Resumen de Clase de Inferencia

INFERENCIA ESTADISTICA
Departamento de Estadstica
Facultad de Ciencias Fsicas y Matem
aticas
Prof. Dr. Alejandro F. Rodriguez
Indice general
1. Introducci
on
1.1. Muestra aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Transformaciones de variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1. Caso Univariado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2. Caso Bivariado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
1.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
A. Tablas
A.1. Normal
14
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
A.2. Student-t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
A.3. Chi-Cuadrado 2v . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
A.4. Fv1;v2 de Snedecor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
A.5. Valores crticos del estadstico T en la prueba de rangos con signos de Wilcoxon . . . . . . . . . . . . . .
20
A.6. Valores crticos del estadstico U de Mann-Whitney para la de rangos con muestras independientes . . .
21
A.7. Valores crticos del estadstico D de Kolmogorov-Smirnov . . . . . . . . . . . . . . . . . . . . . . . . . .
25
A.8. Valores crticos del estadstico D de Kolmogorov-Smirnov/Lilliefors . . . . . . . . . . . . . . . . . . . . .
26
Captulo 1
Introducci
on
1.1.
Muestra aleatoria
Existen dos tipos de muestreo, el no probabilstico y el probabilstico. El primero consiste en la

eleccion por metodos no aleatorios de una muestra cuyas caractersticas sean similares a las de la
poblacion objetivo. En este tipo de muestreos la representatividad la determina el investigador
de modo subjetivo, siendo este el mayor inconveniente del metodo ya que no podemos cuantificar la
representatividad de la muestra. Salvo en situaciones muy concretas en la que los errores cometidos no
son grandes, debido a la homogeneidad de la poblacion, en general no es un tipo de muestreo riguroso
y cientfico, dado que no todos los elementos de la poblacion pueden formar parte de la muestra,
presenta casi siempre sesgos y por tanto debe aplicarse u
nicamente cuando no existe alternativa.
En el muestreo probabilstico, en cambio, todos los individuos de la poblacion pueden formar
parte de la muestra, tienen probabilidad positiva de formar parte de la muestra. Por lo tanto es el
tipo de muestreo que deberemos utilizar en nuestras investigaciones por ser riguroso y cientfico. Con
este criterio de selecci
on, se puede describir matematicamente que tan objetivas son las estimaciones
y la inferencia que se realiza con la muestra. En el contexto de muestreo probabilstico, existen varias
posibilidades de obtenci
on de una muestra:
1. Muestreo sistem
atico
2. Muestreo estratificado
3. Muestreo de racimo
4. Muestreo aleatorio simple
3

CAPITULO 1. INTRODUCCION
Pagina 4
Muestreo sistem
atico
En el muestreo sistem
atico, los elementos son seleccionados de la poblacion dentro de un intervalo
uniforme que se mide con respecto al tiempo, al orden o al espacio. Si se tuviera que entrevistar a cada
vigesimo estudiante de una universidad, escogera un punto de inicio aleatorio entre los primeros 20
nombres del directorio estudiantil y luego se seleccionara cada veintavo nombre de ah en adelante.
En resumen, se elige el primer individuo al azar y el resto viene condicionado por aquel. Este metodo
es muy simple de aplicar en la pr
actica y tiene la ventaja de que no hace falta disponer de un marco
de encuesta elaborado. Puede aplicarse en la mayora de las situaciones,
Una precauci
on que debe tenerse en cuenta es comprobar que la caracterstica que estudiamos no
tenga una periodicidad que coincida con la del muestreo (por ejemplo elegir un da de la semana para
tomar muestras en un matadero, ya que muchos ganaderos suelen sacrificar un da determinado).
Otro problema del muestreo sistem
atico es que cada muestra no tiene una probabilidad igual de
ser seleccionada. Suponga que hay 100 empleados en una compa
na y se desea entrevistar una muestra
de 10 de ellos seleccionando cada decimo n
umero. Si se hubiera seleccionado en forma aleatoria el
valor inicial 5, entonces las muestras estara compuestas por el valor empleado numerado con el 5,
15, 25, 35, etc, entonces, por ejemplo, los empleados numerados con 6, 7, 8 y 9 no tendran ninguna
probabilidad de ser seleccionado juntos, con lo cual no todas las muestras posibles tienen la misma
probabilidad de ocurrencia.
Muestreo estratificado
Es frecuente que cuando se realiza un estudio interese estudiar una serie de sub-poblaciones
(estratos) en la poblaci
on, siendo importante que en la muestra haya representacion de todos y cada
uno de los estratos considerados. El muestreo aleatorio simple no nos garantiza que tal cosa ocurra.
Para evitar esto, se saca una muestra de cada uno de los estratos.
El muestreo estratificado tiene interes cuando la caracterstica en cuestion puede estar relacionada
con la variable que queremos estudiar. Por ejemplo. cuando se realiza un muestreo cuya unidad sean
las granjas, la estratificaci
on se aplica frecuentemente en relacion al tama
no de granja o a la aptitud
de los animales, ya que muchas enfermedades presentan prevalencias diferentes en funcion del tama
no
de la granja o a si se trata por ejemplo de razas de aptitud lechera o carnica. Si la unidad son los
animales, se suele estratificar en funci
on de la edad ya que esta suele influir en muchas enfermedades.
Para utilizar el muestreo estratificado, se divide a la poblacion en grupos relativamente homogeneos, llamados estratos. Despues se utiliza uno de los siguientes planteamientos:
1. Se selecciona en forma aleatoria elementos de cada estrato. La cantidad de elementos seleccioProf. Dr. A. Rodriguez
Inferencia Estadstica

Pagina 5
nados ser
a proporcional al tama
no del estrato en la poblacion, es decir que el estrato representara en la muestra el mismo tama
no proporcional que representa en la poblacion.
2. Se seleccionan en forma aleatoria igual cantidad de elementos en cada estrato y luego se ponderan los resultados seg
un la importancia relativa de cada estrato en la poblacion total.
La ventaja de este procedimiento de muestreo, es que si es dise
nado correctamente, representa mejor
las caractersticas de la poblaci
on de referencia que los otros procedimientos.
Muestreo de racimo o conglomerado

Se divide la poblaci
on en varios grupos de caractersticas parecidas entre ellos y luego se analizan
completamente algunos de los grupos, descartando los demas. Dentro de cada conglomerado existe
una variacion importante, pero los distintos conglomerados son parecidos. Requiere una muestra m
as
grande, pero suele simplificar la recogida de muestras. Frecuentemente los conglomerados se aplican
a zonas geogr
aficas.
Mientras que en el muestreo aleatorio estratificado cada estrato presenta cierta homogeneidad,
un conglomerado o racimo se considera una agrupacion de elementos que presentan caractersticas
similares a toda la poblaci
on.
La ventaja de este procedimiento de muestreo es que si es dise
nado correctamente, puede representar la poblaci
on muy bien a un costo menor que el de otros procedimientos.
Muestreo aleatorio simple

El muestreo aleatorio simple (m.a.) selecciona muestras mediante metodos que permiten que cada
posible muestra tenga igual probabilidad de ser seleccionada y que cada elemento de la poblaci
on
tenga una oportunidad igual de ser incluida en la muestra. Ilustremos esta idea con un ejemplo.
Suponga que tenemos 4 alumnos {A, B, C, D}, y se quieren tomar muestras de a dos, vemos que hay
6 posibles muestras de los 4 elementos de la poblacion tomados de a 2,
Muestra 1 AB
Muestra 2 AC
Muestra 3 AD
Muestra 4 BC
Muestra 5 BD
Muestra 6 CD
entonces, si asignamos la probabilidad 1/6 a cada una de las muestras, entonces estamos ante una
m.a. Ademas, asignando igual probabilidad a cada muestra queda determinada la probabilidad de
Prof. Dr. A. Rodriguez

Pagina 6
que cada elemento en la poblaci

on sea seleccionado. En particular, la probabilidad que un elemento
sea seleccionado es igual para todos e igual a
1
1
=
6
2
1
1
P (B) = P (AB) + P (BC) + P (BD) = 3 =
6
2
1
1
P (C) = P (AC) + P (BC) + P (CD) = 3 =
6
2
1
1
P (D) = P (AD) + P (BD) + P (CD) = 3 =
6
2
P (A) = P (AB) + P (AC) + P (AD) = 3
Desde ahora y en adelante cuando se diga que se ha seleccionado una o mas muestras de una
poblacion se tomar
a en referencia el muestreo aleatorio simple. Esto es necesario porque los principios
del muestreo aleatorio simple son la base de la inferencia estadstica (al menos para este curso), es
decir, del proceso de hacer inferencia acerca de poblaciones a partir de informacion contenida en la
muestra.
1.2.
1.2.1.
Transformaciones de variables aleatorias

Caso Univariado
La distribuci
on de funciones de variables aleatorias es un elemento muy importante en la inferencia estadstica ya que al estimar par
ametros poblacionales, que casi en la mayora de los casos es
una transformaci
on o funci
on de variables aleatorias, la inferencia sobre ellos se realiza en base al
conocimiento de la distribuci
on del estimador.
Si X es una variable aleatoria con funcion de densidad f (x), entonces cualquier funcion de X,
g(X), es tambien una variable aleatoria. Digamos que definimos Y g(X), puesto que Y es una
funcion de X, podemos describir el comportamiento de la probabilidad de Y en terminos del comportamiento de la probabilidad de X. Es decir, para cualquier conjunto A,
P (Y A) = P [g(X) A] ,
de esta forma se muestra que la distribucion de Y depende de la funcion de distribucion de FX y de
g.
Formalmente, si se escribe y = g(x), la funcion g(x) define un mapa del espacio original de X,
X , a un nuevo espacio, Y, el espacio de la variable aleatoria Y . Es decir
g(x) : X Y.

