Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6 Guia de Estadistica PDF
6 Guia de Estadistica PDF
MEDELLN
Autora:
PRESENTACIN
ADRIANA GUERRERO
MARIA VICTORIA BUITRAGO
MA. DE LOS NGELES CURIESES PAULETE
TABLA DE CONTENIDO
CAPITULO 1
1. CONCEPTO DE SUMATORIA
1.1 Definicin
1.2 Propiedades
1.3 Actividad
1.4 Ejercicios
CAPITULO 2
2. ESTADSTICA DESCRIPTIVA
2.6.3 Histograma
2.6.4 Polgono de frecuencias
2.6.5 Actividad
2.7 Ejercicios - Mtodos grficos
2.8 Ejercicios
Tablas de datos
CAPITULO 3
3. MTODOS NUMRICOS
CAPITULO 4
4. PROBABILIDADES
CAPITULO 5
5. VARIABLES ALEATORIAS
CAPITULO 6
CAPITULO 7
CAPITULO 8
8. TABLAS
INTRODUCCION
1
CAPITULO 1
En esta capitulo se presentan los principales conceptos bsicos que
permiten la comprensin de los mtodos empleados en estadstica
descriptiva para la solucin de casos relacionados con el anlisis de
informacin.
COMPETENCIA
Conceptualizar y reconocer la terminologa bsica en Estadstica
EJE TEMTICO
Razones, proporciones y porcentajes Sumatoria y sus propiedades
Historia de la estadstica
1. CONCEPTOS PREVIOS
1.1 DEFINICION. DE SUMATORIA
1.2 PROPIEDADES
De la definicin de se derivan las siguientes propiedades.
niix1
1. Si (constante) entonces cxinccccccxninii...
11
As, por ejemplo, 204*544444451i
2. Si es una constante que multiplica a cada una de las
observaciones entonces la suma de los
productos es igual a multiplicada por la suma de las
observaciones, esto es,
c
nxxxx,...,,,321n
niiniixccx11
3. Si e son sucesiones de nmeros
entonces
nxxxx,...,,,321nyyyy,...,,,321
niniiiniiiyxyx111
4. Si y son dos sucesiones de
nmeros entonces
niniiiniiiyxyx111
1.3 ACTIVIDAD
1.4 EJERCICIOS
5. Si ; calcular
a. b.
c. d.
6. Calcular; utilizando propiedades
a. b. c.
7. Pruebe si las expresiones A y B son iguales:
si,
541441241iiiixyx
412iix
412iix
4122iix13232iixx
4122iiii372112
3136iii
21nimjijxbxAxnmbB1
nimjijxx11
HISTORIA DE LA ESTADSTICA
Desarrollo histrico de la estadstica
El trmino estadstica se emple para referirse a los datos del
estado. En la Europa Medieval se utiliz la estadstica para llevar
datos sobre la poblacin de un estado, los diezmos y los impuestos
Hay algunos personajes fundamentales en el desarrollo de la
estadstica
Adolph Quetelet
(1796-1874
Fue el primero en aplicar mtodos modernos a un conjunto de datos
y es considerado el padre de la estadstica
Francis Galton
(1822-1911)
Cre la teora de regresin que posteriormente refin su discpulo
Karl Pearson (1857-1936)
Ronald Fisher
(1890-1962)
2
CAPITULO 2
COMPETENCIA
Describir y analizar grficamente diferentes tipos de informacin
EJE TEMATICO
Concepto de Estadstica como ciencia
Trminos bsicos
Mtodos grficos para describir informacin. Cualitativa
Grafico de barras y circulares
Mtodos Grficos para variables cuantitativas
Histogramas de frecuencia para datos no agrupados
Histograma de frecuencia para datos agrupados
2. ESTADISTICA DESCRIPTIVA
.
Coleccin de todos los automviles que pertenecen a todos los
miembros del cuerpo docente:
____________________________________________________
.
Valor en pesos de cada automvil individual: ________________
.
Los valores de los autos de cada uno de los docentes de
Idiomas:
____________________________________________________
.
Le pregunto a cada docente de idiomas el valor de su auto:
____________________________________________________
.
El valor promedio de todos los automviles de los docentes del
Instituto es de $1.700.830 dlares:
__________________________________________
.
El automvil del profesora Snchez est valuado en $14.594.000
: ___________________________________________________
Situacin 2.
Comer juntos: sigue siendo importante.
A continuacin se presentan los resultados obtenidos en una
encuesta realizada respecto a la importancia de que una familia
coma junta.
