Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Archive PDF
Archive PDF
IBAGU
FEBRERO 2013
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 2
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
COMITE DIRECTIVO
Gloria Herrera
Vicerrector de Medios y mediaciones Pedaggicos
Inferencia Estadstica
Tercera Versin
Actualizacin por Jeammy Julieth Sierra Hernndez
Copyright
Universidad Nacional Abierta y a Distancia
ISBN
2012
OBJETIVOS ESPECFICOS:
Que el estudiante identifique las tcnicas y procedimientos que se
deben emplear para que las muestras sean representativas de la poblacin
que se pretende estudiar, de forma que los errores en la determinacin de
los parmetros de la poblacin objeto de estudio sean mnimos.
Conocer los criterios tcnicos que hay que tener en cuenta antes
de seleccionar un tamao de muestra.
UNIDADES DIDCTICAS
INTRODUCCIN ...................................................................................................................................6
UNIDAD UNO:......................................................................................................................................7
MUESTREO, DISTRIBUCIN MUESTRAL E INTERVALOS DE CONFIANZA .............................................7
CAPITULO UNO: PRINCIPIOS DE MUESTREO ................................................................................... 8
Leccin No 1: Conceptos Bsicos .............................................................................................. 10
Leccin No 2: Tipos de muestreo y seleccin de muestra ........................................................ 15
Leccin No 3: Tipos de Seleccin de Muestras ......................................................................... 30
Leccin No 4: Mtodos de Inferencias, Paramtrico y No Paramtrico ................................... 31
Leccin No 5: Estimadores y propiedades de los estimadores ................................................. 34
................................................................................................................................................... 36
CAPITULO DOS: DISTRIBUCIONES MUESTRALES ........................................................................... 37
Leccin No 6: Distribuciones Muestrales .................................................................................. 38
Leccin No 7: Distribucin Muestral de la Media y de la Proporcin ....................................... 40
Leccin No 8: Distribucin Muestral de la proporcin.............................................................. 58
Leccin No 9: Distribucin Muestral de Diferencias de Medias y de la Proporciones .............. 63
Leccin No 10: Tamao de la muestra para estimar la media, la proporcin y el total de la
Poblacin ................................................................................................................................... 67
CAPITULO TRES: INTERVALOS DE CONFIANZA .............................................................................. 74
Leccin No 11: Nociones Fundamentales. ................................................................................ 75
Leccin 12. Intervalos de confianza para medias y diferencias de medias con muestras
pequeas n 30 ..................................................................................................................... 80
Leccin 13. Intervalos de confianza para la media y diferencias de medias muestras grandes
n 30 .................................................................................................................................... 101
Leccin 14. Intervalos de confianza para la proporcin y diferencias de proporciones (siempre
son muestras grandes) n 30 .............................................................................................. 105
Leccin 15. Intervalos de confianza para la varianza poblacional. ......................................... 107
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA 6
INTRODUCCIN
El material est estructurado en dos unidades que son las temticas macro del
curso acadmico.
El contenido de cada una de las partes fue seleccionado, teniendo en cuenta los
saberes mnimos que se esperara debe alcanzar un estudiante de la
Universidad Nacional Abierta y a Distancia en el campo de la Inferencia
estadstica.
UNIDAD UNO:
Introduccin
Otro aspecto que justifica la decisin de tomar una muestra es en casos donde
se debe destruir los elementos de sta, por ejemplo cuando se desea
identificar el grado de vaco de un producto enlatado, la resistencia de un
material y otros.
En desarrollo del presente modulo, se utiliza la coma para indicar la parte decimal
de un nmero.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA 9
Objetivo general
Objetivos especficos
Existe una serie de trminos estadsticos bsicos, que son muy utilizados y se
requiere sean comprendidos para avanzar en otros temas o unidades, en
esta seccin se tratarn los conceptos de poblacin y muestra.
Ejemplo
n =Tamao de la muestra
=Promedio de muestra
S2 =Varianza Muestra
S =Desviacin estndar Muestra
=Total Estimado
p =Proporcin Muestra
Cuando los dos nuevos trminos de arriba son usados, por ejemplo, el proceso
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 13
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
de estimacin en inferencia estadstica puede ser descrito como el proceso de
estimar un parmetro a partir del estadstico correspondiente, tal como usar una
media muestra (un estadstico) para estimar la media de la poblacin (un
parmetro).
| | es el Parmetro y es el estadstico.
