Académique Documents
Professionnel Documents
Culture Documents
TEXTO DE
ESTADÍSTICA II
PARA
CIENCIAS EMPRESARIALES
Autores:
Cochabamba – Bolivia
Año 2003
ANEXO DE
TABLAS ESTADÍSTICAS
1. Distribuciones de Densidad
Este texto ha sido escrito por la necesidad de contar con un texto práctico, que ayude a
los estudiantes a entender de manera clara los conceptos, procedimientos, cálculos,
objetivos y finalidad de la Estadística Inferencial, en cualquier área de preparación en la
que se encuentren.
Los árboles de decisiones que se incluyen en cada tema, con el objeto que la resolución
de problemas inferenciales se practique de manera sencilla, son aportes exclusivos de los
autores. Por otro lado, en cada capítulo se han incluido ejercicios de clase, con el fin de
que el docente pueda usarlos para realizar su explicación de manera efectiva, y también
ejercicios propuestos, para que el estudiante pueda resolverlos en casa, en base a la
enseñanza que recibió en el aula.
El capítulo 6 desarrolla la prueba del Análisis de Varianza, más conocida como ANOVA,
con el objeto de introducir al lector en el análisis de experimentos.
El texto que se ofrece nace como fruto de una larga experiencia en la labor docente
universitaria, ejercitada en medio de diversos ambientes estudiantiles, unas veces en
Economía, Administración, Mercadotecnia, Sociología y Comunicación, otras veces en
Ingeniería Industrial, Civil, Producción, Química y Biología, y otras tantas en Derecho,
Psicología y Pedagogía, en los cuales los autores han tenido la oportunidad de ofrecer el
conocimiento sobre la Estadística existente en muchos libros, el elaborado por su propia
experiencia, su personalidad didáctica y el aporte estudiantil, con excelentes resultados
para los formados.
Esperamos que el texto de Estadística II que presentamos pueda ser de gran ayuda a los
estudiosos que tengan interés de usar esta rama científica para el beneficio de su entorno
profesional.
Los autores
CONTENIDO
PRÓLOGO i
CONTENIDO iii
1. Introducción 2
2. Experimento Determinístico y Aleatorio 2
3. Características de un Experimento Aleatorio 2
4. Probabilidad 6
5. Variable Aleatoria 8
6. Distribución de Probabilidades 9
7. Estadígrafos de Posición y Dispersión Esperados 13
8. Reglas de Composición para el Cálculo de Probabilidades 22
9. Cálculo de Probabilidades Utilizando Diagrama de Árbol 29
10. Generalización de las reglas para el cálculo de probabilidades 33
11. Distribución Bidimensional de Probabilidades 35
Ejercicios de Clase 39
Ejercicios Propuestos 44
Ejercicios para Examen 48
1. Introducción 49
2. Distribuciones Teóricas Discretas de Probabilidad 50
3. Distribuciones Teóricas Continuas de Probabilidad 58
4. Aproximación Normal a la Binomial 63
5. Árbol de Decisión para Elegir la Distribución Teórica Adecuada en la
Resolución de Problemas 65
Ejercicios de Clase 67
Ejercicios Propuestos 70
Ejercicios Para Examen 75
1. Introducción 78
2. Tipos de Muestreo 79
3. Métodos de Muestreo Aleatorio 80
4. Distribuciones de Muestreo 83
5. Teorema Central del Límite 89
iii
6. Tamaño de la Muestra y Error Estándar 90
7. Multiplicador de Población Finita 91
8. Árbol de Decisión para las Aplicaciones de la Distribución Normal 92
9. Errores Sistemáticos en el Muestreo 94
10. Elementos de Importancia en las Encuestas Muestrales 95
Ejercicios de Clase 96
Ejercicios Propuestos 97
Ejercicios para Examen 98
1. Introducción 103
2. Tipos de Estimaciones 103
3. Criterios de un Buen Estimador 104
4. Estimación por Intervalos 104
5. Árbol de Decisión para la elección del Intervalo de Confianza Adecuado
en la Resolución de Problemas 133
Ejercicios de Clase 135
Ejercicios Propuestos 139
Ejercicios para Examen 144
1. Introducción 147
2. Conceptos Básicos del Procedimiento de la Prueba de Hipótesis 147
3. Prueba de Significación de Una y Dos Colas 149
4. Pruebas de Hipótesis 149
5. Árbol de Decisión para la Elección de la Prueba de Hipótesis Adecuada
en la Resolución de Problemas 165
Ejercicios de Clase 167
Ejercicios Propuestos 171
Ejercicios para Examen 177
1. Introducción 180
2. Suposiciones 180
3. Procedimiento 180
4. ANOVA con un Factor 181
5. ANOVA con dos Factores sin Interacción 185
Ejercicios de Clase 190
Ejercicios Propuestos 191
Ejercicios para Examen 193
iv
CAPÍTULO 7. MÉTODOS NO PARAMÉTRICOS 195
1. Introducción 195
2. Pruebas No Paramétricas 195
3. Ventajas y Desventajas de los Métodos No Paramétricos 195
4. Pruebas Chi-Cuadrada 196
5. Prueba del Signo para Datos Pareados 202
6. Pruebas de Suma de Rangos 207
7. Árbol de Decisión para Elegir la Prueba Paramétrica o No Paramétrica en
la Resolución de Problemas 214
Ejercicios de Clase 216
Ejercicios Propuestos 220
Ejercicios para Examen 226
BIBLIOGRAFÍA 229
ANEXOS 231
v
PARTE I
CONCEPTO
Una probabilidad es un grado de certeza que se puede obtener de cualquier evento que
vaya a ocurrir o que ocurrió, en base a una escala de 0 a 1. Si el evento nunca ocurrirá, se
le asigna una probabilidad de 0, caso contrario, si el evento siempre pasará, se le asigna la
probabilidad de 1. Dependiendo si es menos o más probable que el suceso se dé, se
tendrán probabilidades de 0 a 0.5 o de 0.5 a 1, respectivamente.
DETERMINACIÓN
APLICACIÓN
El análisis de probabilidades surgió como una manera para predecir los triunfos o derrotas
en los juegos de azar. Posteriormente se aplicó en el campo de los seguros de vida. Por su
utilidad y versatilidad en ese campo, todas las ramas científicas la adoptaron a sus
respectivas necesidades. Es así que las ingenierías la utilizaron para el control de calidad,
diseño y análisis de experimentos, pronósticos en la producción y la dirección de
operaciones, optimización multivariable, modelación y para decisiones diversas. Las
Ciencias Económicas utilizaron la estadística como una metodología de investigación, en el
análisis econométrico, investigación de mercados y decisiones gerenciales diversas.
1
CAPÍTULO 1
DISTRIBUCIÓN DE PROBABILIDADES
1. INTRODUCCIÓN
La teoría de las probabilidades tuvo su origen en los problemas relacionados con los juegos
de azar (dados, barajas, etc.). Mas tarde el concepto de probabilidad, convenientemente
modificado, se ha aplicado a los seguros y a los problemas de inferencia estadística. Estos
últimos poseen numerosas aplicaciones en la física moderna, la biología, la agricultura, la
industria, las ciencias sociales y la economía. De aquí que la teoría de las probabilidades
tenga hoy gran interés práctico y teórico y constituya una rama importante de la matemática,
ingeniería y de las ciencias sociales.
Los datos para una variable pueden obtenerse no solo por un experimento determinístico,
sino también mediante experimentos aleatorios. Un experimento aleatorio se define como
aquél que se puede producir de manera indefinida, con las mismas condiciones, sin la
posibilidad de determinar de antemano el resultado de una prueba, en observación a dichas
condiciones. Ejemplo: fabricación de un bien estándar o defectuoso, lanzar una moneda o un
dado, observar un nacimiento y ver el sexo, determinar el día en que una máquina va a fallar,
etc. En todos estos ejemplos no se puede saber el resultado preciso antes de realizar los
experimentos.
3. EXPERIMENTO ALEATORIO
3.1. Características
• Se puede repetir de manera indefinida, esto asegura que los resultados sean simétricos y
que el elemento del experimento sea homogéneo.
• Los resultados del experimento son numerables y registrables.
• No es posible determinar el resultado exacto de un experimento aleatorio antes de que
ocurra, pero si obtener una lista de los posibles.
• Por el principio de la regularidad estadística es posible estimar un resultado cualquiera del
experimento cuando este se haya realizado muchas veces.
2
3.2. Espacio muestral
Los espacios muestrales pueden ser finitos o infinitos. Es finito cuando se trata de un
conjunto numerable, como por ejemplo los resultados posibles que existen al elegir un
número de la lotería de entre 100000 boletos. Es infinito cuando es continuo no numerable,
como por ejemplo los resultados posibles que se pueden dar al elegir una persona de todas
las que hay en el mundo.
Dado un experimento aleatorio, los resultados posibles o imaginables a que da lugar dicho
experimento pueden determinarse utilizando:
Cualquiera de los instrumentos señalados son alternativos, con las restricciones descritas.
Ejemplo.
Resolución.
Para construirlo se debe preguntar: ¿cuáles son los posibles billetes que se puede sacar en
la primera extracción? La segunda pregunta: habiendo sacado un billete de 10, 20 o 50,
¿qué posibles billetes puedo sacar en la segunda extracción?
3
1a extracción 2a extracción
10
10 20
50
10 10
20 20 20
50 50
10
50 20
50
En las columnas se registran los resultados de la primera extracción y en las filas, los de la
segunda extracción. El cuerpo de dicha tabla registra los resultados posibles o imaginables,
es decir el espacio muestral:
1a 10 20 50
a
2
10 10 – 10 10 – 20 10 – 50
20 20 – 10 20 - 20 20 – 50
50 50 - 10 50 - 20 50 - 50
Ejemplo.
Resolución.
• No se trata del mismo experimento aleatorio, porque en este caso se extraen los billetes
uno tras otro, pero sin reposición.
• Los resultados posibles o imaginables de dicho experimento pueden ser obtenidos
mediante un arboligrama.
Aquí se realizan las mismas preguntas que en ejemplo anterior. Se observará que basta que
una condición del experimento cambie, para que éste tenga otro espacio muestral.
4
1a extracción 2a extracción
20
10
50
10 10
20 20
50 50
10
50
20
1a 10 20 50
a
2
10 X 10 – 20 10 – 50
20 20 – 10 X 20 – 50
50 50 - 10 50 - 20 X
Ejemplo: Si el experimento aleatorio consiste en lanzar al aire una moneda tres veces y
observar los resultados conjuntos, un evento puede ser:
Los eventos o sucesos aleatorios pueden ser simples o compuestos, según puedan o no
descomponerse en otros resultados del experimento. Ejemplo: al lanzar una moneda sale
cara o cruz, estos resultados son simples. Al lanzar una moneda 2 veces: cs, cc o ss, son
eventos compuestos.
5
b) Sucesos ciertos e imposibles
Un suceso es cierto cuando los resultados que se obtienen cumplen las condiciones del
experimento. Ejemplo: al lanzar una moneda, los sucesos ciertos son cara o cruz. El suceso
imposible se da cuando el resultado del experimento no cumple las condiciones esperadas.
Ejemplo: cuando la moneda cae de perfil.
Dos o más sucesos son mutuamente excluyentes cuando la ocurrencia de uno de ellos
excluye la aparición de los otros. Ejemplo: al lanzar un dado la aparición de 5 excluye la
aparición de 1, 2, 3, 4 y 6.
Dos o más eventos son igualmente posibles cuando ninguno tiene mayor posibilidad de
ocurrencia que el otro. Ejemplo: al lanzar una moneda hay la misma posibilidad que salga
cara o sello si ésta está bien hecha. Las monedas “cargadas” dan la posibilidad a sucesos
que no son igualmente posibles.
Un suceso es dependiente de otro cuando la ocurrencia de uno afecta al resultado del otro.
Ejemplo: si se tiene 3 bolas rojas y una azul en una urna y en la primera extracción se eligió
al azar una bola roja, el suceso que se extraiga una bola roja en la segunda extracción es
dependiente de la primera. Sin embargo, si la bola roja extraída se repone a la urna, la
segunda extracción será independiente de la primera.
4. PROBABILIDAD
La probabilidad es una medida del riesgo o de la incertidumbre. Se dice que existe riesgo
cuando se conoce el espacio muestral y la probabilidad de aparición de los sucesos. La
situación que indica incertidumbre, desconoce la presencia del espacio muestral, la
probabilidad de los sucesos o ambos.
Algunas propiedades que presentan los sucesos, al hablar de sus probabilidades son:
Ejemplo.
Resolución.
1 1 1 1
P(HHM) = P(H)P(H)P(M) = =
2 2 2 8
1 1 1 3
P(E1 ) = + + =
8 8 8 8
7
4.2. Probabilidad a posteriori
Ejemplo.
Según datos históricos se sabe que 20 de 100 taxis sufren choques muy fuertes al año en
Cochabamba ¿Cuál es la probabilidad de que se suba a un taxi y se choque?
20
P(A) = *100 = 20%
100
Existe una probabilidad del 20% de que el taxi al que se subió sufra un choque fuerte.
Ejemplo.
5. VARIABLE ALEATORIA
Es una función que permite transformar puntos del espacio muestral en puntos del conjunto
de los números naturales. Puede ser continua o discreta.
Ejemplo.
8
Casos del espacio Valores de la variable aleatoria discreta: (Xi).
muestral
MMM X1 = 0 => Los recién nacidos son todos mujeres
MMH, MHM, HMM X2 = 1 Significa 1 hombre entre los recién nacidos
MHH, HMH, HHM X3 = 2 Significa 2 hombres
HHH X4 = 3 Significa 3 hombres
Si dentro el espacio muestral, teniendo en cuenta la variable aleatoria definida, se define una
función de probabilidades que determine la ocurrencia de los diferentes valores de la
variable, se dice que se ha definido en: P(x en A)
6. DISTRIBUCIÓN DE PROBABILIDADES
Sea un experimento aleatorio que permite definir un espacio muestral, sea x la variable
aleatoria y P(x) las probabilidades respectivas. La función de probabilidad se obtiene cuando
determinada una variable aleatoria para el espacio muestral se dispone de las probabilidades
correspondientes producidas en el experimento aleatorio.
a) Propiedades.
∑ P(x ) = 1
x =1
i
Para determinar si una función es de cuantía debe cumplir con las condiciones anteriores.
Para evaluar la segunda condición: “La suma de la función de cuantía en el recorrido de la
variable debe sumar la unidad”, es necesario incorporar una variable de trabajo “k”, tal que:
• Si k = 1, entonces la función propuesta es de cuantía.
• Si k ≠ 1, entonces debe corregirse la función de cuantía en dicha constante.
9
Ejemplo.
Resolución.
1 = k ∑ (2x+1) = k + 3k + 5k + 7k
1 = 16 k k = 1/16
Respuesta: Que la variable x tome un valor menor que dos, ocurre en un 25%.
3 3
1
Se sabe que: P (x ) = Σ P (x i ) = Σ (2x + 1 )
i= 0 i =0 16
xi P(xi) Pac(xi)
0 1/16 1/16
1 3/16 4/16
2 5/16 9/16
3 7/16 16/16
16/16
b) Representación gráfica.
Las distribuciones de probabilidad para variable aleatoria discreta pueden ser representadas
mediante un diagrama de barras, circular o rectangular, usando los valores de probabilidad
para el eje y y los valores de la variable para el eje x. También pueden ser representadas
10
mediante diagramas acumulados de probabilidades.
Diagrama de barras.
45%
40%
35%
30%
P(xi) [%]
25%
20%
15%
10%
5%
0%
0 1 2 3
xi
a) Propiedades.
∫ f ( x )dx = 1
−∞
Ejemplo.
f(x) = 2x + 1 Para 0 ≤ x ≤ 3
11
a) Determine si es o no una función de densidad, si no fuera, entonces corríjala.
b) Halle la probabilidad de que x sea menor que 2.
c) Halle la función de distribución y verifique el resultado anterior.
• Debe cumplir la condición: “La integral de la función en el recorrido de la variable debe ser
igual a 1”.
Es decir:
3 3
1 = ∫ k * (2x + 1 ) dx = k * ( x 2 + x ) | = 9k + 3k = 12k
0 0
Entonces: k = 1/12
1 2 6
b) Se pide: f (x < 2 ) =
12 ∫
0
(2x + 1 ) dx =
12
= 0.5
c) Se verifica así:
1 2 3
1 2 1 4 1 6
* ∫ (2x + 1 ) dx = * ∫ (2x + 1 ) dx = * ∫ (2x + 1 ) dx =
12 0 12 12 1 12 12 2 12
Li-1 - Li f (x)
0-1 2/12
1’ - 2 4/12
2’ - 3 6/12
12/12=1
b) Representación gráfica.
12
Histograma
60%
50%
40%
P(xi) [%]
30%
20%
10%
0%
0-1 1-2 2-3
Li-1 - Li
Sea E un experimento y S un espacio muestral. Si en dicho espacio se define una función P(x)
en el espacio muestral S, entonces es posible determinar indicadores que definan la posición
y la forma de la distribución, tal como la esperanza matemática y la varianza esperada.
a) Función de cuantía
n
E [x ] = ∑ x i P ( x i ) para x = 0, 1, 2,K , n
i=1
Ejemplo.
13
largo y 2 de cabello corto. Se quieren elegir al azar dos de ellas.
xi P(xi)
0 2/20
1 12/20
2 6/20
ΣP(xi)=1
Resolución.
xi P(xi) xi * P(xi)
0 2/20 0
1 12/20 12/20
2 6/20 12/20
ΣP(xi)=1 24/20
• Luego:
24
E [x ] = = 1.2
20
Conclusión: Al elegir al azar 2 señoritas de pelo corto y largo, se espera obtener en promedio
1.2 señoritas de pelo largo.
b) Función de densidad
E [x ] = ∫x
−∞
i f ( x i ) dx para − ∞ ≤ x ≤ ∞
Ejemplo.
1
f (x ) = (2 x + 1 ) para 0 ≤ x ≤ 3
12
Halle la esperanza matemática.
Resolución.
E [x ] = ∫x
−∞
f (x ) dx
14
b) Se aplica los datos a la ecuación anterior:
3
1 1 2 1 54
E [x ] = ∫ x [ (2x + 1 )] dx = ( x 3 + x 2 ) = ( + 9 ) = 2.15
0
12 12 3 12 3
a) Función de cuantía
2
n n
n
V(x) = ∑ (x i − µ) P(x i ) = ∑ x P(x i ) − ∑ x i P(x i )
2 2
i siendo: x = 0, 1, 2, 3, ... n.
i =1 i =1 i =1
Ejemplo.
Resolución.
2
106 34
V[x] = − = 2.11 S = 2.11 = 1.45
16 16
34
x= = 2.125
16
15
b) Función de densidad
−∞ −∞ −∞
Ejemplo.
Resolución:
2
3
1 3 1
V [x ] = ∫ x * [ * (2x + 1 )] dx − ∫ x * [ * (2x + 1 )] dx
2
0
12 0 12
2
1 4 3 3 1 2 3 2 3
= * ( x + x )|− * ( x + x )|
12 2 3 0 12 3 2 0
2
1 81 1 9
= * ( + 9 ) − * (18 + )
12 2 12 2
1 99 2025 2376 − 2025 351
= ( )− = = = 0.609
12 2 576 576 576
a) Función de cuantía
Ejemplo.
16
xi P(xi)
0 2/20
1 12/20
2 6/20
ΣP(xi)=1
Moda = 1
Conclusión: Lo más usual es elegir a una señorita de cabello largo entre dos, cuando
tenemos 5 señoritas, de las cuales 3 son de cabello largo.
b) Función de densidad
a) Halle las coordenadas de x de todos los puntos críticos de primer orden de la función en
el intervalo a ≤ x ≤ b (Un punto crítico es aquel que se obtiene igualando a cero o a no
existe la primera derivada de una función: f ’(x) = 0).
b) Calcule f(x) en estos valores críticos y en los puntos extremos x = a y x = b.
c) Seleccione el valor mayor de f(x) obtenido en el paso 2. Este es el máximo absoluto, que
puede ser confirmado mediante el criterio de la segunda derivada: f ’’(x) < 0.
Ejemplo.
Sea la siguiente función de densidad: f (x) =
3
8
( −2x 2 + 4x ) para 0 ≤ x ≤ 2 . Halle la moda.
Resolución.
a) Se determina la primera derivada y se iguala a cero para obtener los puntos críticos (se
toman en cuenta aquellos que se encuentran dentro el rango de la variable):
f '(x) = −4x + 4 = 0 x =1
Conclusión: La moda es 1.
17
2. Aplicando la fórmula empírica para intervalos constates o no constantes.
P i+1
Mo = L i −1 + a i+1 * ai Mo = P i+1 * +
P i+1 + P i −1
a i L i −1
+
P i+1 P i −1
a i+1 a i −1
Ejemplo.
Li-1 - Li P(xi)
0–1 2/12
1–2 4/12
2–3 6/12
12/12
Halle la moda.
Resolución.
a) Se determina la fila de clase modal: Fila 3. (Porque esa fila es la que tiene la probabilidad
más alta)
b) Se determinan los elementos de la fórmula empírica para la moda de intervalos
constantes:
0
Mo = (1) + 2 = 2
0 + 124
Conclusión: La moda es 2.
3. Transformando la distribución tipo III en una tipo II mediante las marcas de clase y
aplicando la definición de la moda.
Ejemplo.
1
f (x ) = (2 x + 1 ) para 0 ≤ x ≤ 3
12
18
Li-1 - Li Li −1 + L i P(xi)
xi =
2
0–1 0.5 2/12
1–2 1.5 4/12
2–3 2.5 6/12
12/12
Halle la moda.
Resolución.
Se puede observar que existe diferencia entre el método b) y el c). Esto se debe a que en el
último se realiza una aproximación.
a) Función de cuantía
Ejemplo.
1
Sea la siguiente función de cuantía: f (x) = (2x + 1) x = 0, 1, 2, 3
16
Halle la mediana esperada.
Resolución.
19
xi P(xi) Pac (xi)
0 1/16 = 0.0625 0.0625
1 3/16 = 0.1875 0.2500 0.5
Fila i 2 5/16 = 0.3125 0.5625
3 7/16 = 0.4375 1.0000
16/16
b) Función de densidad
La mediana esperada de una función de densidad puede ser calculada por tres métodos:
Me ∞
1
∫
−∞
f (x) dx = ∫ f (x) dx = 2
Me
−∞≤ x ≤∞
Ejemplo.
Resolución.
• Se calcula la integral:
Me Me
1 1 2 1 1
∫0 12 (2x + 1) dx = 12 (x + x) 0 = 12 (Me + Me) = 2
2
Me 2 + Me − 6 = 0
Me = 2 Me = −3
20
2. Mediante la siguiente fórmula empírica para distribuciones tipo III:
0.5 − Pac (x i −1 )
Me = Li −1 + (a i )
P(x i )
Ejemplo.
• Ubique 0.5 entre dos valores de probabilidad acumulada: En este caso el valor coincide
con la de la fila 2, que se constituye en la fila de clase mediana.
Ejemplo.
• Se transforma la distribución tipo III en tipo II mediante las marcas de clase (columna 2) y
se obtienen las probabilidades acumuladas (columna 4):
21
Li-1 - Li xi P(xi) Pac(xi)
0–1 0.5 2/12 = 0.1667 0.1667
Fila i 1–2 1.5 4/12 = 0.3333 0. 5000 0.5
Fila i+1 2 – 3 2.5 6/12 = 0.5000 1
12/12
• Se ubica 0.5 entre dos valores de probabilidad acumulada: En este caso coincide con el
valor de la fila 2 que es la fila de clase mediana. Por lo tanto la mediana se halla por
medio de la siguiente fórmula:
x i + x i +1 1.5 + 2.5
Me = = =2
2 2
8.1. Generalidades
Sea un experimento aleatorio “E” que tiene un espacio muestral “S”, donde sus resultados
posibles se organizan atendiendo a dos criterios de ordenación (xi , yj). La presentación de
estos resultados se efectúa en un cuadro de doble entrada, donde nij indica el número de
veces que aparece el par (xi , yj); en consecuencia, una distribución bidimensional de
probabilidades se presenta en la siguiente forma general:
yj y1 y2 ... ys
xi
x1 n11 n12 ... n1s
x2 n21 n22 ... n2s
: : : : :
xr nr1 nr2 ... nrs
r s
n = ∑ ∑ n ij
i=1 j=1
donde:
n ij Casos favorables
P ij = =
n Casos posibles
y Pij se lee como probabilidad del evento (xi , yj), que es la probabilidad conjunta.
22
8.2. Probabilidad marginal
s
n i1 n i2 n i3 n
P ( x i ) = ∑ P ( x i, y j ) = + + + . . . + is
j=1 n n n n
r
n1j n 2j n 3j n
P ( y j ) = ∑ P ( x i, y j ) = + + + . . . + rj
i=1 n n n n
Se busca determinar la probabilidad de la unión de dos sucesos. Según que los sucesos
sean mutuamente excluyentes o no, la regla de la adición se determina de las dos siguientes
formas:
Nota: Para resolver problemas de adición de eventos en general, debe utilizarse la regla
correspondiente a dos sucesos cualquiera, salvo que se tenga como dato que los sucesos
sean mutuamente excluyentes.
Para entender mejor la regla de adición de eventos se usan los diagramas de Venn
(investigador inglés, 1834-88), que son representaciones gráficas de los resultados de un
experimento aleatorio. Para elaborar un diagrama de Venn, se representa al espacio
muestral por un rectángulo, mientras que los eventos aparecen como regiones dentro del
rectángulo, generalmente en forma de círculos.
A
A
S S
A A’
A y A’ son mutuamente excluyentes
A B A B
S S
A∪B A∩B
A y B no son mutuamente excluyentes
A B A B
S S
A∪B A∩B
A y B son mutuamente excluyentes
El lector puede darse cuenta por qué en la suma de dos eventos que no son mutuamente
excluyentes, se debe restar la intersección (se estaría sumando dos veces el área
sombreada).
Ejemplo.
Resolución.
No se utilizan los dos últimos diagramas, ya que los eventos no son mutuamente
excluyentes, a menos que los dos cursos estén programados a la misma hora y en las
mismas fechas.
25
8.6. Probabilidad completa o total
y j = y 1 , y 2 , . . . , ys
s
P (x ) = P (x, y1) + P (x, y 2) + P (x, y 3) + . . . + P (x, y s) = ∑ P (x, y j)
j=1
P (x ) = P ( y1) *P (x / y1) + P ( y 2) * P (x / y 2) + . . . + P ( y s ) *P (x / y s )
s
= ∑ P ( y j ) * P (x / y j )
j=1
Permite determinar la probabilidad de las hipótesis yj dado el evento xi. Se expresa en forma
de una probabilidad condicional de la siguiente manera:
P (x i y j ) P (y j ) * P (x i / y j )
P (y j /x i ) = = s
P (x i )
Σ P (y
j=1
j ) * P (x i / y j )
8.8. Ejemplo
Sea xi = estrato de votantes: joven, adulto y viejo; yj = partidos que participan en elecciones:
MNR, MIR, MBL. Mediante encuesta se ha determinado la siguiente distribución:
26
Mediante reglas de composición resolver las siguientes probabilidades:
13 9 0 22
P(V ∪ MBL) = + − = = 0.55
40 40 40 40
P (x , y )
P (x /y ) = Si P(y) > 0
P (y )
P (A, MNR )
P (A /MNR ) =
P (MNR )
7
P (A, MNR ) =
40
15
P(MNR) =
40
• Reemplazando valores:
7
7
P (A /MNR ) = 40 = = 0.47
15 15
40
27
Conclusión: La probabilidad de ser adulto dado que es del MNR es del 47%.
3
P (x ) = ∑ P (x, y j )
j=1
3
P (x ) = ∑ P ( y j ) * P (x / y j )
j=1
6 3 7 16
= + + =
40 40 40 40
Conclusión: Por lo tanto se verifica que la probabilidad de ser del MIR no es 15/20 sino
16/40.
6 3 7 6 16 6 6
=[ + + ] *[ ] = * =
40 40 40 16 40 16 40
Conclusión: No es cierto que la probabilidad de ser joven y del MIR sea 7/40. Su resultado es
6/40.
5) Demuestre que la probabilidad de ser adulto dado que es del MBL es de 5/9.
28
P (x i y j ) P (y j ) * P (x i / y j )
P (y j /x i ) = = s
P (x i )
Σ P (y
j=1
j ) * P (x i / y j )
P (MBL, A )
P (A /MBL ) =
P (MBL )
15 5 5
)( ) (
P (A /MBL ) = 40 15 = 40 = 5
9 9 9
40 40
Conclusión: Se verifica que la probabilidad de ser adulto dado que es del MBL es de 5/9.
Ejemplo.
Sea xi = estrato de votantes: joven, adulto y viejo; yj = partidos que participan en elecciones:
MNR, MIR, MBL. Mediante encuesta se ha determinado la siguiente distribución:
Resolución:
En primer lugar se dará un instructivo de lo que significa cada rama de un diagrama de árbol
y cómo hallar las probabilidades.
• Las primeras ramas del árbol presentan sucesos aleatorios que tienen probabilidades
marginales. Se puede comenzar por cualquier clasificación. Para diagramarlas debe
hacerse esta pregunta: Si se selecciona al azar una persona de entre las 40, ¿cuál es la
clasificación de su edad?
• Las segundas ramas de árbol son sucesos dependientes que presentan probabilidades
condicionales. Para diagramarlas debe hacerse la siguiente pregunta: habiendo
29
determinado la edad de la persona elegida al azar, ¿de qué partido es?
P. totales
Ejemplo.
88.24 0
21-41 1
42.39 4.22
≥2
90.07 0
39.87
7.00
41’-61 1
≥2
0
6.72
61’-71 1
2.96
≥2
El administrador quiere estimar cuantas personas de cada categoría existirán, si este año
hay 4194 nuevos conductores.
Resolución.
En primer lugar, se pueden determinar las probabilidades del arboligrama que faltan,
sabiendo que la suma de probabilidades de eventos mutuamente excluyentes debe ser de
uno.
31
Edad/n° accidentes 0 1 ≥2 Total
21-41 A D G N
41’-61 B E H O
61’-71 C F I P
total K L M 4194
Haciendo uso de las reglas de cálculo de probabilidades, se procede a hallar el valor de cada
variable.
N
P(21 − 41) = 0.4239 = N = 0.4239(4194) = 1778
4194
O = 0.3987(4194) = 1672
A A
P(0 / 21 − 41) = 0.8824 = = A = 0.8824(1778) = 1569
N 1778
D = 0.0754(1778) = 134
B = 0.9007(1672) = 1506
E = 0.007(1672) = 117
H = 1672 − 1506 − 117 = 49
32
C = 0.9032(744) = 672
F = 0.0672(744) = 50
I = 744 − 672 − 50 = 22
Por último los totales de columna se obtienen sumando los valores de cada columna:
Se han mostrado las reglas para el cálculo de probabilidades cuando se tiene una
distribución bidimensional. Sin embargo se puede presentar el caso en el que exista ya no
dos sino tres o más clasificaciones. Para este tipo de problemas, se deberán generalizar las
reglas para el cálculo de probabilidades, para lo cual se considera un árbol que tiene tres
ramificaciones o eventos dependientes, cada uno de los cuales tiene dos resultados
posibles:
P. condicional P. conjuntas
P. condicional P(E/A,C)
E P(A, C, E) = P(A) + P(C / A) + P(E / A, C)
P. marginal P(C/A) C
P(F/A,C) F P(A, C, F) = P(A) + P(C / A) + P(F / A, C)
A
P(A) P(E/A,D) E P(A, D, E) = P(A) + P(D / A) + P(E / A, D)
P(D/A) D
P(F/A,D) F P(A, D, F) = P(A) + P(D / A) + P(F / A, D)
33
El lector puede darse cuenta qué pasaría si existen 4 eventos dependientes (en la cuarta
ramificación también se tendrían probabilidades condicionales).
Regla de la suma:
La suma de tres eventos dependientes, por ejemplo de los tres primeros, será:
X Y
2
7 5
1
4 3
6
8
Z
S
Ejemplo.
a) Zona 3.
b) Zonas 1 y 2.
c) Zonas 4, 6, 7 y 8.
Resolución.
a) Puesto que esta zona parte de Y y Z, pero no de X, representa el evento de que en el día
de campo se servirá cerveza y torta de chocolate, pero no hamburguesas.
b) Ya que esta zona pertenece tanto a X como a Y, representa el evento de que se servirán
hamburguesas y cerveza
c) Dado que estas zonas son ajenas a Y, constituye el evento de que no se servirá cerveza.
34
Ejemplo.
Con base en el siguiente diagrama de Venn, sea A el evento de que un ejecutivo de alto
rango de una compañía esté en la cafetería de su empresa, B el evento de que se encuentre
en la oficina de otro ejecutivo y C el evento de que se encuentre jugando al golf con un
cliente. Hallar la probabilidad de que una persona en un momento específico lo encuentre en
alguno de esos tres lugares.
A B
0.24 0.06 0.19
0.04
0.16 0.11
0.09
C
S
Resolución.
Reemplazando valores:
Respuesta: La probabilidad de que una persona encuentre al ejecutivo en alguno de los tres
lugares es del 23%.
a) f (x, y) ≥ 0
∞ ∞
b) ∫ ∫
−∞ −∞
f (x, y) dx dy = 1 ; para: −∞ ≤ x ≤ ∞ y −∞≤ y≤∞
Luego: 0 ≤ f (x, y) ≤ 1
35
siguiente manera:
b1 b2
P(a1 ≤ x ≤ b1; a 2 ≤ y ≤ b 2 ) = ∫ ∫ f (x, y) dx dy
a1 a2
f 1 (x ) = ∫ f (x, y ) dy
−∞
distribución marginal de "x"
f 2 (y ) = ∫ f (x, y ) dx
−∞
distribución marginal de "y"
x o y0
F (x o, y o ) = ∫ ∫ f (t , t
−∞ −∞
1 2 ) dt1 dt 2
Para expresar la probabilidad de que la variable xi esté en el par (x1, y1) y que la variable yj
esté en el par (x2, y2) en términos de la función de distribución, se procede de la siguiente
manera:
• Se usa un sistema de ejes coordenados, donde en el eje de las abscisas se representan
valores de xi y en el eje de ordenadas los valores de yj .
• En cada eje se representan los valores del par (a1,b1) y del par (a2,b2).
a1 b1 xi
P(a1 < x < b1 ; a2 < y < b2) = F(b1 , b2) - F(b1 , a2) - F(a1 , b2) + F(a1 , a2)
36
b1 b2
∫ ∫
a1 a2
f (x, y) dx dy
f (x, y )
(1 ) f (x /y ) = si f 2 (x ) > 0
f 2 (y )
f (x, y )
(2 ) f (y /x ) = si f 1 (x ) > 0
f 1 (x )
Ejemplo.
Resolución:
1 2
P(0 ≤ x ≤ 1; 0 ≤ y ≤ 2) = ∫ ∫ xe − x e − y dy dx
0 0
• Se resuelve primero la integral interna:
2 2 1 e2 − 1
∫0
e − y dy = − e− y 0 = −e −2 + 1 = −
e2
+ 1 =
e2
e2 − 1 1 −x e2 − 1 −x 1
1
= e − 1 − xe − x − e − x 1
2
e2 ∫0 ∫0
−x
xe dx = e 2 − xe + e dx
0 e 2 0
e2 − 1 −1 e 2 − 1 −2 e 2 − 1 e − 2
e2 − 2e + 1
e 2 e + 1 = e 2 e = 0.2285
=
Ejemplo.
Suponga que x representa el tiempo (en minutos) que una persona pasa con un agente
mientras elige una póliza de seguro de vida e y el tiempo que el agente emplea en hacer el
papeleo una vez que el cliente se ha decidido. Usted acuerda encontrarse con un agente de
seguros para suscribir una póliza de seguro de vida. Si la función de densidad de
probabilidad conjunta de x e y es:
37
1 − 30x −10y
f (x, y) = e e
300
Halle la probabilidad de que la operación requiera más de media hora.
Resolución.
30 Región:
y = 30 − x
0 ≤ x ≤ 30
0 ≤ y ≤ 30 − x
R
30
Se plantea la integral:
30 30 − x 1 − 30x −10y
P(x + y ≤ 30) = ∫ ∫ e e dy dx
0 0 300
Se resuelve:
30− x
−30
10 30 − 30x −10y 1 30 − 30x x10
300 ∫0
=− e e dx = − ∫ e e − 1 dx
0
30 0
30
1 30 2x30−90 30 −
x
1 30 2x30−90 −
x
= − ∫ e dx − ∫ e dx = − e
30
+ 30 e
30
30 0 0
30 2 0
1 1 1
=− + 3 − + 1 = 0.4730
2e 2e e
Acción: Si usted no tiene disponibilidad de media hora, entonces vuelva a programar su cita
para obtener una póliza de seguro de vida.
38
EJERCICIOS DE CLASE
Espacio muestral.
1. Dé una lista de los posibles resultados que se consiguen al lanzar dos dados. Dibuje el
arboligrama y un cuadro de doble entrada.
a) Un total de 5 y un 5 en un dado.
b) Un total de 7 y un número par de puntos en ambos dados.
c) Un total de 10 puntos y un 4 en un dado.
Distribución de cuantía.
8. Entre los quince solicitantes para tres puestos en un periódico, diez son graduados de
universidad. Si las selecciones se hacen al azar.
9. Una pastelería ofrece pasteles con decoración especial para cumpleaños, bodas y otras
ocasiones. También tiene pasteles normales en su tienda. En la tabla que sigue se
proporciona el número total de pasteles vendidos al día y las probabilidades
correspondientes.
Nº de pasteles Probabilidad
vendidos/día
12 0.25
13 0.40
14 0.25
15 0.10
Distribución de densidad.
12. Se sabe que el consumo de las personas (y), depende de los ingresos que perciben (x).
Para un grupo de 50 personas, se tiene la siguiente información (cientos de bs.):
Consumo
Ingresos 4 9 15
1- 5 8 7 3
5’ - 11 2 6 9
11’ - 15 0 5 10
14. Cada vendedor en una compañía se califica como abajo del promedio, promedio, o
arriba del promedio, con respecto a su habilidad para las ventas. Además cada vendedor
se clasifica con respecto a sus posibilidades de promoción:
Posibilidad de promoción
Habilidad en ventas Regular Buena Excelente
Abajo del promedio 16 12 22
Promedio 45 60 45
Encima del promedio 93 72 135
15. Un equipo de béisbol juega 70% de sus partidos por la noche y 30% durante el día. El
equipo gana 50% de sus juegos nocturnos y 90% de los diurnos. De acuerdo con el
41
diario del día de hoy ganó ayer. ¿Cuál es la probabilidad de que el partido se haya
desarrollado por la noche?
16. Una profesora ha estado enseñando Estadística durante muchos años. Sabe que 80%
de los estudiantes completan los problemas asignados. Determinó que de los alumnos
que hacen las tareas 90% aprobarán el curso. De aquellos estudiantes que no realizan
la tarea completa solo 60% aprobarán. Miguel Sánchez tomó Estadística el último
semestre con la profesora y tuvo calificación aprobatoria. ¿Cuál es la probabilidad de
que sí haya hecho las tareas?
18. Una compañía que fabrica tornillos, tiene 3 fábricas: A, B, C. Las fábricas B y C
producen el mismo número de tornillos, mientras que A produce el doble de las de B.
Por experiencia pasada, se sabe que el 2% de los tornillos producidos por A y B
respectivamente son defectuosos, en tanto que el 4% de los fabricados por C son
defectuosos. Los tornillos producidos por las tres fábricas se guardan en un mismo lugar.
a) Cuáles son las probabilidades respectivas de que se presente un incendio, una falla
mecánica y un error humano?
b) Cuáles son las respectivas probabilidades de que una fuga de radiación sea
ocasionada por un incendio, una falla mecánica o por error humano?
42
20. Se realizó un estudio de mercado a nivel nacional para determinar las preferencias de
varios grupos de hombres que tienen diferentes edades, para diferentes deportes. Se
selecciona una muestra aleatoria de 1000 hombres y se les pide que indiquen su
deporte favorito. Los resultados son los siguientes:
< 20
>50
< 20
0.1981
20-40
BA 40’-50
>50
43
EJERCICIOS PROPUESTOS
a) El número de veces que se utiliza una computadora hasta que ésta falla y una segunda
computadora vendida por una firma distinta.
b) El tiempo de vida del presidente de los Estados Unidos y el tiempo de vida del
presidente de Rusia.
c) La adquisición de una compañía y la elevación del precio de sus acciones.
d) La frecuencia de donación de órganos de una comunidad y las orientaciones religiosas
de esa comunidad.
3. Una persona vende automóviles nuevos para una empresa. Generalmente negocia el
mayor número de autos los sábados. Ha establecido la siguiente distribución de
probabilidad para el número de autos que espera vender un sábado en particular.
