34,82
SOLUCION:
= , = , = , = , =
( ) (, ) , ( ) (, )

= , , ,
= = = , ; = = = ,

( ) (, ) ( ) (, )
,
, ,
= = = = , ; = = , = ,

: =
, /
= = = , =
, /
Por la tabla de F:
= =
} : = , % = , : < , < ,
= =
Vamos a suponer, me invente como interpolar los siguientes valores: este hacemos para aprender cmo se interpolan:
, ( = = ) , ,
{ } = = ( , ) = , , = , = , = ,
, ( = = ) ,


TEORA DE
MUESTREO

Teora del muestreo.
OBJETIVOS
Reconocer los diferentes tipos de muestreos probabilsticas.
Reconocer los diferentes tipos de muestreos no probabilsticas.
Calcular el tamao de la muestra para poblacin finita e infinita.
Resolver problemas de aplicacin a la economa.
Muestreo.-Uno de los temas ms importantes de la Estadstica Inferencial es sin duda alguna el Muestreo. Es la parte de la ciencia que divide
a la investigacin cientfica de la bsqueda emprica de resultados, la correcta seleccin del tamao de la muestra es sumamente importante
en el mundo empresarial, ya que frecuentemente requerimos realizar encuestas e investigaciones de mercado para tomar decisiones que es
la base de un profesional exitoso.
Si bien hay muchsima bibliografa acerca del tema en esta gua hemos intentado sintetizar solo los argumentos ms importantes y que les
resultarn ms tiles a los profesionales de las Ciencias Econmicas, Administrativas y Financieras.
Existen como tal dos tipos de muestreo, el probabilstico y el No probabilstico, el muestreo probabilstico es cuando todos los elementos de
la poblacin tienen la misma probabilidad de ser seleccionados en la Muestra y obviamente el no probabilstico es el que muestra lo
contrario. En este GUIA-MEA solo trabajaremos con el muestreo probabilstico y necesariamente con poblaciones finitas (que se conocen
todos los elementos de la poblacin) ya que estos son los ms utilizados en las investigaciones de mercado de nuestro rubro de trabajo.
Aparte de las frmulas de muestreo existen criterios que necesariamente deben cumplirse a la hora de realizar una investigacin.
Criterios de Muestreo:
1. Se debe tomar informacin en todas las reas y horarios. (Si queremos realizar una encuesta en la Universidad UAGRM, es
importante que tomemos la opinin de estudiantes de todos los horarios, ya que la opinin de los estudiantes de la maana puede
diferir mucho a los de la noche)
2. Si usted no va a realizar la encuesta debe adiestrar muy bien a los encuestadores y si es posible realizar una auditora de trabajo de
campo.
3. Tomar la informacin en diversos das no el mismo. Por qu?, En muchas ocasiones hay lugares que las personas visitan solo
rara vez y otros todos los das.
Para seleccionar los datos tenemos que tomar en cuenta que existen varios mtodos de seleccin.
1. La Entrevista Personal.
2. Entrevistas por telfono.
3. Cuestionarios Auto aplicados (Encuestas)
4. Observacin Directa.
Nota: Intente que la mayor cantidad de sus preguntas sean cerradas. Las preguntas ms importantes no pueden tener la opcin No se no
respondo.
Planeacin de una encuesta por muestreo.
1. Establecimiento de objetivos: Usted debe saber de ante mano lo que quiere investigar, los objetivos deben ser muy claros y
concisos.
2. Poblacin Objetivo: Usted debe delimitar su poblacin. No siempre nos interesa trabajar con la poblacin en su conjunto sino una
parte de ella. Ejemplo; Si usted es vendedor de acciones de bolsa con un valor superior a los 1,5 millones de bolivianos no creo que
le interese mucho encuestar a estudiantes personas de recursos medios.
3. El Marco Muestral: El Marco muestral es una lista donde estn todos los elementos de la poblacin, ejemplo: si usted va a estudiar
el nivel de satisfaccin de los obreros del ingenio Guabir, el marco muestral sera la nmina de todos los trabajadores.
4. Diseo de Muestreo: Seleccione que tipo de muestreo va a utilizar, aleatorio simple, sistemtico, por conglomerados polietpico
(Varios muestreos a la vez)
5. Mtodo de Medicin: Entrevistas, encuestas, observaciones, entrevistas por telfono, etc.
6. Instrumento de Medicin: Como tal este paso se refiere a elaborar el cuestionario en s.
7. Seleccin y adiestramiento de investigadores de Campo: Este es una de las partes ms importantes, tome el tiempo que sea
necesario para esto y dele la importancia que se merece, de instrucciones claras.
8. Prueba Piloto: Se realiza con dos objetivos, uno es calcular la varianza poblacional y otro es saber ms menos como est
elaborado el cuestionario.
9. Organizacin y Trabajo de Campo: Como tal es el trabajo de campo en s. Ir y tomar la informacin a la calle, a la empresa por
correo.
10. Organizacin del Manejo de Datos. Ya est toda la informacin seleccionada y requerimos organizar el trabajo, Quin va a
tabular?, Quin va a dictar?, etc.
11. Anlisis de los datos: Es el tratamiento procesamiento de la informacin y las propuestas de solucin a problemas, hiptesis
toma de decisiones.
Muestreo Aleatorio Simple:
Este es sin duda alguna el ms utilizado de todos los muestreos, sus usos son infinitos, y es tan sencillo de entender como tener una bolsa
con 40 bolillas y seleccionar 10 a azar, evidentemente todos los elementos de la poblacin tienen la misma probabilidad de ser
seleccionados en la muestra.
Para seleccionar el tamao de la muestra utilizando el muestreo aleatorio simple debemos tener en cuenta Que nos interesa de la
poblacin?
La media poblacional. Ejemplo (Cul es el gasto promedio en CDs de los estudiantes Universitarios de Santa Cruz de la Sierra,
Bolivia)
Una proporcin poblacional. Ejemplo (Cul es la proporcin de estudiantes de Santa Cruz que compran CDs.
Un total poblacional. Ejemplo (Cul es el total de dinero que gastan estudiantes de Santa Cruz comprando CDs.
En esta gua no vamos a trabajar con los totales, pero si es importante que conozcas que existe este tipo de estadgrafo llamado (tao) total.
Seleccin del tamao de la Muestra para seleccionar la Media Poblacional.
Recordemos que la media poblacional es (miu) (mu) y se denota con la letra ().

Frmula:
: .
: .

= ; = ; : : .
[( ) ] +
: .
{: .
Nota: Una vez seleccionado el tamao de la Muestra se seleccionan de la poblacin utilizando la tabla de Nmeros Aleatorios.
EJEMPLO#354 5000 son las cuentas en moras de la Cooperativa COOPLAN3000, se sabe por estudios anteriores que la desviacin
estndar de las mismas es de 35 Bolivianos, Hay que llamar a los clientes para saber Cul ha sido el motivo del retraso en sus
obligaciones? Evidentemente no se puede llamar a los 5000 porque incurrira un elevado costo para la cooperativa, por lo que hay que
seleccionar una muestra. Es evidente que se puede utilizar el muestreo aleatorio simple debido a que cumple con los requisitos del mismo.
a) Determine el nmero de clientes que hay que llamar con un lmite para el error de estimacin de 5 bolivianos.
b) Determine el nmero de clientes que hay que llamar con un lmite para el error de estimacin de 10 bolivianos.
SOLUCIN:
Respuesta al inciso a
No nos dan la Varianza poblacional pero si la desviacin Estndar, y la varianza es la desviacin estndar al cuadrado.
: = = = ; = ; =

= = = = ,

() () ()()
= = = = = = ,
[( ) ] + [( ) (, )] + () [, ] + ,
[ ] +

Respuesta: De las 5000 cuentas de la cooperativa COOPLAN3000 tenemos que seleccionar 189 cuentas de 5000 cuentas, si es que
queremos un lmite para el error de estimacin de 5 bolivianos.
Respuesta al inciso b
: = = = ; = ; =

= = = =

() () ()()
= = = = = = ,
[( ) ] + [( ) ()] + () [] + +
Respuesta: De las 5000 cuentas de la cooperativa COOPLAN3000 tenemos que seleccionar 49 cuentas de las 5000 cuentas, si es que
queremos un lmite para el error de estimacin de 10 bolivianos.
Nota: Notemos que mientras ms grande es el error que aceptamos ms pequea es la muestra.
EJEMPLO#355 Usted es el gerente de Marketing de la empresa comercializadora de calzados Zapatitos de Cristal, en los ltimos meses se
ha detectado un descenso de las ventas netas, su asesor sugiere que se realice una investigacin de mercado para detectar si ha sido
debida a un ciclo comercial a la llegada de nuevos competidores. Se tom una prueba piloto donde se pudo detectar en los encuestados un
valor mximo de compras de 80 bolivianos y un mnimo de 20 bolivianos. Con un error de estimacin de 4 bolivianos cuantas encuestas se
deben tomar para saber por qu ha sido el descenso en las ventas teniendo en cuenta que los clientes con direccin y nmero de celular
estn en la base de datos de la empresa y suman 3000 clientes.
SOLUCIN:
= , ,
, ( = ). .

: = = ; : = =

: = = = ; = ; =

= = = =

() () ()()
= = = = = ,
[( ) ] + [( ) ()] + () [] +
Respuesta: Se debe tomar una encuesta a 56 de los clientes de los 3000 clientes.

Seleccin del tamao de la Muestra para seleccionar una proporcin poblacional ().
Recordemos que la proporcin poblacional es ().
Frmula:
: .
: .
= ; = ; : {
[( ) ] + ( ) : .
: .
: .
: .
EJEMPLO#356 El seor Julio propietario de la Finca Ganadera AL-QUADOSH+ ha detectado que estn muriendo animales. Julio es
propietario de 10000 cabezas de ganado y el costo del estudio (anlisis de sangre) por animal es de 5 Bs. Julio solo puede tener un error de
estimacin del 5% y no tiene el dinero suficiente para realizarle el estudio a todos los animales. Cul es la Muestra probabilstica que debe
seleccionar Julio para realizar el estudio que verifique la proporcin de animales que estn enfermos y cul es el presupuesto que necesita
para llevar adelante anlisis de sangre.
Nota: En el anterior estudio se calcul que el 20% de los animales estaban contaminados con un virus.
SOLUCIN:
: = ; = % = , ; = % = , ; = % = , ; = .

(, )
= = = = = ,

, ,
= = = = = ,
[( ) ] + ( ) [(
) ] + (, , ) [] + (, )

Respuesta: Con un lmite para el error de estimacin de 5% el tamao de la muestra debe ser de 250 animales para el estudio y el
presupuesto sera de ( = ).
EJEMPLO#357 El gerente de Recursos Humanos de la fbrica de Juguetes Juguetn ley la semana pasada el buzn de quejas y
sugerencias internas y detect que un 30% de las quejas eran acerca del mal trato del Supervisor Vargas, preocupado por esta situacin
decide realizar una encuesta para determinar si realmente existe tal molestia entre los trabajadores es solo problema de una camarilla, El
problema es que hay 50000 obreros y encuestarlos a todos sera en un perodo muy largo de tiempo. Qu tan grande debe ser el tamao de
la muestra que necesita tomar el gerente para realizar dicha encuesta teniendo en cuenta un lmite para el error de estimacin de 0,04?
SOLUCIN:
: = = , = % = , = % = , = %

(, )
= = = = = ,

, ,
= = = = = ,
[( ) ] + ( ) [, ] + (, ) ,
[( ) ] + (, , )

El gerente requiere tomar una muestra de 520 empleados para determinar la situacin del seor Vargas.
Muestreo Sistemtico:
El muestreo sistemtico es muy parecido aleatorio simple, de hecho mantiene hasta las mismas frmulas, la nica diferencia es que en este
se divide la poblacin entre la muestra y hallamos un valor que vamos a llamar , tomamos un primer valor y sistemticamente sumamos
y seleccionamos la observacin.
Ventajas del Muestreo Sistemtico:
1.- Es el ms fcil de llevar a cabo en el campo.
2.- Est menos expuestos a errores de seleccin que cometen los investigadores de campo.
3.- El muestreo Sistemtico puede proporcionar mayor informacin que la que puede proporcionar el muestreo aleatorio por unidad de costo.
Seleccin del tamao de la muestra para hallar el promedio poblacional.
Frmula.
: .
: .

= ; = ; : : .
[( ) ] +
: .
{: .
Como podemos ver es la misma muestra que el muestreo aleatorio simple.

EJEMPLO#358 Suponemos que queremos saber la opinin sobre un profesor de una clase de 60 personas. Dichas personas estn
ordenadas por orden alfabtico en la lista de alumnos de clase. Para realizar la encuesta, seleccionamos a 12 personas:
Por lo tanto, = = . El intervalo fijo entre sujetos es:

= = = .

Ahora elegimos al azar un nmero entre 1 y = . Suponemos que nos sale = . La muestra resultado mediante el muestreo sistemtico ser:
EJEMPLO#359 La siguiente tabla muestra los valores de las edades de los integrantes del Club Social. (Guajur). Con un error de estimacin
de 4 aos. Cul debe ser la muestra que se debe seleccionar? y realice mediante el muestreo sistemtico, seleccione los valores y halle el
promedio de la muestra e infiera a la poblacin.
56 36 80 54 21 45 48 49 52 59
64 48 75 20 25 29 32 36 37 33
33 39 45 42 48 65 32 6 90 75
21 20 54 58 68 69 70 65 60 70
50 52 45 25 35 65 95 85 75 75
45 75 45 25 52 45 53 56 59 58
57 65 68 67 64 21 70 80 90 54
24 25 65 35 36 38 69 71 80 28
Evidentemente que una poblacin de este tamao (80) se puede estudiar en su totalidad pero con fines pedaggicos hemos tomado la
decisin de seleccionar una muestra y luego sistematizar.
SOLUCIN:
: = ; = ;
: : , : , = = = .

= = = ,

= (, ) = , = ,

= = = = = .

= = = = ; = . = = = = , ()

() (, ) ()(, )
= = = = = = ,
[( ) ] + [( ) (, )] + (, ) [, ] + ,

= = = = .

Evidentemente tenemos que seleccionar 10 de los 80 socios. El primer valor lo tomamos aleatoriamente entre los primeros 10 valores, en
nuestro caso fue el tercero, entonces seleccionamos el tercer valor y sistematizamos sumando k que en este caso es 8.
56 36 80 54 21 45 48 49 52 59
64 48 75 20 25 29 32 36 37 33
33 39 45 42 48 65 32 6 90 75
21 20 54 58 68 69 70 65 60 70
50 52 45 25 35 65 95 85 75 75
45 75 45 25 52 45 53 56 59 58
57 65 68 67 64 21 70 80 90 54
24 25 65 35 36 38 69 71 80 28

Ahora realizamos el estudio entre los 10 valores seleccionados en la muestra.
+ + + + + + + + +
=
= = = = ,

El promedio de las edades de la muestra es 54 aos. Ahora realizamos el intervalo de confianza para inferir a la poblacin. Como es una
muestra pequea (10) tenemos que utilizar la t de student.
IC: Intervalo de Confianza para estimar la media poblacional de muestras pequeas:
:

()( ) =
. . : = ( ) : {
: }
:
:
= , = = , , ( ) = = .
y el nivel de significacin al no drnoslo es el 95%. Siguiendo los pasos que estn en la tabla es 2,2622 el valor de t
,
()( ) =
= ( ) (, )
= (, ) (, ) =
= (, ) = (, )

, , , ,
Respuesta:
Estamos seguros que en un 95% de las posibles muestras que se pudieran haber seleccionado la media estar entre 41,48 y 66,52 aos.
Seleccin del tamao de la Muestra para seleccionar una proporcin poblacional ().
Formula:
: .
: .
= ; = ; : {
[( ) ] + ( ) : .
: .
: .
: .
EJEMPLO#360 Los siguientes datos muestran la opinin que tuvieron las 130 personas que asistieron al cine el Peliculn el da de su
reapertura. Encuestas anteriores muestran que el 65% de los visitantes ven las mejoras como positivas. Debido a que tabular 130 encuestas
es mucho segn el gerente, se decide tomar una muestra con un error de 0,15 y un 95% de confiabilidad, aparte realice un estudio estadstico
completo.
Positivo Igual Positivo Igual Positivo Positivo Positivo Positivo Positivo Positivo
Igual Negativo Positivo Igual Positivo Igual Negativo Positivo Igual Positivo
Negativo Igual Igual Positivo Positivo Positivo Positivo Igual Igual Positivo
Igual Positivo Negativo Positivo Igual Igual Igual Negativo Positivo Positivo
Positivo Igual Igual Igual Negativo Positivo Positivo Igual Positivo Positivo
Positivo Negativo Igual Positivo Igual Igual Positivo Igual Igual Positivo
Igual Igual Positivo Negativo Positivo Negativo Igual Positivo Positivo Igual
Negativo Positivo Positivo Igual Igual Igual Positivo Igual Igual Positivo
Igual Positivo Igual Positivo Positivo Positivo Igual Igual Negativo Igual
Positivo Positivo Positivo Positivo Igual Positivo Igual Positivo Igual Negativo
SOLUCIN:
: = ; = , = % = , = % = , = %
(, ) ,
= = = = = ,

(, ) (, ) , ,
= = = = = = ,
[( ) ] + ( ) [, ] + [, ] ,
[( ) ] + [(, ) (, )]



= = = = ,

Si bien en estadstica siempre redondeamos al mayor valor, en el caso del clculo de la k se utiliza el enfoque matemtico.
Ahora tomamos un nmero aleatorio entre los primeros 4 nmero en nuestro caso fue el 2. O sea, la segundo observacin que nos va a
servir como punto de partida y primer valor.
Positivo Igual Positivo Igual Positivo Positivo Positivo Positivo Positivo Positivo
Igual Negativo Positivo Igual Positivo Igual Negativo Positivo Igual Positivo
Negativo Igual Igual Positivo Positivo Positivo Positivo Igual Igual Positivo
Igual Igual Positivo Negativo Positivo Negativo Igual Positivo Positivo Igual
Negativo Positivo Positivo Igual Igual Igual Positivo Igual Igual Positivo
Igual Positivo Igual Positivo Positivo Positivo Igual Igual Negativo Igual
Positivo Positivo Positivo Positivo Igual Positivo Igual Positivo Igual Negativo
% = , , : = ,
, , ( %) = , , () = = , ( )
Hacemos el estudio de las variables cualitativas de los treinta dos datos y tenemos que la proporcin de clientes que estuvo satisfecha
(positivo) fue el 0,4495, o sea 14 de 32 encuestados.
Ahora vamos a hallar el intervalo de confianza.
a) Intervalo de confianza para estimar la proporcin poblacional:

. : =
b) Estimacin del error estndar de las proporciones muestrales:
( )
= ; . < ,

() ( ).
( ) , ( , ) ,
= = = = ,

= = (, ) (, )(, ) = (, ) (, ) , ,
, ,
Estamos seguros que en un 95% de las posibles muestras que se pudieron haber seleccionado la proporcin de clientes que
creen que el cambio fue positivo est entre 0,3112 y 0,5878.

Muestreo Estratificado.
Es sin duda alguna uno de los tipos de muestreo ms importante, se utiliza mucho en las investigaciones de mercado en la parte de
segmentacin. Este tipo de muestreo se utiliza cuando nos interesa el peso de una determinada parte del mercado. En palabras ms
sencillas cuando tenemos que segmentar la muestra en varias submuestras.
Muestreo Estratificado cuando nos interesa calcular la media poblacional.
Frmulas:
( )
= ; = ( )
+
Evidentemente lo vas a comprender mejor con un ejemplo. Disfrtalo.
Ejemplo de seleccin del tamao de la muestra para estimar la media poblacional.
EJEMPLO#361 La cadena de tiendas de ropas deportivas YO SOY, necesita saber el promedio de gasto que tienen los hombres y las
mujeres de la UAGRM para decidir qu tipo de publicidad se va a lanzar. Es sabido que la Universidad tiene 8000 estudiantes y de estos 6000
son mujeres. Se hizo una prueba piloto que demostr que el gasto en ropa deportiva mximo en el caso de los hombres es de 50 $us en
promedio por mes y el mnimo de cero, que son las personas que no gastan nada en ropa deportiva. En el caso de las mujeres la que ms
gasta en ropa deportiva es 150 dlares y evidentemente hay chicas que no usan ropa deportiva.
Qu tan grande debe tomarse la muestra para estimar el promedio de gasto en ropa deportiva por mes conociendo que el lmite para el error
de estimacin es de 10 dlares?
SOLUCIN:
Es evidente que en este caso debe de utilizarse el muestreo estratificado debido a que los hombres y las mujeres forman dos grupos de
consumidores completamente diferentes.
En este caso no nos dan la desviacin estndar ni la varianza de la poblacin pero nos dan el Rango, por propiedad estadstica podemos
decir que la desviacin estndar es el rango Dividido entre 4.
Rango de Gasto de hombres (50 dlares)
Rango de Gasto de Mujeres (150 dlares)

() = = , () = = , .

= ()(, ) + ()(, ) = + =

: = ( ) () = ( )=( )= = , = %

: = ( ) () = ( )=( )= = , = %

Por lo tanto n1 = 0,1 y n2= 0,9
Ahora para encontrar n debemos calcular las siguientes cantidades.

= ()[(, ) ] + ()[(, )] = + = = = = =

( ) ()
= = = ,
+ () +

= .
() = = , = ,
{ } = ( )
() = = , = ,
Ejemplo de seleccin del tamao de la muestra para estimar una proporcin poblacional.
EJEMPLO#362 En una encuesta de televisin una empresa publicitaria planea utilizar entrevistas por telfono. Los tamaos de los estratos
son N1= 155, N2= 62 y N3 = 93. Que representan la cantidad de viviendas que hay en cada una de los tres barrios de la Ciudad. Los resultados
de encuestas anteriores muestran que en el barrio uno ven el programa el 35% de los habitantes, en el 2 un 40% y en el tres un 60%, con un
lmite para el error de estimacin de 0,10 .Calcular el tamao de la muestra.
SOLUCIN:
= , ; = , ; = , ; : = , ; = , ; = , = + + =

= ( )= = = , ; = ( )= = = , ; = ( )= = = ,

= ()(, )(, ) + ()(, )(, ) + ()(, )(, ) = , + , + , = , ,
(, )
= = = , = (, ) = ,

, , ,
= = = = = ,

( ) + ( ) (, ) + (, ) , + , ,

= (, ) = ; = (, ) = ; = (, ) =
Respuesta: en total hay que seleccionar 72 familias, 36 familias del barrio1; 14 familias del barrio2; y 22 familias del barrio 3.

ESTIMACIN DE
PARMETROS
E INTERVALOS DE
CONFIANZA

Estimacin por Intervalos de Confianza.
Usted se habr preguntado. Por qu se llama Estadstica Inferencial?, Qu es inferir?, De qu se tratar la Unidad?, bueno, esta es una de
las partes ms lindas y apasionantes de la Estadstica Inferencial, los intervalos de confianza como su nombre lo dice son aproximaciones
reales que otorgamos a la poblacin segn los valores seleccionados en la muestra.
Es importante dividir este estudio en dos, primero en el caso de las muestras grandes. (Mayores de 30) y por segundo las muestras
pequeas (menores que 30) todo esto vamos a explicarlo muy fcilmente en este captulo de nuestra gua.
Como tal Inferencial viene de inferir, generalizar, ejemplo, si se realiz una encuesta a 300 estudiantes de la Universidad con la intencin de
conocer la aceptacin del nuevo mtodo de inscripciones por internet, en el estudio se mostr que el 40% estaba satisfecho con el mtodo y
un 60% no, por lo tanto inferimos que toda la universidad piensa lo mismo. Este proceso que hemos hecho tan fcilmente tiene su grado de
complejidad que vamos a desmenuzar en esta parte de la gua.
Pautas para que un intervalo de confianza funcione.
1.- Para que tenga validez el intervalo de confianza la encuesta debe estar hecha por muestreo.
2.- Los intervalos como su nombre lo dice son infinitos valores entre un rango no un valor especfico.
Intervalo de confianza para hallar una media poblacional (), cuando conocemos la varianza poblacional y tenemos una muestra mayor a 30 datos.
La nica forma de hallar media poblacional, es trabajando un censo, como no podemos trabajar con censos en la mayora de las
ocasiones por su elevado costo tomamos una muestra, los resultados de la muestra debemos inferirlos a la poblacin mediante un intervalo
de confianza.
INTERVALOS DE CONFIANZA PARA LA MEDIA O DIFERENCIA ENTRE DOS MEDIAS POBLACIONALES, AL NIVEL DE () CONFIABILIDAD.
POBLACIONES INFINITAS O MUY GRANDES:

= , ; =
( ) ;
= = ; ( ); { =
= ; }
= .


INTERVALOS DE CONFIANZA PARA ESTIMAR CUANDO ES CONOCIDO:

=
. . : = ( ) ; . .

EJEMPLO#363 Se tom una encuesta de 100 personas en Santa Cruz para estimar la demanda de pantalones jeans, los datos mostraron un
promedio de gasto anual en estas prendas de 150 dlares. Estudios anteriores mostraron una varianza poblacional de 81 dlares. Estime
con los datos de esta muestra los valores de la poblacin con un 95% de confiabilidad.
SOLUCIN:
= $ ; = $; = = ; %( = , )
: = ;
: = % (), : = ,
Como podemos ver en los datos del problema nos dan la Varianza, que hallndole la raz podemos tener la desviacin estndar, tambin
tenemos el tamao de la muestra, solo nos faltara el valor del estadgrafo , que ya aprendimos a buscarlos en el captulo de
Distribuciones de probabilidad. Como podemos ver nos piden un 95% de confiabilidad, por lo tanto buscamos en la tabla el valor de con
un 95% de confiabilidad y tenemos que es 1,96 luego sustituimos y lo dems es una simple operacin matemtica.

(
) + ( ) (, ) ( ) + (, ) ( ); = , ( , ) = ,

(, ) ( ) + (, ) ( ) , ,

Interpretacin: Estamos seguros que en el 95% de todas las posibles muestras que se pudieron haber obtenido en la poblacin, los valores
de la media oscilan entre , , dlares.
EJEMPLO#364 La lectura de una muestra aleatoria mostraron una media de 174,5 cm y una desviacin estndar de 6,9 cm. Determine un
intervalo de confianza del 98% para la altura promedio de todos los estudiante, se tomaron a 50 estudiantes.
SOLUCIN:
: = ;
= , ; = , ; %
: = % () = , = ,
, ,
(
) + ( ) , (, ) ( ) , + (, ) ( ) , ,

: = ( ) ,


Intervalo de confianza para hallar una media poblacional (), cuando NO conocemos la varianza poblacional y tenemos una muestra mayor
a 30 datos.
En caso de que no conociramos el valor de la varianza poblacional, tomamos la de la muestra.
Intervalo de confianza para estimar cuando es desconocida:

;
. . = =

EJEMPLO#365 Usted es el jefe de personal de la fbrica de caramelos Dulcete que tiene sus instalaciones a las afueras de la Ciudad de
Santa Cruz, en este momento la empresa tiene un buen posicionamiento en el mercado cruceo, datos de nuestros socios de negocio
indican que dos empresas del mismo rubro de la Argentina van a incursionar en el mercado local, hace falta investigar el mercado de los
caramelos en Santa Cruz completa, teniendo en cuenta que los nios de 3 a 11 aos son el 90% de nuestros clientes se los va a tomar como
poblacin objetivo. Se visitan 100 colegios y se hace una encuesta a 15000 estudiantes mostrando un promedio de gasto de 40 bolivianos
por mes. Con un valor mximo de compra de 85 bolivianos y un mnimo de 5 bolivianos. Calcular el intervalo de confianza que muestra los
datos de toda la poblacin de nios de Santa Cruz con un 95% de confianza.
SOLUCIN:
Como podemos ver tenemos el valor del Rango, que sera (85 5), en este caso 80 bolivianos, la teora estadstica muestra que el Rango
dividido entre 4 es la Desviacin Estndar. En este caso 80/4= 20.
El valor de Z para un 90% de confianza es 1,65.
= ,
=
= = = (, ) = (, ) = , { }
= ,
, ,
Interpretacin: Estamos seguros que en el 95% de todas las posibles muestras que se pudieron haber obtenido en la poblacin, los valores
de la media oscilan entre 39,7322 y 40,2678 Bs.
Intervalo de confianza en muestras pequeas. (Distribucin t)

Anteriormente trabajamos con muestras grande (30); pero hay casos en que no se puede trabajar con este tipo de muestras, ejemplo. Si
usted es el encargado de probar la seguridad de los autos Toyota y para realizar su prueba tiene que chocar un auto contra un muro, le
garantizo que no va a chocar 30 autos o ms. En estos casos que tenemos muestras pequeas trabajamos con la distribucin t de student.
Frmula:
Intervalo de confianza para estimar la media poblacional para muestras pequeas:

()( ) =
. =

EJEMPLO#366 El promedio de ventas que debe tener la sucursal de Ford en Bolivia es de 100000 al mes para dlares por mes para cubrir
sus costos de produccin y mantenimiento de la empresa. Usted ha sido contratado como asesor e investigador de mercado y tiene que
sugerirle al gerente general Qu hacer con la situacin de la empresa?, ya que con menos de 100000 dlares al mes no puede seguir
operando. Los datos de los ltimos 7 meses muestran un ingreso promedio de 90675 dlares y una desviacin estndar de 5000 dlares. Con
un 99% de confiabilidad Qu consejo profesional le dira al gerente general?
SOLUCION:
El valor de t para un 99% de confianza es 3,1427 y los grados de libertad son 7-1=6
= ,
()( ) =
= = () (, ) = () , { }
= ,
, ,
En este caso, podemos aconsejarle al gerente que cierre la empresa por que los resultados muestran que con un 99% de confiabilidad las
ventas estn entre 84735,8553 y 96614,1447 dlares que no cubren el costo de produccin.
Intervalo de Confianza para hallar una proporcin poblacional

En el caso de las proporciones a diferencia de las medias siempre vamos a utilizar Z, no importa que sean muestras grandes pequeas.
Frmula:
Estimacin del error estndar de distribucin de las proporciones muestrales:
( )
= =

Intervalo de confianza para estimar la proporcin poblacional:
. . =
EJEMPLO#367 Usted es el jefe de campaa del candidato Julio Vargas para las elecciones municipales, en la encuesta que usted tom a
1000 ciudadanos con su grupo de trabajo, el candidato tena el 40% de los votos, teniendo en cuenta un 95% de confiabilidad y teniendo en
cuenta que para ganar la eleccin se requiere el 36,85% de los votos, Qu le dira al candidato?
SOLUCION: Como vemos p= 0,4 q= 0,6 n= 1000 y Z para un 95% de confianza es 1,96.
, , = %
= = = , , = , , { }
= %
% %
Respuesta) Puede decirle al candidato que est tranquilo que estamos seguros que en un 95% de todas las posibles muestras que se
pudieron haber tomado, el candidato aparece como ganador. Felicidades!!.

RESUMIENDO LAS FORMULAS:

=
) . . : = ( );{ }
.