Con la informacin suministrada, responda las siguientes preguntas
Qu tan importante es para usted cenar con su familia ?
No
20%
Si.
80%
Algo
28%
Mucho 74%
La mayor parte de su familia cen junta ayer ?
No mucho (4%)
En los ltimos siete das, Cuntas veces cen junta la mayor parte
de su familia?
0 1 2 3 4 5 6 7
7 7 8 8 13 3 8 46
N.das
Porcentaje
Cuando su familia cena junta Cunto tiempo dura la cena?
Duracin hora 45 min ms de 1 h. < h 1 hora lo ignora
Porcentaje 48% 21% 2% 20% 8% 1%
a. Mencione las cuatro variables.
b. Qu tipo de variable es cada una?
Situacin 3.
Un fabricante de medicamentos est interesado en la proporcin de
personas que padecen hipertensin (presin arterial elevada) cuya
condicin pueda ser controlada por un nuevo producto desarrollado
por la empresa. Se condujo un estudio en el que participaron 5000
personas que padecen de hipertensin, y se encontr que 80% de
las personas pueden controlar su hipertensin con el medicamento.
Suponiendo que las cinco mil personas son representativas del
grupo con hipertensin, conteste las siguientes preguntas:
a.
b.
c.
d.
e.
Cul es la poblacin?
Cul es la muestra?
Identifique el parmetro de inters
Identifique la estadstica y proporcione su valor
Se conoce el valor del parmetro?
Situacin 4.
La fbrica de gaseosas la Sed proyecta lanzar al mercado un nuevo
sabor. Se
Realiza un test de aceptacin de dicho sabor a 20 nios, utilizando
una escala de 10 puntos, para medir el grado de aceptacin. Uno
de los nios (Pedro) acepto el nuevo sabor con 7 puntos. Los
puntos obtenidos en los 19 nios restantes son los siguientes.
2,6,7,4,5,5,9,8,7,5,1,8,4,7,7,7,6,5,4.
La muestra estuvo compuesta por igual nmero de nios de ambos
sexos, de 6 a 12 aos, pertenecientes a una Escuela de la Ciudad
y as sucesivamente
11fF
212ffF
3213fffF
niiifF1
- Cuarta columna: Frecuencia Relativa, se representa por , Se
calcula dividiendo cada frecuencia absoluta por el numero
total de observaciones n. as:
ih
nfhii
- Quinta Columna: Frecuencia Relativa acumulada,
representada por , correspondiente a cada valor de . Se
calcula sumando la frecuencia relativa en cada valor , As:
iH
y as sucesivamente
=1
La tabla para datos simples quedara:
Tabla 1: Tabla de distribucin de frecuencias datos sin
agrupar
11hH
212hhH
3213hhhH
niiihH1
iX
if
iF
ih
iH
% *
ih
1X
1f
1F
nfh11
1h
1001h
2X
2f
2F
nfh22
21hh
1002h
.
.
nX
nf
nF
nfhnn
nhhh.21
100nh
%
11LSLI
22LSLI
nnLSLI
01234567x1x2x3x4x5
HISTOGRAMA:
Estudiantes
MATERIA
Matemticas
CTS
Lengua
Materna
TOTAL
Aprobaron
100
50
70
220
No
aprobaron
40
20
20
80
Desertaron
15
30
5
50
TOTAL
155
100
95
350
2.8 EJERCICIOS
DESCRIPCION DE LA INFORMACION POR
TABLAS
1. El gobierno desea averiguar si el nmero medio de hijos por
familia ha descendido respecto de la dcada anterior. Para ello ha
encuestado a 50 familias respecto al nmero de hijos, y ha obtenido
los siguientes datos:
2
4
2
3
1
2
4
2
3
0
2
2
2
3
2
6
2
3
2
2
3
2
3
3
4
3
3
4
5
2
0
3
2
1
2
3
2
2
3
1
4
2
3
2
4
3
3
2
2
1
Se
a)
b)
c)
d)
e)
f)
g)
pide:
Cul es la poblacin objeto de estudio?
Qu variable estamos estudiando?
Qu tipo de variable es?
Construir la tabla de frecuencias?
Cul es el nmero de familias que tiene como mximo 2 hijos?
Cuntas familias tienen ms de 1 hijo, pero como mximo 3?