Entre los motivos que inducen a tomar una muestra aleatoria estn:
Unidad de observacin: Son los elementos que se miden; es decir, sobre los
que se toman los datos de las variables a medir. En el caso de los hogares, la
unidad de observacin sern las personas y en el caso de las llantas del
automvil, cada una sern las unidades de observacin.
Tipos de Muestreo
Muestreo probabilstico
Muestreo No probabilstico
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 16
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
2.1. Muestreo No Probabilstico
Muestra probabilstica
Una muestra se considera probabilstica si cumple con las siguientes
condiciones:
Ejemplo
Por ejemplo suponga que el lugar de partida escogido al azar fue la fila 05,
columna 1 (la columna 1 es la 12345) y la lectura sera vertical (aunque puede ser
horizontal):
97340
Este nmero no se escoge porque solo se escogen numerous entre
01 y 30. Se sigue buscando y se llega hasta un nmero menor o
igual a 30
Columna
Fuente:Web
Paso 3: Indicar segn las posiciones que arroja la tabla de nmeros aleatorios
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 21
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
cuales elementos se escogern para la muestra
Tabla 3:
Seleccin muestra de 5 recibos ejemplo 1
No. Recibo Valor $ No. Recibo Valor $ No. Recibo Valor $
01 $ 45.661 11 $ 37.798 21 $ 44.901
02 $ 43.629 12 $ 33.672 22 $ 40.155
03 $ 41.502 13 $ 39.607 23 $ 48.082
04 $ 45.069 14 $ 34.904 24 $ 32.825
05 $ 45.813 15 $ 36.701 25 $ 45.915
06 $ 49.687 16 $ 34.001 26 $ 30.382
07 $ 45.960 17 $ 36.302 27 $ 41.835
08 $ 35.001 18 $ 48.728 28 $ 47.227
09 $ 49.553 19 $ 48.706 29 $ 48.485
10 $ 46.976 20 $ 34.881 30 $ 45.159
Este mtodo de seleccin permite que todos los elementos que constituyen la
poblacin tengan la misma posibilidad de ser incluidos en la muestra. Los
elementos se escogen en forma individual y aleatoriamente de la totalidad de
la poblacin. Esta seleccin puede ser sin reemplazamiento, similar a la que
se realiza en la extraccin aleatoria de nmeros en el juego denominado baloto.
Cada elemento que constituye la muestra se selecciona una sola vez,
denominndose extracciones sin reposicin.
VIDEOS
Seleccin de
muestras a travs
de M.A.S
Para seleccionar una muestra aleatoria simple mediante este mtodo hay que
seguir los siguientes pasos:
Obtenidos los estratos, en cada uno se obtiene la muestra por M.A.S para el
estudio de la variable de inters.
Ejemplo
Poblacin de tutores del CEAD Ibagu - UNAD (ver figura 3). El tamao de la
poblacin 18 tutores (N= 18), la cual est dividida en 3 escuelas o subgrupos
(H=3). Cada escuela es un estrato, y se tiene que son diferentes los perfiles de los
tutores de una escuela a otra pero al interior de cada una son similares sus
profesiones, esto significa que los subgrupos son heterogneos entre s, pero
homogneos dentro de cada uno.
( ) Ecuacin No.1
Dnde:
N = Tamao de la poblacin
N= Tamao de la muestra
N= N1+N2+N3+..+Nh
n = n1 + n2++ ni
Ejemplo
N= 100
n = 20
N1= 40
N2= 35
N3= 25
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 27
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
( )
( )
( )
Dnde:
f = Fraccin de muestreo
N= Poblacin
n = Tamao de la muestra
Ejemplo
f = Fraccin de muestreo
N= Poblacin
n = Tamao de la muestra
Ejemplo
Ejemplo
Ejemplo
Ejemplo
Para los propsitos de esta seleccin, los valores podran ser el nmero de
las personas que viven en cada una de cuatro unidades habitacionales que
constituyen una poblacin. Se realizar una comparacin entre el muestreo
aleatorio con y sin reemplazamiento para una muestra de tamao n=2.
Primero se listan todas las posibles muestras no ordenadas de tamao n= 2.
Tabla 4:
Para recordar:
Tcnicas de conteo
Muestreo Con Orden Sin Orden
Con Repeticin Regla del exponente (o permutaciones Combinaciones
con repeticin) ( )
n ( )
N ( )
Multiplicacin de opciones:
n1 x n2 x n3.
( )
4. Mtodos De Inferencia
Los procedimientos de inferencia permiten establecer conclusiones acerca de
una poblacin, a partir de las propiedades estudiadas en una muestra de ella.