) . . : = =
( );{ }
.

). = ()() =
;{ }
.

) = ; { , }

( )
) = = ;{ }
.
( )
) = ; { } ; = = .
.
) . . = .
Cuando se va a estimar proporciones poblacionales siempre se trabaja con (Z).
EJEMPLO#368 Se comparan dos tipos de rosca de tornillo para ver su resistencia a la tensin. Se prueban 50 piezas de cada tipo de cuerda
bajo condiciones similares, la marca A tuvo una resistencia promedio a la tensin de 78,3 Kg, mientras que la marca B tuvo una resistencia
promedio de 87,2 Kg. Se sabe de antemano que las desviaciones poblacionales son de 6,5 Kg para la marca A y 6,3 Kg para la B. determine el
intervalo de confianza del 95% para la diferencia de las dos medias.
SOLUCION:
Estimacin de la diferencia de medias poblacionales con desviaciones poblacionales conocidas:
: = = ;
= , ;
= , ; = , ; = , ; % = ,

: = ( ) +
= ( )
; =

(, ) (, )
= ( )
+ = (, , ) (, ) + = (, ) (, ) , =

,
= (, ) (, ) , = (, ) , = { } = ,
,
EJEMPLO#369 Una compaa que fabrica pastelillo desea estimar la proporcin de consumidores es que prefieren su marca. Los agentes de
la compaa observan a 450 compradores, del nmero total observado 300 compraron los pastelillos. Calcule un intervalo de confianza del
95% para la venta de la proporcin de compradores que prefieren en la marca de esta compaa.

= %
= = = , = , { }
= %
La de manda del producto flucta entre 63% que sera lo mnimo y 71% que sera lo mximo.

EJEMPLO#370 Un fabricante de pintura necesita por efecto de calidad del producto, el tiempo promedio de secado de una pintura nueva
para exteriores. Si en 42 reas de prueba de tamao igual, se obtuvo un tiempo promedio de secado de 30,2 minutos y una desviacin
estndar de 1, 1 minutos, Cul ser el tiempo promedio real de secado, con un 95% de confiabilidad?
SOLUCION:
Necestamos un intervalo de confianza para . Desviacion estandar poblacional desconocida.

(
Tamao de la muestra mayor de 30. Su formula es: + ( )
)<<

Parmetros muestrales:
Tamao de la muestra( = ); Media muestral( = , ); Desviacion estandar muestral ( = , );
Para hallar el valor de Z aunque la desviacion estandar poblacional es desconocida, el tamao de la muestra es mayor a 30.

Con un nivel de confianza del 95%, tamao de la muestra n=42.
Tenemos nivel de confianza () = ,
Despejamos el nivel de error = ,
,
Hallamos a = = , : ( ) = , = , : , = ,

Con todos los datos, procedemos a reemplazar en la formula:
, ,
( ) < <
+ ( ) , , ( ) < < , + , ( ) , < < ,

EJEMPLO#371 El director de la JVH de Educacin elige al azar a 16 alumnos de pregrado que estn matriculados en el curso Estadstica II a
la Educacin y que asisten regularmente, con el objetivo de conocer si han comprendido el uso y la importancia de la estimacin de
parmetros mediante intervalo de confianza. Las calificaciones obtenidas mediante una prueba pertinente (escala vigesimal) tiene
distribucin normal con = , . El director desea saber cunto es la calificacin promedio para todos los alumnos que estn
matriculados en el curso mencionado. Las calificaciones obtenidas de los 16 alumnos son: 17 13 14 15 13 17 13 8 12 16 15 10 11 13 15 9.
SOLUCION:

PRUEBA DE
HIPTESIS

Ensayo de hiptesis
Una hiptesis estadstica o simplemente hiptesis es una afirmacin o aseveracin sobre el valor de un solo parmetro (caracterstica de una
poblacin o caracterstica de una distribucin de probabilidad), sobre los valores de varios parmetros o sobre la forma de una distribucin
de probabilidad completa.
OBJETIVOS
Interpretar las definiciones bsicas de las hiptesis estadsticas.
Resolver problemas de aplicacin a la economa.
HIPOTESIS ESTADISTICAS
En muchos problemas de ciencia, ingeniera, contabilidad y administracin, se requiere que se tome una decisin entre aceptar o rechazar
una proposicin sobre algn parmetro. Esta proposicin recibe el nombre de HIPTESIS, y el procedimiento de toma de decisin sobre la
hiptesis se conoce como PRUEBA DE HIPTESIS.
Este es uno de los aspectos ms tiles de inferencia estadstica, puesto que muchos tipos de toma de decisiones, pruebas o experimentos
pueden formularse como problemas de pruebas de hiptesis. Es conveniente considerar la prueba de hiptesis como un experimento de
comparacin, es decir una vez planteada la hiptesis, hay que volver a plantearla de tal forma que se pueda comparar a travs de mtodos
estadsticos.
HIPOTESIS NULA Ho
Se denomina as a toda hiptesis que tiene el nico propsito de ser rechazada o aceptada. Siempre viene dada en forma de igualdad y se
denota por Ho. Es la pretensin que inicialmente se supone cierta (la pretensin de creencia verdadera). Por ejemplo:
a). El 45.5 % de los estudiantes de comunicacin y medios, fuma.
b). Un dentista reclama que el 5% de sus pacientes sufren enfermedades en las encas.
HIPOTESIS ALTERNATIVA H1
Toda hiptesis que difiera de una dada recibe este nombre. Se denota por H 1. Afirmacin que se aceptar si los datos mustrales
proporcionan evidencia de que la hiptesis nula es falsa. Es la aseveracin contradictoria de H0.
NIVEL DE SIFNIFICACION
Es una regin crtica o de rechazo es una parte de la curva de z o de la curva t donde se rechaza H 0
ERROR DE TIPO I
Es el error que se comete cuando se rechaza una hiptesis nula Ho cuando esta sea verdadera.
ERROR DE TIPO II
Es el error que se comete cuando se acepta una hiptesis nula Ho cuando esta es falsa.
La hiptesis nula ser rechazada a favor de la hiptesis alternativa solo si la evidencia muestral sugiere que H 0 es falsa. Si la muestra no
contradice fuertemente a H0, se continuara creyendo en la factibilidad de la hiptesis nula. Las dos posibles conclusiones derivadas de un
anlisis de prueba de hiptesis son entonces rechazar H0 o no rechazar H0.
La situacin se puede esquematizar:
H0 cierta H0 falsa
H0 rechazada Error tipo I () Decisin correcta

H0 se acepta Decisin correcta Error tipo II ()
Si la probabilidad de cometer un error de tipo I est unvocamente determinada, su valor se suele denotar por la letra griega , y en las
mismas condiciones, se denota por la probabilidad de cometer el error de tipo II, esto es:
( \ ) =
( \ ) =
Cuando es necesario disear un contraste de hiptesis, sera deseable hacerlo de tal manera que las probabilidades de ambos tipos de error
fueran tan pequeas como fuera posible. Sin embargo, con una muestra de tamao prefijado, disminuir la probabilidad del error de tipo I, ,
conduce a incrementar la probabilidad del error de tipo II, .
Usualmente, se disean los contrastes de tal manera que la probabilidad sea el 5% (0,05), aunque a veces se usan el 10% (0,1) o 1% (0,01)
para adoptar condiciones ms relajadas o ms estrictas. El recurso para aumentar la potencia del contraste, esto es, disminuir ,
probabilidad de error de tipo II, es aumentar el tamao muestral, lo que en la prctica conlleva un incremento de los costes del estudio que
se quiere realizar.
CONTRASTE DE HIPOTESIS DE MEDIAS
Al realizar el contraste de hiptesis se presentan varias situaciones, nosotros estudiaremos la prueba de hiptesis usando la distribucin
normal, t-student y de proporciones.

Cmo escoger el estadstico de prueba a usar?
Cuando se hace una prueba para la media poblacional de una muestra grande y se conoce la desviacin estndar, el estadstico de prueba
est dado por:

=

Aqu es desconocida, as que se estimar con la desviacin estndar de la muestra . Siempre que el tamao de muestra n sea mayor a 30,
Z puede aproximarse con:

=

En la prueba para una media poblacional con muestra pequea (menor o igual a 30) y desviacin estndar poblacional desconocida se utiliza
el valor estadstico t.

=

Al realizar la prueba podremos realizar un grfico que nos ayude a realizar la comparacin. Este grfico estar dividido en 2 zonas:
Se presentan 3 grficos posibles:
Al realizar la prueba se deber seguir los siguientes pasos:

EJEMPLO#372 El consumo de un automvil en km/lts tiene distribucin normal con un desvo 0,8 km/lts Con el objeto de estimar el
consumo medio de gasolina se realizaron 40 pruebas, obtenindose un rendimiento medio de 12,8 km/litro
Si el fabricante afirmo que su rendimiento medio es de 12,4 km/litro, puede rechazarse esta hiptesis a un nivel de significancia del 5%?
Exprese la regla de decisin en trminos de la media muestral.
SOLUCION:
PASO 1: Definir juego de Hiptesis
Ho: = 12,4
H1 : 12,4
PASO 2: Nivel de Significancia
% = , = ,
(debido a que es una prueba de dos colas se divide entre dos)
0,05/2 = 0,025
0,95+0,025 = 0,975 Este es el nmero que buscamos en la tabla de Z0,975 = 1,96
PASO 3: Calcular estadstico de prueba:
Debido a que si conocemos la desviacin estndar utilizaremos la siguiente formula:

, , , , ,
= = = = = = , ( , )
, , , ,
,
PASO 4: Formular Regla de decisin:
Si H0<H1 se acepta H0, 1,96<3,16 cumple la condicin se acepta H0.
aceptaremos Ho si Zc es al valor crtico y aceptamos H0 ; Valor critico se saca de la tabla si P=0,975 entonces Z=1,96
PASO 5: TOMAR LA DECISIN
SE ACEPTA H0, Debido a que 3,16 es diferente a 1,96 y se acepta H0
EJEMPLO#373 Un semillero publicita que el peso promedio de una espiga de una cierta variedad es de 180 gramos con una desviacin
estndar de 30 gramos. Un productor de avanzada sospecha que el peso es distinto de 180 gramos, decide por lo tanto conducir un
experimento. Tamao de la muestra 50, y media muestral fue 187 gramos.
El propsito del mismo es ver si el peso de 180 gramos es incorrecto. Por lo tanto la hiptesis nula de inters es: H 0 : = 180 gramos.
La hiptesis alternativa (H1) da una suposicin opuesta a aquella presentada en la hiptesis nula. El experimento se lleva a cabo para
conocer si la hiptesis alternativa puede ser sustentada.
En el ejemplo previo el productor sospecha que el peso medio es distinto de 180 gramos. Esta es la hiptesis a ser sustentada y as la
hiptesis alternativa es:
: > <
Se puede ver que las hiptesis son excluyentes. La hiptesis alternativa frecuentemente se llama hiptesis de investigacin, porque este tipo
de hiptesis expresa la teora que el investigador o experimentador cree va a ser verdadera.
Para el ejemplo si la media fuera menor que 180 gr o mayor que 180 gr esta sustentara la hiptesis alternativa ( ).
Resumiendo, en el ejemplo considerado el productor aceptando un error de = , (%), conocido tambin como nivel de significacin y
utilizando la estadstica Z, planteara la hiptesis como sigue:
PASO 1: Definir juego de Hiptesis
= :
PASO 2: Nivel de Significancia
5% = 0,05 (debido a que es una prueba de dos colas se divide entre dos) 0,05/2 = 0,025
0,95+0,025 = 0,975 Este es el nmero que buscamos en la tabla de Z. 0,975 = 1,96
PASO 3: Calcular estadstico de prueba:
= ; ( = ; = (); =
Suponiendo que los resultados del experimento produjeron una media muestral de 187 gramos, el test estadstico se
construir como sigue:


= = = = = = = , :
,

PASO 4: Formular Regla de decisin: Si H0<H1 se acepta H0, 1,96<1,65 No cumple la condicin se rechaza la H0.
Rechazaremos Ho si Zc es al valor crtico y aceptamos H1
PASO 5: TOMAR LA DECISIN
Como el valor de z calculado= 1,65 es menor que 1,96 o sea cae en la regin de aceptacin , no hay evidencias suficientes como para
rechazar la hiptesis de que la media de la poblacin es igual a 180.
Conclusin: la publicidad que hace el semillero de que el peso promedio de las espigas de una cierta variedad es de 180 gramos, es correcta,
aunque podra existir una probabilidad de error tipo II, si de hecho la media de tal variedad no fuera 180 gramos.
HIPTESIS UNILATERALES
Si en el mismo ejemplo, el productor, basndose en algn conocimiento de la variedad en cuestin sospechara que el peso
promedio de las espigas es menor que 180, las hiptesis se plantearan como:
H0: = gramos H0 : > gramos H1: < gramos = ,
En este caso la desigualdad de la hiptesis alternativa indica cul sera la zona de rechazo, el valor de ya no se particiona sino que
se acumula todo hacia un solo lado, el izquierdo en este ejemplo y el valor tabulado de Z se busca en la tabla con un valor de
probabilidad del 95% siendo Z= -1,64 (el signo negativo no figura en la tabla ya que siendo la distribucin normal simtrica, lo que se
hace es anteponer el signo negativo al valor de Z que corresponde al nivel de probabilidad especificado).
Si por otra parte, el productor sospechara que el peso promedio es mayor que 180 gramos, la hiptesis y la zona de rechazo se plantearan como:
H0: = gramos H0 : < gramos H1: > gramos = ,

En ambas situaciones el test estadstico se construye como:

,

= = = { } =

:

Este valor difiere del anterior en que, en lugar de aparecer la desviacin estndar de la poblacin, nos encontramos con su
estimador muestral insesgado S, que se distribuye, t de Student (t ~ t(n-1)).
CONTRASTE DE HIPTESIS RESPECTO A UNA MEDIA POBLACIONAL (S desconocido)

Las hiptesis se plantean de forma similar al caso en que S es conocido, pero la estadstica de prueba es la "t" de Student.
EJEMPLO#374 Para estimar el rendimiento de parcelas plantadas con papa de una cierta variedad, se cosecharon ocho de ellas,
obtenindose la siguiente informacin expresada en kg/parcela:
4,5 5,3 5,4 4,9 5,3 5,7 6,2 4,8
Se puede asegurar, con a =0,05, de que esta variedad de papas tiene un rendimiento promedio de 5,25 kg y varianza 0,2884?
: = , : ,
A partir de los datos se calcula y , para este ejemplo = , y = , .
, ,

= = = , ( )
,

Como tenemos GL=n-1=8-1=7 ver tabla de t, a=0,025 entonces 2,365.
Como el valor de t calculado cae entre -2,365 y 2,365(valor tabulado de t para 7 GL y a=0,025 NO SE RECHAZA LA HIPOTESIS NULA).
Conclusin: No hay suficiente evidencia, a partir de los datos de la muestra, para decir que el rendimiento de papa por
parcela no es igual a 5,25.
CONTRASTE DE HIPTESIS REFERENTES A UNA PROPORCIN POBLACIONAL (P)

Las hiptesis formuladas son:
H0: H1: < = ,
En el caso del parmetro poblacional "P", cuando el tamao de la muestra es grande, la variable aleatoria proporcin muestral "p" se
distribuye aproximadamente normal con esperanza igual a P y desviacin estndar igual:

=

Por eso se puede utilizar "p" como criterio de test para probar la hiptesis con respecto al parmetro proporcin poblacional. El test
estadstico Z se calcula:
( )
=

Grficamente podemos establecer la correspondiente regin de rechazo de H0 en la cola de la distribucin normal:

EJEMPLO#375 Se supone que en un cierto partido de la provincia de Santa Cruz, el 90% de los productores cultivan maz.
De 110 productores de la zona que se encuestaron, 95 hacen maz. Est este resultado en conformidad con el valor
supuesto?. (a = 0,05).
SOLUCION:

H0: = , H1: , = = = , ,

( )
(, , )
= = = ,

, ,

Como el valor calculado de Z = 0,97 reside entre los valores tabulados 1,96 y 1,96 (valores crticos de la distribucin normal
) no se rechaza H0.
Conclusin, la informacin proporcionada por la muestra no es suficiente como para decir que la proporcin de productores
de tal partido que cultivan maz es distinto de 90%.
SOLUCION:

H0: = , H1: , = = = , ,

( ) (, , )
= = = ,
, ,

) no se rechaza H0.
SOLUCION:

H0: = , H1: , = = = , ,

( ) (, , )
= = = ,
, ,

) no se rechaza H0.
EXCELENCIA!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!16 DE JUNIO DE 1979!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

GUIA DEL TRABAJO FINAL
INTRODUCCIN.
Los contenidos y conocimientos de esta materia de Estadstica Inferencial son herramientas muy importantes en la
aplicacin y solucin de problemas de muchas reas y especialidades en el campo de la economa, contabilidad, tecnologa e
informacin.
Nota. Este trabajo debe ir preparndose desde el comienzo del semestre, a medida que se van adquiriendo los conocimientos
en esta materia y que solo se debe terminar das previos a la exposicin.
OBJETIVO.
Mediante los conocimientos adquiridos en el proceso de aprendizaje de esta materia, resolver problemas del rea de estudio
del mercado, especficos de cualquier especialidad del rea de la estadstica inferencial aplicando a las tecnologas,
informacin, contabilidad, economa y finanzas.
GRUPOS.
Los grupos para la presentacin y defensa pueden ser de 10 alumnos como mximo y como mnimo 1 alumno.
Con su respectivo jefe del grupo, que se exigir al jefe del grupo en el aprovechamiento del GUIA-MEA.
TEMAS:
Los grupos pueden elegir cualquier tema respecto de los temas avanzados durante el semestre.
PRESENTACIN DEL TRABAJO.

Cartula: Nombre del trabajo, Materia, Integrantes, Docente y semestre
Introduccin
Objetivo general
Objetivos especficos
Marco Terico
Desarrollo de la actividad
Clculos y Resultados
Conclusiones
Recomendaciones
Bibliografa
EXPOSICIN DEL TRABAJO.

El trabajo final debe ser presentado en forma impresa en la fecha fijada y puede ser expuesto y defendido en multimedia,
retroproyector, papelgrafos y otros.
DOCENTE: JULIO VARGAS HERBAS

TABLAS
ESTADSTICAS

TABLA DE DISTRIBICION NORMAL, PARA VALORES DE Z POSITIVOS
Z 0.0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
4.0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000

TABLA DE DISTRIBUCION NORMAL, PARA VALORES DE Z NEGATIVOS
Z 0.0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
-1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
-1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
-1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
-2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
-2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
-2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-3.0 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010
-3.1 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
-3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
-3.3 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
-3.4 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
-3.5 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002
-3.6 0.0002 0.0002 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.7 0.0001 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
-3.8 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
-3.9 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
-4 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

TABLA DE DISTRIBUCIN NORMAL PARA INTERVALOS: (|| ||)
Intervalos 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.000000 0.007978 0.015956 0.023932 0.031906 0.039877 0.047844 0.055806 0.063762 0.071712
0.1 0.079655 0.087590 0.095516 0.103433 0.111340 0.119235 0.127118 0.134989 0.142847 0.150690
0.2 0.158519 0.166332 0.174128 0.181908 0.189669 0.197412 0.205136 0.212839 0.220522 0.228183
0.3 0.235822 0.243439 0.251031 0.258600 0.266143 0.273661 0.281152 0.288617 0.296054 0.303463
0.4 0.310843 0.318194 0.325514 0.332804 0.340062 0.347289 0.354483 0.361644 0.368772 0.375866
0.5 0.382924 0.389948 0.396936 0.403888 0.410802 0.417680 0.424520 0.431322 0.438085 0.444809
0.6 0.451493 0.458138 0.464742 0.471305 0.477827 0.484307 0.490746 0.497142 0.503495 0.509805
0.7 0.516072 0.522295 0.528475 0.534609 0.540700 0.546745 0.552745 0.558700 0.564609 0.570472
0.8 0.576289 0.582059 0.587783 0.593461 0.599091 0.604674 0.610210 0.615699 0.621140 0.626534
0.9 0.631879 0.637177 0.642427 0.647628 0.652782 0.657887 0.662944 0.667953 0.672913 0.677825
1.0 0.682689 0.687504 0.692271 0.696989 0.701660 0.706281 0.710855 0.715380 0.719857 0.724286
1.1 0.728667 0.733000 0.737286 0.741523 0.745713 0.749856 0.753951 0.757999 0.761999 0.765953
1.2 0.769860 0.773721 0.777535 0.781302 0.785024 0.788700 0.792330 0.795915 0.799454 0.802949
1.3 0.806399 0.809804 0.813164 0.816481 0.819754 0.822984 0.826170 0.829313 0.832413 0.835471
1.4 0.838486 0.841460 0.844392 0.847282 0.850132 0.852941 0.855709 0.858438 0.861126 0.863775
1.5 0.866385 0.868956 0.871489 0.873983 0.876439 0.878858 0.881240 0.883584 0.885893 0.888165
1.6 0.890401 0.892602 0.894767 0.896898 0.898994 0.901057 0.903085 0.905080 0.907042 0.908972
1.7 0.910869 0.912734 0.914567 0.916369 0.918140 0.919881 0.921592 0.923272 0.924924 0.926546
1.8 0.928139 0.929704 0.931241 0.932750 0.934231 0.935686 0.937114 0.938516 0.939891 0.941242
1.9 0.942566 0.943866 0.945142 0.946393 0.947620 0.948823 0.950004 0.951161 0.952296 0.953409
2.0 0.954499 0.955568 0.956616 0.957643 0.958649 0.959635 0.960601 0.961547 0.962474 0.963382
2.1 0.964271 0.965141 0.965993 0.966828 0.967645 0.968444 0.969227 0.969993 0.970742 0.971475
2.2 0.972193 0.972894 0.973581 0.974252 0.974909 0.975551 0.976178 0.976792 0.977392 0.977978
2.3 0.978551 0.979111 0.979659 0.980193 0.980716 0.981226 0.981725 0.982211 0.982687 0.983151
2.4 0.983604 0.984047 0.984479 0.984901 0.985312 0.985714 0.986106 0.986488 0.986861 0.987225
2.5 0.987580 0.987926 0.988264 0.988593 0.988914 0.989227 0.989532 0.989830 0.990119 0.990402
2.6 0.990677 0.990945 0.991207 0.991461 0.991709 0.991950 0.992185 0.992414 0.992637 0.992854
2.7 0.993066 0.993271 0.993471 0.993666 0.993856 0.994040 0.994219 0.994394 0.994564 0.994729
2.8 0.994889 0.995045 0.995197 0.995345 0.995488 0.995628 0.995763 0.995895 0.996023 0.996147
2.9 0.996268 0.996385 0.996499 0.996610 0.996717 0.996822 0.996923 0.997022 0.997117 0.997210
3.0 0.997300 0.997387 0.997472 0.997554 0.997634 0.997711 0.997786 0.997859 0.997929 0.997998
3.1 0.998064 0.998129 0.998191 0.998251 0.998310 0.998367 0.998422 0.998475 0.998527 0.998577
3.2 0.998625 0.998672 0.998718 0.998762 0.998804 0.998845 0.998885 0.998924 0.998961 0.998998
3.3 0.999033 0.999067 0.999099 0.999131 0.999162 0.999191 0.999220 0.999248 0.999275 0.999301
3.4 0.999326 0.999350 0.999373 0.999396 0.999418 0.999439 0.999459 0.999479 0.999498 0.999516
3.5 0.999534 0.999551 0.999568 0.999584 0.999599 0.999614 0.999629 0.999643 0.999656 0.999669
3.6 0.999681 0.999693 0.999705 0.999716 0.999727 0.999737 0.999747 0.999757 0.999766 0.999775
3.7 0.999784 0.999792 0.999800 0.999808 0.999815 0.999823 0.999830 0.999836 0.999843 0.999849
3.8 0.999855 0.999861 0.999866 0.999871 0.999876 0.999881 0.999886 0.999891 0.999895 0.999899
3.9 0.999903 0.999907 0.999911 0.999915 0.999918 0.999921 0.999925 0.999928 0.999931 0.999933
4.0 0.999936 0.999939 0.999941 0.999944 0.999946 0.999948 0.999950 0.999952 0.999954 0.999956

TABLA DEPROBABILIDADES DE DISTRIBUCION BINOMIAL (NO ACUMULADA)
n x 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 0,95
1 0 0,9500 0,9000 0,8500 0,8000 0,7500 0,7000 0,6500 0,6000 0,5500 0,5000 0,4500 0,4000 0,3500 0,3000 0,2500 0,2000 0,1500 0,1000 0,0500
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
2 0 0,9025 0,8100 0,7225 0,6400 0,5625 0,4900 0,4225 0,3600 0,3025 0,2500 0,2025 0,1600 0,1225 0,0900 0,0625 0,0400 0,0225 0,0100 0,0025
1 0,0950 0,1800 0,2550 0,3200 0,3750 0,4200 0,4550 0,4800 0,4950 0,5000 0,4950 0,4800 0,4550 0,4200 0,3750 0,3200 0,2550 0,1800 0,0950
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
3 0 0,8574 0,7290 0,6141 0,5120 0,4219 0,3430 0,2746 0,2160 0,1664 0,1250 0,0911 0,0640 0,0429 0,0270 0,0156 0,0080 0,0034 0,0010 0,0001
1 0,1354 0,2430 0,3251 0,3840 0,4219 0,4410 0,4436 0,4320 0,4084 0,3750 0,3341 0,2880 0,2389 0,1890 0,1406 0,0960 0,0574 0,0270 0,0071
2 0,0071 0,0270 0,0574 0,0960 0,1406 0,1890 0,2389 0,2880 0,3341 0,3750 0,4084 0,4320 0,4436 0,4410 0,4219 0,3840 0,3251 0,2430 0,1354
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
4 0 0,8145 0,6561 0,5220 0,4096 0,3164 0,2401 0,1785 0,1296 0,0915 0,0625 0,0410 0,0256 0,0150 0,0081 0,0039 0,0016 0,0005 0,0000 0,0000
1 0,1715 0,2916 0,3685 0,4096 0,4219 0,4116 0,3845 0,3456 0,2995 0,2500 0,2005 0,1536 0,1115 0,0756 0,0469 0,0256 0,0115 0,0036 0,0005
2 0,0135 0,0486 0,0975 0,1536 0,2109 0,2646 0,3105 0,3456 0,3675 0,3750 0,3675 0,3456 0,3105 0,2646 0,2109 0,1536 0,0975 0,0486 0,0135
3 0,0005 0,0036 0,0115 0,0256 0,0469 0,0756 0,1115 0,1536 0,2005 0,2500 0,2995 0,3456 0,3845 0,4116 0,4219 0,4096 0,3685 0,2916 0,1715
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
5 0 0,7738 0,5905 0,4437 0,3277 0,2373 0,1681 0,1160 0,0778 0,0503 0,0313 0,0185 0,0102 0,0053 0,0024 0,0010 0,0003 0,0000 0,0000 0,0000
1 0,2036 0,3281 0,3915 0,4096 0,3955 0,3602 0,3124 0,2592 0,2059 0,1563 0,1128 0,0768 0,0488 0,0284 0,0146 0,0064 0,0022 0,0004 0,0000
2 0,0214 0,0729 0,1382 0,2048 0,2637 0,3087 0,3364 0,3456 0,3369 0,3125 0,2757 0,2304 0,1811 0,1323 0,0879 0,0512 0,0244 0,0081 0,0011
3 0,0011 0,0081 0,0244 0,0512 0,0879 0,1323 0,1811 0,2304 0,2757 0,3125 0,3369 0,3456 0,3364 0,3087 0,2637 0,2048 0,1382 0,0729 0,0214
4 0,0000 0,0005 0,0022 0,0064 0,0146 0,0284 0,0488 0,0768 0,1128 0,1563 0,2059 0,2592 0,3124 0,3602 0,3955 0,4096 0,3915 0,3281 0,2036
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
6 0 0,7351 0,5314 0,3771 0,2621 0,1780 0,1176 0,0754 0,0467 0,0277 0,0156 0,0083 0,0041 0,0018 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000
1 0,2321 0,3543 0,3993 0,3932 0,3560 0,3025 0,2437 0,1866 0,1359 0,0938 0,0609 0,0369 0,0205 0,0102 0,0044 0,0015 0,0004 0,0001 0,0000
2 0,0305 0,0984 0,1762 0,2458 0,2966 0,3241 0,3280 0,3110 0,2780 0,2344 0,1861 0,1382 0,0951 0,0595 0,0330 0,0154 0,0055 0,0012 0,0001
3 0,0021 0,0146 0,0415 0,0819 0,1318 0,1852 0,2355 0,2765 0,3032 0,3125 0,3032 0,2765 0,2355 0,1852 0,1318 0,0819 0,0415 0,0146 0,0021
4 0,0001 0,0012 0,0055 0,0154 0,0330 0,0595 0,0951 0,1382 0,1861 0,2344 0,2780 0,3110 0,3280 0,3241 0,2966 0,2458 0,1762 0,0984 0,0305
5 0,0000 0,0001 0,0004 0,0015 0,0044 0,0102 0,0205 0,0369 0,0609 0,0938 0,1359 0,1866 0,2437 0,3025 0,3560 0,3932 0,3993 0,3543 0,2321
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
7 0 0,6983 0,4783 0,3206 0,2097 0,1335 0,0824 0,0490 0,0280 0,0152 0,0078 0,0037 0,0016 0,0006 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000
1 0,2573 0,3720 0,3960 0,3670 0,3115 0,2471 0,1848 0,1306 0,0872 0,0547 0,0320 0,0172 0,0084 0,0036 0,0013 0,0004 0,0001 0,0000 0,0000
2 0,0406 0,1240 0,2097 0,2753 0,3115 0,3177 0,2985 0,2613 0,2140 0,1641 0,1172 0,0774 0,0466 0,0250 0,0115 0,0043 0,0012 0,0002 0,0000
3 0,0036 0,0230 0,0617 0,1147 0,1730 0,2269 0,2679 0,2903 0,2918 0,2734 0,2388 0,1935 0,1442 0,0972 0,0577 0,0287 0,0109 0,0026 0,0002
4 0,0002 0,0026 0,0109 0,0287 0,0577 0,0972 0,1442 0,1935 0,2388 0,2734 0,2918 0,2903 0,2679 0,2269 0,1730 0,1147 0,0617 0,0230 0,0036
5 0,0000 0,0002 0,0012 0,0043 0,0115 0,0250 0,0466 0,0774 0,1172 0,1641 0,2140 0,2613 0,2985 0,3177 0,3115 0,2753 0,2097 0,1240 0,0406
6 0,0000 0,0000 0,0001 0,0004 0,0013 0,0036 0,0084 0,0172 0,0320 0,0547 0,0872 0,1306 0,1848 0,2471 0,3115 0,3670 0,3960 0,3720 0,2573