Qu porcentaje de familias tiene ms de 3 hijos?
h) Realice el grafico
2. Las siguientes son las dimensiones en milmetros, de tornillos
elaborados por una mquina en la empresa z
174
170
167
159
162
169
168
156
188
168
187
188
168
185
184
174
170
159
178
169
173
186
184
178
176
186
174
163
156
160
10
1
73
75
75
76
77
78
79
80
81
82
84
86
87
89
90
91
92
93
96
99
102
103
104
106
107
107
110
112
114
116
117
119
123
125
129
180198
402223
440198
546039
663476
184376
402489
453729
546542
663966
224896
417376
461788
551905
682091
250364
417437
462620
566340
693258
278180
420434
487794
566940
724349
CLASE i
LIi
LSi
Xi
fi
Fi
hi
Hi
1
68
15
78
20
15
60
aos
b. Que porcentaje de trabajadores laboran entre 10 y menos de 19
aos
c. Que porcentaje de trabajadores laboran 15 o mas aos
d. Calcule la media e interprete.
e. Que porcentaje de trabajadores tienen 15 aos o mas de
tiempo laborado en la empresa.
3
CAPITULO 3
COMPETENCIA
Describir y analizar informacin cuantitativa utilizando mtodos
numricos.
EJES TEMATICOS
Mtodos numricos para describir informacin
Medidas de tendencia central
Media aritmtica
Mediana
Moda.
Medidas de Dispersin:
Desviacin estndar
Coeficiente de variacin
Regla emprica
3. METODOS NUMERICOS PARA DESCRIBIR
INFORMACION
Para realizar comparaciones cuantitativas, se requieren
descripciones de datos ms concisas, que las obtenidas por medio
de un histograma.
Investigue:
a. Cual es; y a que es igual la media poblacional?
b. Ser igual la media aritmtica para datos simples y
agrupados?
3.1.2 MEDIANA:
La mediana corresponde al valor situado en el centro de las
observaciones, cuando estas son agrupadas en orden de magnitud;
es decir la mediana parte a la distribucin de datos en dos partes
iguales, por ser tambin una medida de localizacin no es afectada
por valores extremos.
3.1.2.1 CALCULO DE LA MEDIANA PARA DATOS SIN
AGRUPAR:
Para el clculo de la mediana se deben tener los datos
organizados en orden ascendente y se debe considerar cuando el
nmero de datos es impar o par.
21nexm
b) Cuando el numero de datos es par ( n par) la mediana es la
suma de los dos valores centrales dividida por dos .
El
La
La
La
El
Rango
desviacin media
varianza
desviacin Tpica o Estndar
coeficiente de variacin.
3.3.1 LA VARIANZA
Calculo de la Varianza:
i= 1,2, ..,N Varianza Poblacional
i= 1,2, .,n Varianza Muestral
3.3.1.1 ACTIVIDAD
Demuestre utilizando propiedades de sumatorias que, la varianza
tambin puede ser igual a:
=
3.3.2 DESVIACION ESTNDAR
Indica el grado de dispersin o alejamiento de los datos con
respecto a su promedio. Se calcula como la raz cuadrada de la
varianza.
Calculo de la desviacin Tpica o estndar:
i= 1,2,3, .,n
3.3.3 COEFICIENTE DE VARIACION
NfXiiNi212
niiinfXXS1221
niiinfXXS1221
niiinXnfX1221
122nXnfXSii
Es el porcentaje de variacin de la distribucin de datos. Se puede
definir en forma emprico, que si el valor del coeficiente no excede
a.
b.
c.
d.
e.
f.
g.
4
15
0,375
30
5
0,25
curso de geometra.
c. Calcular el 75% de la informacin.
d. Cual es el nmero de hermanos que mas tienen los
estudiantes del curso de geometra del ITM.
e. Calcular la mediana de la informacin e interpretar resultados.
0
6
1
10
2
12
3
8
4
5
5
4
6
3
8
1
10
1
25
2 - 4
20
4 - 6
15
6 - 8
17
8 - 10
13
INTERVALOS
CI <95
CI = o > 95
1000 - 3000
75
19
3000 - 5000
35
26
5000 - 7000
20
25
7000 - 9000
30
30
9000 - 11000
25
54
11000 -11999
15
46
0,120
0,107
0,123
0,109
0,128
0,117
0,111
0,112
0,101
0,112
0,111
0,119
0,103
0,100
0,094
0,108
0,120
0,099
0,102
0,129
0,115
0,121
0,130
0,134
0,114
iF
118
127
0,075
127 136
0,200
136
145
0,425
145
154
0,700
154
163
0,850
163
172
0,900
172
181
200
10
200
400
13
400 - 600
17
600
800
42
800-1000
18
4
CAPITULO 4
COMPETENCIA
Conocer el concepto de probabilidad, su terminologa y el
Clculo de probabilidades simples
EJES TEMATICOS
Introduccin a la probabilidad
Modelo clsico de probabilidad
Anlisis combinatorio
Reglas de la probabilidad
Teorema de Bayes
4 PROBABILIDADES
La estadstica consta de
evaluar la confiabilidad
mustrales. De todas las
concepto de probabilidad
4.1.1 ACTIVIDAD.
Segn las definiciones anteriores, construye un ejemplo que
represente estas definiciones.