Pagina 7
Por otro lado, se asocia un mapa de la inversa de g, llamada g 1 , con un mapa desde un subconjunto
de Y a un subconjunto de X , y es definido por
g 1 (A) = {x X : g(x) A} .
Note que g 1 (A) es un conjunto de puntos en X que g(x) toma de dentro de A. Es posible que A
sea un conjunto con un u
nico punto, A = y, por lo que
g 1 (y) = {x X : g(x) = y} .
La cantidad g 1 (y) puede seguir siendo un conjunto, si hay mas de un valor de x para los que
g(x) = y. Por ejemplo, g(x) = sin(x)2 .
En nuestro caso, vamos a trabajar con transformaciones monotonicas o monotonicas por tramos,
es decir
u > v g(u) > g(v) o u > v g(u) < g(v).
Si g(x) es monot
onica creciente e Y es una v.a. continua, entonces la distribucion acumulada de
Y sera
FY (y) = P (Y y)
= P [g(X) y]
= P [{x X : g(x) y}]
Z
=
fX (x)dx
{xX :g(x)y}
Z
=
fX (x)dx
{xX :xg 1 (y)}
g 1 (y)
fX (x)dx
= FX [g 1 (y)]

Pagina 8
Si g(x) es monot
onica decreciente e Y es una v.a. continua, entonces la distribucion acumulada o
funcion de distribuci
on de Y ser
a
FY (y) = P (Y y)
= P [g(X) y]
= P [{x X : g(x) y}]
Z
fX (x)dx
=
{xX :g(x)y}
Z
=
fX (x)dx
{xX :xg 1 (y)}
Z
=
fX (x)dx
g 1 (y)
= 1 FX [g 1 (y)]
El siguiente teorema resume la idea.
Teorema 1.2.1 Sea X una v.a. continua con funcion de distribucion FX (x), sea Y = g(X) y sean
X = {x : fX (x) > 0}
y
Y = {y : y = g(x) para algunos x X }.
1. Si g es una funci
on creciente en X , FY (y) = FX [g 1 (y)] para y Y.
2. Si g es una funci
on decreciente en X , FY (y) = 1 FX [g 1 (y)] para y Y.
Ejemplo 1.2.1 Suponga X fX (x) = I(0,1) (x), es decir una v.a. con distribucion uniforme
U (0, 1), por lo tanto FX (x) = x. Se quiere obtener la funci
on de distribuci
on de la transformaci
on
Y = g(X) = log(X). Puesto que
1
g(x) =
[ log(x)] = < 0, para 0 < x < 1,
x
x
x
g(x) es una funci
on decreciente. Como X tiene dominio entre 0 y 1, log(x) se mover
a entre 0 y
, es decir que Y = (0, ). Luego, para y > 0, y = log(x) x = ey , por lo que g 1 (y) = ey .
En consecuencia
FY (y) = 1 FX [g 1 (y)] = 1 FX (ey ) = 1 ey , para y > 0.
Si quisieramos la funci
on de densidad el siguiente teorema nos muestra como obtenerla.

Pagina 9
Teorema 1.2.2 Sea X una v.a. continua con funcion de densidad fX (x), sea Y = g(X), donde g
es una funci
on monot
onica. Sean
X = {x : fX (x) > 0}
y
Y = {y : y = g(x) para algunos x X }.
Suponga que fX (x) es continua en X y que g 1 (y) tiene derivada continua en Y. Entonces la funci
on
de densidad de Y est
a determinada por

fX [g 1 (y)] g 1 (y)
y
fY (y) =
yY
en cualquier otro punto
Ejemplo 1.2.2 Sea X Gamma(, ), cuya funcion de densidad es

fX (x) =
1
x1 ex/ I(0,) (x),
()
donde () = (1)!, en el caso de que sea entero positivo, adem

as y son constantes positivas.
Suponga que se quiere encontrar la funci
on de densidad de la transformaci
on g(X) = 1/X. Note que
los conjunto soportes X e Y son el intervalo (0, ). Si se define y = g(x), entonces g 1 (y) = 1/y, y
1
y g (y)
= 1/y 2 . Entonces, aplicando el teorema 1.2.2 para y (0, ) tenemos

1
1

fY (y) = fX [g (y)] g (y)
y
1
1
1
1
e1/(y) 2
=
()
y
y
+1
1
1
=
e1/(y)
()
y
Un caso especial conocida como funci

on de densidad Gamma Inversa.
En muchas aplicaciones la funci
on g puede no ser una funcion creciente ni decreciente. En estos
casos los resultados presentados no se pueden aplicar. Sine embargo, hay casos en los que g es
monotonica en algunos tramos y que permite obtener la densidad para la transformacion Y = g(X).
El siguiente teorema resume la idea.
Teorema 1.2.3 Sea X una v.a. continua con funcion de densidad fX (x), sea Y = g(X), y
X = {x : fX (x) > 0}.
Suponga que hay una partici
on A0 , A1 , . . . , Ak de X tal que P (X A0 ) = 0 y fX (x) es continua
en cada Ai . Adem
as, suponga que existen funciones g1 (x), . . . , gk (x), definidas en A1 , . . . , Ak , que
satisfacen

Pagina 10
i g(x) = gi (x) para x Ai ,

ii gi (x) es continua y monot
onica en Ai ,
iii el conjunto Y = {y : y = gi (x) para alg
un x Ai } es el mismo para todo i = 1, . . . , k, y
iv gi1 (x) tiene derivada continua en Y para todo i = 1, . . . , k.
Entonces,
fY (y) =
P
k

1
1
f
[g
g
(y)]
(y)

i=1 X i
y i
0
yY
en cualquier otro punto
Ejemplo 1.2.3 Sea X N (0, 1) cuya funcion de densidad es

1
2
fX (x) = ex /2 I(,) (x).
2
Considere Y = X 2 . La funci
on g(x) = x2 es monot
onica en (, 0) y en (0, ). En conjunto Y es
(0, ). Aplicando el teorema 1.2.3 tenemos
A0 = {0};
A1 = (, 0), g1 (x) = x2 , g11 (y) = y;
A2 = (0, ), g2 (x) = x2 , g21 (y) = y;

La funci
on de densidad de Y es
fY (y) =
=

1 (y)2 /2
1
1 (y)2 /2 1
e
2y + 2 e
2y
2
1 1
ey/2 I(0,) (y)
2 y
La funci
on de densidad de Y es una de las que vamos a ver muy seguido a lo largo de este curso,
esta es la de una variable aleatoria chi-cuadrado con 1 grado de libertad, 21 .
1.2.2.
Caso Bivariado
Suponga, ahora, que X1 y X2 son dos variables aleatorias continuas con funcion de densidad
conjunta fX1 ,X2 (x1 , x2 ), y que se quiere determinar la funcion de densidad conjunta de un par de
transformaciones dadas por
U1 = h1 (X1 , X2 ) y U2 = h2 (X1 , X2 )
cuyas funcion inversas son
1
X1 = h1
1 (U1 , U2 ) y X2 = h2 (U1 , U2 ).

Pagina 11
1
Si h1
1 (u1 , u2 ) y h2 (u1 , u2 ) tienen derivadas parciales continuas respecto de u1 y u2 , y el jacobiano
1
h1
h1
1
1
1
h1
h1
2 h1
1 h2
u1
u2
6= 0
J = det h
=
1
1
h2
2
u1 u2
u1 u2
u1
u2
entonces, la densidad conjunta de U1 y U2 es

1
fU1 ,U2 (u1 , u2 ) = fX1 ,X2 h1
1 (u1 , u2 ), h2 (u1 , u2 ) |J|
donde |J| es el valor absoluto del jacobiano.
Ejemplo 1.2.4 Sean X1 y X2 dos v.a. normales estandares independientes, ademas, sean U1 =
X1 + X2 y U2 = X1 X2 dos transformaciones. Cu
al es la densidad conjunta de U1 y U2 ?
Las funciones de densidad de X1 y X2 son
1 2
1 2
1
1
fX1 (x1 ) = e 2 x1 I(,) (x1 ) y fX2 (x2 ) = e 2 x2 I(,) (x2 ).
2
2
Adem
as, el hecho que X1 y X2 son independientes implica que su densidad conjunta es
fX1 ,X2 (x1 , x2 ) =
1 1 x21 1 x22
2
I(,) (x1 )I(,) (x2 ).
e 2
2
La transformaci
on est
a definida por las siguientes funciones
u1 = h1 (x1 , x2 ) = x1 + x2 y u2 = h2 (x1 , x2 ) = x1 x2 ,
con sus respectivas transformaciones inversa
x1 = h1
1 (u1 , u2 ) =
Como
h1
1
u1
= 12 ,
h1
1
u2
= 12 ,
"
J = det
h1
2
u1
1/2
1
2
1/2
h1
2
u2
= 21 , el jacobiano de esta transformacion es
#
= (1/2) (1/2) (1/2) (1/2) = 1/2,
1/2 1/2
y la densidad conjunta U1 y U2 es
h

2 2
exp 12 u1 +u
2
fU1 ,U1 (u1 , u2 ) =
2
u1 + u2
u1 u2
y x2 = h1
.
2 (u1 , u2 ) =
2
2
1
2

u1 u2 2
2
i

1
I(,) u1 + u2 I(,) u1 u2 .
2
2
2
Unos cuantos c
alculos algebraicos dan como resultado

1
1 u1 + u2 2 1 u1 u2 2
1
= u21 u22 ,
2
2
2
2
4
4
y

u1 + u2
u1 u2
(u1 , u2 ) : <
< , <
<
2
2

Pagina 12
{(u1 , u2 ) : < u1 < , < u2 < }.