n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
8 0 0,6634 0,4305 0,2725 0,1678 0,1001 0,0576 0,0319 0,0168 0,0084 0,0039 0,0017 0,0007 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,2793 0,3826 0,3847 0,3355 0,2670 0,1977 0,1373 0,0896 0,0548 0,0313 0,0164 0,0079 0,0033 0,0012 0,0004 0,0001 0,0000 0,0000 0,0000
2 0,0515 0,1488 0,2376 0,2936 0,3115 0,2965 0,2587 0,2090 0,1569 0,1094 0,0703 0,0413 0,0217 0,0100 0,0038 0,0011 0,0002 0,0000 0,0000
3 0,0054 0,0331 0,0839 0,1468 0,2076 0,2541 0,2786 0,2787 0,2568 0,2188 0,1719 0,1239 0,0808 0,0467 0,0231 0,0092 0,0026 0,0004 0,0000
4 0,0004 0,0046 0,0185 0,0459 0,0865 0,1361 0,1875 0,2322 0,2627 0,2734 0,2627 0,2322 0,1875 0,1361 0,0865 0,0459 0,0185 0,0046 0,0004
5 0,0000 0,0004 0,0026 0,0092 0,0231 0,0467 0,0808 0,1239 0,1719 0,2188 0,2568 0,2787 0,2786 0,2541 0,2076 0,1468 0,0839 0,0331 0,0054
6 0,0000 0,0000 0,0002 0,0011 0,0038 0,0100 0,0217 0,0413 0,0703 0,1094 0,1569 0,2090 0,2587 0,2965 0,3115 0,2936 0,2376 0,1488 0,0515
7 0,0000 0,0000 0,0000 0,0001 0,0004 0,0012 0,0033 0,0079 0,0164 0,0313 0,0548 0,0896 0,1373 0,1977 0,2670 0,3355 0,3847 0,3826 0,2793
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
9 0 0,6302 0,3874 0,2316 0,1342 0,0751 0,0404 0,0207 0,0101 0,0046 0,0020 0,0008 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,2985 0,3874 0,3679 0,3020 0,2253 0,1556 0,1004 0,0605 0,0339 0,0176 0,0083 0,0035 0,0013 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000
2 0,0629 0,1722 0,2597 0,3020 0,3003 0,2668 0,2162 0,1612 0,1110 0,0703 0,0407 0,0212 0,0098 0,0039 0,0012 0,0003 0,0000 0,0000 0,0000
3 0,0077 0,0446 0,1069 0,1762 0,2336 0,2668 0,2716 0,2508 0,2119 0,1641 0,1160 0,0743 0,0424 0,0210 0,0087 0,0028 0,0006 0,0001 0,0000
4 0,0006 0,0074 0,0283 0,0661 0,1168 0,1715 0,2194 0,2508 0,2600 0,2461 0,2128 0,1672 0,1181 0,0735 0,0389 0,0165 0,0050 0,0008 0,0000
5 0,0000 0,0008 0,0050 0,0165 0,0389 0,0735 0,1181 0,1672 0,2128 0,2461 0,2600 0,2508 0,2194 0,1715 0,1168 0,0661 0,0283 0,0074 0,0006
6 0,0000 0,0001 0,0006 0,0028 0,0087 0,0210 0,0424 0,0743 0,1160 0,1641 0,2119 0,2508 0,2716 0,2668 0,2336 0,1762 0,1069 0,0446 0,0077
7 0,0000 0,0000 0,0000 0,0003 0,0012 0,0039 0,0098 0,0212 0,0407 0,0703 0,1110 0,1612 0,2162 0,2668 0,3003 0,3020 0,2597 0,1722 0,0629
8 0,0000 0,0000 0,0000 0,0000 0,0001 0,0004 0,0013 0,0035 0,0083 0,0176 0,0339 0,0605 0,1004 0,1556 0,2253 0,3020 0,3679 0,3874 0,2985
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
10 0 0,5987 0,3487 0,1969 0,1074 0,0563 0,0282 0,0135 0,0060 0,0025 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3151 0,3874 0,3474 0,2684 0,1877 0,1211 0,0725 0,0403 0,0207 0,0098 0,0042 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,0746 0,1937 0,2759 0,3020 0,2816 0,2335 0,1757 0,1209 0,0763 0,0439 0,0229 0,0106 0,0043 0,0014 0,0004 0,0001 0,0000 0,0000 0,0000
3 0,0105 0,0574 0,1298 0,2013 0,2503 0,2668 0,2522 0,2150 0,1665 0,1172 0,0746 0,0425 0,0212 0,0090 0,0031 0,0008 0,0001 0,0000 0,0000
4 0,0010 0,0112 0,0401 0,0881 0,1460 0,2001 0,2377 0,2508 0,2384 0,2051 0,1596 0,1115 0,0689 0,0368 0,0162 0,0055 0,0012 0,0001 0,0000
5 0,0001 0,0015 0,0085 0,0264 0,0584 0,1029 0,1536 0,2007 0,2340 0,2461 0,2340 0,2007 0,1536 0,1029 0,0584 0,0264 0,0085 0,0015 0,0001
6 0,0000 0,0001 0,0012 0,0055 0,0162 0,0368 0,0689 0,1115 0,1596 0,2051 0,2384 0,2508 0,2377 0,2001 0,1460 0,0881 0,0401 0,0112 0,0010
7 0,0000 0,0000 0,0001 0,0008 0,0031 0,0090 0,0212 0,0425 0,0746 0,1172 0,1665 0,2150 0,2522 0,2668 0,2503 0,2013 0,1298 0,0574 0,0105
8 0,0000 0,0000 0,0000 0,0001 0,0004 0,0014 0,0043 0,0106 0,0229 0,0439 0,0763 0,1209 0,1757 0,2335 0,2816 0,3020 0,2759 0,1937 0,0746
9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0016 0,0042 0,0098 0,0207 0,0403 0,0725 0,1211 0,1877 0,2684 0,3474 0,3874 0,3151
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
11 0 0,5688 0,3138 0,1673 0,0859 0,0422 0,0198 0,0088 0,0036 0,0014 0,0005 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3293 0,3835 0,3248 0,2362 0,1549 0,0932 0,0518 0,0266 0,0125 0,0054 0,0021 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,0867 0,2131 0,2866 0,2953 0,2581 0,1998 0,1395 0,0887 0,0513 0,0269 0,0126 0,0052 0,0018 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000
3 0,0137 0,0710 0,1517 0,2215 0,2581 0,2568 0,2254 0,1774 0,1259 0,0806 0,0462 0,0234 0,0102 0,0037 0,0011 0,0002 0,0000 0,0000 0,0000
4 0,0014 0,0158 0,0536 0,1107 0,1721 0,2201 0,2428 0,2365 0,2060 0,1611 0,1128 0,0701 0,0379 0,0173 0,0064 0,0017 0,0003 0,0000 0,0000
5 0,0001 0,0025 0,0132 0,0388 0,0803 0,1321 0,1830 0,2207 0,2360 0,2256 0,1931 0,1471 0,0985 0,0566 0,0268 0,0097 0,0023 0,0003 0,0000
6 0,0000 0,0003 0,0023 0,0097 0,0268 0,0566 0,0985 0,1471 0,1931 0,2256 0,2360 0,2207 0,1830 0,1321 0,0803 0,0388 0,0132 0,0025 0,0001
7 0,0000 0,0000 0,0003 0,0017 0,0064 0,0173 0,0379 0,0701 0,1128 0,1611 0,2060 0,2365 0,2428 0,2201 0,1721 0,1107 0,0536 0,0158 0,0014

8 0,0000 0,0000 0,0000 0,0002 0,0011 0,0037 0,0102 0,0234 0,0462 0,0806 0,1259 0,1774 0,2254 0,2568 0,2581 0,2215 0,1517 0,0710 0,0137
9 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0018 0,0052 0,0126 0,0269 0,0513 0,0887 0,1395 0,1998 0,2581 0,2953 0,2866 0,2131 0,0867
10 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0007 0,0021 0,0054 0,0125 0,0266 0,0518 0,0932 0,1549 0,2362 0,3248 0,3835 0,3293
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
12 0 0,5404 0,2824 0,1422 0,0687 0,0317 0,0138 0,0057 0,0022 0,0008 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3413 0,3766 0,3012 0,2062 0,1267 0,0712 0,0368 0,0174 0,0075 0,0029 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,0988 0,2301 0,2924 0,2835 0,2323 0,1678 0,1088 0,0639 0,0339 0,0161 0,0068 0,0025 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0173 0,0852 0,1720 0,2362 0,2581 0,2397 0,1954 0,1419 0,0923 0,0537 0,0277 0,0125 0,0048 0,0015 0,0004 0,0001 0,0000 0,0000 0,0000
4 0,0021 0,0213 0,0683 0,1329 0,1936 0,2311 0,2367 0,2128 0,1700 0,1208 0,0762 0,0420 0,0199 0,0078 0,0024 0,0005 0,0001 0,0000 0,0000
5 0,0002 0,0038 0,0193 0,0532 0,1032 0,1585 0,2039 0,2270 0,2225 0,1934 0,1489 0,1009 0,0591 0,0291 0,0115 0,0033 0,0006 0,0000 0,0000
6 0,0000 0,0005 0,0040 0,0155 0,0401 0,0792 0,1281 0,1766 0,2124 0,2256 0,2124 0,1766 0,1281 0,0792 0,0401 0,0155 0,0040 0,0005 0,0000
7 0,0000 0,0000 0,0006 0,0033 0,0115 0,0291 0,0591 0,1009 0,1489 0,1934 0,2225 0,2270 0,2039 0,1585 0,1032 0,0532 0,0193 0,0038 0,0002
8 0,0000 0,0000 0,0001 0,0005 0,0024 0,0078 0,0199 0,0420 0,0762 0,1208 0,1700 0,2128 0,2367 0,2311 0,1936 0,1329 0,0683 0,0213 0,0021
9 0,0000 0,0000 0,0000 0,0001 0,0004 0,0015 0,0048 0,0125 0,0277 0,0537 0,0923 0,1419 0,1954 0,2397 0,2581 0,2362 0,1720 0,0852 0,0173
10 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0008 0,0025 0,0068 0,0161 0,0339 0,0639 0,1088 0,1678 0,2323 0,2835 0,2924 0,2301 0,0988
11 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0010 0,0029 0,0075 0,0174 0,0368 0,0712 0,1267 0,2062 0,3012 0,3766 0,3413
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
13 0 0,5133 0,2542 0,1209 0,0550 0,0238 0,0097 0,0037 0,0013 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3512 0,3672 0,2774 0,1787 0,1029 0,0540 0,0259 0,0113 0,0045 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1109 0,2448 0,2937 0,2680 0,2059 0,1388 0,0836 0,0453 0,0220 0,0095 0,0036 0,0012 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0214 0,0997 0,1900 0,2457 0,2517 0,2181 0,1651 0,1107 0,0660 0,0349 0,0162 0,0065 0,0022 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
4 0,0028 0,0277 0,0838 0,1535 0,2097 0,2337 0,2222 0,1845 0,1350 0,0873 0,0495 0,0243 0,0101 0,0034 0,0009 0,0001 0,0000 0,0000 0,0000
5 0,0003 0,0055 0,0266 0,0691 0,1258 0,1803 0,2154 0,2214 0,1989 0,1571 0,1089 0,0656 0,0336 0,0142 0,0047 0,0011 0,0001 0,0000 0,0000
6 0,0000 0,0008 0,0063 0,0230 0,0559 0,1030 0,1546 0,1968 0,2169 0,2095 0,1775 0,1312 0,0833 0,0442 0,0186 0,0058 0,0011 0,0001 0,0000
7 0,0000 0,0001 0,0011 0,0058 0,0186 0,0442 0,0833 0,1312 0,1775 0,2095 0,2169 0,1968 0,1546 0,1030 0,0559 0,0230 0,0063 0,0008 0,0000
8 0,0000 0,0000 0,0001 0,0011 0,0047 0,0142 0,0336 0,0656 0,1089 0,1571 0,1989 0,2214 0,2154 0,1803 0,1258 0,0691 0,0266 0,0055 0,0003
9 0,0000 0,0000 0,0000 0,0001 0,0009 0,0034 0,0101 0,0243 0,0495 0,0873 0,1350 0,1845 0,2222 0,2337 0,2097 0,1535 0,0838 0,0277 0,0028
10 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0022 0,0065 0,0162 0,0349 0,0660 0,1107 0,1651 0,2181 0,2517 0,2457 0,1900 0,0997 0,0214
11 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0012 0,0036 0,0095 0,0220 0,0453 0,0836 0,1388 0,2059 0,2680 0,2937 0,2448 0,1109
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0016 0,0045 0,0113 0,0259 0,0540 0,1029 0,1787 0,2774 0,3672 0,3512
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
14 0 0,4877 0,2288 0,1028 0,0440 0,0178 0,0068 0,0024 0,0008 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3593 0,3559 0,2539 0,1539 0,0832 0,0407 0,0181 0,0073 0,0027 0,0009 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1229 0,2570 0,2912 0,2501 0,1802 0,1134 0,0634 0,0317 0,0141 0,0056 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0259 0,1142 0,2056 0,2501 0,2402 0,1943 0,1366 0,0845 0,0462 0,0222 0,0093 0,0033 0,0010 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0037 0,0349 0,0998 0,1720 0,2202 0,2290 0,2022 0,1549 0,1040 0,0611 0,0312 0,0136 0,0049 0,0014 0,0003 0,0000 0,0000 0,0000 0,0000
5 0,0004 0,0078 0,0352 0,0860 0,1468 0,1963 0,2178 0,2066 0,1701 0,1222 0,0762 0,0408 0,0183 0,0066 0,0018 0,0003 0,0000 0,0000 0,0000
6 0,0000 0,0013 0,0093 0,0322 0,0734 0,1262 0,1759 0,2066 0,2088 0,1833 0,1398 0,0918 0,0510 0,0232 0,0082 0,0020 0,0003 0,0000 0,0000
7 0,0000 0,0002 0,0019 0,0092 0,0280 0,0618 0,1082 0,1574 0,1952 0,2095 0,1952 0,1574 0,1082 0,0618 0,0280 0,0092 0,0019 0,0002 0,0000

8 0,0000 0,0000 0,0003 0,0020 0,0082 0,0232 0,0510 0,0918 0,1398 0,1833 0,2088 0,2066 0,1759 0,1262 0,0734 0,0322 0,0093 0,0013 0,0000
9 0,0000 0,0000 0,0000 0,0003 0,0018 0,0066 0,0183 0,0408 0,0762 0,1222 0,1701 0,2066 0,2178 0,1963 0,1468 0,0860 0,0352 0,0078 0,0004
10 0,0000 0,0000 0,0000 0,0000 0,0003 0,0014 0,0049 0,0136 0,0312 0,0611 0,1040 0,1549 0,2022 0,2290 0,2202 0,1720 0,0998 0,0349 0,0037
11 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0010 0,0033 0,0093 0,0222 0,0462 0,0845 0,1366 0,1943 0,2402 0,2501 0,2056 0,1142 0,0259
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0019 0,0056 0,0141 0,0317 0,0634 0,1134 0,1802 0,2501 0,2912 0,2570 0,1229
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0009 0,0027 0,0073 0,0181 0,0407 0,0832 0,1539 0,2539 0,3559 0,3593
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
15 0 0,4633 0,2059 0,0874 0,0352 0,0134 0,0047 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3658 0,3432 0,2312 0,1319 0,0668 0,0305 0,0126 0,0047 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1348 0,2669 0,2856 0,2309 0,1559 0,0916 0,0476 0,0219 0,0090 0,0032 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0307 0,1285 0,2184 0,2501 0,2252 0,1700 0,1110 0,0634 0,0318 0,0139 0,0052 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0049 0,0428 0,1156 0,1876 0,2252 0,2186 0,1792 0,1268 0,0780 0,0417 0,0191 0,0074 0,0024 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
5 0,0006 0,0105 0,0449 0,1032 0,1651 0,2061 0,2123 0,1859 0,1404 0,0916 0,0515 0,0245 0,0096 0,0030 0,0007 0,0001 0,0000 0,0000 0,0000
6 0,0000 0,0019 0,0132 0,0430 0,0917 0,1472 0,1906 0,2066 0,1914 0,1527 0,1048 0,0612 0,0298 0,0116 0,0034 0,0007 0,0001 0,0000 0,0000
7 0,0000 0,0003 0,0030 0,0138 0,0393 0,0811 0,1319 0,1771 0,2013 0,1964 0,1647 0,1181 0,0710 0,0348 0,0131 0,0035 0,0005 0,0000 0,0000
8 0,0000 0,0000 0,0005 0,0035 0,0131 0,0348 0,0710 0,1181 0,1647 0,1964 0,2013 0,1771 0,1319 0,0811 0,0393 0,0138 0,0030 0,0003 0,0000
9 0,0000 0,0000 0,0001 0,0007 0,0034 0,0116 0,0298 0,0612 0,1048 0,1527 0,1914 0,2066 0,1906 0,1472 0,0917 0,0430 0,0132 0,0019 0,0000
10 0,0000 0,0000 0,0000 0,0001 0,0007 0,0030 0,0096 0,0245 0,0515 0,0916 0,1404 0,1859 0,2123 0,2061 0,1651 0,1032 0,0449 0,0105 0,0006
11 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0024 0,0074 0,0191 0,0417 0,0780 0,1268 0,1792 0,2186 0,2252 0,1876 0,1156 0,0428 0,0049
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0004 0,0016 0,0052 0,0139 0,0318 0,0634 0,1110 0,1700 0,2252 0,2501 0,2184 0,1285 0,0307
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0010 0,0032 0,0090 0,0219 0,0476 0,0916 0,1559 0,2309 0,2856 0,2669 0,1348
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0016 0,0047 0,0126 0,0305 0,0668 0,1319 0,2312 0,3432 0,3658
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
16 0 0,4401 0,1853 0,0743 0,0281 0,0100 0,0033 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3706 0,3294 0,2097 0,1126 0,0535 0,0228 0,0087 0,0030 0,0009 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1463 0,2745 0,2775 0,2111 0,1336 0,0732 0,0353 0,0150 0,0056 0,0018 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0359 0,1423 0,2285 0,2463 0,2079 0,1465 0,0888 0,0468 0,0215 0,0085 0,0029 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0061 0,0514 0,1311 0,2001 0,2252 0,2040 0,1553 0,1014 0,0572 0,0278 0,0115 0,0040 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0008 0,0137 0,0555 0,1201 0,1802 0,2099 0,2008 0,1623 0,1123 0,0667 0,0337 0,0142 0,0049 0,0013 0,0002 0,0000 0,0000 0,0000 0,0000
6 0,0001 0,0028 0,0180 0,0550 0,1101 0,1649 0,1982 0,1983 0,1684 0,1222 0,0755 0,0392 0,0167 0,0056 0,0014 0,0002 0,0000 0,0000 0,0000
7 0,0000 0,0004 0,0045 0,0197 0,0524 0,1010 0,1524 0,1889 0,1969 0,1746 0,1318 0,0840 0,0442 0,0185 0,0058 0,0012 0,0001 0,0000 0,0000
8 0,0000 0,0001 0,0009 0,0055 0,0197 0,0487 0,0923 0,1417 0,1812 0,1964 0,1812 0,1417 0,0923 0,0487 0,0197 0,0055 0,0009 0,0001 0,0000
9 0,0000 0,0000 0,0001 0,0012 0,0058 0,0185 0,0442 0,0840 0,1318 0,1746 0,1969 0,1889 0,1524 0,1010 0,0524 0,0197 0,0045 0,0004 0,0000
10 0,0000 0,0000 0,0000 0,0002 0,0014 0,0056 0,0167 0,0392 0,0755 0,1222 0,1684 0,1983 0,1982 0,1649 0,1101 0,0550 0,0180 0,0028 0,0001
11 0,0000 0,0000 0,0000 0,0000 0,0002 0,0013 0,0049 0,0142 0,0337 0,0667 0,1123 0,1623 0,2008 0,2099 0,1802 0,1201 0,0555 0,0137 0,0008
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0011 0,0040 0,0115 0,0278 0,0572 0,1014 0,1553 0,2040 0,2252 0,2001 0,1311 0,0514 0,0061
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0008 0,0029 0,0085 0,0215 0,0468 0,0888 0,1465 0,2079 0,2463 0,2285 0,1423 0,0359
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0018 0,0056 0,0150 0,0353 0,0732 0,1336 0,2111 0,2775 0,2745 0,1463
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0009 0,0030 0,0087 0,0228 0,0535 0,1126 0,2097 0,3294 0,3706

n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
17 0 0,4181 0,1668 0,0631 0,0225 0,0075 0,0023 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3741 0,3150 0,1893 0,0957 0,0426 0,0169 0,0060 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1575 0,2800 0,2673 0,1914 0,1136 0,0581 0,0260 0,0102 0,0035 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0415 0,1556 0,2359 0,2393 0,1893 0,1245 0,0701 0,0341 0,0144 0,0052 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0076 0,0605 0,1457 0,2093 0,2209 0,1868 0,1320 0,0796 0,0411 0,0182 0,0068 0,0021 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0010 0,0175 0,0668 0,1361 0,1914 0,2081 0,1849 0,1379 0,0875 0,0472 0,0215 0,0081 0,0024 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
6 0,0001 0,0039 0,0236 0,0680 0,1276 0,1784 0,1991 0,1839 0,1432 0,0944 0,0525 0,0242 0,0090 0,0026 0,0005 0,0001 0,0000 0,0000 0,0000
7 0,0000 0,0007 0,0065 0,0267 0,0668 0,1201 0,1685 0,1927 0,1841 0,1484 0,1008 0,0571 0,0263 0,0095 0,0025 0,0004 0,0000 0,0000 0,0000
8 0,0000 0,0001 0,0014 0,0084 0,0279 0,0644 0,1134 0,1606 0,1883 0,1855 0,1540 0,1070 0,0611 0,0276 0,0093 0,0021 0,0003 0,0000 0,0000
9 0,0000 0,0000 0,0003 0,0021 0,0093 0,0276 0,0611 0,1070 0,1540 0,1855 0,1883 0,1606 0,1134 0,0644 0,0279 0,0084 0,0014 0,0001 0,0000
10 0,0000 0,0000 0,0000 0,0004 0,0025 0,0095 0,0263 0,0571 0,1008 0,1484 0,1841 0,1927 0,1685 0,1201 0,0668 0,0267 0,0065 0,0007 0,0000
11 0,0000 0,0000 0,0000 0,0001 0,0005 0,0026 0,0090 0,0242 0,0525 0,0944 0,1432 0,1839 0,1991 0,1784 0,1276 0,0680 0,0236 0,0039 0,0001
12 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0024 0,0081 0,0215 0,0472 0,0875 0,1379 0,1849 0,2081 0,1914 0,1361 0,0668 0,0175 0,0010
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0021 0,0068 0,0182 0,0411 0,0796 0,1320 0,1868 0,2209 0,2093 0,1457 0,0605 0,0076
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0004 0,0016 0,0052 0,0144 0,0341 0,0701 0,1245 0,1893 0,2393 0,2359 0,1556 0,0415
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0010 0,0035 0,0102 0,0260 0,0581 0,1136 0,1914 0,2673 0,2800 0,1575
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0019 0,0060 0,0169 0,0426 0,0957 0,1893 0,3150 0,3741
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
18 0 0,3972 0,1501 0,0536 0,0180 0,0056 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3763 0,3002 0,1704 0,0811 0,0338 0,0126 0,0042 0,0012 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1683 0,2835 0,2556 0,1723 0,0958 0,0458 0,0190 0,0069 0,0022 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0473 0,1680 0,2406 0,2297 0,1704 0,1046 0,0547 0,0246 0,0095 0,0031 0,0009 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0093 0,0700 0,1592 0,2153 0,2130 0,1681 0,1104 0,0614 0,0291 0,0117 0,0039 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0014 0,0218 0,0787 0,1507 0,1988 0,2017 0,1664 0,1146 0,0666 0,0327 0,0134 0,0045 0,0012 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
6 0,0002 0,0052 0,0301 0,0816 0,1436 0,1873 0,1941 0,1655 0,1181 0,0708 0,0354 0,0145 0,0047 0,0012 0,0002 0,0000 0,0000 0,0000 0,0000
7 0,0000 0,0010 0,0091 0,0350 0,0820 0,1376 0,1792 0,1892 0,1657 0,1214 0,0742 0,0374 0,0151 0,0046 0,0010 0,0001 0,0000 0,0000 0,0000
8 0,0000 0,0002 0,0022 0,0120 0,0376 0,0811 0,1327 0,1734 0,1864 0,1669 0,1248 0,0771 0,0385 0,0149 0,0042 0,0008 0,0001 0,0000 0,0000
9 0,0000 0,0000 0,0004 0,0033 0,0139 0,0386 0,0794 0,1284 0,1694 0,1855 0,1694 0,1284 0,0794 0,0386 0,0139 0,0033 0,0004 0,0000 0,0000
10 0,0000 0,0000 0,0001 0,0008 0,0042 0,0149 0,0385 0,0771 0,1248 0,1669 0,1864 0,1734 0,1327 0,0811 0,0376 0,0120 0,0022 0,0002 0,0000
11 0,0000 0,0000 0,0000 0,0001 0,0010 0,0046 0,0151 0,0374 0,0742 0,1214 0,1657 0,1892 0,1792 0,1376 0,0820 0,0350 0,0091 0,0010 0,0000
12 0,0000 0,0000 0,0000 0,0000 0,0002 0,0012 0,0047 0,0145 0,0354 0,0708 0,1181 0,1655 0,1941 0,1873 0,1436 0,0816 0,0301 0,0052 0,0002
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0012 0,0045 0,0134 0,0327 0,0666 0,1146 0,1664 0,2017 0,1988 0,1507 0,0787 0,0218 0,0014
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0011 0,0039 0,0117 0,0291 0,0614 0,1104 0,1681 0,2130 0,2153 0,1592 0,0700 0,0093
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0009 0,0031 0,0095 0,0246 0,0547 0,1046 0,1704 0,2297 0,2406 0,1680 0,0473
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0022 0,0069 0,0190 0,0458 0,0958 0,1723 0,2556 0,2835 0,1683
17 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0012 0,0042 0,0126 0,0338 0,0811 0,1704 0,3002 0,3763
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
19 0 0,3774 0,1351 0,0456 0,0144 0,0042 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000

1 0,3774 0,2852 0,1529 0,0685 0,0268 0,0093 0,0029 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1787 0,2852 0,2428 0,1540 0,0803 0,0358 0,0138 0,0046 0,0013 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0533 0,1796 0,2428 0,2182 0,1517 0,0869 0,0422 0,0175 0,0062 0,0018 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0112 0,0798 0,1714 0,2182 0,2023 0,1491 0,0909 0,0467 0,0203 0,0074 0,0022 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0018 0,0266 0,0907 0,1636 0,2023 0,1916 0,1468 0,0933 0,0497 0,0222 0,0082 0,0024 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
6 0,0002 0,0069 0,0374 0,0955 0,1574 0,1916 0,1844 0,1451 0,0949 0,0518 0,0233 0,0085 0,0024 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000
7 0,0000 0,0014 0,0122 0,0443 0,0974 0,1525 0,1844 0,1797 0,1443 0,0961 0,0529 0,0237 0,0083 0,0022 0,0004 0,0000 0,0000 0,0000 0,0000
8 0,0000 0,0002 0,0032 0,0166 0,0487 0,0981 0,1489 0,1797 0,1771 0,1442 0,0970 0,0532 0,0233 0,0077 0,0018 0,0003 0,0000 0,0000 0,0000
9 0,0000 0,0000 0,0007 0,0051 0,0198 0,0514 0,0980 0,1464 0,1771 0,1762 0,1449 0,0976 0,0528 0,0220 0,0066 0,0013 0,0001 0,0000 0,0000
10 0,0000 0,0000 0,0001 0,0013 0,0066 0,0220 0,0528 0,0976 0,1449 0,1762 0,1771 0,1464 0,0980 0,0514 0,0198 0,0051 0,0007 0,0000 0,0000
11 0,0000 0,0000 0,0000 0,0003 0,0018 0,0077 0,0233 0,0532 0,0970 0,1442 0,1771 0,1797 0,1489 0,0981 0,0487 0,0166 0,0032 0,0002 0,0000
12 0,0000 0,0000 0,0000 0,0000 0,0004 0,0022 0,0083 0,0237 0,0529 0,0961 0,1443 0,1797 0,1844 0,1525 0,0974 0,0443 0,0122 0,0014 0,0000
13 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0024 0,0085 0,0233 0,0518 0,0949 0,1451 0,1844 0,1916 0,1574 0,0955 0,0374 0,0069 0,0002
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0024 0,0082 0,0222 0,0497 0,0933 0,1468 0,1916 0,2023 0,1636 0,0907 0,0266 0,0018
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0022 0,0074 0,0203 0,0467 0,0909 0,1491 0,2023 0,2182 0,1714 0,0798 0,0112
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0018 0,0062 0,0175 0,0422 0,0869 0,1517 0,2182 0,2428 0,1796 0,0533
17 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0013 0,0046 0,0138 0,0358 0,0803 0,1540 0,2428 0,2852 0,1787
18 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0008 0,0029 0,0093 0,0268 0,0685 0,1529 0,2852 0,3774
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
20 0 0,3585 0,1216 0,0388 0,0115 0,0032 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3774 0,2702 0,1368 0,0576 0,0211 0,0068 0,0020 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1887 0,2852 0,2293 0,1369 0,0669 0,0278 0,0100 0,0031 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0596 0,1901 0,2428 0,2054 0,1339 0,0716 0,0323 0,0123 0,0040 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0133 0,0898 0,1821 0,2182 0,1897 0,1304 0,0738 0,0350 0,0139 0,0046 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0022 0,0319 0,1028 0,1746 0,2023 0,1789 0,1272 0,0746 0,0365 0,0148 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
6 0,0003 0,0089 0,0454 0,1091 0,1686 0,1916 0,1712 0,1244 0,0746 0,0370 0,0150 0,0049 0,0012 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
7 0,0000 0,0020 0,0160 0,0545 0,1124 0,1643 0,1844 0,1659 0,1221 0,0739 0,0366 0,0146 0,0045 0,0010 0,0002 0,0000 0,0000 0,0000 0,0000
8 0,0000 0,0004 0,0046 0,0222 0,0609 0,1144 0,1614 0,1797 0,1623 0,1201 0,0727 0,0355 0,0136 0,0039 0,0008 0,0001 0,0000 0,0000 0,0000
9 0,0000 0,0001 0,0011 0,0074 0,0271 0,0654 0,1158 0,1597 0,1771 0,1602 0,1185 0,0710 0,0336 0,0120 0,0030 0,0005 0,0000 0,0000 0,0000
10 0,0000 0,0000 0,0002 0,0020 0,0099 0,0308 0,0686 0,1171 0,1593 0,1762 0,1593 0,1171 0,0686 0,0308 0,0099 0,0020 0,0002 0,0000 0,0000
11 0,0000 0,0000 0,0000 0,0005 0,0030 0,0120 0,0336 0,0710 0,1185 0,1602 0,1771 0,1597 0,1158 0,0654 0,0271 0,0074 0,0011 0,0001 0,0000
12 0,0000 0,0000 0,0000 0,0001 0,0008 0,0039 0,0136 0,0355 0,0727 0,1201 0,1623 0,1797 0,1614 0,1144 0,0609 0,0222 0,0046 0,0004 0,0000
13 0,0000 0,0000 0,0000 0,0000 0,0002 0,0010 0,0045 0,0146 0,0366 0,0739 0,1221 0,1659 0,1844 0,1643 0,1124 0,0545 0,0160 0,0020 0,0000
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0012 0,0049 0,0150 0,0370 0,0746 0,1244 0,1712 0,1916 0,1686 0,1091 0,0454 0,0089 0,0003
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0003 0,0013 0,0049 0,0148 0,0365 0,0746 0,1272 0,1789 0,2023 0,1746 0,1028 0,0319 0,0022
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0003 0,0013 0,0046 0,0139 0,0350 0,0738 0,1304 0,1897 0,2182 0,1821 0,0898 0,0133
17 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0011 0,0040 0,0123 0,0323 0,0716 0,1339 0,2054 0,2428 0,1901 0,0596
18 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0008 0,0031 0,0100 0,0278 0,0669 0,1369 0,2293 0,2852 0,1887
19 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0020 0,0068 0,0211 0,0576 0,1368 0,2702 0,3774