nesobservaciodetotalnumeropasadoeleneventoelocurridohaqueevecesdnumeroEP
4.4 ACTIVIDAD
4.5.1.2 ACTIVIDAD
)(APBAABP
Si,
BPABBAP0,BPAP
4.5.3.2 ACTIVIDAD:
1. Identifica la diferencia entre eventos mutuamente excluyentes y
eventos independientes.
2. Investiga sobre el diagrama del rbol.
r )!
Donde:
nPr es el nmero de permutaciones posible
n es el nmero total de objetos
r es el nmero de objetos utilizados en un mismo momento
n P r =
n!
=
3!
=
3 x 2
= 6
(n
r )!
( 3
3 )!
Ejemplo:
Suponga que hay ocho tipos de computadora pero solo tres
espacios disponibles para exhibirlas en la tienda de computadoras.
De cuantas maneras diferentes pueden ser arregladas las 8
mquinas en los tres espacios disponibles?
n P r =
n!
=
8!
=
8!
= 336
(n
( 8
5!
r )!
3 )!
n C r =
n!
r! (n
r )!
Ejemplo:
En una compaa se quiere establecer un cdigo de colores para
identificar cada una de las 42 partes de un producto. Se quiere
marcar con 3 colores de un total de 7 cada una de las partes, de tal
suerte que cada una tenga una combinacin de 3 colores
diferentes. Ser adecuado este cdigo de colores para identificar
las 42 partes del producto?
r )!
3 )!
3! 4!
4.5 EJERCICIOS
PROBABILIDAD
110
Industria
Privada () 2A
40
210
Gobierno () 3A
40
0
70
TOTAL
200
11. En una caja que contiene tres bolas, una roja, una azul y una
blanca, se extraen 2 bolas cual es la probabilidad de extraer una
bola roja y una azul?
5
CAPITULO 5
COMPETENCIA
Comprender el concepto de variable aleatoria asociada a una
distribucin de probabilidad
EJES TEMATICOS
Variables aleatorias discretas empricas y su distribucin de
probabilidad
Valor esperado de las variables Discretas
Variables aleatorias continuas y su distribucin de probabilidad
Valor esperado de las variables continas
5 VARIABLES ALEATORIAS
Una variable aleatoria (v.a) es un evento numrico cuyo valor se
determina mediante un proceso al azar. Cuando se asignan valores
de probabilidad a todos los datos numricos posibles de una
variable aleatoria X, ya sea mediante un listado o a travs de una
funcin matemtica, se obtiene como resultado una distribucin de
probabilidad. La suma de las probabilidades para todos los
resultados numricos posibles debe ser Igual a 1. Pueden denotarse
S=ss,cs,sc,ccGRAFICAMENTEsscs,sccc012SX1/42/41/4f(x)=P(X=x)
P(X=0)=1/4P(X=1)= 2/4P(X=2)= 1/4S=ss,cs,sc,ccS=ss,cs,sc,ccGRAFICAMENTEsscs,sccc012SX1/42/41
P(X=0)=1/4P(X=1)= 2/4P(X=2)= 1/4
f (x) se llama funcin de probabilidades de la v.a.x
Es importante observar como S f( X ) = 1. Algunos autores
definen como funcin PUNTUAL DE PROBABILIDAD o FUNCION
DE CUANTIA a una funcin que cumpla la condicin
Xf (X )
0 1 2
1/4 2/4 1/4
Xf (X )
0 1 2
1/4 2/4 1/4
30)3()2()1()0()()3()3(
XffffXfXPF
15/36
7
6/36
21/36
8
5/36
26/36
9
4/36
30/36
10
3/36
33/36
11
2/36
35/36
12
1/36
36/36
)()(
1iniiXfXXE
36112......