Finalmente,
2
eu1 /4 eu2 /4
fU1 ,U1 (u1 , u2 ) = I(,) (u1 )I(,) (u2 ).
2 2 2 2
Observe que al expresar la funci
on de densidad conjunta de U1 y U2 como el producto de las densidades
marginales, estas v.a. son independientes, ademas de tener distribucion normal con media cero y
varianza 2.
1.3.
Ejercicios
Ej. 1.1: Agrupa en dos tipos las siguientes posibilidades para elegir sujetos de un listado.
a. los cinco primeros de cada primera letra inicial del apellido.
b. Con un programa inform
atico aleatorio
c. Sacando bolas de un bombo.
d. el 1, el 11, el 21 y as sucesivamente cada 10.
Ej. 1.2: Sera una muestra aleatorio el siguiente muestreo?
Para un experimento, pedir que participen a los alumnos sentadas en las dos primeras filas.
Ej. 1.3: Una compa
na de televisi
on por cable esta planeando agregar un canal a su servicio b
asico;
puede escoger entre cinco canales y por ello desea tener la opinion de sus suscriptores.
Cuenta con 100000 suscriptores y sabe que el 35 % de ellos esta compuesto por estudiantes
universitarios, el 45 % por empleados administrativos, el 15 % por obreros y el 5 % por otros.
Sin embargo, la compa
na tiene informacion que hay mucha variacion dentro de estos grupos.
Cu
al de los siguientes muestreos es mas adecuado: aleatorio, sistematico, estratificado o
de racimo? Por que?
Ej. 1.4: Sea X una v.a. continua con funcion de densidad dada por
f (x) =
x
I
(x).
12 (1,5)
Encuentre la funci
on de densidad de la variable aleatoria Y = 2X 3.
Ej. 1.5: En cada unos de los siguientes casos encuentra la funcion de densidad
a) Y = X 3 y fX (x) = 42x5 (1 x), 0 < x < 1.
b) Y = 4X + 3 y fX (x) = 7e7x , 0 < x <
c) Y = X 2 y fX (x) = 30x2 (1 x)2 , 0 < x < 1

Pagina 13
Ej. 1.6: Sean X1 y X2 dos v.a. continuas con funcion de densidad conjunta dada por
fX1 ,X2 (x1 , x2 ) = 4x1 x2 I(0,1) (x1 )I(0,1) (x2 ).
Encuentre la funci
on de densidad conjunta de Y1 = X12 y Y2 = X1 X2 .
Ej. 1.7: Sea X una v.a. binomial con funcion de probabilidad dada por

3
2 x 3 3x
x = 0, 1, 2, 3,
5
5
f (x) =
x
0,
en cualquier otro caso
Encuentre la funci
on de probabilidad de la v.a. Y = X 2 .
Ej. 1.8: La utilidad de un distribuidor, en unidades de $5000, sobre un automovil nuevo esta dada
por Y = X 2 , donde X es una v.a. que tiene la funcion de densidad
f (x) = 2(1 x)I(0,1) (x).
Encuentre la funci
on de densidad de la v.a. Y .
Ej. 1.9: Sean X1 y X2 dos v.a. con funcion de densidad conjunta dada por
fX1 ,X2 (x1 , x2 ) = e(x1 +x2 ) I[0,) (x1 )I[0,) (x2 )
Determine la funci
on de densidad de la v.a. Y = X1 + X2 .
Ap
endice A
Tablas
A.1.
Normal
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.0
0.5000
0.5040
0.5080
0.5120
0.5160
0.5199
0.5239
0.5279
0.5319
0.5359
0.1
0.5398
0.5438
0.5478
0.5517
0.5557
0.5596
0.5636
0.5675
0.5714
0.5753
0.2
0.5793
0.5832
0.5871
0.5910
0.5948
0.5987
0.6026
0.6064
0.6103
0.6141
0.3
0.6179
0.6217
0.6255
0.6293
0.6331
0.6368
0.6406
0.6443
0.6480
0.6517
0.4
0.6554
0.6591
0.6628
0.6664
0.6700
0.6736
0.6772
0.6808
0.6844
0.6879
0.5
0.6915
0.6950
0.6985
0.7019
0.7054
0.7088
0.7123
0.7157
0.7190
0.7224
0.6
0.7257
0.7291
0.7324
0.7357
0.7389
0.7422
0.7454
0.7486
0.7517
0.7549
0.7
0.7580
0.7611
0.7642
0.7673
0.7704
0.7734
0.7764
0.7794
0.7823
0.7852
0.8
0.7881
0.7910
0.7939
0.7967
0.7995
0.8023
0.8051
0.8078
0.8106
0.8133
0.9
0.8159
0.8186
0.8212
0.8238
0.8264
0.8289
0.8315
0.8340
0.8365
0.8389
1.0
0.8413
0.8438
0.8461
0.8485
0.8508
0.8531
0.8554
0.8577
0.8599
0.8621
1.1
0.8643
0.8665
0.8686
0.8708
0.8729
0.8749
0.8770
0.8790
0.8810
0.8830
1.2
0.8849
0.8869
0.8888
0.8907
0.8925
0.8944
0.8962
0.8980
0.8997
0.9015
1.3
0.9032
0.9049
0.9066
0.9082
0.9099
0.9115
0.9131
0.9147
0.9162
0.9177
1.4
0.9192
0.9207
0.9222
0.9236
0.9251
0.9265
0.9279
0.9292
0.9306
0.9319
1.5
0.9332
0.9345
0.9357
0.9370
0.9382
0.9394
0.9406
0.9418
0.9429
0.9441
1.6
0.9452
0.9463
0.9474
0.9484
0.9495
0.9505
0.9515
0.9525
0.9535
0.9545
1.7
0.9554
0.9564
0.9573
0.9582
0.9591
0.9599
0.9608
0.9616
0.9625
0.9633
1.8
0.9641
0.9649
0.9656
0.9664
0.9671
0.9678
0.9686
0.9693
0.9699
0.9706
1.9
0.9713
0.9719
0.9726
0.9732
0.9738
0.9744
0.9750
0.9756
0.9761
0.9767
2.0
0.9772
0.9778
0.9783
0.9788
0.9793
0.9798
0.9803
0.9808
0.9812
0.9817
2.1
0.9821
0.9826
0.9830
0.9834
0.9838
0.9842
0.9846
0.9850
0.9854
0.9857
2.2
0.9861
0.9864
0.9868
0.9871
0.9875
0.9878
0.9881
0.9884
0.9887
0.9890
2.3
0.9893
0.9896
0.9898
0.9901
0.9904
0.9906
0.9909
0.9911
0.9913
0.9916
2.4
0.9918
0.9920
0.9922
0.9925
0.9927
0.9929
0.9931
0.9932
0.9934
0.9936
2.5
0.9938
0.9940
0.9941
0.9943
0.9945
0.9946
0.9948
0.9949
0.9951
0.9952
2.6
0.9953
0.9955
0.9956
0.9957
0.9959
0.9960
0.9961
0.9962
0.9963
0.9964
2.7
0.9965
0.9966
0.9967
0.9968
0.9969
0.9970
0.9971
0.9972
0.9973
0.9974
2.8
0.9974
0.9975
0.9976
0.9977
0.9977
0.9978
0.9979
0.9979
0.9980
0.9981
2.9
0.9981
0.9982
0.9982
0.9983
0.9984
0.9984
0.9985
0.9985
0.9986
0.9986
3.0
0.9987
0.9987
0.9987
0.9988
0.9988
0.9989
0.9989
0.9989
0.9990
0.9990
14