TABLA DEPROBABILIDADES DE DISTRIBUCION BINOMIAL (ACUMULADA)
n x 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 0,95
1 0 0,9500 0,9000 0,8500 0,8000 0,7500 0,7000 0,6500 0,6000 0,5500 0,5000 0,4500 0,4000 0,3500 0,3000 0,2500 0,2000 0,1500 0,1000 0,0500
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
2 0 0,9025 0,8100 0,7225 0,6400 0,5625 0,4900 0,4225 0,3600 0,3025 0,2500 0,2025 0,1600 0,1225 0,0900 0,0625 0,0400 0,0225 0,0100 0,0025
1 0,9975 0,9900 0,9775 0,9600 0,9375 0,9100 0,8775 0,8400 0,7975 0,7500 0,6975 0,6400 0,5775 0,5100 0,4375 0,3600 0,2775 0,1900 0,0975
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
3 0 0,8574 0,7290 0,6141 0,5120 0,4219 0,3430 0,2746 0,2160 0,1664 0,1250 0,0911 0,0640 0,0429 0,0270 0,0156 0,0080 0,0034 0,0010 0,0001
1 0,9928 0,9720 0,9393 0,8960 0,8438 0,7840 0,7183 0,6480 0,5748 0,5000 0,4253 0,3520 0,2818 0,2160 0,1563 0,1040 0,0607 0,0280 0,0072
2 0,9999 0,9990 0,9966 0,9920 0,9844 0,9730 0,9571 0,9360 0,9089 0,8750 0,8336 0,7840 0,7254 0,6570 0,5781 0,4880 0,3859 0,2710 0,1426
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
4 0 0,8145 0,6561 0,5220 0,4096 0,3164 0,2401 0,1785 0,1296 0,0915 0,0625 0,0410 0,0256 0,0150 0,0081 0,0039 0,0016 0,0005 0,0000 0,0000
1 0,9860 0,9477 0,8905 0,8192 0,7383 0,6517 0,5630 0,4752 0,3910 0,3125 0,2415 0,1792 0,1265 0,0837 0,0508 0,0272 0,0120 0,0037 0,0005
2 0,9995 0,9963 0,9880 0,9728 0,9492 0,9163 0,8735 0,8208 0,7585 0,6875 0,6090 0,5248 0,4370 0,3483 0,2617 0,1808 0,1095 0,0523 0,0140
3 1,0000 0,9999 0,9995 0,9984 0,9961 0,9919 0,9850 0,9744 0,9590 0,9375 0,9085 0,8704 0,8215 0,7599 0,6836 0,5904 0,4780 0,3439 0,1855
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
5 0 0,7738 0,5905 0,4437 0,3277 0,2373 0,1681 0,1160 0,0778 0,0503 0,0313 0,0185 0,0102 0,0053 0,0024 0,0010 0,0003 0,0000 0,0000 0,0000
1 0,9774 0,9185 0,8352 0,7373 0,6328 0,5282 0,4284 0,3370 0,2562 0,1875 0,1312 0,0870 0,0540 0,0308 0,0156 0,0067 0,0022 0,0005 0,0000
2 0,9988 0,9914 0,9734 0,9421 0,8965 0,8369 0,7648 0,6826 0,5931 0,5000 0,4069 0,3174 0,2352 0,1631 0,1035 0,0579 0,0266 0,0086 0,0012
3 1,0000 0,9995 0,9978 0,9933 0,9844 0,9692 0,9460 0,9130 0,8688 0,8125 0,7438 0,6630 0,5716 0,4718 0,3672 0,2627 0,1648 0,0815 0,0226
4 1,0000 1,0000 0,9999 0,9997 0,9990 0,9976 0,9947 0,9898 0,9815 0,9688 0,9497 0,9222 0,8840 0,8319 0,7627 0,6723 0,5563 0,4095 0,2262
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
6 0 0,7351 0,5314 0,3771 0,2621 0,1780 0,1176 0,0754 0,0467 0,0277 0,0156 0,0083 0,0041 0,0018 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000
1 0,9672 0,8857 0,7765 0,6554 0,5339 0,4202 0,3191 0,2333 0,1636 0,1094 0,0692 0,0410 0,0223 0,0109 0,0046 0,0016 0,0004 0,0000 0,0000
2 0,9978 0,9842 0,9527 0,9011 0,8306 0,7443 0,6471 0,5443 0,4415 0,3438 0,2553 0,1792 0,1174 0,0705 0,0376 0,0170 0,0059 0,0013 0,0000
3 0,9999 0,9987 0,9941 0,9830 0,9624 0,9295 0,8826 0,8208 0,7447 0,6563 0,5585 0,4557 0,3529 0,2557 0,1694 0,0989 0,0473 0,0158 0,0022
4 1,0000 0,9999 0,9996 0,9984 0,9954 0,9891 0,9777 0,9590 0,9308 0,8906 0,8364 0,7667 0,6809 0,5798 0,4661 0,3446 0,2235 0,1143 0,0328
5 1,0000 1,0000 1,0000 0,9999 0,9998 0,9993 0,9982 0,9959 0,9917 0,9844 0,9723 0,9533 0,9246 0,8824 0,8220 0,7379 0,6229 0,4686 0,2649
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
7 0 0,6983 0,4783 0,3206 0,2097 0,1335 0,0824 0,0490 0,0280 0,0152 0,0078 0,0037 0,0016 0,0006 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000
1 0,9556 0,8503 0,7166 0,5767 0,4449 0,3294 0,2338 0,1586 0,1024 0,0625 0,0357 0,0188 0,0090 0,0038 0,0013 0,0004 0,0001 0,0000 0,0000
2 0,9962 0,9743 0,9262 0,8520 0,7564 0,6471 0,5323 0,4199 0,3164 0,2266 0,1529 0,0963 0,0556 0,0288 0,0129 0,0047 0,0012 0,0002 0,0000
3 0,9998 0,9973 0,9879 0,9667 0,9294 0,8740 0,8002 0,7102 0,6083 0,5000 0,3917 0,2898 0,1998 0,1260 0,0706 0,0333 0,0121 0,0027 0,0002
4 1,0000 0,9998 0,9988 0,9953 0,9871 0,9712 0,9444 0,9037 0,8471 0,7734 0,6836 0,5801 0,4677 0,3529 0,2436 0,1480 0,0738 0,0257 0,0038
5 1,0000 1,0000 0,9999 0,9996 0,9987 0,9962 0,9910 0,9812 0,9643 0,9375 0,8976 0,8414 0,7662 0,6706 0,5551 0,4233 0,2834 0,1497 0,0444
6 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9994 0,9984 0,9963 0,9922 0,9848 0,9720 0,9510 0,9176 0,8665 0,7903 0,6794 0,5217 0,3017

n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
8 0 0,6634 0,4305 0,2725 0,1678 0,1001 0,0576 0,0319 0,0168 0,0084 0,0039 0,0017 0,0007 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9428 0,8131 0,6572 0,5033 0,3671 0,2553 0,1691 0,1064 0,0632 0,0352 0,0181 0,0085 0,0036 0,0013 0,0004 0,0001 0,0000 0,0000 0,0000
2 0,9942 0,9619 0,8948 0,7969 0,6785 0,5518 0,4278 0,3154 0,2201 0,1445 0,0885 0,0498 0,0253 0,0113 0,0042 0,0012 0,0002 0,0000 0,0000
3 0,9996 0,9950 0,9786 0,9437 0,8862 0,8059 0,7064 0,5941 0,4770 0,3633 0,2604 0,1737 0,1061 0,0580 0,0273 0,0104 0,0029 0,0004 0,0000
4 1,0000 0,9996 0,9971 0,9896 0,9727 0,9420 0,8939 0,8263 0,7396 0,6367 0,5230 0,4059 0,2936 0,1941 0,1138 0,0563 0,0214 0,0050 0,0004
5 1,0000 1,0000 0,9998 0,9988 0,9958 0,9887 0,9747 0,9502 0,9115 0,8555 0,7799 0,6846 0,5722 0,4482 0,3215 0,2031 0,1052 0,0381 0,0058
6 1,0000 1,0000 1,0000 0,9999 0,9996 0,9987 0,9964 0,9915 0,9819 0,9648 0,9368 0,8936 0,8309 0,7447 0,6329 0,4967 0,3428 0,1869 0,0572
7 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9993 0,9983 0,9961 0,9916 0,9832 0,9681 0,9424 0,8999 0,8322 0,7275 0,5695 0,3366
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
9 0 0,6302 0,3874 0,2316 0,1342 0,0751 0,0404 0,0207 0,0101 0,0046 0,0020 0,0008 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9288 0,7748 0,5995 0,4362 0,3003 0,1960 0,1211 0,0705 0,0385 0,0195 0,0091 0,0038 0,0014 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000
2 0,9916 0,9470 0,8591 0,7382 0,6007 0,4628 0,3373 0,2318 0,1495 0,0898 0,0498 0,0250 0,0112 0,0043 0,0013 0,0003 0,0000 0,0000 0,0000
3 0,9994 0,9917 0,9661 0,9144 0,8343 0,7297 0,6089 0,4826 0,3614 0,2539 0,1658 0,0994 0,0536 0,0253 0,0100 0,0031 0,0006 0,0001 0,0000
4 1,0000 0,9991 0,9944 0,9804 0,9511 0,9012 0,8283 0,7334 0,6214 0,5000 0,3786 0,2666 0,1717 0,0988 0,0489 0,0196 0,0056 0,0009 0,0000
5 1,0000 0,9999 0,9994 0,9969 0,9900 0,9747 0,9464 0,9006 0,8342 0,7461 0,6386 0,5174 0,3911 0,2703 0,1657 0,0856 0,0339 0,0083 0,0006
6 1,0000 1,0000 1,0000 0,9997 0,9987 0,9957 0,9888 0,9750 0,9502 0,9102 0,8505 0,7682 0,6627 0,5372 0,3993 0,2618 0,1409 0,0530 0,0084
7 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9986 0,9962 0,9909 0,9805 0,9615 0,9295 0,8789 0,8040 0,6997 0,5638 0,4005 0,2252 0,0712
8 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9992 0,9980 0,9954 0,9899 0,9793 0,9596 0,9249 0,8658 0,7684 0,6126 0,3698
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
10 0 0,5987 0,3487 0,1969 0,1074 0,0563 0,0282 0,0135 0,0060 0,0025 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9139 0,7361 0,5443 0,3758 0,2440 0,1493 0,0860 0,0464 0,0233 0,0107 0,0045 0,0017 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9885 0,9298 0,8202 0,6778 0,5256 0,3828 0,2616 0,1673 0,0996 0,0547 0,0274 0,0123 0,0048 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000
3 0,9990 0,9872 0,9500 0,8791 0,7759 0,6496 0,5138 0,3823 0,2660 0,1719 0,1020 0,0548 0,0260 0,0106 0,0035 0,0009 0,0001 0,0000 0,0000
4 0,9999 0,9984 0,9901 0,9672 0,9219 0,8497 0,7515 0,6331 0,5044 0,3770 0,2616 0,1662 0,0949 0,0473 0,0197 0,0064 0,0014 0,0001 0,0000
5 1,0000 0,9999 0,9986 0,9936 0,9803 0,9527 0,9051 0,8338 0,7384 0,6230 0,4956 0,3669 0,2485 0,1503 0,0781 0,0328 0,0099 0,0016 0,0001
6 1,0000 1,0000 0,9999 0,9991 0,9965 0,9894 0,9740 0,9452 0,8980 0,8281 0,7340 0,6177 0,4862 0,3504 0,2241 0,1209 0,0500 0,0128 0,0010
7 1,0000 1,0000 1,0000 0,9999 0,9996 0,9984 0,9952 0,9877 0,9726 0,9453 0,9004 0,8327 0,7384 0,6172 0,4744 0,3222 0,1798 0,0702 0,0115
8 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9983 0,9955 0,9893 0,9767 0,9536 0,9140 0,8507 0,7560 0,6242 0,4557 0,2639 0,0861
9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9990 0,9975 0,9940 0,9865 0,9718 0,9437 0,8926 0,8031 0,6513 0,4013
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
11 0 0,5688 0,3138 0,1673 0,0859 0,0422 0,0198 0,0088 0,0036 0,0014 0,0005 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8981 0,6974 0,4922 0,3221 0,1971 0,1130 0,0606 0,0302 0,0139 0,0059 0,0022 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9848 0,9104 0,7788 0,6174 0,4552 0,3127 0,2001 0,1189 0,0652 0,0327 0,0148 0,0059 0,0020 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
3 0,9984 0,9815 0,9306 0,8389 0,7133 0,5696 0,4256 0,2963 0,1911 0,1133 0,0610 0,0293 0,0122 0,0043 0,0012 0,0002 0,0000 0,0000 0,0000
4 0,9999 0,9972 0,9841 0,9496 0,8854 0,7897 0,6683 0,5328 0,3971 0,2744 0,1738 0,0994 0,0501 0,0216 0,0076 0,0020 0,0003 0,0000 0,0000
5 1,0000 0,9997 0,9973 0,9883 0,9657 0,9218 0,8513 0,7535 0,6331 0,5000 0,3669 0,2465 0,1487 0,0782 0,0343 0,0117 0,0027 0,0003 0,0000
6 1,0000 1,0000 0,9997 0,9980 0,9924 0,9784 0,9499 0,9006 0,8262 0,7256 0,6029 0,4672 0,3317 0,2103 0,1146 0,0504 0,0159 0,0028 0,0001
7 1,0000 1,0000 1,0000 0,9998 0,9988 0,9957 0,9878 0,9707 0,9390 0,8867 0,8089 0,7037 0,5744 0,4304 0,2867 0,1611 0,0694 0,0185 0,0016

8 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9980 0,9941 0,9852 0,9673 0,9348 0,8811 0,7999 0,6873 0,5448 0,3826 0,2212 0,0896 0,0152
9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9993 0,9978 0,9941 0,9861 0,9698 0,9394 0,8870 0,8029 0,6779 0,5078 0,3026 0,1019
10 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9995 0,9986 0,9964 0,9912 0,9802 0,9578 0,9141 0,8327 0,6862 0,4312
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
12 0 0,5404 0,2824 0,1422 0,0687 0,0317 0,0138 0,0057 0,0022 0,0008 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8816 0,6590 0,4435 0,2749 0,1584 0,0850 0,0424 0,0196 0,0083 0,0032 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9804 0,8891 0,7358 0,5583 0,3907 0,2528 0,1513 0,0834 0,0421 0,0193 0,0079 0,0028 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9978 0,9744 0,9078 0,7946 0,6488 0,4925 0,3467 0,2253 0,1345 0,0730 0,0356 0,0153 0,0056 0,0017 0,0004 0,0001 0,0000 0,0000 0,0000
4 0,9998 0,9957 0,9761 0,9274 0,8424 0,7237 0,5833 0,4382 0,3044 0,1938 0,1117 0,0573 0,0255 0,0095 0,0028 0,0006 0,0001 0,0000 0,0000
5 1,0000 0,9995 0,9954 0,9806 0,9456 0,8822 0,7873 0,6652 0,5269 0,3872 0,2607 0,1582 0,0846 0,0386 0,0143 0,0039 0,0007 0,0001 0,0000
6 1,0000 0,9999 0,9993 0,9961 0,9857 0,9614 0,9154 0,8418 0,7393 0,6128 0,4731 0,3348 0,2127 0,1178 0,0544 0,0194 0,0046 0,0005 0,0000
7 1,0000 1,0000 0,9999 0,9994 0,9972 0,9905 0,9745 0,9427 0,8883 0,8062 0,6956 0,5618 0,4167 0,2763 0,1576 0,0726 0,0239 0,0043 0,0002
8 1,0000 1,0000 1,0000 0,9999 0,9996 0,9983 0,9944 0,9847 0,9644 0,9270 0,8655 0,7747 0,6533 0,5075 0,3512 0,2054 0,0922 0,0256 0,0022
9 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9992 0,9972 0,9921 0,9807 0,9579 0,9166 0,8487 0,7472 0,6093 0,4417 0,2642 0,1109 0,0196
10 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9989 0,9968 0,9917 0,9804 0,9576 0,9150 0,8416 0,7251 0,5565 0,3410 0,1184
11 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9992 0,9978 0,9943 0,9862 0,9683 0,9313 0,8578 0,7176 0,4596
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
13 0 0,5133 0,2542 0,1209 0,0550 0,0238 0,0097 0,0037 0,0013 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8646 0,6213 0,3983 0,2336 0,1267 0,0637 0,0296 0,0126 0,0049 0,0017 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9755 0,8661 0,6920 0,5017 0,3326 0,2025 0,1132 0,0579 0,0269 0,0112 0,0041 0,0013 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9969 0,9658 0,8820 0,7473 0,5843 0,4206 0,2783 0,1686 0,0929 0,0461 0,0203 0,0078 0,0025 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000
4 0,9997 0,9935 0,9658 0,9009 0,7940 0,6543 0,5005 0,3530 0,2279 0,1334 0,0698 0,0321 0,0126 0,0040 0,0010 0,0002 0,0000 0,0000 0,0000
5 1,0000 0,9991 0,9925 0,9700 0,9198 0,8346 0,7159 0,5744 0,4268 0,2905 0,1788 0,0977 0,0462 0,0182 0,0056 0,0012 0,0002 0,0000 0,0000
6 1,0000 0,9999 0,9987 0,9930 0,9757 0,9376 0,8705 0,7712 0,6437 0,5000 0,3563 0,2288 0,1295 0,0624 0,0243 0,0070 0,0013 0,0001 0,0000
7 1,0000 1,0000 0,9998 0,9988 0,9944 0,9818 0,9538 0,9023 0,8212 0,7095 0,5732 0,4256 0,2841 0,1654 0,0802 0,0300 0,0075 0,0009 0,0000
8 1,0000 1,0000 1,0000 0,9998 0,9990 0,9960 0,9874 0,9679 0,9302 0,8666 0,7721 0,6470 0,4995 0,3457 0,2060 0,0991 0,0342 0,0065 0,0003
9 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9975 0,9922 0,9797 0,9539 0,9071 0,8314 0,7217 0,5794 0,4157 0,2527 0,1180 0,0342 0,0031
10 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9987 0,9959 0,9888 0,9731 0,9421 0,8868 0,7975 0,6674 0,4983 0,3080 0,1339 0,0245
11 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9983 0,9951 0,9874 0,9704 0,9363 0,8733 0,7664 0,6017 0,3787 0,1354
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9987 0,9963 0,9903 0,9762 0,9450 0,8791 0,7458 0,4867
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
14 0 0,4877 0,2288 0,1028 0,0440 0,0178 0,0068 0,0024 0,0008 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8470 0,5846 0,3567 0,1979 0,1010 0,0475 0,0205 0,0081 0,0029 0,0009 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9699 0,8416 0,6479 0,4481 0,2811 0,1608 0,0839 0,0398 0,0170 0,0065 0,0022 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9958 0,9559 0,8535 0,6982 0,5213 0,3552 0,2205 0,1243 0,0632 0,0287 0,0114 0,0039 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9996 0,9908 0,9533 0,8702 0,7415 0,5842 0,4227 0,2793 0,1672 0,0898 0,0426 0,0175 0,0060 0,0017 0,0003 0,0000 0,0000 0,0000 0,0000
5 1,0000 0,9985 0,9885 0,9561 0,8883 0,7805 0,6405 0,4859 0,3373 0,2120 0,1189 0,0583 0,0243 0,0083 0,0022 0,0004 0,0000 0,0000 0,0000
6 1,0000 0,9998 0,9978 0,9884 0,9617 0,9067 0,8164 0,6925 0,5461 0,3953 0,2586 0,1501 0,0753 0,0315 0,0103 0,0024 0,0003 0,0000 0,0000
7 1,0000 1,0000 0,9997 0,9976 0,9897 0,9685 0,9247 0,8499 0,7414 0,6047 0,4539 0,3075 0,1836 0,0933 0,0383 0,0116 0,0022 0,0002 0,0000

8 1,0000 1,0000 1,0000 0,9996 0,9978 0,9917 0,9757 0,9417 0,8811 0,7880 0,6627 0,5141 0,3595 0,2195 0,1117 0,0439 0,0115 0,0015 0,0000
9 1,0000 1,0000 1,0000 1,0000 0,9997 0,9983 0,9940 0,9825 0,9574 0,9102 0,8328 0,7207 0,5773 0,4158 0,2585 0,1298 0,0467 0,0092 0,0004
10 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9989 0,9961 0,9886 0,9713 0,9368 0,8757 0,7795 0,6448 0,4787 0,3018 0,1465 0,0441 0,0042
11 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9978 0,9935 0,9830 0,9602 0,9161 0,8392 0,7189 0,5519 0,3521 0,1584 0,0301
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9991 0,9971 0,9919 0,9795 0,9525 0,8990 0,8021 0,6433 0,4154 0,1530
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9992 0,9976 0,9932 0,9822 0,9560 0,8972 0,7712 0,5123
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
15 0 0,4633 0,2059 0,0874 0,0352 0,0134 0,0047 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8290 0,5490 0,3186 0,1671 0,0802 0,0353 0,0142 0,0052 0,0017 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9638 0,8159 0,6042 0,3980 0,2361 0,1268 0,0617 0,0271 0,0107 0,0037 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9945 0,9444 0,8227 0,6482 0,4613 0,2969 0,1727 0,0905 0,0424 0,0176 0,0063 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9994 0,9873 0,9383 0,8358 0,6865 0,5155 0,3519 0,2173 0,1204 0,0592 0,0255 0,0093 0,0028 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000
5 0,9999 0,9978 0,9832 0,9389 0,8516 0,7216 0,5643 0,4032 0,2608 0,1509 0,0769 0,0338 0,0124 0,0037 0,0008 0,0001 0,0000 0,0000 0,0000
6 1,0000 0,9997 0,9964 0,9819 0,9434 0,8689 0,7548 0,6098 0,4522 0,3036 0,1818 0,0950 0,0422 0,0152 0,0042 0,0008 0,0001 0,0000 0,0000
7 1,0000 1,0000 0,9994 0,9958 0,9827 0,9500 0,8868 0,7869 0,6535 0,5000 0,3465 0,2131 0,1132 0,0500 0,0173 0,0042 0,0006 0,0000 0,0000
8 1,0000 1,0000 0,9999 0,9992 0,9958 0,9848 0,9578 0,9050 0,8182 0,6964 0,5478 0,3902 0,2452 0,1311 0,0566 0,0181 0,0036 0,0003 0,0000
9 1,0000 1,0000 1,0000 0,9999 0,9992 0,9963 0,9876 0,9662 0,9231 0,8491 0,7392 0,5968 0,4357 0,2784 0,1484 0,0611 0,0168 0,0022 0,0001
10 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9972 0,9907 0,9745 0,9408 0,8796 0,7827 0,6481 0,4845 0,3135 0,1642 0,0617 0,0127 0,0006
11 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9981 0,9937 0,9824 0,9576 0,9095 0,8273 0,7031 0,5387 0,3518 0,1773 0,0556 0,0055
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9989 0,9963 0,9893 0,9729 0,9383 0,8732 0,7639 0,6020 0,3958 0,1841 0,0362
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9983 0,9948 0,9858 0,9647 0,9198 0,8329 0,6814 0,4510 0,1710
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9984 0,9953 0,9866 0,9648 0,9126 0,7941 0,5367
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
16 0 0,4401 0,1853 0,0743 0,0281 0,0100 0,0033 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8108 0,5147 0,2839 0,1407 0,0635 0,0261 0,0098 0,0033 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9571 0,7892 0,5614 0,3518 0,1971 0,0994 0,0451 0,0183 0,0066 0,0021 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9930 0,9316 0,7899 0,5981 0,4050 0,2459 0,1339 0,0651 0,0281 0,0106 0,0035 0,0009 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9991 0,9830 0,9209 0,7982 0,6302 0,4499 0,2892 0,1666 0,0853 0,0384 0,0149 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9999 0,9967 0,9765 0,9183 0,8103 0,6598 0,4900 0,3288 0,1976 0,1051 0,0486 0,0191 0,0062 0,0016 0,0003 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9995 0,9944 0,9733 0,9204 0,8247 0,6881 0,5272 0,3660 0,2272 0,1241 0,0583 0,0229 0,0071 0,0016 0,0002 0,0000 0,0000 0,0000
7 1,0000 0,9999 0,9989 0,9930 0,9729 0,9256 0,8406 0,7161 0,5629 0,4018 0,2559 0,1423 0,0671 0,0257 0,0075 0,0015 0,0002 0,0000 0,0000
8 1,0000 1,0000 0,9998 0,9985 0,9925 0,9743 0,9329 0,8577 0,7441 0,5982 0,4371 0,2839 0,1594 0,0744 0,0271 0,0070 0,0011 0,0001 0,0000
9 1,0000 1,0000 1,0000 0,9998 0,9984 0,9929 0,9771 0,9417 0,8759 0,7728 0,6340 0,4728 0,3119 0,1753 0,0796 0,0267 0,0056 0,0005 0,0000
10 1,0000 1,0000 1,0000 1,0000 0,9997 0,9984 0,9938 0,9809 0,9514 0,8949 0,8024 0,6712 0,5100 0,3402 0,1897 0,0817 0,0235 0,0033 0,0001
11 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9987 0,9951 0,9851 0,9616 0,9147 0,8334 0,7108 0,5501 0,3698 0,2018 0,0791 0,0170 0,0009
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9991 0,9965 0,9894 0,9719 0,9349 0,8661 0,7541 0,5950 0,4019 0,2101 0,0684 0,0070
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9979 0,9934 0,9817 0,9549 0,9006 0,8029 0,6482 0,4386 0,2108 0,0429
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9990 0,9967 0,9902 0,9739 0,9365 0,8593 0,7161 0,4853 0,1892
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9990 0,9967 0,9900 0,9719 0,9257 0,8147 0,5599

n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
17 0 0,4181 0,1668 0,0631 0,0225 0,0075 0,0023 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7922 0,4818 0,2525 0,1182 0,0501 0,0193 0,0067 0,0021 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9497 0,7618 0,5198 0,3096 0,1637 0,0774 0,0327 0,0123 0,0041 0,0012 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9912 0,9174 0,7556 0,5489 0,3530 0,2019 0,1028 0,0464 0,0184 0,0064 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9988 0,9779 0,9013 0,7582 0,5739 0,3887 0,2348 0,1260 0,0596 0,0245 0,0086 0,0025 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9999 0,9953 0,9681 0,8943 0,7653 0,5968 0,4197 0,2639 0,1471 0,0717 0,0301 0,0106 0,0030 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9992 0,9917 0,9623 0,8929 0,7752 0,6188 0,4478 0,2902 0,1662 0,0826 0,0348 0,0120 0,0032 0,0006 0,0001 0,0000 0,0000 0,0000
7 1,0000 0,9999 0,9983 0,9891 0,9598 0,8954 0,7872 0,6405 0,4743 0,3145 0,1834 0,0919 0,0383 0,0127 0,0031 0,0005 0,0000 0,0000 0,0000
8 1,0000 1,0000 0,9997 0,9974 0,9876 0,9597 0,9006 0,8011 0,6626 0,5000 0,3374 0,1989 0,0994 0,0403 0,0124 0,0026 0,0003 0,0000 0,0000
9 1,0000 1,0000 1,0000 0,9995 0,9969 0,9873 0,9617 0,9081 0,8166 0,6855 0,5257 0,3595 0,2128 0,1046 0,0402 0,0109 0,0017 0,0001 0,0000
10 1,0000 1,0000 1,0000 0,9999 0,9994 0,9968 0,9880 0,9652 0,9174 0,8338 0,7098 0,5522 0,3812 0,2248 0,1071 0,0377 0,0083 0,0008 0,0000
11 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9970 0,9894 0,9699 0,9283 0,8529 0,7361 0,5803 0,4032 0,2347 0,1057 0,0319 0,0047 0,0001
12 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9975 0,9914 0,9755 0,9404 0,8740 0,7652 0,6113 0,4261 0,2418 0,0987 0,0221 0,0012
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9981 0,9936 0,9816 0,9536 0,8972 0,7981 0,6470 0,4511 0,2444 0,0826 0,0088
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9988 0,9959 0,9877 0,9673 0,9226 0,8363 0,6904 0,4802 0,2382 0,0503
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9979 0,9933 0,9807 0,9499 0,8818 0,7475 0,5182 0,2078
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9993 0,9977 0,9925 0,9775 0,9369 0,8332 0,5819
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
18 0 0,3972 0,1501 0,0536 0,0180 0,0056 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7735 0,4503 0,2241 0,0991 0,0395 0,0142 0,0046 0,0013 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9419 0,7338 0,4797 0,2713 0,1353 0,0600 0,0236 0,0082 0,0025 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9891 0,9018 0,7202 0,5010 0,3057 0,1646 0,0783 0,0328 0,0120 0,0038 0,0010 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9985 0,9718 0,8794 0,7164 0,5187 0,3327 0,1886 0,0942 0,0411 0,0154 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9998 0,9936 0,9581 0,8671 0,7175 0,5344 0,3550 0,2088 0,1077 0,0481 0,0183 0,0058 0,0014 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9988 0,9882 0,9487 0,8610 0,7217 0,5491 0,3743 0,2258 0,1189 0,0537 0,0203 0,0062 0,0014 0,0002 0,0000 0,0000 0,0000 0,0000
7 1,0000 0,9998 0,9973 0,9837 0,9431 0,8593 0,7283 0,5634 0,3915 0,2403 0,1280 0,0576 0,0212 0,0061 0,0012 0,0002 0,0000 0,0000 0,0000
8 1,0000 1,0000 0,9995 0,9957 0,9807 0,9404 0,8609 0,7368 0,5778 0,4073 0,2527 0,1347 0,0597 0,0210 0,0054 0,0009 0,0001 0,0000 0,0000
9 1,0000 1,0000 0,9999 0,9991 0,9946 0,9790 0,9403 0,8653 0,7473 0,5927 0,4222 0,2632 0,1391 0,0596 0,0193 0,0043 0,0005 0,0000 0,0000
10 1,0000 1,0000 1,0000 0,9998 0,9988 0,9939 0,9788 0,9424 0,8720 0,7597 0,6085 0,4366 0,2717 0,1407 0,0569 0,0163 0,0027 0,0002 0,0000
11 1,0000 1,0000 1,0000 1,0000 0,9998 0,9986 0,9938 0,9797 0,9463 0,8811 0,7742 0,6257 0,4509 0,2783 0,1390 0,0513 0,0118 0,0012 0,0000
12 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9986 0,9942 0,9817 0,9519 0,8923 0,7912 0,6450 0,4656 0,2825 0,1329 0,0419 0,0064 0,0002
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9987 0,9951 0,9846 0,9589 0,9058 0,8114 0,6673 0,4813 0,2836 0,1206 0,0282 0,0015
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9990 0,9962 0,9880 0,9672 0,9217 0,8354 0,6943 0,4990 0,2798 0,0982 0,0109
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9975 0,9918 0,9764 0,9400 0,8647 0,7287 0,5203 0,2662 0,0581
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9987 0,9954 0,9858 0,9605 0,9009 0,7759 0,5497 0,2265
17 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9984 0,9944 0,9820 0,9464 0,8499 0,6028
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
19 0 0,3774 0,1351 0,0456 0,0144 0,0042 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000