36233612)(XE
6
CAPITULO 6
COMPETENCIA
Reconocer el modelo Binomial, Hipergeomtrico y Poisson como
unas de las distribuciones de probabilidad ms aplicadas variables
a aleatorias discretas
EJES TEMATICOS
Distribucin Binomial
Distribucin Hipergeomtrica
Distribucin Poisson
6. DISTRIBUCIONES DE DE PROBABILIDAD
DISCRETA
En la distribucin de probabilidad discreta la variable pude tomar
slo un nmero limitado de valores. Las distribuciones de
probabilidad discretas que veremos a taves del curso son la
Binomial, La hipergeometrica y la Poisson.
6.1 DISTRIBUCIN BINOMIAL
Supongamos que un experimento aleatorio tiene las siguientes
caractersticas:
.
En cada prueba del experimento slo son posibles dos
resultados: el suceso A (xito) y su contrario A .(fracaso).
.
El resultado obtenido en cada prueba es independiente de los
resultados obtenidos anteriormente.
.
La probabilidad del suceso A es constante, la representamos
por p, y no vara de una prueba a otra. La probabilidad de A
es 1- p y la representamos por q .
.
El experimento consta de un nmero n de pruebas.
Todo experimento que tenga estas caractersticas diremos que
sigue el modelo de la distribucin Binomial. A la variable X que
expresa el nmero de xitos obtenidos en cada prueba del
experimento, la llamaremos variable aleatoria binomial.
La variable binomial es una variable aleatoria discreta, slo puede
tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se han
realizado n pruebas. Como hay que considerar todas las maneras
posibles de obtener k-xitos y (n-k) fracasos debemos calcular
stas por combinaciones (nmero combinatorio n sobre k).
La distribucin Binomial se suele representar por B(n,p) siendo n
y p los parmetros de dicha distribucin.
6.1.1 FUNCIN DE PROBABILIDAD DE LA V.A. BINOMIAL
Funcin de probabilidad de la distribucin Binomial o tambin
denominada funcin de la distribucin de Bernoulli (para n=1).
Probabilidad de obtener k-exitos en la muestra.
knkqpknkXp)(
Ejemplo 2
La probabilidad de xito de una determinada vacuna es 0,72.
Calcula la probabilidad de a que una vez administrada a 15
pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad
Solucin :
Se trata de una distribucin binomial de parmetros B(15, 0.72)
Ejemplo 3
La probabilidad de que el carburador de un coche salga de fbrica
defectuoso es del 4 por 100. Hallar:
a) El nmero de carburadores defectuosos esperados en un lote de
1000
b) La varianza y la desviacin tpica.
Solucin:
p(de
Solucin:
a) N = 10 proyectiles en total
k= 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos
define el nmero de proyectiles que explotan entre la muestra
que se dispara
b) N = 10 proyectiles en total
k = 3 proyectiles que no explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2 o 3 proyectiles que no explotan
p(al menos 2 no exploten) = p( 2 o ms proyectiles no exploten) =
3. a)Cul es la probabilidad de que una mesera se rehse a servir
bebidas alcohlicas nicamente a dos menores de edad si verifica
aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los
cuales 4 no tienen la edad suficiente?, b) Cal es la probabilidad
de que como mximo 2 de las identificaciones pertenezcan a
menores de edad?
Solucin:
a) N = 9 total de estudiantes
16667021035210135444100347.
))((
CC*C)n;x(p
)4;3,,2(noxp
3333330210702107632107121341017332723.
))(())((
CC*CC*C
k = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que
pertenecen a personas menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
b) N = 9 total de estudiantes
k = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que
pertenecen a personas menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
6.3 DISTRIBUCIN DE POISSON
La distribucin de Poisson es una distribucin de probabilidad
discreta. Expresa la probabilidad de un nmero de eventos
ocurriendo en un tiempo fijo si estos eventos ocurren con una tasa
media conocida, y son independientes del tiempo desde el ltimo
evento.
238095012610352593524.
))((
CC*C)n,x(p
1261065411521059352445145504))(())(())((
CC*CC*CC*C)n;,,x(p
)5;2,1,0(nxp6428601268112660201.
14. Una caja de vino tiene 12 botellas, tres de las cuales contienen
vino descompuesto. De la caja se elige al azar una muestra de 4
botellas:
a. Cul es la probabilidad de que 2 salgan descompuestas?
b. Cul es la probabilidad que ms de tres estn descompuestas?