APENDICE
A. TABLAS
A.2.
Pagina 15
Student-t
Grados de libertad
p
10
11
12
13
14
15
0.5000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.5125
0.039
0.035
0.034
0.033
0.033
0.033
0.032
0.032
0.032
0.032
0.032
0.032
0.032
0.032
0.032
0.5250
0.079
0.071
0.068
0.067
0.066
0.065
0.065
0.065
0.064
0.064
0.064
0.064
0.064
0.064
0.064
0.5375
0.118
0.106
0.102
0.100
0.099
0.098
0.098
0.097
0.097
0.097
0.096
0.096
0.096
0.096
0.096
0.5500
0.158
0.142
0.137
0.134
0.132
0.131
0.130
0.130
0.129
0.129
0.129
0.128
0.128
0.128
0.128
0.5625
0.199
0.178
0.171
0.168
0.166
0.164
0.163
0.162
0.162
0.161
0.161
0.161
0.160
0.160
0.160
0.5750
0.240
0.215
0.206
0.202
0.199
0.197
0.196
0.195
0.195
0.194
0.194
0.193
0.193
0.193
0.192
0.5875
0.282
0.251
0.241
0.236
0.233
0.231
0.230
0.228
0.228
0.227
0.226
0.226
0.226
0.225
0.225
0.6000
0.325
0.289
0.277
0.271
0.267
0.265
0.263
0.262
0.261
0.260
0.260
0.259
0.259
0.258
0.258
0.6125
0.369
0.327
0.313
0.306
0.302
0.299
0.297
0.296
0.295
0.294
0.293
0.292
0.292
0.291
0.291
0.6250
0.414
0.365
0.349
0.341
0.337
0.334
0.331
0.330
0.329
0.328
0.327
0.326
0.325
0.325
0.325
0.6375
0.461
0.405
0.386
0.377
0.372
0.369
0.366
0.364
0.363
0.362
0.361
0.360
0.359
0.359
0.358
0.6500
0.510
0.445
0.424
0.414
0.408
0.404
0.402
0.399
0.398
0.397
0.396
0.395
0.394
0.393
0.393
0.6625
0.560
0.486
0.463
0.452
0.445
0.441
0.437
0.435
0.433
0.432
0.431
0.430
0.429
0.428
0.428
0.6750
0.613
0.528
0.502
0.490
0.482
0.477
0.474
0.471
0.469
0.468
0.466
0.465
0.464
0.464
0.463
0.6875
0.668
0.572
0.543
0.529
0.520
0.515
0.511
0.508
0.506
0.504
0.503
0.502
0.501
0.500
0.499
0.7000
0.727
0.617
0.584
0.569
0.559
0.553
0.549
0.546
0.543
0.542
0.540
0.539
0.538
0.537
0.536
0.7125
0.788
0.664
0.627
0.610
0.599
0.593
0.588
0.584
0.582
0.580
0.578
0.576
0.575
0.574
0.573
0.7250
0.854
0.713
0.671
0.652
0.641
0.633
0.628
0.624
0.621
0.619
0.617
0.615
0.614
0.613
0.612
0.7375
0.924
0.763
0.717
0.696
0.683
0.675
0.669
0.665
0.661
0.659
0.656
0.655
0.653
0.652
0.651
0.7500
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.7625
1.082
0.872
0.815
0.788
0.772
0.762
0.755
0.750
0.745
0.742
0.740
0.737
0.736
0.734
0.733
0.7750
1.171
0.931
0.866
0.836
0.819
0.808
0.800
0.794
0.790
0.786
0.783
0.781
0.779
0.777
0.776
0.7875
1.268
0.994
0.921
0.887
0.868
0.856
0.847
0.841
0.836
0.832
0.828
0.826
0.824
0.822
0.820
0.8000
1.376
1.061
0.978
0.941
0.920
0.906
0.896
0.889
0.883
0.879
0.876
0.873
0.870
0.868
0.866
0.8125
1.497
1.132
1.039
0.997
0.974
0.958
0.947
0.939
0.933
0.929
0.925
0.921
0.919
0.916
0.914
0.8250
1.632
1.210
1.105
1.057
1.031
1.013
1.001
0.993
0.986
0.980
0.976
0.972
0.969
0.967
0.965
0.8375
1.786
1.294
1.174
1.121
1.091
1.072
1.058
1.049
1.041
1.035
1.030
1.026
1.023
1.020
1.018
0.8500
1.963
1.386
1.250
1.190
1.156
1.134
1.119
1.108
1.100
1.093
1.088
1.083
1.079
1.076
1.074
0.8625
2.169
1.489
1.332
1.264
1.225
1.201
1.184
1.172
1.162
1.155
1.149
1.144
1.140
1.136
1.133
0.8750
2.414
1.604
1.423
1.344
1.301
1.273
1.254
1.240
1.230
1.221
1.214
1.209
1.204
1.200
1.197
0.8875
2.711
1.734
1.524
1.434
1.384
1.352
1.331
1.315
1.303
1.293
1.286
1.279
1.274
1.269
1.265
0.9000
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
0.9125
3.546
2.065
1.769
1.647
1.580
1.538
1.509
1.488
1.472
1.460
1.450
1.442
1.435
1.429
1.424
0.9250
4.165
2.282
1.924
1.778
1.699
1.650
1.617
1.592
1.574
1.559
1.548
1.538
1.530
1.523
1.517
0.9375
5.027
2.556
2.113
1.936
1.841
1.782
1.742
1.713
1.691
1.674
1.661
1.649
1.640
1.632
1.625
0.9500
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
0.9625
8.449
3.443
2.681
2.392
2.242
2.151
2.090
2.046
2.013
1.987
1.966
1.949
1.935
1.923
1.913
0.9750
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
0.9875
31.821
6.965
4.541
3.747
3.365
3.143
2.998
2.896
2.821
2.764
2.718
2.681
2.650
2.624
2.602
0.9950
63.657
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
0.9990
318.309
22.327
10.215
7.173
5.893
5.208
4.785
4.501
4.297
4.144
4.025
3.930
3.852
3.787
3.733

APENDICE
A. TABLAS
A.3.
Pagina 16
Chi-Cuadrado 2v
Probabilidades
GL
0.975
0.950
0.925
0.900
0.875
0.850
0.500
0.150
0.125
0.100
0.075
0.050
0.025
0.010
0.00
0.00
0.01
0.02
0.02
0.04
0.45
2.07
2.35
2.71
3.17
3.84
5.02
6.63
7.88
0.05
0.10
0.16
0.21
0.27
0.33
1.39
3.79
4.16
4.61
5.18
5.99
7.38
9.21
10.60
0.22
0.35
0.47
0.58
0.69
0.80
2.37
5.32
5.74
6.25
6.90
7.81
9.35
11.34
12.84
0.48
0.71
0.90
1.06
1.22
1.37
3.36
6.74
7.21
7.78
8.50
9.49
11.14
13.28
14.86
0.83
1.15
1.39
1.61
1.81
1.99
4.35
8.12
8.62
9.24
10.01
11.07
12.83
15.09
16.75
1.24
1.64
1.94
2.20
2.44
2.66
5.35
9.45
9.99
10.64
11.47
12.59
14.45
16.81
18.55
1.69
2.17
2.53
2.83
3.11
3.36
6.35
10.75
11.33
12.02
12.88
14.07
16.01
18.48
20.28
2.18
2.73
3.14
3.49
3.80
4.08
7.34
12.03
12.64
13.36
14.27
15.51
17.53
20.09
21.95
2.70
3.33
3.78
4.17
4.51
4.82
8.34
13.29
13.93
14.68
15.63
16.92
19.02
21.67
23.59
10
3.25
3.94
4.45
4.87
5.23
5.57
9.34
14.53
15.20
15.99
16.97
18.31
20.48
23.21
25.19
11
3.82
4.57
5.12
5.58
5.98
6.34
10.34
15.77
16.46
17.28
18.29
19.68
21.92
24.72
26.76
12
4.40
5.23
5.82
6.30
6.73
7.11
11.34
16.99
17.70
18.55
19.60
21.03
23.34
26.22
28.30
13
5.01
5.89
6.52
7.04
7.49
7.90
12.34
18.20
18.94
19.81
20.90
22.36
24.74
27.69
29.82
14
5.63
6.57
7.24
7.79
8.27
8.70
13.34
19.41
20.17
21.06
22.18
23.68
26.12
29.14
31.32
15
6.26
7.26
7.97
8.55
9.05
9.50
14.34
20.60
21.38
22.31
23.45
25.00
27.49
30.58
32.80
20
9.59
10.85
11.73
12.44
13.06
13.60
19.34
26.50
27.38
28.41
29.69
31.41
34.17
37.57
40.00
25
13.12
14.61
15.64
16.47
17.18
17.82
24.34
32.28
33.25
34.38
35.78
37.65
40.65
44.31
46.93
30
16.79
18.49
19.66
20.60
21.40
22.11
29.34
37.99
39.03
40.26
41.76
43.77
46.98
50.89
53.67
35
20.57
22.47
23.76
24.80
25.68
26.46
34.34
43.64
44.75
46.06
47.66
49.80
53.20
57.34
60.27
40
24.43
26.51
27.93
29.05
30.01
30.86
39.34
49.24
50.42
51.81
53.50
55.76
59.34
63.69
66.77
45
28.37
30.61
32.14
33.35
34.38
35.29
44.34
54.81
56.05
57.51
59.29
61.66
65.41
69.96
73.17
50
32.36
34.76
36.40
37.69
38.78
39.75
49.33
60.35
61.65
63.17
65.03
67.50
71.42
76.15
79.49
55
36.40
38.96
40.69
42.06
43.22
44.24
54.33
65.86
67.21
68.80
70.74
73.31
77.38
82.29
85.75
60
40.48
43.19
45.02
46.46
47.68
48.76
59.33
71.34
72.75
74.40
76.41
79.08
83.30
88.38
91.95
65
44.60
47.45
49.37
50.88
52.16
53.29
64.33
76.81
78.27
79.97
82.06
84.82
89.18
94.42
98.11
70
48.76
51.74
53.75
55.33
56.67
57.84
69.33
82.26
83.77
85.53
87.68
90.53
95.02
100.43
104.21
75
52.94
56.05
58.15
59.79
61.19
62.41
74.33
87.69
89.25
91.06
93.28
96.22
100.84
106.39
110.29
80
57.15
60.39
62.57
64.28
65.72
66.99
79.33
93.11
94.71
96.58
98.86
101.88
106.63
112.33
116.32
85
61.39
64.75
67.01
68.78
70.27
71.59
84.33
98.51
100.16
102.08
104.42
107.52
112.39
118.24
122.32
90
65.65
69.13
71.46
73.29
74.84
76.20
89.33
103.90
105.60
107.57
109.97
113.15
118.14
124.12
128.30
95
69.92
73.52
75.93
77.82
79.41
80.81
94.33
109.29
111.02
113.04
115.50
118.75
123.86
129.97
134.25
100
74.22
77.93
80.41
82.36
84.00
85.44
99.33
114.66
116.43
118.50
121.02
124.34
129.56
135.81
140.17
0.005