N° de autos Probabilidad
vendidos
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
44
5. Una florería tiene 15 vehículos de reparto que se utilizan principalmente para llevar flores
y arreglos florales en una ciudad. Supóngase que 6 de los 15 camiones tiene problemas
con los frenos. Se seleccionaron 3 vehículos al azar para probarlos.
8. Una empresa tiene cuatro proveedores de materia prima. En la tabla que sigue se
muestran las cantidades adquiridas de cada proveedor y el porcentaje de materia prima
defectuosa que cada uno proporciona:
Porcentaje Porcentaje
Proveedor adquirido defectuoso
A) Roberts Inc. 30.0 2.50
B) Almus Mtg. 20.0 1.75
C) Lewis Ltd. 25.0 3.00
D) Melvin Inc. 25.0 1.00
45
9. El departamento de crédito de una negociación comercial, informó que 30% de sus ventas
son en efectivo, 30% se pagan con cheque en el momento de la adquisición y 40% son a
crédito. Se tiene que 20% de las compras en efectivo, 90% de los cheques y 60% de las
compras a crédito son por más de 50 $us.
10. Con base en la experiencia, se sabe que en cierta industria, el 60% de todas las
discusiones entre los empleados y la gerencia se refieren a los salarios, el 15% es sobre
las condiciones laborales y el 25% acerca de las prestaciones. Así mismo, el 45% de las
discusiones referentes a los salarios se resuelven sin huelgas, el 70% de las discusiones
sobre las condiciones laborales se resuelve sin huelgas y el 40% de las discusiones
acerca de las prestaciones se resuelve sin huelgas. ¿Cuál es la probabilidad de que una
discusión entre los empleados y la gerencia de esta industria se resuelva sin una
huelga?
11. En una planta electrónica, se sabe con base en la experiencia pasada que la
probabilidad de que un empleado nuevo que ha asistido al programa de capacitación de
la compañía cubra su cuota de producción es 0.86, y que la probabilidad
correspondiente para un empleado nuevo que no ha asistido al programa de
capacitación es 0.35. Si 80% de todos los empleados nuevos han asistido al programa
de capacitación, ¿cuál es la probabilidad de que:
12. En la Papelera S.A. se producen Blocks Líder con y sin espiral (50% de cada tipo), el
60% de cada tipo son rojos, 20% de los blocks sin espiral son azules lo mismo que 25%
de los con espiral, el resto de los Blocks son verdes.
46
14. El siguiente diagrama se refiere al número de unidades defectuosas producidas por
cuatro trabajadores operando tres diferentes máquinas, un día viernes.
35.577 M1
T1 M2 P(T1 , M 2 ) = 7.078 %
23.744
M3
34.234 M1 P(T2 / M1 ) = 26.207 %
T2 M2
P(M1 ) = 33.105 %
M3
31.148 M1 P(M 3 ) = 33.790 %
27.854
T3 M2
P(T3 , M 3 ) = 9.361 %
M3
M1
T4 M2
37.624
M3
47
EJERCICIOS PARA EXAMEN
1. La estatura mínima que deben tener los candidatos que quieren entrar a la selección
nacional de Voley Ball es de 1,7 m. Se ha descubierto que la estatura x en m. de los
candidatos que se han presentado tiene la siguiente función de densidad:
a) Determine la probabilidad que alguien que mide menos de 1,8 m. pueda entrar a la
selección.
b) Determine la probabilidad que tiene una persona que mide entre 1,8 y 2 m. de entrar a
la selección.
3. El consejo directivo de Industrias Sol está formado por ocho hombres y cuatro mujeres.
Se conforma un comité de cuatro elementos escogidos al azar.
b) Construya una tabla para la función de cuantía tomando en cuenta que la variable
aleatoria se define como el número de hombres que integran el comité.
a) Hallar la probabilidad que el alumno tenga que contestar al menos una pregunta sobre
distribuciones discretas de probabilidad.
b) Hallar la probabilidad que el alumno tenga que contestar 2 preguntas sobre
distribuciones de frecuencia.
48
CAPÍTULO 2
1. INTRODUCCIÓN
• Binomial
• Hipergeométrica
• Poisson.
• Multinomial.
• Binomial negativa.
Existen muchas otras más, como la distribución uniforme y la geométrica, pero para el
propósito de este texto solo se incluyen las más importantes.
• La Normal.
• t de Student
• Chi-cuadrada
• F de Fisher.
En este capítulo se estudiarán todas las funciones teóricas discretas de probabilidad y solo la
distribución continua Normal, puesto que se requieren nociones de inferencia estadística y
muestreo para estudiar las otras distribuciones mencionadas.
49
2. DISTRIBUCIONES TEÓRICAS DISCRETAS DE PROBABILIDAD
2.1. Introducción
Es una distribución de probabilidad discreta, pues los datos recopilados son resultado de
conteos. Se la utiliza como modelo cuando:
• El resultado solo puede tomar una de dos formas, comúnmente denominadas como éxito
y fracaso. Cada resultado es mutuamente excluyente.
• Los ensayos son independientes, lo cual significa que el resultado de un ensayo no afecta
al resultado de algún otro. Esta condición puede asegurarse mediante un muestreo con
reposición en poblaciones finitas o el muestreo de poblaciones infinitas o muy grandes.
n
P(x) = p x q n − x
x
Donde:
n, es el número de ensayos
x, es la variable aleatoria discreta del número de éxitos
p, es la probabilidad de éxito en cada ensayo
q, es la probabilidad de fracaso en cada ensayo, q = 1 - p
n n!
= es la combinatoria de ‘n’ en ‘x’
x x!(n − x)!
50
La varianza esperada es: σ2 = V(x) = n p q
Nota: La binomial en una distribución sesgada, pero para valores de p cercanos a 0.5 y
n>20, se vuelve prácticamente simétrica.
p
n x 0.1 0.2 0.3 ... 0.5
3 0
1 Valores de probabilidad
acumulada
2
Ejemplo.
Resolución:
Primero se verifica si las condiciones del problema que muestran una distribución de
probabilidad, se pueden ajustar al modelo binomial:
n=3
P(x) = 0.5
q(x) = 0.5
51
Entonces:
1 3−1
3 1 1 1 1
P(x = 1) = = 3 = 0.375
1 2 2 2 4
Respuesta: Hay una probabilidad de 37.5% de que en tres partos haya nacido una niña.
b) En este caso la variable "x" representa el número de niños. Probabilidad de nacer 2 o más
niños:
P (x ≥ 2 ) = P (x = 2 ) + P (x = 3 )
2 3− 2 3
3 1 1 3* 2 1
P(x = 2) = = = 0.375
2 2 2 1* 2 2
3 0 3
3 1 1 3* 2*1 1
P(x = 3) = = = 0.125
3 2 2 1* 2 *3 2
Respuesta: Hay una probabilidad del 50% de que en tres partos hayan nacido 2 o más niños.
Los resultados anteriores pueden determinarse directamente leyendo en una tabla B(x, n, p)
(tabla binomial de frecuencia acumulada), donde n es el número de pruebas y p, la
probabilidad de elementos.
p
n x 0.1 0.2 0.3 ... 0.5
3 0 0.1250
1 0.5000
2 0.8750
3 1.0000
52
• El número de pruebas o ensayos es fijo, “n”.
• El resultado solo puede tomar una de dos formas, comunmente denominadas como éxito
y fracaso. Cada resultado es mutuamente excluyente.
• Los ensayos deben ser dependientes. Esto ocurre cuando los ensayos son sin reposición
y en poblaciones finitas o pequeñas.
N1 N − N1
x n − x
P(x) =
N
n
Donde:
N, es el tamaño de la población
N1, es el número total de elementos de la categoría éxito en la población
n, es el número de ensayos o tamaño de la muestra
x, es el valor de la variable aleatoria discreta del número de éxitos
Ejemplo.
Resolución.
a) Obtener 2 naranjas.
4 7 − 4 4 * 3
2 3 2
− 1 * 2 * 3 108
P (x = 2 ) = = = = 0.51
7 7 * 6 * 5 210
1* 2 * 3
3
P (x ≥ 2 ) = P (x = 2 ) + P (x = 3 )
3 4 3 4 3* 2
*4
2 1 3 0
P(x ≥ 2) = + = 1* 2 1*1 78
+ = = 0.37
7 7 7 *6 *5 7 * 6*5 210
1* 2*3 1* 2 *3
3 3
Respuesta: En el 37% de los casos es posible que el niño haya obtenido al menos 2 limas.
También denominada ley de eventos improbables. Se aplica a problemas que cumplen las
características de una distribución binomial con probabilidad de éxito, “p”, pequeña (p<0.05)
y tamaño de muestra, “n”, grande (n>25).
Tiene muchas aplicaciones. Se utiliza como modelo para describir fenómenos como la
distribución de errores en captura de datos, número de imperfecciones en piezas
recientemente pintadas, número de clientes que hacen cola en un banco, número de
llamadas telefónicas, etc.
µ x e−µ
P(x, µ) =
x!
Donde:
54
Ejemplo.
Resolución.
Se pide: P(x ≥ 4, µ = 5)
Un experimento aleatorio se comporta como una distribución multinomial cuando observa las
siguientes características:
C1 , C2 , . . . . , CK
55
• Las pruebas son independientes, es decir el resultado de una prueba no afecta ni es
afectado por el resultado de la prueba anterior o la siguiente, respectivamente.
n!
f ( x1, x 2,..., x K ) = * P ( x1) x1 * P ( x 2) x 2 *...* P ( x K ) x K
x 1!* x 2!*...* x K!
n
n!
f ( x 1, x 2,..., x K ) = n
* Π P ( x i ) xi
Π x!
i=1
i
i=1
Ejemplo.
En una bolsa de mercado existen 7 cítricos: 3 naranjas, 2 limas y 2 toronjas. Un niño elige 3
cítricos con reposición. Determinar la probabilidad de que sean 2 toronjas y una naranja.
Resolución.
2 1 0
3! 2 3 2
f (x 1 = 2 , x 2 = 1 , x 3 = 0 ) =
2!* 1!* 0! 7 7 7
3 * 2 *1 4 9 72
= = = 0.105
2 *1 49 49 680
Respuesta: Entonces esta combinación formada por 2 toronjas y 1 naranja, se dará en 10.5
de 100 casos.
56
2.6. Distribución binomial negativa
* n -1 c n − c
b (n, c, P ) = P q
c -1
n -1 c n −c
B (n, c, p ) = ∑
*
p q
c -1
n x n−x
B (n, c, p ) = 1 - ∑ p q
*
x
B* (n, c, p ) = 1 - B (x -1, n, p )
Ejemplo.
Los productores de durazno en Cochabamba han detectado que el 10% de los duraznos
están afectados por la mosca. Supongamos que un grupo de estudiantes van a un huerto de
duraznos con el permiso del propietario y están deseosos de que, eligiendo al azar los
duraznos, puedan comer 20 duraznos buenos. ¿Cuál es la probabilidad de que tengan que
probar 25 o más duraznos (los afectados se descartan).
Resolución.
• Los resultados de la prueba se clasifican en éxito: durazno que no está afectado por la
57
mosca de la fruta; fracaso: durazno afectado.
Respuesta: Hay una probabilidad de 96.7% de que si quieren comer 20 duraznos buenos,
tengan que probar 25 o más duraznos.
a) Generalidades
− ( x −µ ) 2
1
y= e 2 σ2
−∞ ≤ x ≤ ∞
2πσ
58
3. La curva normal decrece uniformemente en ambas direcciones a partir del valor central.
Es asintótica.
50% 50%
Punto de
Punto de
inflexión inflexión
σ σ
-∞ +∞
Me=Mo=µ
Las posiciones indicadas en la escala de x son los límites de los porcentajes indicados en
cada caso:
1. µ ± 1σ => 68.27%
2. µ ± 2σ => 95.45%
3. µ ± 3σ => 99.73%
Resultaría imposible proporcionar una tabla de valores de probabilidad normal para cada
distribución, por lo que se recurre a una variable estandarizada o tipificada “z”:
X−µ
z=
σ
59
El valor de z mide la distancia entre un valor específico X y la media, en unidades de
desviación estándar. La media de la distribución normal estándar es 0 y su desviación
estándar 1 (se realizó esta comprobación en el capítulo de estadígrafos de comparación).
Ejemplo.
Se ha determinado que los jóvenes que asisten a la fiesta de San Juan, beben 25 tazas de
ponche en promedio, con una varianza de 64 tazas2. Si dicha variable se comporta como una
normal:
Resolución.
Gráficamente:
σ=8
19 µ = 25 x
• Se estandariza la variable.
x − µ 19 − 25
P( ≤ ) = P (z ≤ − 0.75 )
σ 8
Gráficamente:
σ=1
- 0.75 µ=0 z
60
• Se lee el resultado en la tabla de distribución normal de cola superior (Ver anexo de tablas
al final del texto):
P(z ≤ −0.75) = 0.2266
Gráficamente:
σ=8
µ = 25 41 x
• Se estandariza la variable.
x − µ 41 − 25
P( ≥ ) = P (z ≥ 2 )
σ 8
Gráficamente:
σ=1
µ=0 2 z
Gráficamente:
σ=8
19 µ = 25 31 x
61
• Se estandariza la variable.
19 − 25 x − µ 31 − 25
P( ≤ ≤ ) = P (−0.75 ≤ z ≤ 0.75 )
8 σ 8
Gráficamente:
σ=1
-0.75 µ = 0 0.75 z
Resultado: El 55% de los invitados a la fiesta de San Juan consumen entre 19 y 31 tazas de
ponche.
Gráficamente:
80% σ=8
X1 µ = 25 X2 x
• Se estandariza la variable.
x1 − 25 x − µ x 2 − 25
P( ≤ ≤ ) = 0.80
8 σ 8
Gráficamente:
80%
σ=1
z1 µ=0 z2 z
x1 − 25
−1.28 = x1 = 25 − (1.28) (8) = 14.76
8
x 2 − 25
1.28 = x 2 = 25 + (1.28) (8) = 35.24
8
Se utiliza cuando np y nq son mayores a 5. Esto quiere decir que el número de ensayos es
mayor a 20 (y por lo tanto ya no se puede usar la tabla de valores acumulados) y la
probabilidad de éxito es cercana a 0.5. En estas condiciones, la distribución binomial se
acerca mucho a la forma de la distribución normal, y es mejor y más fácil calcular las
distintas probabilidades con esta aproximación.
Debido a que se está aproximando una distribución discreta a una continua, es necesario un
factor de corrección.
El factor de corrección por continuidad es el valor 0.5 que se resta o se suma, dependiendo
del problema, a un valor seleccionado cuando una distribución probabilística binomial se está
aproximando por medio de una distribución de probabilidad continua.
(x ± 0.5) − np
Z=
npq
Ejemplo.
La gerencia de la cadena de pizzerías CAPRI reveló que el 70% de sus nuevos clientes
vuelven en otra ocasión. En una semana en la que 80 nuevos clientes (de primera vez)
cenaron en uno de sus establecimientos, ¿cuál es la probabilidad que:
63
Resolución.
Segunda: P(x ≥ 60) = 1 − P(x ≤ 59) = 1 − [ P(x = 59) + P(x = 58) + K + P(x = 0) ]
En cada caso, se debe resolver 20 ó 60 veces la fórmula binomial, para hallar el resultado.
Se concluye que es mejor realizar la aproximación.
Para realizar la aproximación, primero se debe verificar si se cumple con las dos
condiciones: np y nq sean mayores a 5.
np = 80(0.7) = 56 nq = 80(0.3) = 24
Gráficamente:
σ = 4.1
µ =56 60 x
Se estandariza la variable:
Gráficamente:
σ=1
µ =1 0.85 z
Respuesta: Hay una probabilidad de 19.77% de que de 80 personas que vinieron la primera
vez a la pizzería CAPRI, 60 o más regresen.
Estandarizando:
(x ± 0.5) − µ (40 + 0.5) − 56
P ≥ = P (z ≥ −3.78 )
σ 4.1
Gráficamente:
40 µ = 56 x
-3.78 µ=1 z
En este caso, para cubrir un poco más del área, se tuvo que sumar 40 + 0.5, para realizar la
corrección por continuidad.
n>25
p<0.05 Poisson µ x e−µ
P(x, µ) =
independiente x!
Binomial
dicotómico (x ± 0.5) − np
n np>5 Aproximación Z =
P(x) = p x q n − x nq>5 a la normal npq
x
fijo dependiente N1 N − N1
Hipergeométrica
x n−x
categoría P(x) =
N
discreta n
n
variable independiente Multinomial n!
f (x1, x2,..., xK ) = n
* Π P (xi )xi
i=1
Πx! i
i=1
¿Tipo de
variable?
− ( x −µ )2
¿Número de 1 2 σ2 X −µ
Normal y= e −∞ ≤ x ≤ ∞ z=
ensayos? σ
¿Resultados 2πσ
¿Naturaleza
posibles?
de las
pruebas?
66
EJERCICIOS DE CLASE
Binomial.
Hipergeométrica.
Poisson.
5. Un productor de semillas híbridas tiene problemas con gusanos barrenadores del maíz.
Una verificación aleatoria de 5.000 mazorcas reveló estos datos: muchas mazorcas no
tenían gusanos. Algunas tenían uno, otras tenían dos, etc. La distribución del número de
barrenadores se aproximó a una Poisson. El productor contó 3.500 gusanos en las 5.000
67
mazorcas. ¿Cuál es la probabilidad que una mazorca seleccionada al azar no contenga
gusanos?
6. Los automovilistas llegan a una salida de una carretera a razón de dos por minuto. La
distribución de llegadas se aproxima a una distribución de Poisson.
Multinomial.
7. En una ciudad muy grande, la televisión nacional tiene el 40% de los televidentes el
viernes por la noche, un canal local tiene 20%, la televisión por cable tiene 30% y 10% ve
videograbaciones. ¿Cuál es la probabilidad de que entre siete televidentes seleccionados
al azar en esa ciudad en una noche de viernes, dos estén viendo la televisión nacional,
uno esté viendo el canal local, tres estén viendo televisión por cable y uno esté viendo
una videograbación?
Binomial negativa.
10. Se estima que el 90% de un cosecha de papas es buena, estando podridas por dentro
las restantes, pero no puede descubrirse a menos que las papas se corten por la mitad.
Normal.
11. A los empleados de una empresa les otorgan puntuaciones por eficiencia. La distribución
de estas sigue aproximadamente una distribución normal. La media es 400, y la
desviación estándar, 50.
12. Supóngase que un fabricante de neumáticos desea fijar una garantía de millas
recorridas para su nuevo neumático MX100. Las pruebas de duración revelaron que la
media de millas recorridas es de 47.900 , y la desviación estándar es de 2.050 millas. El
fabricante desea fijar la garantía de manera que no tenga que reemplazar mas del 5%
de los neumáticos.
68
a) ¿Cuál es este valor en millas?
b) ¿Cuál es la probabilidad de que los neumáticos duren mas de 50.000 mi.?
13. Se estima que 0.5% de las llamadas telefónicas a la Boliviana de Seguros reciben señal
de ocupado. ¿Cuál es la probabilidad que de las 1.200 llamadas telefónicas del día de
hoy, al menos 5 hayan recibido la señal de ocupado?
14. Un estudio realizado por una compañía aseguradora reveló que los propietarios no
recuperaron los bienes robados en 80% de los robos informados a la aseguradora.
69
EJERCICIOS PROPUESTOS
a) ¿Cuál es la probabilidad de que al menos una de las personas que curiosea compre
algo durante una hora dada?
b) ¿Cuál es la probabilidad de que al menos 4 personas que curiosean compren algo en
una hora dada?
c) ¿Cuál es la probabilidad de que ninguna de las personas que curiosean compren algo
en una hora dada?
d) ¿Cuál es la probabilidad de que no más de 4 personas que curiosean compren algo en
una hora dada?
a) mantener un lote para revisión adicional a pesar de que el 95% de los componentes
están en perfectas condiciones de funcionamiento;
b) aprobar la salida de un lote completo sin revisión adicional a pesar de que solamente el
90% de los componentes están en perfectas condiciones de funcionamiento;
70
c) aprobar la salida de un lote completo sin revisión adicional a pesar de que solamente el
80% de los componentes están en perfectas condiciones de funcionamiento.
a) ¿Cuál es la probabilidad de que el comité esté formado por un estudiante que viva en
la universidad, por uno que viva en una casa particular y por tres que vivan en
residencias?
b) ¿Cuál es la probabilidad de que esté formado por tres o más estudiantes que vivan en
residencias?
9. Un conocido jugador de béisbol tiene un tiempo medio de bateo de 0.3. Necesita 32 éxitos
más para aumentar su tiempo medio a 3.0. ¿Cuál es la probabilidad de que necesite
batear 100 o menos veces para conseguir su propósito?
10. Una compañía ha recibido un gran pedido para producir motores eléctricos para una
compañía manufacturera. Con el fin de que ajuste en su soporte, el rotor del motor debe
tener un diámetro de 5.1 ± 0.05 (pulgadas). El encargado de compras de la compañía se
da cuenta de que hay en existencia una gran cantidad de varillas de acero con un
diámetro medio de 5.07 plg., y con una desviación estándar de 0.07 pulg. ¿Cuál es la
probabilidad de que una varilla de acero del inventario se ajuste en el soporte?
11. Ciertos bastoncillos de plástico moldeados por inyección son cortados automáticamente
en longitudes nominales de 6 pulgadas. Las longitudes reales están distribuidas
normalmente alrededor de la media de 6 pulgadas y sus desviaciones estándar son 0.06
pulgadas.
71
a) ¿Qué proporción de los bastoncillos rebasan los límites de tolerancia, que son de 5.9 a
6.1 pulgadas?
b) ¿A qué valor es necesario reducir la desviación estándar si 99% de los bastoncillos
debe estar dentro de los límites de tolerancia?
12. La compañía Quickie Sales acaba de recibir dos estimaciones de ventas que se
consideran conflictivas para el trimestre que se avecina. La estimación I dice que las
ventas (en millones de dólares) están normalmente distribuidas con µ = 325 y σ = 60. La
estimación II dice que las ventas estarán normalmente distribuidas con µ = 300 y σ = 50.
La junta de directores encuentra que cada estimación parece, a priori, ser igualmente
fidedigna. Con el fin de determinar cuál estimación deberá utilizarse para hacer
predicciones, la junta de directores ha decidido reunirse de nuevo al final del trimestre y
utilizar información actualizada sobre las ventas para tomar una determinación sobre la
credibilidad de cada estimación.
13. Un estudio realizado por una compañía aseguradora reveló que los propietarios no
recuperaron los bienes robados en 80% de los robos informados a la aseguradora.
14. La probabilidad de que un componente electrónico falle en menos de 1000 horas de uso
continuo es 0.25. Utilícese la aproximación normal para encontrar la probabilidad de que
entre 200 de tales componentes menos de 45 fallen en menos de 1000 horas de uso
continuo.
15. El estadio Félix Capriles tiene cuatro torres de luz con 25 reflectores de alta intensidad
montados en cada una de ellas. En ocasiones, una torre completa se queda a oscuras.
Daniel Torres, jefe de mantenimiento del estadio, se pregunta qué distribución tendrán
los fallos en las torres de luz. El sabe que cualquier torre individual tiene una
probabilidad de 0.11 de fallar durante un juego de fútbol dado y que las torres son
independientes entre si.
72
16. Daniel Torres sabe que la probabilidad de que cualquiera de los 25 reflectores de una
torre de luz falle durante un juego dado de fútbol es de 0.05. Los sistemas eléctricos de
la torre han sido modificados de modo que ya no es posible que falle una torre completa.
17. Se estima que el 90% de un cosecha de papas es buena, estando podridas por dentro
las restantes, pero no puede descubrirse a menos que las papas se corten por la mitad.
18. Un embarque de 200 alarmas contra robo, contiene dos piezas defectuosas. Se
seleccionan al azar 5 alarmas contra robo para enviarlas a un cliente.
a) Halle la probabilidad de que el cliente reciba exactamente una alarma contra robo
defectuosa.
b) Halle la probabilidad de que el cliente reciba exactamente una alarma contra robo
defectuosa, si se supone que el embarque es lo suficientemente grande como para
considerarla una población infinita.
19. Una florería necesita 12 helechos exóticos plantados para una exposición floral que se
celebrará en seis meses. Sabe que la probabilidad de que un helecho plantado ahora
sea ideal para la exposición dentro de seis meses es de 0.7. Está interesado en conocer
el número mínimo de helechos que debería plantar, si quiere que la probabilidad de
tener 12 helechos apropiados en seis meses sea por lo menos 0.9.
20. En una ciudad determinada, 4% de los conductores con licencia se verán involucrados
por lo menos en un accidente automovilístico en cualquier año de referencia. Determinar
la probabilidad de que entre 150 conductores con licencia seleccionados al azar en esta
ciudad,
21. Una máquina troqueladora produce tapas de latas cuyos diámetros tienen una
desviación de 0.01 pulgadas. ¿En qué diámetro nominal promedio debe ajustarse la
73
máquina, de tal manera que no más del 5% de las tapas producidas tengan diámetros
que excedan las 3 pulgadas?
22. La experiencia de una empresa química al aplicar una prueba a universitarios recién
egresados que han solicitado trabajos, reveló que la puntuación media de prueba fue de
500, y una desviación estándar de 50.
Con base en esta experiencia, la dirección está considerando aceptar a una persona
cuya puntuación sea 6% superior de la distribución y contratarla directamente para un
puesto de responsabilidad.
a) ¿Cuál es la puntuación más baja que debe tener un egresado universitario para
calificar para un puesto de responsabilidad?
b) Con base en el desempeño anterior, el director de personal planea no tomar en
cuenta a las personas que tengan puntaciones de 400 o menos en la prueba.
Aproximadamente, ¿qué porcentaje de los solicitantes no se tomará en cuenta?
c) Debido al número limitado de vacantes este año, los solicitantes con puntuaciones
entre 400 y 485 se pondrán en espera o reserva. ¿Qué porcentaje de los solicitantes
quedará en espera? Si solicitaron trabajo en la empresa un total de 500 estudiantes,
¿cuántos quedarán en la clasificación de espera?
74
EJERCICIOS PARA EXAMEN
Usted es el nuevo gerente de Recursos Humanos de un banco. Cada día tiene que resolver
múltiples problemas y realizar muchas decisiones que afectan a la empresa. Para ello el
banco ha montado un departamento de Estadística, ya que anteriormente se hacían
decisiones que no estaban basadas en métodos técnicos, sino en la experiencia del anterior
gerente.
a) ¿El gerente de recursos humanos tendrá que planificar una metodología para la tercera
ronda para la contratación?
b) Una vez que alguno de los postulantes sea elegido, éste tendrá que pasar por un
periodo de prueba, que generalmente dura tres meses, donde deberá resolver varios
problemas financieros de la empresa que sucedieron en años anteriores. Así que usted
configuró varios casos históricos para evaluarlo. El nuevo analista financiero resolvió
satisfactoriamente 3 casos en este periodo. La probabilidad de que resuelva
satisfactoriamente un caso (en base a su currículum y a los exámenes aplicados) era
del 80%. ¿Cuál es la probabilidad de que haya resuelto los tres casos
satisfactoriamente, en 5 casos o menos que usted le otorgó? Si esta probabilidad es
mayor a 70%, el analista quedará contratado definitivamente. ¿Será contratado o no?
2. El segundo problema es con respecto al tiempo de espera de los clientes, cuando tienen
que realizar alguna transacción en las cajas del banco. Usted oye cada día un promedio
de 5 quejas, que dicen que los clientes esperan para ser atendidos más de media hora.
Usted, debe tomar la determinación de contratar a un nuevo cajero que aminore este
tiempo de espera y abrir una caja más en el banco. Si la probabilidad de que en un día
específico 5 o más personas se quejen es mayor a 40%, entonces se procederá a realizar
un proceso de selección para el puesto de cajero.
4. Cuarto problema: También se cree que el promedio de dinero en las cuentas disminuyó
considerablemente. Para comprobar esta hipótesis, usted pidió al departamento de
estadística que haga dos análisis: uno pesimista y el otro optimista. El primero tiene una
probabilidad de ajustarse a la realidad de 40%. Tomando el análisis pesimista, se calculó
un promedio de cuenta de 5000 $us., con una desviación de 230 $us. Bajo el otro análisis,
el promedio de cuenta fue de 6500 $us., con una desviación de 420 $us.
76
PARTE II
MUESTREO
CONCEPTO
APLICACIÓN
El uso del muestreo no tiene límite. Desde la persona que elige unos cuantos panes en la
tienda para decidir si están duros o son hechos en el día, para comprar la cantidad usual
para su familia, hasta el gerente de producción que tiene que decidir si realizar
mantenimiento a una máquina porque se cree que está produciendo bienes fuera de los
estándares.
77
CAPÍTULO 3
1. INTRODUCCIÓN
Ejemplo: Si se necesita redactar un informe para describir a todos los empleados que han
renunciado a su compañía durante los últimos 10 años, constituirán cientos de personas,
muchas de ellas no accesibles: habrán muerto, trasladado a otro país, cambiado de
apellido, etc. Entonces lo que se hace es localizar a una muestra representativa y se
generaliza.
La pregunta es: ¿Por qué obtener resultados de toda la población si los de la muestra son
bastante confiables?
Ejemplo: A menudo los gerentes o jefes de producción necesitan información rápida con
objeto de ajustar una operación o modificar una política. Si hablamos de una máquina
automática, ¿por qué esperar la producción de un día para ver si está funcionando bien? Es
mejor tomar una muestra del producto y verificar su hechura, y si presenta defectos, ajustar
la máquina inmediatamente.
78
1.2. Estadísticos y parámetros
Ejemplo.
2. TIPOS DE MUESTREO
Hay dos tipos para seleccionar las muestras que provienen de poblaciones:
Generalmente, sirve de muestreo piloto antes de seleccionar una muestra aleatoria, a fin de
recopilar información útil para determinar el tamaño de la muestra. Su ventaja radica en el
ahorro de realizar un análisis estadístico para tomar las muestras. Su principal desventaja
es que los resultados pueden estar sesgados y no ser representativos de la población.
Ejemplo.
El gerente de una empresa quiere formar un equipo de trabajo para solucionar las bajas en
las ventas del mes pasado. Para ello posee 4 expertos en el área de marketing con igual
entrenamiento y habilidades.
79
Muestreo probabilístico: Selecciona a dos de ellos, mediante bolos numerados del 1 al 4.
Los que sacaron los números 1 y 2, son los que conformarán el equipo.
Muestreo no probabilístico: Selecciona a dedo a dos de ellos para que conformen el equipo.
Los métodos de muestreo aleatorio tienen el objetivo de permitir que el azar determine los
integrantes de la muestra. Son:
En el MAS, se seleccionan las muestras mediante métodos que permiten a cada muestra
tener igual probabilidad de ser seleccionada y a cada elemento de la población tener igual
probabilidad de quedar incluido en la muestra. Para este fin se utilizan las tablas de
números aleatorios, que han sido generadas por un proceso aleatorio, en la cual para cada
dígito de un número, la probabilidad de que tenga el valor de 0,1,2,3, ... o 9 es la misma y la
probabilidad de que ocurra una secuencia de dígitos es idéntica a la de cualquier otra
secuencia con la misma extensión. Una tabla de números aleatorios se muestra en el anexo
de tablas estadísticas al final del texto.
Ejemplo.
Una población está constituida por cuatro estudiantes. Se toman muestras de tamaño dos
para una entrevista. Verificar las probabilidades de elegir cada muestra y elegir cada
estudiante en la muestra.
Resolución.
Hay seis muestras posibles de tamaño dos. Esto se comprueba por el análisis combinatorio:
4!
C (4, 2) = =6
(4 − 2)!2!
Las seis muestran tienen la siguiente composición. Esto se realiza por medio de un
diagrama de árbol:
B AB
A C AC
AD
D
C BC
B BD
D
C D CD
80
Cada muestra tiene la probabilidad de 1
6 ó 16.67% de ser elegida si lo hacemos mediante el
MAS.
1 1 1 1
P ( A) = P ( AB ) + P ( AC ) + P ( AD ) = + + =
6 6 6 2
Así que se comprueba que cada estudiante tiene la misma probabilidad de ser incluido en la
muestra y cada muestra tiene la misma probabilidad de ser seleccionada.
Se usa cuando el procedimiento del MAS puede ser difícil de usar en algunos casos, sea
por tiempo o dinero.
Difiere del MAS en que cada elemento tiene igual probabilidad de ser seleccionado, pero
cada muestra no tiene esa misma posibilidad. En este muestreo se seleccionan los
elementos de la población con un intervalo uniforme en el tiempo, en el orden o en el
espacio.
Ejemplo.
Resolución.
Desventaja.
81
Para aplicarlo se divide la población en grupos homogéneos relativos, llamados estratos.
Después se recurre a uno de dos métodos posibles:
Ventaja.
El muestreo estratificado garantiza que todos los elementos de la población tengan una
posibilidad de ser seleccionados. Es adecuado cuando la población ya está dividida en
grupos de diferentes tamaños. Cuando se diseñan bien, reflejan más exactamente las
características de la población de donde se extrajeron que otras clases de muestreo.
Ejemplo.
Una empresa quiere saber cuántos productos consumen los clientes por mes y se sabe que
por sus características el consumo depende de la edad.
Resolución.
La empresa tiene que tomar un tamaño de muestra aleatoria de cada grupo de edad, de
acuerdo a los porcentajes de la población que se encuentran en ellos.
Si la muestra total es de 280, entonces de cada grupo tendrá los tamaños de muestras que
se muestran el la última columna de la tabla anterior.
Ejemplo.
82
Resolución.
4. DISTRIBUCIONES DE MUESTREO
Ejemplo.
Se quiere conocer la vida media de unos focos producidos por cierta fábrica. Para ello se
extrae una serie de muestras y se calcula la vida media de cada foco en cada una de ellas.
Es poco probable que todas las medias muestrales sea iguales, sino que cabe esperar ver
alguna variabilidad en las medias observadas. Dicha variabilidad en el estadístico muestral
resulta del error por muestreo debido al azar. Existen diferencias entre cada muestra y la
población, lo mismo que entre las varias muestras tomadas.
σ = 40
x
µ = 780
83
b) Para llegar a conocer estos parámetros poblacionales, se toman todas las muestras
posibles de tamaño 10. Se calcula la media y la desviación estándar de cada una de las
muestras. Se puede constatar que ninguna de las medias muestrales será la misma que
la media poblacional, pero tenderán a estar cerca.
s1 = 30 s2 = 25 s3 = 45 sn = 15
x x x x
x1 = 745 x2 = 770 x3 = 788 xn = 790
c) Se determina una distribución de todas las medias de cada muestra que se tomó,
llamada distribución de medias muestrales:
σ x = 12.65
x
µ x = 780
La distribución muestral de las medias que se obtiene al tomar todas las muestras es una
distribución teórica de muestreo. En la práctica, los estadísticos han constatado que es
suficiente tomar una muestra para obtener esta distribución.
84
El ejemplo anterior muestra estas características, ya que la población de la vida media de
los focos se distribuía normalmente. Se puede observar que las distintas distribuciones
muestrales no están distribuidas normalmente, pero la distribución de medias muestrales
está distribuida normalmente.
Ejemplo.
El siguiente ejemplo muestra cómo el muestreo puede confirmar o validar las suposiciones
que se hacen con respecto a los parámetros poblacionales.
Un banco calcula que sus cuentas individuales de ahorro tienen una distribución normal.
Con media de 2000 $ y una desviación estándar de 600 $. Si el banco toma una muestra
aleatoria de 100 cuentas, ¿cuál es la probabilidad de que la media se halle entre 1900 y
2050?
Resolución.
El banco cree que la distribución de sus cuentas está distribuida normalmente, presentando
las siguientes características:
σ = 600
x [$]
µ = 2000
Para corroborar esta información, el banco realiza un muestreo de 100 cuentas. De acuerdo
a las propiedades del muestreo en poblaciones normales, se puede obtener la distribución
de medias muestrales:
600
σx = = 60
100
1900 2050 x
µ x = 2000
Para hallar la probabilidad de que la verdadera media de las cuentas se halle en el intervalo
de 1900 a 2050 $, es necesario obtener la distribución normal estándar, mediante la
variable tipificada y transformar los valores a dicha variable:
x−µ
z=
σx
85
1900 − 2000 2050 − 2000
z1 = = −1.67 z2 = = 0.83
60 60
σz =1
-1.67 0.83
z
µz = 0
Por último se determinan las probabilidades respectivas, mediante la tabla normal estándar,
que se encuentra en la parte de tablas estadísticas al final del texto.
Respuesta: Hay una probabilidad del 74.92% de que el valor medio de las cuentas
individuales de ahorro del banco estén entre 1900 y 2050 $.
Ejemplo.
1
f ( x) = x = 1, 2, 3, 4,5, 6
6
Determine:
1 86
6
1 2 3 4 5 6 x
Claramente se observa que la distribución no es normal.
n n
21 91
µ = ∑ xi P( xi ) = = 3.5 σ= ∑ x P( x ) − µ
2
i i
2
= − 3.52 = 1.708
i =1 6 i =1 6
El número de muestras posibles de tamaño dos que se pueden formar, están dadas por la
combinatoria:
n n! 6 6!
= = = = 15
x (n − x )! x ! 2 (4)!2!
Las distintas muestras que se forman, y el cálculo de las medias de cada muestra son:
1-2 1-3 1-4 1-5 1-6 2-3 2-4 2-5 2-6 3-4 3-5 3-6 4-5 4-6 5-6
x : 1.5 2.0 2.5 3.0 3.5 2.5 3.0 3.5 4.0 3.5 4.0 4.5 4.5 5.0 5.5
La forma de la distribución de la primera muestra y el procedimiento del cálculo de su media
es:
P(x)
2
1 1
1 x1 = ∑ xi P ( xi ) = 1 + 2 = 1.5
2 i =1 2 2
87
1 2 x
Todas las muestras tienen la misma forma y sus medias se calculan mediante el mismo
procedimiento.
x P( x ) x P( x ) x 2 P ( x )
1.5 1
15
1.5
15
2.25
15
2.0 1
15
2
15
4
15
2.5 2
15
5
15
12.5
15
3.0 2
15
6
15
18
15
3.5 3
15
10.5
15
36.75
15
4.0 2
15
8
15
32
15
4.5 2
15
9
15
40.5
15
5.0 1
15
5
15
25
15
5.5 1
15
5.5
15
30.25
15
Totale 1 52.5
15
201.25
15
s
9 9
52.5 201.25
µ x = ∑ xi P( xi ) = = 3.5 σx = ∑ x P( x ) − µ
i
2
i
2
x = − 3.52 = 1.08
i =1 15 i =1 15
P(x)
3
15
2
15
1
15
88
Sin importar la forma de la distribución de la población (si es normal o no), la distribución de
las medias muestrales tiende a tener una forma normal.
El error estándar es igual a la desviación de la población dividida entre la raíz del tamaño de
muestra.
σ N − n 1.708 6−2
µ = µ x = 3.5 σx = * = * = 1.08
n N −1 2 6 −1
En este caso, como el tamaño de la población es finito, se incluye para el cálculo del error
estándar el multiplicador de población finita, que será descrito más adelante.
Las principales conclusiones del teorema central del límite son las siguientes:
Ejemplo.
El siguiente ejemplo aplica las conclusiones del teorema central del límite.
La distribución de las ganancias anuales de todos los cajeros de un banco con 5 años de
experiencia tiene un sesgo negativo. Por estudios anteriores se sabe que la distribución
tiene una media de 15000 $ al año y una desviación de 2000 $. Si se extrae una muestra
aleatoria de 30 cajeros para verificar estos parámetros, ¿cuál es la probabilidad de que las
ganancias de los cajeros promedien más de 15750 $ al año?
Resolución.
89
σ = 2000
µ = 15000 x [$]
2000
σx = = 365.16
30
15750 x
µ x = 15000
15750 − 15000
z= = 2.05
365.16
0.83
z
µz = 0
Conclusión: Existe un poco más del 2% de probabilidad de que las ganancias promedio
asciendan a más de 15750 $ al año en el grupo de cajeros.
90
precisión no justifica el incremento adicional en el costo del muestreo. Rara vez conviene
extraer muestras excesivamente grandes.
Ejemplo.
Una empresa quiere determinar el tamaño de muestra que tendrá que usar para realizar
una encuesta de opinión sobre algunas características de su producto estrella. Se sabe por
estudios anteriores que la media mensual de consumo de este producto es de 10000
unidades, con una desviación de 100 unidades.
a) La empresa solo dispone de los fondos suficientes para que el estudio tenga un error
estándar igual a 31.63 ¿Cuál debe ser su tamaño de muestra?
b) ¿Cuál es el tamaño de la muestra si la empresa asigna más dinero y puede bajar el error
a 10?
Resolución.