1 0,7547 0,4203 0,1985 0,0829 0,0310 0,0104 0,0031 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9335 0,7054 0,4413 0,2369 0,1113 0,0462 0,0170 0,0055 0,0015 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9868 0,8850 0,6841 0,4551 0,2631 0,1332 0,0591 0,0230 0,0077 0,0022 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9980 0,9648 0,8556 0,6733 0,4654 0,2822 0,1500 0,0696 0,0280 0,0096 0,0028 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9998 0,9914 0,9463 0,8369 0,6678 0,4739 0,2968 0,1629 0,0777 0,0318 0,0109 0,0031 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9983 0,9837 0,9324 0,8251 0,6655 0,4812 0,3081 0,1727 0,0835 0,0342 0,0116 0,0031 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
7 1,0000 0,9997 0,9959 0,9767 0,9225 0,8180 0,6656 0,4878 0,3169 0,1796 0,0871 0,0352 0,0114 0,0028 0,0005 0,0000 0,0000 0,0000 0,0000
8 1,0000 1,0000 0,9992 0,9933 0,9713 0,9161 0,8145 0,6675 0,4940 0,3238 0,1841 0,0885 0,0347 0,0105 0,0023 0,0003 0,0000 0,0000 0,0000
9 1,0000 1,0000 0,9999 0,9984 0,9911 0,9674 0,9125 0,8139 0,6710 0,5000 0,3290 0,1861 0,0875 0,0326 0,0089 0,0016 0,0001 0,0000 0,0000
10 1,0000 1,0000 1,0000 0,9997 0,9977 0,9895 0,9653 0,9115 0,8159 0,6762 0,5060 0,3325 0,1855 0,0839 0,0287 0,0067 0,0008 0,0000 0,0000
11 1,0000 1,0000 1,0000 1,0000 0,9995 0,9972 0,9886 0,9648 0,9129 0,8204 0,6831 0,5122 0,3344 0,1820 0,0775 0,0233 0,0041 0,0003 0,0000
12 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9969 0,9884 0,9658 0,9165 0,8273 0,6919 0,5188 0,3345 0,1749 0,0676 0,0163 0,0017 0,0000
13 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9969 0,9891 0,9682 0,9223 0,8371 0,7032 0,5261 0,3322 0,1631 0,0537 0,0086 0,0002
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9972 0,9904 0,9720 0,9304 0,8500 0,7178 0,5346 0,3267 0,1444 0,0352 0,0020
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9978 0,9923 0,9770 0,9409 0,8668 0,7369 0,5449 0,3159 0,1150 0,0132
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9985 0,9945 0,9830 0,9538 0,8887 0,7631 0,5587 0,2946 0,0665
17 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9992 0,9969 0,9896 0,9690 0,9171 0,8015 0,5797 0,2453
18 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9989 0,9958 0,9856 0,9544 0,8649 0,6226
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
20 0 0,3585 0,1216 0,0388 0,0115 0,0032 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7358 0,3917 0,1756 0,0692 0,0243 0,0076 0,0021 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9245 0,6769 0,4049 0,2061 0,0913 0,0355 0,0121 0,0036 0,0009 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9841 0,8670 0,6477 0,4114 0,2252 0,1071 0,0444 0,0160 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9974 0,9568 0,8298 0,6296 0,4148 0,2375 0,1182 0,0510 0,0189 0,0059 0,0015 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9997 0,9887 0,9327 0,8042 0,6172 0,4164 0,2454 0,1256 0,0553 0,0207 0,0064 0,0016 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9976 0,9781 0,9133 0,7858 0,6080 0,4166 0,2500 0,1299 0,0577 0,0214 0,0065 0,0015 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000
7 1,0000 0,9996 0,9941 0,9679 0,8982 0,7723 0,6010 0,4159 0,2520 0,1316 0,0580 0,0210 0,0060 0,0013 0,0002 0,0000 0,0000 0,0000 0,0000
8 1,0000 0,9999 0,9987 0,9900 0,9591 0,8867 0,7624 0,5956 0,4143 0,2517 0,1308 0,0565 0,0196 0,0051 0,0009 0,0001 0,0000 0,0000 0,0000
9 1,0000 1,0000 0,9998 0,9974 0,9861 0,9520 0,8782 0,7553 0,5914 0,4119 0,2493 0,1275 0,0532 0,0171 0,0039 0,0006 0,0000 0,0000 0,0000
10 1,0000 1,0000 1,0000 0,9994 0,9961 0,9829 0,9468 0,8725 0,7507 0,5881 0,4086 0,2447 0,1218 0,0480 0,0139 0,0026 0,0002 0,0000 0,0000
11 1,0000 1,0000 1,0000 0,9999 0,9991 0,9949 0,9804 0,9435 0,8692 0,7483 0,5857 0,4044 0,2376 0,1133 0,0409 0,0100 0,0013 0,0001 0,0000
12 1,0000 1,0000 1,0000 1,0000 0,9998 0,9987 0,9940 0,9790 0,9420 0,8684 0,7480 0,5841 0,3990 0,2277 0,1018 0,0321 0,0059 0,0004 0,0000
13 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9985 0,9935 0,9786 0,9423 0,8701 0,7500 0,5834 0,3920 0,2142 0,0867 0,0219 0,0024 0,0000
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9984 0,9936 0,9793 0,9447 0,8744 0,7546 0,5836 0,3828 0,1958 0,0673 0,0113 0,0003
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9985 0,9941 0,9811 0,9490 0,8818 0,7625 0,5852 0,3704 0,1702 0,0432 0,0026
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9987 0,9951 0,9840 0,9556 0,8929 0,7748 0,5886 0,3523 0,1330 0,0159
17 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9991 0,9964 0,9879 0,9645 0,9087 0,7939 0,5951 0,3231 0,0755
18 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9979 0,9924 0,9757 0,9308 0,8244 0,6083 0,2642
19 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9992 0,9968 0,9885 0,9612 0,8784 0,6415
Nota: , ( ) .
=? 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
TABLA DE LA FUNCION GAMMA

() = ; <


TABLA DE VALORES DE: ( )

TABLA DE DISTRIBUCIN JI-CUADRADA
( > (. )) = =
grados =
de
libertad 0.100 0.050 0.025 0.010 0.005
1 2.7055 3.8415 5.0239 6.6349 7.8794
2 4.6052 5.9915 7.3778 9.2104 10.5965
3 6.2514 7.8147 9.3484 11.3449 12.8381
4 7.7794 9.4877 11.1433 13.2767 14.8602
5 9.2363 11.0705 12.8325 15.0863 16.7496
6 10.6446 12.5916 14.4494 16.8119 18.5475
7 12.0170 14.0671 16.0128 18.4753 20.2777
8 13.3616 15.5073 17.5345 20.0902 21.9549
9 14.6837 16.9190 19.0228 21.6660 23.5893
10 15.9872 18.3070 20.4832 23.2093 25.1881
11 17.2750 19.6752 21.9200 24.7250 26.7569
12 18.5493 21.0261 23.3367 26.2170 28.2997
13 19.8119 22.3620 24.7356 27.6882 29.8193
14 21.0641 23.6848 26.1189 29.1412 31.3194
15 22.3071 24.9958 27.4884 30.5780 32.8015
16 23.5418 26.2962 28.8453 31.9999 34.2671
17 24.7690 27.5871 30.1910 33.4087 35.7184
18 25.9894 28.8693 31.5264 34.8052 37.1564
19 27.2036 30.1435 32.8523 36.1908 38.5821
20 28.4120 31.4104 34.1696 37.5663 39.9969
21 29.6151 32.6706 35.4789 38.9322 41.4009
22 30.8133 33.9245 36.7807 40.2894 42.7957
23 32.0069 35.1725 38.0756 41.6383 44.1814
24 33.1962 36.4150 39.3641 42.9798 45.5584
25 34.3816 37.6525 40.6465 44.3140 46.9280
26 35.5632 38.8851 41.9231 45.6416 48.2898
27 36.7412 40.1133 43.1945 46.9628 49.6450
28 37.9159 41.3372 44.4608 48.2782 50.9936
29 39.0875 42.5569 45.7223 49.5878 52.3355
30 40.2560 43.7730 46.9792 50.8922 53.6719
31 41.4217 44.9853 48.2319 52.1914 55.0025
32 42.5847 46.1942 49.4804 53.4857 56.3280
33 43.7452 47.3999 50.7251 54.7754 57.6483
34 44.9032 48.6024 51.9660 56.0609 58.9637
35 46.0588 49.8018 53.2033 57.3420 60.2746
36 47.2122 50.9985 54.4373 58.6192 61.5811
37 48.3634 52.1923 55.6680 59.8926 62.8832
38 49.5126 53.3835 56.8955 61.1620 64.1812
39 50.6598 54.5722 58.1201 62.4281 65.4753
40 51.8050 55.7585 59.3417 63.6908 66.7660
50 63.1671 67.5048 71.4202 76.1538 79.4898
60 74.3970 79.0820 83.2977 88.3794 91.9518
70 85.5270 90.5313 95.0231 100.4251 104.2148
80 96.5782 101.8795 106.6285 112.3288 116.3209
90 107.5650 113.1452 118.1359 124.1162 128.2987
100 118.4980 124.3421 129.5613 135.8069 140.1697
150 172.5812 179.5806 185.8004 193.2075 198.3599
200 226.0210 233.9942 241.0578 249.4452 255.2638
300 331.7885 341.3951 349.8745 359.9064 366.8439
400 436.6490 447.6324 457.3056 468.7244 476.6068
500 540.9303 553.1269 563.8514 576.4931 585.2060

grados =
de
libertad 0.995 0.990 0.975 0.950 0.900
1 0.0000 0.0002 0.0010 0.0039 0.0158
2 0.0100 0.0201 0.0506 0.1026 0.2107
3 0.0717 0.1148 0.2158 0.3518 0.5844
4 0.2070 0.2971 0.4844 0.7107 1.0636
5 0.4118 0.5543 0.8312 1.1455 1.6103
6 0.6757 0.8721 1.2373 1.6354 2.2041
7 0.9893 1.2390 1.6899 2.1673 2.8331
8 1.3444 1.6465 2.1797 2.7326 3.4895
9 1.7349 2.0879 2.7004 3.3251 4.1682
10 2.1558 2.5582 3.2470 3.9403 4.8652
11 2.6032 3.0535 3.8157 4.5748 5.5778
12 3.0738 3.5706 4.4038 5.2260 6.3038
13 3.5650 4.1069 5.0087 5.8919 7.0415
14 4.0747 4.6604 5.6287 6.5706 7.7895
15 4.6009 5.2294 6.2621 7.2609 8.5468
16 5.1422 5.8122 6.9077 7.9616 9.3122
17 5.6973 6.4077 7.5642 8.6718 10.0852
18 6.2648 7.0149 8.2307 9.3904 10.8649
19 6.8439 7.6327 8.9065 10.1170 11.6509
20 7.4338 8.2604 9.5908 10.8508 12.4426
21 8.0336 8.8972 10.2829 11.5913 13.2396
22 8.6427 9.5425 10.9823 12.3380 14.0415
23 9.2604 10.1957 11.6885 13.0905 14.8480
24 9.8862 10.8563 12.4011 13.8484 15.6587
25 10.5196 11.5240 13.1197 14.6114 16.4734
26 11.1602 12.1982 13.8439 15.3792 17.2919
27 11.8077 12.8785 14.5734 16.1514 18.1139
28 12.4613 13.5647 15.3079 16.9279 18.9392
29 13.1211 14.2564 16.0471 17.7084 19.7677
30 13.7867 14.9535 16.7908 18.4927 20.5992
31 14.4577 15.6555 17.5387 19.2806 21.4336
32 15.1340 16.3622 18.2908 20.0719 22.2706
33 15.8152 17.0735 19.0467 20.8665 23.1102
34 16.5013 17.7891 19.8062 21.6643 23.9522
35 17.1917 18.5089 20.5694 22.4650 24.7966
36 17.8868 19.2326 21.3359 23.2686 25.6433
37 18.5859 19.9603 22.1056 24.0749 26.4921
38 19.2888 20.6914 22.8785 24.8839 27.3430
39 19.9958 21.4261 23.6543 25.6954 28.1958
40 20.7066 22.1642 24.4331 26.5093 29.0505
50 27.9908 29.7067 32.3574 34.7642 37.6886
60 35.5344 37.4848 40.4817 43.1880 46.4589
70 43.2753 45.4417 48.7575 51.7393 55.3289
80 51.1719 53.5400 57.1532 60.3915 64.2778
90 59.1963 61.7540 65.6466 69.1260 73.2911
100 67.3275 70.0650 74.2219 77.9294 82.3581
150 109.1423 112.6676 117.9846 122.6918 128.2750
200 152.2408 156.4321 162.7280 168.2785 174.8353
300 240.6631 245.9727 253.9122 260.8781 269.0679
400 330.9029 337.1552 346.4817 354.6410 364.2074
500 422.3034 429.3874 439.9360 449.1467 459.9261

Ji-cuadrado Grados de libertad=gl
1/alfa alfa 1 2 3 4 5 6 7 8 9 10
10 0.1 2.7055 4.6052 6.2514 7.7794 9.2363 10.645 12.017 13.362 14.684 15.987
20 0.05 3.8415 5.9915 7.8147 9.4877 11.07 12.592 14.067 15.507 16.919 18.307
40 0.025 5.0239 7.3778 9.3484 11.143 12.832 14.449 16.013 17.535 19.023 20.483
50 0.02 5.4119 7.8241 9.8374 11.668 13.388 15.033 16.622 18.168 19.679 21.161
100 0.01 6.6349 9.2104 11.345 13.277 15.086 16.812 18.475 20.09 21.666 23.209
200 0.005 7.8794 10.597 12.838 14.86 16.75 18.548 20.278 21.955 23.589 25.188
1000 0.001 10.827 13.815 16.266 18.466 20.515 22.457 24.321 26.124 27.877 29.588
2000 0.0005 12.115 15.201 17.731 19.998 22.106 24.102 26.018 27.867 29.667 31.419
10000 0.0001 15.134 18.425 21.104 23.506 25.751 27.853 29.881 31.827 33.725 35.557
20000 0.00005 16.458 19.802 22.544 25.002 27.282 29.444 31.52 33.493 35.44 37.32
100000 0.00001 19.504 23.079 25.884 28.415 30.799 33.089 35.204 37.286 39.278 41.265
200000 5E-06 20.847 24.366 27.312 29.939 32.462 34.661 36.725 38.916 41.088 43.023
1000000 1E-06 24.366 28.229 30.482 33.379 35.612 37.965 40.138 42.31 45.162 46.766
2000000 5E-07 24.366 28.229 33.379 34.344 37.241 40.138 42.31 43.94 46.078 48.828

1/alfa alfa 11 12 13 14 15 16 17 18 19 20
10 0.1 17.275 18.549 19.812 21.064 22.307 23.542 24.769 25.989 27.204 28.412
20 0.05 19.675 21.026 22.362 23.685 24.996 26.296 27.587 28.869 30.144 31.41
40 0.025 21.92 23.337 24.736 26.119 27.488 28.845 30.191 31.526 32.852 34.17
50 0.02 22.618 24.054 25.471 26.873 28.259 29.633 30.995 32.346 33.687 35.02
100 0.01 24.725 26.217 27.688 29.141 30.578 32 33.409 34.805 36.191 37.566
200 0.005 26.757 28.3 29.819 31.319 32.801 34.267 35.718 37.156 38.582 39.997
1000 0.001 31.264 32.909 34.527 36.124 37.698 39.252 40.791 42.312 43.819 45.314
2000 0.0005 33.138 34.821 36.477 38.109 39.717 41.308 42.881 44.434 45.974 47.498
10000 0.0001 37.365 39.131 40.873 42.575 44.26 45.926 47.559 49.185 50.787 52.383
20000 0.00005 39.149 40.959 42.718 44.444 46.154 47.866 49.528 51.164 52.803 54.442
100000 0.00001 43.252 45.04 46.895 48.673 50.438 52.29 53.949 55.639 57.296 58.976
200000 5E-06 44.872 46.766 48.828 50.393 52.29 54.121 55.811 57.468 59.157 60.987
1000000 1E-06 48.828 51.117 52.834 54.121 56.354 57.983 59.7 61.953 63.22 64.85
2000000 5E-07 51.117 52.834 54.121 57.983 57.983 59.7 60.987 64.85 64.85 66.137

1/alfa alfa 21 22 23 24 25 26 27 28 29 30
10 0.1 29.615 30.813 32.007 33.196 34.382 35.563 36.741 37.916 39.087 40.256
20 0.05 32.671 33.924 35.172 36.415 37.652 38.885 40.113 41.337 42.557 43.773
40 0.025 35.479 36.781 38.076 39.364 40.646 41.923 43.195 44.461 45.722 46.979
50 0.02 36.343 37.659 38.968 40.27 41.566 42.856 44.14 45.419 46.693 47.962
100 0.01 38.932 40.289 41.638 42.98 44.314 45.642 46.963 48.278 49.588 50.892
200 0.005 41.401 42.796 44.181 45.558 46.928 48.29 49.645 50.994 52.335 53.672
1000 0.001 46.796 48.268 49.728 51.179 52.619 54.051 55.475 56.892 58.301 59.702
2000 0.0005 49.01 50.51 51.999 53.478 54.948 56.407 57.856 59.299 60.734 62.16
10000 0.0001 53.96 55.524 57.067 58.607 60.136 61.667 63.166 64.656 66.152 67.623
20000 0.00005 56.016 57.621 59.191 60.758 62.295 63.837 65.356 66.874 68.396 69.908
100000 0.00001 60.682 62.27 63.933 65.594 67.103 68.778 70.422 71.927 73.475 74.958
200000 5E-06 62.677 64.334 66.137 67.522 69.083 70.965 72.334 73.862 75.537 77.302
1000000 1E-06 67.103 68.37 70 71.689 73.862 75.129 76.759 78.931 80.561 81.783
2000000 5E-07 70 70 73.862 73.862 76.759 76.759 78.931 80.561 81.783 85.449

1/alfa alfa 40 50 60 70 80 90 100 125 150 175
10 0.1 51.805 63.167 74.397 85.527 96.578 107.57 118.5 145.64 172.58 199.36
20 0.05 55.758 67.505 79.082 90.531 101.88 113.15 124.34 152.09 179.58 206.87
40 0.025 59.342 71.42 83.298 95.023 106.63 118.14 129.56 157.84 185.8 213.52
50 0.02 60.436 72.613 84.58 96.387 108.07 119.65 131.14 159.58 187.68 215.53
100 0.01 63.691 76.154 88.379 100.43 112.33 124.12 135.81 164.69 193.21 221.44
200 0.005 66.766 79.49 91.952 104.21 116.32 128.3 140.17 169.47 198.36 226.94
1000 0.001 73.403 86.66 99.608 112.32 124.84 137.21 149.45 179.6 209.27 238.55
2000 0.0005 76.096 89.56 102.7 115.58 128.26 140.78 153.16 183.65 213.61 243.17
10000 0.0001 82.055 95.971 109.5 122.74 135.77 148.62 161.33 192.5 223.12 253.25
20000 0.00005 84.528 98.612 112.3 125.7 138.88 151.86 164.66 196.13 226.98 257.37
100000 0.00001 90.143 104.46 118.49 132.35 145.7 159 172.09 204.08 235.5 266.37
200000 5E-06 92.316 107.11 121.01 135.2 148.47 161.81 175.11 207.47 239.12 270.09
1000000 1E-06 97.466 112.92 127 140.27 155.66 169.24 181.56 216.48 247.81 280
2000000 5E-07 101.33 114.2 128.63 142.45 160.55 170.87 184.31 216.48 250.71 280

1/alfa alfa 200 225 250 275 300 325 350 375 400 450
10 0.1 226.02 252.58 279.05 305.45 331.79 358.07 384.31 410.5 436.65 488.85
20 0.05 233.99 260.99 287.88 314.68 341.4 368.04 394.63 421.15 447.63 500.46
40 0.025 241.06 268.44 295.69 322.83 349.87 376.84 403.72 430.54 457.31 510.67
50 0.02 243.19 270.68 298.04 325.28 352.42 379.48 406.46 433.37 460.21 513.74
100 0.01 249.45 277.27 304.94 332.48 359.91 387.23 414.47 441.63 468.72 522.72
200 0.005 255.26 283.39 311.35 339.16 366.84 394.42 421.9 449.29 476.61 531.03
1000 0.001 267.54 296.29 324.83 353.2 381.42 409.51 437.49 465.36 493.13 548.43
2000 0.0005 272.42 301.41 330.19 358.77 387.2 415.49 443.65 471.71 499.67 555.31
10000 0.0001 283.04 312.55 341.82 370.87 399.74 428.45 457.05 485.48 513.85 570.19
20000 0.00005 287.4 317.14 346.52 375.8 404.82 433.73 462.48 491.05 519.62 576.3
100000 0.00001 297.12 327.13 356.99 386.6 416.03 445.47 474.49 503.4 532.1 589.67
200000 5E-06 300.93 331.49 361.12 390.83 420.7 450.19 479.02 508.39 537.92 594.75
1000000 1E-06 309.21 341.8 370.55 400.42 432.11 460.67 490.61 519.39 549.51 607.44
2000000 5E-07 315.73 348.66 374.41 405.31 437 463.57 499.3 523.06 552.4 616.13

1/alfa alfa 500 550 600 650 700 750 800 1000 2000 3000
10 0.1 540.93 592.91 644.8 696.61 748.36 800.04 851.67 1057.7
20 0.05 553.13 605.67 658.09 710.42 762.66 814.82 866.91 1074.7 3128.5
40 0.025 563.85 616.88 669.77 722.54 775.21 827.79 880.28 1089.5 3153.7
50 0.02 567.07 620.24 673.27 726.18 778.97 831.67 884.28 1094 3161.2
100 0.01 576.49 630.08 683.52 736.81 789.97 843.03 895.98 1107 2150.1 3183.1
200 0.005 585.21 639.18 692.98 746.63 800.13 853.51 906.79 1118.9 2166.7 3203.3
1000 0.001 603.45 658.22 712.77 767.14 821.35 875.4 929.33 1143.9 2201.2 3245.1
2000 0.0005 610.64 665.72 720.57 775.23 829.7 884.02 938.2 1153.7 2214.7 3261.4
10000 0.0001 626.22 681.96 737.46 792.73 847.77 902.65 957.36 1175 2243.8 3296.7
20000 0.00005 632.58 688.6 744.28 799.84 855.07 910.16 965.07 1183.5 2255.5 3310.9
100000 0.00001 646.31 703.04 759.21 815.12 871.07 926.63 982.04 1202.1 2281.1 3341.7
200000 5E-06 652.52 708.84 765.37 821.84 877.72 933.38 989.19 1209.8 2291.5 3355.3
1000000 1E-06 665.97 722.59 781.25 833.75 892.97 946.51 1002.8 1228.1 2313.8 3381.3
2000000 5E-07 676.97 726.26 781.25 845.34 901.66 955.2 1011.5 1236.8 2324.8 3401.9

Tabla de Distribucin t de Student
Valores crticos para la distribucin
~ (), ( > ) = = , .
~() ( > (, ))
grados =
de
libertad 0.1000 0.0500 0.0250 0.0100 0.0050 0.0010 0.0005
1 3.078 6.314 12.706 31.821 63.656 318.289 636.578

2 1.886 2.920 4.303 6.965 9.925 22.328 31.600
3 1.638 2.353 3.182 4.541 5.841 10.214 12.924
4 1.533 2.132 2.776 3.747 4.604 7.173 8.610
5 1.476 2.015 2.571 3.365 4.032 5.894 6.869
6 1.440 1.943 2.447 3.143 3.707 5.208 5.959
7 1.415 1.895 2.365 2.998 3.499 4.785 5.408
8 1.397 1.860 2.306 2.896 3.355 4.501 5.041
9 1.383 1.833 2.262 2.821 3.250 4.297 4.781
10 1.372 1.812 2.228 2.764 3.169 4.144 4.587
11 1.363 1.796 2.201 2.718 3.106 4.025 4.437
12 1.356 1.782 2.179 2.681 3.055 3.930 4.318
13 1.350 1.771 2.160 2.650 3.012 3.852 4.221
14 1.345 1.761 2.145 2.624 2.977 3.787 4.140
15 1.341 1.753 2.131 2.602 2.947 3.733 4.073
16 1.337 1.746 2.120 2.583 2.921 3.686 4.015
17 1.333 1.740 2.110 2.567 2.898 3.646 3.965
18 1.330 1.734 2.101 2.552 2.878 3.610 3.922
19 1.328 1.729 2.093 2.539 2.861 3.579 3.883
20 1.325 1.725 2.086 2.528 2.845 3.552 3.850
21 1.323 1.721 2.080 2.518 2.831 3.527 3.819
22 1.321 1.717 2.074 2.508 2.819 3.505 3.792
23 1.319 1.714 2.069 2.500 2.807 3.485 3.768
24 1.318 1.711 2.064 2.492 2.797 3.467 3.745
25 1.316 1.708 2.060 2.485 2.787 3.450 3.725
26 1.315 1.706 2.056 2.479 2.779 3.435 3.707
27 1.314 1.703 2.052 2.473 2.771 3.421 3.689
28 1.313 1.701 2.048 2.467 2.763 3.408 3.674
29 1.311 1.699 2.045 2.462 2.756 3.396 3.660
30 1.310 1.697 2.042 2.457 2.750 3.385 3.646
31 1.309 1.696 2.040 2.453 2.744 3.375 3.633
32 1.309 1.694 2.037 2.449 2.738 3.365 3.622
33 1.308 1.692 2.035 2.445 2.733 3.356 3.611
34 1.307 1.691 2.032 2.441 2.728 3.348 3.601
35 1.306 1.690 2.030 2.438 2.724 3.340 3.591
36 1.306 1.688 2.028 2.434 2.719 3.333 3.582
37 1.305 1.687 2.026 2.431 2.715 3.326 3.574
38 1.304 1.686 2.024 2.429 2.712 3.319 3.566
39 1.304 1.685 2.023 2.426 2.708 3.313 3.558
40 1.303 1.684 2.021 2.423 2.704 3.307 3.551
60 1.296 1.671 2.000 2.390 2.660 3.232 3.460
120 1.289 1.658 1.980 2.358 2.617 3.160 3.373
infinito 1.282 1.645 1.960 2.327 2.576 3.091 3.291

Grados de libertad=gl
1/alfa alfa 1 2 3 4 5 6 7 8 9 10
10 0.1 6.3137 2.92 2.3534 2.1318 2.015 1.9432 1.8946 1.8595 1.8331 1.8125
20 0.05 12.706 4.3027 3.1824 2.7765 2.5706 2.4469 2.3646 2.306 2.2622 2.2281
40 0.025 25.452 6.2054 4.1765 3.4954 3.1634 2.9687 2.8412 2.7515 2.685 2.6338
50 0.02 31.821 6.9645 4.5407 3.7469 3.3649 3.1427 2.9979 2.8965 2.8214 2.7638
100 0.01 63.656 9.925 5.8408 4.6041 4.0321 3.7074 3.4995 3.3554 3.2498 3.1693
200 0.005 127.32 14.089 7.4532 5.5975 4.7733 4.3168 4.0294 3.8325 3.6896 3.5814
1000 0.001 636.58 31.6 12.924 8.6101 6.8685 5.9587 5.4081 5.0414 4.7809 4.5868
2000 0.0005 1273.2 44.703 16.326 10.305 7.9756 6.7882 6.0815 5.617 5.2911 5.0489
10000 0.0001 6370.5 100.14 28.014 15.534 11.176 9.0804 7.8883 7.12 6.5938 6.2119
20000 0.00005 12665 141.26 35.316 18.515 12.89 10.263 8.7824 7.851 7.2177 6.7614
100000 0.00001 63477 314.71 60.797 27.716 17.881 13.56 11.176 9.7603 8.8289 8.1584
200000 5E-06 126953 457.76 76.294 33.379 20.564 15.199 12.517 10.729 9.6112 8.7917
1000000 1E-06 625000 915.53 133.51 47.684 28.61 20.266 15.497 13.113 11.921 10.729
2000000 5E-07 3E+06 1220.7 152.59 57.22 38.147 23.842 19.073 14.305 13.113 11.921
1/alfa alfa 11 12 13 14 15 16 17 18 19 20
10 0.1 1.7959 1.7823 1.7709 1.7613 1.7531 1.7459 1.7396 1.7341 1.7291 1.7247
20 0.05 2.201 2.1788 2.1604 2.1448 2.1315 2.1199 2.1098 2.1009 2.093 2.086
40 0.025 2.5931 2.56 2.5326 2.5096 2.4899 2.4729 2.4581 2.445 2.4334 2.4231
50 0.02 2.7181 2.681 2.6503 2.6245 2.6025 2.5835 2.5669 2.5524 2.5395 2.528
100 0.01 3.1058 3.0545 3.0123 2.9768 2.9467 2.9208 2.8982 2.8784 2.8609 2.8453
200 0.005 3.4966 3.4284 3.3725 3.3257 3.286 3.252 3.2224 3.1966 3.1737 3.1534
1000 0.001 4.4369 4.3178 4.2209 4.1403 4.0728 4.0149 3.9651 3.9217 3.8833 3.8496
2000 0.0005 4.8633 4.7166 4.5972 4.4995 4.4168 4.3464 4.2858 4.2332 4.1869 4.1461
10000 0.0001 5.9232 5.695 5.5134 5.3644 5.2387 5.1339 5.0431 4.9663 4.8988 4.8382
20000 0.00005 6.4075 6.1467 5.9279 5.7556 5.6066 5.4855 5.3784 5.2899 5.2061 5.1409
100000 0.00001 7.6368 7.2643 6.9663 6.7055 6.5193 6.333 6.184 6.0722 5.9605 5.8487
200000 5E-06 8.1956 7.7486 7.4506 7.1526 6.929 6.7055 6.5565 6.4075 6.2585 6.184
1000000 1E-06 9.5367 8.9407 8.6427 8.3447 7.7486 7.7486 7.4506 7.1526 7.1526 6.8545
2000000 5E-07 10.729 9.5367 9.5367 8.9407 8.3447 8.3447 8.3447 7.7486 7.7486 7.1526