APENDICE
A. TABLAS
A.4.
Pagina 17
Fv1;v2 de Snedecor
Los grados de libertad por filas corresponden al numerado, mientras que los grados de
libertad por columna corresponden al denominador.
gl
10
11
12
0.010
4052.18
98.50
34.12
21.20
16.26
13.75
12.25
11.26
10.56
10.04
9.65
9.33
0.025
647.79
38.51
17.44
12.22
10.01
8.81
8.07
7.57
7.21
6.94
6.72
6.55
0.050
161.45
18.51
10.13
7.71
6.61
5.99
5.59
5.32
5.12
4.96
4.84
4.75
0.075
71.38
11.85
7.19
5.72
5.03
4.63
4.37
4.19
4.05
3.95
3.87
3.80
0.100
39.86
8.53
5.54
4.54
4.06
3.78
3.59
3.46
3.36
3.29
3.23
3.18
0.500
1.00
0.67
0.59
0.55
0.53
0.51
0.51
0.50
0.49
0.49
0.49
0.48
0.900
0.03
0.02
0.02
0.02
0.02
0.02
0.02
0.02
0.02
0.02
0.02
0.02
0.925
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.950
0.01
0.01
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.975
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.990
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.010
4999.50
99.00
30.82
18.00
13.27
10.92
9.55
8.65
8.02
7.56
7.21
6.93
0.025
799.50
39.00
16.04
10.65
8.43
7.26
6.54
6.06
5.71
5.46
5.26
5.10
0.050
199.50
19.00
9.55
6.94
5.79
5.14
4.74
4.46
4.26
4.10
3.98
3.89
0.075
88.39
12.33
6.93
5.30
4.55
4.11
3.84
3.64
3.50
3.39
3.31
3.24
0.100
49.50
9.00
5.46
4.32
3.78
3.46
3.26
3.11
3.01
2.92
2.86
2.81
0.500
1.50
1.00
0.88
0.83
0.80
0.78
0.77
0.76
0.75
0.74
0.74
0.73
0.900
0.12
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.925
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.950
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.975
0.03
0.03
0.03
0.03
0.03
0.03
0.03
0.03
0.03
0.03
0.03
0.03
0.990
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.010
5403.35
99.17
29.46
16.69
12.06
9.78
8.45
7.59
6.99
6.55
6.22
5.95
0.025
864.16
39.17
15.44
9.98
7.76
6.60
5.89
5.42
5.08
4.83
4.63
4.47
0.050
215.71
19.16
9.28
6.59
5.41
4.76
4.35
4.07
3.86
3.71
3.59
3.49
0.075
95.62
12.50
6.79
5.09
4.30
3.86
3.57
3.38
3.23
3.12
3.03
2.96
0.100
53.59
9.16
5.39
4.19
3.62
3.29
3.07
2.92
2.81
2.73
2.66
2.61
0.500
1.71
1.13
1.00
0.94
0.91
0.89
0.87
0.86
0.85
0.85
0.84
0.84
0.900
0.18
0.18
0.19
0.19
0.19
0.19
0.19
0.19
0.19
0.19
0.19
0.19
0.925
0.14
0.14
0.15
0.15
0.15
0.15
0.15
0.15
0.15
0.15
0.15
0.15
0.950
0.10
0.10
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.975
0.06
0.06
0.06
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.990
0.03
0.03
0.03
0.03
0.04
0.04
0.04
0.04
0.04
0.04
0.04
0.04
0.010
5624.58
99.25
28.71
15.98
11.39
9.15
7.85
7.01
6.42
5.99
5.67
5.41
0.025
899.58
39.25
15.10
9.60
7.39
6.23
5.52
5.05
4.72
4.47
4.28
4.12
0.050
224.58
19.25
9.12
6.39
5.19
4.53
4.12
3.84
3.63
3.48
3.36
3.26
0.075
99.58
12.58
6.70
4.96
4.16
3.71
3.42
3.21
3.07
2.95
2.87
2.79
0.100
55.83
9.24
5.34
4.11
3.52
3.18
2.96
2.81
2.69
2.61
2.54
2.48
0.500
1.82
1.21
1.06
1.00
0.96
0.94
0.93
0.91
0.91
0.90
0.89
0.89
0.900
0.22
0.23
0.24
0.24
0.25
0.25
0.25
0.25
0.25
0.26
0.26
0.26
0.925
0.17
0.19
0.20
0.20
0.21
0.21
0.21
0.21
0.21
0.21
0.21
0.22
0.950
0.13
0.14
0.15
0.16
0.16
0.16
0.16
0.17
0.17
0.17
0.17
0.17
0.975
0.08
0.09
0.10
0.10
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.11
0.990
0.05
0.06
0.06
0.06
0.06
0.07
0.07
0.07
0.07
0.07
0.07
0.07

APENDICE
A. TABLAS
Pagina 18
gl
10
11
12
0.010
5763.65
99.30
28.24
15.52
10.97
8.75
7.46
6.63
6.06
5.64
5.32
5.06
0.025
921.85
39.30
14.88
9.36
7.15
5.99
5.29
4.82
4.48
4.24
4.04
3.89
0.050
230.16
19.30
9.01
6.26
5.05
4.39
3.97
3.69
3.48
3.33
3.20
3.11
0.075
102.07
12.63
6.64
4.88
4.06
3.60
3.31
3.11
2.96
2.84
2.75
2.68
0.100
57.24
9.29
5.31
4.05
3.45
3.11
2.88
2.73
2.61
2.52
2.45
2.39
0.500
1.89
1.25
1.10
1.04
1.00
0.98
0.96
0.95
0.94
0.93
0.93
0.92
0.900
0.25
0.26
0.28
0.28
0.29
0.29
0.30
0.30
0.30
0.30
0.30
0.31
0.925
0.20
0.22
0.23
0.24
0.25
0.25
0.25
0.26
0.26
0.26
0.26
0.26
0.950
0.15
0.17
0.18
0.19
0.20
0.20
0.21
0.21
0.21
0.21
0.21
0.21
0.975
0.10
0.12
0.13
0.14
0.14
0.14
0.15
0.15
0.15
0.15
0.15
0.15
0.990
0.06
0.08
0.08
0.09
0.09
0.09
0.10
0.10
0.10
0.10
0.10
0.10
0.010
5858.99
99.33
27.91
15.21
10.67
8.47
7.19
6.37
5.80
5.39
5.07
4.82
0.025
937.11
39.33
14.73
9.20
6.98
5.82
5.12
4.65
4.32
4.07
3.88
3.73
0.050
233.99
19.33
8.94
6.16
4.95
4.28
3.87
3.58
3.37
3.22
3.09
3.00
0.075
103.78
12.66
6.60
4.82
4.00
3.53
3.24
3.03
2.88
2.76
2.67
2.60
0.100
58.20
9.33
5.28
4.01
3.40
3.05
2.83
2.67
2.55
2.46
2.39
2.33
0.500
1.94
1.28
1.13
1.06
1.02
1.00
0.98
0.97
0.96
0.95
0.95
0.94
0.900
0.26
0.29
0.30
0.31
0.32
0.33
0.33
0.34
0.34
0.34
0.34
0.34
0.925
0.22
0.24
0.26
0.27
0.28
0.28
0.29
0.29
0.29
0.30
0.30
0.30
0.950
0.17
0.19
0.21
0.22
0.23
0.23
0.24
0.24
0.24
0.25
0.25
0.25
0.975
0.11
0.14
0.15
0.16
0.17
0.17
0.18
0.18
0.18
0.18
0.18
0.19
0.990
0.07
0.09
0.10
0.11
0.11
0.12
0.12
0.12
0.13
0.13
0.13
0.13
0.010
5928.36
99.36
27.67
14.98
10.46
8.26
6.99
6.18
5.61
5.20
4.89
4.64
0.025
948.22
39.36
14.62
9.07
6.85
5.70
4.99
4.53
4.20
3.95
3.76
3.61
0.050
236.77
19.35
8.89
6.09
4.88
4.21
3.79
3.50
3.29
3.14
3.01
2.91
0.075
105.02
12.68
6.57
4.77
3.95
3.48
3.18
2.97
2.82
2.70
2.61
2.54
0.100
58.91
9.35
5.27
3.98
3.37
3.01
2.78
2.62
2.51
2.41
2.34
2.28
0.500
1.98
1.30
1.15
1.08
1.04
1.02
1.00
0.99
0.98
0.97
0.96
0.96
0.900
0.28
0.31
0.33
0.34
0.35
0.35
0.36
0.36
0.37
0.37
0.37
0.37
0.925
0.23
0.26
0.28
0.29
0.30
0.31
0.31
0.32
0.32
0.33
0.33
0.33
0.950
0.18
0.21
0.23
0.24
0.25
0.26
0.26
0.27
0.27
0.27
0.28
0.28
0.975
0.12
0.15
0.17
0.18
0.19
0.20
0.20
0.20
0.21
0.21
0.21
0.21
0.990
0.08
0.10
0.12
0.13
0.13
0.14
0.14
0.15
0.15
0.15
0.15
0.15
0.010
5981.07
99.37
27.49
14.80
10.29
8.10
6.84
6.03
5.47
5.06
4.74
4.50
0.025
956.66
39.37
14.54
8.98
6.76
5.60
4.90
4.43
4.10
3.85
3.66
3.51
0.050
238.88
19.37
8.85
6.04
4.82
4.15
3.73
3.44
3.23
3.07
2.95
2.85
0.075
105.96
12.70
6.55
4.74
3.91
3.44
3.13
2.93
2.77
2.66
2.56
2.49
0.100
59.44
9.37
5.25
3.95
3.34
2.98
2.75
2.59
2.47
2.38
2.30
2.24
0.500
2.00
1.32
1.16
1.09
1.05
1.03
1.01
1.00
0.99
0.98
0.98
0.97
0.900
0.29
0.32
0.34
0.36
0.37
0.37
0.38
0.39
0.39
0.39
0.40
0.40
0.925
0.24
0.27
0.30
0.31
0.32
0.33
0.34
0.34
0.35
0.35
0.35
0.36
0.950
0.19
0.22
0.25
0.26
0.27
0.28
0.29
0.29
0.30
0.30
0.30
0.30
0.975
0.13
0.17
0.18
0.20
0.21
0.21
0.22
0.23
0.23
0.23
0.24
0.24
0.990
0.09
0.12
0.13
0.14
0.15
0.16
0.16
0.17
0.17
0.17
0.17
0.18