15. Un producto industrial particular se enva en lotes de 20. El
anlisis para determinar si un artculo tiene defectos es costoso por
lo tanto, el fabricante emplea una muestra para no tener que
inspeccionar el 100%. El plan de muestreo consiste en sacar 5
artculos de cada lote y rechazarlo si se observa ms de un articulo
defectuoso (si el lote se rechaza se prueba cada uno de los
artculos) si en un lote hay 4 artculos defectuosos. Cul es la
probabilidad que sea aceptado?
7
CAPITULO 7
COMPETENCIA
Reconocer el modelo Normal como una de las distribuciones de
probabilidad mas aplicadas a variables aleatorias Continuas
EJES TEMATICOS
Distribucin Normal
Aproximaciones de la Binomial a la Poisson
Aproximaciones de la Binomial a la Normal
7. DISTRIBUCIONES DE DE PROBABILIDAD
CONTINUAS
Como vimos anteriormente las distribuciones continuas son las que
pueden tomar cualquier valor en un intervalo. La distribucin
continua ms importante es la Normal.
7.1 DISTRIBUCION NORMAL
Z0,000,010,020,030,040,050,00,50000,50400,50800,51200,51600,51990,10,53980,54380,54780,5517
Ejercicio 1
La vida til de cierto tipo de lavadora automtica tiene una
distribucin aproximadamente normal con una vida promedio de
3.1 aos y una desviacin estndar de 1.2 aos.
a. Cul es la probabilidad de que una lavadora dure entre 2.9 y 3.5
aos?
b. Si este tipo de lavadora tiene garanta de un ao, que fraccin de
la cantidad vendida originalmente, necesitar ser reemplazada?
Solucin: sea X la variable de inters que significa el nmero de
aos de duracin de cierto tipo de lavadora.
Parmetros: tiempo de vida promedio
Desviacin estndar
a.
0.6293-0.4325=0.1968
El 19.68% de las lavadoras tienen una vida til entre 2.9 y 3.5 aos
El 4% de las lavadoras durarn menos del ao de garanta.
Ejercicio 2
La resistencia a la traccin de cierto componente de metal se
distribuye normalmente con una media de 10.000 kilogramos por
centmetro cuadrado y una desviacin estndar de 100 kilogramos
por centmetro cuadrado.
Que proporcin de estos componentes excede 10.150 kilogramos
por centmetro cuadrado de resistencia a la traccin?
a. Si las especificaciones requieren que todos los
componentes tengan resistencia a la traccin entre 9.800 y
10.200 kilogramos por centmetro cuadrado inclusive, que
proporcin de piezas esperara que se descartaran?
b. Que resistencia mxima cubre el 2.5% de los
componentes?
8
CAPITULO 8
8. TABLAS DE DISTRIBUCIONES
En esta seccin encontraremos las tablas de la distribuciones:
Binomial, Poisson y Normal.
8.1 TABLA DE LA DISTRIBUCION POISSON ACUMULADA
(CONTINUACION)
(CONTINUACION)
BIBLIOGRAFIA
.
WALPOLE ,Ronald, MYERS Raymon :PROBABILIDAD Y
ESTADSTICA 4aed; Mexico: Editorial, Mc Graw Hill 1992, 797
p
.
CANAVOS, George PROBABILIDAD Y ESTADSTICA :
APLICACIONES Y MTODOS Mxico: McGraw-Hill, 1988,
651 p
.
BERENSON, Marck L, LEVINE David: ESTADSTICA BASICA
EN ADMINISTRACIN CONCEPTOS Y APLICACIONES;
6aed Mxico : Prentice-Hall, 1996, 943 p
.
BERENSON, Marck L, LEVINE David: ESTADSTICA PARA
ADMINISTRACIN Y ECONOMA, CONCEPTOS Y
APLICACIONES; Bogot : McGraw-Hill, 1993, 720 p.
.
SOTO MAYOR Gabriel Velazco PROBABILIDAD Y
ESTADSTICA PARA INGENIARA Y CIENCIAS, Mxico :
Thomson Learning, 2001,326 p
.
MENDENHALL William: PROBABILIDAD Y ESTADSTICA
PARA INGENIERA Y CIENCIAS. 4aed Mexico1997; editorial
Prentice Hall, 1182 p. + Disquete.
.
MONTGOMERY, Doglas PROBABILIDAD Y ESTADSTICA
APLICADAS A LA INGENIERA: Mxico : McGraw-Hill, 1994,
895 p
.
MILLER, Irwing: PROBABILIDAD Y ESTADSTICA PARA
INGENIEROS. 4. ed, Mxico : Prentice-Hall, 1992, 624