2
σ
n=
σx
2
100
n= = 10
31.63
2
100
n= = 100
10
Para muestras que provienen de poblaciones infinitas o finitas con reposición el error
estándar es:
σ
σx =
n
Para muestras que provienen de poblaciones finitas, el error estándar es:
91
σ N −n
σx =
n N −1
Una cooperativa está constituida por una población de 20 compañías textiles del mismo
tamaño, todas las cuales sufren una excesiva rotación de personal. La desviación estándar
de la distribución de la rotación anual es de 75 empleados. Se muestrea 5 de esas
compañías.
Resolución.
n 5
a) La fracción = = 0.25 es mayor a 0.05. Por lo tanto el error estándar debe ir con el
N 20
multiplicador de población finita.
σ N − n 75 20 − 5
σx = = = 33.54(0.888) = 29.8
n N −1 5 20 − 1
n 5
b) La fracción = = 0.045 es menor a 0.05. Por lo tanto no se usa el multiplicador de
N 110
población finita por ser cercano a 1.
σ N − n 75 110 − 5
σx = = = 33.54(0.98) = 32.87
n N −1 5 110 − 1
Se muestra aquí un árbol de decisión para resolver problemas donde es necesario usar la
distribución normal.
92
ÁRBOL DE DECISIÓN PARA
LAS APLICACIONES DE LA DISTRIBUCIÓN NORMAL
No existe
Aproximación (x ± 0.5) − np
Normal normal a la Z=
binomial npq
No
Discreta
No existe Distribución
Normal normal
X−µ
z=
poblacional σ
No
Continua n σ
Cualquiera < 0.05 σx =
x −µ N n
Distribución
Normal z=
¿Tipo de de las medias
variable? muestrales
σx
Si σ N −n
Grande µx = µ n σx =
≥ 0.05
N n N −1
¿Existen
muestras? No normal
93
9. ERRORES SISTEMÁTICOS EN EL MUESTREO
En cualquier investigación de tipo estadístico, además del error “involuntario” que se comete
debido al muestreo, pueden introducirse otro tipo de errores llamados sistemáticos (que se
los puede eliminar o minimizar al máximo), que se dividen en dos grupos.
a) Imputables al objeto.
b) Imputables al método.
Si en el ejemplo anterior se utilizaron distintas balanzas para el pesaje, unas más precisas
que otras, otras estando mal calibradas, etc.
c) Imputables al observador.
Presentes cuando no se han fijado bien los límites. Si en el anterior ejemplo se quería saber
también si la persona considera que tiene sobrepeso o no, algunas contestarán falsamente
que se consideran estar en buen estado, cuando no es así.
Que son los más frecuentes. Ocurren por fallas de dictado, copiado, escritura, o por fallas
en los dispositivos para guardar la información o reproducirla. Ejemplo, si en el ejemplo
anterior una de las balanzas estaba en pulgadas y se hizo la transformación a kilogramos
con una base de conversión errónea, o se guardó los resultados en una planilla de datos, y
para hallar la media se aplicó una fórmula errónea. Se puede dar el caso que todos los
cálculos hayan sido correctos, pero la impresora falló y suministró datos distorsionados.
a) Selección incorrecta.
b) No respuesta.
94
c) Voluntarios.
Las diferentes etapas o el procedimiento a seguir en una encuesta por muestreo, son las
siguientes:
1. Establecimiento de los objetivos. Este punto determina todas las etapas posteriores.
3. Determinación de los datos que se computarán. Es muy frecuente que se recopilen datos
innecesarios, y en cambio se olviden preguntas esenciales, en relación al objetivo de la
investigación. Es por eso que la encuesta debe configurarse por un grupo de expertos y
ser revisada minuciosamente antes de aplicarla.
9. Información futura. Los resultados obtenidos pueden ser archivados, ya que presentan
estimaciones sobre diversas características de la población que pueden variar en el
95
tiempo, y pueden ser útiles a la hora de comparar con resultados obtenidos por otras
encuestas en el futuro.
EJERCICIOS DE CLASE
1. De una población de 125 elementos, con una media de 105 y una desviación estándar
de 17, se eligieron 64 elementos.
2. Un equipo de salvamento submarino se prepara para explorar un sitio mar adentro frente
a la costa de Florida, donde su hundió una flotilla entera de 45 galeones españoles. A
partir de registros históricos, el equipo espera que estos buques naufragados generen un
promedio de 225000 $ de ingresos cada uno cuando se exploren, con una desviación
estándar de 39000 $. El patrocinador del equipo, sin embargo, se muestra escéptico y ha
establecido que si no se recuperan los gastos de exploración, que suman 2.1 millones de
$ con los primeros 9 galeones naufragados, cancelará el resto de la exploración. ¿Cuál
es la probabilidad de que la exploración continúe una vez explorados los 9 primeros
barcos?
3. Food Place, una cadena de 145 supermercados, fue comprada por otra mayor del mismo
rubro que opera a nivel nacional. Antes de que el trato se realice, la cadena mayor quiere
tener alguna seguridad de que Food Place será redituable. La cadena compradora ha
decidido echar un vistazo a los registros financieros de 36 de las tiendas de Food Place.
El gerente de ésta, afirma que las ganancias de cada tienda tienen una distribución
aproximadamente normal con la misma media y una desviación estándar de 1200 $. Si la
gerencia de Food Place está en lo correcto, ¿cuál es la probabilidad de que la media de
la muestra de las 36 tiendas se encuentre cerca de los 200 $ de la media real?
5. El número de millas recorridas antes de que cierta clase de llantas empiece a verse
gastada es en promedio , 16.800 millas con una desviación estándar de 3.300 millas.
Una agencia de arrendamiento de automóviles compra 36 de estas llantas para cambiar
las de algunos vehículos y pone cada una en un vehículo diferente.
96
a) Encuentre la probabilidad de que las 36 llantas promedien menos de 16.000 millas
antes de verse gastadas.
b) Encuentre la probabilidad de que las 36 llantas promedien más de 18.000 millas antes
de verse gastadas.
EJERCICIOS PROPUESTOS
2. El Dr. Lambert tiene a cinco estudiantes que realizaron estudios especiales con él este
semestre. Para evaluar el avance de lectura, el doctor aplica un examen de cinco
preguntas con respuestas verdadero/falso. El número de respuestas correctas para cada
estudiante se presenta a continuación.
4. Dada una población de tamaño N = 80 con una media de 22 y una desviación estándar
de 3.2, ¿cuál es la probabilidad de que una muestra de 25 tenga una media de entre 21
y 23.5?
97
5. Al revisar las ventas habidas desde la apertura de un restaurante hace seis meses, el
dueño encontró que la cuenta promedio por pareja era de 26$, con una desviación
estándar de 5.65$. ¿Qué tan grande tendría que ser una muestra de clientes para que la
probabilidad fuera de al menos 95.44% de que el costo medio por comida para la
muestra cayera entre 25$ y 27$?
6. Low-Cal Food Company usa estimaciones del nivel de actividad de los diversos
segmentos del mercado para determinar la composición nutricional de sus productos de
comida dietética. Low-Cal está considerando la introducción de una comida dietética
líquida para mujeres maduras, puesto que este segmento tiene problemas especiales de
peso no resueltos por la comida dietética de su competidor. Para determinar el contenido
deseado de calorías de este nuevo producto, la doctora Nell Watson, investigadora de la
compañía, condujo pruebas sobre una muestra de mujeres para determinar el consumo
de calorías por día. Sus resultados mostraron que el número promedio de calorías
consumidas diariamente por las mujeres mayores es de 1328, con una desviación
estándar de 275. La doctora Watson estima que los beneficios que obtiene con un
tamaño de muestra de 25 costarían 1720$. Espera que al reducir el error estándar a la
mitad de su valor actual se duplique el beneficio. Si el costo es de 16$ por cada mujer de
la muestra, ¿debería Watson reducir su error estándar?
98
EJERCICIOS PARA EXAMEN
2. ¿Cuantas muestras de tamaño 2 es posible obtener de una población compuesta por los
elementos: a, b, c, d, e, f, g y h. ¿Cual es la probabilidad de que la muestra incluya al
elemento representado por la letra h?
3. Con base en sus volúmenes de ventas, 18 de las tiendas de ropa del shoping Soffer se
clasifican como pequeñas y las otras 6 como grandes. ¿Cuantas muestras estratificadas
diferentes de 4 de estas tiendas de ropa podemos seleccionar, si:
4. Suponga que usted es un investigador que ha sido contratado por la empresa cafetalera
Columbian Cofee Corporation. La empresa está interesada en determinar el porcentaje
de consumo de café por casa en Estados Unidos. Cree que el consumo anual por casa
está normalmente distribuido con una media desconocida µ y una desviación estándar
de aproximadamente 1.25 libras.
1, 3, 6, 7, 7, 12
7. Ron Blake, director de recursos humanos de una empresa, desea estudiar el nivel de
precisión de las 70 secretarias de su compañía. Anteriormente el número diario de
errores de procesamiento de palabras cometido por cada secretaria había sido
aproximadamente normal con un promedio de 18 y una desviación estándar de 4. El
señor Blake inspecciona actualmente a 15 secretarias elegidas aleatoriamente. ¿Cuál es
la probabilidad de que el número promedio de errores por secretaria sea:
a) Inferior a 15.5.
b) Mayor de 20.
100
PARTE III
INFERENCIA ESTADÍSTICA
CONCEPTO.
Es la rama de la Estadística que se ocupa del uso de los conceptos de la probabilidad para
afrontar la incertidumbre en la toma de decisiones. Los conceptos básicos de las
distribuciones muestrales, sirven como base para la estadística inferencial. Esta comprende
dos áreas:
APLICACIÓN.
Investigación exploratoria.
Investigación concluyente.
Cabe recalcar aquí que la diferencia fundamental entre estos dos tipos de pruebas radica
en que en los primeros se debe realizar la suposición de que las muestras obtenidas por el
proceso de muestreo aleatorio deben haber sido extraídas de una población que se
comporta de forma normal, en cambio en los métodos no paramétricos no se requiere
realizar ninguna suposición acerca de la forma poblacional.
En todo caso, el investigador debe tomar en cuenta que cualquier problema inferencial que
se le presente puede ser resuelto mediante una prueba paramétrica o usando una prueba
no parámetrica, según cumpla la suposición o no de normalidad de la población.
102
CAPÍTULO 4
ESTIMACIÓN ESTADÍSTICA
1. INTRODUCCIÓN
2. TIPOS DE ESTIMACIONES
En la vida real se desconocen los valores de los parámetros de las poblaciones que se
estudian. Se pretende entonces estimar estos valores que son de interés en nuestro
estudio. Para esto puede hacerse una:
• Estimación puntual, que es un valor único que pretende estimar el valor del parámetro
poblacional estudiado.
Ej: El promedio de ventas mensuales de una empresa es de 200 unidades.
Dos estimadores puntuales que se utilizan con frecuencia en estadística son: la media
muestral:
1 n
x= ∑ xi
n i =1
como estimador de la media poblacional, y la varianza muestral:
n n
∑( x − x ) ∑x
2
i
2
i − n x2
S2 = i =1
= i =1
n −1 n −1
como estimador de la varianza poblacional.
103
3. CRITERIOS DE UN BUEN ESTIMADOR
3. Eficiencia. La eficiencia designa el tamaño del error estándar del estadístico. Cuanto
menor sea, el estimador es más eficiente.
Una desventaja de los estimadores puntuales, es que no se sabe que tan cerca se
encuentran del valor del parámetro que estiman. No se tiene ninguna medida que indique
que tan precisa es nuestra estimación.
Los intervalos de confianza de uso frecuente pueden ser construidos utilizando el método
del pivote.
4.1.1. Intervalo de confianza para estimar la media de una población normal, con
varianza conocida, sin importar el tamaño de la muestra
De una población normal, de la cual se quiere estimar la media, pero por alguna razón se
conoce su desviación estándar, se extrae una muestra aleatoria sin importar su tamaño.
104
x −µ
z=
σ
n
sabiendo que tiene una distribución normal. Entonces:
σz =1
α 1−α α
2 2
z
− zα µz = 0 zα
2 2
x −µ
P − zα < < zα = 1 − α
2 σ 2
n
σ σ
P − zα < x − µ < zα = 1−α
2
n 2
n
σ
donde la cantidad e = z α se conoce como error máximo de estimación de la media.
2
n
Por último despejando la media de la desigualdad simultánea, se tiene el intervalo deseado:
σ σ
P x − zα < µ < x + zα = 1−α
2
n 2
n
Ejemplo.
105
Como investigador de mercados, de una gran compañía de aparatos electrónicos de
consumo, quisiera estudiar las costumbres de ver televisión de los residentes en una ciudad
pequeña en particular. Por datos históricos se sabe que la desviación estándar es de 3.8
horas y que la población se distribuye normalmente. Para el efecto seleccionó una muestra
aleatoria de 40 entrevistados y a cada uno de ellos les dio instrucciones de mantener un
registro detallado de todos los programas de televisión que vieran en determinada semana.
Los resultados fueron los siguientes: Cantidad de televisión vista en la semana:
Media: 15.3 horas. Estime un intervalo de confianza del 95% para la cantidad
promedio de televisión vista cada semana en esta ciudad.
Resolución.
Primero se verifica que el problema cumpla con los requisitos para usar el intervalo
anteriormente construido:
En segundo lugar, se hallan los valores críticos de z, utilizando la tabla normal estándar. Un
gráfico en este caso es de mucha ayuda:
σz =1
α α
= 0.025 = 0.025
2 1 − α = 0.95 2
− zα = −1.96 0 zα = 1.96 z
2 2
3.8 3.8
P 15.3 − 1.96 < µ < 15.3 + 1.96 = 95%
40 40
P (14.12 < µ < 16.48 ) = 95%
Conclusión: Hay una probabilidad del 95% de que la cantidad media semanal de los
habitantes de esa pequeña ciudad esté entre 14.12 y 16.48 horas.
4.1.2. Intervalo de confianza para estimar la media de una población normal, con
varianza desconocida, y tamaño muestral menor a 30.
De una población normal con media y varianza desconocida, es extrae una muestra
aleatoria de tamaño menor a 30 (observaciones independientes). Se sabe que:
106
n
x −µ ∑ (x − x )
i
2
t= s= i =1
s n −1
n
α 1−α α
2 2
( )
P −tα , n −1 < t < tα ,n −1 = 1 − α
2 2
Utilizando el método del pivote al igual que en el caso anterior, se obtiene el intervalo de
confianza deseado:
s s
P x − tα , n −1 < µ < x + tα , n −1 = 1−α
2
n 2
n
Ejemplo.
Una empresa fabrica focos que tienen una duración distribuida aproximadamente en forma
normal. Si una muestra de 25 focos tiene una vida promedio de 780 horas, con una
desviación de 40 horas, obtenga un intervalo de confianza de 90% para la media de la
población de todos los focos producidos por esa empresa.
107
0.05 0.90 0.05
t
−t0.05,24 = −1.7109 t0.05,24 = 1.7109
40 40
P 780 − 1.7109 < t < 780 + 1.7109 = 90%
25 25
Conclusión: Existe una probabilidad del 90% de que la duración media de los focos
producidos por esta empresa estén entre 766.31 y 793.69 horas.
4.1.3. Intervalo de confianza para estimar la media para cualquier caso que se
presente.
Se ha deducido los dos intervalos de confianza que más se usan. Sin embargo, existen
muchas combinaciones, ya que el intervalo depende de varias condiciones:
108
ARBOL DE DECISIÓN PARA ESTIMACIÓN DE INTERVALOS
DE LA MEDIA DE LA POBLACIÓN
Cualquier n σ σ
Si P = (x - Zα * ≤ µ ≤ x + Zα * ) = 1 - α
2 n 2 n
Grande
s s
No n>30 P = (x - Zα * ≤ µ ≤ x + Zα * ) = 1 - α
2 n 2 n
Pequeño
s s
Normal n<30 P = (x - t α ,n − 1 * ≤ µ ≤ x+ tα ,n−1 * ) = 1 - α
2 n 2 n
Grande
σ σ
Si n>20 P = (x - Zα * ≤ µ ≤ x + Zα * ) = 1 - α
No Normal 2 n 2 n
Pequeño
Forma de la σ σ 1
n<20
población P = (x - K ≤ µ ≤ x+ K ) =≥ 1 -
n n K2
Grande
s s
No n>50 P = (x - Zα * ≤ µ ≤ x + Zα * ) = 1 - α
2 n 2 n
¿Se conoce la varianza de la
Pequeño
población?
n<50
¿Tamaño de la No hay estimación por intervalo general conocida.
muestra?
109
4.2. Cálculo del tamaño muestral, para la estimación de la media poblacional
Para realizar este objetivo, se debe recordar que el error máximo que se puede cometer en
la estimación de la media es:
σ
e = zα
2
n
2
σ
n = zα
2 e
Si se estima la media de una población finita, el error en la estimación está ponderado por
el factor de población finita:
σ N −n
e = zα
2
n N −1
Despejando n, se tiene:
2
σ N −n
n = zα
2 e N −1
2
σ
n0 = z α
2 e
110
Reemplazando esta ecuación en el tamaño de muestra para población finita se tiene:
N −n
n = n0
N −1
n0 N
n=
n0 + ( N − 1)
z 2σ 2 N
n=
z 2σ 2 + e 2 ( N − 1)
Ejemplo.
“Food Tiger”, una tienda local, vende bolsas de plástico para basura y ha recibido unas
cuantas quejas con respecto a la resistencia de tales bolsas. Parece ser que las bolsas que
se venden en la tienda son menos resistentes que las que vende su competidor “Food
Lyon” y en consecuencia, se rompen más a menudo. Como gerente encargado de
adquisiciones, usted está interesado en determinar el peso máximo promedio que puede
resistir una de las bolsas para basura sin que se rompa. Si la desviación estándar del peso
límite que puede aguantar una bolsa es de 1.2 kg, determine el número de bolsas que
deben ser probadas con el fin de que usted tenga una certeza del 95% de que el peso
límite promedio está dentro de 0.5 kg del promedio real.
Resolución.
a) Reemplazando todos los datos en la ecuación para población infinita y sabiendo que el
valor de z para una probabilidad de confianza del 95% es de 1.96, se tiene:
2
1.2
n0 = 1.96 = 22
0.5
Conclusión: Debe ser probada la resistencia al peso de 22 bolsas para que se tenga una
certeza del 95% de que el peso límite promedio está dentro de 0.5 kg. Del peso promedio
real.
111
1.9621.2210000
n= = 22
1.96 21.22 + 0.52 (10000 − 1)
Conclusión: Se observa que el tamaño de la muestra es igual si se considera población
n 22
finita o infinita. Esto se debe a que la fracción de muestra: = = 0.0022 es menor a
N 10000
0.05 y por lo tanto no se debía considerar el factor de población finita.
Ejemplo.
Resolución.
• Como no se conoce que el peso que resisten las bolsas sea normal, si se conoce la
varianza de la población y el tamaño de muestra determinado era mayor a 20, entonces
se elige el siguiente intervalo de confianza:
σ σ
P x − zα < µ < x + zα = 1−α
2
n 2
n
Una vez elegido el intervalo apropiado, se obtienen todos los datos pertinentes, por medio
de la gráfica:
α α
= 0.01 = 0.01
2 1 − α = 0.98 2
− zα = −2.33 0 zα = 2.33 z
2 2
1.2 1.2
P 10 − 2.33 < µ < 10 + 2.33 = 98%
22 22
Conclusión: Se puede afirmar que la competencia vende mejores bolsas que los que se
venden en Food Tiger.
112
4.2.2. Cálculo del tamaño de la muestra, dado un error en la estimación de la media,
con varianza desconocida.
s
e = tα , np −1
2
n
2
s
n = tα , n p −1
2 e
t 2s2 N
n=
t 2 s 2 + e 2 ( N − 1)
Ejemplo.
¿Cuál debe ser el tamaño muestral si se quiere realizar una investigación para estimar el
precio promedio en el mercado de calculadoras científicas no programables, conociendo
que al realizar una prueba piloto de n=15, la desviación muestral fue de 10 $ y no se quiere
cometer un error mayor a 2 $, con una probabilidad de 95%?
Resolución.
113
a) Conociendo que si la certeza de confianza es del 95%, el valor de t0.025,14 es de 2.145, el
tamaño muestral será de:
2
10
n = 2.145 = 115
2
b) si se considera una población de 2000 calculadoras:
2.145210 2 (2000)
n= = 109
2.145210 2 + 22 (2000 − 1)
El lector puede usar el árbol de decisión siguiente para calcular el tamaño de una muestra,
que presenta todos los casos que pueden darse, a la hora de realizar una investigación. El
caso del cálculo de la muestra para la estimación de la proporción de una población está
descrito más adelante.
114
ÁRBOL DE DECISIÓN PARA EL CÁLCULO
Si 2
Infinito s
n0 = z α
2 e
No z 2 s2 N
Finito n=
Media z 2 s 2 + e 2 ( N − 1)
No
2
s
Infinito n0 = t α ,n p −1
Si 2 e
Finito t 2s2 N
Proporción n= 2 2 2
t s + e ( N − 1)
No importa
2
zα
¿Parámetro a Infinito n0 = pˆ (1 − pˆ ) 2
estimar? No importa e
¿Varianza
conocida?
¿Tamaño de Finito pqz 2 N
n=
muestra piloto pqz 2 + e 2 ( N − 1)
conocido?
¿Tamaño de la
Población?
115
4.3. Intervalos de confianza para la estimación de la diferencia de medias
Se considera ahora la manera de realizar una estimación para comparar las medias de dos
poblaciones normales. Esta comparación se la realiza mediante la diferencia.
( x1 − x2 ) − (µ1 − µ 2 )
z=
σ 12 σ 22
+
n1 n2
z
− zα µz = 0 zα
2 2
σ 12 σ 22 σ 12 σ 22
P ( x1 − x2 ) − z α + < µ1 − µ 2 < ( x1 − x2 ) + zα + = 1−α
2
n n 2
n n
1 2 1 2
Ejemplo.
Usted desea investigar si en promedio el sueldo del hombre excede en más de 20 $ por
semana al de la mujer en su compañía. Según datos históricos las desviaciones estándar
para los sueldos han sido de 15.6 $ para los hombres y 18.20 $ para las mujeres. Si los
datos muestrales revelan que 20 hombres ganan en promedio 292.50 $ a la semana,
mientras que 20 mujeres perciben en promedio 266.10 $ por semana, ¿qué puede
116
concluirse con una certeza del 90%? Se considera que las poblaciones son
aproximadamente normales.
Resolución.
Se verifica que las condiciones del problema se ajusten al tipo de intervalo que se está
considerando:
0.05 0.05
0.9
Se analiza dos poblaciones normales, con medias y varianzas desconocidas, pero éstas
últimas son iguales.
Ejemplo.
Los siguientes datos son el número de ventas que una muestra de 9 vendedores de
productos químicos en La Paz y una muestra de 6 vendedores en Cochabamba realizaron
en cierto período fijo.
La Paz: 59 68 44 71 63 46 69 54 48
Cochabamba: 50 36 62 52 70 41
Resolución.
Se verifica si los datos del problema se ajustan al intervalo que se está estudiando:
• Las dos poblaciones son normales, con varianzas desconocidas pero iguales y los dos
tamaños de muestra son menores a 30.
t
−t0.005,13 = −3.012 t0.005,13 = 3.012
Reemplazando los datos en el intervalo:
(9 − 1)109 + (6 − 1)160.97
S= = 11.36
9+6−2
118
1 1 1 1
P (58 − 51.83) − 3.012(11.36) + < µ1 − µ 2 < (58 − 51.83) + 3.012(11.36) + = 99%
9 6 9 6
P (11.86 < µ1 − µ2 < 24.20 ) = 99%
En la vida real, muy pocas veces se puede asumir que las varianzas de dos poblaciones
son iguales, a no ser que se pueda probar esta afirmación mediante pruebas previas. Por lo
tanto, si es que se considera que las dos varianzas no serán iguales se tiene que el
estadístico de prueba, con una distribución t de Student y con los siguientes grados de
libertad dados es:
2
s12 s22
+
( x1 − x2 ) − ( µ1 − µ2 ) n n
t= ν = 12 2 2 − 2
s12 s22 s12 s22
+
n1 n2 n1 + n2
n1 + 1 n2 + 1
Ejemplo.
Determine mediante un intervalo de confianza del 95% si existe diferencia significativa entre
las dos fórmulas.
Resolución.
119
• Aquí se supone que las poblaciones son normales, las varianzas son desconocidas y no
necesariamente iguales y los tamaños de muestra son menores a 30.
2
11.57 + 9.95
ν=
7
2 2
− 2 = 14
11.57 9.95
7 7
+
8 8
t
−t0.025,14 = −2.145 t0.025,14 = 2.145
Conclusión: El experto estaba en lo cierto. Las resistencias que otorgan de las dos fórmulas
no son significativamente diferentes.
Los tres casos anteriores se aplican cuando las muestras son independientes, es decir que
los datos de una muestra no tienen ninguna relación de dependencia con los datos de la
otra. Ahora se verá el caso en que los datos de las muestras tienen relación pareada. Esto
se da cuando se realizan experimentos llamados “antes y después”. Lógicamente las
muestras deberán ser del mismo tamaño.
Para manejar datos de esta clase se trabaja con las diferencias (con signo) de los datos
apareados. El estadístico de prueba para tamaños de muestra pequeños (siempre se
supondrá que las muestras provienen de poblaciones con varianzas iguales) es el siguiente:
120
(x1 − x 2 ) − (µ1 − µ 2 )
t=
n
∑ (x
i =1
1 − x 2 ) 2 − n(x1 − x 2 ) 2
n −1
n n
∑ (x − x )1 2
2
− n( x1 − x2 ) 2 ∑ (x − x )
1 2 − n( x1 − x2 ) 2
2
P ( x1 − x2 ) − t α ,ν i =1
< µ1 − µ 2 < ( x1 − x2 ) + tα ,ν i =1 = 1− α
2
n(n − 1) 2
n(n − 1)
s s
P x − tα , n −1 < µ < x + tα , n −1 = 1−α
2
n 2
n
si se considera que no se tienen dos muestras sino sólo una, compuesta por las diferencias
de los valores apareados.
Ejemplo.
Antes 45 73 46 124 33 57 83 34 26 17
Despué 36 60 44 119 35 51 77 29 24 11
s
Resolución.
Dif. 9 13 2 5 -2 6 6 5 2 6
x = 5.2 s = 4.08
4.08 4.08
P 5.2 − 2.262 < µ < 5.2 + 2.262 = 95%
10 10
P ( 2.28 < µ < 8.12 ) = 95%
Conclusión: Como el intervalo muestra la diferencia entre las horas perdidas por accidentes
antes y después de un programa de seguridad, y los límites superior e inferior presentan
valores positivos, se puede concluir que el programa si fue eficaz, porque redujo las horas
perdidas por accidentes.
Se ha visto tres casos para la estimación de las medias de dos poblaciones normales, con
el propósito de compararlas. Sin embargo, dependiendo de las condiciones e información
que se puede tener, podrán surgir muchos otros casos.
A continuación se presenta un diagrama de árbol, para que el estudiante pueda usarlo para
resolver su problema de elegir el tipo de intervalo a usar en cualquier problema donde tenga
que realizar una estimación de la diferencia de medias.
122
ARBOL DE DECISIÓN PARA ESTIMACIÓN DE INTERVALOS
DE LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES NORMALES
2 2 2 2
No s1 s2 s1 s2
No P ((x1 − x2 ) - z α * + ≤µ1 − µ2 ≤ (x1 − x2 ) + z α * + ) =1- α
2 n1 n2 2 n1 n2
Grande
Si s s
P (x − z α * ≤µ≤ x + z α * ) =1- α
2 n 2 n
Si Si
s s
Si P (x − t α * ≤µ≤ x + t α * ) =1 - α
,ν n ,ν n
n>30 2 2
1 1 1 1
P ((x1 − x2 ) - t α * s + + ) =1- α
,ν
≤µ1 − µ2 ≤ (x1 − x2 ) + t α *s
No Si ,ν
2 2
n1 n2 n1 n2
Si
(n1 − 1) s12 + (n 2 − 1) s 22 ν = n1 + n2 − 2
s=
¿Varianzas de n1 + n 2 − 2
n<30
las poblaciones
conocidas? Pequeño No 2 2 2 2
s1 s2 s1 s2
P ((x1 − x 2 ) − t α * + + ) =1- α
,ν
≤µ1 − µ2 ≤ (x1 − x 2 ) + t α *
,ν
¿Tamaño de las 2 2
No n1 n2 n1 n2
muestras? ¿Datos
2
pareados? s12 s 22
¿Varianzas +
n n2
Iguales? ν = 12 2
−2
2
s1 s 22
n1 + n 2
n1 + 1 n 2 + 1
123
4.4. Intervalos de confianza para estimar la varianza de una población
4.4.1. Intervalo de confianza para la varianza de una población normal, con tamaño de
muestra pequeño (n<30)
Si de una población normal, se extrae una muestra, se sabe que el estadístico de prueba
para estimar la varianza es:
(n − 1)s 2
χ =
2
σ2
α
α
2 1−α
2
χ α2 χ2
χ12− α ,n −1
2 ,n −1
2
( )
P χ 12− α , n −1 < χ 2 < χ 2α , n −1 = 1 − α
2 2
(n − 1) s 2
P χ 12− α ,n −1 < 2
< χ 2α , n −1 = 1 − α
2
σ 2
(n − 1) s 2 (n − 1)s 2
P <σ < 2
2
= 1−α
χ 2α ,n −1 χ 1− α , n −1
2 2
Ejemplo.
Tiger Woods cree que la consistencia de su juego, en realidad está dada por una
variabilidad de 5.9 en el puntaje que ha obtenido en todos los eventos en los que ha
participado hasta ahora. Para entrenar para el próximo torneo jugó 10 rondas de golf en su
campo privado y obtuvo un promedio de 71.3 puntos con una desviación estándar de 1.32.
¿Su juego fue consistente? Use un nivel de confianza del 95% y suponga que la población
es normal.
Resolución.
124
• En efecto, como se habla de la variabilidad, se debe establecer una estimación para la
varianza de una población normal, con tamaño de muestra pequeño.
Luego, se obtienen los datos necesarios para estimar el intervalo, mediante la distribución
Chi-cuadrada (si desea más información sobre esta distribución puede dirigirse al anexo de
tablas estadísticas):
0.025 0.95
0.025
χ2
2
χ 0.975,9 = 2.7 2
χ 0.025,9 = 19.023
Conclusión: Se puede verificar que su juego de entrenamiento fue consistente, ya que tanto
el valor inferior como el superior del intervalo son inferiores a la variabilidad de 5.9.
4.4.2. Intervalo de confianza para la varianza de una población normal, con tamaño de
muestra grande ( n ≥ 30 )
125
( )
P − zα < z < z α = 1 − α
2 2
s −σ
P − zα < < zα = 1 − α
2 σ 2
2n
s s
P <σ < = 1−α
zα zα
1+ 2 1− 2
2n 2n
Ejemplo.
Resolución.
0.95
0.025 0.025
11 11
P <σ < = 95%
1+ 1.96
1 −
1.96
2(50) 2(50)
126
Cuando se quiere comparar la variabilidad entre dos poblaciones que se distribuyen
normalmente, se extraen muestras de las dos poblaciones de tamaño en general pequeño,
y se compara mediante el cociente. La variable que se usa es:
s12
σ2
F = 12
s2
σ 22
α 1−α α
2 2
F
F1− α ,n1 −1,n2 −1 Fα ,n1 −1,n2 −1
2 2
(
P F1− α , n −1, n −1 < F < Fα ,n −1, n −1 = 1 − α
2 1 2 2 1 2
)
s12
2
σ1
P F1− α ,n1 −1, n2 −1 < < Fα , n −1, n −1
= 1−α
2 s22 2 1 2
2
σ2
s2 1 σ 2 s2 1
P 12 < 12 < 12 = 1−α
s2 Fα ,n −1,n −1 σ 2 s2 F1− α , n −1, n −1
2 1 2 2 1 2
1
Aplicando la propiedad de la distribución de Fisher, que dice que: Fα ,ν1 ,ν 2 = al lado
F1−α ,ν 2 ,ν1
derecho de la desigualdad, se tiene un intervalo alternativo al anterior:
s2 1 σ 2 s2
P 12 < 12 < 12 Fα ,n2 −1, n1 −1 = 1 − α
s2 Fα , n −1,n −1 σ 2 s2 2
2 1 2
127
Ejemplo.
La HAL Corporation en la que usted es el gerente está a punto de poner en el mercado una
computadora personal nueva más rápida, PAL, que sustituirá a su viejo modelo, CAL. A
pesar de que, en promedio, la PAL es más rápida que CAL, la velocidad de procesamiento
de la nueva computadora parece ser más variable. (La velocidad de procesamiento
depende del programa que se esté corriendo, la cantidad de datos de entrada y la cantidad
de datos de salida). Dos muestras de 25 corridas, que cubrían la diversidad de tareas
esperadas, fueron suministradas a cada computadora (una muestra a cada una). Los
resultados fueron los siguientes:
Construya un intervalo de confianza del 95% que relacione las variabilidades de las
velocidades de procesamiento de la nueva con respecto a la vieja computadora. Si la tasa
de variabilidad de la velocidad de procesamiento de la PAL con respecto a la CAL es menor
a 1.76, usted lanzará la nueva computadora al mercado, caso contrario, su compañía
tendrá que realizar ajustes en la variabilidad de la PAL y esperar los resultados. ¿Cuál es su
decisión?
Resolución.
• Como se trata de dos poblaciones y se quiere comparar las variabilidades de las dos
computadoras, es necesario realizar una estimación del cociente de varianzas.
0.95
0.025 0.025
F
1 1 F0.025,24,24 = 2.27
F0.975,24,24 = =
F0.025,24,24 2.27
128
20 2 1 σ 2 20
2
P < 12 < 2.27 = 95%
10 2.27 σ 2 10
σ2
P 1.762 < 12 < 9.080 = 95%
σ2
Conclusión: Como el valor inferior y superior del intervalo del cociente de varianzas es
mayor a 1.76, la compañía no podrá lanzar al mercado la computadora PAL, sino que
deberá realizar ajustes en su variabilidad.
Ahora se quiere saber el porcentaje o proporción de la población que cumplen con ciertos
requisitos o no. Para ello se toma una muestra de tamaño mayor a 30. El estadístico sigue
una distribución binomial, pero que puede aproximarse a una normal:
pˆ (1 − pˆ )
σz =
n pˆ − p
z=
α α pˆ (1 − pˆ )
1−α
2 2 n
z
− zα µz = p zα
2 2
(
P − zα < z < z α = 1 − α
2 2
)
pˆ − p
P − zα < < zα = 1 − α
2 pˆ (1 − pˆ ) 2
n
pˆ (1 − pˆ ) pˆ (1 − pˆ )
P pˆ − z α < p < pˆ + z α = 1 − α
2
n 2
n
129
Ejemplo.
Resolución.
Como ya se repitió este procedimiento demasiadas veces, se acortarán los pasos, diciendo
8
que el valor de z es de 2.58 y la proporción muestral es de pˆ = = 0.016 Reemplazando
500
los datos en el intervalo, se tiene:
Así como para comparar las medias de dos poblaciones se realiza un intervalo de la
diferencia de medias, así también para comparar las proporciones de dos poblaciones, se
puede realizar un intervalo de confianza para la diferencia de éstas.
( pˆ1 − pˆ 2 ) − ( p1 − p2 )
z=
pˆ1 (1 − pˆ1 ) pˆ 2 (1 − pˆ 2 )
+
n1 n2
sigue una distribución normal estándar, si las muestras son lo suficientemente grandes, y
donde:
130
Y1 Y2
pˆ1 = y pˆ 2 =
n1 n2
(
P − zα < z < z α = 1 − α
2 2
)
( pˆ1 − pˆ 2 ) − ( p1 − p2 )
P − zα < < zα = 1 − α
2 pˆ1 (1 − pˆ1 ) pˆ 2 (1 − pˆ 2 ) 2
+
n1 n2
Ejemplo.
Resolución.
12 17
pˆ1 = = 0.1411 y pˆ 2 = = 0.1416
85 120
131
P ( −9.71% < p1 − p2 < 9.61% ) = 95%
Para realizar este objetivo, se debe recordar que el error máximo que se puede cometer en
la estimación de la proporción es:
pˆ (1 − pˆ )
e = zα
2
n
Los valores que se usan frecuentemente, para hallar el mayor tamaño de muestra con el
cual realizar inferencias confiables, son:
132
p = 0.5 y q = 0.5 . Estos valores asumen que la población no tiene preferencias por el
elemento éxito.
z = 1.96 , que corresponde a una probabilidad de confianza de 95%.
e = 0.05 , es decir que el error máximo que se desea cometer en la estimación es del 5%.
Ejemplo.
Según datos obtenidos del sitio web del Instituto Nacional de Estadística, la población de
Cochabamba para el año 1999 era: 1’484.867 habitantes: 836.232 área urbana y 648.635
área rural.
Una empresa quería saber en ese año la proporción de personas en el área urbana que
consumía su producto y para ello necesitaba saber qué tamaño de muestra debía tener,
para que sus resultados sean confiables y se puedan inferir a toda la población. Para este
estudio la empresa trabajó con una probabilidad de confianza del 95%, que arroja un valor
de z de 1.96, y un error de estimación del 5%. Una probabilidad a favor de 50%. Estos
valores son usados generalmente en un estudio de mercado.
Resolución.
0.9604(836232)
n= = 20
0.9104 + 0.05(836232)
133
ÁRBOL DE DECISIÓN PARA ELEGIR EL INTERVALO DE CONFIANZA
¿Número de Relación de s2
variabilidades 1 1 σ 12 s12 1
poblaciones? Cociente de varianzas
P 2 < < = 1−α
s2 Fα , n −1, n −1 σ 22 s22 F1−α ,n −1,n −1
2 1 2 2 1 2
Comparación
de fracciones
o porcentajes
Diferencia
de proporciones
pˆ1 (1 − pˆ1 ) pˆ 2 (1 − pˆ 2 )
P ( pˆ1 − pˆ 2 ) ± zα + < p1 − p2 < ... = 1 − α
¿Cuál es la 2 n1 n2
palabra clave?
134
EJERCICIOS DE CLASE
Intervalo de confianza para la media de una población normal con varianza conocida.
2. Después de recolectar una muestra de 250 elementos de una población con una
desviación estándar conocida de 13.7, se encuentra que la media es de 112.4.
a) Encuentre la media
b) Estime la desviación estándar de la población.
c) Construya un intervalo de confianza de 98% para la media.
4. Los costos variables, principalmente de la mano de obra, hacen que los precios de la
construcción de casas varíen de una edificación a otra. Un constructor de casas
estándares necesita tener una ganancia media arriba de 8500 $ por casa para alcanzar
una ganancia anual establecida como meta. Las ganancias por casa para las 5
edificaciones más recientes del constructor, son de:
135
Cálculo del tamaño de la muestra dado un error en la estimación de la media.
5. Suponga que la UMSS está efectuando una investigación acerca de los ingresos anuales
de los estudiantes del último año de la facultad de Administración. Se sabe, por la
experiencia obtenida, que la desviación estándar de los ingresos anuales de la población
completa de los egresados es de aproximadamente 1500 Bs ¿Qué tan grande debe ser
la muestra que la universidad debe tomar con el fin de estimar los ingresos medios
anuales de los estudiantes del último año dentro de mas y menos 500 Bs y con un nivel
de confianza de 95%?
Intervalo de confianza para la diferencia entre dos medias para una población normal
con varianzas conocidas.
7. Considerando que los fallos emitidos por un tribunal acerca de responsabilidad legal
varían en el tiempo, una compañía de seguros quiere comparar el nivel promedio de los
fallos actuales acerca de la responsabilidad personal, con los del año pasado. Se
seleccionó una muestra aleatoria de 30 casos de entre los procesados durante cada uno
de los períodos anuales. Se indican las medias muestrales y las varianzas de los fallos
acerca de la responsabilidad (en millones de dólares), para cada uno de los dos años, en
la tabla siguiente. Encuentre un intervalo de confianza de 90% para la diferencia entre
los niveles promedio de los fallos acerca de responsabilidad legal, para este año y el
anterior.
Intervalo de confianza para la diferencia entre dos medias para una población normal
con varianzas desconocidas y no necesariamente iguales.
8. Los siguientes datos son las horas-hombre que semanalmente se pierden en promedio
por accidentes en 10 plantas industriales con cierto programa de seguridad y otras 10
con otro programa.
Programa 1 45 73 46 124 33 57 83 34 26 17
Programa 2 36 60 44 119 35 51 77 29 24 11
136
Calcúlese un intervalo de confianza de 90% para la media del mejoramiento en las
horas- hombre perdidas.
Intervalo de confianza para la diferencia entre dos medias para una población normal
con varianzas desconocidas pero iguales.