1/alfa alfa 21 22 23 24 25 26 27 28 29 30
10 0.1 1.7207 1.7171 1.7139 1.7109 1.7081 1.7056 1.7033 1.7011 1.6991 1.6973
20 0.05 2.0796 2.0739 2.0687 2.0639 2.0595 2.0555 2.0518 2.0484 2.0452 2.0423
40 0.025 2.4138 2.4055 2.3979 2.391 2.3846 2.3788 2.3734 2.3685 2.3638 2.3596
50 0.02 2.5176 2.5083 2.4999 2.4922 2.4851 2.4786 2.4727 2.4671 2.462 2.4573
100 0.01 2.8314 2.8188 2.8073 2.797 2.7874 2.7787 2.7707 2.7633 2.7564 2.75
200 0.005 3.1352 3.1188 3.104 3.0905 3.0782 3.0669 3.0565 3.047 3.038 3.0298
1000 0.001 3.8193 3.7922 3.7676 3.7454 3.7251 3.7067 3.6895 3.6739 3.6595 3.646
2000 0.0005 4.1095 4.0769 4.0475 4.0207 3.9965 3.9744 3.954 3.9348 3.9177 3.9017
10000 0.0001 4.7847 4.7358 4.6939 4.6543 4.6194 4.5868 4.5565 4.5309 4.5053 4.482
20000 0.00005 5.0757 5.0198 4.9733 4.9267 4.8848 4.8475 4.8149 4.7823 4.7544 4.7311
100000 0.00001 5.7742 5.6997 5.6252 5.5693 5.5134 5.4576 5.4203 5.3644 5.3272 5.2899
200000 5E-06 6.0722 5.9977 5.9232 5.8487 5.7742 5.7369 5.6624 5.6252 5.5879 5.5507
1000000 1E-06 6.8545 6.7055 6.5565 6.5565 6.5565 6.2585 6.2585 6.2585 6.2585 6.1095
2000000 5E-07 7.1526 7.1526 7.1526 7.1526 6.5565 6.5565 6.5565 6.5565 6.5565 6.5565
1/alfa alfa 40 50 60 70 80 90 100 125 150 175
10 0.1 1.6839 1.6759 1.6706 1.6669 1.6641 1.662 1.6602 1.6571 1.6551 1.6536
20 0.05 2.0211 2.0086 2.0003 1.9944 1.9901 1.9867 1.984 1.9791 1.9759 1.9736
40 0.025 2.3289 2.3109 2.299 2.2906 2.2844 2.2795 2.2757 2.2687 2.2641 2.2608
50 0.02 2.4233 2.4033 2.3901 2.3808 2.3739 2.3685 2.3642 2.3566 2.3515 2.3478
100 0.01 2.7045 2.6778 2.6603 2.6479 2.6387 2.6316 2.6259 2.6157 2.609 2.6042
200 0.005 2.9712 2.937 2.9146 2.8987 2.887 2.8779 2.8707 2.8577 2.8492 2.8431
1000 0.001 3.551 3.496 3.4602 3.435 3.4164 3.4019 3.3905 3.3701 3.3565 3.3469
2000 0.0005 3.7884 3.723 3.6808 3.6508 3.6287 3.6118 3.5984 3.5742 3.5582 3.5472
10000 0.0001 4.3213 4.2282 4.1688 4.1269 4.0955 4.0722 4.0536 4.0198 3.9977 3.9814
20000 0.00005 4.5449 4.4378 4.3702 4.3213 4.2887 4.2608 4.2398 4.2003 4.177 4.1584
100000 0.00001 5.0478 4.9174 4.8243 4.7684 4.7125 4.6752 4.6566 4.6007 4.5728 4.5449
200000 5E-06 5.2527 5.1036 5.0291 4.9546 4.8988 4.8429 4.8243 4.7684 4.7311 4.7125
1000000 1E-06 5.8115 5.6624 5.5134 5.3644 5.3644 5.2154 5.2154 5.2154 5.0664 5.0664
2000000 5E-07 5.9605 5.9605 5.6624 5.6624 5.3644 5.3644 5.3644 5.3644 5.3644 5.3644

1/alfa alfa 200 225 250 275 300 325 350 375 400 450
10 0.1 1.6525 1.6517 1.651 1.6504 1.6499 1.6496 1.6492 1.6489 1.6487 1.6482
20 0.05 1.9719 1.9706 1.9695 1.9686 1.9679 1.9673 1.9668 1.9663 1.9659 1.9652
40 0.025 2.2584 2.2565 2.255 2.2537 2.2527 2.2518 2.2511 2.2504 2.2499 2.2489
50 0.02 2.3451 2.343 2.3414 2.34 2.3388 2.3379 2.337 2.3363 2.3357 2.3347
100 0.01 2.6006 2.5979 2.5956 2.5938 2.5923 2.591 2.5899 2.589 2.5882 2.5868
200 0.005 2.8385 2.835 2.8322 2.8299 2.8279 2.8263 2.8249 2.8237 2.8227 2.821
1000 0.001 3.3398 3.3343 3.3299 3.3263 3.3232 3.3207 3.3186 3.3167 3.3151 3.3123
2000 0.0005 3.5387 3.532 3.5268 3.5227 3.5192 3.5163 3.5137 3.5114 3.5093 3.5064
10000 0.0001 3.9698 3.9616 3.9546 3.9488 3.9442 3.9395 3.936 3.9325 3.9302 3.9255
20000 0.00005 4.1444 4.1351 4.1281 4.1211 4.1164 4.1118 4.1071 4.1025 4.1001 4.0955
100000 0.00001 4.5262 4.5262 4.5076 4.5076 4.489 4.489 4.489 4.4797 4.4703 4.4703
200000 5E-06 4.6939 4.6752 4.6566 4.6566 4.6566 4.638 4.638 4.6194 4.6194 4.6194
1000000 1E-06 5.0664 5.0664 5.0664 5.0664 5.0664 4.9919 4.9919 4.9919 4.9174 4.9174
2000000 5E-07 5.3644 5.3644 5.0664 5.0664 5.0664 5.0664 5.0664 5.0664 5.0664 5.0664
1/alfa alfa 500 550 600 650 700 750 800 1000 2000 3000
10 0.1 1.6479 1.6476 1.6474 1.6472 1.647 1.6469 1.6468 1.6464 1.6456 1.6454
20 0.05 1.9647 1.9643 1.9639 1.9636 1.9634 1.9631 1.9629 1.9623 1.9612 1.9608
40 0.025 2.2482 2.2476 2.247 2.2466 2.2462 2.2459 2.2456 2.2448 2.2431 2.2425
50 0.02 2.3338 2.3331 2.3326 2.3321 2.3317 2.3313 2.331 2.3301 2.3282 2.3276
100 0.01 2.5857 2.5848 2.5841 2.5834 2.5829 2.5824 2.582 2.5807 2.5783 2.5775
200 0.005 2.8195 2.8184 2.8175 2.8167 2.816 2.8154 2.8148 2.8133 2.8102 2.8091
1000 0.001 3.3101 3.3082 3.3068 3.3056 3.3044 3.3036 3.3027 3.3002 3.2954 3.2938
2000 0.0005 3.5038 3.5018 3.5 3.4983 3.4971 3.496 3.4951 3.4922 3.4863 3.4846
10000 0.0001 3.922 3.9197 3.9162 3.915 3.9127 3.9116 3.9104 3.9069 3.8987 3.8953
20000 0.00005 4.0908 4.0885 4.0862 4.0838 4.0815 4.0792 4.0792 4.0745 4.0652 4.0606
100000 0.00001 4.461 4.461 4.4517 4.4517 4.4517 4.4517 4.4517 4.4424 4.4331 4.4238
200000 5E-06 4.6194 4.6194 4.6194 4.6007 4.6007 4.6007 4.6007 4.5821 4.5821 4.5821
1000000 1E-06 4.9174 4.9174 4.9174 4.9174 4.9174 4.9174 4.9174 4.9174 4.9174 4.9174
2000000 5E-07 5.0664 5.0664 5.0664 5.0664 5.0664 5.0664 5.0664 5.0664 5.0664 5.0664

TABLA DE DISTRIBUCIN DE F de Fisher
Valores crticos de la distribucin F de Fisher
0,01 = rea a la derecha de f bajo la funcin de densidad f(dfn,dfd,.01)
= ,
F~ F(dfn,dfd)
grados de libertad del numerador (dfn)
1 2 3 4 5 6 7 8 9 10
1 4052.18 4999.34 5403.53 5624.26 5763.96 5858.95 5928.33 5980.95 6022.40 6055.93
2 98.50 99.00 99.16 99.25 99.30 99.33 99.36 99.38 99.39 99.40
3 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23
4 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55
5 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05
6 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87
7 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62
8 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81
9 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26
10 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85
11 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54
12 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30
13 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10
14 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94
15 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80
16 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69
17 8.40 6.11 5.19 4.67 4.34 4.10 3.93 3.79 3.68 3.59
Grados de libertad del denominador (dfd)
18 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51
19 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43
20 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37
21 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31
22 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26
23 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21
24 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17
25 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13
26 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09
27 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06
28 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03
29 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00
30 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98
31 7.53 5.36 4.48 3.99 3.67 3.45 3.28 3.15 3.04 2.96
32 7.50 5.34 4.46 3.97 3.65 3.43 3.26 3.13 3.02 2.93
33 7.47 5.31 4.44 3.95 3.63 3.41 3.24 3.11 3.00 2.91
34 7.44 5.29 4.42 3.93 3.61 3.39 3.22 3.09 2.98 2.89
35 7.42 5.27 4.40 3.91 3.59 3.37 3.20 3.07 2.96 2.88
36 7.40 5.25 4.38 3.89 3.57 3.35 3.18 3.05 2.95 2.86
37 7.37 5.23 4.36 3.87 3.56 3.33 3.17 3.04 2.93 2.84
38 7.35 5.21 4.34 3.86 3.54 3.32 3.15 3.02 2.92 2.83
39 7.33 5.19 4.33 3.84 3.53 3.30 3.14 3.01 2.90 2.81
40 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80
60 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63
100 6.90 4.82 3.98 3.51 3.21 2.99 2.82 2.69 2.59 2.50
120 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47
infinito 6.64 4.61 3.78 3.32 3.02 2.80 2.64 2.51 2.41 2.32

Valores crticos de la distribucin F de Fisher
0,01 = rea a la derecha de f bajo la funcin de densidad f(dfn,dfd,.01) F~ F(dfn,dfd)
= , P(F > f) = .01
12 15 20 24 30 40 60 120 infinito
1 6106.68 6156.97 6208.66 6234.27 6260.35 6286.43 6312.97 6339.51 6365.59
2 99.42 99.43 99.45 99.46 99.47 99.48 99.48 99.49 99.50
3 27.05 26.87 26.69 26.60 26.50 26.41 26.32 26.22 26.13
4 14.37 14.20 14.02 13.93 13.84 13.75 13.65 13.56 13.46
5 9.89 9.72 9.55 9.47 9.38 9.29 9.20 9.11 9.02
6 7.72 7.56 7.40 7.31 7.23 7.14 7.06 6.97 6.88
7 6.47 6.31 6.16 6.07 5.99 5.91 5.82 5.74 5.65
8 5.67 5.52 5.36 5.28 5.20 5.12 5.03 4.95 4.86
9 5.11 4.96 4.81 4.73 4.65 4.57 4.48 4.40 4.31
10 4.71 4.56 4.41 4.33 4.25 4.17 4.08 4.00 3.91
11 4.40 4.25 4.10 4.02 3.94 3.86 3.78 3.69 3.60
12 4.16 4.01 3.86 3.78 3.70 3.62 3.54 3.45 3.36
13 3.96 3.82 3.66 3.59 3.51 3.43 3.34 3.25 3.17
14 3.80 3.66 3.51 3.43 3.35 3.27 3.18 3.09 3.01
15 3.67 3.52 3.37 3.29 3.21 3.13 3.05 2.96 2.87
16 3.55 3.41 3.26 3.18 3.10 3.02 2.93 2.84 2.75
17 3.46 3.31 3.16 3.08 3.00 2.92 2.83 2.75 2.65
Grados de libertad del denominador (dfd)
18 3.37 3.23 3.08 3.00 2.92 2.84 2.75 2.66 2.57

19 3.30 3.15 3.00 2.92 2.84 2.76 2.67 2.58 2.49
20 3.23 3.09 2.94 2.86 2.78 2.69 2.61 2.52 2.42
21 3.17 3.03 2.88 2.80 2.72 2.64 2.55 2.46 2.36
22 3.12 2.98 2.83 2.75 2.67 2.58 2.50 2.40 2.31
23 3.07 2.93 2.78 2.70 2.62 2.54 2.45 2.35 2.26
24 3.03 2.89 2.74 2.66 2.58 2.49 2.40 2.31 2.21
25 2.99 2.85 2.70 2.62 2.54 2.45 2.36 2.27 2.17
26 2.96 2.81 2.66 2.58 2.50 2.42 2.33 2.23 2.13
27 2.93 2.78 2.63 2.55 2.47 2.38 2.29 2.20 2.10
28 2.90 2.75 2.60 2.52 2.44 2.35 2.26 2.17 2.07
29 2.87 2.73 2.57 2.49 2.41 2.33 2.23 2.14 2.04
30 2.84 2.70 2.55 2.47 2.39 2.30 2.21 2.11 2.01
31 2.82 2.68 2.52 2.45 2.36 2.27 2.18 2.09 1.98
32 2.80 2.65 2.50 2.42 2.34 2.25 2.16 2.06 1.96
33 2.78 2.63 2.48 2.40 2.32 2.23 2.14 2.04 1.93
34 2.76 2.61 2.46 2.38 2.30 2.21 2.12 2.02 1.91
35 2.74 2.60 2.44 2.36 2.28 2.19 2.10 2.00 1.89
36 2.72 2.58 2.43 2.35 2.26 2.18 2.08 1.98 1.87
37 2.71 2.56 2.41 2.33 2.25 2.16 2.06 1.96 1.86
38 2.69 2.55 2.40 2.32 2.23 2.14 2.05 1.95 1.84
39 2.68 2.54 2.38 2.30 2.22 2.13 2.03 1.93 1.82
40 2.66 2.52 2.37 2.29 2.20 2.11 2.02 1.92 1.81
60 2.50 2.35 2.20 2.12 2.03 1.94 1.84 1.73 1.60
100 2.37 2.22 2.07 1.98 1.89 1.80 1.69 1.57 1.43
120 2.34 2.19 2.03 1.95 1.86 1.76 1.66 1.53 1.38
infinito 2.19 2.04 1.88 1.79 1.70 1.59 1.48 1.33 1.05

Valores crticos para la distribucin F de Fisher
.025 = P(F > f) = rea a la derecha de f bajo la funcin de densidad F
= ,
F ~ F(dfn,dfd)
1 2 3 4 5 6 7 8 9 10
1 647.79 799.48 864.15 899.60 921.83 937.11 948.20 956.64 963.28 968.63
2 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40
3 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42
4 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84
5 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62
6 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46
grados 7 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76
8 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30
de 9 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96
10 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72
libertad
11 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53
12 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37
del
13 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25
denominador 14 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15
15 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06
(dfd) 16 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99
17 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92
18 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87
19 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82
20 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77
21 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73
22 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70
23 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67
24 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64
25 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61
26 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59
27 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57
28 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55
grados 29 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53
30 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51
de 31 5.55 4.16 3.57 3.23 3.01 2.85 2.73 2.64 2.56 2.50
32 5.53 4.15 3.56 3.22 3.00 2.84 2.71 2.62 2.54 2.48
libertad
33 5.51 4.13 3.54 3.20 2.98 2.82 2.70 2.61 2.53 2.47
34 5.50 4.12 3.53 3.19 2.97 2.81 2.69 2.59 2.52 2.45
del
35 5.48 4.11 3.52 3.18 2.96 2.80 2.68 2.58 2.50 2.44
denominador 36 5.47 4.09 3.50 3.17 2.94 2.78 2.66 2.57 2.49 2.43
37 5.46 4.08 3.49 3.16 2.93 2.77 2.65 2.56 2.48 2.42
(dfd) 38 5.45 4.07 3.48 3.15 2.92 2.76 2.64 2.55 2.47 2.41
39 5.43 4.06 3.47 3.14 2.91 2.75 2.63 2.54 2.46 2.40
40 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39
60 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27
100 5.18 3.83 3.25 2.92 2.70 2.54 2.42 2.32 2.24 2.18
120 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16
inf 5.03 3.69 3.12 2.79 2.57 2.41 2.29 2.19 2.11 2.05

P(F > f) = .025 F ~ F(dfn,dfd)
= ,
12 15 20 24 30 40 60 120 inf
1 976.72 984.87 993.08 997.27 1001.40 1005.60 1009.79 1014.04 1018.23
2 39.41 39.43 39.45 39.46 39.46 39.47 39.48 39.49 39.50
3 14.34 14.25 14.17 14.12 14.08 14.04 13.99 13.95 13.90
4 8.75 8.66 8.56 8.51 8.46 8.41 8.36 8.31 8.26
5 6.52 6.43 6.33 6.28 6.23 6.18 6.12 6.07 6.02
6 5.37 5.27 5.17 5.12 5.07 5.01 4.96 4.90 4.85
grados 7 4.67 4.57 4.47 4.41 4.36 4.31 4.25 4.20 4.14
8 4.20 4.10 4.00 3.95 3.89 3.84 3.78 3.73 3.67
de 9 3.87 3.77 3.67 3.61 3.56 3.51 3.45 3.39 3.33
10 3.62 3.52 3.42 3.37 3.31 3.26 3.20 3.14 3.08
libertad
11 3.43 3.33 3.23 3.17 3.12 3.06 3.00 2.94 2.88
12 3.28 3.18 3.07 3.02 2.96 2.91 2.85 2.79 2.73
del
13 3.15 3.05 2.95 2.89 2.84 2.78 2.72 2.66 2.60
denominador 14 3.05 2.95 2.84 2.79 2.73 2.67 2.61 2.55 2.49
15 2.96 2.86 2.76 2.70 2.64 2.59 2.52 2.46 2.40
(dfd) 16 2.89 2.79 2.68 2.63 2.57 2.51 2.45 2.38 2.32
17 2.82 2.72 2.62 2.56 2.50 2.44 2.38 2.32 2.25
18 2.77 2.67 2.56 2.50 2.44 2.38 2.32 2.26 2.19
19 2.72 2.62 2.51 2.45 2.39 2.33 2.27 2.20 2.13
20 2.68 2.57 2.46 2.41 2.35 2.29 2.22 2.16 2.09
21 2.64 2.53 2.42 2.37 2.31 2.25 2.18 2.11 2.04
22 2.60 2.50 2.39 2.33 2.27 2.21 2.14 2.08 2.00
23 2.57 2.47 2.36 2.30 2.24 2.18 2.11 2.04 1.97
24 2.54 2.44 2.33 2.27 2.21 2.15 2.08 2.01 1.94
25 2.51 2.41 2.30 2.24 2.18 2.12 2.05 1.98 1.91
26 2.49 2.39 2.28 2.22 2.16 2.09 2.03 1.95 1.88
27 2.47 2.36 2.25 2.19 2.13 2.07 2.00 1.93 1.85
28 2.45 2.34 2.23 2.17 2.11 2.05 1.98 1.91 1.83
grados 29 2.43 2.32 2.21 2.15 2.09 2.03 1.96 1.89 1.81
30 2.41 2.31 2.20 2.14 2.07 2.01 1.94 1.87 1.79
de 31 2.40 2.29 2.18 2.12 2.06 1.99 1.92 1.85 1.77
32 2.38 2.28 2.16 2.10 2.04 1.98 1.91 1.83 1.75
libertad
33 2.37 2.26 2.15 2.09 2.03 1.96 1.89 1.81 1.73
34 2.35 2.25 2.13 2.07 2.01 1.95 1.88 1.80 1.72
del
35 2.34 2.23 2.12 2.06 2.00 1.93 1.86 1.79 1.70
denominador 36 2.33 2.22 2.11 2.05 1.99 1.92 1.85 1.77 1.69
37 2.32 2.21 2.10 2.04 1.97 1.91 1.84 1.76 1.67
(dfd) 38 2.31 2.20 2.09 2.03 1.96 1.90 1.82 1.75 1.66
39 2.30 2.19 2.08 2.02 1.95 1.89 1.81 1.74 1.65
40 2.29 2.18 2.07 2.01 1.94 1.88 1.80 1.72 1.64
60 2.17 2.06 1.94 1.88 1.82 1.74 1.67 1.58 1.48
100 2.08 1.97 1.85 1.78 1.71 1.64 1.56 1.46 1.35
120 2.05 1.94 1.82 1.76 1.69 1.61 1.53 1.43 1.31
inf 1.95 1.83 1.71 1.64 1.57 1.49 1.39 1.27 1.04

= , F ~ F(dfn,dfd)
1 2 3 4 5 6 7 8 9 10
1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74
grados
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64
de
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35
libertad 9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98
del 11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75
denominador
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67
(dfd) 14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20
grados
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18
de
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16
libertad 31 4.16 3.30 2.91 2.68 2.52 2.41 2.32 2.25 2.20 2.15
32 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14
del 33 4.14 3.28 2.89 2.66 2.50 2.39 2.30 2.23 2.18 2.13
34 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12
denominador
35 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11
(dfd) 36 4.11 3.26 2.87 2.63 2.48 2.36 2.28 2.21 2.15 2.11
37 4.11 3.25 2.86 2.63 2.47 2.36 2.27 2.20 2.14 2.10
38 4.10 3.24 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09
39 4.09 3.24 2.85 2.61 2.46 2.34 2.26 2.19 2.13 2.08
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99
100 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.97 1.93
120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91
inf 3.84 3.00 2.61 2.37 2.21 2.10 2.01 1.94 1.88 1.83

= , P(F > f) = .05

12 15 20 24 30 40 60 120 inf
1 243.90 245.95 248.02 249.05 250.10 251.14 252.20 253.25 254.30
2 19.41 19.43 19.45 19.45 19.46 19.47 19.48 19.49 19.50
3 8.74 8.70 8.66 8.64 8.62 8.59 8.57 8.55 8.53
4 5.91 5.86 5.80 5.77 5.75 5.72 5.69 5.66 5.63
grados 5 4.68 4.62 4.56 4.53 4.50 4.46 4.43 4.40 4.37
6 4.00 3.94 3.87 3.84 3.81 3.77 3.74 3.70 3.67
de
7 3.57 3.51 3.44 3.41 3.38 3.34 3.30 3.27 3.23
8 3.28 3.22 3.15 3.12 3.08 3.04 3.01 2.97 2.93
libertad
9 3.07 3.01 2.94 2.90 2.86 2.83 2.79 2.75 2.71
del 10 2.91 2.85 2.77 2.74 2.70 2.66 2.62 2.58 2.54
11 2.79 2.72 2.65 2.61 2.57 2.53 2.49 2.45 2.41
denominador 12 2.69 2.62 2.54 2.51 2.47 2.43 2.38 2.34 2.30
13 2.60 2.53 2.46 2.42 2.38 2.34 2.30 2.25 2.21
(dfd)
14 2.53 2.46 2.39 2.35 2.31 2.27 2.22 2.18 2.13
15 2.48 2.40 2.33 2.29 2.25 2.20 2.16 2.11 2.07
16 2.42 2.35 2.28 2.24 2.19 2.15 2.11 2.06 2.01
17 2.38 2.31 2.23 2.19 2.15 2.10 2.06 2.01 1.96
18 2.34 2.27 2.19 2.15 2.11 2.06 2.02 1.97 1.92
19 2.31 2.23 2.16 2.11 2.07 2.03 1.98 1.93 1.88
20 2.28 2.20 2.12 2.08 2.04 1.99 1.95 1.90 1.84
21 2.25 2.18 2.10 2.05 2.01 1.96 1.92 1.87 1.81
22 2.23 2.15 2.07 2.03 1.98 1.94 1.89 1.84 1.78
23 2.20 2.13 2.05 2.01 1.96 1.91 1.86 1.81 1.76
24 2.18 2.11 2.03 1.98 1.94 1.89 1.84 1.79 1.73
25 2.16 2.09 2.01 1.96 1.92 1.87 1.82 1.77 1.71
26 2.15 2.07 1.99 1.95 1.90 1.85 1.80 1.75 1.69
27 2.13 2.06 1.97 1.93 1.88 1.84 1.79 1.73 1.67
grados 28 2.12 2.04 1.96 1.91 1.87 1.82 1.77 1.71 1.65
29 2.10 2.03 1.94 1.90 1.85 1.81 1.75 1.70 1.64
de 30 2.09 2.01 1.93 1.89 1.84 1.79 1.74 1.68 1.62
31 2.08 2.00 1.92 1.88 1.83 1.78 1.73 1.67 1.61
libertad
32 2.07 1.99 1.91 1.86 1.82 1.77 1.71 1.66 1.60
33 2.06 1.98 1.90 1.85 1.81 1.76 1.70 1.64 1.58
del
34 2.05 1.97 1.89 1.84 1.80 1.75 1.69 1.63 1.57
denominador 35 2.04 1.96 1.88 1.83 1.79 1.74 1.68 1.62 1.56
36 2.03 1.95 1.87 1.82 1.78 1.73 1.67 1.61 1.55
(dfd) 37 2.02 1.95 1.86 1.82 1.77 1.72 1.66 1.60 1.54
38 2.02 1.94 1.85 1.81 1.76 1.71 1.65 1.59 1.53
39 2.01 1.93 1.85 1.80 1.75 1.70 1.65 1.58 1.52
40 2.00 1.92 1.84 1.79 1.74 1.69 1.64 1.58 1.51
60 1.92 1.84 1.75 1.70 1.65 1.59 1.53 1.47 1.39
100 1.85 1.77 1.68 1.63 1.57 1.52 1.45 1.38 1.28
120 1.83 1.75 1.66 1.61 1.55 1.50 1.43 1.35 1.26
inf 1.75 1.67 1.57 1.52 1.46 1.40 1.32 1.22 1.03

= ,
F ~ F(dfn,dfd)
1 2 3 4 5 6 7 8 9 10
1 39.86 49.50 53.59 55.83 57.24 58.20 58.91 59.44 59.86 60.19
2 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38 9.39
3 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24 5.23
4 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94 3.92
5 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32 3.30
6 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96 2.94
grados 7 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70
8 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56 2.54
de 9 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42
10 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32
libertad
11 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27 2.25
12 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19
del
13 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16 2.14
denomin. 14 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12 2.10
15 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06
(dfd) 16 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06 2.03
17 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03 2.00
18 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00 1.98
19 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98 1.96
20 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94
21 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95 1.92
22 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93 1.90
23 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92 1.89
24 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91 1.88
25 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89 1.87
26 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88 1.86
27 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87 1.85
28 2.89 2.50 2.29 2.16 2.06 2.00 1.94 1.90 1.87 1.84
29 2.89 2.50 2.28 2.15 2.06 1.99 1.93 1.89 1.86 1.83
grados 30 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82
31 2.87 2.48 2.27 2.14 2.04 1.97 1.92 1.88 1.84 1.81
de 32 2.87 2.48 2.26 2.13 2.04 1.97 1.91 1.87 1.83 1.81
33 2.86 2.47 2.26 2.12 2.03 1.96 1.91 1.86 1.83 1.80
libertad
34 2.86 2.47 2.25 2.12 2.02 1.96 1.90 1.86 1.82 1.79
del 35 2.85 2.46 2.25 2.11 2.02 1.95 1.90 1.85 1.82 1.79
36 2.85 2.46 2.24 2.11 2.01 1.94 1.89 1.85 1.81 1.78
denomin. 37 2.85 2.45 2.24 2.10 2.01 1.94 1.89 1.84 1.81 1.78
38 2.84 2.45 2.23 2.10 2.01 1.94 1.88 1.84 1.80 1.77
39 2.84 2.44 2.23 2.09 2.00 1.93 1.88 1.83 1.80 1.77
40 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79 1.76
60 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71
100 2.76 2.36 2.14 2.00 1.91 1.83 1.78 1.73 1.69 1.66
120 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65
inf 2.71 2.30 2.08 1.95 1.85 1.77 1.72 1.67 1.63 1.60

= , P(F > f) = .10
12 15 20 24 30 40 60 120 inf
1 60.71 61.22 61.74 62.00 62.26 62.53 62.79 63.06 63.32
2 9.41 9.42 9.44 9.45 9.46 9.47 9.47 9.48 9.49
3 5.22 5.20 5.18 5.18 5.17 5.16 5.15 5.14 5.13
4 3.90 3.87 3.84 3.83 3.82 3.80 3.79 3.78 3.76
5 3.27 3.24 3.21 3.19 3.17 3.16 3.14 3.12 3.11
6 2.90 2.87 2.84 2.82 2.80 2.78 2.76 2.74 2.72
grados 7 2.67 2.63 2.59 2.58 2.56 2.54 2.51 2.49 2.47
8 2.50 2.46 2.42 2.40 2.38 2.36 2.34 2.32 2.29
de 9 2.38 2.34 2.30 2.28 2.25 2.23 2.21 2.18 2.16
10 2.28 2.24 2.20 2.18 2.16 2.13 2.11 2.08 2.06
libertad
11 2.21 2.17 2.12 2.10 2.08 2.05 2.03 2.00 1.97
12 2.15 2.10 2.06 2.04 2.01 1.99 1.96 1.93 1.90
del
13 2.10 2.05 2.01 1.98 1.96 1.93 1.90 1.88 1.85
denomin. 14 2.05 2.01 1.96 1.94 1.91 1.89 1.86 1.83 1.80
15 2.02 1.97 1.92 1.90 1.87 1.85 1.82 1.79 1.76
(dfd) 16 1.99 1.94 1.89 1.87 1.84 1.81 1.78 1.75 1.72
17 1.96 1.91 1.86 1.84 1.81 1.78 1.75 1.72 1.69
18 1.93 1.89 1.84 1.81 1.78 1.75 1.72 1.69 1.66
19 1.91 1.86 1.81 1.79 1.76 1.73 1.70 1.67 1.63
20 1.89 1.84 1.79 1.77 1.74 1.71 1.68 1.64 1.61
21 1.87 1.83 1.78 1.75 1.72 1.69 1.66 1.62 1.59
22 1.86 1.81 1.76 1.73 1.70 1.67 1.64 1.60 1.57
23 1.84 1.80 1.74 1.72 1.69 1.66 1.62 1.59 1.55
24 1.83 1.78 1.73 1.70 1.67 1.64 1.61 1.57 1.53
25 1.82 1.77 1.72 1.69 1.66 1.63 1.59 1.56 1.52
26 1.81 1.76 1.71 1.68 1.65 1.61 1.58 1.54 1.50
27 1.80 1.75 1.70 1.67 1.64 1.60 1.57 1.53 1.49
28 1.79 1.74 1.69 1.66 1.63 1.59 1.56 1.52 1.48
29 1.78 1.73 1.68 1.65 1.62 1.58 1.55 1.51 1.47
grados 30 1.77 1.72 1.67 1.64 1.61 1.57 1.54 1.50 1.46
31 1.77 1.71 1.66 1.63 1.60 1.56 1.53 1.49 1.45
de 32 1.76 1.71 1.65 1.62 1.59 1.56 1.52 1.48 1.44
33 1.75 1.70 1.64 1.61 1.58 1.55 1.51 1.47 1.43
libertad
34 1.75 1.69 1.64 1.61 1.58 1.54 1.50 1.46 1.42
del 35 1.74 1.69 1.63 1.60 1.57 1.53 1.50 1.46 1.41
36 1.73 1.68 1.63 1.60 1.56 1.53 1.49 1.45 1.40
denomin. 37 1.73 1.68 1.62 1.59 1.56 1.52 1.48 1.44 1.40
38 1.72 1.67 1.61 1.58 1.55 1.52 1.48 1.44 1.39
39 1.72 1.67 1.61 1.58 1.55 1.51 1.47 1.43 1.38
40 1.71 1.66 1.61 1.57 1.54 1.51 1.47 1.42 1.38
60 1.66 1.60 1.54 1.51 1.48 1.44 1.40 1.35 1.29
100 1.61 1.56 1.49 1.46 1.42 1.38 1.34 1.28 1.22
120 1.60 1.55 1.48 1.45 1.41 1.37 1.32 1.26 1.19
inf 1.55 1.49 1.42 1.38 1.34 1.30 1.24 1.17 1.03