APENDICE
A. TABLAS
Pagina 19
gl
10
11
12
10
11
12
0.010
6022.47
99.39
27.35
14.66
10.16
7.98
6.72
5.91
5.35
4.94
4.63
4.39
0.025
963.28
39.39
14.47
8.90
6.68
5.52
4.82
4.36
4.03
3.78
3.59
3.44
0.050
240.54
19.38
8.81
6.00
4.77
4.10
3.68
3.39
3.18
3.02
2.90
2.80
0.075
106.70
12.72
6.53
4.71
3.87
3.40
3.10
2.89
2.74
2.62
2.52
2.45
0.100
59.86
9.38
5.24
3.94
3.32
2.96
2.72
2.56
2.44
2.35
2.27
2.21
0.500
2.03
1.33
1.17
1.10
1.06
1.04
1.02
1.01
1.00
0.99
0.99
0.98
0.900
0.30
0.33
0.36
0.37
0.38
0.39
0.40
0.40
0.41
0.41
0.42
0.42
0.925
0.25
0.29
0.31
0.33
0.34
0.35
0.35
0.36
0.37
0.37
0.37
0.38
0.950
0.20
0.23
0.26
0.28
0.29
0.30
0.30
0.31
0.31
0.32
0.32
0.33
0.975
0.14
0.17
0.20
0.21
0.22
0.23
0.24
0.24
0.25
0.25
0.26
0.26
0.990
0.09
0.12
0.14
0.16
0.17
0.17
0.18
0.18
0.19
0.19
0.19
0.20
0.010
6055.85
99.40
27.23
14.55
10.05
7.87
6.62
5.81
5.26
4.85
4.54
4.30
0.025
968.63
39.40
14.42
8.84
6.62
5.46
4.76
4.30
3.96
3.72
3.53
3.37
0.050
241.88
19.40
8.79
5.96
4.74
4.06
3.64
3.35
3.14
2.98
2.85
2.75
0.075
107.30
12.73
6.51
4.68
3.85
3.37
3.07
2.86
2.70
2.59
2.49
2.42
0.100
60.19
9.39
5.23
3.92
3.30
2.94
2.70
2.54
2.42
2.32
2.25
2.19
0.500
2.04
1.35
1.18
1.11
1.07
1.05
1.03
1.02
1.01
1.00
0.99
0.99
0.900
0.30
0.34
0.37
0.38
0.40
0.41
0.41
0.42
0.43
0.43
0.43
0.44
0.925
0.25
0.29
0.32
0.34
0.35
0.36
0.37
0.38
0.38
0.39
0.39
0.39
0.950
0.20
0.24
0.27
0.29
0.30
0.31
0.32
0.33
0.33
0.34
0.34
0.34
0.975
0.14
0.18
0.21
0.22
0.24
0.25
0.25
0.26
0.26
0.27
0.27
0.28
0.990
0.10
0.13
0.15
0.17
0.18
0.19
0.19
0.20
0.20
0.21
0.21
0.21
0.010
6083.32
99.41
27.13
14.45
9.96
7.79
6.54
5.73
5.18
4.77
4.46
4.22
0.025
973.03
39.41
14.37
8.79
6.57
5.41
4.71
4.24
3.91
3.66
3.47
3.32
0.050
242.98
19.40
8.76
5.94
4.70
4.03
3.60
3.31
3.10
2.94
2.82
2.72
0.075
107.79
12.74
6.50
4.67
3.83
3.35
3.05
2.83
2.68
2.56
2.47
2.39
0.100
60.47
9.40
5.22
3.91
3.28
2.92
2.68
2.52
2.40
2.30
2.23
2.17
0.500
2.06
1.35
1.19
1.12
1.08
1.05
1.04
1.02
1.01
1.01
1.00
0.99
0.900
0.31
0.35
0.38
0.39
0.41
0.42
0.43
0.43
0.44
0.44
0.45
0.45
0.925
0.26
0.30
0.33
0.35
0.36
0.37
0.38
0.39
0.40
0.40
0.41
0.41
0.950
0.21
0.25
0.28
0.30
0.31
0.32
0.33
0.34
0.35
0.35
0.35
0.36
0.975
0.15
0.19
0.22
0.23
0.25
0.26
0.27
0.27
0.28
0.28
0.29
0.29
0.990
0.10
0.14
0.16
0.18
0.19
0.20
0.20
0.21
0.22
0.22
0.22
0.23
0.010
6106.32
99.42
27.05
14.37
9.89
7.72
6.47
5.67
5.11
4.71
4.40
4.16
0.025
976.71
39.41
14.34
8.75
6.52
5.37
4.67
4.20
3.87
3.62
3.43
3.28
0.050
243.91
19.41
8.74
5.91
4.68
4.00
3.57
3.28
3.07
2.91
2.79
2.69
0.075
108.20
12.74
6.49
4.65
3.81
3.33
3.02
2.81
2.66
2.54
2.44
2.37
0.100
60.71
9.41
5.22
3.90
3.27
2.90
2.67
2.50
2.38
2.28
2.21
2.15
0.500
2.07
1.36
1.20
1.13
1.09
1.06
1.04
1.03
1.02
1.01
1.01
1.00
0.900
0.31
0.36
0.38
0.40
0.42
0.43
0.44
0.45
0.45
0.46
0.46
0.47
0.925
0.26
0.31
0.34
0.36
0.37
0.38
0.39
0.40
0.41
0.41
0.42
0.42
0.950
0.21
0.26
0.29
0.31
0.32
0.33
0.34
0.35
0.36
0.36
0.37
0.37
0.975
0.15
0.20
0.22
0.24
0.26
0.27
0.28
0.28
0.29
0.30
0.30
0.31
0.990
0.11
0.14
0.17
0.18
0.20
0.21
0.22
0.22
0.23
0.23
0.24
0.24

APENDICE
A. TABLAS
A.5.
Pagina 20
Valores crticos del estadstico T en la prueba de rangos con

signos de Wilcoxon
Unilateral
Bilateral
Tama
no de Muestra (n)
5
10
11
12
13
14
15
p = 0,1
p = 0,2
11
15
18
22
27
32
37
p = 0,05
p = 0,1
11
15
18
22
26
31
p = 0,025
p = 0,05
11
14
18
22
26
p = 0,01
p = 0,02
10
13
16
20
p = 0,005
p = 0,01
10
13
17
Unilateral
Bilateral
16
17
18
19
20
21
22
23
24
25
26
p = 0,1
p = 0,2
43
49
56
63
70
78
87
95
105
114
125
p = 0,05
p = 0,1
36
42
48
54
61
68
76
84
92
101
110
p = 0,025
p = 0,05
30
35
41
47
53
60
67
74
82
90
98
Tama
no de Muestra (n)
p = 0,01
p = 0,02
24
29
33
38
44
50
56
63
70
77
85
p = 0,005
p = 0,01
20
24
28
33
38
44
49
56
62
68
76
Unilateral
Bilateral
27
28
29
30
31
32
33
34
35
36
37
p = 0,1
p = 0,2
135
146
158
170
182
195
208
222
236
250
266
p = 0,05
p = 0,1
120
131
141
152
164
176
188
201
215
228
243
p = 0,025
p = 0,05
108
118
127
138
148
160
171
183
196
208
222
p = 0,01
p = 0,02
94
103
111
121
130
141
152
163
175
186
199
p = 0,005
p = 0,01
84
93
101
110
119
129
139
150
162
172
184
Tama
no de Muestra (n)