9. Los siguientes datos son el número de ventas que una muestra de 9 vendedores de
productos químicos en California y una muestra de 6 vendedores en Oregon realizaron
en cierto período fijo:
California 59 68 44 71 63 46 69 54 48
Oregon 50 36 62 52 70 41
Intervalo de confianza para la diferencia entre dos medias para una población normal
para datos apareados.
N° 1 2 3 4 5 6 7 8 9 10
Antes 38 11 34 25 17 38 12 27 32 29
Despué 45 24 41 39 30 44 30 39 40 41
s
11. Un gerente de control de calidad de una compañía estaba convencido de que una
balanza, para pesar materia prima, variaba según una desviación estándar igual a 2. A
fin de probar el equipo se pesó una carga de 107 libras, y se registraron las mediciones
de 104.1, 105.2 y 110.2. Obtenga un intervalo de confianza de 90% para la varianza.
137
Intervalo de confianza para el cociente de varianzas en poblaciones normales.
14. Una fábrica produce bolsas de papel. El contrato con sus clientes le permite una
fracción defectuosa no mayor del 5%. En una muestra de 200 bolsas, se encontraron 6
defectuosas. Encuentre un intervalo de 95% de confianza para la verdadera fracción
defectuosa de esta fábrica.
máquina 1 85 12
máquina 2 120 17
138
EJERCICIOS PROPUESTOS
1. El supermercado Anita que usted administra compró hace poco una carga de 1500 cajas
de 24 onzas de cereal cada una. Una muestra aleatoria de 57 de ellas reveló un peso
neto promedio de 23.2 onzas y una desviación estándar de 0.3 onzas.
61 57 53 60 64 57 54 58 63
59 50 60 60 57 58 62 63 60
4. Datos de archivo indican que la varianza de las mediciones efectuadas sobre la lámina
metálica grabada, las cuales fueron obtenidas por inspectores expertos en control de
2
calidad es de 0.18 plg . Las mediciones efectuadas por un inspector sin experiencia
podrían tener una varianza mayor o menor. Si usted, como nuevo inspector, mide 100
grabados con una varianza de 0.13 plg2, pruébese con un nivel de confianza del 95% si
usted realiza mediciones satisfactorias.
139
de hora. Se usará el grado de confianza de 0.95. ¿Cuántos niños de nivel preescolar
deben incluirse en la investigación?.
6. Usted está estudiando la eficiencia de dos máquinas que producen láminas de cartón.
Para ello seleccionó dos muestras aleatorias de tamaño n = 10 y m = 15,
respectivamente. Las medias y varianzas muestrales son: x1 = 5.0 mm. s12= 0.5 mm2., x2
2 2
= 5.2 mm. s2 = 0.53 mm . Construya un intervalo de confianza del 95% para el cociente
de varianzas.
7. Usted, como gerente del restaurante Aurora, piensa adquirir un nuevo mobiliario. Para
decidir con mayores datos sobre la cantidad que puede invertir en mesas y sillas, desea
determinar el ingreso promedio por cliente. Muestreó aleatoriamente a 9 clientes, cuya
cuenta promedio resultó ser de 18.30 Bs. con una desviación estándar de 3.60 Bs.
Construya un intervalo de confianza de 95% para el monto de la cuenta promedio por
cliente.
10. Una máquina expendedora de refresco gaseoso del local que usted administra, se
regula de modo que la cantidad de bebida que sirve está distribuida en forma
aproximadamente normal, con una desviación estándar igual a 0.15 decilitros.
1er Parcial 70 20 95 5 15 35 40 55 0 40 10
2do Parcial 25 15 95 70 80 50 85 15 10 5 50
a) Efectúe una estimación de las varianzas poblacionales del 1er y del 2do parcial.
b) El docente cree que como las notas provienen del mismo curso las varianzas son
iguales. ¿Es razonable su suposición?. Use un nivel de confianza del 90%.
140
c) Si las notas mejoran sustancialmente de un parcial al otro el docente llevará a los
alumnos a un viaje de estudios a Santa cruz. Encuentre el intervalo de confianza
para la mejora de notas con un nivel de significancia del 10%. Responda si cree que
los estudiantes merecen el viaje.
12. Se preparan dos tandas de cemento, y de cada una se fabrica un gran número de
tabiques. Se toma una muestra de 6 tabiques de cada tanda, y la fuerza de tensión el
libras/pulgada2, se mide para cada tabique de las dos muestras. Suponiendo
distribución normal obtenga un intervalo de confianza de 95% para la razón de las dos
σ1
desviaciones típicas .
σ2
Tanda 1. ∑ x = 3216, ∑ x
i i
2
= 1730088
Tanda 2: ∑ y = 3297, ∑ y
2
i i = 1812339
13. Un estudio demostró que 74 de 200 personas que vieron un desodorante anunciado
durante la transmisión de un partido de fútbol y 86 de otras 200 que lo vieron
anunciado en un programa de variedades recordaban el nombre dos horas más tarde.
Calcule un intervalo de confianza del 95% para la diferencia de las proporciones. E
interprete el resultado. ¿Cuál medio es mas efectivo?
Cantidad de televisión vista en la semana: Media: 15.3 horas. Desviación estándar: 3.8
horas. 27 entrevistados vieron el noticiero de la noche, por lo menos tres noches
durante la semana.
15. Usted, como dueño de la compañía de aparatos de audio Play-It-Again, ofrece un año
de garantía en todos los estéreos que vende su compañía. Para los 26 aparatos a los
que se les dio servicio de garantía el año anterior, el costo promedio de compostura fue
141
de 75$ y la desviación estándar de la muestra fue de 15$. Usted, ha decidido, que a
menos que la desviación estándar real sea menor que 20$, comprará sus aparatos de
audio a otro mayorista.
a) Calcule un intervalo de confianza del 90% que le ayude a tomar una decisión al
respecto.
b) ¿Usted deberá cambiar de proveedor?
Utilice esos datos para conformar un intervalo de confianza de 90% para la variación de
las lecturas de la emisión de ruido de los camiones. Si la variación de estas lecturas
sobrepasa el valor de 3, se elegirá el primer método. Con base en la información que
nos da los valores del intervalo hallado, ¿Cuál de los dos métodos se elegirá?
a) Determinar un intervalo de confianza de 98% para σ1/σ2 que son las desviaciones
estándar para los recorridos por litro de combustible para los vehículos de tipo A y de
tipo B, respectivamente.
b) Hallar el intervalo con una probabilidad del 90%.
19. El director administrativo de un colegio con 2400 estudiantes, desea usar la media de
una muestra aleatoria para estimar la cantidad promedio de tiempo que tardan los
142
alumnos en ir de una clase a la siguiente, y además quiere poder asegurar con una
confianza del 99% que el error es a lo más 0.25 minutos. El director sabe por
experiencia que la desviación del tiempo que tardan sus alumnos de ir de una clase a
otra es de 1.4 minutos. ¿Qué tamaño debe tener la muestra?
20. Las opiniones de un gerente de ventas sobre la demanda mensual promedio de uno de
los productos de su compañía podrían ser descritas por medio de una distribución
normal con media 3800 unidades y una desviación de 260 unidades.
143
EJERCICIOS PARA EXAMEN
Cada día tiene que resolver múltiples problemas y realizar muchas decisiones que afectan a
la productividad de la empresa. Para ello ha montado un departamento de Estadística y
Control de calidad, ya que anteriormente se hacían decisiones que no estaban basadas en
métodos técnicos, sino en la experiencia del anterior gerente de producción.
Se presentaron varios problemas en esta época del año, cada uno catalogado mediante las
5 Ps.
1. Personas.
Como invierno es una época alta para chamarras de cuero con frisa de lana, el personal de
planta de producción no es suficiente para cubrir la demanda, así que Ud contrató a
personal eventual para cubrirla, teniendo ya no uno, sino dos turnos de trabajo. El primero
trabaja de 8:00 – 12:00 y de 14:00 – 18:00 y el segundo de 20:00 – 24:00 y de 1:00 – 5:00.
Sin embargo, el técnico de producción, dependiente de Ud., le ha enviado un reporte donde
cree que el ritmo promedio de trabajo del segundo turno es significativamente inferior al del
primer turno y la variabilidad superior al del primer turno. Junto con el reporte, le envió los
siguientes datos muestrales, de 10 días de trabajo, que corresponden al número de
chamarras de cuero que produjeron por día:
1 Turno 11 14 16 12 9 10 13 15 14 10
2 Turno 8 7 6 10 5 7 12 11 8
144
Lamentablemente por negligencia del técnico, Ud, no posee el dato de la producción del
último día del segundo turno.
a) ¿Con una certeza del 95%, la variabilidad del ritmo de trabajo del segundo grupo es
significativamente superior al del primer grupo?
2. Plantas y procesos.
La empresa, desde hace varios años, quiere implementar una línea de maletines para
computadoras portátiles (lap top), dada la creciente demanda en el mercado. Sin embargo,
la tecnología para fabricarlas debe ser de última generación, particularmente en lo que
respecta al ensamblado de los refuerzos metálicos con las partes de cuero que las
recubren. Para ello, se piensa montar una línea de producción nueva y comprar una
computadora y cortadora, con las cuales realizar el cortado de las piezas de cuero
automáticamente, mediante el CAD-CAM (Diseño y manufactura asistidas por
computadora). Sin embargo, para la compra de esta nueva tecnología y el posterior
montaje, existen dos problemas:
a) Elegir las maquinarias con el mejor performance para la industria del cuero. En este
sentido existen dos proveedores que calificaron en la primera selección que realizó el
encargado de compras. Para la decisión final se pidió a los proveedores que permitan
que se realice un muestreo para determinar el porcentaje de los cortes que caen dentro
de especificación realizados por sus máquinas. Los datos se muestran en la siguiente
tabla:
b) Una vez elegida la mejor maquinaria, ajustar la homogeneidad de los cortes (la
precisión), ayudados por el experto que mandó el proveedor para ponerla en marcha.
Éste, afirma que la maquinaria viene calibrada de modo de que la variabilidad en los
cortes no sea mayor a 0.005 cm2., lo cual es conveniente para el proceso. Para ello, Ud
mandó a realizar un muestreo de 8 cortes de una pieza de cuero que debía medir 5 cm.
de ancho. Los resultados son:
145
5.02 4.98 5.04 5.01 5.00 4.97 5.02 4.99
Actualmente se compra el cuero para las distintas líneas de producción en el Beni, de varios
proveedores ganaderos: Vacadiez, Peredo, Gendrich y Gonzales. Cada uno de ellos,
anualmente abastece a la empresa de 5000, 3500, 7000 y 10000 cueros. El contrato con
estos proveedores se renueva cada año, para asegurar que la calidad del cuero no
disminuya. Este año Ud. quiere determinar qué proveedores calificarán. Para ello debe
estimar la superficie promedio de cuero bien curtido y sin imperfecciones de cada uno de
ellos. Por experiencia Ud. sabe que las desviaciones estándar de cada proveedor son de
0.2, 0.4, 0.1 y 0.35 m2, respectivamente.
a) ¿Cuántos cueros de cada proveedor deberá analizar con el fin de tener el 94% de
confianza de que la superficie promedio de cuero bien curtido y sin imperfecciones esté
2
dentro 0.1 m con respecto a la media real?
b) El anterior año, la superficie promedio por cuero bien curtido y sin imperfecciones era de
2
1 m . ¿Qué proveedores califican para este año, si después de realizado el muestreo se
tienen las medias respectivas de los distintos proveedores: 1.05, 1.30, 1.50 y 1.08?
Por experiencia usted sabe que en todos los problemas que quiere resolver, las muestras
tomadas provienen de poblaciones aproximadamente normales.
146
CAPÍTULO 5
PRUEBAS DE HIPÓTESIS
1. INTRODUCCIÓN
Por medio de las pruebas de hipótesis se trata de determinar cuándo es razonable concluir,
a partir del análisis de una muestra, que la población entera posee determinada propiedad,
y cuando no es razonable llegar a tal conclusión.
La prueba de hipótesis comienza con una suposición, denominada hipótesis, que se hace
en torno a un parámetro de la población. Después se reúnen datos muestrales, se
producen estadísticos de la muestra y a partir de esta información se decide, con una
probabilidad dada, si el parámetro supuesto de la población es correcto.
Ejemplo.
La hipótesis nula será: Los alumnos de cursos numerosos tienen igual aprovechamiento
académico que los alumnos de cursos con poco alumnado.
147
La hipótesis alternativa será: Los alumnos de cursos numerosos tienen menor
aprovechamiento que los alumnos de cursos con poco alumnado.
El investigador debe decidir el nivel de significación antes de formular una regla de decisión
y recopilar datos muestrales.
Se pueden cometer dos tipos de errores: El error tipo I (error α), es la probabilidad de
rechazar la hipótesis nula, cuando en realidad es verdadera. El error tipo II (error β) es la
probabilidad de aceptar la hipótesis nula cuando en realidad es falsa.
El cuadro siguiente muestra esquemáticamente los tipos de errores en los que puede
incurrir un investigador y sus consecuencias:
Hecho/Decisión El Investigador
Acepta H0 Rechaza H0
Si H0 es verdadera Decisión correcta Error tipo I
y
Si H0 es falsa y Error tipo II Decisión correcta
Una regla de decisión es una afirmación de las condiciones bajo las que se acepta o
rechaza la hipótesis nula. Para lograr esto, la distribución muestral se divide en dos partes;
la región de aceptación y la de rechazo. El área de rechazo define la ubicación de todos los
valores que son demasiado grandes o demasiado pequeños, por lo que la probabilidad de
que ocurran según una hipótesis nula verdadera es muy remota.
148
Se define el valor crítico como el número divisorio entre la región de aceptación y la región
de rechazo, el cual se puede determinar mediante una tabla de la distribución muestral que
se está considerando para la prueba.
Una prueba de hipótesis de dos extremos rechazará la hipótesis nula si la media muestral
es significativamente más alta o más baja que la supuesta media de la población. Por lo
tanto existen dos regiones de rechazo. La hipótesis nula y la alternativa serían:
H0: µ = µ0
H1: µ ≠ µ0
Sin embargo, se dan situaciones donde no conviene aplicar una prueba de dos extremos,
sino de un extremo. La hipótesis nula y la alternativa serían:
H0: µ = µ0
4. PRUEBAS DE HIPÓTESIS
149
H0: µ = µ0
α = 0.05
Tercer Paso. Se elige el estadístico de prueba adecuado. Dependiendo del caso, pueden
elegirse lo siguientes estadísticos:
x − µ0
• Con varianza conocida (n>30): Z=
σ n
x − µ0
• Con varianza desconocida (n<30): t=
S n
− zα zα z zα z − zα z
2 2
Las regiones de rechazo son las pintadas y las de aceptación las blancas.
− t α , n −1 t α , n −1 t t α , n −1 t − t α , n −1 t
2 2
Quinto paso. Con los datos muestrales, se halla el valor del estadístico de prueba y se lo
ubica en el gráfico que posee la regla de decisión. Dependiendo en que zona se ubica el
valor, se decide rechazar o aceptar la hipótesis nula.
150
A continuación se presenta el árbol de decisiones para elegir el estadístico adecuado.
151
ÁRBOL DE DECISIÓN PARA LA PRUEBA DE HIPÓTESIS
DE LA MEDIA DE LA POBLACIÓN
Cualquier n x − µ0
Si Z=
σ n
Grande
x − µ0
No n>30 Z=
s n
Pequeño
Normal n<30 x −µ0
t=
s n
Grande
x − µ0
Si n>20 Z=
No Normal σ n
Pequeño
Forma de la
n<20
población
x − µ0
K=
Grande σ n
No n>50
x − µ0
¿Se conoce la varianza de la Z=
Pequeño s n
población?
n<50
¿Tamaño de la
muestra? Callejón sin salida! No hay prueba de
hipótesis conocida.
152
153
Ejemplo.
Usted es el administrador de un lugar exclusivo para ir a tomar café, llamado Coffe Only.
Una máquina que llena frascos de Capuchino funciona correctamente si, en promedio,
estos llevan 500 gramos de café. Usted sospecha que esta máquina ha estado fallando,
puesto que muchos clientes han manifestado que el Capuchino no estaba en su punto.
Para corroborar este hecho seleccionó una muestra de 16 frascos. Obtuvo la siguiente
información muestral: x = 496 gr. y s = 5 gr. Considerando que la cantidad de café en cada
frasco sigue una distribución normal, y eligiendo el nivel de significancia de 0.05, pruebe si
está funcionando adecuadamente la máquina o no.
Resolución.
Como solo se quiere probar si la máquina está llenando bien o no, esta es una prueba de
dos colas.
x − µ0
t=
S n
Región de
aceptación
Región de Región de
rechazo 0.025 0.025 rechazo
Como la hipótesis nula es que el parámetro sea distinto a un valor, la prueba es de dos
colas.
Como este valor cae en la región de rechazo, se concluye que la hipótesis nula debe ser
rechazada y se acepta la hipótesis alternativa, que indica que los frascos no están siendo
llenados con 500 gr. de café.
Conclusión: En promedio la máquina no está llenando los frascos correctamente con 500
gr. de café.
Se considera ahora dos poblaciones normales de las que se realizará una comparación de
sus medias mediante la diferencia. Se estudiarán primero los tres casos más frecuentes,
para luego presentar el árbol de decisiones para todos los casos.
Primer paso.
H0: µ1 = µ2
H1: µ1 ≠ µ2; µ1 > µ2; µ1 < µ2
Segundo paso.
α = α0
Tercer Paso.
Z=
(X 1 − X2 ) − (µ1 − µ 2 )
σ12 σ 22
+
n1 n 2
t=
(X
1 − X 2 ) − (µ 1 − µ 2 )
S=
(n1 − 1)S12 + ( n 2 − 1)S22
ν = n1 + n2 − 2
1 1 n1 + n 2 − 2
S +
n1 n2
• Con varianzas desconocidas y no necesariamente iguales (n<30).
155
2
S12 S 22
t=
(X 1 − X 2 ) − (µ 1 − µ 2 ) +
n1 n 2
ν= −2
S12 S22
+
n1 ) (S 22 n 2 )
+
(S 2
1
2 2
n1 + 1
n1 n 2 n2 + 1
• Con datos apareados (muestras dependientes) (n<30).
(x1 − x 2 ) − (µ1 − µ 2 ) x − µ0
t= ó t=
n S n
∑ (x
i =1
1 − x 2 ) 2 − n(x1 − x 2 ) 2
n −1
Cuarto Paso.
− zα zα z zα z − zα z
2 2
−tα ,ν tα ,ν t tα ,ν t −tα ,ν t
2 2
La diferencia entre las reglas de decisión de las dos pruebas de hipótesis planteadas
radicará en el valor de los grados de libertad.
Quinto paso.
Con los datos muestrales, se halla el valor del estadístico de prueba y se lo ubica en el
gráfico que posee la regla de decisión. Dependiendo en que zona se ubica el valor, se
decide rechazar o aceptar la hipótesis nula.
156
A continuación se presenta el árbol de decisiones para elegir el estadístico adecuado.
157
ARBOL DE DECISIÓN PARA PRUEBAS DE HIPÓTESIS
No 1
(X − X2 ) − (µ1 − µ 2 )
Z=
Cualquier n No σ12 σ 22
+
n1 n 2
No (X 1 − X 2 ) − ( µ1 − µ2 )
Z=
No s12 s22
Grande +
n1 n 2
Si x − µ0
Z=
Si Si S n
Si x − µ0
n>30 t=
S n
¿Varianzas de
n<30
las poblaciones
conocidas? Pequeño No 2
s12 s22
+
(X n n
¿Tamaño de las 1 − X 2 ) − ( µ1 − µ 2 ) ν = 12 2 2 − 2
No t= 2
muestras? ¿Datos S12 S22
s1 s22
pareados? + n1 + n2
¿Varianzas n1 n 2 n1 + 1 n2 + 1
Iguales?
158
Ejemplo.
Se estudian dos métodos para el aprendizaje del idioma Inglés. Después de cierto periodo,
dos grupos, cada uno llevando uno de estos métodos, son examinados mediante un mismo
test. Los resultados muestrales obtenidos son:
Con base en esta información, ¿es posible afirmar que el método utilizado en el grupo 2 es
más efectivo? Se puede asumir que las varianzas poblacionales de los dos grupos son
iguales y que se distribuyen normalmente. Utilice un nivel de significancia de 0.01.
Resolución.
Paso 1:
H0: µ1 = µ2
H1: µ1 < µ2
Paso 2:
α = 0.01
Paso 3:
Usando el árbol de decisiones, como las varianzas son desconocidas, los tamaños de
muestra pequeños, pero las varianzas son iguales, se tiene:
t=
(X
1 − X 2 ) − (µ 1 − µ 2 )
S=
(n
1 − 1)S12 + ( n 2 − 1)S22
1 1 n1 + n 2 − 2
S +
n1 n2
ν = n1 + n2 − 2
Cuarto Paso.
α = 0.01 ν = 10 + 16 − 2 = 24
1 − α = 0.99
t
−t0.01,24 = −2.49
Rechazo
159
Quinto paso.
S=
(10 − 1) 36 + (16 − 1) 23 = 5.28 t=
(87 − 92 ) = −2.35
24 1 1
5.28 +
10 16
Conclusión: No existe evidencia estadística suficiente para rechazar la hipótesis nula, así
que los métodos de Inglés no difieren significativamente.
Acción: Los alumnos pueden inscribirse a cualquiera de los métodos o los profesores
pueden enseñar con cualquiera de ellos, porque el resultado será el mismo.
El único caso que puede sustentar la estadística, cuando se quiere realizar una inferencia
para una proporción, es cuando se toman muestras grandes. Este proceso aleatorio sigue
una distribución binomial, que deberá aproximarse a una normal.
Primer paso.
H0: p = p0
Segundo paso.
α = α0
Tercer paso.
X − np
Z=
np (1 − p )
160
Cuarto paso.
− zα zα z zα z − zα z
2 2
Quinto paso.
Ejemplo.
Resolución.
Paso 1:
H0: p = 0.5
H1: p ≠ 0.5
Paso 2:
α = 0.01
Paso 3:
X − np
Z=
np(1 − p)
Paso 4:
−2.58 2.58 z
Rechazo Rechazo
161
Paso 5:
43 − 100(0.5)
Z= = −1.4
100(0.5) (1 − 0.5 )
Acción: Puesto que este porcentaje es bastante considerable, el investigador deberá sugerir
a la compañía comercializadora que emplee la estrategia de mercadeo de mostrar primero
un auto rojo a los clientes femeninos.
X1
p$ 1 = (Proporción éxito de la muestra tomada de la primera población)
n1
X
p$ 2 = 2 (Proporción éxito de la muestra tomada de la primera población)
n2
X1 + X 2
P= (Proporción promedio de ambas muestras)
n1 + n 2
Primer paso.
H0: p1 = p2
Segundo paso.
α = α0
Tercer paso.
162
pˆ 1 − pˆ 2
Z=
1 1
P (1 − P ) +
n1 n 2
Cuarto paso.
− zα zα z zα z − zα z
2 2
Rechazo Rechazo Rechazo Rechazo
Quinto paso.
Con los datos muestrales, se halla el valor del estadístico de prueba y se lo ubica en el
gráfico que posee la regla de decisión. Dependiendo en que zona se ubica el valor, se
decide rechazar o aceptar la hipótesis nula.
Ejemplo.
Una gran cadena hotelera está tratando de decidir si convierte más de sus habitaciones en
cuartos para no fumadores. En una muestra aleatoria de 400 huéspedes tomada el año
anterior, 166 de éstos pidieron habitaciones para no fumadores. Este año, 175 huéspedes
de una muestra de 380 prefirieron cuartos para fumadores. ¿Recomendaría usted que la
cadena de hoteles destine más habitaciones a no fumadores? Apoye su recomendación
probando la hipótesis apropiada a un nivel de significancia de 0.01.
Resolución.
Paso 1:
H0: p1 = p2 (Las proporciones para cuartos de no fumadores este año es igual a la del año
pasado)
H1: p1 < p2 (La proporción para los cuartos de no fumadores será mayor este año)
Paso 2:
α = 0.01
Paso 3:
pˆ 1 − pˆ 2
Z=
1 1
P (1 − P ) +
n1 n 2
Paso 4:
163
α = 0.01 1 − α = 0.99
− z0.01 = −2.58 z
Rechazo
Paso 5:
0.415 − 0.5395
Z= = −3.48
1 1
0.4756 (1 − 0.4756 ) +
400 380
El valor del estadístico cae en la región de rechazo, por lo tanto se acepta la hipótesis
alternativa.
Conclusión: La proporción de los huéspedes del hotel que piden habitaciones para no
fumadores fue significativamente mayor con respecto a la del año pasado.
Primer paso.
2 2
H0: σ = σ0
2 2 2 2 2 2
H1: σ ≠ σ0 ; σ > σ0 ; σ < σ0
Segundo paso.
α = α0
Tercer paso.
( n − 1)S2
• Con muestras pequeñas (n < 30): χ =
2
σ 20
S−σ
• Con muestras grandes (n ≥ 30): Z =
σ 2n
Cuarto paso.
− zα zα z zα z − zα z
2 2
Rechazo Rechazo Rechazo Rechazo
Quinto paso.
Ejemplo.
22.42 20.62 18.36 26.47 21.46 19.75 19.20 20.30 23.40 17.84 27.38 26.34 22.43
23.46 28.27 23.51 24.73
Resolución.
Paso 1:
2 2
H0: σ = 12.25 (3.5 )
165
( n − 1)S2
χ2 =
σ 20
Cuarto paso.
0.95
α = 0.05
2
χ 0.05,16 = 26.3 χ2
Quinto paso.
x = 22.70
s = 3.18
χ2 =
(17 − 1) 3.182 = 13.2
3.5 2
Esta prueba se la realiza para probar si las varianzas de dos poblaciones normales son
iguales o diferentes. Generalmente esta situación se da cuando se quiere comparar la
precisión de dos instrumentos de medición, la variación en las características de calidad de
un producto o la variación en los resultados de dos procedimientos de prueba. Todos estos
ejemplos tienen que ver con la homogeneidad o uniformidad de variabilidades.
Primer paso.
2 2
H0: σ1 = σ2
Segundo Paso.
α = α0
Tercer paso.
s12
F= 2
s2
Cuarto Paso.
Ejemplo.
Resolución.
Paso 1:
2 2
H0: σ1 = σ2
2 2
H1: σ1 < σ2
Paso 2:
α = 0.1
Paso 3:
s12
F=
s 22
Paso 4:
1 1
F0.9,19,15 = = = 0.54
0.9 F0.1,15,19 1.86
α = 0.1
167
F0.9,19,15 F
Paso 5:
9
F= = 0.36
25
168
ÁRBOL DE DECISIÓN PARA ELEGIR LA PRUEBA DE HIPÓTESIS
¿Número de Relación de
poblaciones? variabilidades s12
Cociente de varianzas F= 2
s2
Comparación
de fracciones
o porcentajes pˆ 1 − pˆ 2
Diferencia Z= X1 + X2
de proporciones P=
1 1 n1 + n 2
¿Cuál es la P (1 − P ) +
palabra clave? n1 n 2
169
EJERCICIOS DE CLASE
Prueba de hipótesis para la media de una población normal con varianza conocida
(n≥30).
1. Un vendedor de coches nuevos calcula que su compañía tiene que promediar mas de
4.8% de ganancias en las ventas de los autos nuevos asignados. Una muestra aleatoria
de 80 coches, proporcionó una media de 4.87% del porcentaje de ganancias por
vehículo. Por datos históricos del vendedor se sabe que la desviación estándar es de
3.9%. ¿Aportan los datos evidencia suficiente que indique que la política del gerente de
ventas al aprobar los precios genera una ganancia media superior a 4.8% por coche?
Use α = 0.01.
Prueba de hipótesis para la media de una población normal con varianza desconocida
(n<30).
2. Se diseñó un nuevo sistema para el control del inventario de un pequeño fabricante, con
el propósito de reducir el mismo para un motor eléctrico en particular a menos de 3000
motores por día. Se llevó a cabo un muestreo del inventario en reserva al final de cada
uno de 8 días, seleccionados aleatoriamente. Los resultados se muestran en la siguiente
tabla. ¿Con los datos, hay evidencia suficiente que señale que el promedio del número
diario de motores en el inventario es menor que 3000? Use α = 0.05.
Número de motores: 2905 2725 2835 3065 2895 3005 2835 2605
Prueba de hipótesis para la diferencia entre dos medias para una población normal
con varianzas conocidas (tomando muestras grandes).
x1 = 310.83 $ x 2 = 297.45 $
σ1 = 23.12 $ σ 2 = 25.69 $
¿Proporcionan los datos evidencia que indique una diferencia en el promedio del ingreso
anual esperado tanto entre los vendedores como las vendedoras? Haga la prueba con α
= 0.1.
170
Prueba de hipótesis para la diferencia entre dos medias para una población normal
con varianzas desconocidas y no necesariamente iguales (tomando muestras
pequeñas).
Resistencia
Fórmula 1: 42 50 45 47 48 52 50
Fórmula 2: 41 48 50 46 45 42 46
Con un nivel de significancia del 0.05, ¿está usted de acuerdo con la afirmación del
fabricante?
Prueba de hipótesis para la diferencia entre dos medias para una población normal
con varianzas desconocidas pero iguales (tomando muestras pequeñas).
Tamaño 8 8
Media ($) 106200 111900
Desviación 24400 28600
¿Proporcionan los datos evidencia suficiente que señale una diferencia en el nivel
promedio de las ventas para los dos enfoques de ventas? Use α = 0.1.
Prueba de hipótesis para la diferencia entre dos medias para una población normal
con datos apareados (tomando muestras pequeñas).
171
Emsco con los dos nuevos limpiadores, uno de cada tipo de material. En los automóviles
1 a 6 el limpiador derecho está fabricado con el material A y el izquierdo con el material
B; en los automóviles 7 a 12, el material A fue utilizado en el limpiador izquierdo. Los
coches fueron conducidos en condiciones de operación normales hasta que los
limpiadores ya no funcionaron adecuadamente para limpiar el agua de lluvia de los
parabrisas. Los datos que damos más adelante corresponden al tiempo de vida útil (en
días) de los limpiadores. A un nivel de riesgo de 0.05, ¿se desgastan de la misma
manera los dos materiales?
172
desviación estándar es muy grande, habrá una tendencia a tener una gran cantidad de
resultados muy bajos, lo cual es deprimente para el ánimo de los estudiantes.
Experiencias pasadas han conducido al profesor a creer que una desviación de 13
puntos para un examen de 100 indica que el examen se desempeña bien al equilibrar
estos dos objetivos.
El profesor acaba de hacer un examen a su grupo compuesto por 26 estudiantes de
recién ingreso y del segundo año. La calificación promedio fue de 72.7 y la desviación de
15.9. ¿Este examen cumple con el criterio de bondad del profesor? Use α = 0.1.
¿Presentan los datos evidencia suficiente para indicar que las variaciones del proceso
son menores para el proceso 2? Use α = 0.05.
173
EJERCICIOS PROPUESTOS
2. ¿Proporcionan los pesos de los 6 diamantes sintéticos de 0.46, 0.61, 0.52, 0.48, 0.57 y
0.54 quilates, evidencia suficiente que señale que el proceso promedio de las gemas
producidas mediante el proceso excede los 0.5 quilates? Haga la prueba con un nivel de
significancia de 0.05.
Encuentre un intervalo de confianza de 95% para el promedio del peso de los diamantes.
174
entrenamiento de tres semanas es menor para el nuevo procedimiento de
entrenamiento? (Suponga que la variabilidad para las dos poblaciones de mediciones es
aproximadamente igual y que el nivel de significancia es de 0.05).
Procedimiento estándar: 32 37 35 28 41 44 35 31 34
Procedimiento nuevo: 35 31 29 25 34 40 27 32 31
Luego, encuentre un intervalo de confianza del 95 % para la diferencia del tiempo medio
de montaje entre los dos procedimientos. (Nota: Debe construir el intervalo de confianza
adecuado).
7. La desviación típica del tiempo útil de una muestra compuesta por 200 focos, es de 100
horas. El fabricante asegura que la desviación estándar del tiempo de vida de sus
productos es de 112 horas. Con un nivel de significación de 0.05, contraste la suposición
del fabricante a la hipótesis de que σ ≠ 112.
8. Una planta de producción tiene dos sistemas de fabricación muy complejos, uno de ellos
dos veces más viejo que el otro. A ambos sistemas se les da mantenimiento cada 25
días. Durante 30 días laborables se ha registrado el número de productos terminados
fabricados diariamente por cada uno de los dos sistemas, y se obtienen los siguientes
resultados:
175
Sistema nuevo: x1 = 246 s1 = 15.6
Sistema viejo: x 2 = 240 s2 = 28.2
10. Ciertas máquinas industriales necesitan reparación cuando el desgaste de sus partes
trae como consecuencia mucha variabilidad del producto respecto de las
especificaciones. Si la variabilidad no debe exceder σ2 = 50, y una muestra de 40 dio s2
= 60, ¿está justificado el inspector al requerir el ajuste?
11. Diariamente, el servicio de aduanas de los Estados Unidos ha interceptado a lo largo
de su historia, alrededor de 28 millones en bienes de contrabando introducidos al país,
con una desviación estándar de 16 millones al día. En 64 días de 1992, elegidos
aleatoriamente, el servicio de aduanas interceptó un promedio de 30.3 millones en
bienes de contrabando. ¿Indica esta muestra (a nivel de significancia del 5%) que el
comisionado de aduanas debería preocuparse por el incremento del contrabando por
encima de su nivel histórico?
13. Un documental de televisión acerca de la alimentación excesiva afirmaba que los latinos
tienen un sobrepeso aproximado de 10 lb. En promedio. Para probar esta afirmación ,
se examinó a 18 individuos elegidos aleatoriamente, y se encontró que su sobrepeso
promedio era de 12.4 lb., con una desviación estándar de 2.7 lb. A un nivel de
significancia de 0.01, ¿hay alguna razón para dudar de la validez del valor afirmado de
10 lb.?
14. La empresa Block, una compañía fabricante de chips de memoria RAM para
computadoras, está en proceso de decidir si sustituye su línea de ensamblaje
semiautomática, que tiene actualmente, por otra completamente automatizada. Como le
gustaría saber si debe actualizar su línea de ensamblado, Block ha reunido algunos
datos sobre pruebas acerca de la producción por hora de chips, esos datos se resumen
176
en la siguiente tabla. Establezca (y pruebe con un nivel de significancia de 0.02)
hipótesis apropiadas para ayudar a Block a tomar una decisión.
Empleado 1 2 3 4 5 6
Sin música 219 205 226 198 209 216
Con música 235 186 240 203 221 205
16. En viernes, tuvieron avance 11 acciones de una muestra aleatoria de 40 tomada de las
2500 acciones negociadas en la Bolsa de valores de Nueva York; es decir aumentó el
precio de su valor. En una muestra de 60 acciones de la Bolsa de Valores de Nueva
York, tomada el jueves, 24 acciones avanzaron. A un nivel de 0.10 de significancia,
¿puede usted llegar a la conclusión de que una porción menor de las acciones de la
bolsa de valores avanzaron el viernes con respecto al jueves?
17. La empresa Precision Analytics fabrica una amplia línea de instrumentos de precisión y
tiene una buena reputación en el campo por la calidad de sus instrumentos. Con el fin
de conservar su reputación, mantiene un estricto control de calidad en todos sus
productos. No pondrá a la venta una balanza analítica, por ejemplo, a menos que dicha
balanza muestre una variabilidad que esté significativamente por debajo de un
microgramo (con un nivel de significancia de 0.01) cuando se pesan cantidades de
aproximadamente 500 gramos. Una nueva balanza acaba de ser entregada a la división
de control de calidad por parte de la línea de producción. Se prueba la balanza
utilizándola para pesar el mismo peso estándar de 500 gramos 30 veces distintas. La
desviación estándar de la muestra resultó de 0.73 microgramos. ¿Se deberá vender la
balanza?
177
Número de defectos
Estadísticos Línea A Línea B
Media 10 11
Varianza 9 25
Tamaño de muestra 20 16
20. Una compañía asegura que sus lámparas incandescentes son superiores a las de su
principal competidor. Si un estudio demostró que una muestra de 40 de esas lámparas
tienen una vida útil media de 647 horas con una desviación estándar de 27 horas,
mientras que otra muestra de 40 de su principal competidor tuvieron una vida útil media
de 638 horas de uso continuo con una desviación estándar de 31 horas. ¿Se debe
aceptar la afirmación con un nivel de significancia de 0.05?
21. El Ing. Hugo Grandy experto en Seguridad Industrial imparte, bajo el auspicio de La
Boliviana de Seguros S.A., un curso sobre principios de Seguridad e Higiene Industrial
a un grupo de subgerentes y supervisores. Las muestras aleatorias de las
puntuaciones obtenidas son:
23. Una compañía ferroviaria instala 2 grupos de 50 durmientes cada uno. Los dos grupos
se han impregnado con creosota, pero por dos procedimientos distintos. Después de
cierto tiempo, 22 durmientes del primer grupo y 18 del segundo, están en buenas
condiciones. Comparar los dos procedimientos de impregnación. Use un nivel de
significación de 0.04. Considerar que la población se halla distribuida normalmente
178
24. Picosoft Ltd., proveedor de software de sistemas operativos para computadoras
personales, estaba planeando la oferta pública inicial de sus existencias para sacar el
suficiente capital de trabajo para financiar el desarrollo de un sistema integrado de
séptima generación, radicalmente nuevo. Con utilidades actuales de 1.61 $ por acción,
Picosoft y sus suscriptores estaban considerando un precio de oferta de 21 $,
aproximadamente 13 veces las utilidades. Para verificar lo adecuado de este precio,
eligieron aleatoriamente 7 compañías de software comercial público y encontraron que
su tasa promedio precio/utilidades era de 11.6, con una desviación estándar de muestra
de 1.3.
Con base en esta información, ¿es posible afirmar que el método utilizado en el grupo
2 es más efectivo? Asuma que las varianzas de la población son aproximadamente
iguales, y utilice un nivel de significancia de 0.01.
26. En la refinería Gualberto Villarroel en la que usted está como gerente, se está
pensando modificar el proceso para producir gasolina a partir de petróleo crudo. Usted
hará la modificación sólo si la gasolina promedio obtenida por este nuevo proceso
(expresada como un porcentaje del crudo) aumenta su valor con respecto al proceso en
uso. Con base en un experimento de laboratorio y mediante el empleo de dos muestras
aleatorias de tamaño 12, una para cada proceso, la cantidad de gasolina promedio del
proceso en uso fue de 24.6 con una desviación estándar de 2.3, y para el proceso
propuesto fue de 28.2 con una desviación estándar de 2.7. Usted piensa que los
resultados proporcionados por los dos procesos son variables independientes
normalmente distribuidas con varianzas iguales. Con base en esta evidencia,
¿adoptaría usted el nuevo proceso?
27. Un fabricante de máquinas para empacar sal afirma que sus máquinas pueden llenar
con un peso dado las cajas, presentando una variabilidad no mayor a 0.01 libras
cuadradas. Una muestra de 8 cajas de 3 libras arrojó una media de 3.1 libras y una
varianza de 0.018 libras cuadradas. Utilice un nivel de significancia de 0.05.
a) ¿Hay evidencia estadística para indicar que la afirmación del fabricante está
correcta?
179
b) ¿Usted compraría las máquinas del fabricante para empacar sal si usted quiere que
la variabilidad sea no mayor a 0.005?
Una compañía que fabrica todo tipo de ropa de alpaca (sobre todo chompas), tanto para el
mercado nacional como para exportación, con sede en La Paz, se ha dado cuenta que
debe abrir un taller de confección en Cochabamba, si quiere cubrir con eficiencia la
demanda insatisfecha de la zona central y oriental de Bolivia. Sin embargo, antes de
realizar esta acción estratégica, debe realizar algunos estudios de mercado para asegurar
un beneficio que le permita una posición competitiva a largo plazo superior a la de la
competencia. Para ello, contrató a un analista en mercados, que deberá resolver los
aspectos que se describen a continuación.
180
• Si la posición competitiva de la empresa será mayor con respecto a la competencia, con
la nueva fábrica.
• Si los costos unitarios de producción no serán significativamente más altos a los costos
que se tienen en La Paz.
• Si el desarrollo de nuevos métodos para obtener el hilo de lana de alpaca, que han sido
desarrollados en Cochabamba, pueden reducir los costos.
• Si las ventas subirán significativamente con la nueva planta.
Para probar estadísticamente estos puntos, el analista realizó una encuesta de mercado y
una revisión de los datos históricos de la empresa. Con esta información realizó
predicciones y simulaciones para el futuro.