0,05 Grados de libertad del numerador alfa=0,05
GL 1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 161.45 199.5 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88 248.02 252.2 253.04 254.3
2 18.513 19 19.164 19.247 19.296 19.329 19.353 19.371 19.385 19.396 19.446 19.479 19.486 19.496
3 10.128 9.5521 9.2766 9.1172 9.0134 8.9407 8.8867 8.8452 8.8123 8.7855 8.6602 8.572 8.5539 8.5267
4 7.7086 6.9443 6.5914 6.3882 6.2561 6.1631 6.0942 6.041 5.9988 5.9644 5.8025 5.6878 5.664 5.6284
5 6.6079 5.7861 5.4094 5.1922 5.0503 4.9503 4.8759 4.8183 4.7725 4.7351 4.5581 4.4314 4.4051 4.3654
6 5.9874 5.1432 4.7571 4.5337 4.3874 4.2839 4.2067 4.1468 4.099 4.06 3.8742 3.7398 3.7117 3.6693
7 5.5915 4.7374 4.3468 4.1203 3.9715 3.866 3.7871 3.7257 3.6767 3.6365 3.4445 3.3043 3.2749 3.2302
8 5.3176 4.459 4.0662 3.8379 3.6875 3.5806 3.5005 3.4381 3.3881 3.3472 3.1503 3.0053 2.9747 2.9281
9 5.1174 4.2565 3.8625 3.6331 3.4817 3.3738 3.2927 3.2296 3.1789 3.1373 2.9365 2.7872 2.7556 2.7072
10 4.9646 4.1028 3.7083 3.478 3.3258 3.2172 3.1355 3.0717 3.0204 2.9782 2.774 2.6211 2.5884 2.5384
11 4.8443 3.9823 3.5874 3.3567 3.2039 3.0946 3.0123 2.948 2.8962 2.8536 2.6464 2.4901 2.4566 2.405
12 4.7472 3.8853 3.4903 3.2592 3.1059 2.9961 2.9134 2.8486 2.7964 2.7534 2.5436 2.3842 2.3498 2.2967
13 4.6672 3.8056 3.4105 3.1791 3.0254 2.9153 2.8321 2.7669 2.7144 2.671 2.4589 2.2966 2.2614 2.207
14 4.6001 3.7389 3.3439 3.1122 2.9582 2.8477 2.7642 2.6987 2.6458 2.6022 2.3879 2.2229 2.187 2.1313
15 4.5431 3.6823 3.2874 3.0556 2.9013 2.7905 2.7066 2.6408 2.5876 2.5437 2.3275 2.1601 2.1234 2.0664
16 4.494 3.6337 3.2389 3.0069 2.8524 2.7413 2.6572 2.5911 2.5377 2.4935 2.2756 2.1058 2.0685 2.0102
17 4.4513 3.5915 3.1968 2.9647 2.81 2.6987 2.6143 2.548 2.4943 2.4499 2.2304 2.0584 2.0204 1.961
18 4.4139 3.5546 3.1599 2.9277 2.7729 2.6613 2.5767 2.5102 2.4563 2.4117 2.1906 2.0166 1.978 1.9175
19 4.3808 3.5219 3.1274 2.8951 2.7401 2.6283 2.5435 2.4768 2.4227 2.3779 2.1555 1.9795 1.9403 1.8787
20 4.3513 3.4928 3.0984 2.8661 2.7109 2.599 2.514 2.4471 2.3928 2.3479 2.1242 1.9464 1.9066 1.8438
21 4.3248 3.4668 3.0725 2.8401 2.6848 2.5727 2.4876 2.4205 2.3661 2.321 2.096 1.9165 1.8761 1.8124
22 4.3009 3.4434 3.0491 2.8167 2.6613 2.5491 2.4638 2.3965 2.3419 2.2967 2.0707 1.8894 1.8486 1.7838
23 4.2793 3.4221 3.028 2.7955 2.64 2.5277 2.4422 2.3748 2.3201 2.2747 2.0476 1.8648 1.8234 1.7577
24 4.2597 3.4028 3.0088 2.7763 2.6207 2.5082 2.4226 2.3551 2.3002 2.2547 2.0267 1.8424 1.8005 1.7338
25 4.2417 3.3852 2.9912 2.7587 2.603 2.4904 2.4047 2.3371 2.2821 2.2365 2.0075 1.8217 1.7794 1.7117
26 4.2252 3.369 2.9752 2.7426 2.5868 2.4741 2.3883 2.3205 2.2655 2.2197 1.9898 1.8027 1.7599 1.6913
27 4.21 3.3541 2.9603 2.7278 2.5719 2.4591 2.3732 2.3053 2.2501 2.2043 1.9736 1.7851 1.7419 1.6724
28 4.196 3.3404 2.9467 2.7141 2.5581 2.4453 2.3593 2.2913 2.236 2.19 1.9586 1.7689 1.7251 1.6548
29 4.183 3.3277 2.934 2.7014 2.5454 2.4324 2.3463 2.2782 2.2229 2.1768 1.9446 1.7537 1.7096 1.6384
30 4.1709 3.3158 2.9223 2.6896 2.5336 2.4205 2.3343 2.2662 2.2107 2.1646 1.9317 1.7396 1.695 1.623
40 4.0847 3.2317 2.8387 2.606 2.4495 2.3359 2.249 2.1802 2.124 2.0773 1.8389 1.6373 1.5892 1.5098
50 4.0343 3.1826 2.79 2.5572 2.4004 2.2864 2.1992 2.1299 2.0733 2.0261 1.7841 1.5757 1.5249 1.4392
60 4.0012 3.1504 2.7581 2.5252 2.3683 2.2541 2.1665 2.097 2.0401 1.9926 1.748 1.5343 1.4814 1.3903
70 3.9778 3.1277 2.7355 2.5027 2.3456 2.2312 2.1435 2.0737 2.0166 1.9689 1.7223 1.5046 1.4498 1.354
80 3.9604 3.1108 2.7188 2.4859 2.3287 2.2142 2.1263 2.0564 1.9991 1.9512 1.7032 1.4821 1.4259 1.3259
90 3.9469 3.0977 2.7058 2.4729 2.3157 2.2011 2.1131 2.043 1.9856 1.9376 1.6883 1.4645 1.407 1.3032
100 3.9362 3.0873 2.6955 2.4626 2.3053 2.1906 2.1025 2.0323 1.9748 1.9267 1.6764 1.4504 1.3917 1.2845
200 3.8884 3.0411 2.6498 2.4168 2.2592 2.1441 2.0556 1.9849 1.9269 1.8783 1.6233 1.3856 1.3206 1.1903
300 3.8726 3.0258 2.6347 2.4017 2.2441 2.1288 2.0402 1.9693 1.9112 1.8623 1.6057 1.3634 1.2958 1.1521
400 3.8648 3.0183 2.6272 2.3943 2.2366 2.1212 2.0325 1.9616 1.9033 1.8544 1.5969 1.3522 1.2831 1.1303
500 3.8601 3.0138 2.6227 2.3898 2.232 2.1167 2.0279 1.9569 1.8986 1.8496 1.5916 1.3455 1.2753 1.1159
600 3.857 3.0107 2.6198 2.3868 2.229 2.1137 2.0248 1.9538 1.8955 1.8465 1.5881 1.341 1.2701 1.1055
700 3.8548 3.0086 2.6176 2.3847 2.2269 2.1115 2.0226 1.9516 1.8932 1.8442 1.5856 1.3377 1.2664 1.0976
800 3.8531 3.007 2.616 2.3831 2.2253 2.1099 2.021 1.95 1.8916 1.8425 1.5837 1.3353 1.2635 1.0912
900 3.8518 3.0057 2.6148 2.3818 2.224 2.1086 2.0197 1.9487 1.8903 1.8412 1.5822 1.3334 1.2613 1.0861
1000 3.8508 3.0047 2.6138 2.3808 2.2231 2.1076 2.0187 1.9476 1.8892 1.8402 1.5811 1.3318 1.2596 1.0818
1500 3.8477 3.0017 2.6108 2.3779 2.2201 2.1046 2.0157 1.9446 1.8861 1.837 1.5775 1.3273 1.2542 1.0675
2000 3.8461 3.0002 2.6094 2.3764 2.2186 2.1031 2.0142 1.943 1.8846 1.8354 1.5758 1.325 1.2516 1.0593
10000 3.8424 2.9966 2.6058 2.3728 2.215 2.0995 2.0105 1.9393 1.8808 1.8316 1.5716 1.3194 1.2451 1.0334

0,025 Grados de libertad del numerador alfa=0,025
GL 1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 647.79 799.48 864.15 899.6 921.83 937.11 948.2 956.64 963.28 968.63 993.08 1009.8 1013.2 1018.2
2 38.506 39 39.166 39.248 39.298 39.331 39.356 39.373 39.387 39.398 39.448 39.481 39.488 39.498
3 17.443 16.044 15.439 15.101 14.885 14.735 14.624 14.54 14.473 14.419 14.167 13.992 13.956 13.903
4 12.218 10.649 9.9792 9.6045 9.3645 9.1973 9.0741 8.9796 8.9046 8.8439 8.5599 8.3604 8.3195 8.258
5 10.007 8.4336 7.7636 7.3879 7.1464 6.9777 6.853 6.7572 6.681 6.6192 6.3285 6.1225 6.08 6.016
6 8.8131 7.2599 6.5988 6.2271 5.9875 5.8197 5.6955 5.5996 5.5234 5.4613 5.1684 4.9589 4.9154 4.8498
7 8.0727 6.5415 5.8898 5.5226 5.2852 5.1186 4.9949 4.8993 4.8232 4.7611 4.4668 4.2544 4.2101 4.143
8 7.5709 6.0595 5.416 5.0526 4.8173 4.6517 4.5285 4.4333 4.3572 4.2951 3.9994 3.7844 3.7393 3.6709
9 7.2093 5.7147 5.0781 4.7181 4.4844 4.3197 4.197 4.102 4.026 3.9639 3.6669 3.4493 3.4034 3.3336
10 6.9367 5.4564 4.8256 4.4683 4.2361 4.0721 3.9498 3.8549 3.779 3.7168 3.4185 3.1984 3.1517 3.0805
11 6.7241 5.2559 4.63 4.2751 4.044 3.8806 3.7586 3.6638 3.5879 3.5257 3.2261 3.0035 2.9561 2.8835
12 6.5538 5.0959 4.4742 4.1212 3.8911 3.7283 3.6065 3.5118 3.4358 3.3735 3.0728 2.8478 2.7996 2.7257
13 6.4143 4.9653 4.3472 3.9959 3.7667 3.6043 3.4827 3.388 3.312 3.2497 2.9477 2.7204 2.6715 2.5962
14 6.2979 4.8567 4.2417 3.8919 3.6634 3.5014 3.3799 3.2853 3.2093 3.1469 2.8437 2.6142 2.5646 2.488
15 6.1995 4.765 4.1528 3.8043 3.5764 3.4147 3.2934 3.1987 3.1227 3.0602 2.7559 2.5242 2.4739 2.3961
16 6.1151 4.6867 4.0768 3.7294 3.5021 3.3406 3.2194 3.1248 3.0488 2.9862 2.6808 2.4471 2.3961 2.3171
17 6.042 4.6189 4.0112 3.6648 3.4379 3.2767 3.1556 3.061 2.9849 2.9222 2.6158 2.3801 2.3285 2.2483
18 5.9781 4.5597 3.9539 3.6083 3.382 3.2209 3.0999 3.0053 2.9291 2.8664 2.559 2.3214 2.2692 2.1878
19 5.9216 4.5075 3.9034 3.5587 3.3327 3.1718 3.0509 2.9563 2.8801 2.8172 2.5089 2.2696 2.2167 2.1341
20 5.8715 4.4612 3.8587 3.5147 3.2891 3.1283 3.0074 2.9128 2.8365 2.7737 2.4645 2.2234 2.1699 2.0862
21 5.8266 4.4199 3.8188 3.4754 3.2501 3.0895 2.9686 2.874 2.7977 2.7348 2.4247 2.1819 2.128 2.0431
22 5.7863 4.3828 3.7829 3.4401 3.2151 3.0546 2.9338 2.8392 2.7628 2.6998 2.389 2.1446 2.0901 2.0041
23 5.7498 4.3492 3.7505 3.4083 3.1835 3.0232 2.9023 2.8077 2.7313 2.6682 2.3566 2.1107 2.0556 1.9687
24 5.7166 4.3187 3.7211 3.3794 3.1548 2.9946 2.8738 2.7791 2.7027 2.6396 2.3273 2.0799 2.0243 1.9362
25 5.6864 4.2909 3.6943 3.353 3.1287 2.9685 2.8478 2.7531 2.6766 2.6135 2.3005 2.0516 1.9955 1.9065
26 5.6586 4.2655 3.6697 3.3289 3.1048 2.9447 2.824 2.7293 2.6528 2.5896 2.2759 2.0257 1.9691 1.879
27 5.6331 4.2421 3.6472 3.3067 3.0828 2.9228 2.8021 2.7074 2.6309 2.5676 2.2533 2.0018 1.9447 1.8537
28 5.6096 4.2205 3.6264 3.2863 3.0626 2.9027 2.782 2.6872 2.6106 2.5473 2.2324 1.9797 1.9221 1.8301
29 5.5878 4.2006 3.6072 3.2674 3.0438 2.884 2.7633 2.6686 2.5919 2.5286 2.2131 1.9591 1.9011 1.8082
30 5.5675 4.1821 3.5893 3.2499 3.0265 2.8667 2.746 2.6513 2.5746 2.5112 2.1952 1.94 1.8816 1.7877
40 5.4239 4.051 3.4633 3.1261 2.9037 2.7444 2.6238 2.5289 2.4519 2.3882 2.0677 1.8028 1.7405 1.6382
50 5.3403 3.9749 3.3902 3.0544 2.8326 2.6736 2.553 2.4579 2.3808 2.3168 1.9933 1.7211 1.6558 1.5465
60 5.2856 3.9253 3.3425 3.0077 2.7863 2.6274 2.5068 2.4117 2.3344 2.2702 1.9445 1.6668 1.599 1.4834
70 5.247 3.8903 3.309 2.9748 2.7537 2.5949 2.4743 2.3791 2.3017 2.2374 1.91 1.6279 1.5581 1.4371
80 5.2183 3.8643 3.2841 2.9504 2.7295 2.5708 2.4502 2.3549 2.2775 2.213 1.8843 1.5987 1.5271 1.4012
90 5.1962 3.8443 3.2649 2.9315 2.7109 2.5522 2.4316 2.3363 2.2588 2.1942 1.8644 1.5758 1.5028 1.3725
100 5.1786 3.8284 3.2496 2.9166 2.6961 2.5374 2.4168 2.3215 2.2439 2.1793 1.8486 1.5575 1.4833 1.3489
200 5.1004 3.7578 3.182 2.8503 2.6304 2.472 2.3513 2.2558 2.178 2.113 1.778 1.4742 1.3927 1.2312
300 5.0747 3.7346 3.1599 2.8286 2.6089 2.4505 2.3299 2.2343 2.1563 2.0913 1.7547 1.4459 1.3613 1.1841
400 5.0619 3.7231 3.1489 2.8179 2.5983 2.4399 2.3192 2.2236 2.1456 2.0805 1.7431 1.4317 1.3453 1.1574
500 5.0543 3.7162 3.1423 2.8114 2.5919 2.4335 2.3129 2.2172 2.1392 2.074 1.7362 1.4231 1.3356 1.1398
600 5.0492 3.7116 3.1379 2.8071 2.5876 2.4293 2.3086 2.213 2.1349 2.0697 1.7316 1.4173 1.329 1.1271
700 5.0456 3.7084 3.1348 2.8041 2.5846 2.4263 2.3056 2.2099 2.1319 2.0666 1.7282 1.4132 1.3243 1.1174
800 5.0429 3.7059 3.1324 2.8018 2.5823 2.424 2.3033 2.2077 2.1296 2.0643 1.7258 1.4101 1.3208 1.1098
900 5.0408 3.704 3.1306 2.8 2.5806 2.4223 2.3016 2.2059 2.1278 2.0626 1.7238 1.4077 1.318 1.1035
1000 5.0391 3.7025 3.1292 2.7986 2.5792 2.4208 2.3002 2.2045 2.1264 2.0611 1.7223 1.4058 1.3158 1.0983
1500 5.034 3.698 3.1248 2.7943 2.5749 2.4166 2.2959 2.2003 2.1221 2.0569 1.7177 1.4 1.3091 1.081
2000 5.0315 3.6957 3.1227 2.7922 2.5728 2.4145 2.2938 2.1981 2.12 2.0547 1.7154 1.3971 1.3058 1.0711
10000 5.0254 3.6902 3.1174 2.7871 2.5678 2.4095 2.2888 2.1931 2.1149 2.0496 1.7099 1.39 1.2977 1.04

alfa =0,01 grados de libertad del numerador
GL 1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 4052.2 4999.3 5403.5 5624.3 5764 5859 5928.3 5981 6022.4 6055.9 6208.7 6313 6333.9 6365.6
2 98.502 99 99.164 99.251 99.302 99.331 99.357 99.375 99.39 99.397 99.448 99.484 99.491 99.499
3 34.116 30.816 29.457 28.71 28.237 27.911 27.671 27.489 27.345 27.228 26.69 26.316 26.241 26.126
4 21.198 18 16.694 15.977 15.522 15.207 14.976 14.799 14.659 14.546 14.019 13.652 13.577 13.464
5 16.258 13.274 12.06 11.392 10.967 10.672 10.456 10.289 10.158 10.051 9.5527 9.202 9.13 9.0215
6 13.745 10.925 9.7796 9.1484 8.7459 8.466 8.26 8.1017 7.976 7.8742 7.3958 7.0568 6.9867 6.8811
7 12.246 9.5465 8.4513 7.8467 7.4604 7.1914 6.9929 6.8401 6.7188 6.6201 6.1555 5.8236 5.7546 5.6506
8 11.259 8.6491 7.591 7.0061 6.6318 6.3707 6.1776 6.0288 5.9106 5.8143 5.3591 5.0316 4.9633 4.8599
9 10.562 8.0215 6.992 6.4221 6.0569 5.8018 5.6128 5.4671 5.3511 5.2565 4.808 4.4831 4.415 4.3116
10 10.044 7.5595 6.5523 5.9944 5.6364 5.3858 5.2001 5.0567 4.9424 4.8491 4.4054 4.0819 4.0137 3.91
11 9.6461 7.2057 6.2167 5.6683 5.316 5.0692 4.886 4.7445 4.6315 4.5393 4.099 3.7761 3.7077 3.6035
12 9.3303 6.9266 5.9525 5.4119 5.0644 4.8205 4.6395 4.4994 4.3875 4.2961 3.8584 3.5355 3.4668 3.3619
13 9.0738 6.7009 5.7394 5.2053 4.8616 4.6203 4.441 4.3021 4.1911 4.1003 3.6646 3.3413 3.2723 3.1665
14 8.8617 6.5149 5.5639 5.0354 4.695 4.4558 4.2779 4.14 4.0297 3.9394 3.5052 3.1813 3.1118 3.0051
15 8.6832 6.3588 5.417 4.8932 4.5556 4.3183 4.1416 4.0044 3.8948 3.8049 3.3719 3.0471 2.9772 2.8695
16 8.5309 6.2263 5.2922 4.7726 4.4374 4.2016 4.0259 3.8896 3.7804 3.6909 3.2587 2.933 2.8627 2.7539
17 8.3998 6.1121 5.185 4.6689 4.336 4.1015 3.9267 3.7909 3.6823 3.5931 3.1615 2.8348 2.7639 2.6542
18 8.2855 6.0129 5.0919 4.579 4.2479 4.0146 3.8406 3.7054 3.5971 3.5081 3.0771 2.7493 2.6779 2.5671
19 8.185 5.9259 5.0103 4.5002 4.1708 3.9386 3.7653 3.6305 3.5225 3.4338 3.0031 2.6742 2.6023 2.4905
20 8.096 5.849 4.9382 4.4307 4.1027 3.8714 3.6987 3.5644 3.4567 3.3682 2.9377 2.6077 2.5353 2.4224
21 8.0166 5.7804 4.874 4.3688 4.0421 3.8117 3.6396 3.5056 3.3982 3.3098 2.8795 2.5484 2.4755 2.3615
22 7.9453 5.719 4.8166 4.3134 3.988 3.7583 3.5866 3.453 3.3458 3.2576 2.8274 2.4951 2.4218 2.3067
23 7.8811 5.6637 4.7648 4.2635 3.9392 3.7102 3.539 3.4057 3.2986 3.2106 2.7805 2.4471 2.3732 2.2571
24 7.8229 5.6136 4.7181 4.2185 3.8951 3.6667 3.4959 3.3629 3.256 3.1681 2.738 2.4035 2.3291 2.2119
25 7.7698 5.568 4.6755 4.1774 3.855 3.6272 3.4568 3.3239 3.2172 3.1294 2.6993 2.3637 2.2888 2.1706
26 7.7213 5.5263 4.6365 4.14 3.8183 3.5911 3.421 3.2884 3.1818 3.0941 2.664 2.3273 2.2519 2.1327
27 7.6767 5.4881 4.6009 4.1056 3.7847 3.558 3.3882 3.2558 3.1494 3.0618 2.6316 2.2938 2.218 2.0978
28 7.6357 5.4529 4.5681 4.074 3.7539 3.5276 3.3581 3.2259 3.1195 3.032 2.6018 2.2629 2.1867 2.0655
29 7.5977 5.4205 4.5378 4.0449 3.7254 3.4995 3.3303 3.1982 3.092 3.0045 2.5742 2.2344 2.1577 2.0355
30 7.5624 5.3903 4.5097 4.0179 3.699 3.4735 3.3045 3.1726 3.0665 2.9791 2.5487 2.2079 2.1307 2.0075
40 7.3142 5.1785 4.3126 3.8283 3.5138 3.291 3.1238 2.993 2.8876 2.8005 2.3689 2.0194 1.9383 1.8061
50 7.1706 5.0566 4.1994 3.7195 3.4077 3.1864 3.0202 2.89 2.785 2.6981 2.2652 1.909 1.8248 1.6847
60 7.0771 4.9774 4.1259 3.6491 3.3389 3.1187 2.953 2.8233 2.7185 2.6318 2.1978 1.8363 1.7493 1.6023
70 7.0114 4.9218 4.0744 3.5997 3.2907 3.0712 2.906 2.7765 2.6719 2.5852 2.1504 1.7846 1.6954 1.5422
80 6.9626 4.8807 4.0363 3.5631 3.2551 3.0361 2.8713 2.742 2.6374 2.5508 2.1153 1.7459 1.6548 1.496
90 6.9251 4.8491 4.0069 3.535 3.2276 3.0091 2.8445 2.7154 2.6109 2.5243 2.0882 1.7158 1.6231 1.4593
100 6.8953 4.8239 3.9837 3.5127 3.2059 2.9877 2.8233 2.6943 2.5898 2.5033 2.0666 1.6918 1.5977 1.4292
200 6.7633 4.7128 3.881 3.4143 3.11 2.8933 2.7298 2.6012 2.4971 2.4106 1.9713 1.5833 1.4811 1.2812
300 6.7201 4.6766 3.8475 3.3822 3.0787 2.8625 2.6993 2.5709 2.4668 2.3804 1.9401 1.5468 1.441 1.2228
400 6.6987 4.6586 3.8309 3.3664 3.0632 2.8472 2.6842 2.5559 2.4518 2.3654 1.9245 1.5285 1.4207 1.19
500 6.6858 4.6479 3.821 3.3569 3.054 2.8381 2.6751 2.5469 2.4429 2.3565 1.9152 1.5174 1.4084 1.1684
600 6.6773 4.6407 3.8144 3.3506 3.0478 2.8321 2.6691 2.5409 2.4369 2.3505 1.9091 1.5101 1.4001 1.1529
700 6.6713 4.6356 3.8097 3.346 3.0434 2.8278 2.6648 2.5367 2.4327 2.3463 1.9047 1.5048 1.3942 1.1411
800 6.6667 4.6318 3.8062 3.3427 3.0402 2.8245 2.6617 2.5335 2.4295 2.3431 1.9013 1.5008 1.3897 1.1318
900 6.6631 4.6288 3.8034 3.3401 3.0376 2.822 2.6592 2.531 2.427 2.3406 1.8988 1.4978 1.3863 1.1242
1000 6.6603 4.6264 3.8012 3.338 3.0356 2.82 2.6572 2.529 2.425 2.3386 1.8967 1.4953 1.3835 1.1178
1500 6.6518 4.6193 3.7947 3.3317 3.0294 2.814 2.6512 2.5231 2.4191 2.3327 1.8906 1.4879 1.3751 1.0969
2000 6.6476 4.6158 3.7914 3.3286 3.0264 2.811 2.6482 2.5201 2.4162 2.3298 1.8875 1.4842 1.3708 1.085
10000 6.6374 4.6073 3.7836 3.321 3.0191 2.8038 2.6411 2.513 2.4091 2.3227 1.8802 1.4752 1.3606 1.0476

GL 1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 16212 19997 21614 22501 23056 23440 23715 23924 24091 24222 24837 25254 25339 25466
2 198.5 199.01 199.16 199.24 199.3 199.33 199.36 199.38 199.39 199.39 199.45 199.48 199.48 199.51
3 55.552 49.8 47.468 46.195 45.391 44.838 44.434 44.125 43.881 43.685 42.779 42.15 42.022 41.829
4 31.332 26.284 24.26 23.154 22.456 21.975 21.622 21.352 21.138 20.967 20.167 19.611 19.497 19.327
5 22.785 18.314 16.53 15.556 14.939 14.513 14.2 13.961 13.772 13.618 12.903 12.402 12.3 12.145
6 18.635 14.544 12.917 12.028 11.464 11.073 10.786 10.566 10.391 10.25 9.5888 9.1218 9.0258 8.8808
7 16.235 12.404 10.883 10.05 9.522 9.1554 8.8853 8.6779 8.5138 8.3803 7.7539 7.3087 7.2166 7.0775
8 14.688 11.043 9.5965 8.8053 8.3019 7.9519 7.6941 7.4958 7.3387 7.2107 6.6082 6.1773 6.0875 5.952
9 13.614 10.107 8.7171 7.9558 7.471 7.1338 6.8849 6.6932 6.5411 6.4172 5.8319 5.4104 5.3224 5.1889
10 12.827 9.4269 8.0809 7.3428 6.8724 6.5447 6.3026 6.1159 5.9676 5.8467 5.274 4.8592 4.7721 4.6399
11 12.226 8.9121 7.6004 6.8808 6.4217 6.1016 5.8648 5.6821 5.5368 5.4183 4.8552 4.445 4.3585 4.2269
12 11.754 8.5097 7.2257 6.5211 6.0711 5.7571 5.5245 5.3451 5.2021 5.0854 4.53 4.123 4.0368 3.9053
13 11.374 8.1864 6.9258 6.2334 5.791 5.4819 5.2529 5.0761 4.9351 4.82 4.2703 3.8656 3.7795 3.6479
14 11.06 7.9217 6.6804 5.9983 5.5622 5.2573 5.0313 4.8566 4.7173 4.6034 4.0585 3.6553 3.5692 3.4372
15 10.798 7.7007 6.4761 5.8029 5.3722 5.0708 4.8473 4.6743 4.5363 4.4236 3.8826 3.4803 3.3941 3.2616
16 10.576 7.5138 6.3034 5.6378 5.2116 4.9134 4.692 4.5206 4.3839 4.2719 3.7342 3.3324 3.246 3.1129
17 10.384 7.3537 6.1557 5.4968 5.0745 4.7789 4.5594 4.3893 4.2535 4.1424 3.6073 3.2059 3.1192 2.9853
18 10.218 7.2148 6.0278 5.3747 4.9561 4.6628 4.4448 4.276 4.141 4.0304 3.4977 3.0962 3.0092 2.8746
19 10.073 7.0934 5.916 5.268 4.8526 4.5613 4.3449 4.177 4.0428 3.9329 3.402 3.0004 2.9131 2.7776
20 9.944 6.9865 5.8177 5.1743 4.7615 4.4721 4.2569 4.09 3.9564 3.847 3.3178 2.9159 2.8282 2.6918
21 9.8294 6.8915 5.7304 5.0911 4.6808 4.3931 4.1789 4.0128 3.8799 3.7709 3.2431 2.8408 2.7528 2.6154
22 9.727 6.8064 5.6524 5.0168 4.6088 4.3225 4.1093 3.944 3.8116 3.703 3.1764 2.7736 2.6852 2.5469
23 9.6347 6.73 5.5823 4.95 4.5441 4.2591 4.0469 3.8822 3.7502 3.642 3.1165 2.7132 2.6243 2.4851
24 9.5513 6.6609 5.519 4.8898 4.4856 4.2019 3.9905 3.8264 3.6949 3.587 3.0624 2.6585 2.5692 2.4291
25 9.4753 6.5982 5.4615 4.8351 4.4326 4.15 3.9394 3.7758 3.6447 3.537 3.0133 2.6088 2.5191 2.378
26 9.406 6.541 5.4091 4.7852 4.3843 4.1027 3.8928 3.7297 3.5989 3.4916 2.9685 2.5634 2.4733 2.3312
27 9.3423 6.4886 5.3611 4.7396 4.3402 4.0594 3.8501 3.6875 3.557 3.4499 2.9275 2.5217 2.4312 2.2882
28 9.2837 6.4404 5.317 4.6977 4.2996 4.0197 3.811 3.6488 3.5186 3.4117 2.8899 2.4833 2.3925 2.2485
29 9.2298 6.3958 5.2764 4.6591 4.2621 3.9831 3.7749 3.6131 3.4832 3.3765 2.8551 2.448 2.3566 2.2117
30 9.1798 6.3546 5.2388 4.6234 4.2276 3.9493 3.7415 3.5801 3.4505 3.344 2.823 2.4152 2.3234 2.1776
40 8.8278 6.0664 4.9758 4.3738 3.986 3.7129 3.5088 3.3498 3.222 3.1167 2.5984 2.1838 2.0884 1.9334
50 8.6256 5.9016 4.8259 4.2317 3.8486 3.5785 3.3764 3.2189 3.0921 2.9875 2.4702 2.0499 1.9512 1.7881
60 8.4947 5.795 4.729 4.1399 3.76 3.4918 3.2911 3.1345 3.0083 2.9042 2.3872 1.9622 1.8609 1.6904
70 8.4026 5.7204 4.6613 4.0758 3.698 3.4313 3.2315 3.0755 2.9498 2.846 2.3291 1.9002 1.7966 1.6196
80 8.3346 5.6652 4.6113 4.0285 3.6524 3.3867 3.1876 3.032 2.9066 2.8031 2.2862 1.854 1.7484 1.5655
90 8.2823 5.6228 4.5728 3.9922 3.6173 3.3524 3.1538 2.9987 2.8735 2.7701 2.2532 1.8182 1.7109 1.5226
100 8.2407 5.5892 4.5424 3.9634 3.5895 3.3252 3.1271 2.9722 2.8472 2.7439 2.227 1.7896 1.6809 1.4875
200 8.0572 5.4412 4.4084 3.8368 3.4673 3.2059 3.0097 2.856 2.7319 2.6292 2.1116 1.6614 1.5442 1.3167
300 7.9972 5.393 4.3649 3.7957 3.4277 3.1672 2.9715 2.8183 2.6945 2.5919 2.0739 1.6187 1.4976 1.2501
400 7.9676 5.3691 4.3433 3.7754 3.408 3.148 2.9527 2.7997 2.6759 2.5735 2.0553 1.5972 1.4741 1.2128
500 7.9499 5.3549 4.3304 3.7632 3.3963 3.1366 2.9414 2.7885 2.6649 2.5624 2.0441 1.5843 1.4598 1.1884
600 7.9381 5.3453 4.3219 3.7551 3.3885 3.129 2.9339 2.7811 2.6575 2.5551 2.0367 1.5757 1.4502 1.1709
700 7.9297 5.3386 4.3158 3.7494 3.383 3.1235 2.9286 2.7758 2.6523 2.5499 2.0314 1.5696 1.4434 1.1576
800 7.9233 5.3335 4.3112 3.7451 3.3788 3.1195 2.9246 2.7719 2.6483 2.546 2.0274 1.565 1.4382 1.1471
900 7.9185 5.3296 4.3077 3.7417 3.3756 3.1164 2.9215 2.7688 2.6453 2.543 2.0244 1.5614 1.4342 1.1386
1000 7.9144 5.3265 4.3048 3.739 3.373 3.1138 2.919 2.7663 2.6429 2.5406 2.0219 1.5585 1.431 1.1314
1500 7.9028 5.3171 4.2963 3.731 3.3653 3.1063 2.9116 2.759 2.6356 2.5333 2.0145 1.5498 1.4213 1.108
2000 7.8969 5.3124 4.2921 3.7271 3.3614 3.1025 2.9079 2.7553 2.6319 2.5296 2.0109 1.5455 1.4164 1.0946
10000 7.883 5.3011 4.2819 3.7174 3.3522 3.0935 2.899 2.7466 2.6232 2.521 2.002 1.5351 1.4047 1.0529