APENDICE
A. TABLAS
A.6.
Pagina 21
Valores crticos del estadstico U de Mann-Whitney para la

de rangos con muestras independientes
p(U U0 ), U0 es el argumento; n1 n2 ; 3 n2 10.

n2 = 3
n1
n2 = 4
4
U0
n1
0.250
0.100
0.050
0.200
0.068
0.029
0.014
0.500
0.200
0.100
0.400
0.134
0.058
0.029
0.750
0.400
0.200
0.600
0.267
0.115
0.059
0.600
0.350
0.400
0.200
0.103
0.500
0.603
0.313
0.174
3
4
5
0.428
0.245
0.571
0.343
0.443
0.558
n2 = 5
n1
U0
n2 = 6
4
U0
n1
U0
0.167
0.050
0.018
0.008
0.004
0.143
0.036
0.012
0.005
0.002
0.001
0.333
0.100
0.036
0.016
0.008
0.287
0.071
0.024
0.009
0.004
0.002
0.500
0.192
0.071
0.031
0.016
0.428
0.143
0.047
0.019
0.009
0.004
0.287
0.126
0.054
0.029
0.572
0.215
0.083
0.033
0.016
0.008
0.428
0.197
0.094
0.049
0.322
0.131
0.057
0.027
0.013
0.571
0.286
0.141
0.077
0.428
0.190
0.085
0.042
0.021
0.395
0.204
0.112
0.571
0.274
0.128
0.064
0.032
0.501
0.277
0.157
0.357
0.176
0.090
0.047
0.364
0.213
0.453
0.238
0.125
0.066
0.451
0.277
0.548
0.306
0.167
0.089
10
0.545
0.348
10
0.383
0.217
0.120
11
0.424
11
0.458
0.271
0.155
12
0.504
12
0.544
0.334
0.196
13
13
0.399
0.241
14
14
0.469
0.292
15
15
0.539
0.348
16
16
0.408
17
17
0.469
18
18
0.531

APENDICE
A. TABLAS
Pagina 22
n2 = 7
n1
n2 = 8
5
U0
n1
U0
0.126
0.027
0.008
0.003
0.001
0.001
0.000
0.111
0.022
0.006
0.002
0.001
0.000
0.000
0.000
0.252
0.056
0.016
0.007
0.002
0.001
0.001
0.222
0.045
0.012
0.004
0.002
0.001
0.000
0.000
0.376
0.112
0.032
0.012
0.005
0.002
0.001
0.333
0.090
0.024
0.008
0.003
0.002
0.001
0.000
0.500
0.168
0.058
0.021
0.008
0.004
0.002
0.445
0.133
0.042
0.014
0.005
0.003
0.001
0.001
0.251
0.092
0.037
0.015
0.008
0.004
0.556
0.200
0.066
0.024
0.009
0.004
0.002
0.001
0.333
0.134
0.055
0.023
0.011
0.006
0.267
0.096
0.036
0.015
0.006
0.003
0.002
0.444
0.192
0.083
0.036
0.018
0.009
0.358
0.138
0.054
0.023
0.011
0.005
0.002
0.554
0.259
0.116
0.053
0.026
0.014
0.446
0.186
0.076
0.032
0.015
0.007
0.003
0.334
0.160
0.075
0.037
0.019
0.556
0.247
0.107
0.046
0.022
0.010
0.005
0.417
0.209
0.102
0.051
0.027
0.313
0.141
0.063
0.030
0.014
0.007
10
0.501
0.267
0.135
0.069
0.037
10
0.385
0.183
0.085
0.041
0.020
0.010
11
0.327
0.173
0.091
0.049
11
0.458
0.230
0.110
0.054
0.027
0.014
12
0.398
0.217
0.118
0.065
12
0.538
0.287
0.140
0.070
0.036
0.018
13
0.467
0.267
0.149
0.084
13
0.343
0.175
0.091
0.047
0.024
14
0.541
0.322
0.184
0.105
14
0.408
0.215
0.114
0.061
0.032
15
0.381
0.223
0.130
15
0.470
0.260
0.142
0.077
0.041
16
0.442
0.268
0.159
16
0.536
0.309
0.173
0.094
0.051
17
0.502
0.314
0.191
17
0.361
0.208
0.116
0.064
18
0.366
0.228
18
0.416
0.246
0.140
0.079
19
0.418
0.267
19
0.472
0.287
0.168
0.096
20
0.473
0.310
20
0.529
0.332
0.200
0.116
21
0.527
0.355
21
0.378
0.233
0.138
22
0.402
22
0.426
0.270
0.163
23
0.451
23
0.475
0.308
0.189
24
0.500
24
0.525
0.348
0.219
25
25
0.391
0.250
26
26
0.435
0.285
27
27
0.481
0.322
28
28
0.525
0.360
29
29
0.400
30
30
0.439
31
31
0.480
32
32
0.521

APENDICE
A. TABLAS
Pagina 23
n2 = 9
n1
0.101
0.018
0.004
0.001
0.000
0.000
0.000
0.000
0.000
0.200
0.037
0.009
0.003
0.001
0.000
0.000
0.000
0.000
0.299
0.072
0.018
0.005
0.002
0.001
0.000
0.000
0.000
0.400
0.108
0.031
0.010
0.003
0.001
0.000
0.000
0.000
0.501
0.162
0.049
0.017
0.006
0.002
0.001
0.000
0.000
0.217
0.072
0.025
0.009
0.004
0.002
0.001
0.000
0.289
0.104
0.038
0.014
0.006
0.002
0.001
0.001
0.361
0.140
0.053
0.021
0.009
0.004
0.002
0.001
0.452
0.185
0.075
0.030
0.013
0.006
0.003
0.001
0.544
0.239
0.100
0.041
0.019
0.008
0.004
0.002
10
0.300
0.131
0.055
0.025
0.011
0.006
0.003
11
0.363
0.167
0.073
0.034
0.016
0.008
0.004
12
0.430
0.210
0.094
0.045
0.021
0.010
0.005
13
0.498
0.254
0.119
0.058
0.028
0.014
0.007
14
0.567
0.304
0.148
0.073
0.036
0.018
0.009
15
0.359
0.182
0.091
0.046
0.024
0.011
16
0.415
0.219
0.112
0.057
0.030
0.015
17
0.472
0.259
0.137
0.071
0.037
0.019
18
0.533
0.303
0.165
0.087
0.046
0.024
19
0.351
0.195
0.105
0.057
0.030
20
0.399
0.230
0.126
0.070
0.037
21
0.449
0.265
0.150
0.084
0.046
22
0.499
0.304
0.176
0.100
0.056
23
0.550
0.345
0.204
0.117
0.067
24
0.390
0.236
0.137
0.079
25
0.435
0.269
0.160
0.093
26
0.479
0.303
0.185
0.110
27
0.525
0.340
0.211
0.128
28
0.377
0.241
0.147
29
0.416
0.271
0.168
30
0.457
0.304
0.192
31
0.499
0.338
0.218
32
0.539
0.372
0.244
33
0.407
0.273
34
0.445
0.302
35
0.481
0.332
36
0.520
0.364
U0
37
0.397
38
0.430
39
0.465
40
0.499
41
0.532