1. Posición competitiva.
Compañía Competenci
a
Comprarían 200 110
No 50 40
comprarían
El analista realizó una predicción de los costos unitarios ($us/chompa) para los siguientes
12 meses en la planta de La Paz, y con los datos muestrales del estudio en Cochabamba,
realizó una simulación de los costos unitarios si se optaba por establecer una planta en
Cochabamba (sin tomar en cuenta sobre todo los costos de transporte de la lana, desde La
Paz, para tener una base de comparación equitativa). La tabla siguiente contiene los datos:
Mes 1 2 3 4 5 6 7 8 9 10 11 12
La Paz 10. 11.1 12.3 9.8 10.5 9.6 13.0 12.4 11.6 11.4 10.7 11.2
4
Cbba 10. 12.0 12.5 9.7 11.0 9.6 12.7 12.4 10.0 11.5 9.9 11.9
8
Se quiere probar, con un nivel de riesgo de 0.1, si los costos unitarios de Cochabamba
difieren significativamente de los costos unitarios en la planta de La Paz, realizando una
prueba paramétrica.
El analista sabe por experiencia, que las clasificaciones no están relacionadas entre sí, que
las muestras provienen de poblaciones normales que tienen una misma varianza
poblacional. Con un nivel de significación del 0.05, se quiere probar:
a) ¿Existe algún método que sea más rápido que los otros para la producción del hilo de
lana?
b) ¿Existe influencia de los operarios en la rapidez de la producción?
Nota: Para resolver este problema, el lector deberá primero aprender a cómo realizar
el procedimiento de la ANOVA, que se detalla en el siguiente capítulo.
4. Ventas estimadas.
El analista realizó una simulación para los pedidos de ventas al por mayor de varios
comerciantes, si se abriera la planta en Cochabamba, en miles de $us/año:
a) Se quiere determinar si las ventas según pedidos, sigue una distribución normal, que
tiene un nivel de ventas promedio de 20000 $us, con una desviación estándar de 5000
$us. Use un nivel de 0.05 de riesgo.
b) Si las ventas se ajustan a este patrón normal, con los datos muestrales de la tabla
anterior, probar con el mismo nivel de riesgo, si la media de ventas puede ser menor a
17000 $us.
5. Decisión final.
El analista debe decidir si dar un informe positivo o no, para que la empresa se anime a
establecer una planta en Cochabamba, y está basada en la combinación de los 4 aspectos
antes mencionados.
182
b) ¿Los costos unitarios de la planta en Cochabamba serán significativamente iguales a los
costos unitarios de la planta en la Paz?
c) ¿La investigación realizada para hallar un método más rápido para la producción de hilo
de lana, que reduzca los costos, fue provechosa?
d) ¿Las ventas anuales por pedidos al por mayor siguen una distribución normal con media
de 20000 y desviación de 5000 $us?
183
CAPÍTULO 6
ANÁLISIS DE VARIANZA
1. INTRODUCCIÓN
El análisis de varianza (ANOVA) permite probar la significancia de las diferencias entre más
de dos medias de muestra o hacer inferencias sobre si las muestras fueron tomadas de
poblaciones que tienen la misma media.
El análisis de varianza será útil en situaciones como la comparación del kilometraje logrado
por 5 tipos de gasolina; en la prueba de cuál de 4 métodos de entrenamiento produce el
más rápido aprendizaje, etc.
Sin embargo estas aplicaciones no son todo lo que se puede querer conocer. Con respecto
a si hay diferencias en la eficiencia entre 5 tipos de gasolina, hay varias preguntas que
quedan sin resolver: ¿Qué autos se usaron para las pruebas? ¿Los instrumentos para
medir la eficiencia eran similares en precisión? En la prueba de la eficiencia de los métodos
de aprendizaje se podría preguntar: ¿Qué tipo de profesores se usaron? ¿La calidad de los
textos es la misma? ¿Los estudiantes tenían un mismo nivel de inteligencia? El resolver
estas preguntas lleva al vasto tema del diseño de experimentos, del cual, el ANOVA es el
fundamento.
2. SUPOSICIONES
• Cada una de las muestras es tomada de una población normal de forma independiente y
además cada una de las poblaciones tiene la misma varianza (Si los tamaños de las
muestras son lo suficientemente grandes no se necesita la suposición de normalidad,
pero esto no ocurre frecuentemente).
3. PROCEDIMIENTO
180
H 0 : µ1 = µ 2 = K = µ n
H1 : µ1 ≠ µ 2 ≠ K ≠ µ n
Para probar esta hipótesis se realizan los siguientes pasos:
Se supondrá que se tiene “k” diferentes niveles de un factor que se desean comparar
(llamados tratamientos). La respuesta observada para cada nivel de los “k” tratamientos es
una variable aleatoria.
Observación
1 2 3 .... n
1 y11 y12 y13 .... y1n
2 y21 y22 y23 .... y2n
Tratamiento 3 y31 y32 y33 .... y3n
: : : : : :
k yk1 yk2 yk3 .... ykn
El modelo estadístico para representar cada observación de la tabla está dado por:
yij = µ + τi + ε ij
Primer paso.
181
Se desea probar la igualdad de los efectos de los “k” tratamientos:
H 0 = τ1 = τ 2 = ... = τk = 0
H1 = τi ≠ 0 para al menos una "i"
Segundo paso.
1−α
α
182
Fα ,k −1, N −k F
Quinto paso.
Ejemplo.
El gerente de una sucursal de una cadena de tiendas renunció. Tres vendedores pueden
ocupar su puesto, que tienen la misma antigüedad, educación, etc. Para tomar una
decisión, se sugirió examinar los registros de ventas mensuales de cada uno. En la tabla se
muestran los resultados muestrales de las ventas en miles de dólares:
Resolución.
Paso 1:
H0: No hay diferencia significativa entre las ventas medias de los tres vendedores
Paso 2:
α = 0.05
Paso 3:
MSTr
F=
MSE
Paso 4:
ν1 = k − 1 = 3 − 1 = 2
α = 0.05
ν 2 = N − k = 15 − 3 = 12
183
F
F0.05,2,12 = 3.89
Paso 5:
2
3 5
T = ∑∑ y ij = ( 55 + 60 + 80 ) = 38025
2 2
i =1 j=1
3 5
T2 38025
SST = ∑∑ yij2 − = (687 + 734 + 1306) − = 2727 − 2535 = 192
i =1 j=1 N 15
5 5 5
T1 = ∑ yij = 55 T2 = ∑ yij = 60 T3 = ∑ yij = 80
j=1 j=1 j=1
184
Error SSE=122 N-k=12 SSE 122
muestral MSE = = = 10.17
N − k 12
Acción: La empresa deberá seleccionar al nuevo gerente tomando en cuenta otro aspecto
que no sean las ventas.
Bloques
B1 B2 B3 .... Bb Medias
1 y11 y12 y13 .... y1b
2 y21 y22 y23 .... y2b
Tratamientos 3 y31 y32 y33 .... y3b
: : : : : :
a ya1 ya2 ya3 .... yab
Medias
y ij = µ + α i + β j + εij
donde: i = 1, 2, ..., a tratamientos
j = 1, 2, ..., b bloques
Primer paso.
185
H 0 = α1 = α 2 = ... = α k = 0
H1 = α i ≠ 0 para al menos una "i"
H 0 : β1 = β2 = K = βk = 0
H1 : β j ≠ 0 para al menos una " j"
Si H0 es cierta para los dos factores, entonces y ij = µ + ε ij . Esto es, la variable de
respuesta no se ve afectada por los factores investigados.
Segundo paso.
α = α0
Tercer paso.
Donde existe un estadístico para las dos pruebas: Tratamientos y Bloques. Las ecuaciones
necesarias son:
2
a b
T2 a b
SST = ∑∑ y − 2
ij donde: T =2
∑ ∑ y ij
i =1 j=1 ab i =1 j =1
Ti2 T 2
a
SSTr = ∑
b
− donde: Ti = ∑ yij
i =1 b ab j=1
186
a
b Tj2T2
SSBl = ∑ − donde: Tj = ∑ yij
j=1 a ab i =1
Cuarto paso.
1−α 1−α
α α
Quinto paso.
Ejemplo.
Bloques
Lavadora 1 Lavadora 2 Lavadora 3
A 45 43 51
Detergentes B 47 46 52
C 48 50 55
D 42 37 49
Use un nivel de significancia del 0.01. ¿El rendimiento de los detergentes es igual? ¿Las
diferencias en los resultados obtenidos por las lavadoras son significativas?
Resolución.
Paso 1:
187
Para los tratamientos:
Paso 2:
α = 0.01
Paso 3:
MSTr MSBl
FTr = FBl =
MSE MSE
Paso 4:
α = 0.05 α = 0.05
ν1 = a − 1 = 4 − 1 = 3 ν1 = b − 1 = 3 − 1 = 2
ν 2 = (a − 1)(b − 1) = (4 − 1)(3 − 1) = 6 ν 2 = (a − 1)(b − 1) = (4 − 1)(3 − 1) = 6
Paso 5:
Bloques
Lavadora 1 Lavadora 2 Lavadora 3 Totales (Ti)
A 45 (2025) 43 (1849) 51 (2601) 139
Detergentes B 47 (2209) 46 (2116) 52 (2704) 145
C 48 (2304) 50 (2500) 55 (3025) 153
D 42 (1764) 37 (1369) 49 (2401) 128
188
Totales (Tj) 182 (8302) 176 (7834) 207 (10731) 565 (26867)
319225
T 2 = ( 565 ) = 319225 SST = 26867 − = 264.92
2
4(3)
1392 + 1452 + 1532 + 1282 319225
SSTr = − = 110.92
3 12
1822 + 1762 + 207 2 319225
SSBl = − = 135.17
4 12
SSE = 18.83
Traduciendo los valores calculados a la tabla:
Acción: Como la blancura depende del tipo de detergente y del tipo de lavadora que se usa
para obtenerla, el consumidor deberá elegir tomando en cuenta estos dos aspectos.
189
EJERCICIOS DE CLASE
1. Probar la hipótesis nula de que tres métodos de instrucción, que miden el nivel específico
de habilidades para el manejo de cierta máquina, son equivalentes. Las notas obtenidas
en 15 operarios seleccionados aleatoriamente en 3 grupos se presentan a continuación.
Método A 86 79 81 70 84
Método B 90 76 88 82 89
Método C 82 68 73 71 81
2. La siguiente tabla da el número de millas por galón recorridas por un grupo de autos
usando distintos tipos de gasolina. Estos datos muestrales provienen e una población
que se distribuye normalmente y se sabe que las calificaciones son independientes. Use
un nivel de significancia de 0.05. Determinar si hay diferencia significativa entre las
gasolinas usadas y entre los tipos de autos.
Gasolinas/autos 1 2 3 4
A 12 15 14 11
B 14 12 15 15
C 11 12 10 14
D 15 18 16 17
190
EJERCICIOS PROPUESTOS
Muestra gratis 78 87 81 89 85
Regalo de un paquete 94 91 87 90 88
Descuento 73 78 69 83 76
Reembolso por correo 79 83 78 69 81
¿Las promociones producen diferentes efectos sobre las ventas? (Use un nivel de
significancia de 0.01).
2. La oficina de contabilidad del gobierno de Bolivia está interesada en ver si las oficinas de
tamaño parecido gastan la misma cantidad de dinero en personal y equipo (Las oficinas
que gastan más son susceptibles de una auditoria especial) Se examinaron los gastos
mensuales de tres oficinas: una de ellas en el ministerio de agricultura, otra en el
ministerio de estado y la última en el ministerio del interior. Los datos se presentan a
continuación. Al nivel de significancia de 0.01, ¿existen diferencias en los gastos delas
diferentes oficinas?
Pantalones vendidos
Levis 17 21 13 27 12
Wrangler 27 13 29 9
191
American Colt 13 15 17 23 10 21
Oops 18 25 15 27 12
¿Es razonable manejar las 4 formas como equivalentes? ¿Es razonable pensar que los
estudiantes tienen el mismo nivel de aptitud vocacional? Pruebe con un nivel de
significancia del 0.01.
A 55 60 63 56 59 55
B 57 53 64 49 62
C 66 52 61 57
¿Existe diferencia en la eficacia de un anuncio por color y por tamaño? Use un nivel de
significancia de 0.05. Antes de resolver esta pregunta, probar si el color del anuncio es
independiente del tamaño, para la calificación.
Temperatura Densidad
Observaciones
1 2 3 4 5
100 21.8 21.9 21.7 21.6 21.7
125 21.7 21.4 21.5 21.4
150 21.9 21.8 21.8 21.6 21.5
175 21.9 21.7 21.8 21.4
2. Una fábrica de textiles cuenta con un gran número de telares. Se supone que cada uno
tiene la misma producción de tela por minuto. Para investigar esta suposición, cinco
telares son escogidos al azar, y se mide la cantidad de tela producida en 5 tiempos
diferentes. Se obtienen los datos siguientes:
Máquinas Trabajadores
1 2 3 4
1 37 38 38 32
2 31 40 43 31
3 36 33 41 38
194
CAPÍTULO 7
MÉTODOS NO PARAMÉTRICOS
1. INTRODUCCIÓN
Es por esta razón que los estadísticos han desarrollado técnicas útiles que no hacen
suposiciones restrictivas sobre la forma de la distribución de la población, llamadas pruebas
no paramétricas o sin distribución.
2. PRUEBAS NO PARAMÉTRICAS
1. No exigen hacer la suposición de que una población está distribuida normalmente o tiene
forma específica.
2. En general, son más fáciles de llevar a cabo y de entender. No requieren cálculos tan
laboriosos.
195
La desventajas son:
4. PRUEBAS CHI-CUADRADA.
Se supondrá que el primer método de clasificación tiene “r niveles” y el segundo “c” niveles.
Datos de mercado mediante encuestas o históricos permiten obtener una tabla de
contingencia de r x c, que contiene las frecuencias observadas f ij.
1 2 ... c
1 f11 f12 ... f1c
2 f21 f22 ... f2c
: : : ... :
r fr1 fr2 ... frc
Primer paso.
H0: Las dos clasificaciones son independientes
Segundo paso.
α = α0
196
Tercer paso.
(f − Eij )
2
r c
χ 2 = ∑∑
ij
i =1 j =1 Eij
1 c r
Eij = ∑ ij ∑ fij
f
n j =1 i =1
Cuarto paso.
1−α
α
χ α2 ,ν χ2
Quinto paso.
χ 2 ≥ χ 2α ,ν
Ejemplo.
197
Áreas
Cubierta para piso 1 2 3
Alfombra 69 126 16
Otros materiales 78 99 27
¿Indican los datos una diferencia entre un área de la ciudad y otra en el porcentaje de los
que prefieren alfombras? Use un nivel de significancia de 0.05.
Resolución.
Paso 1:
H0: No hay diferencia entre el área de la ciudad y la preferencia de cubiertas
Paso 2:
α = 0.05
Paso 3:
(f − Eij )
2
r c
1 c r
χ = ∑∑ ∑ ij ∑ fij
ij
2
Eij = f
i =1 j =1 Eij n j =1 i =1
Paso 4:
ν = (2 − 1)(3 − 1) = 2
α = 0.05
2
2
χ 0.05,2 = 5.99 χ
Paso 5:
1 c r
(Total de fila )(Total de columna)
Eij = ∑ f ij ∑ f ij =
n j =1 i =1 Total g eneral
(f − Eij )
2
ij
y luego se realiza la operación (columna 3)
Eij
198
Áreas Total
Cubierta para piso 1 2 3
Alfombra 69 (74.74) (0.44) 126 (114.4) (1.18) 16 (21.86) (1.58) 211
Otros materiales 78(72.26) (0.46) 99 (110.6) (1.22) 27 (21.14) (1.62) 204
Total 147 225 43 415
(f − Eij )
2
2 3
χ = ∑∑
ij
2
= 6.48
i =1 j =1 Eij
Se observa que el valor del estadístico se encuentra en la región de rechazo, por lo tanto se
procede a rechazar la hipótesis nula.
Acción: Los mayores esfuerzos de ventas estarán centrados en las áreas 2 y 1 y no así en
el área 3.
Este es otro tipo de pruebas de hipótesis. Aquí, no interesa conocer el valor de algún
parámetro de cierta distribución de probabilidad, sino mas bien, conocer qué distribución
sigue cierta variable aleatoria, o determinar cuán bien se ajusta un conjunto de datos
observados a un conjunto esperado.
Intervalos de Frecuencias
clase observadas (Oi)
1 O1
2 O2
: :
k Ok
199
• Para más de dos categorías, la chi-cuadrada no debe aplicarse si más del 20% de las
frecuencias esperadas son menores a 5. Si se diera este caso, para aplicar la prueba se
debe unir dos categorías a fin de cumplir con la restricción.
Primer paso.
Segundo paso.
α = α0
Tercer paso.
( Oi − ei )
2
k
χ =∑
2
i =1 ei
Se tiene que χ2 sigue una distribución aproximadamente chi-cuadrada con (k-p-1) grados de
libertad, donde:
Paso 4:
1−α
α
χ α2 ,ν χ2
200
Paso 5:
Ejemplo.
Un inspector de la Alcaldía de una ciudad, inspeccionó un casino para ver si los dados con
los que se jugaba la ruleta estaban cargados o no. Para ello fue al lugar, pidió un cubilete,
eligió un dado y lo lanzó 180 veces, obteniendo los siguientes resultados.
x Oi
1 28
2 36
3 36
4 30
5 27
6 23
El inspector quiere determinar si existe evidencia estadística suficiente para decidir elevar
una multa al casino por fraude. Pruebe al nivel 0.05.
Resolución.
Paso 1:
1
H0: f ( x ) = x = 1, 2, 3, 4,5, 6 (El dado no está cargado)
6
1
H1: f ( x ) ≠ x = 1, 2,3, 4,5, 6 (El dado está cargado)
6
Paso 2:
α = 0.05
Paso 3:
( Oi − ei )
2
k
χ =∑
2
i =1 ei
Paso 4:
201
α = 0.05
2
χ 0.05,5 = 11.07 χ2
ν = 6 −1 = 5
Paso 5:
x Oi Pe ei
( Oi − ei )
2
ei
1 28 1/6 30 0.13
2 36 1/6 30 1.20
3 36 1/6 30 1.20
4 30 1/6 30 0
5 27 1/6 30 0.30
6 23 1/6 30 1.63
Total 180 1 180 4.47
( Oi − ei )
2
6
χ =∑
2
= 4.47
i =1 ei
Conclusión: Los resultados del lanzamiento del dado siguen una distribución uniforme con
probabilidad de 1/6.
Acción: El inspector comprobó que el dado no está cargado, y por lo tanto no tomará
ninguna acción para multar al casino.
Su nombre proviene del hecho de que se basa en la dirección (o signos de mas y menos)
de un par de observaciones y no en su magnitud numérica; es decir en el signo de una
diferencia: positivo para una diferencia positiva, y negativo para una diferencia negativa.
Existen dos pruebas: una para muestras pequeñas, que se basa en una distribución
binomial y otra para muestras grandes, que se basa en la aproximación de la normal a la
binomial.
Primer paso.
202
H0: p = 0.5
Segundo paso.
α = α0
Tercer y cuarto pasos.
Para muestras pequeñas (n<20), se utiliza como estadístico de prueba de hipótesis una
distribución binomial con p = 0.5, pudiendo ser el suceso “éxito”, ya sea el número de
signos positivos o los negativos que resultaron en el experimento. De acuerdo a la hipótesis
alternativa planteada, se puede tener una prueba de dos colas o una cola inferior o
superior.
α α α α
2 2
x1 x2 x2 x1
x x x
R A R A R R A
(x ± 0.5) − µ
µ = 0.5n σ = 0.5 n z=
σ
− zα zα z zα z − zα z
2 2
Quinto paso.
203
Basándose en la información muestral, se asignan signos positivos o negativos,
dependiendo si los valores han disminuido en la característica éxito o de interés o han
aumentado. En base al número de estos signos, se determina el valor del estadístico
muestral y se toma la decisión de rechazar o aceptar la hipótesis nula.
Ejemplo.
Los siguientes datos son las horas-hombre que semanalmente se pierden en promedio por
accidentes en 11 plantas industriales antes y después de que se implantara un programa
de seguridad industrial.
Antes 45 73 46 124 33 57 83 34 26 17 34
Despué 36 60 44 119 35 51 77 34 24 11 29
s
Resolución.
Paso 1:
H0: p = 0.5 (El programa no fue eficaz)
Paso 2:
α = 0.05
Paso 3:
Paso 4:
Se elige la distribución binomial con n = 10 (no se toma en cuenta el dato pareado 34-34,
puesto que no tiene signo positivo ni negativo, sino 0), con una p = 0.5, siendo una prueba
de cola superior:
x P(x) P acumulada
0 0.00100
1 0.00897
2 0.04400
3 0.11720
204
4 0.20510
5 0.24600
6 0.20510
7 0.11720
8 0.04400 0.05470
9 0.00897 0.01070
10 0.00100 0.00100
Se acumulan los valores de las probabilidades hasta llegar a un valor cercano a 0.05. Esto
ocurre cuando x = 8, que es el valor crítico que separa la región de aceptación o rechazo.
α = 0.05
x
0 1 2 3 4 5 6 7 8 9 10
x2=8
A R
Paso 5:
Se asignarán valores de 0, cuando las horas-hombre perdidas por accidentes son las
mismas antes y después del programa.
Antes 45 73 46 124 33 57 83 34 26 17 34
Despué 36 60 44 119 35 51 77 34 24 11 29
s
Signos + + + + - + + 0 + + +
Ejemplo.
Una empresa afirma que la vida media de un grupo de baterías que fabrica es superior a
250 horas. Un defensor de los consumidores desea saber si tal afirmación está justificada, y
205
para ello mide las vidas medias de 24 baterías. Determinar si la empresa tiene razón con un
nivel de 5% de significancia.
Resolución.
Paso 1:
Paso 3:
α = 0.05
z0.05 = 1.645 z
Paso 5:
Se asignará signo positivo, cuando la vida media de la batería sea superior a 250.
Se asignará signo negativo, cuando la vida media de la batería sea inferior a 250.
271 (+) 230 (-) 198 (-) 275 (+) 282 (+) 225 (-) 284 (+) 219 (-)
253 (+) 216 (-) 262 (+) 288 (+) 236 (-) 291 (+) 253 (+) 224 (-)
264 (+) 295 (+) 211 (-) 252 (+) 294 (+) 243 (-) 272 (+) 268 (+)
n
= 12
2
206
Como el número de signos positivos es mayor a 12, se usará el signo negativo para el
factor de corrección por continuidad.
(15 − 0.5) − 12
µ = 0.5(24) = 12 σ = 0.5 24 = 2.45 z= = 1.02
2.45
Se acepta la hipótesis nula.
Existen dos pruebas no parámetricas que se basan en la suma de rangos que son la
Prueba U de Mann-Whitney y la prueba H de Kruskal-Wallis. Ambas sirven para probar si
dos o más muestras independientes provienen de la misma población o no.
Primer paso.
Segundo paso.
α = α0
Tercer paso.
207
n1 (n1 + 1) n2 (n2 + 1)
U = n1n2 + − ∑ R1 U ' = n1n2 + − ∑ R2
2 2
El menor valor calculado, sea U o U’ sirve para llegar a la decisión de rechazar o aceptar la
hipótesis nula, que corresponderá a que las muestran vienen de la misma población.
Conforme aumentan los tamaños de las dos muestras independientes, la distribución del
estadístico U tiende hacia la distribución normal (n>20). El estadístico usado es entonces:
n + n + 1
∑R −∑R
1 2 − (n1 − n2 ) 1 2
2
z=
n + n + 1
n1n2 1 2
3
Cuarto paso.
Si las muestras son pequeñas se usan los valores críticos de la tabla U, dada en el anexo.
Para determinar el valor crítico (llamaremos Uα ), los datos necesarios son: el tamaño de las
dos muestras (Generalmente se designa como muestra 1 a la que tiene mayor tamaño de
entre las dos), el nivel de significancia y el conocimiento de si la prueba es de dos o una
cola.
0 Uα
Si las muestras son grandes, los valores críticos se hallan mediante la distribución normal
estándar.
− zα zα z zα z − zα z
2 2
Quinto paso.
208
Los valores muestrales se clasifican de mayor a menor. Al valor mayor se le da el rango de
1, al segundo mayor valor (sin importar de qué muestra sea) se le da el rango de 2, y así
sucesivamente. Luego se suma los rangos de la muestra 1 y 2 y se procede a calcular el
estadístico de prueba. Por último se toma la decisión en base a la regla planteada en el
paso 4.
Ejemplo.
Los siguientes son los números de minutos que una muestra de 15 hombres y 12 mujeres
tomó para realizar una breve prueba de selección aplicada a los solicitantes de trabajo de
un banco grande.
H 8.8 7.8 6.6 10.7 8.9 8.4 6.9 6.4 6.3 8.0 8.6 8.1 9.1 9.7 9.9
M 7.5 8.7 8.3 6.2 6.5 7.7 9.8 9.6 9.2 10.4 8.2 8.5
Se quiere probar si los hombres tardaron más en realizar la prueba que las mujeres a un
nivel de 0.05 de significancia.
Resolución.
Paso 1:
H0: El tiempo en realizar la prueba es igual en hombres y mujeres
H1: Los hombres tardaron más en realizar la prueba que las mujeres
Paso 2:
α = 0.05
Paso 3:
n1 (n1 + 1) n2 (n2 + 1)
U = n1n2 + − ∑ R1 U ' = n1n2 + − ∑ R2
2 2
Paso 4:
Rechazo Aceptación
0 U 0.05 = 55
Paso 5:
Se obtiene la suma de rangos para las dos muestras. En este caso el rango 1
corresponderá al menor tiempo, ya que interesa esa característica:
n1 8.8 7. 6.6 10. 8.9 8. 6.9 6.4 6.3 8.0 8.6 8.1 9. 9.7 9.9
8 7 4 1
R1 18 9 5 27 19 14 6 3 2 10 16 11 20 23 25 208
n2 7.5 8. 8.3 6.2 6.5 7. 9.8 9.6 9.2 10. 8.2 8.5
7 7 4
209
R2 7 17 13 1 4 8 24 22 21 26 12 15 170
15(15 + 1) 12(12 + 1)
U = 15(12) + − 208 = 92 U ' = 15(12) + − 170 = 88
2 2
Conclusión: Los hombres y las mujeres tardaron la misma cantidad de tiempo en la prueba
de selección.
Ejemplo.
Los siguientes son los aumentos de peso (en libras) de pavos jóvenes, que son alimentados
por dos dietas distintas pero por lo demás, las condiciones en que se les cría son idénticas.
Dieta 16.3 10.1 10.7 13.5 14.9 11.8 14.3 10.2 12.3 14.4
1
12.0 14.7 23.6 15.1 14.5 18.4 13.2 14.0 10.3 11.6
Dieta 21.3 23.8 15.4 19.6 12.0 13.9 18.8 19.2 16.7 18.1
2
15.3 20.1 14.8 18.9 20.7 21.1 15.8 16.2 16.5 20.1
Use el nivel de significancia de 0.01 para probar que en promedio la segunda dieta genera
mayor aumento de peso que la primera.
Paso 1:
H0: La dieta 1 y la 2 generan el mismo aumento de peso en los pavos ( µ 2 = µ1 )
H1: La segunda dieta genera mayor aumento de peso que la primera ( µ 2 > µ1 )
Segundo paso.
α = 0.01
Tercer paso.
210
n + n + 1
∑R −∑R
1 2− (n1 − n2 ) 1 2
2
z=
n + n + 1
n1n2 1 2
3
Cuarto paso.
α = 0.01
z 0.01 = 2.33 z
Quinto paso.
Como se está comparando la dieta 2 con la 1, se determinan los rangos de las muestras,
asignando el valor de 1al mayor valor, es decir al pavo con mayor aumento de peso.
Dieta 23.6 18.4 16.3 15.1 14.9 14.7 14.5 14.4 14.3 14.0
1
2 12 16 20 22 24 25 26 27 28
Dieta 13.5 13.2 12.3 12.0 11.8 11.6 10.7 10.3 10.2 10.1
1
30 31 32 33.5 35 36 37 38 39 40
Dieta 23.8 21.3 21.1 20.7 20.1 20.1 19.6 19.2 18.9 18.8
2
1 3 4 5 6.5 6.5 8 9 10 11
Dieta 18.1 16.7 16.5 16.2 15.8 15.4 15.3 14.8 13.9 12.0
2
13 14 15 17 18 19 21 23 29 33.5
553.5 − 266.5
z= = 3.88
20 + 20 + 1
20(20)
3
Se rechaza la hipótesis nula.
Conclusión: En promedio, los pavos con la dieta 2 aumentaron más de peso que los pavos
con la dieta 1.
Primer paso.
Segundo paso.
α = α0
Tercer paso.
12 k ∑ R i
2
H= ∑ − 3(N + 1)
N(N + 1) i =1 n i
donde:
Cuarto paso.
1−α
α
χ α2 ,ν χ2
Quinto paso.
Se hallan la sumas de rangos de todas las muestras, ordenando los valores de menor a
mayor y asignando el valor de 1 para el valor más bajo.
Ejemplo.
212
Se va a llevar a cabo un seminario de administración para un gran número de ejecutivos de
manufactura, finanzas y comercio. Antes de programar las sesiones, el director quiere saber
si los tres grupos tienen conocimientos semejantes sobre los principios de administración o
gerenciales. Se tomó muestras de los ejecutivos de los tres grupos y se aplicó una prueba a
cada uno.
Si no existe diferencia entre las tres distribuciones, el director impartirá una sola sesión a
todos, pero si hay diferencia en las puntuaciones, se impartirán sesiones separadas.
Resolución.
H0: Las distribuciones de las puntuaciones sobre principios de administración son iguales
Segundo paso.
α = 0.05
Tercer paso.
12 k ∑ R i
2
H= ∑ − 3(N + 1)
N(N + 1) i =1 n i
Cuarto paso.
α = 0.05
2
2
χ 0.05,2 = 5.99 χ
213
Quinto paso.
Se hallan la sumas de rangos de todas las muestras, ordenando los valores de menor a
mayor y asignando el valor de 1 para el valor más bajo.
Conclusión: No hay evidencia estadística suficiente para que el director pueda pensar que
los niveles de conocimiento sobre administración de los tres grupos que tomarán el
seminario sea diferente.
Acción: El director planificará una sola sesión para todos los asistentes al seminario.
7. ÁRBOL DE DECISIÓN PARA ELEGIR LA PRUEBA PARAMÉTRICA O NO
PARAMÉTRICA EN LA RESOLUCIÓN DE PROBLEMAS
Se plantea aquí una guía para realizar la decisión de usar una prueba paramétrica o no
paramétrica en la resolución de problemas inferenciales.
214
215
ÁRBOL DE DECISIÓN PARA ELEGIR LA PRUEBA PARAMÉTRICA O NO, ADECUADA
EN LA RESOLUCIÓN DE PROBLEMAS
¿Clasificaciones 2
r c
independientes? Independencia de 2 (f ij − Eij )
atributos (NP) χ = ∑∑
Cualquiera i =1 j =1 Eij
¿Bloques y ANOVA
tratamientos iguales? (Dos factores) (P)
2
12 k ∑ R i
Prueba H (NP) H= ∑ − 3(N + 1)
Si N(N + 1) i =1 n i
¿Las medias son
iguales? n1 ( n1 + 1)
ANOVA U = n1n2 + − ∑ R1
Mayor a dos (Un factor) (P) 2
(Muestras n ( n + 1)
independientes) n<20 U ' = n1n2 + 2 2 − ∑ R2
2
Prueba U (NP)
¿Las medias son n + n + 1
Dif. Medias (P) ∑R −∑R 1 2
− (n1 − n2 ) 1 2
No iguales? n>20 2
(Muestras z=
independientes) n + n + 1
n1n2 1 2
¿Cuadro Dos 3
bidimensional? Prueba de signos (NP)
¿Experimentos n<20 Distribución binomial
antes y después? Dif. Medias (P)
(p=0.5)
(Muestras dependientes o
apareadas)
Una ¿Preferencia de (x ± 0.5) − 0.5n
n>20 z=
productos?
Prueba de signos (NP) 0.5 n
¿Número de
muestras?
2
k
¿Ajustar a una 2 ( Oi − ei )
distribución? Bondad de ajuste (NP) χ =∑
i =1 ei
216
EJERCICIOS DE CLASE
Comunidades
Marcas A B C D
I 10 14 18 25
II 15 18 23 16
III 28 29 21 23
3. Supongamos que la fábrica Quimbol exige que los universitarios del último año que
buscan trabajo en ella sean entrevistados por 3 ejecutivos. Cada ejecutivo da al
candidato una evaluación positiva o negativa. La tabla contiene los resultados de la
entrevista de los 100 últimos candidatos.
217
Prueba del signo para datos pareados.
Muestras pequeñas.
Use α = 0.1.
Muestras grandes.
218
Prueba U de Mann-Whitney.
Muestras pequeñas.
Puntuación
Hombres 1500 1600 670 800 1100 800 1320 1150 600
Mujeres 1400 1200 780 1350 890
Muestras grandes.
7 33 39 16 19 20 1 2 37 29 27 9 5
23 31 28 13 36 15 18 4 21 8 11 35
26 6 38 10 14 24 30 17 40 3 22 25 32
34 12
219
Sucursal 1 Sucursal 2 Sucursal 3 Sucursal 4
208 91 302 99
307 62 103 116
199 86 319 189
142 91 340 103
91 80 180 100
296 131
Usando el nivel 0.01, determine si hay diferencia en los índices de movimiento de las
cuentas personales de cheques entre las cuatro sucursales.
220
EJERCICIOS PROPUESTOS
Mercado de productos
Opinión 1 2 3 Total
a) Calcule las frecuencias esperadas si los datos tienen distribución normal con una
media de 1500 Bs. y una desviación estándar de 600 Bs.
b) Calcule el estadístico chi-cuadrada.
c) Formule la hipótesis nula y alternativa. Pruebe sus hipótesis en el nivel 0.05 y formule
una conclusión explícita.
3. Los datos de la tabla adjunta se refieren al número de ausencias del trabajo de 318
trabajadores de cierta empresa, en dos períodos semestrales consecutivos. El
ausentismo se considera “bajo” (B), en caso de tres ausencias o menos, “medio” (M)
2
entre 3 y 5 inclusive, y “alto” (A), para más de 5. Utilice la prueba de χ para mostrar que
la “propensión al ausentismo” no existe, lo que implica que las dos variables de
clasificación son independientes. (Use (α = 0.05).
Primer Semestre
B M A
221
Segundo B 165 35 4
Semestre M 40 24 20
A 2 13 15
5. Una firma de cosméticos está interesada en las preferencias de consumo de sus clientes
respecto del diseño de sus productos. Recientemente, presentó 4 diseños a una muestra
aleatoria de 200 paseantes en un Centro Comercial. Los resultados se muestran a
2
continuación. Use χ para probar la significación estadística de esta información (Utilice
α = 0.05).
DISEÑO A B C D
PREFERENCIA 43 31 69 57
Grupo que usa los pasos conocidos: 41, 36, 42, 39, 36, 48.
Grupo que usa la técnica experimental: 21, 27, 36, 20, 19, 21, 39, 24, 22.
222
8. Se compararán las tasas de homicidios en ciudades grandes, pequeñas y áreas rurales.
Se seleccionan muestras de las tres áreas. Las tasas están dadas por millar de
habitantes.
Suponiendo que las tasas no se distribuyen en forma normal, utilice el nivel 0.01 para
determinar si existe alguna diferencia entre las distribuciones de las tasas de homicidios
para los tres grupos.
9. Los siguientes datos muestran los índices de trabajo defectuoso de los empleados antes
y después de un cambio en el plan de incentivos de sueldos. Compare los siguientes
dos conjuntos de datos para ver si el cambio disminuyó las unidades defectuosas
producidas. Utilice el nivel de significancia de 0.10.
Antes 8 7 6 9 7 10 8 6 5 8 10 8
Despué 6 5 8 6 9 8 10 7 5 6 9 5
s
10. Un fabricante de juguetes cambió el tipo de máquinas inyectoras de plástico que usaba
porque una máquina moderna dio evidencias de ser más económica. Sin embargo, al
iniciar la temporada de navidad, la producción pareció un tanto menor a la del año
anterior. Puesto que los registros de producción de los últimos años estaban
disponibles, el gerente de producción decidió comparar el resultado mensual de los 15
meses en los que se usaron las antiguas máquinas y los 11 meses de producción de
este año. Los registros muestran estas cantidades de producción, en unidades, con las
máquinas anteriores y modernas.
a) Prueba paramétrica.
b) Prueba no paramétrica.
11. Una compañía de regalos que atiende sus pedidos por correo tiene los siguientes datos
de muestra de ventas en dólares, separados de acuerdo con la forma de pago del
pedido. Pruebe la hipótesis de que no existe diferencia en la cantidad de dólares
recibidos por pagos en efectivo, cheque o tarjeta de crédito. Use un nivel de
significancia de 0.05.
T. crédito 78 64 75 45 82 69 60
Cheque 110 70 53 51 61 68
Efectivo 90 68 70 54 74 65 59
a) Prueba paramétrica.
b) Prueba no paramétrica.
12. Al nivel de significancia de 0.05, ¿podemos concluir que los siguientes datos provienen
de una distribución de Poisson con media de 3?
14. Un editor de periódicos, que trata de determinar con precisión las características de
mercado de su periódico, se pregunta si la costumbre de la gente de la ciudad de leer
diarios está relacionada con el nivel educativo de los lectores. Se aplica una encuesta a
los adultos del área referente a su nivel educativo y a la frecuencia con que leen el
periódico. Los resultados se muestran en la siguiente tabla:
Nivel educativo
Frecuencia con Profesional o Pasante de Preparatoria No terminó la
que la lee posgrado licenciatura preparatoria
Nunca 10 17 11 21
Algunas veces 12 23 8 5
224
Mañana o tarde 35 38 16 7
Ambas ediciones 28 19 6 13
Oficial 1 6 11 12 10 15 7 9 7 14 11
Oficial 2 9 13 12 17 13 11 13 12 15 13
Oficial 1 14 6 9 12 8 16 10 12 15 12
Oficial 2 10 12 9 14 13 11 15 14 15 18
a) Prueba paramétrica.
b) Prueba no paramétrica.
Les gusta si no
Hombres 45 15
mujeres 25 5
17. El número de saltos ornamentales que realiza un competidor olímpico son 4 en cada
competencia, la probabilidad de que cada salto se anule el de 30% a juicio de un
experto. Si en la última competencia se registraron los siguientes resultados, pruebe a
un nivel de significancia de 0.05 si la distribución de saltos anulados sigue una
distribución binomial.
18. Después de recabar datos sobre la contaminación del aire en Cochabamba durante un
año, el Dr. H. Rosas recomendó a la alcaldía realizar medidas estrictas para controlar la
emisión de gases tóxicos a la atmósfera. Con los datos que se presentan a
continuación, ¿se tiene evidencia de que las medidas disminuyeron la contaminación
ambiental?. Use 2% de nivel de significación.
225
año anterior actual
Ene 7 5.3
Feb 6 6
Mar 5.4 5.6
Abr 5.9 5.7
May 3.9 3.7
Jun 5.7 4.7
Jul 6.9 6.1
Ago 7.6 7.2
Sep 6.3 6.4
Oct 5.8 5.7
Nov 5.1 4.9
Dic 5.9 5.8
a) Prueba paramétrica.
b) Prueba no paramétrica.
226
EJERCICIOS PARA EXAMEN
Primera reunión.
Luego de la reunión, se realizó una encuesta para ver la aceptación de estos cambios en el
mercado. La compañía cree que la nueva licuadora podrá venderse en 85 $us. Los
227
resultados de la encuesta a un grupo de 12 clientes, a los cuales se les preguntó en cuanto
comprarían una licuadora con las 3 características, son:
70 85 90 60 120 70 75 100 95 85 90 80
El gerente de la empresa quiere saber si hay evidencia estadística suficiente para concluir
que con las mejoras en el diseño se podrá vender la nueva licuadora en 85 $us., con un
nivel de significación del 0.05.
Segunda reunión.
Línea 1 Línea 2
Defectuosa 7 3
No defectuosa 18 22
Tercera reunión.
Otro problema que deben corregir es cómo lograr una textura e impermeabilidad en el vaso
que sea comparable a las características de uno de vidrio (generalmente es deseable un
índice de 5.9 o mayor). Para ello se probaron tres métodos en cada inyectora de plástico de
las dos líneas de ensamble. Los resultados del índice de textura e impermeabilidad, son:
El equipo quiere probar las siguientes hipótesis, con un nivel de riesgo del 0.05, sabiendo
que las muestras provienen de una población normal, con varianzas iguales.
a) ¿Existe relación entre el método que se use para formar el material del vaso y el tipo de
máquina inyectora?
b) Si no existe relación, el equipo podrá realizar un análisis para comprobar qué método es
el más efectivo para lograr un índice de textura similar al que tienen un vaso de vidrio.
¿Se puede realizar el análisis? Si la respuesta es afirmativa, hágalo. ¿Qué método
sugeriría como el más efectivo? ¿Existe diferencia significativa en la efectividad de las
máquinas inyectoras?
Cuarta reunión.