GL 1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 405312 499725 540257 562668 576496 586033 593185 597954 602245 605583 620842 631332 633240 636578
2 998.38 998.84 999.31 999.31 999.31 999.31 999.31 999.31 999.31 999.31 999.31 999.31 999.31 999.31
3 167.06 148.49 141.1 137.08 134.58 132.83 131.61 130.62 129.86 129.22 126.43 124.45 124.07 123.46
4 74.127 61.249 56.17 53.435 51.718 50.524 49.651 48.996 48.472 48.05 46.1 44.747 44.471 44.049
5 47.177 37.122 33.2 31.083 29.751 28.835 28.165 27.649 27.241 26.914 25.393 24.331 24.113 23.789
6 35.507 27.001 23.705 21.922 20.802 20.031 19.463 19.03 18.688 18.412 17.12 16.214 16.029 15.749
7 29.246 21.69 18.772 17.197 16.207 15.52 15.018 14.634 14.33 14.083 12.931 12.118 11.951 11.698
8 25.415 18.494 15.829 14.392 13.484 12.858 12.398 12.045 11.767 11.54 10.479 9.728 9.5715 9.3369
9 22.857 16.387 13.901 12.56 11.714 11.129 10.697 10.368 10.106 9.8944 8.8976 8.1864 8.0381 7.8153
10 21.038 14.905 12.553 11.283 10.481 9.9262 9.517 9.2041 8.9558 8.7539 7.8035 7.1223 6.9804 6.7648
11 19.687 13.812 11.561 10.346 9.5788 9.0467 8.6548 8.3546 8.1163 7.9226 7.0077 6.3483 6.21 6.0004
12 18.645 12.973 10.805 9.6334 8.8921 8.3783 8.0008 7.7107 7.4797 7.2923 6.4047 5.7626 5.627 5.4215
13 17.815 12.313 10.209 9.0731 8.3546 7.8562 7.4888 7.2059 6.9822 6.7994 5.934 5.3046 5.1718 4.969
14 17.142 11.779 9.7298 8.622 7.9217 7.436 7.0777 6.8021 6.5829 6.4038 5.557 4.9376 4.8067 4.6061
15 16.587 11.34 9.3351 8.2528 7.567 7.0913 6.7412 6.4706 6.256 6.0809 5.2487 4.6375 4.5079 4.3092
16 16.12 10.97 9.0058 7.9444 7.2719 6.8048 6.4601 6.195 5.9836 5.8117 4.9918 4.3879 4.2592 4.0613
17 15.722 10.658 8.7266 7.6834 7.0222 6.5625 6.2237 5.9617 5.7539 5.5843 4.7753 4.1769 4.0486 3.8517
18 15.38 10.39 8.4874 7.4597 6.8076 6.3546 6.0209 5.7626 5.5575 5.3901 4.5898 3.9959 3.8685 3.6719
19 15.081 10.157 8.28 7.2655 6.6225 6.1755 5.8453 5.5907 5.3874 5.2219 4.4297 3.8397 3.7126 3.5161
20 14.819 9.9526 8.0981 7.0959 6.4606 6.0186 5.6921 5.4401 5.2391 5.0754 4.2901 3.703 3.5761 3.3799
21 14.586 9.7725 7.9381 6.9467 6.3183 5.8808 5.557 5.3078 5.1086 4.9463 4.1668 3.5827 3.4561 3.2596
22 14.381 9.6115 7.7962 6.8139 6.1914 5.758 5.4374 5.19 4.9931 4.8317 4.0579 3.4759 3.3492 3.1525
23 14.195 9.4687 7.6689 6.6957 6.0782 5.6489 5.3305 5.0854 4.8894 4.7296 3.9606 3.3804 3.2539 3.0568
24 14.028 9.3396 7.5543 6.5893 5.9767 5.5506 5.2351 4.9913 4.7967 4.638 3.8731 3.2946 3.1682 2.9706
25 13.877 9.2223 7.451 6.4929 5.8853 5.4615 5.1482 4.9063 4.713 4.5552 3.7944 3.2171 3.0905 2.8924
26 13.739 9.1168 7.3569 6.4056 5.8017 5.381 5.07 4.8292 4.6371 4.4802 3.7228 3.1466 3.02 2.8215
27 13.613 9.0195 7.2714 6.326 5.7262 5.3078 4.9981 4.7589 4.5679 4.4115 3.6575 3.0825 2.9556 2.7565
28 13.497 8.9303 7.1932 6.2532 5.6566 5.2405 4.9326 4.6948 4.5047 4.3492 3.598 3.0236 2.8967 2.6968
29 13.391 8.8485 7.1209 6.1864 5.5925 5.1791 4.8726 4.6357 4.4465 4.2917 3.5432 2.9695 2.8424 2.6419
30 13.293 8.773 7.0545 6.1245 5.5338 5.1223 4.8171 4.5816 4.3929 4.2387 3.4927 2.9197 2.7924 2.591
40 12.609 8.2509 6.5947 5.698 5.1282 4.7307 4.4356 4.2071 4.0243 3.8744 3.145 2.5736 2.4439 2.2349
50 12.222 7.9563 6.3364 5.4592 4.9013 4.5115 4.2223 3.9981 3.8185 3.6712 2.9506 2.3782 2.2459 2.0288
60 11.973 7.768 6.1714 5.3069 4.7567 4.3719 4.0864 3.8649 3.6873 3.5416 2.8265 2.2522 2.1175 1.8929
70 11.8 7.6366 6.0563 5.2009 4.6562 4.2753 3.9922 3.7726 3.5964 3.4518 2.7405 2.1643 2.0274 1.7958
80 11.672 7.5402 5.9722 5.1232 4.5825 4.2044 3.9231 3.7048 3.5297 3.3858 2.6773 2.0992 1.9604 1.7224
90 11.573 7.466 5.9076 5.0636 4.5261 4.15 3.8704 3.6532 3.4788 3.3356 2.6291 2.0491 1.9086 1.6647
100 11.496 7.4078 5.8567 5.0168 4.4815 4.1071 3.8285 3.6123 3.4386 3.2958 2.5909 2.0094 1.8674 1.6179
200 11.154 7.1518 5.6343 4.8117 4.2874 3.9204 3.6468 3.4343 3.2635 3.1229 2.4243 1.8333 1.6825 1.3942
300 11.044 7.0695 5.5625 4.7455 4.2248 3.8601 3.5884 3.377 3.2071 3.0673 2.3706 1.7754 1.6205 1.309
400 10.989 7.0286 5.527 4.713 4.1941 3.8303 3.5595 3.3488 3.1794 3.0398 2.344 1.7465 1.5893 1.2618
500 10.957 7.004 5.5056 4.6934 4.1755 3.8128 3.5425 3.3319 3.1628 3.0234 2.3282 1.7292 1.5705 1.2311
600 10.935 6.9876 5.4915 4.6807 4.1634 3.801 3.531 3.3208 3.1519 3.0125 2.3177 1.7177 1.5579 1.2092
700 10.919 6.9763 5.4815 4.6714 4.1546 3.7926 3.5229 3.3128 3.144 3.0047 2.3102 1.7095 1.549 1.1926
800 10.908 6.9676 5.4742 4.6646 4.1482 3.7865 3.5168 3.3069 3.1382 2.9991 2.3047 1.7033 1.5422 1.1796
900 10.899 6.9613 5.4683 4.6593 4.1432 3.7817 3.512 3.3024 3.1337 2.9945 2.3003 1.6985 1.5369 1.169
1000 10.892 6.9558 5.4638 4.6548 4.1391 3.7776 3.5084 3.2985 3.13 2.9909 2.2968 1.6947 1.5327 1.1601
1500 10.87 6.9394 5.4497 4.6421 4.1271 3.766 3.497 3.2876 3.1191 2.9802 2.2865 1.6831 1.52 1.1312
2000 10.859 6.9317 5.4429 4.6357 4.1209 3.7603 3.4913 3.282 3.1137 2.9748 2.2812 1.6774 1.5137 1.1147
10000 10.834 6.9126 5.426 4.6205 4.1066 3.7464 3.4779 3.2688 3.1007 2.962 2.2688 1.6636 1.4983 1.0638

1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 2E+06 2E+06 2E+06 2E+06 2E+06 2E+06 2E+06 2E+06 2E+06 2E+06 2E+06 3E+06 3E+06 3E+06
2 1998.6 1998.6 1998.6 1998.6 2000.5 2000.5 2000.5 2000.5 2000.5 2000.5 2000.5 2000.5 2000.5 2000.5
3 266.59 236.56 224.68 218.28 214.2 211.41 209.31 207.8 206.64 205.59 201.05 197.91 197.32 196.39
4 106.23 87.428 80.094 76.136 73.633 71.916 70.664 69.704 68.947 68.336 65.542 63.563 63.184 62.573
5 63.621 49.782 44.412 41.531 39.727 38.475 37.558 36.86 36.307 35.856 33.804 32.363 32.058 31.621
6 46.071 34.794 30.457 28.114 26.645 25.633 24.891 24.324 23.88 23.516 21.828 20.649 20.409 20.045
7 36.991 27.205 23.458 21.442 20.169 19.296 18.656 18.168 17.782 17.47 16.003 14.974 14.759 14.439
8 31.556 22.752 19.387 17.579 16.44 15.658 15.079 14.639 14.29 14.006 12.686 11.751 11.558 11.263
9 27.991 19.863 16.771 15.105 14.057 13.337 12.806 12.398 12.074 11.816 10.59 9.7189 9.5388 9.2659
10 25.495 17.866 14.967 13.406 12.424 11.747 11.249 10.867 10.565 10.319 9.1641 8.3401 8.1673 7.909
11 23.654 16.407 13.653 12.176 11.245 10.601 10.128 9.7643 9.4769 9.2423 8.1418 7.3505 7.185 6.934
12 22.243 15.298 12.664 11.249 10.354 9.7389 9.2841 8.9349 8.6584 8.4347 7.3742 6.6102 6.4501 6.2064
13 21.137 14.428 11.889 10.525 9.6625 9.0677 8.6293 8.2928 8.0254 7.8089 6.7812 6.0372 5.8808 5.6425
14 20.242 13.733 11.27 9.9462 9.1113 8.5347 8.1091 7.7816 7.5215 7.3105 6.3101 5.5825 5.4288 5.1941
15 19.507 13.162 10.765 9.4751 8.662 8.0981 7.6834 7.3651 7.1122 6.9049 5.9272 5.2123 5.0613 4.8294
16 18.888 12.689 10.345 9.084 8.2891 7.738 7.3323 7.0204 6.7721 6.5702 5.6107 4.9067 4.7567 4.5275
17 18.368 12.285 9.9899 8.7548 7.9744 7.4342 7.0368 6.7303 6.4865 6.2882 5.3442 4.6493 4.5011 4.2737
18 17.921 11.943 9.6861 8.4729 7.7071 7.1759 6.7848 6.4829 6.2437 6.0481 5.1177 4.4306 4.2837 4.0573
19 17.531 11.645 9.4242 8.2309 7.476 6.9531 6.5675 6.2701 6.0345 5.8417 4.9231 4.2419 4.0955 3.8699
20 17.189 11.385 9.195 8.0181 7.2741 6.7594 6.3783 6.0854 5.8517 5.6616 4.753 4.0777 3.9322 3.7071
21 16.887 11.156 8.9949 7.8326 7.0977 6.5884 6.2128 5.9226 5.6925 5.5043 4.6048 3.9336 3.789 3.5643
22 16.622 10.952 8.8166 7.667 6.9413 6.4374 6.0663 5.7789 5.5506 5.3642 4.4729 3.8062 3.6616 3.4374
23 16.382 10.772 8.6566 7.5206 6.8021 6.3028 5.9354 5.6516 5.4251 5.2405 4.3565 3.6925 3.5484 3.3242
24 16.167 10.608 8.5147 7.3887 6.6775 6.1827 5.818 5.537 5.3124 5.1296 4.2514 3.5907 3.447 3.2228
25 15.971 10.461 8.3855 7.2705 6.5647 6.0745 5.7125 5.4333 5.2105 5.0295 4.1573 3.4993 3.3556 3.1309
26 15.796 10.328 8.2691 7.1623 6.4629 5.9763 5.617 5.3396 5.1186 4.9386 4.0718 3.4161 3.2724 3.0477
27 15.632 10.206 8.1636 7.065 6.3692 5.8862 5.5297 5.2551 5.035 4.8558 3.994 3.3401 3.1969 2.9718
28 15.483 10.095 8.0654 6.9749 6.2846 5.8053 5.4506 5.1768 4.959 4.7808 3.9231 3.271 3.1278 2.9022
29 15.349 9.9917 7.9763 6.8922 6.2064 5.7298 5.3778 5.1059 4.889 4.7121 3.8581 3.2078 3.0641 2.8381
30 15.221 9.8971 7.8944 6.8167 6.1355 5.6607 5.3105 5.0404 4.8249 4.6484 3.798 3.1491 3.0054 2.779
40 14.352 9.2477 7.3287 6.2964 5.6434 5.1882 4.8517 4.5911 4.3838 4.2137 3.3883 2.7467 2.6016 2.3686
50 13.861 8.883 7.0131 6.0072 5.3697 4.9258 4.5975 4.3428 4.1396 3.9727 3.1614 2.5216 2.3745 2.1339
60 13.548 8.6511 6.8121 5.8235 5.1959 4.7594 4.4356 4.185 3.9845 3.8203 3.0172 2.3776 2.2283 1.9803
70 13.33 8.4892 6.6739 5.6962 5.0759 4.6443 4.3242 4.0764 3.8776 3.7148 2.9179 2.2774 2.1262 1.8712
80 13.169 8.371 6.5711 5.6025 4.9886 4.5602 4.2428 3.9963 3.7994 3.638 2.8451 2.2036 2.0505 1.789
90 13.046 8.28 6.4938 5.5315 4.9213 4.4956 4.18 3.9358 3.7398 3.5789 2.7894 2.1469 1.9922 1.7247
100 12.948 8.2091 6.4319 5.4752 4.8685 4.4452 4.1309 3.8876 3.6928 3.5325 2.7455 2.1021 1.9459 1.6728
200 12.522 7.8971 6.1636 5.2305 4.6384 4.2251 3.9181 3.6798 3.4886 3.3315 2.555 1.9043 1.7394 1.4259
300 12.384 7.7962 6.0782 5.1523 4.5648 4.1546 3.8494 3.613 3.4233 3.2669 2.4938 1.8397 1.6706 1.3329
400 12.316 7.7471 6.0354 5.1132 4.5284 4.1196 3.8158 3.5802 3.3911 3.2353 2.4638 1.8075 1.6362 1.2816
500 12.276 7.718 6.0099 5.0904 4.5065 4.0986 3.7958 3.5607 3.372 3.2164 2.4459 1.7883 1.6154 1.2483
600 12.249 7.698 5.9931 5.075 4.492 4.085 3.7826 3.5475 3.3592 3.2039 2.4338 1.7754 1.6015 1.2246
700 12.231 7.6843 5.9808 5.0641 4.482 4.0754 3.773 3.5384 3.3501 3.1951 2.4254 1.7663 1.5916 1.2066
800 12.216 7.6734 5.9722 5.0559 4.4743 4.0682 3.7662 3.5316 3.3433 3.1882 2.419 1.7594 1.5842 1.1925
900 12.205 7.6652 5.9654 5.0495 4.4683 4.0623 3.7603 3.5261 3.3378 3.1832 2.414 1.7541 1.5784 1.1811
1000 12.195 7.6589 5.9599 5.0445 4.4638 4.0577 3.7562 3.5218 3.3338 3.1791 2.4102 1.7499 1.5737 1.1715
1500 12.169 7.6398 5.9431 5.0295 4.4492 4.0441 3.743 3.5088 3.3212 3.1666 2.3983 1.7371 1.5597 1.1404
2000 12.154 7.6298 5.9345 5.0218 4.442 4.0372 3.7362 3.5025 3.3149 3.1605 2.3924 1.7307 1.5527 1.1227
10000 12.124 7.607 5.9154 5.004 4.4251 4.0213 3.7207 3.4875 3.3001 3.1457 2.3784 1.7154 1.5359 1.068

1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 4E+07 5E+07 5E+07 6E+07 6E+07 6E+07 6E+07 6E+07 6E+07 6E+07 6E+07 6E+07 6E+07 6E+07
2 10014 10014 10014 10014 10014 10014 10014 10014 10014 10014 10014 10014 10014 10014
3 784.17 694.77 659.38 640.75 627.71 620.26 614.67 609.08 605.36 603.5 588.6 581.15 577.42 575.56
4 241.68 197.91 181.14 171.83 166.24 162.05 159.26 156.93 155.53 154.13 147.61 142.96 142.03 140.63
5 124.8 97.09 86.38 80.559 76.834 74.506 72.643 71.246 70.082 69.267 65.193 62.282 61.7 60.885
6 82.422 61.584 53.667 49.418 46.741 44.936 43.539 42.55 41.735 41.095 38.068 35.914 35.507 34.808
7 62.166 45.169 38.65 35.216 33.062 31.549 30.501 29.628 28.987 28.464 25.961 24.243 23.865 23.341
8 50.699 35.972 30.443 27.474 25.64 24.36 23.429 22.701 22.148 21.682 19.558 18.044 17.724 17.259
9 43.481 30.326 25.408 22.759 21.1 19.965 19.15 18.51 17.986 17.579 15.687 14.319 14.043 13.621
10 38.592 26.543 22.032 19.631 18.132 17.084 16.327 15.745 15.28 14.901 13.155 11.903 11.642 11.249
11 35.041 23.865 19.66 17.419 16.022 15.047 14.348 13.795 13.373 13.024 11.394 10.215 9.9826 9.6043
12 32.422 21.857 17.899 15.789 14.465 13.562 12.893 12.384 11.976 11.642 10.099 8.9931 8.7603 8.411
13 30.384 20.314 16.56 14.552 13.286 12.427 11.787 11.307 10.914 10.601 9.1241 8.0618 7.8435 7.5015
14 28.755 19.092 15.483 13.577 12.369 11.54 10.928 10.456 10.084 9.7862 8.3674 7.3414 7.1232 6.7957
15 27.445 18.103 14.639 12.777 11.627 10.819 10.23 9.7789 9.4224 9.1313 7.7562 6.763 6.5556 6.2319
16 26.368 17.302 13.926 12.136 11.016 10.23 9.6625 9.2259 8.8767 8.6002 7.2614 6.2937 6.0863 5.7698
17 25.437 16.618 13.344 11.598 10.506 9.7498 9.1895 8.7675 8.4256 8.1491 6.8503 5.9008 5.6971 5.3878
18 24.651 16.036 12.849 11.147 10.07 9.3351 8.7894 8.3746 8.0472 7.778 6.5047 5.5697 5.3697 5.0677
19 23.982 15.541 12.42 10.754 9.7061 8.9858 8.4547 8.0472 7.7198 7.4579 6.2064 5.2896 5.0932 4.7912
20 23.399 15.119 12.049 10.419 9.386 8.6802 8.1563 7.7562 7.4397 7.1814 5.9517 5.0459 4.8531 4.5547
21 22.876 14.741 11.729 10.121 9.1095 8.411 7.9017 7.5088 7.1959 6.9413 5.7298 4.8349 4.6421 4.3474
22 22.439 14.406 11.438 9.8589 8.8694 8.1782 7.6761 7.2905 6.9776 6.7303 5.5334 4.6493 4.4602 4.1655
23 22.032 14.115 11.19 9.6334 8.6511 7.9744 7.476 7.0941 6.7885 6.5411 5.3624 4.4856 4.2965 4.0036
24 21.653 13.853 10.965 9.4224 8.4547 7.7926 7.2978 6.9194 6.6211 6.3737 5.2096 4.3401 4.1509 3.8599
25 21.333 13.621 10.761 9.2405 8.2873 7.6252 7.1377 6.7666 6.4683 6.2246 5.0713 4.2091 4.0218 3.7307
26 21.042 13.402 10.579 9.0731 8.1272 7.4724 6.9922 6.6248 6.3301 6.09 4.9477 4.0909 3.9036 3.6143
27 20.78 13.213 10.412 8.9203 7.989 7.3414 6.8649 6.4974 6.2064 5.9699 4.8349 3.9836 3.798 3.5088
28 20.518 13.031 10.259 8.7821 7.858 7.2177 6.7448 6.381 6.0936 5.8571 4.733 3.8872 3.7016 3.4124
29 20.3 12.864 10.121 8.6584 7.7416 7.105 6.6357 6.2792 5.9918 5.7553 4.6384 3.798 3.6125 3.3251
30 20.096 12.718 9.9972 8.542 7.6325 6.9995 6.5374 6.1809 5.8972 5.6643 4.5547 3.7162 3.5325 3.2433
40 18.67 11.7 9.1277 7.7598 6.8976 6.301 5.8644 5.5261 5.2569 5.035 3.9763 3.1641 2.9813 2.6903
50 17.884 11.132 8.6511 7.3305 6.4974 5.9226 5.497 5.1696 4.9076 4.6948 3.6634 2.8631 2.6794 2.3829
60 17.375 10.783 8.3528 7.0577 6.2464 5.6825 5.2678 4.9477 4.6912 4.482 3.4688 2.6721 2.4884 2.1855
70 17.026 10.536 8.1491 6.8758 6.0754 5.5188 5.1095 4.793 4.5402 4.3347 3.3342 2.5411 2.3565 2.0464
80 16.778 10.354 7.9963 6.7375 5.9481 5.3988 4.9949 4.6821 4.4329 4.2292 3.236 2.4456 2.2592 1.9431
90 16.589 10.223 7.8799 6.6357 5.8535 5.3078 4.9076 4.5984 4.351 4.1473 3.1614 2.3729 2.1846 1.8626
100 16.429 10.114 7.7926 6.5556 5.7771 5.2387 4.8385 4.5311 4.2855 4.0836 3.1032 2.3151 2.1264 1.7985
200 15.76 9.6479 7.3996 6.2064 5.4533 4.9295 4.5438 4.2455 4.0054 3.8108 2.8531 2.0646 1.8672 1.497
300 15.556 9.4988 7.276 6.0936 5.3478 4.8312 4.4492 4.1546 3.9181 3.7235 2.773 1.9836 1.7826 1.3858
400 15.447 9.426 7.2177 6.039 5.2969 4.7839 4.4038 4.1091 3.8744 3.6816 2.7339 1.9436 1.7403 1.3252
500 15.381 9.3823 7.1777 6.0063 5.2678 4.7548 4.3765 4.0818 3.849 3.6562 2.7103 1.9195 1.7149 1.286
600 15.338 9.3532 7.1559 5.9845 5.2478 4.7366 4.3583 4.0654 3.8308 3.6398 2.6948 1.904 1.698 1.2583
700 15.309 9.3351 7.1377 5.9699 5.2332 4.7221 4.3456 4.0527 3.8181 3.6271 2.6839 1.8927 1.6857 1.2374
800 15.294 9.3169 7.1232 5.959 5.2241 4.713 4.3347 4.0436 3.809 3.618 2.6757 1.884 1.6769 1.2209
900 15.272 9.3059 7.1159 5.9481 5.2132 4.7039 4.3274 4.0363 3.8035 3.6107 2.6694 1.8777 1.6698 1.2076
1000 15.265 9.2987 7.1086 5.9408 5.2078 4.6984 4.3219 4.0309 3.7962 3.6052 2.6648 1.8722 1.6641 1.1964
1500 15.221 9.2696 7.0831 5.919 5.1878 4.6803 4.3037 4.0127 3.7799 3.5889 2.6494 1.8563 1.6471 1.1603
2000 15.199 9.255 7.0722 5.9099 5.1787 4.6712 4.2946 4.0036 3.7726 3.5816 2.6421 1.8485 1.6387 1.14
10000 15.149 9.2186 7.0431 5.8844 5.155 4.6493 4.2728 3.9836 3.7517 3.5616 2.6239 1.8299 1.6182 1.0772
ESTE GUIA MEA ES UNA OBRA DE AL-QUADOSH+
By Julio Vargas Herbas 16 de Junio de 1979


Estadistica Inferencial de Julio Vargas Herbas

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estadistica Inferencial de Julio Vargas Herbas

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD AUTNOMA

GABRIEL REN MORENO

Lic. Julio Vargas Herbas

Santa Cruz de la Sierra-EP Bolivia

El texto consta de seis unidades donde se da un tratamiento adecuado, caracterizado grfica y

Es importante aclarar que la finalidad de ests cursos de la materia de estadstica inferencial, es

Esperando sea de su mximo aprovechamiento y desendoles muchos xitos siempre a su

Lic. Julio Vargas Herbas

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Total de Horas: 4 HT 2 HP- 96 HORAS SEMESTRALES

Aprobado por: MSC. EZEQUIEL PANIAGUA BANEGAS

La estadstica inferencial proporciona fundamentos cientficos y metodolgicos, para ser utilizados en el

III.- OBJETIVO (S) GENERAL (ES)

Al finalizar el curso el estudiante ser capaz de:

IV.- CONTENIDOS MNIMOS

Probabilidades Variables Aleatorias Distribuciones de Probabilidad para Variables Aleatorias discretas

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

OBJETIVOS ESPECIFICOS: Que al finalizar la unidad, el estudiante sea capaz de:

Determinar las probabilidades de eventos.

TIEMPO 12 Horas aula

OBJETIVOS ESPECIFICOS: Que al finalizar la unidad, el estudiante sea capaz de:

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

TIEMPO 24 Horas aula

OBJETIVOS ESPECIFICOS: Que al finalizar la unidad, el estudiante sea capaz de:

OBJETIVOS ESPECIFICOS: Que al finalizar la unidad, el estudiante sea capaz de:

Calcular el tamao de muestra adecuado para la estimacin de parmetros

4.1.1 Poblacin y parmetro.

TIEMPO 12 Horas aula

OBJETIVOS ESPECIFICOS: Que al finalizar la unidad, el estudiante sea capaz de:

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

TIEMPO 12 Horas aula

OBJETIVOS ESPECIFICOS: Que al finalizar la unidad, el estudiante sea capaz de:

VI.- METODOLOGA CONTENIDOS ANALTICOS

El desarrollo de los contenidos se realizar utilizando diferentes estrategias de enseanza-aprendizaje de

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

MUY PROBABLE, POCO PROBABLE

EJEMPLO#33 De cul de las siguientes bolsas es ms probable sacar la bola roja?

Por lo tanto, es ms probable sacar bola roja de la

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

EJEMPLO#35 Hallar las siguientes probabilidades asociados al lanzamiento de un dado correcto.

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

EJEMPLO#41 Extraemos una tarjeta de cada una de estas bolsas.

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

a)P(A), P(O), P(G), P(no G):

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Sumando las primeras tres ecuaciones:

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

EJEMPLO#72 Calcular la probabilidad de los siguientes eventos, analizando si son o no ME.

Lic. Julio Vargas Herbas **UAGRM** ESTADSTICA INFERENCIAL

c) Se lanza un dado buscando obtener impar menor que 5:

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL

Lic. Julio Vargas Herbas UAGRM ESTADSTICA INFERENCIAL