APENDICE
A. TABLAS
Pagina 24
n2 = 10
n1
10
0.090
0.015
0.004
0.001
0.000
0.000
0.000
0.000
0.000
0.000
0.182
0.030
0.007
0.002
0.001
0.000
0.000
0.000
0.000
0.000
0.275
0.059
0.014
0.004
0.001
0.001
0.000
0.000
0.000
0.000
0.366
0.090
0.025
0.007
0.002
0.001
0.000
0.000
0.000
0.000
0.456
0.136
0.039
0.012
0.004
0.001
0.001
0.000
0.000
0.000
0.545
0.182
0.056
0.018
0.006
0.002
0.001
0.000
0.000
0.000
0.242
0.082
0.027
0.009
0.003
0.002
0.001
0.000
0.000
0.302
0.109
0.037
0.014
0.005
0.002
0.001
0.001
0.000
0.378
0.143
0.052
0.019
0.008
0.003
0.002
0.001
0.000
0.453
0.184
0.070
0.027
0.011
0.005
0.002
0.001
0.000
10
0.543
0.232
0.094
0.037
0.015
0.006
0.003
0.002
0.001
11
0.284
0.121
0.049
0.020
0.009
0.004
0.002
0.001
12
0.344
0.152
0.063
0.028
0.012
0.006
0.003
0.001
13
0.403
0.188
0.081
0.036
0.016
0.008
0.004
0.002
14
0.465
0.227
0.101
0.046
0.022
0.010
0.006
0.003
15
0.527
0.270
0.124
0.058
0.028
0.013
0.007
0.004
16
0.319
0.151
0.073
0.036
0.017
0.009
0.005
17
0.368
0.182
0.089
0.044
0.021
0.011
0.006
18
0.420
0.216
0.109
0.055
0.027
0.015
0.008
19
0.472
0.253
0.131
0.067
0.033
0.018
0.010
20
0.527
0.294
0.156
0.081
0.040
0.022
0.012
21
0.335
0.183
0.097
0.049
0.027
0.015
22
0.381
0.213
0.115
0.060
0.034
0.019
23
0.426
0.245
0.135
0.072
0.040
0.023
24
0.474
0.280
0.157
0.086
0.048
0.027
25
0.520
0.317
0.181
0.101
0.057
0.032
26
0.356
0.209
0.118
0.067
0.038
27
0.395
0.237
0.136
0.078
0.046
28
0.436
0.268
0.157
0.091
0.054
29
0.477
0.300
0.178
0.105
0.063
30
0.519
0.333
0.202
0.121
0.073
31
0.368
0.228
0.138
0.084
32
0.404
0.254
0.158
0.096
33
0.442
0.283
0.178
0.110
34
0.480
0.314
0.200
0.125
35
0.518
0.345
0.224
0.141
36
0.377
0.248
0.159
37
0.410
0.274
0.178
38
0.444
0.301
0.198
39
0.479
0.330
0.220
40
0.514
0.358
0.242
41
0.390
0.266
42
0.421
0.291
43
0.452
0.317
44
0.484
0.344
45
0.515
0.372
46
0.400
47
0.428
48
0.457
49
0.487
50
0.516

APENDICE
A. TABLAS
A.7.
Pagina 25
Valores crticos del estadstico D de Kolmogorov-Smirnov

Tama
no de
Muestra
Nivel de significaci
on para

b

D = sup F (x) F0 (x)
x
(n)
0.2
0.15
0.1
0.05
0.01
0.900
0.925
0.950
0.975
0.995
0.684
0.726
0.776
0.842
0.929
0.565
0.597
0.642
0.708
0.828
0.494
0.525
0.564
0.624
0.733
0.446
0.474
0.510
0.565
0.669
0.410
0.436
0.470
0.521
0.618
0.381
0.405
0.438
0.486
0.577
0.358
0.381
0.411
0.457
0.543
0.339
0.360
0.388
0.432
0.514
10
0.322
0.342
0.368
0.409
0.490
11
0.307
0.326
0.352
0.391
0.468
12
0.295
0.313
0.338
0.375
0.450
13
0.284
0.302
0.325
0.361
0.433
14
0.274
0.292
0.314
0.349
0.418
15
0.266
0.283
0.304
0.338
0.404
16
0.258
0.274
0.295
0.328
0.392
17
0.250
0.266
0.286
0.318
0.381
18
0.244
0.259
0.278
0.309
0.371
19
0.237
0.252
0.272
0.301
0.363
20
0.231
0.246
0.264
0.294
0.356
25
0.210
0.220
0.240
0.270
0.320
30
0.190
0.200
0.220
0.240
0.290
35
0.180
0.190
0.210
0.230
0.270
M
as de 35
1,07
1,14
1,22
1,36
1,63

APENDICE
A. TABLAS
A.8.
Pagina 26
Valores crticos del estadstico D de Kolmogorov-Smirnov/Lilliefors

Tama
no
on para

D = sup Fb(x) F0 (x),
de
Tama
no
on para

D = sup Fb(x) F0 (x),
de
Muestra
fn =
0,83+n
0,01
Muestra
fn =
0,83+n
0,01
(n)
0.2
0.15
0.1
0.05
0.01
(n)
0.2
0.15
0.1
0.05
0.01
0.289
0.303
0.319
0.343
0.396
29
0.133
0.140
0.148
0.161
0.189
0.269
0.282
0.298
0.325
0.373
30
0.132
0.138
0.146
0.159
0.185
0.252
0.264
0.280
0.304
0.350
31
0.129
0.135
0.143
0.156
0.182
0.239
0.250
0.265
0.288
0.333
32
0.127
0.134
0.142
0.154
0.180
0.227
0.238
0.252
0.274
0.316
33
0.125
0.131
0.139
0.152
0.177
10
0.217
0.227
0.241
0.262
0.304
34
0.124
0.130
0.137
0.150
0.175
11
0.208
0.218
0.231
0.251
0.291
35
0.122
0.128
0.136
0.148
0.172
12
0.200
0.210
0.223
0.243
0.281
36
0.120
0.126
0.134
0.145
0.170
13
0.193
0.203
0.215
0.234
0.271
37
0.119
0.125
0.132
0.144
0.168
14
0.187
0.196
0.208
0.226
0.263
38
0.117
0.123
0.130
0.142
0.165
15
0.181
0.190
0.202
0.220
0.255
39
0.116
0.121
0.129
0.140
0.163
16
0.176
0.184
0.196
0.213
0.248
40
0.115
0.120
0.128
0.139
0.162
17
0.171
0.179
0.190
0.207
0.241
41
0.113
0.119
0.126
0.137
0.160
18
0.167
0.175
0.185
0.202
0.235
42
0.112
0.117
0.124
0.135
0.157
19
0.162
0.170
0.180
0.197
0.229
43
0.111
0.116
0.123
0.134
0.156
20
0.159
0.167
0.176
0.192
0.223
44
0.110
0.115
0.122
0.132
0.154
21
0.155
0.163
0.173
0.188
0.219
45
0.108
0.113
0.120
0.131
0.153
22
0.152
0.159
0.169
0.184
0.214
46
0.107
0.112
0.119
0.129
0.151
23
0.148
0.156
0.165
0.180
0.209
47
0.106
0.111
0.118
0.128
0.150
24
0.146
0.153
0.162
0.177
0.205
48
0.105
0.110
0.117
0.127
0.148
25
0.143
0.150
0.159
0.173
0.201
49
0.104
0.109
0.115
0.126
0.146
26
0.141
0.147
0.156
0.170
0.199
50
0.103
0.108
0.114
0.125
0.146
27
0.138
0.145
0.153
0.167
0.194
28
0.136
0.142
0.151
0.164
0.191
M
as de 50
0,741
fn
0,775
fn
0,819
fn
0,895
fn
1,035
fn

Resumen de Clase de Inferencia

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Resumen de Clase de Inferencia

Transféré par

Droits d'auteur :

Formats disponibles

INFERENCIA ESTADISTICA

Prof. Dr. Alejandro F. Rodriguez

1.1. Muestra aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2. Transformaciones de variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.1. Caso Univariado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.2. Caso Bivariado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

A.4. Fv1;v2 de Snedecor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

A.7. Valores crticos del estadstico D de Kolmogorov-Smirnov . . . . . . . . . . . . . . . . . . . . . . . . . .

A.8. Valores crticos del estadstico D de Kolmogorov-Smirnov/Lilliefors . . . . . . . . . . . . . . . . . . . . .

Existen dos tipos de muestreo, el no probabilstico y el probabilstico. El primero consiste en la

Muestreo de racimo o conglomerado

Muestreo aleatorio simple

que cada elemento en la poblaci

Transformaciones de variables aleatorias

Ejemplo 1.2.2 Sea X Gamma(, ), cuya funcion de densidad es

donde () = (1)!, en el caso de que sea entero positivo, adem

= 1/y 2 . Entonces, aplicando el teorema 1.2.2 para y (0, ) tenemos

Un caso especial conocida como funci

i g(x) = gi (x) para x Ai ,

Ejemplo 1.2.3 Sea X N (0, 1) cuya funcion de densidad es

A1 = (, 0), g1 (x) = x2 , g11 (y) = y;

A2 = (0, ), g2 (x) = x2 , g21 (y) = y;

Prof. Dr. A. Rodriguez

entonces, la densidad conjunta de U1 y U2 es

= 21 , el jacobiano de esta transformacion es

Prof. Dr. A. Rodriguez

{(u1 , u2 ) : < u1 < , < u2 < }.

Prof. Dr. A. Rodriguez

Prof. Dr. A. Rodriguez

Prof. Dr. A. Rodriguez

Prof. Dr. A. Rodriguez

Prof. Dr. A. Rodriguez

Prof. Dr. A. Rodriguez

Valores crticos del estadstico T en la prueba de rangos con

Prof. Dr. A. Rodriguez

Valores crticos del estadstico U de Mann-Whitney para la

p(U U0 ), U0 es el argumento; n1 n2 ; 3 n2 10.

Prof. Dr. A. Rodriguez

Prof. Dr. A. Rodriguez

Prof. Dr. A. Rodriguez

Prof. Dr. A. Rodriguez

Valores crticos del estadstico D de Kolmogorov-Smirnov

Prof. Dr. A. Rodriguez

Valores crticos del estadstico D de Kolmogorov-Smirnov/Lilliefors

Prof. Dr. A. Rodriguez

Vous aimerez peut-être aussi