Otra importante cuestión es analizar los costos unitarios de producción, que en la actualidad
se cree que son muy variables en cada mes, para reducirlos al máximo. Los datos históricos
de varios meses, en $us, son:
El equipo quiere establecer si los datos se pueden modelar por medio de una distribución
normal, cuya desviación estándar sea de 2.3 $us. Pruebe la hipótesis a un nivel de 0.05.
229
BIBLIOGRAFÍA
• La Estadística en Cómic. Larry Gonick y Woollcott Smith. Primera Edición, 1999. Editorial
Zendrera Zariquiey.
• Estadística para Administradores. Richard I. Levin & David S. Rubin. Sexta Edición, 1996.
Prentice Hall Hispanoamericana S.A. México.
• Estadística. Murray R. Spiegel. Serie Schaums. Segunda Edición, 1995. Edit. Mc. Graw -
Hill.
• Estadística Elemental. Freund y Simon. Octava Edición. 1994. Prentice Hall, México.
• Probabilidad y Estadística para Ingenieros. Miller, Freund y Jonson. Cuarta Edición, 1992.
Editorial Prentice Hall Hispanoamericana S.A.
229
• Estadística Básica para Planificación. Arturo Núñez del Prado Benavente. Cuarta Edición,
1975. Siglo XXI Editores S.A., México.
• Estadística. Taro Yamane. Tercera Edición, 1974. Editorial Harla, S.A. e C.V, México.
• Estadística y Sociología. Manuel Mora y Araujo y Otros. 1973. Ediciones Nueva Visión,
Buenos Aires-Argentina.
• Statistics. Probability, Inference, And Decision. William L Hays & Robert L. Winkler. 1970.
Holt, Rinehart and Winston, Inc. New York-United States of America.
• Práctica de las Encuestas Estadísticas. Gabriel R Chevry. 1967. Ediciones Ariel, Barcelona-
España.
230
ANEXO 1
DISTRIBUCIONES DE DENSIDAD
1. INTRODUCCIÓN
2. LA DISTRIBUCIÓN t DE STUDENT
2.1. Características
ν +1
Γ 1+ν
t 2 − 2
f (t ) =
2
1 + para −∞ < t < ∞ y ν > 0
ν ν
πν Γ
2
α 1−α α
2 2
Por lo dicho anteriormente, el estadístico de prueba que se usa para muestras menores a 30
(con σ desconocida) y que mejor se ajusta para la inferencia es la distribución t:
x −µ
t=
s
n
231
2.2. Uso de la tabla t
Así como existe una tabla normal estándar, también existe una tabla t de Student estándar. A
continuación se muestran algunos ejemplos para manejarla.
Ejemplo.
Sea t una variable aleatoria con distribución t de Student y 10 grados de libertad. Encuentre
un valor crítico para un nivel de significancia del 5%, considerando solo la cola derecha.
Resolución.
Gráficamente, se tiene:
1 − α = 0.95 α = 0.05
t0.05,10 t
Se busca en la tabla t, el valor para t0.05,10 :
1
2
.
.
.
10 1.8125
3. LA DISTRIBUCIÓN CHI-CUADRADA
3.1. Características
La función de densidad de una variable aleatoria que tiene distribución Chi-Cuadrada, con ν
grados de libertad, es:
ν ν
1 −1 −
f (χ ) = ν
χ 2 2
e para χ > 0 y ν > 0
ν
Γ 2 2
2
La distribución tiene sesgo a la derecha, y sus valores son siempre positivos. Sin embargo,
al aumentar los grados de libertad, la forma límite es la distribución normal.
232
α
1−α α
2 2
χ2
χ12− α ,n −1 χ α2,n −1
2 2
(n − 1)s 2
χ2 =
σ2
el cual, permite relacionar la varianza de una muestra tomada de una población normal, con
una variable aleatoria con densidad conocida.
Ejemplo.
Sea una variable aleatoria que se distribuye mediante la Chi-Cuadrada y tiene 8 grados de
libertad. Encuentre un valor crítico para un nivel de significancia de 0.05.
Resolución.
Un gráfico ayudará a fijar el valor crítico que deberá ser hallado en la tabla.
1 − α = 0.95 α
2 = 0.05
χ2
2
χ 0.05,8
Se buscará en la tabla el valor crítico: χ 20.05,8 :
1
2
.
.
.
8 15.5073
233
4. LA DISTRIBUCIÓN F DE FISHER
4.1. Características
ν +ν
Γ 1 2 ν1 ν1 ν1 −1 ν +ν
2 ν 2 ν 2 F 2 ν + ν F − 1 2 2
f (F ) = 1 2 ( 2 1 ) para ν 1 ,ν 2 , F > 0
ν ν
Γ 1 Γ 2
2 2
α 1−α α
2 2
F
F1− α ,n1 −1,n2 −1 Fα ,n1 −1,n2 −1
2 2
El estadístico de prueba, que se usa para relacionar varianzas de dos poblaciones normales
es:
s12
σ 12
F= 2
s2
σ 22
Como el número de variables aumenta (hay dos grados de libertad), existen 5 tablas F, cada
una para diferentes valores de α : 0.25, 0.10, 0.05, 0.025 y 0.01. Para valores mayores a
0.25, existe una relación que permite el cálculo, con las mismas tablas:
1
Fα ,ν1 ,ν 2 =
F1−α ,ν 2 ,ν1
Ejemplo.
Sea F una variable aleatoria con distribución F, con 14 grados de libertad en el numerador y
10 grados de libertad en el denominador. Encuentre un valor crítico con un nivel de
significancia de 0.975.
234
Resolución.
1
F0.975,14,10 =
F0.025,10,14
1 − α = 0.025 α = 0.975
F
F0.975,14,10
Observando en la tabla respectiva, se halla el valor crítico:
F0.025
ν1 1 2 3 ............. 10
ν2
1
2
.
.
.
14 3.15
1 1
F0.975,14,10 = = = 0.317
F0.025,10,14 3.15
235
ANEXO 2
El estudiante será capaz de plantearse un problema real en la que use algún método de
inferencia estadística para su resolución, tal como las pruebas de hipótesis, los intervalos
de confianza, pruebas no paramétricas o análisis de varianza.
3. FECHA DE ENTREGA
4. CARÁTULA
Nota: El título del trabajo no es: “Trabajo de aplicación final”, sino debe ser específico,
indicando el tema en el cual se ha desarrollado el trabajo. Ejemplo: “Análisis de la eficiencia
de atención en Burger King”.
5. CONTENIDO
1. Antecedentes.
Se debe relatar cuales son las causas, oportunidades y circunstancias por las cuales los
alumnos se decidieron a realizar el trabajo.
2. Justificación.
Se debe indicar por qué el tema propuesto es de interés para los alumnos.
3. Objetivos.
Se debe describir cuáles son los propósitos de la investigación que se realizará. Existirán
objetivos generales y específicos.
236
4. Hipótesis.
Se debe manifestar cuáles son las hipótesis generales y específicas que los alumnos
quieren probar con la investigación a realizar.
5. Metodología de investigación.
Se debe enumerar los pasos que los alumnos tendrán que realizar para desarrollar la
investigación propuesta.
6. Desarrollo de la investigación.
6. BIBLIOGRAFÍA
Si el grupo usó alguna bibliografía o fuente para recopilar datos o realizar algún
procedimiento, deberá estar detallada en el trabajo.
7. BANCO DE TEMAS
237
3. Análisis del rendimiento del auto de un estudiante: rendimiento promedio en
combustible, variabilidad del rendimiento en combustible, vida media de las llantas y su
variabilidad, comparación de estas variables con otro auto similar, proporción de
repuestos cambiados desde su compra, etc.
4. Análisis de uso de internet entre los estudiantes de la UPB: promedio de horas de uso,
buscador más utilizado, tema mas buscado, según carrera, según sexo, etc.
5. Análisis de los factores por los cuales las materias de análisis de decisiones I y II son
difíciles de aprobar.
6. Análisis del nivel de gastos promedio de un estudiante de la UPB: según el mes, según
la edad, según la carrera, según la ocasión, etc.
7. Análisis de la variabilidad de las calificaciones de exámenes de dos estudiantes de la
UPB de la misma carrera y que están en un mismo nivel.
8. Dependencia o independencia entre rendimiento y edad de los estudiantes de una
materia.
9. Dependencia o independencia entre rendimiento y la carrera de los estudiantes de una
materia.
10. Dependencia o independencia entre rendimiento y colegio de los estudiantes del
preuniversitario.
11. Bondad de ajuste de la distribución de puntajes de las evaluaciones docentes a una
distribución teórica como la binomial.
12. Relación (prueba de independencia) entre el desempeño de un empleado, ej: un
docente, y su grado de conocimiento de la visión, misión, propósito, valores y principios
y/o reglamentos de su organización.
13. Comprobar si dos o más métodos de estudio usados por un estudiante o por diversos
estudiantes, son igual de efectivos para vencer una determinada materia o un grupo de
materias.
Nota: Los temas mencionados en esta lista son alternativas que se sugieren para
desarrollar el trabajo, pero de ninguna manera son limitantes para que los alumnos no
puedan escoger un tema de interés o actual.
238
INFORME DE ASESORÍA PARA UNA
EMPRESA DE ELECTRICIDAD X
EN UNA CIUDAD X
INTRODUCCIÓN.
OBJETIVOS.
• Realizar una validación estadística de los resultados de una encuesta realizada por el
departamento de planificación de la empresa X.
• Realizar una inferencia a la población sobre las características de la muestra requeridas
por el estudio realizado por la empresa X.
• Otorgar un sustento teórico y metodología adecuada en la validación e inferencia.
METODOLOGÍA.
Fundamento teórico.
239
La población, colectivo o universo es el total de elementos, cosas o personas que forman
parte de la investigación.
La población puede considerarse por sus elementos como:
Aplicación.
La población es finita, y está constituida por los transformadores llamados “exclusivos”, que
posee la empresa X en los tres sistemas de la ciudad X. El tamaño de la población de cada
sistema es el siguiente:
Fundamento teórico.
a) Atributos. Son rasgos cualitativos de los elementos de una población. Pueden ser:
A las diferentes clasificaciones que pueden adoptar los atributos se les llaman modalidades.
Los atributos se designan con las primeras letras mayúsculas del abecedario (A, B, C, etc.);
las modalidades con las minúsculas (a, b, c, etc.).
Niveles de medición.
a) Nivel Nominal
Es el nivel más primitivo, bajo y limitado de medición. Este nivel hace referencia a los datos
que solo pueden clasificarse en categorías, sin intervención de mediciones o escalas, solo
mediante conteos. Para este nivel no existe orden particular para los grupos. Las categorías
o modalidades se consideran mutuamente excluyentes y exhaustivas. Es el nivel de
medición para atributos nominales.
b) Nivel ordinal
Tiene las características del nivel anterior, pero difiere en que las categorías pueden
ordenarse en una relación “mayor que”. Es el nivel de medición para atributos ordinales.
c) Nivel de intervalo
Incluye todas las características de la escala ordinal, pero además la distancia entre valores
es de tamaño conocido y constante. Es el nivel de medición para variables discretas o
continuas.
Es el nivel de medición más alto y sirve para variables discretas y continuas. Las principales
diferencias entre el anterior nivel y éste son:
Ejemplo: El dinero. Tener cero pesos tiene un significado: no tengo nada de dinero. Si una
persona gana 1000 $us y otra 4000 $us, la segunda gana 4 veces más que la primera.
Aplicación.
• La tensión
241
• La saturación.
Fundamento teórico.
Los métodos de muestreo aleatorio tienen el objetivo de permitir que el azar determine los
integrantes de la muestra. Son:
• Muestreo sistemático. Difiere del simple en que cada elemento tiene igual
probabilidad de ser seleccionado, pero cada muestra no tiene esa misma
posibilidad. En este muestreo se seleccionan los elementos de la población con
un intervalo uniforme en el tiempo, en el orden o en el espacio.
242
• Muestreo estratificado. Para aplicarlo dividimos la población en grupos
homogéneos relativos, llamados estratos.
Aplicación.
Fundamento teórico.
La observación.
Aplicación.
Fundamento teórico.
La ecuación para determinar el tamaño de una muestra cuando se quiere realizar una
estimación de la proporción de una población infinita es la siguiente:
2
Z
n0 = pˆ (1 − pˆ ) α / 2
e
donde:
X
p̂ es la proporción muestral de la categoría éxito y se halla mediante: pˆ = (X es el
n
número de elementos éxito de la muestra y n el tamaño muestral).
q̂ es la proporción muestral de la categoría fracaso y es igual a 1 − pˆ
Z es el valor crítico que corresponde a la probabilidad de encontrar la proporción de la
población en un intervalo, y se halla mediante la tabla normal estándar.
e es el máximo error que se puede cometer al estimar la proporción poblacional.
La ecuación para determinar el tamaño de una muestra, para poblaciones finitas es:
n0 N
n=
n0 + ( N − 1)
donde:
ˆ ˆ 2N
pqz
n=
ˆ ˆ 2 + e 2 ( N − 1)
pqz
Aplicación.
Los datos para hallar el error máximo que se puede cometer en este estudio son:
Sistema 1:
244
Sistema 2:
ˆ ˆ 2 ( N − n)
pqz
e=
n( N − 1)
z = 1.96, suponiendo que existe una probabilidad del 95% de encontrar la verdadera
proporción de la población en un intervalo.
Sistema 1:
Sistema 2:
Sistema 3:
Se puede observar que por alguna razón, el error en el sistema 3 es más alto que en los
otros dos sistemas.
6. Recopilación de datos.
Aplicación.
Los datos muestrales que se recopilaron son los siguientes, para cada sistema:
Sistema 1:
245
Problemas de tensión: 14 Problemas de saturación: 6
Sistema 2:
Inferencia estadística.
Es la rama de la Estadística que se ocupa del uso de los conceptos de la probabilidad para
afrontar la incertidumbre en la toma de decisiones. Los conceptos básicos de las
distribuciones muestrales, sirven como base para la estadística inferencial. Esta comprende
dos áreas:
Tipos de estimaciones.
En la vida real se desconocen los valores de los parámetros de las poblaciones que se
estudian. Se pretende entonces estimar estos valores que son de interés en nuestro
estudio. Para esto puede hacerse una:
• Estimación puntual, que es un valor único que pretende estimar el valor del
parámetro poblacional estudiado.
246
• Estimación por intervalo, que es un intervalo numérico en donde se pretende se
encuentra el valor del parámetro bajo estudio.
Una desventaja de los estimadores puntuales, es que no sabemos que tan cerca se
encuentran del valor del parámetro que estiman. No tenemos ninguna medida que nos
indica que tan precisa es nuestra estimación.
pˆ (1 − p)
ˆ ˆ
pˆ (1 − p)
P = pˆ - Z α * ≤ p ≤ p+
ˆ Zα * = 1 - α
2 n 2 n
Aplicación.
Con la información muestral se procede a calcular las proporciones muestrales para cada
sistema y característica:
Sistema 1:
14
Proporción con problemas de tensión: pT = = 0.15054
93
6
Proporción con problemas de saturación: pS = = 0.06452
93
Sistema 2:
2
Proporción con problemas de tensión: pT = = 0.02128
94
0
Proporción con problemas de saturación: pS = =0
94
Sistema 3:
0
Proporción con problemas de tensión: pT = =0
33
247
1
Proporción con problemas de saturación: pS = = 0.03030
33
Por último se calcula los intervalos de confianza para cada proporción en cada sistema,
mediante la fórmula:
pˆ (1 − p)
ˆ ˆ
pˆ (1 − p)
P = pˆ - Z α * ≤ p ≤ p+
ˆ Zα * = 1 - α
2 n 2 n
Sistema 1:
Se puede decir que hay una probabilidad del 95% de que la proporción de la población de
transformadores con problemas de tensión esté entre 7.8% y 22.3%.
Sistema 2:
P = ( 0% ≤ p ≤ 5.0%) = 95%
Se puede decir que hay una probabilidad del 95% de que la proporción de la población de
transformadores con problemas de tensión esté entre 0% y 5.0%.
248
Sistema 3:
P = ( 0% ≤ p ≤ 0%) = 95%
Se puede decir que hay una probabilidad del 95% de que la proporción de la población de
transformadores con problemas de tensión esté entre 0% y 0%.
P = ( 0% ≤ p ≤ 8.9%) = 95%
Existe una probabilidad del 95% de que la proporción de la población de transformadores
con problemas de saturación esté entre el 0% y 8.9%.
Aplicación.
Existe una probabilidad del 95% de que el número de transformadores con problemas de
tensión sea de 126 a 360.
Existe una probabilidad del 95% de que el número de transformadores con problemas de
saturación sea de 24 a 185.
Se determinó que el máximo error que se pudo cometer en esta estimación es del 10%.
Existe una probabilidad del 95% de que el número de transformadores con problemas de
tensión sea de 0 a 96.
Existe una probabilidad del 95% de que el número de transformadores con problemas de
saturación sea de 0.
Se determinó que el máximo error que se pudo cometer en esta estimación es del 10%.
Existe una probabilidad del 95% de que el número de transformadores con problemas de
tensión sea de 0.
249
Existe una probabilidad del 95% de que el número de transformadores con problemas de
saturación sea de 0 a 22.
Se determinó que el máximo error que se pudo cometer en esta estimación es del 16%.
9. Recomendaciones.
250
x
Tabla I - Distribución Binomial Acumulada: B(x; n, p) = ∑ n p k (1 − p) n −k
k=0 k
P
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 0.9975 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
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 0.0608 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
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 0.0001 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
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 0.0001 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
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 0.0001 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 0.0001 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 0.0001
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 0.0159 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
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
250
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
P
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 0.9428 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
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
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
251
P
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 0.8981 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
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
252
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 0.8646 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
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
253
P
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 0.8290 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
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
254
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
P
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 0.7922 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
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
255
P
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 0.7547 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
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
256
257
x
e −λ λ k
Tabla II - Distribución de Poisson Acumulada: F(x; λ ) = ∑
k =0 k!
x 0 1 2 3 4 5 6 7 8 9
λ
0.02 0.980 1.000
0.04 0.961 0.999 1.000
0.06 0.942 0.998 1.000
0.08 0.923 0.997 1.000
0.10 0.905 0.995 1.000
0.15 0.861 0.990 0.999 1.000
0.20 0.819 0.982 0.999 1.000
0.25 0.779 0.974 0.998 1.000
0.30 0.741 0.963 0.996 1.000
0.35 0.705 0.951 0.994 1.000
0.40 0.670 0.938 0.992 0.999 1.000
0.45 0.638 0.925 0.989 0.999 1.000
0.50 0.607 0.910 0.986 0.998 1.000
0.55 0.577 0.894 0.982 0.998 1.000
0.60 0.549 0.878 0.977 0.997 1.000
0.65 0.522 0.861 0.972 0.996 0.999 1.000
0.70 0.497 0.844 0.966 0.994 0.999 1.000
0.75 0.472 0.827 0.959 0.993 0.999 1.000
0.80 0.449 0.809 0.953 0.991 0.999 1.000
0.85 0.427 0.791 0.945 0.989 0.998 1.000
0.90 0.407 0.772 0.937 0.987 0.998 1.000
0.95 0.387 0.754 0.929 0.984 0.997 1.000
1.00 0.368 0.736 0.920 0.981 0.996 0.999 1.000
1.10 0.333 0.699 0.900 0.974 0.995 0.999 1.000
1.20 0.301 0.663 0.879 0.966 0.992 0.998 1.000
1.30 0.273 0.627 0.857 0.957 0.989 0.998 1.000
1.40 0.247 0.592 0.833 0.946 0.986 0.997 0.999 1.000
1.50 0.223 0.558 0.809 0.934 0.981 0.996 0.999 1.000
1.60 0.202 0.525 0.783 0.921 0.976 0.994 0.999 1.000
1.70 0.183 0.493 0.757 0.907 0.970 0.992 0.998 1.000
1.80 0.165 0.463 0.731 0.891 0.964 0.990 0.997 0.999 1.000
1.90 0.150 0.434 0.704 0.875 0.956 0.987 0.997 0.999 1.000
2.00 0.135 0.406 0.677 0.857 0.947 0.983 0.995 0.999 1.000
258
x 0 1 2 3 4 5 6 7 8 9
λ
2.2 0.111 0.355 0.623 0.819 0.928 0.975 0.993 0.998 1.000 1.000
2.4 0.091 0.308 0.570 0.779 0.904 0.964 0.988 0.997 0.999 1.000
2.6 0.074 0.267 0.518 0.736 0.877 0.951 0.983 0.995 0.999 1.000
2.8 0.061 0.231 0.469 0.692 0.848 0.935 0.976 0.992 0.998 0.999
3.0 0.050 0.199 0.423 0.647 0.815 0.916 0.966 0.988 0.996 0.999
3.2 0.041 0.171 0.380 0.603 0.781 0.895 0.955 0.983 0.994 0.998
3.4 0.033 0.147 0.340 0.558 0.744 0.871 0.942 0.977 0.992 0.997
3.6 0.027 0.126 0.303 0.515 0.706 0.844 0.927 0.969 0.988 0.996
3.8 0.022 0.107 0.269 0.473 0.668 0.816 0.909 0.960 0.984 0.994
4.0 0.018 0.092 0.238 0.433 0.629 0.785 0.889 0.949 0.979 0.992
4.2 0.015 0.078 0.210 0.395 0.590 0.753 0.867 0.936 0.972 0.989
4.4 0.012 0.066 0.185 0.359 0.551 0.720 0.844 0.921 0.964 0.985
4.6 0.010 0.056 0.163 0.326 0.513 0.686 0.818 0.905 0.955 0.980
4.8 0.008 0.048 0.143 0.294 0.476 0.651 0.791 0.887 0.944 0.975
5.0 0.007 0.040 0.125 0.265 0.440 0.616 0.762 0.867 0.932 0.968
5.2 0.006 0.034 0.109 0.238 0.406 0.581 0.732 0.845 0.918 0.960
5.4 0.005 0.029 0.095 0.213 0.373 0.546 0.702 0.822 0.903 0.951
5.6 0.004 0.024 0.082 0.191 0.342 0.512 0.670 0.797 0.886 0.941
5.8 0.003 0.021 0.072 0.170 0.313 0.478 0.638 0.771 0.867 0.929
6.0 0.002 0.017 0.062 0.151 0.285 0.446 0.606 0.744 0.847 0.916
10 11 12 13 14 15 16
2.8 1.000
3.0 1.000
3.2 1.000
3.4 0.999 1.000
3.6 0.999 1.000
3.8 0.998 0.999 1.000
4.0 0.997 0.999 1.000
4.2 0.996 0.999 1.000
4.4 0.994 0.998 0.999 1.000
4.6 0.992 0.997 0.999 1.000
4.8 0.990 0.996 0.999 1.000
5.0 0.986 0.995 0.998 0.999 1.000
5.2 0.982 0.993 0.997 0.999 1.000
5.4 0.977 0.990 0.996 0.999 1.000
5.6 0.972 0.988 0.995 0.998 0.999 1.000
5.8 0.965 0.984 0.993 0.997 0.999 1.000
6.0 0.957 0.980 0.991 0.996 0.999 0.999 1.000
259
x 0 1 2 3 4 5 6 7 8 9
λ
6.2 0.002 0.015 0.054 0.134 0.259 0.414 0.574 0.716 0.826 0.902
6.4 0.002 0.012 0.046 0.119 0.235 0.384 0.542 0.687 0.803 0.886
6.6 0.001 0.010 0.040 0.105 0.213 0.355 0.511 0.658 0.780 0.869
6.8 0.001 0.009 0.034 0.093 0.192 0.327 0.480 0.628 0.755 0.850
7.0 0.001 0.007 0.030 0.082 0.173 0.301 0.450 0.599 0.729 0.830
7.2 0.001 0.006 0.025 0.072 0.156 0.276 0.420 0.569 0.703 0.810
7.4 0.001 0.005 0.022 0.063 0.140 0.253 0.392 0.539 0.676 0.788
7.6 0.001 0.004 0.019 0.055 0.125 0.231 0.365 0.510 0.648 0.765
7.8 0.000 0.004 0.016 0.048 0.112 0.210 0.338 0.481 0.620 0.741
8.0 0.000 0.003 0.014 0.042 0.100 0.191 0.313 0.453 0.593 0.717
8.5 0.000 0.002 0.009 0.030 0.074 0.150 0.256 0.386 0.523 0.653
9.0 0.000 0.001 0.006 0.021 0.055 0.116 0.207 0.324 0.456 0.587
9.5 0.000 0.001 0.004 0.015 0.040 0.089 0.165 0.269 0.392 0.522
10.0 0.000 0.000 0.003 0.010 0.029 0.067 0.130 0.220 0.333 0.458
10 11 12 13 14 15 16 17 18 19
8.5 1.000
9.0 1.000
9.5 0.999 1.000
10.0 0.998 0.999 1.000
260
x 0 1 2 3 4 5 6 7 8 9
λ
10.5 0.000 0.000 0.002 0.007 0.021 0.050 0.102 0.179 0.279 0.397
11.0 0.000 0.000 0.001 0.005 0.015 0.038 0.079 0.143 0.232 0.341
11.5 0.000 0.000 0.001 0.003 0.011 0.028 0.060 0.114 0.191 0.289
12.0 0.000 0.000 0.001 0.002 0.008 0.020 0.046 0.090 0.155 0.242
12.5 0.000 0.000 0.000 0.002 0.005 0.015 0.035 0.070 0.125 0.201
13.0 0.000 0.000 0.000 0.001 0.004 0.011 0.026 0.054 0.100 0.166
13.5 0.000 0.000 0.000 0.001 0.003 0.008 0.019 0.041 0.079 0.135
14.0 0.000 0.000 0.000 0.000 0.002 0.006 0.014 0.032 0.062 0.109
14.5 0.000 0.000 0.000 0.000 0.001 0.004 0.010 0.024 0.048 0.088
15.0 0.000 0.000 0.000 0.000 0.001 0.003 0.008 0.018 0.037 0.070
10 11 12 13 14 15 16 17 18 19
10.5 0.521 0.639 0.742 0.825 0.888 0.932 0.960 0.978 0.988 0.994
11.0 0.460 0.579 0.689 0.781 0.854 0.907 0.944 0.968 0.982 0.991
11.5 0.402 0.520 0.633 0.733 0.815 0.878 0.924 0.954 0.974 0.986
12.0 0.347 0.462 0.576 0.682 0.772 0.844 0.899 0.937 0.963 0.979
12.5 0.297 0.406 0.519 0.628 0.725 0.806 0.869 0.916 0.948 0.969
13.0 0.252 0.353 0.463 0.573 0.675 0.764 0.835 0.890 0.930 0.957
13.5 0.211 0.304 0.409 0.518 0.623 0.718 0.798 0.861 0.908 0.942
14.0 0.176 0.260 0.358 0.464 0.570 0.669 0.756 0.827 0.883 0.923
14.5 0.145 0.220 0.311 0.413 0.518 0.619 0.711 0.790 0.853 0.901
15.0 0.118 0.185 0.268 0.363 0.466 0.568 0.664 0.749 0.819 0.875
20 21 22 23 24 25 26 27 28 29
261
x 4 5 6 7 8 9 10 11 12 13
λ
16 0.000 0.001 0.004 0.010 0.022 0.043 0.077 0.127 0.193 0.275
17 0.000 0.001 0.002 0.005 0.013 0.026 0.049 0.085 0.135 0.201
18 0.000 0.000 0.001 0.003 0.007 0.015 0.030 0.055 0.092 0.143
19 0.000 0.000 0.001 0.002 0.004 0.009 0.018 0.035 0.061 0.098
20 0.000 0.000 0.000 0.001 0.002 0.005 0.011 0.021 0.039 0.066
21 0.000 0.000 0.000 0.000 0.001 0.003 0.006 0.013 0.025 0.043
22 0.000 0.000 0.000 0.000 0.001 0.002 0.004 0.008 0.015 0.028
23 0.000 0.000 0.000 0.000 0.000 0.001 0.002 0.004 0.009 0.017
24 0.000 0.000 0.000 0.000 0.000 0.000 0.001 0.003 0.005 0.011
25 0.000 0.000 0.000 0.000 0.000 0.000 0.001 0.001 0.003 0.006
14 15 16 17 18 19 20 21 22 23
16 0.368 0.467 0.566 0.659 0.742 0.812 0.868 0.911 0.942 0.963
17 0.281 0.371 0.468 0.564 0.655 0.736 0.805 0.861 0.905 0.937
18 0.208 0.287 0.375 0.469 0.562 0.651 0.731 0.799 0.855 0.899
19 0.150 0.215 0.292 0.378 0.469 0.561 0.647 0.725 0.793 0.849
20 0.105 0.157 0.221 0.297 0.381 0.470 0.559 0.644 0.721 0.787
21 0.072 0.111 0.163 0.227 0.302 0.384 0.471 0.558 0.640 0.716
22 0.048 0.077 0.117 0.169 0.232 0.306 0.387 0.472 0.556 0.637
23 0.031 0.052 0.082 0.123 0.175 0.238 0.310 0.389 0.472 0.555
24 0.020 0.034 0.056 0.087 0.128 0.180 0.243 0.314 0.392 0.473
25 0.012 0.022 0.038 0.060 0.092 0.134 0.185 0.247 0.318 0.394
24 25 26 27 28 29 30 31 32 33
16 0.978 0.987 0.993 0.996 0.998 0.999 0.999 1.000
17 0.959 0.975 0.985 0.991 0.995 0.997 0.999 0.999 1.000
18 0.932 0.955 0.972 0.983 0.990 0.994 0.997 0.998 0.999 1.000
19 0.893 0.927 0.951 0.969 0.980 0.988 0.993 0.996 0.998 0.999
20 0.843 0.888 0.922 0.948 0.966 0.978 0.987 0.992 0.995 0.997
21 0.782 0.838 0.883 0.917 0.944 0.963 0.976 0.985 0.991 0.994
22 0.712 0.777 0.832 0.877 0.913 0.940 0.959 0.973 0.983 0.989
23 0.635 0.708 0.772 0.827 0.873 0.908 0.936 0.956 0.971 0.981
24 0.554 0.632 0.704 0.768 0.823 0.868 0.904 0.932 0.953 0.969
25 0.473 0.553 0.629 0.700 0.763 0.818 0.863 0.900 0.929 0.950
34 35 36 37 38 39 40 41 42 43
19 0.999 1.000
20 0.999 0.999 1.000
21 0.997 0.998 0.999 0.999 1.000
22 0.994 0.996 0.998 0.999 0.999 1.000
23 0.988 0.993 0.996 0.997 0.999 0.999 1.000
24 0.979 0.987 0.992 0.995 0.997 0.998 0.999 0.999 1.000
25 0.966 0.978 0.985 0.991 0.994 0.997 0.998 0.999 0.999 1.000
262
Tabla III - Distribución Normal Estándar Acumulada
σz =1
µz = 0 z z
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.50000 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.52790 0.53188 0.53586
0.1 0.53983 0.54380 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.62930 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.65910 0.66276 0.66640 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.70540 0.70884 0.71226 0.71566 0.71904 0.72240
0.6 0.72575 0.72907 0.73237 0.73565 0.73891 0.74215 0.74537 0.74857 0.75175 0.75490
0.7 0.75804 0.76115 0.76424 0.76730 0.77035 0.77337 0.77637 0.77935 0.78230 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891
1.0 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.86650 0.86864 0.87076 0.87286 0.87493 0.87698 0.87900 0.88100 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.3 0.90320 0.90490 0.90658 0.90824 0.90988 0.91149 0.91308 0.91466 0.91621 0.91774
1.4 0.91924 0.92073 0.92220 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189
1.5 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408
1.6 0.94520 0.94630 0.94738 0.94845 0.94950 0.95053 0.95154 0.95254 0.95352 0.95449
1.7 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.96080 0.96164 0.96246 0.96327
1.8 0.96407 0.96485 0.96562 0.96638 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.9 0.97128 0.97193 0.97257 0.97320 0.97381 0.97441 0.97500 0.97558 0.97615 0.97670
2.0 0.97725 0.97778 0.97831 0.97882 0.97932 0.97982 0.98030 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.98300 0.98341 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.2 0.98610 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.98840 0.98870 0.98899
2.3 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520
2.6 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.99720 0.99728 0.99736
2.8 0.99744 0.99752 0.99760 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861
3.0 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99889 0.99893 0.99896 0.99900
3.1 0.99903 0.99906 0.99910 0.99913 0.99916 0.99918 0.99921 0.99924 0.99926 0.99929
3.2 0.99931 0.99934 0.99936 0.99938 0.99940 0.99942 0.99944 0.99946 0.99948 0.99950
3.3 0.99952 0.99953 0.99955 0.99957 0.99958 0.99960 0.99961 0.99962 0.99964 0.99965
3.4 0.99966 0.99968 0.99969 0.99970 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.5 0.99977 0.99978 0.99978 0.99979 0.99980 0.99981 0.99981 0.99982 0.99983 0.99983
3.6 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99988 0.99988 0.99989
3.7 0.99989 0.99990 0.99990 0.99990 0.99991 0.99991 0.99992 0.99992 0.99992 0.99992
3.8 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 0.99995 0.99995 0.99995
3.9 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
4.0 0.99997 0.99997 0.99997 0.99997 0.99997 0.99997 0.99998 0.99998 0.99998 0.99998
5.0 1.00000
263
Tabla IV - Distribución Normal Estándar de Cola Superior
σz =1
µz = 0 z z
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207
0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760
0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673
0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109
1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 0.14457 0.14231 0.14007 0.13786
1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702
1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.09853
1.3 0.09680 0.09510 0.09342 0.09176 0.09012 0.08851 0.08692 0.08534 0.08379 0.08226
1.4 0.08076 0.07927 0.07780 0.07636 0.07493 0.07353 0.07215 0.07078 0.06944 0.06811
1.5 0.06681 0.06552 0.06426 0.06301 0.06178 0.06057 0.05938 0.05821 0.05705 0.05592
1.6 0.05480 0.05370 0.05262 0.05155 0.05050 0.04947 0.04846 0.04746 0.04648 0.04551
1.7 0.04457 0.04363 0.04272 0.04182 0.04093 0.04006 0.03920 0.03836 0.03754 0.03673
1.8 0.03593 0.03515 0.03438 0.03362 0.03288 0.03216 0.03144 0.03074 0.03005 0.02938
1.9 0.02872 0.02807 0.02743 0.02680 0.02619 0.02559 0.02500 0.02442 0.02385 0.02330
2.0 0.02275 0.02222 0.02169 0.02118 0.02068 0.02018 0.01970 0.01923 0.01876 0.01831
2.1 0.01786 0.01743 0.01700 0.01659 0.01618 0.01578 0.01539 0.01500 0.01463 0.01426
2.2 0.01390 0.01355 0.01321 0.01287 0.01255 0.01222 0.01191 0.01160 0.01130 0.01101
2.3 0.01072 0.01044 0.01017 0.00990 0.00964 0.00939 0.00914 0.00889 0.00866 0.00842
2.4 0.00820 0.00798 0.00776 0.00755 0.00734 0.00714 0.00695 0.00676 0.00657 0.00639
2.5 0.00621 0.00604 0.00587 0.00570 0.00554 0.00539 0.00523 0.00508 0.00494 0.00480
2.6 0.00466 0.00453 0.00440 0.00427 0.00415 0.00402 0.00391 0.00379 0.00368 0.00357
2.7 0.00347 0.00336 0.00326 0.00317 0.00307 0.00298 0.00289 0.00280 0.00272 0.00264
2.8 0.00256 0.00248 0.00240 0.00233 0.00226 0.00219 0.00212 0.00205 0.00199 0.00193
2.9 0.00187 0.00181 0.00175 0.00169 0.00164 0.00159 0.00154 0.00149 0.00144 0.00139
3.0 0.00135 0.00131 0.00126 0.00122 0.00118 0.00114 0.00111 0.00107 0.00104 0.00100
3.1 0.00097 0.00094 0.00090 0.00087 0.00084 0.00082 0.00079 0.00076 0.00074 0.00071
3.2 0.00069 0.00066 0.00064 0.00062 0.00060 0.00058 0.00056 0.00054 0.00052 0.00050
3.3 0.00048 0.00047 0.00045 0.00043 0.00042 0.00040 0.00039 0.00038 0.00036 0.00035
3.4 0.00034 0.00032 0.00031 0.00030 0.00029 0.00028 0.00027 0.00026 0.00025 0.00024
3.5 0.00023 0.00022 0.00022 0.00021 0.00020 0.00019 0.00019 0.00018 0.00017 0.00017
3.6 0.00016 0.00015 0.00015 0.00014 0.00014 0.00013 0.00013 0.00012 0.00012 0.00011
3.7 0.00011 0.00010 0.00010 0.00010 0.00009 0.00009 0.00008 0.00008 0.00008 0.00008
3.8 0.00007 0.00007 0.00007 0.00006 0.00006 0.00006 0.00006 0.00005 0.00005 0.00005
3.9 0.00005 0.00005 0.00004 0.00004 0.00004 0.00004 0.00004 0.00004 0.00003 0.00003
4.0 0.00003 0.00003 0.00003 0.00003 0.00003 0.00003 0.00002 0.00002 0.00002 0.00002
5.0 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
264
Tabla V - Números Aleatorios
62800 8572 7650 47260 48741 5368 44176 3727 25838 76198
70411 27677 40988 66361 73560 53307 46403 62147 66723 11403
48019 17310 22418 87544 43631 19551 32725 6405 29029 14264
93458 72337 47386 99482 11525 3472 19514 8384 56305 96042
32125 21303 42338 18959 69709 35892 16256 44962 96712 29689
19442 58566 97417 53529 69827 96883 11732 1344 17866 78664
34040 28322 69934 47103 42616 54105 83123 79049 59173 63859
16298 81935 2307 82016 76514 62580 19560 77265 38031 25189
98847 97682 59022 74556 17862 46360 24209 7102 73729 14610
39807 63457 30519 48596 80138 54495 17839 3336 86215 34308
80916 1889 73750 21284 13354 75436 81626 64841 24271 88776
50488 66470 18449 12645 67890 73380 89701 92591 52468 13861
21968 67910 66282 79595 25041 46457 79083 95017 84610 75599
81666 59781 34295 34949 57656 58194 44792 19122 13866 95404
83169 20049 17491 3150 56282 71387 10374 4713 2698 17902
40259 1836 48980 50681 63939 65850 36559 65345 73935 38566
79586 39771 16480 70637 51621 94773 86762 15322 2684 78105
90160 84607 47127 54609 34281 93529 72143 41140 55311 29759
84511 591 29606 84684 3390 14074 41962 33471 42782 80865
93354 50907 76761 90997 7055 4118 60561 88681 56353 65529
84738 33621 12955 56678 59917 64128 17835 77722 31762 56772
74206 1329 75405 69039 50134 90499 15096 80281 64773 52543
41072 89757 20877 49842 19806 38741 94350 33459 19506 85843
88588 46360 22243 71751 82899 76063 32333 61241 72458 33005
61297 20492 74025 20501 61268 36053 1890 86124 43853 1444
6832 15442 76519 13667 43249 65257 10215 40209 9306 16856
66176 38161 4655 42685 28347 13293 70052 99530 3437 78235
71885 353 91494 81099 96039 21051 67288 55986 59067 21954
27027 55973 32942 47542 28514 56249 38020 18764 99434 61713
94877 11500 64370 94529 92379 78864 44531 60467 70753 83031
65718 36169 38701 98812 49967 49052 58748 81829 67391 68573
79879 10685 58274 27245 98184 88102 73113 63720 14122 14782
94041 93625 11574 90652 13082 95710 91751 5842 99904 81562
41152 77675 70300 41686 19715 39707 82190 6825 50056 23495
66524 56997 92803 35040 45261 24660 10091 26381 6938 56297
16105 84615 24078 94841 54801 22758 28678 70334 70909 14391
59176 87517 29068 98281 41466 58425 11477 39005 93279 18612
9329 45955 42127 53901 79565 27969 4649 81891 73034 90703
17221 47288 33512 46586 41929 3068 50356 65550 92481 76651
9608 80624 26055 4782 80662 6148 2679 30449 56911 44973
2365 46435 62430 50804 69531 89654 14980 38921 63334 27672
84334 67175 46033 13298 23326 970 48400 58983 97518 49118
265
6916 46777 22145 6316 53599 14508 6072 50624 2926 61380
0 tα ,ν t
ν\α 0.4 0.25 0.1 0.05 0.025 0.01 0.005 0.0025 0.001 0.0005
1 0.3249 1.0000 3.0777 6.3137 12.7062 31.8210 63.6559 127.3211 318.2888 636.5776
2 0.2887 0.8165 1.8856 2.9200 4.3027 6.9645 9.9250 14.0892 22.3285 31.5998
3 0.2767 0.7649 1.6377 2.3534 3.1824 4.5407 5.8408 7.4532 10.2143 12.9244
4 0.2707 0.7407 1.5332 2.1318 2.7765 3.7469 4.6041 5.5975 7.1729 8.6101
5 0.2672 0.7267 1.4759 2.0150 2.5706 3.3649 4.0321 4.7733 5.8935 6.8685
6 0.2648 0.7176 1.4398 1.9432 2.4469 3.1427 3.7074 4.3168 5.2075 5.9587
7 0.2632 0.7111 1.4149 1.8946 2.3646 2.9979 3.4995 4.0294 4.7853 5.4081
8 0.2619 0.7064 1.3968 1.8595 2.3060 2.8965 3.3554 3.8325 4.5008 5.0414
9 0.2610 0.7027 1.3830 1.8331 2.2622 2.8214 3.2498 3.6896 4.2969 4.7809
10 0.2602 0.6998 1.3722 1.8125 2.2281 2.7638 3.1693 3.5814 4.1437 4.5868
11 0.2596 0.6974 1.3634 1.7959 2.2010 2.7181 3.1058 3.4966 4.0248 4.4369
12 0.2590 0.6955 1.3562 1.7823 2.1788 2.6810 3.0545 3.4284 3.9296 4.3178
13 0.2586 0.6938 1.3502 1.7709 2.1604 2.6503 3.0123 3.3725 3.8520 4.2209
14 0.2582 0.6924 1.3450 1.7613 2.1448 2.6245 2.9768 3.3257 3.7874 4.1403
15 0.2579 0.6912 1.3406 1.7531 2.1315 2.6025 2.9467 3.2860 3.7329 4.0728
16 0.2576 0.6901 1.3368 1.7459 2.1199 2.5835 2.9208 3.2520 3.6861 4.0149
17 0.2573 0.6892 1.3334 1.7396 2.1098 2.5669 2.8982 3.2224 3.6458 3.9651
18 0.2571 0.6884 1.3304 1.7341 2.1009 2.5524 2.8784 3.1966 3.6105 3.9217
19 0.2569 0.6876 1.3277 1.7291 2.0930 2.5395 2.8609 3.1737 3.5793 3.8833
20 0.2567 0.6870 1.3253 1.7247 2.0860 2.5280 2.8453 3.1534 3.5518 3.8496
21 0.2566 0.6864 1.3232 1.7207 2.0796 2.5176 2.8314 3.1352 3.5271 3.8193
22 0.2564 0.6858 1.3212 1.7171 2.0739 2.5083 2.8188 3.1188 3.5050 3.7922
23 0.2563 0.6853 1.3195 1.7139 2.0687 2.4999 2.8073 3.1040 3.4850 3.7676
24 0.2562 0.6848 1.3178 1.7109 2.0639 2.4922 2.7970 3.0905 3.4668 3.7454
25 0.2561 0.6844 1.3163 1.7081 2.0595 2.4851 2.7874 3.0782 3.4502 3.7251
26 0.2560 0.6840 1.3150 1.7056 2.0555 2.4786 2.7787 3.0669 3.4350 3.7067
27 0.2559 0.6837 1.3137 1.7033 2.0518 2.4727 2.7707 3.0565 3.4210 3.6895
28 0.2558 0.6834 1.3125 1.7011 2.0484 2.4671 2.7633 3.0470 3.4082 3.6739
29 0.2557 0.6830 1.3114 1.6991 2.0452 2.4620 2.7564 3.0380 3.3963 3.6595
30 0.2556 0.6828 1.3104 1.6973 2.0423 2.4573 2.7500 3.0298 3.3852 3.6460
31 0.2555 0.6825 1.3095 1.6955 2.0395 2.4528 2.7440 3.0221 3.3749 3.6335
32 0.2555 0.6822 1.3086 1.6939 2.0369 2.4487 2.7385 3.0149 3.3653 3.6218
33 0.2554 0.6820 1.3077 1.6924 2.0345 2.4448 2.7333 3.0082 3.3563 3.6109
34 0.2553 0.6818 1.3070 1.6909 2.0322 2.4411 2.7284 3.0020 3.3480 3.6007
35 0.2553 0.6816 1.3062 1.6896 2.0301 2.4377 2.7238 2.9961 3.3400 3.5911
36 0.2552 0.6814 1.3055 1.6883 2.0281 2.4345 2.7195 2.9905 3.3326 3.5821
37 0.2552 0.6812 1.3049 1.6871 2.0262 2.4314 2.7154 2.9853 3.3256 3.5737
38 0.2551 0.6810 1.3042 1.6860 2.0244 2.4286 2.7116 2.9803 3.3190 3.5657
39 0.2551 0.6808 1.3036 1.6849 2.0227 2.4258 2.7079 2.9756 3.3127 3.5581
40 0.2550 0.6807 1.3031 1.6839 2.0211 2.4233 2.7045 2.9712 3.3069 3.5510
50 0.2547 0.6794 1.2987 1.6759 2.0086 2.4033 2.6778 2.9370 3.2614 3.4960
60 0.2545 0.6786 1.2958 1.6706 2.0003 2.3901 2.6603 2.9146 3.2317 3.4602
70 0.2543 0.6780 1.2938 1.6669 1.9944 2.3808 2.6479 2.8987 3.2108 3.4350
80 0.2542 0.6776 1.2922 1.6641 1.9901 2.3739 2.6387 2.8870 3.1952 3.4164
90 0.2541 0.6772 1.2910 1.6620 1.9867 2.3685 2.6316 2.8779 3.1832 3.4019
100 0.2540 0.6770 1.2901 1.6602 1.9840 2.3642 2.6259 2.8707 3.1738 3.3905
110 0.2540 0.6767 1.2893 1.6588 1.9818 2.3607 2.6213 2.8648 3.1660 3.3811
120 0.2539 0.6765 1.2886 1.6576 1.9799 2.3578 2.6174 2.8599 3.1595 3.3734
∞ 0.2530 0.6740 1.2820 1.6450 1.9600 2.3260 2.5760 2.8070 3.0900 3.2910
266
Tabla VII - Distribución Chi-cuadrada
1−α
α
0 χ2
χ α2 ,ν
ν \α 0.995 0.99 0.975 0.95 0.50 0.05 0.025 0.01 0.005
1 0.0000 0.0002 0.0010 0.0039 0.4549 3.8415 5.0239 6.6349 7.8794
2 0.0100 0.0201 0.0506 0.1026 1.3863 5.9915 7.3778 9.2104 10.5965
3 0.0717 0.1148 0.2158 0.3518 2.3660 7.8147 9.3484 11.3449 12.8381
4 0.2070 0.2971 0.4844 0.7107 3.3567 9.4877 11.1433 13.2767 14.8602
5 0.4118 0.5543 0.8312 1.1455 4.3515 11.0705 12.8325 15.0863 16.7496
6 0.6757 0.8721 1.2373 1.6354 5.3481 12.5916 14.4494 16.8119 18.5475
7 0.9893 1.2390 1.6899 2.1673 6.3458 14.0671 16.0128 18.4753 20.2777
8 1.3444 1.6465 2.1797 2.7326 7.3441 15.5073 17.5345 20.0902 21.9549
9 1.7349 2.0879 2.7004 3.3251 8.3428 16.9190 19.0228 21.6660 23.5893
10 2.1558 2.5582 3.2470 3.9403 9.3418 18.3070 20.4832 23.2093 25.1881
11 2.6032 3.0535 3.8157 4.5748 10.3410 19.6752 21.9200 24.7250 26.7569
12 3.0738 3.5706 4.4038 5.2260 11.3403 21.0261 23.3367 26.2170 28.2997
13 3.5650 4.1069 5.0087 5.8919 12.3398 22.3620 24.7356 27.6882 29.8193
14 4.0747 4.6604 5.6287 6.5706 13.3393 23.6848 26.1189 29.1412 31.3194
15 4.6009 5.2294 6.2621 7.2609 14.3389 24.9958 27.4884 30.5780 32.8015
16 5.1422 5.8122 6.9077 7.9616 15.3385 26.2962 28.8453 31.9999 34.2671
17 5.6973 6.4077 7.5642 8.6718 16.3382 27.5871 30.1910 33.4087 35.7184
18 6.2648 7.0149 8.2307 9.3904 17.3379 28.8693 31.5264 34.8052 37.1564
19 6.8439 7.6327 8.9065 10.1170 18.3376 30.1435 32.8523 36.1908 38.5821
20 7.4338 8.2604 9.5908 10.8508 19.3374 31.4104 34.1696 37.5663 39.9969
21 8.0336 8.8972 10.2829 11.5913 20.3372 32.6706 35.4789 38.9322 41.4009
22 8.6427 9.5425 10.9823 12.3380 21.3370 33.9245 36.7807 40.2894 42.7957
23 9.2604 10.1957 11.6885 13.0905 22.3369 35.1725 38.0756 41.6383 44.1814
24 9.8862 10.8563 12.4011 13.8484 23.3367 36.4150 39.3641 42.9798 45.5584
25 10.5196 11.5240 13.1197 14.6114 24.3366 37.6525 40.6465 44.3140 46.9280
26 11.1602 12.1982 13.8439 15.3792 25.3365 38.8851 41.9231 45.6416 48.2898
27 11.8077 12.8785 14.5734 16.1514 26.3363 40.1133 43.1945 46.9628 49.6450
28 12.4613 13.5647 15.3079 16.9279 27.3362 41.3372 44.4608 48.2782 50.9936
29 13.1211 14.2564 16.0471 17.7084 28.3361 42.5569 45.7223 49.5878 52.3355
30 13.7867 14.9535 16.7908 18.4927 29.3360 43.7730 46.9792 50.8922 53.6719
31 14.4577 15.6555 17.5387 19.2806 30.3359 44.9853 48.2319 52.1914 55.0025
32 15.1340 16.3622 18.2908 20.0719 31.3359 46.1942 49.4804 53.4857 56.3280
33 15.8152 17.0735 19.0467 20.8665 32.3358 47.3999 50.7251 54.7754 57.6483
34 16.5013 17.7891 19.8062 21.6643 33.3357 48.6024 51.9660 56.0609 58.9637
35 17.1917 18.5089 20.5694 22.4650 34.3356 49.8018 53.2033 57.3420 60.2746
36 17.8868 19.2326 21.3359 23.2686 35.3356 50.9985 54.4373 58.6192 61.5811
37 18.5859 19.9603 22.1056 24.0749 36.3355 52.1923 55.6680 59.8926 62.8832
38 19.2888 20.6914 22.8785 24.8839 37.3354 53.3835 56.8955 61.1620 64.1812
39 19.9958 21.4261 23.6543 25.6954 38.3354 54.5722 58.1201 62.4281 65.4753
40 20.7066 22.1642 24.4331 26.5093 39.3353 55.7585 59.3417 63.6908 66.7660
50 27.9908 29.7067 32.3574 34.7642 49.3349 67.5048 71.4202 76.1538 79.4898
60 35.5344 37.4848 40.4817 43.1880 59.3347 79.0820 83.2977 88.3794 91.9518
70 43.2753 45.4417 48.7575 51.7393 69.3345 90.5313 95.0231 100.4251 104.2148
80 51.1719 53.5400 57.1532 60.3915 79.3343 101.8795 106.6285 112.3288 116.3209
90 59.1963 61.7540 65.6466 69.1260 89.3342 113.1452 118.1359 124.1162 128.2987
100 67.3275 70.0650 74.2219 77.9294 99.3341 124.3421 129.5613 135.8069 140.1697
267
Tabla VIII - Distribución F de Fisher ( F 0.25,ν1 ,ν 2 )
v2\v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120
1 5.83 7.50 8.20 8.58 8.82 8.98 9.10 9.19 9.26 9.32 9.37 9.41 9.44 9.47 9.49 9.52 9.53 9.55 9.57 9.58 9.59 9.61 9.62 9.63 9.63 9.64 9.65 9.66 9.66 9.67 9.71 9.76 9.80
2 2.57 3.00 3.15 3.23 3.28 3.31 3.34 3.35 3.37 3.38 3.39 3.39 3.40 3.41 3.41 3.41 3.42 3.42 3.42 3.43 3.43 3.43 3.43 3.43 3.44 3.44 3.44 3.44 3.44 3.44 3.45 3.46 3.47
3 2.02 2.28 2.36 2.39 2.41 2.42 2.43 2.44 2.44 2.44 2.45 2.45 2.45 2.45 2.46 2.46 2.46 2.46 2.46 2.46 2.46 2.46 2.46 2.46 2.46 2.46 2.46 2.46 2.46 2.47 2.47 2.47 2.47
4 1.81 2.00 2.05 2.06 2.07 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08
5 1.69 1.85 1.88 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.88 1.87 1.87
6 1.62 1.76 1.78 1.79 1.79 1.78 1.78 1.78 1.77 1.77 1.77 1.77 1.77 1.76 1.76 1.76 1.76 1.76 1.76 1.76 1.76 1.76 1.75 1.75 1.75 1.75 1.75 1.75 1.75 1.75 1.75 1.74 1.74
7 1.57 1.70 1.72 1.72 1.71 1.71 1.70 1.70 1.69 1.69 1.69 1.68 1.68 1.68 1.68 1.68 1.67 1.67 1.67 1.67 1.67 1.67 1.67 1.67 1.67 1.67 1.67 1.66 1.66 1.66 1.66 1.65 1.65
8 1.54 1.66 1.67 1.66 1.66 1.65 1.64 1.64 1.63 1.63 1.63 1.62 1.62 1.62 1.62 1.62 1.61 1.61 1.61 1.61 1.61 1.61 1.61 1.60 1.60 1.60 1.60 1.60 1.60 1.60 1.59 1.59 1.58
9 1.51 1.62 1.63 1.63 1.62 1.61 1.60 1.60 1.59 1.59 1.58 1.58 1.58 1.57 1.57 1.57 1.57 1.56 1.56 1.56 1.56 1.56 1.56 1.56 1.55 1.55 1.55 1.55 1.55 1.55 1.54 1.54 1.53
10 1.49 1.60 1.60 1.59 1.59 1.58 1.57 1.56 1.56 1.55 1.55 1.54 1.54 1.54 1.53 1.53 1.53 1.53 1.53 1.52 1.52 1.52 1.52 1.52 1.52 1.52 1.51 1.51 1.51 1.51 1.51 1.50 1.49
11 1.47 1.58 1.58 1.57 1.56 1.55 1.54 1.53 1.53 1.52 1.52 1.51 1.51 1.51 1.50 1.50 1.50 1.50 1.49 1.49 1.49 1.49 1.49 1.49 1.49 1.48 1.48 1.48 1.48 1.48 1.47 1.47 1.46
12 1.46 1.56 1.56 1.55 1.54 1.53 1.52 1.51 1.51 1.50 1.49 1.49 1.49 1.48 1.48 1.48 1.47 1.47 1.47 1.47 1.47 1.46 1.46 1.46 1.46 1.46 1.46 1.46 1.46 1.45 1.45 1.44 1.43
13 1.45 1.55 1.55 1.53 1.52 1.51 1.50 1.49 1.49 1.48 1.47 1.47 1.47 1.46 1.46 1.46 1.45 1.45 1.45 1.45 1.44 1.44 1.44 1.44 1.44 1.44 1.44 1.43 1.43 1.43 1.42 1.42 1.41
14 1.44 1.53 1.53 1.52 1.51 1.50 1.49 1.48 1.47 1.46 1.46 1.45 1.45 1.44 1.44 1.44 1.44 1.43 1.43 1.43 1.43 1.42 1.42 1.42 1.42 1.42 1.42 1.42 1.41 1.41 1.41 1.40 1.39
15 1.43 1.52 1.52 1.51 1.49 1.48 1.47 1.46 1.46 1.45 1.44 1.44 1.43 1.43 1.43 1.42 1.42 1.42 1.41 1.41 1.41 1.41 1.41 1.41 1.40 1.40 1.40 1.40 1.40 1.40 1.39 1.38 1.37
16 1.42 1.51 1.51 1.50 1.48 1.47 1.46 1.45 1.44 1.44 1.43 1.43 1.42 1.42 1.41 1.41 1.41 1.40 1.40 1.40 1.40 1.39 1.39 1.39 1.39 1.39 1.39 1.39 1.38 1.38 1.37 1.36 1.35
17 1.42 1.51 1.50 1.49 1.47 1.46 1.45 1.44 1.43 1.43 1.42 1.41 1.41 1.41 1.40 1.40 1.39 1.39 1.39 1.39 1.38 1.38 1.38 1.38 1.38 1.38 1.37 1.37 1.37 1.37 1.36 1.35 1.34
18 1.41 1.50 1.49 1.48 1.46 1.45 1.44 1.43 1.42 1.42 1.41 1.40 1.40 1.40 1.39 1.39 1.38 1.38 1.38 1.38 1.37 1.37 1.37 1.37 1.37 1.36 1.36 1.36 1.36 1.36 1.35 1.34 1.33
19 1.41 1.49 1.49 1.47 1.46 1.44 1.43 1.42 1.41 1.41 1.40 1.40 1.39 1.39 1.38 1.38 1.37 1.37 1.37 1.37 1.36 1.36 1.36 1.36 1.36 1.35 1.35 1.35 1.35 1.35 1.34 1.33 1.32
20 1.40 1.49 1.48 1.47 1.45 1.44 1.43 1.42 1.41 1.40 1.39 1.39 1.38 1.38 1.37 1.37 1.37 1.36 1.36 1.36 1.36 1.35 1.35 1.35 1.35 1.35 1.34 1.34 1.34 1.34 1.33 1.32 1.31
21 1.40 1.48 1.48 1.46 1.44 1.43 1.42 1.41 1.40 1.39 1.39 1.38 1.37 1.37 1.37 1.36 1.36 1.36 1.35 1.35 1.35 1.35 1.34 1.34 1.34 1.34 1.34 1.33 1.33 1.33 1.32 1.31 1.30
22 1.40 1.48 1.47 1.45 1.44 1.42 1.41 1.40 1.39 1.39 1.38 1.37 1.37 1.36 1.36 1.36 1.35 1.35 1.35 1.34 1.34 1.34 1.34 1.33 1.33 1.33 1.33 1.33 1.33 1.32 1.31 1.30 1.29
23 1.39 1.47 1.47 1.45 1.43 1.42 1.41 1.40 1.39 1.38 1.37 1.37 1.36 1.36 1.35 1.35 1.35 1.34 1.34 1.34 1.33 1.33 1.33 1.33 1.33 1.32 1.32 1.32 1.32 1.32 1.31 1.30 1.28
24 1.39 1.47 1.46 1.44 1.43 1.41 1.40 1.39 1.38 1.38 1.37 1.36 1.36 1.35 1.35 1.34 1.34 1.34 1.33 1.33 1.33 1.33 1.32 1.32 1.32 1.32 1.32 1.31 1.31 1.31 1.30 1.29 1.28
25 1.39 1.47 1.46 1.44 1.42 1.41 1.40 1.39 1.38 1.37 1.36 1.36 1.35 1.35 1.34 1.34 1.33 1.33 1.33 1.33 1.32 1.32 1.32 1.32 1.31 1.31 1.31 1.31 1.31 1.31 1.29 1.28 1.27
26 1.38 1.46 1.45 1.44 1.42 1.41 1.39 1.38 1.37 1.37 1.36 1.35 1.35 1.34 1.34 1.33 1.33 1.33 1.32 1.32 1.32 1.32 1.31 1.31 1.31 1.31 1.30 1.30 1.30 1.30 1.29 1.28 1.26
27 1.38 1.46 1.45 1.43 1.42 1.40 1.39 1.38 1.37 1.36 1.35 1.35 1.34 1.34 1.33 1.33 1.33 1.32 1.32 1.32 1.31 1.31 1.31 1.31 1.30 1.30 1.30 1.30 1.30 1.30 1.28 1.27 1.26
28 1.38 1.46 1.45 1.43 1.41 1.40 1.39 1.38 1.37 1.36 1.35 1.34 1.34 1.33 1.33 1.32 1.32 1.32 1.31 1.31 1.31 1.31 1.30 1.30 1.30 1.30 1.30 1.29 1.29 1.29 1.28 1.27 1.25
29 1.38 1.45 1.45 1.43 1.41 1.40 1.38 1.37 1.36 1.35 1.35 1.34 1.33 1.33 1.32 1.32 1.32 1.31 1.31 1.31 1.30 1.30 1.30 1.30 1.30 1.29 1.29 1.29 1.29 1.29 1.27 1.26 1.25
30 1.38 1.45 1.44 1.42 1.41 1.39 1.38 1.37 1.36 1.35 1.34 1.34 1.33 1.33 1.32 1.32 1.31 1.31 1.31 1.30 1.30 1.30 1.30 1.29 1.29 1.29 1.29 1.29 1.28 1.28 1.27 1.26 1.24
31 1.37 1.45 1.44 1.42 1.40 1.39 1.38 1.37 1.36 1.35 1.34 1.33 1.33 1.32 1.32 1.31 1.31 1.31 1.30 1.30 1.30 1.29 1.29 1.29 1.29 1.29 1.28 1.28 1.28 1.28 1.27 1.25 1.24
32 1.37 1.45 1.44 1.42 1.40 1.39 1.37 1.36 1.35 1.34 1.34 1.33 1.32 1.32 1.31 1.31 1.31 1.30 1.30 1.30 1.29 1.29 1.29 1.29 1.28 1.28 1.28 1.28 1.28 1.28 1.26 1.25 1.23
33 1.37 1.45 1.44 1.42 1.40 1.38 1.37 1.36 1.35 1.34 1.33 1.33 1.32 1.32 1.31 1.31 1.30 1.30 1.30 1.29 1.29 1.29 1.29 1.28 1.28 1.28 1.28 1.27 1.27 1.27 1.26 1.25 1.23
34 1.37 1.44 1.43 1.42 1.40 1.38 1.37 1.36 1.35 1.34 1.33 1.33 1.32 1.31 1.31 1.30 1.30 1.30 1.29 1.29 1.29 1.28 1.28 1.28 1.28 1.28 1.27 1.27 1.27 1.27 1.26 1.24 1.23
35 1.37 1.44 1.43 1.41 1.40 1.38 1.37 1.36 1.35 1.34 1.33 1.32 1.32 1.31 1.31 1.30 1.30 1.29 1.29 1.29 1.28 1.28 1.28 1.28 1.27 1.27 1.27 1.27 1.27 1.27 1.25 1.24 1.22
36 1.37 1.44 1.43 1.41 1.39 1.38 1.36 1.35 1.34 1.33 1.33 1.32 1.31 1.31 1.30 1.30 1.30 1.29 1.29 1.29 1.28 1.28 1.28 1.27 1.27 1.27 1.27 1.27 1.26 1.26 1.25 1.24 1.22
37 1.37 1.44 1.43 1.41 1.39 1.38 1.36 1.35 1.34 1.33 1.32 1.32 1.31 1.31 1.30 1.30 1.29 1.29 1.29 1.28 1.28 1.28 1.27 1.27 1.27 1.27 1.27 1.26 1.26 1.26 1.25 1.23 1.22
38 1.36 1.44 1.43 1.41 1.39 1.37 1.36 1.35 1.34 1.33 1.32 1.32 1.31 1.30 1.30 1.29 1.29 1.29 1.28 1.28 1.28 1.27 1.27 1.27 1.27 1.26 1.26 1.26 1.26 1.26 1.24 1.23 1.21
39 1.36 1.44 1.43 1.41 1.39 1.37 1.36 1.35 1.34 1.33 1.32 1.31 1.31 1.30 1.30 1.29 1.29 1.28 1.28 1.28 1.27 1.27 1.27 1.27 1.26 1.26 1.26 1.26 1.26 1.26 1.24 1.23 1.21
40 1.36 1.44 1.42 1.40 1.39 1.37 1.36 1.35 1.34 1.33 1.32 1.31 1.31 1.30 1.30 1.29 1.29 1.28 1.28 1.28 1.27 1.27 1.27 1.26 1.26 1.26 1.26 1.26 1.25 1.25 1.24 1.22 1.21
60 1.35 1.42 1.41 1.38 1.37 1.35 1.33 1.32 1.31 1.30 1.29 1.29 1.28 1.27 1.27 1.26 1.26 1.26 1.25 1.25 1.24 1.24 1.24 1.24 1.23 1.23 1.23 1.23 1.22 1.22 1.21 1.19 1.17
120 1.34 1.40 1.39 1.37 1.35 1.33 1.31 1.30 1.29 1.28 1.27 1.26 1.26 1.25 1.24 1.24 1.23 1.23 1.22 1.22 1.22 1.21 1.21 1.21 1.20 1.20 1.20 1.20 1.19 1.19 1.18 1.16 1.13
268
Distribución F de Fisher ( F 0.10,ν 1 ,ν 2 )
v2\v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 28 29 30 40 60 120
1 39.86 49.50 53.59 55.83 57.24 58.20 58.91 59.44 59.86 60.19 60.47 60.71 60.90 61.07 61.22 61.35 61.46 61.57 61.66 61.74 61.81 61.88 61.94 62.00 62.05 62.10 62.19 62.23 62.26 62.53 62.79 63.06
2 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38 9.39 9.40 9.41 9.41 9.42 9.42 9.43 9.43 9.44 9.44 9.44 9.44 9.45 9.45 9.45 9.45 9.45 9.46 9.46 9.46 9.47 9.47 9.48
3 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24 5.23 5.22 5.22 5.21 5.20 5.20 5.20 5.19 5.19 5.19 5.18 5.18 5.18 5.18 5.18 5.17 5.17 5.17 5.17 5.17 5.16 5.15 5.14
4 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94 3.92 3.91 3.90 3.89 3.88 3.87 3.86 3.86 3.85 3.85 3.84 3.84 3.84 3.83 3.83 3.83 3.83 3.82 3.82 3.82 3.80 3.79 3.78
5 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32 3.30 3.28 3.27 3.26 3.25 3.24 3.23 3.22 3.22 3.21 3.21 3.20 3.20 3.19 3.19 3.19 3.18 3.18 3.18 3.17 3.16 3.14 3.12
6 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96 2.94 2.92 2.90 2.89 2.88 2.87 2.86 2.85 2.85 2.84 2.84 2.83 2.83 2.82 2.82 2.81 2.81 2.81 2.80 2.80 2.78 2.76 2.74
7 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70 2.68 2.67 2.65 2.64 2.63 2.62 2.61 2.61 2.60 2.59 2.59 2.58 2.58 2.58 2.57 2.57 2.56 2.56 2.56 2.54 2.51 2.49
8 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56 2.54 2.52 2.50 2.49 2.48 2.46 2.45 2.45 2.44 2.43 2.42 2.42 2.41 2.41 2.40 2.40 2.40 2.39 2.39 2.38 2.36 2.34 2.32
9 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42 2.40 2.38 2.36 2.35 2.34 2.33 2.32 2.31 2.30 2.30 2.29 2.29 2.28 2.28 2.27 2.27 2.26 2.26 2.25 2.23 2.21 2.18
10 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32 2.30 2.28 2.27 2.26 2.24 2.23 2.22 2.22 2.21 2.20 2.19 2.19 2.18 2.18 2.17 2.17 2.16 2.16 2.16 2.13 2.11 2.08
11 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27 2.25 2.23 2.21 2.19 2.18 2.17 2.16 2.15 2.14 2.13 2.12 2.12 2.11 2.11 2.10 2.10 2.09 2.08 2.08 2.08 2.05 2.03 2.00
12 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19 2.17 2.15 2.13 2.12 2.10 2.09 2.08 2.08 2.07 2.06 2.05 2.05 2.04 2.04 2.03 2.03 2.02 2.01 2.01 1.99 1.96 1.93
13 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16 2.14 2.12 2.10 2.08 2.07 2.05 2.04 2.03 2.02 2.01 2.01 2.00 1.99 1.99 1.98 1.98 1.97 1.96 1.96 1.96 1.93 1.90 1.88
14 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12 2.10 2.07 2.05 2.04 2.02 2.01 2.00 1.99 1.98 1.97 1.96 1.96 1.95 1.94 1.94 1.93 1.93 1.92 1.92 1.91 1.89 1.86 1.83
15 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06 2.04 2.02 2.00 1.99 1.97 1.96 1.95 1.94 1.93 1.92 1.92 1.91 1.90 1.90 1.89 1.89 1.88 1.88 1.87 1.85 1.82 1.79
16 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06 2.03 2.01 1.99 1.97 1.95 1.94 1.93 1.92 1.91 1.90 1.89 1.88 1.88 1.87 1.87 1.86 1.86 1.85 1.84 1.84 1.81 1.78 1.75
17 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03 2.00 1.98 1.96 1.94 1.93 1.91 1.90 1.89 1.88 1.87 1.86 1.86 1.85 1.84 1.84 1.83 1.83 1.82 1.81 1.81 1.78 1.75 1.72
18 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00 1.98 1.95 1.93 1.92 1.90 1.89 1.87 1.86 1.85 1.84 1.84 1.83 1.82 1.82 1.81 1.80 1.80 1.79 1.79 1.78 1.75 1.72 1.69
19 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98 1.96 1.93 1.91 1.89 1.88 1.86 1.85 1.84 1.83 1.82 1.81 1.81 1.80 1.79 1.79 1.78 1.78 1.77 1.76 1.76 1.73 1.70 1.67
20 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94 1.91 1.89 1.87 1.86 1.84 1.83 1.82 1.81 1.80 1.79 1.79 1.78 1.77 1.77 1.76 1.76 1.75 1.74 1.74 1.71 1.68 1.64
21 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95 1.92 1.90 1.87 1.86 1.84 1.83 1.81 1.80 1.79 1.78 1.78 1.77 1.76 1.75 1.75 1.74 1.74 1.73 1.72 1.72 1.69 1.66 1.62
22 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93 1.90 1.88 1.86 1.84 1.83 1.81 1.80 1.79 1.78 1.77 1.76 1.75 1.74 1.74 1.73 1.73 1.72 1.71 1.71 1.70 1.67 1.64 1.60
23 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92 1.89 1.87 1.84 1.83 1.81 1.80 1.78 1.77 1.76 1.75 1.74 1.74 1.73 1.72 1.72 1.71 1.70 1.69 1.69 1.69 1.66 1.62 1.59
24 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91 1.88 1.85 1.83 1.81 1.80 1.78 1.77 1.76 1.75 1.74 1.73 1.72 1.71 1.71 1.70 1.70 1.69 1.68 1.68 1.67 1.64 1.61 1.57
25 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89 1.87 1.84 1.82 1.80 1.79 1.77 1.76 1.75 1.74 1.73 1.72 1.71 1.70 1.70 1.69 1.68 1.68 1.67 1.66 1.66 1.63 1.59 1.56
26 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88 1.86 1.83 1.81 1.79 1.77 1.76 1.75 1.73 1.72 1.71 1.71 1.70 1.69 1.68 1.68 1.67 1.67 1.66 1.65 1.65 1.61 1.58 1.54
27 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87 1.85 1.82 1.80 1.78 1.76 1.75 1.74 1.72 1.71 1.70 1.70 1.69 1.68 1.67 1.67 1.66 1.65 1.64 1.64 1.64 1.60 1.57 1.53
28 2.89 2.50 2.29 2.06 2.00 1.94 1.90 1.87 1.84 1.81 1.79 1.77 1.75 1.74 1.73 1.71 1.70 1.69 1.69 1.68 1.67 1.66 1.66 1.65 1.64 1.63 1.63 1.63 1.59 1.56 1.52
29 2.89 2.50 2.28 2.15 兟 2. 2.06 1.99 1.93 1.89 1.86 1.83 1.80 1.78 1.76 1.75 1.73 1.72 1.71 1.69 1.68 1.68 1.67 1.66 1.65 1.65 1.64 1.63 1.62 1.62 1.62 1.58 1.55 1.51
30 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82 1.79 1.77 1.75 1.74 1.72 1.71 1.70 1.69 1.68 1.67 1.66 1.65 1.64 1.64 1.63 1.63 1.62 1.61 1.61 1.57 1.54 1.50
31 2.87 2.48 2.27 2.14 2.04 1.97 1.92 1.88 1.84 1.81 1.79 1.77 1.75 1.73 1.71 1.70 1.69 1.68 1.67 1.66 1.65 1.64 1.64 1.63 1.62 1.62 1.61 1.60 1.60 1.56 1.53 1.49
32 2.87 2.48 2.26 2.13 2.04 1.97 1.91 1.87 1.83 1.81 1.78 1.76 1.74 1.72 1.71 1.69 1.68 1.67 1.66 1.65 1.64 1.64 1.63 1.62 1.62 1.61 1.60 1.59 1.59 1.56 1.52 1.48
33 2.86 2.47 2.26 2.12 2.03 1.96 1.91 1.86 1.83 1.80 1.77 1.75 1.73 1.72 1.70 1.69 1.67 1.66 1.65 1.64 1.64 1.63 1.62 1.61 1.61 1.60 1.59 1.59 1.58 1.55 1.51 1.47
34 2.86 2.47 2.25 2.12 2.02 1.96 1.90 1.86 1.82 1.79 1.77 1.75 1.73 1.71 1.69 1.68 1.67 1.66 1.65 1.64 1.63 1.62 1.61 1.61 1.60 1.60 1.59 1.58 1.58 1.54 1.50 1.46
35 2.85 2.46 2.25 2.11 2.02 1.95 1.90 1.85 1.82 1.79 1.76 1.74 1.72 1.70 1.69 1.67 1.66 1.65 1.64 1.63 1.62 1.62 1.61 1.60 1.60 1.59 1.58 1.57 1.57 1.53 1.50 1.46
36 2.85 2.46 2.24 2.11 2.01 1.94 1.89 1.85 1.81 1.78 1.76 1.73 1.71 1.70 1.68 1.67 1.66 1.65 1.64 1.63 1.62 1.61 1.60 1.60 1.59 1.58 1.57 1.57 1.56 1.53 1.49 1.45
37 2.85 2.45 2.24 2.10 2.01 1.94 1.89 1.84 1.81 1.78 1.75 1.73 1.71 1.69 1.68 1.66 1.65 1.64 1.63 1.62 1.61 1.60 1.60 1.59 1.58 1.58 1.57 1.56 1.56 1.52 1.48 1.44
38 2.84 2.45 2.23 2.10 2.01 1.94 1.88 1.84 1.80 1.77 1.75 1.72 1.70 1.69 1.67 1.66 1.65 1.63 1.62 1.61 1.61 1.60 1.59 1.58 1.58 1.57 1.56 1.56 1.55 1.52 1.48 1.44
39 2.84 2.44 2.23 2.09 2.00 1.93 1.88 1.83 1.80 1.77 1.74 1.72 1.70 1.68 1.67 1.65 1.64 1.63 1.62 1.61 1.60 1.59 1.59 1.58 1.57 1.57 1.56 1.55 1.55 1.51 1.47 1.43
40 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79 1.76 1.74 1.71 1.70 1.68 1.66 1.65 1.64 1.62 1.61 1.61 1.60 1.59 1.58 1.57 1.57 1.56 1.55 1.55 1.54 1.51 1.47 1.42
60 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71 1.68 1.66 1.64 1.62 1.60 1.59 1.58 1.56 1.55 1.54 1.53 1.53 1.52 1.51 1.50 1.50 1.49 1.48 1.48 1.44 1.40 1.35
120 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65 1.63 1.60 1.58 1.56 1.55 1.53 1.52 1.50 1.49 1.48 1.47 1.46 1.46 1.45 1.44 1.43 1.42 1.41 1.41 1.37 1.32 1.26
269
Distribución F de Fisher ( F 0.05, ν1 , ν 2 )
v2\v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 28 29 30 40 60 120
1 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5 241.9 243.0 243.9 244.7 245.4 245.9 246.5 246.9 247.3 247.7 248.0 248.3 248.6 248.8 249.1 249.3 249.5 249.8 250.0 250.1 251.1 252.2 253.3
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.40 19.41 19.42 19.42 19.43 19.43 19.44 19.44 19.44 19.45 19.45 19.45 19.45 19.45 19.46 19.46 19.46 19.46 19.46 19.47 19.48 19.49
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.73 8.71 8.70 8.69 8.68 8.67 8.67 8.66 8.65 8.65 8.64 8.64 8.63 8.63 8.62 8.62 8.62 8.59 8.57 8.55
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.94 5.91 5.89 5.87 5.86 5.84 5.83 5.82 5.81 5.80 5.79 5.79 5.78 5.77 5.77 5.76 5.75 5.75 5.75 5.72 5.69 5.66
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.66 4.64 4.62 4.60 4.59 4.58 4.57 4.56 4.55 4.54 4.53 4.53 4.52 4.52 4.50 4.50 4.50 4.46 4.43 4.40
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.98 3.96 3.94 3.92 3.91 3.90 3.88 3.87 3.86 3.86 3.85 3.84 3.83 3.83 3.82 3.81 3.81 3.77 3.74 3.70
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.55 3.53 3.51 3.49 3.48 3.47 3.46 3.44 3.43 3.43 3.42 3.41 3.40 3.40 3.39 3.38 3.38 3.34 3.30 3.27
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.26 3.24 3.22 3.20 3.19 3.17 3.16 3.15 3.14 3.13 3.12 3.12 3.11 3.10 3.09 3.08 3.08 3.04 3.01 2.97
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.10 3.07 3.05 3.03 3.01 2.99 2.97 2.96 2.95 2.94 2.93 2.92 2.91 2.90 2.89 2.89 2.87 2.87 2.86 2.83 2.79 2.75
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.94 2.91 2.89 2.86 2.85 2.83 2.81 2.80 2.79 2.77 2.76 2.75 2.75 2.74 2.73 2.72 2.71 2.70 2.70 2.66 2.62 2.58
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.82 2.79 2.76 2.74 2.72 2.70 2.69 2.67 2.66 2.65 2.64 2.63 2.62 2.61 2.60 2.59 2.58 2.58 2.57 2.53 2.49 2.45
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.72 2.69 2.66 2.64 2.62 2.60 2.58 2.57 2.56 2.54 2.53 2.52 2.51 2.51 2.50 2.49 2.48 2.47 2.47 2.43 2.38 2.34
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.63 2.60 2.58 2.55 2.53 2.51 2.50 2.48 2.47 2.46 2.45 2.44 2.43 2.42 2.41 2.41 2.39 2.39 2.38 2.34 2.30 2.25
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.57 2.53 2.51 2.48 2.46 2.44 2.43 2.41 2.40 2.39 2.38 2.37 2.36 2.35 2.34 2.33 2.32 2.31 2.31 2.27 2.22 2.18
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.51 2.48 2.45 2.42 2.40 2.38 2.37 2.35 2.34 2.33 2.32 2.31 2.30 2.29 2.28 2.27 2.26 2.25 2.25 2.20 2.16 2.11
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.46 2.42 2.40 2.37 2.35 2.33 2.32 2.30 2.29 2.28 2.26 2.25 2.24 2.24 2.23 2.22 2.21 2.20 2.19 2.15 2.11 2.06
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.41 2.38 2.35 2.33 2.31 2.29 2.27 2.26 2.24 2.23 2.22 2.21 2.20 2.19 2.18 2.17 2.16 2.15 2.15 2.10 2.06 2.01
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.31 2.29 2.27 2.25 2.23 2.22 2.20 2.19 2.18 2.17 2.16 2.15 2.14 2.13 2.12 2.11 2.11 2.06 2.02 1.97
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.34 2.31 2.28 2.26 2.23 2.21 2.20 2.18 2.17 2.16 2.14 2.13 2.12 2.11 2.11 2.10 2.08 2.08 2.07 2.03 1.98 1.93
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.31 2.28 2.25 2.22 2.20 2.18 2.17 2.15 2.14 2.12 2.11 2.10 2.09 2.08 2.07 2.07 2.05 2.05 2.04 1.99 1.95 1.90
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.28 2.25 2.22 2.20 2.18 2.16 2.14 2.12 2.11 2.10 2.08 2.07 2.06 2.05 2.05 2.04 2.02 2.02 2.01 1.96 1.92 1.87
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.26 2.23 2.20 2.17 2.15 2.13 2.11 2.10 2.08 2.07 2.06 2.05 2.04 2.03 2.02 2.01 2.00 1.99 1.98 1.94 1.89 1.84
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.24 2.20 2.18 2.15 2.13 2.11 2.09 2.08 2.06 2.05 2.04 2.02 2.01 2.01 2.00 1.99 1.97 1.97 1.96 1.91 1.86 1.81
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.22 2.18 2.15 2.13 2.11 2.09 2.07 2.05 2.04 2.03 2.01 2.00 1.99 1.98 1.97 1.97 1.95 1.95 1.94 1.89 1.84 1.79
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.20 2.16 2.14 2.11 2.09 2.07 2.05 2.04 2.02 2.01 2.00 1.98 1.97 1.96 1.96 1.95 1.93 1.93 1.92 1.87 1.82 1.77
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.12 2.09 2.07 2.05 2.03 2.02 2.00 1.99 1.98 1.97 1.96 1.95 1.94 1.93 1.91 1.91 1.90 1.85 1.80 1.75
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.17 2.13 2.10 2.08 2.06 2.04 2.02 2.00 1.99 1.97 1.96 1.95 1.94 1.93 1.92 1.91 1.90 1.89 1.88 1.84 1.79 1.73
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.15 2.12 2.09 2.06 2.04 2.02 2.00 1.99 1.97 1.96 1.95 1.93 1.92 1.91 1.91 1.90 1.88 1.88 1.87 1.82 1.77 1.71
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.08 2.05 2.03 2.01 1.99 1.97 1.96 1.94 1.93 1.92 1.91 1.90 1.89 1.88 1.87 1.86 1.85 1.81 1.75 1.70
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.13 2.09 2.06 2.04 2.01 1.99 1.98 1.96 1.95 1.93 1.92 1.91 1.90 1.89 1.88 1.87 1.85 1.85 1.84 1.79 1.74 1.68
31 4.16 3.30 2.91 2.68 2.52 2.41 2.32 2.25 2.20 2.15 2.11 2.08 2.05 2.03 2.00 1.98 1.96 1.95 1.93 1.92 1.91 1.90 1.88 1.88 1.87 1.86 1.84 1.83 1.83 1.78 1.73 1.67
32 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14 2.10 2.07 2.04 2.01 1.99 1.97 1.95 1.94 1.92 1.91 1.90 1.88 1.87 1.86 1.85 1.85 1.83 1.82 1.82 1.77 1.71 1.66
33 4.14 3.28 2.89 2.66 2.50 2.39 2.30 2.23 2.18 2.13 2.09 2.06 2.03 2.00 1.98 1.96 1.94 1.93 1.91 1.90 1.89 1.87 1.86 1.85 1.84 1.83 1.82 1.81 1.81 1.76 1.70 1.64
34 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12 2.08 2.05 2.02 1.99 1.97 1.95 1.93 1.92 1.90 1.89 1.88 1.86 1.85 1.84 1.83 1.82 1.81 1.80 1.80 1.75 1.69 1.63
35 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11 2.07 2.04 2.01 1.99 1.96 1.94 1.92 1.91 1.89 1.88 1.87 1.85 1.84 1.83 1.82 1.82 1.80 1.79 1.79 1.74 1.68 1.62
36 4.11 3.26 2.87 2.63 2.48 2.36 2.28 2.21 2.15 2.11 2.07 2.03 2.00 1.98 1.95 1.93 1.92 1.90 1.88 1.87 1.86 1.85 1.83 1.82 1.81 1.81 1.79 1.78 1.78 1.73 1.67 1.61
37 4.11 3.25 2.86 2.63 2.47 2.36 2.27 2.20 2.14 2.10 2.06 2.02 2.00 1.97 1.95 1.93 1.91 1.89 1.88 1.86 1.85 1.84 1.83 1.82 1.81 1.80 1.78 1.77 1.77 1.72 1.66 1.60
38 4.10 3.24 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09 2.05 2.02 1.99 1.96 1.94 1.92 1.90 1.88 1.87 1.85 1.84 1.83 1.82 1.81 1.80 1.79 1.77 1.77 1.76 1.71 1.65 1.59
39 4.09 3.24 2.85 2.61 2.46 2.34 2.26 2.19 2.13 2.08 2.04 2.01 1.98 1.95 1.93 1.91 1.89 1.88 1.86 1.85 1.83 1.82 1.81 1.80 1.79 1.78 1.77 1.76 1.75 1.70 1.65 1.58
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 2.04 2.00 1.97 1.95 1.92 1.90 1.89 1.87 1.85 1.84 1.83 1.81 1.80 1.79 1.78 1.77 1.76 1.75 1.74 1.69 1.64 1.58
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.95 1.92 1.89 1.86 1.84 1.82 1.80 1.78 1.76 1.75 1.73 1.72 1.71 1.70 1.69 1.68 1.66 1.66 1.65 1.59 1.53 1.47
120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.83 1.80 1.78 1.75 1.73 1.71 1.69 1.67 1.66 1.64 1.63 1.62 1.61 1.60 1.59 1.57 1.56 1.55 1.50 1.43 1.35
270
Distribución F de Fisher ( F 0.025,ν1 , ν 2 )
v2\v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 28 29 30 40 60 120
1 648 799 864 900 922 937 948 957 963 969 973 977 980 983 985 987 989 990 992 993 994 995 996 997 998 999 1000 1001 1001 1006 1010 1014
2 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40 39.41 39.41 39.42 39.43 39.43 39.44 39.44 39.44 39.45 39.45 39.45 39.45 39.45 39.46 39.46 39.46 39.46 39.46 39.46 39.47 39.48 39.49
3 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42 14.37 14.34 14.30 14.28 14.25 14.23 14.21 14.20 14.18 14.17 14.16 14.14 14.13 14.12 14.12 14.11 14.09 14.09 14.08 14.04 13.99 13.95
4 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.79 8.75 8.72 8.68 8.66 8.63 8.61 8.59 8.58 8.56 8.55 8.53 8.52 8.51 8.50 8.49 8.48 8.47 8.46 8.41 8.36 8.31
5 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.57 6.52 6.49 6.46 6.43 6.40 6.38 6.36 6.34 6.33 6.31 6.30 6.29 6.28 6.27 6.26 6.24 6.23 6.23 6.18 6.12 6.07
6 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.41 5.37 5.33 5.30 5.27 5.24 5.22 5.20 5.18 5.17 5.15 5.14 5.13 5.12 5.11 5.10 5.08 5.07 5.07 5.01 4.96 4.90
7 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.71 4.67 4.63 4.60 4.57 4.54 4.52 4.50 4.48 4.47 4.45 4.44 4.43 4.41 4.40 4.39 4.38 4.37 4.36 4.31 4.25 4.20
8 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.24 4.20 4.16 4.13 4.10 4.08 4.05 4.03 4.02 4.00 3.98 3.97 3.96 3.95 3.94 3.93 3.91 3.90 3.89 3.84 3.78 3.73
9 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.91 3.87 3.83 3.80 3.77 3.74 3.72 3.70 3.68 3.67 3.65 3.64 3.63 3.61 3.60 3.59 3.58 3.57 3.56 3.51 3.45 3.39
10 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.66 3.62 3.58 3.55 3.52 3.50 3.47 3.45 3.44 3.42 3.40 3.39 3.38 3.37 3.35 3.34 3.33 3.32 3.31 3.26 3.20 3.14
11 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.47 3.43 3.39 3.36 3.33 3.30 3.28 3.26 3.24 3.23 3.21 3.20 3.18 3.17 3.16 3.15 3.13 3.13 3.12 3.06 3.00 2.94
12 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.32 3.28 3.24 3.21 3.18 3.15 3.13 3.11 3.09 3.07 3.06 3.04 3.03 3.02 3.01 3.00 2.98 2.97 2.96 2.91 2.85 2.79
13 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.20 3.15 3.12 3.08 3.05 3.03 3.00 2.98 2.96 2.95 2.93 2.92 2.91 2.89 2.88 2.87 2.85 2.85 2.84 2.78 2.72 2.66
14 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 3.09 3.05 3.01 2.98 2.95 2.92 2.90 2.88 2.86 2.84 2.83 2.81 2.80 2.79 2.78 2.77 2.75 2.74 2.73 2.67 2.61 2.55
15 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 3.01 2.96 2.92 2.89 2.86 2.84 2.81 2.79 2.77 2.76 2.74 2.73 2.71 2.70 2.69 2.68 2.66 2.65 2.64 2.59 2.52 2.46
16 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.93 2.89 2.85 2.82 2.79 2.76 2.74 2.72 2.70 2.68 2.67 2.65 2.64 2.63 2.61 2.60 2.58 2.58 2.57 2.51 2.45 2.38
17 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.87 2.82 2.79 2.75 2.72 2.70 2.67 2.65 2.63 2.62 2.60 2.59 2.57 2.56 2.55 2.54 2.52 2.51 2.50 2.44 2.38 2.32
18 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.81 2.77 2.73 2.70 2.67 2.64 2.62 2.60 2.58 2.56 2.54 2.53 2.52 2.50 2.49 2.48 2.46 2.45 2.44 2.38 2.32 2.26
19 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.76 2.72 2.68 2.65 2.62 2.59 2.57 2.55 2.53 2.51 2.49 2.48 2.46 2.45 2.44 2.43 2.41 2.40 2.39 2.33 2.27 2.20
20 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.72 2.68 2.64 2.60 2.57 2.55 2.52 2.50 2.48 2.46 2.45 2.43 2.42 2.41 2.40 2.39 2.37 2.36 2.35 2.29 2.22 2.16
21 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.68 2.64 2.60 2.56 2.53 2.51 2.48 2.46 2.44 2.42 2.41 2.39 2.38 2.37 2.36 2.34 2.33 2.32 2.31 2.25 2.18 2.11
22 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.65 2.60 2.56 2.53 2.50 2.47 2.45 2.43 2.41 2.39 2.37 2.36 2.34 2.33 2.32 2.31 2.29 2.28 2.27 2.21 2.14 2.08
23 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.62 2.57 2.53 2.50 2.47 2.44 2.42 2.39 2.37 2.36 2.34 2.33 2.31 2.30 2.29 2.28 2.26 2.25 2.24 2.18 2.11 2.04
24 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.59 2.54 2.50 2.47 2.44 2.41 2.39 2.36 2.35 2.33 2.31 2.30 2.28 2.27 2.26 2.25 2.23 2.22 2.21 2.15 2.08 2.01
25 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.56 2.51 2.48 2.44 2.41 2.38 2.36 2.34 2.32 2.30 2.28 2.27 2.26 2.24 2.23 2.22 2.20 2.19 2.18 2.12 2.05 1.98
26 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59 2.54 2.49 2.45 2.42 2.39 2.36 2.34 2.31 2.29 2.28 2.26 2.24 2.23 2.22 2.21 2.19 2.17 2.17 2.16 2.09 2.03 1.95
27 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57 2.51 2.47 2.43 2.39 2.36 2.34 2.31 2.29 2.27 2.25 2.24 2.22 2.21 2.19 2.18 2.17 2.15 2.14 2.13 2.07 2.00 1.93
28 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55 2.49 2.45 2.41 2.37 2.34 2.32 2.29 2.27 2.25 2.23 2.22 2.20 2.19 2.17 2.16 2.15 2.13 2.12 2.11 2.05 1.98 1.91
29 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53 2.48 2.43 2.39 2.36 2.32 2.30 2.27 2.25 2.23 2.21 2.20 2.18 2.17 2.15 2.14 2.13 2.11 2.10 2.09 2.03 1.96 1.89
30 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.46 2.41 2.37 2.34 2.31 2.28 2.26 2.23 2.21 2.20 2.18 2.16 2.15 2.14 2.12 2.11 2.09 2.08 2.07 2.01 1.94 1.87
31 5.55 4.16 3.57 3.23 3.01 2.85 2.73 2.64 2.56 2.50 2.44 2.40 2.36 2.32 2.29 2.26 2.24 2.22 2.20 2.18 2.16 2.15 2.13 2.12 2.11 2.10 2.07 2.07 2.06 1.99 1.92 1.85
32 5.53 4.15 3.56 3.22 3.00 2.84 2.71 2.62 2.54 2.48 2.43 2.38 2.34 2.31 2.28 2.25 2.22 2.20 2.18 2.16 2.15 2.13 2.12 2.10 2.09 2.08 2.06 2.05 2.04 1.98 1.91 1.83
33 5.51 4.13 3.54 3.20 2.98 2.82 2.70 2.61 2.53 2.47 2.41 2.37 2.33 2.29 2.26 2.23 2.21 2.19 2.17 2.15 2.13 2.12 2.10 2.09 2.08 2.06 2.04 2.03 2.03 1.96 1.89 1.81
34 5.50 4.12 3.53 3.19 2.97 2.81 2.69 2.59 2.52 2.45 2.40 2.35 2.31 2.28 2.25 2.22 2.20 2.17 2.15 2.13 2.12 2.10 2.09 2.07 2.06 2.05 2.03 2.02 2.01 1.95 1.88 1.80
35 5.48 4.11 3.52 3.18 2.96 2.80 2.68 2.58 2.50 2.44 2.39 2.34 2.30 2.27 2.23 2.21 2.18 2.16 2.14 2.12 2.10 2.09 2.07 2.06 2.05 2.04 2.02 2.01 2.00 1.93 1.86 1.79
36 5.47 4.09 3.50 3.17 2.94 2.78 2.66 2.57 2.49 2.43 2.37 2.33 2.29 2.25 2.22 2.20 2.17 2.15 2.13 2.11 2.09 2.08 2.06 2.05 2.04 2.03 2.00 2.00 1.99 1.92 1.85 1.77
37 5.46 4.08 3.49 3.16 2.93 2.77 2.65 2.56 2.48 2.42 2.36 2.32 2.28 2.24 2.21 2.18 2.16 2.14 2.12 2.10 2.08 2.07 2.05 2.04 2.03 2.01 1.99 1.98 1.97 1.91 1.84 1.76
38 5.45 4.07 3.48 3.15 2.92 2.76 2.64 2.55 2.47 2.41 2.35 2.31 2.27 2.23 2.20 2.17 2.15 2.13 2.11 2.09 2.07 2.05 2.04 2.03 2.01 2.00 1.98 1.97 1.96 1.90 1.82 1.75
39 5.43 4.06 3.47 3.14 2.91 2.75 2.63 2.54 2.46 2.40 2.34 2.30 2.26 2.22 2.19 2.16 2.14 2.12 2.10 2.08 2.06 2.04 2.03 2.02 2.00 1.99 1.97 1.96 1.95 1.89 1.81 1.74
40 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39 2.33 2.29 2.25 2.21 2.18 2.15 2.13 2.11 2.09 2.07 2.05 2.03 2.02 2.01 1.99 1.98 1.96 1.95 1.94 1.88 1.80 1.72
60 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27 2.22 2.17 2.13 2.09 2.06 2.03 2.01 1.98 1.96 1.94 1.93 1.91 1.90 1.88 1.87 1.86 1.83 1.82 1.82 1.74 1.67 1.58
120 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16 2.10 2.05 2.01 1.98 1.94 1.92 1.89 1.87 1.84 1.82 1.81 1.79 1.77 1.76 1.75 1.73 1.71 1.70 1.69 1.61 1.53 1.43
271
Distribución F de Fisher ( F 0.01, ν1 , ν 2 )
v2\v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 28 29 30 40 60 120
1 4052 4999 5404 5624 5764 5859 5928 5981 6022 6056 6083 6107 6126 6143 6157 6170 6181 6191 6201 6209 6216 6223 6229 6234 6240 6245 6253 6257 6260 6286 6313 6340
2 98.50 99.00 99.16 99.25 99.30 99.33 99.36 99.38 99.39 99.40 99.41 99.42 99.42 99.43 99.43 99.44 99.44 99.44 99.45 99.45 99.45 99.46 99.46 99.46 99.46 99.46 99.46 99.46 99.47 99.48 99.48 99.49
3 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23 27.13 27.05 26.98 26.92 26.87 26.83 26.79 26.75 26.72 26.69 26.66 26.64 26.62 26.60 26.58 26.56 26.53 26.52 26.50 26.41 26.32 26.22
4 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55 14.45 14.37 14.31 14.25 14.20 14.15 14.11 14.08 14.05 14.02 13.99 13.97 13.95 13.93 13.91 13.89 13.86 13.85 13.84 13.75 13.65 13.56
5 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05 9.96 9.89 9.82 9.77 9.72 9.68 9.64 9.61 9.58 9.55 9.53 9.51 9.49 9.47 9.45 9.43 9.40 9.39 9.38 9.29 9.20 9.11
6 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.79 7.72 7.66 7.60 7.56 7.52 7.48 7.45 7.42 7.40 7.37 7.35 7.33 7.31 7.30 7.28 7.25 7.24 7.23 7.14 7.06 6.97
7 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.54 6.47 6.41 6.36 6.31 6.28 6.24 6.21 6.18 6.16 6.13 6.11 6.09 6.07 6.06 6.04 6.02 6.00 5.99 5.91 5.82 5.74
8 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.73 5.67 5.61 5.56 5.52 5.48 5.44 5.41 5.38 5.36 5.34 5.32 5.30 5.28 5.26 5.25 5.22 5.21 5.20 5.12 5.03 4.95
9 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26 5.18 5.11 5.05 5.01 4.96 4.92 4.89 4.86 4.83 4.81 4.79 4.77 4.75 4.73 4.71 4.70 4.67 4.66 4.65 4.57 4.48 4.40
10 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.77 4.71 4.65 4.60 4.56 4.52 4.49 4.46 4.43 4.41 4.38 4.36 4.34 4.33 4.31 4.30 4.27 4.26 4.25 4.17 4.08 4.00
11 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54 4.46 4.40 4.34 4.29 4.25 4.21 4.18 4.15 4.12 4.10 4.08 4.06 4.04 4.02 4.01 3.99 3.96 3.95 3.94 3.86 3.78 3.69
12 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.22 4.16 4.10 4.05 4.01 3.97 3.94 3.91 3.88 3.86 3.84 3.82 3.80 3.78 3.76 3.75 3.72 3.71 3.70 3.62 3.54 3.45
13 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96 3.91 3.86 3.82 3.78 3.75 3.72 3.69 3.66 3.64 3.62 3.60 3.59 3.57 3.56 3.53 3.52 3.51 3.43 3.34 3.25
14 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94 3.86 3.80 3.75 3.70 3.66 3.62 3.59 3.56 3.53 3.51 3.48 3.46 3.44 3.43 3.41 3.40 3.37 3.36 3.35 3.27 3.18 3.09
15 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.73 3.67 3.61 3.56 3.52 3.49 3.45 3.42 3.40 3.37 3.35 3.33 3.31 3.29 3.28 3.26 3.24 3.23 3.21 3.13 3.05 2.96
16 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.62 3.55 3.50 3.45 3.41 3.37 3.34 3.31 3.28 3.26 3.24 3.22 3.20 3.18 3.16 3.15 3.12 3.11 3.10 3.02 2.93 2.84
17 8.40 6.11 5.19 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.52 3.46 3.40 3.35 3.31 3.27 3.24 3.21 3.19 3.16 3.14 3.12 3.10 3.08 3.07 3.05 3.03 3.01 3.00 2.92 2.83 2.75
18 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51 3.43 3.37 3.32 3.27 3.23 3.19 3.16 3.13 3.10 3.08 3.05 3.03 3.02 3.00 2.98 2.97 2.94 2.93 2.92 2.84 2.75 2.66
19 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.36 3.30 3.24 3.19 3.15 3.12 3.08 3.05 3.03 3.00 2.98 2.96 2.94 2.92 2.91 2.89 2.87 2.86 2.84 2.76 2.67 2.58
20 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.29 3.23 3.18 3.13 3.09 3.05 3.02 2.99 2.96 2.94 2.92 2.90 2.88 2.86 2.84 2.83 2.80 2.79 2.78 2.69 2.61 2.52
21 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31 3.24 3.17 3.12 3.07 3.03 2.99 2.96 2.93 2.90 2.88 2.86 2.84 2.82 2.80 2.79 2.77 2.74 2.73 2.72 2.64 2.55 2.46
22 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26 3.18 3.12 3.07 3.02 2.98 2.94 2.91 2.88 2.85 2.83 2.81 2.78 2.77 2.75 2.73 2.72 2.69 2.68 2.67 2.58 2.50 2.40
23 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21 3.14 3.07 3.02 2.97 2.93 2.89 2.86 2.83 2.80 2.78 2.76 2.74 2.72 2.70 2.69 2.67 2.64 2.63 2.62 2.54 2.45 2.35
24 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17 3.09 3.03 2.98 2.93 2.89 2.85 2.82 2.79 2.76 2.74 2.72 2.70 2.68 2.66 2.64 2.63 2.60 2.59 2.58 2.49 2.40 2.31
25 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13 3.06 2.99 2.94 2.89 2.85 2.81 2.78 2.75 2.72 2.70 2.68 2.66 2.64 2.62 2.60 2.59 2.56 2.55 2.54 2.45 2.36 2.27
26 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09 3.02 2.96 2.90 2.86 2.81 2.78 2.75 2.72 2.69 2.66 2.64 2.62 2.60 2.58 2.57 2.55 2.53 2.51 2.50 2.42 2.33 2.23
27 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06 2.99 2.93 2.87 2.82 2.78 2.75 2.71 2.68 2.66 2.63 2.61 2.59 2.57 2.55 2.54 2.52 2.49 2.48 2.47 2.38 2.29 2.20
28 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03 2.96 2.90 2.84 2.79 2.75 2.72 2.68 2.65 2.63 2.60 2.58 2.56 2.54 2.52 2.51 2.49 2.46 2.45 2.44 2.35 2.26 2.17
29 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00 2.93 2.87 2.81 2.77 2.73 2.69 2.66 2.63 2.60 2.57 2.55 2.53 2.51 2.49 2.48 2.46 2.44 2.42 2.41 2.33 2.23 2.14
30 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.91 2.84 2.79 2.74 2.70 2.66 2.63 2.60 2.57 2.55 2.53 2.51 2.49 2.47 2.45 2.44 2.41 2.40 2.39 2.30 2.21 2.11
31 7.53 5.36 4.48 3.99 3.67 3.45 3.28 3.15 3.04 2.96 2.88 2.82 2.77 2.72 2.68 2.64 2.61 2.58 2.55 2.52 2.50 2.48 2.46 2.45 2.43 2.41 2.39 2.37 2.36 2.27 2.18 2.09
32 7.50 5.34 4.46 3.97 3.65 3.43 3.26 3.13 3.02 2.93 2.86 2.80 2.74 2.70 2.65 2.62 2.58 2.55 2.53 2.50 2.48 2.46 2.44 2.42 2.41 2.39 2.36 2.35 2.34 2.25 2.16 2.06
33 7.47 5.31 4.44 3.95 3.63 3.41 3.24 3.11 3.00 2.91 2.84 2.78 2.72 2.68 2.63 2.60 2.56 2.53 2.51 2.48 2.46 2.44 2.42 2.40 2.39 2.37 2.34 2.33 2.32 2.23 2.14 2.04
34 7.44 5.29 4.42 3.93 3.61 3.39 3.22 3.09 2.98 2.89 2.82 2.76 2.70 2.66 2.61 2.58 2.54 2.51 2.49 2.46 2.44 2.42 2.40 2.38 2.37 2.35 2.32 2.31 2.30 2.21 2.12 2.02
35 7.42 5.27 4.40 3.91 3.59 3.37 3.20 3.07 2.96 2.88 2.80 2.74 2.69 2.64 2.60 2.56 2.53 2.50 2.47 2.44 2.42 2.40 2.38 2.36 2.35 2.33 2.30 2.29 2.28 2.19 2.10 2.00
36 7.40 5.25 4.38 3.89 3.57 3.35 3.18 3.05 2.95 2.86 2.79 2.72 2.67 2.62 2.58 2.54 2.51 2.48 2.45 2.43 2.41 2.38 2.37 2.35 2.33 2.32 2.29 2.28 2.26 2.18 2.08 1.98
37 7.37 5.23 4.36 3.87 3.56 3.33 3.17 3.04 2.93 2.84 2.77 2.71 2.65 2.61 2.56 2.53 2.49 2.46 2.44 2.41 2.39 2.37 2.35 2.33 2.31 2.30 2.27 2.26 2.25 2.16 2.06 1.96
38 7.35 5.21 4.34 3.86 3.54 3.32 3.15 3.02 2.92 2.83 2.75 2.69 2.64 2.59 2.55 2.51 2.48 2.45 2.42 2.40 2.37 2.35 2.33 2.32 2.30 2.28 2.26 2.24 2.23 2.14 2.05 1.95
39 7.33 5.19 4.33 3.84 3.53 3.30 3.14 3.01 2.90 2.81 2.74 2.68 2.62 2.58 2.54 2.50 2.46 2.43 2.41 2.38 2.36 2.34 2.32 2.30 2.29 2.27 2.24 2.23 2.22 2.13 2.03 1.93
40 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80 2.73 2.66 2.61 2.56 2.52 2.48 2.45 2.42 2.39 2.37 2.35 2.33 2.31 2.29 2.27 2.26 2.23 2.22 2.20 2.11 2.02 1.92
60 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.56 2.50 2.44 2.39 2.35 2.31 2.28 2.25 2.22 2.20 2.17 2.15 2.13 2.12 2.10 2.08 2.05 2.04 2.03 1.94 1.84 1.73
120 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47 2.40 2.34 2.28 2.23 2.19 2.15 2.12 2.09 2.06 2.03 2.01 1.99 1.97 1.95 1.93 1.92 1.89 1.87 1.86 1.76 1.66 1.53
272
Tabla IX - Valores Críticos de U en la Prueba de Mann - Whitney
En la primera tabla, las anotaciones corresponden a los valores críticos de U para una prueba de una
cola en 0.025 o para una prueba de dos colas en 0.05; en la segunda, para una prueba de una cola en
0.05 o para una prueba de dos colas en 0.10.
n1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
n2
1
2 0 0 0 0 1 1 1 1 1 2 2 2 2
3 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8
4 0 1 2 3 4 4 5 6 7 8 9 10 11 11 12 13 13
5 0 1 2 3 5 6 7 8 9 11 12 13 14 15 17 18 19 20
6 1 2 3 5 6 8 10 11 13 14 16 17 19 21 22 24 25 27
7 1 3 5 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34
8 0 2 4 6 8 10 13 15 17 19 22 24 26 29 31 34 36 38 41
9 0 2 4 7 10 12 15 17 20 23 26 28 31 34 37 39 42 45 48
10 0 3 5 8 11 14 17 20 23 26 29 33 36 39 42 45 48 52 55
11 0 3 6 9 13 16 19 23 26 30 33 37 40 44 47 51 55 58 62
12 1 4 7 11 14 18 22 26 29 33 37 41 45 49 53 57 61 65 69
13 1 4 8 12 16 20 24 28 33 37 41 45 50 54 59 63 67 72 76
14 1 5 9 13 17 22 26 31 36 40 45 50 55 59 64 67 74 78 83
15 1 5 10 14 19 24 29 34 39 44 49 54 59 64 70 75 80 85 90
16 1 6 11 15 21 26 31 37 42 47 53 59 64 70 75 81 86 92 98
17 2 6 11 17 22 28 34 39 45 51 57 63 67 75 81 87 93 99 105
18 2 7 12 18 24 30 36 42 48 55 61 67 74 80 86 93 99 106 112
19 2 7 13 19 25 32 38 45 52 58 65 72 78 85 92 99 106 113 119
20 2 8 13 20 27 34 41 48 55 62 69 76 83 90 98 105 112 119 127
n1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
n2
1 0 0
2 0 0 0 1 1 1 1 2 2 2 3 3 3 4 4 4
3 0 0 1 2 2 3 3 4 5 5 6 7 7 8 9 9 10 11
4 0 1 2 3 4 5 6 7 8 9 10 11 12 14 15 16 17 18
5 0 1 2 4 5 6 8 9 11 12 13 15 16 18 19 20 22 23 25
6 0 2 3 5 7 8 10 12 14 16 17 19 21 23 25 26 28 30 32
7 0 2 4 6 8 11 13 15 17 19 21 24 26 28 30 33 35 37 39
8 1 3 5 8 10 13 15 18 20 23 26 28 31 33 36 39 41 44 47
9 1 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54
10 1 4 7 11 14 17 20 24 27 31 34 37 41 44 48 51 55 58 62
11 1 5 8 12 16 19 23 27 31 34 38 42 46 50 54 57 61 65 69
12 2 5 9 13 17 21 26 30 34 38 42 47 51 55 60 64 68 72 77
13 2 6 10 15 19 24 28 33 37 42 47 51 56 61 65 70 75 80 84
14 2 7 11 16 21 26 31 36 41 46 51 56 61 66 71 77 82 87 92
15 3 7 12 18 23 28 33 39 44 50 55 61 66 72 77 83 88 94 100
16 3 8 14 19 25 30 36 42 48 54 60 65 71 77 83 89 95 101 107
17 3 9 15 20 26 33 39 45 51 57 64 70 77 83 89 96 102 109 115
18 4 9 16 22 28 35 41 48 55 61 68 75 82 88 95 102 109 116 123
19 0 4 10 17 23 30 37 44 51 58 65 72 80 87 94 101 109 116 123 130
20 0 4 11 18 25 32 39 47 54 62 69 77 84 92 100 107 115 123 130 138
273
FUNCIONES DE CUANTÍA
n
Esperanza matemática: E [x ] = ∑ x i P ( x i ) para x = 0, 1, 2,K , n
i=1
n n 2
2 n 2
Varianza esperada: i
V(x) = ∑ (x i − µ) P(x i ) = ∑ x P(x i ) − ∑ x i P(x i )
i =1 i =1 i =1
Mediana esperada:
• Se determina los valores de probabilidad acumulada.
• Se ubica el valor 0.5 entre dos valores consecutivos de probabilidad acumulada: Pac (x i −1 ) ≤ 0.5 ≤ Pac (x i ) , tal
que si:
FUNCIONES DE DENSIDAD
∞
Esperanza matemática: E [x ] = ∫x i f ( x i ) dx para − ∞ ≤ x ≤ ∞
−∞
∞ ∞ 2
2 ∞ 2
Varianza esperada: V [x ] = ∫ (x − x ) f(x ) dx = ∫ x f(x ) dx − ∫ x f(x ) dx
−∞ −∞ −∞
P i+1
a i+1 * ai
Moda esperada:
Mo = L i −1 + Mo = P i+1 * +
a i Li −1
P i+1 + P i −1 +
P i+1 P i −1
a i+1 a i −1
1
Me ∞
1 0.5 − Pac (x i −1 )
Mediana esperada: ∫ f (x) dx = ∫ f (x) dx = 2 −∞≤ x ≤∞ Me = Li −1 + (a i )
−∞ Me P(x i )
CALCULO DE PROBABILIDADES
n ij Casos favorables
Probabilidad conjunta: P ij = =
n Casos posibles
s
Probabilidad marginal:
n i1 n i2 n i3 n
P ( x i ) = ∑ P ( x i, y j ) = + + + . . . + is
j=1 n n n n
Regla de adición: P(x ∪ y) = P(x) + P(y) - P(x,y)
P (x , y )
Probabilidad condicional: P (x /y ) =
P (y )
Regla multiplicativa: P(x, y) = P(y) * P(x / y)
s
Probabilidad total: P (x ) = P (x, y1) + P (x, y 2) + P (x, y 3) + . . . + P (x, y s) = ∑ P (x, y j)
j=1
P (x i y j ) P (y j ) * P (x i / y j )
Teorema de Bayes: P (y j /x i ) = = s
P (x i )
Σ P (y j ) * P (x i / y j )
j=1
2
ÁRBOL DE DECISIÓN PARA ELEGIR LA DISTRIBUCIÓN ADECUADA
PARA LA RESOLUCIÓN DE PROBLEMAS
n>25
p<0.05 Poisson µ x e−µ
P(x, µ) =
independiente x!
Binomial
dicotómico (x ± 0.5) − np
n np>5 Aproximación Z =
P(x) = p x q n − x npq
x nq>5 a la normal
fijo dependiente N1 N − N1
Hipergeométrica
x n−x
categoría P(x) =
N
discreta n
n
variable independiente Multinomial n!
f (x1, x2,..., xK ) = n
* Π P (xi )xi
i=1
Πx! i
i=1
¿Tipo de
variable?
− ( x −µ )2
¿Número de 1 2 σ2 X −µ
Normal y= e −∞ ≤ x ≤ ∞ z=
ensayos? σ
¿Resultados
¿Naturaleza
2πσ
posibles? de las
pruebas?
3
ÁRBOL DE DECISIÓN PARA
LAS APLICACIONES DE LA DISTRIBUCIÓN NORMAL
Continua n σ
Cualquiera < 0.05 σx =
x −µ N n
Distribución z=
¿Tipo de Normal
de las medias σx
variable? muestrales
Si σ N −n
Grande µx = µ n σx =
≥ 0.05
N n N −1
¿Existen
muestras? No normal
4
ARBOL DE DECISIÓN PARA ESTIMACIÓN DE INTERVALOS
DE LA MEDIA DE LA POBLACIÓN
Cualquier n σ σ
Si P = (x - Zα * ≤ µ ≤ x + Zα * ) = 1 - α
2 n 2 n
Grande
s s
No n>30 P = (x - Zα * ≤ µ ≤ x + Zα * ) = 1 - α
2 n 2 n
Pequeño
s s
Normal n<30 P = (x - t α ,n − 1 * ≤ µ ≤ x+ tα ,n−1 * ) = 1 - α
2 n 2 n
Grande
σ σ
Si n>20 P = (x - Zα * ≤ µ ≤ x + Zα * ) = 1 - α
No 2 n 2 n
Pequeño
Forma de la
n<20 σ σ 1
población P = (x - K ≤ µ ≤ x+ K ) =≥ 1 -
n n K2
Grande
No n>50 s s
P = (x - Zα * ≤ µ ≤ x + Zα * ) = 1 - α
2 n 2 n
¿Se conoce la varianza de la
Pequeño
población?
n<50
¿Tamaño de la
No hay estimación por intervalo general conocida.
muestra?
5
ÁRBOL DE DECISIÓN PARA EL CÁLCULO
DEL TAMAÑO DE MUESTRA
2
Infinito σ
n0 = zα
No importa
2 e
Finito
z 2σ 2 N
n=
z 2σ 2 + e 2 ( N − 1)
Si 2
Infinito s
n0 = z α
2 e
No z 2 s2 N
Finito n=
Media z 2 s 2 + e 2 ( N − 1)
No
2
s
Infinito n0 = t α ,n p −1
Si 2 e
Finito
t 2s2 N
Proporción n=
t 2 s 2 + e 2 ( N − 1)
No importa
2
zα
¿Parámetro a Infinito n0 = pˆ (1 − pˆ ) 2
estimar? No importa e
¿Varianza
conocida?
¿Tamaño de Finito pqz 2 N
n=
muestra piloto pqz 2 + e 2 ( N − 1)
conocido?
¿Tamaño de la
Población?
6
ARBOL DE DECISIÓN PARA ESTIMACIÓN DE INTERVALOS
DE LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES NORMALES
2 2 2 2
No s1 s2 s1 s2
No P ((x1 − x2 ) - z α * + ≤µ1 − µ2 ≤ (x1 − x2 ) + z α * + ) =1- α
2 2
Grande n1 n2 n1 n2
Si s s
P (x − z α * ≤µ≤ x + z α * ) =1 - α
2 n 2 n
Si Si
Si s s
n>30 P (x − t α * ≤µ≤ x + t α * ) =1 - α
,ν n ,ν n
2 2
1 1 1 1
No Si P ((x1 − x2 ) - t α * s
,ν
+
,ν
≤µ1 − µ2 ≤ (x1 − x2 ) + t α *s + ) =1- α
2 2
n1 n2 n1 n2
Si
(n1 − 1) s12 + (n 2 − 1) s 22 ν = n1 + n2 − 2
¿Varianzas de s=
n<30 n1 + n 2 − 2
las poblaciones
conocidas? Pequeño No
2 2 2 2
s1 s2 s1 s2
¿Tamaño de las P ((x1 − x 2 ) − t α * + + ) =1- α
,ν
≤µ1 − µ2 ≤ (x1 − x 2 ) + t α *
No ,ν
¿Datos 2 2
muestras? n1 n2 n1 n2
pareados? 2
¿Varianzas s12 s 22
Iguales? +
n n2
ν = 12 2
−2
2
s1 s 22
n1 + n 2
n1 + 1 n 2 + 1
7
ÁRBOL DE DECISIÓN PARA ELEGIR EL INTERVALO DE CONFIANZA
ADECUADO EN LA RESOLUCIÓN DE PROBLEMAS
¿Número de Relación de s2
variabilidades 1 1 σ 12 s12 1
poblaciones? Cociente de varianzas
P 2 < < = 1−α
s2 Fα , n −1, n −1 σ 22 s22 F1−α ,n −1,n −1
2 1 2 2 1 2
Comparación
de fracciones
o porcentajes
Diferencia
de proporciones
pˆ1 (1 − pˆ1 ) pˆ 2 (1 − pˆ 2 )
P ( pˆ1 − pˆ 2 ) ± zα + < p1 − p2 < ... = 1 − α
2
¿Cuál es la n1 n2
palabra clave?
8
ÁRBOL DE DECISIÓN PARA LA PRUEBA DE HIPÓTESIS
DE LA MEDIA DE LA POBLACIÓN
Cualquier n x − µ0
Si Z=
σ n
Grande x − µ0
No n>30 Z=
s n
Pequeño
Normal n<30 x −µ0
t=
s n
Grande
x − µ0
Si n>20 Z=
No σ n
Pequeño
Forma de la x − µ0
n<20 K=
población σ n
Grande x − µ0
No n>50 Z=
s n
¿Se conoce la varianza de la
Pequeño
población? n<50 Callejón sin salida! No hay prueba de hipótesis
¿Tamaño de la conocida.
muestra?
9
ARBOL DE DECISIÓN PARA PRUEBAS DE HIPÓTESIS
No (X 1 − X 2 ) − ( µ1 − µ 2 )
Z=
No s12 s 22
Grande +
n1 n 2
Si x − µ0
Z=
Si Si S n
Si x − µ0
n>30 t=
S n
No Si t=
(X 1 − X2 ) − (µ 1 − µ 2 )
s=
( n1 − 1) s12 + ( n2 − 1) s22
1 1 n1 + n2 − 2
Si S +
n1 n2 ν = n1 + n2 − 2
¿Varianzas de
n<30
las poblaciones
conocidas? Pequeño No 2
s12 s22
¿Tamaño de las +
No (X 1 − X2 ) − (µ 1 − µ 2 )
ν= n1 n2 −2
¿Datos t= 2 2
muestras? 2 2 s12 s22
pareados? S1 S 2
¿Varianzas + n1 + n2
n1 n2
Iguales? n1 + 1 n2 + 1
10
ÁRBOL DE DECISIÓN PARA ELEGIR LA PRUEBA DE HIPÓTESIS
ADECUADA EN LA RESOLUCIÓN DE PROBLEMAS
¿Número de Relación de
variabilidades s12
poblaciones? Cociente de varianzas F= 2
s2
Comparación
de fracciones
o porcentajes
Diferencia pˆ 1 − pˆ 2
Z=
de proporciones 1 1
¿Cuál es la P (1 − P ) +
palabra clave? n1 n 2
11
ANÁLISIS DE VARIANZA DE UN FACTOR
El estadístico de prueba es la F de Fisher, puesto que se están relacionando dos varianzas. Las ecuaciones para hallar este valor
son:
k n
T2
SST = ∑∑ yij2 −
i =1 j=1 N
k 2 n
Ti2 T 2 2 k n
SSTr = ∑ − donde: T = ∑∑ y ij Ti = ∑ yij
i =1 n i N i =1 j=1 j=1
12
ANÁLISIS DE VARIANZA DE DOS FACTORES SIN INTERACCIÓN
Donde existe un estadístico para las dos pruebas: Tratamientos y Bloques. Las ecuaciones necesarias son:
2
a b
T2 2 2
a b
SST = ∑∑ y − ij donde: T = ∑ ∑ y ij
i =1 j=1 ab i =1 j =1
a b
Ti2 T 2
SSTr = ∑ − donde: Ti = ∑ yij
i =1 b ab j=1
b a
Tj2 T2
SSBl = ∑ − donde: Tj = ∑ yij
j=1 a ab i =1
13
ÁRBOL DE DECISIÓN PARA ELEGIR LA PRUEBA PARAMÉTRICA O NO, ADECUADA
EN LA RESOLUCIÓN DE PROBLEMAS
¿Clasificaciones 2
Independencia de r c
independientes? 2 (f ij − Eij )
atributos (NP) χ = ∑∑
Cualquier i =1 j =1 Eij
a ¿Bloques y ANOVA
tratamientos iguales?
(Dos factores) (P)
2
12 k ∑ R i
Prueba H (NP) H= ∑ − 3(N + 1)
Si N(N + 1) i =1 n i
¿Las medias son
iguales? n1 ( n1 + 1)
ANOVA U = n1n2 + − ∑ R1
Mayor a dos (Un factor) (P) 2
(Muestras n ( n + 1)
independientes) n<20 U ' = n1n2 + 2 2 − ∑ R2
2
Prueba U (NP)
¿Las medias son n + n + 1
Dif. Medias (P) ∑R −∑R 1 2
− (n1 − n2 ) 1 2
No iguales? n>20 2
(Muestras z=
independientes) n + n + 1
n1n2 1 2
¿Cuadro Dos 3
bidimensional? Prueba de signos (NP)
¿Experimentos n<20 Distribución binomial
antes y después? Dif. Medias (P) (p=0.5)
(Muestras dependientes o
apareadas)
Una ¿Preferencia de (x ± 0.5) − 0.5n
n>20 z=
productos?
Prueba de signos (NP) 0.5 n
¿Número de
muestras?
k 2
¿Ajustar a una 2 ( Oi − ei )
distribución? Bondad de ajuste (NP) χ =∑
i =1 ei
14
FORMULARIO
ESTADÍSTICA II
15