Adems, como dichas conclusiones dependen de sucesos aleatorios, se les
asociar un nivel de confianza o de verosimilitud.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 32
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
Mtodos de
Inferencia
No
Parmetrico
Parmetrico
Pruebas de Pruebas No
Estimacin
Hiptesis Parmetricas
Ventajas y Desventajas
Ventajas
Desventajas
5. Estimador
En estadstica, un estimador es un estadstico (esto es, una funcin de la
muestra) usado para estimar un parmetro desconocido de la poblacin. Por
ejemplo, si se desea conocer el precio medio de un artculo (el parmetro
desconocido) se recogern observaciones del precio de dicho artculo en
diversos establecimientos (la muestra) y la media aritmtica de las
observaciones puede utilizarse como estimador del precio medio.
5.1.1. Insesgado
5.1.2. Eficiencia:
5.1.3. Consistencia:
5.1.4. Suficiencia:
Ejercicios propuestos
Introduccin
Objetivo general
Objetivos especficos
Como bien lo afirma Ximenez, C. (S, F.) La estadstica inferencial trata sobre las
inferencias con respecto a las poblaciones (sus parmetros y 2) a partir de la
informacin contenida en las muestras (los estadsticos y S2).
Para poder llevar a cabo esas inferencias es necesario conocer la relacin que se
establece entre estadsticos y parmetros. El concepto que permite poner en
relacin ambas cosas es la distribucin muestral de un estadstico.
Con todos los resultados del estadstico en todas las muestras, se forma la
distribucin muestral del estadstico.
Ejemplo
Poblacionalmente se tiene:
Parmetros
E(X)= 2.5
Var (X)= 1.1180
Los estadsticos obtenidos en una muestra son variables aleatorias, por lo cual
deben tener una distribucin de probabilidad, as que la media muestral tiene una
distribucin.
( )
( )
( )
( )
Comentario:
Las muestras aleatorias obtenidas de una poblacin son, por naturaleza propia,
impredecibles. No se esperara que dos muestras aleatorias del mismo tamao y
tomadas de la misma poblacin tenga la misma media muestral o que sean
completamente parecidas; puede esperarse que cualquier estadstico, como la
media muestral, calculado a partir de las medias en una muestra aleatoria, cambie
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 42
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
su valor de una muestra a otra, por ello, se quiere estudiar la distribucin de todos
los valores posibles de un estadstico. Tales distribuciones sern muy importantes en
el estudio de la estadstica inferencial, porque las inferencias sobre las poblaciones
se harn usando estadsticas muestrales. Como el anlisis de las distribuciones
asociadas con los estadsticos muestrales, podremos juzgar la confiabilidad de un
estadstico muestral como un instrumento para hacer inferencias sobre un parmetro
poblacional desconocido.
Como los valores de un estadstico, tal como x, varan de una muestra aleatoria a
otra, se le puede considerar como una variable aleatoria con su correspondiente
distribucin de frecuencias.
Tabla 5:
Tabla No. Salario profesores
Profesor Salario $
1 7000
2 7000
3 8000
4 8000
5 7000
6 8000
7 9000
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 43
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
( )
Entonces:
( ) (9 ) 9 9
Recuerde que la desviacin es la raiz cuadrada de la varianza, entonces la
desviavin en este caso es 9 9 699
7! 7! 5! 6 7 42 42
7 2= = = = = = 21
(7 2)! 2! (5)! 2! 5! 2! 2! 2
Tabla 6:
Distribucin salarios de profesores. Muestreo sin reemplazamiento y las medias
Muestra Prof. Salario Media Muestra Prof. Salario Media
1 1y2 7000-7000 7000 12 3y4 8000-8000 8000
2 1y3 7000-8000 7500 13 3y5 8000-7000 7500
3 1y4 7000-8000 7500 14 3y6 8000-8000 8000
4 1y5 7000-7000 7000 15 3y7 8000-9000 8500
5 1y6 7000-8000 7500 16 4y5 8000-7000 7500
6 1y7 7000-9000 8000 17 4y6 8000-8000 8000
7 2y3 7000-8000 7500 18 4y7 8000-9000 8500
8 2y4 7000-8000 7500 19 5y6 7000-8000 7500
9 2y5 7000-7000 7000 20 5y7 7000-9000 8000
10 2y6 7000-8000 7500 21 6y7 8000-9000 8500
11 2y7 7000-9000 8000
Suma Total 162.000
Tabla 7:
Distribucin de probabilidad
7000 3 0,1429
7500 9 0,4285
8000 6 0,2857
8500 3 0,1429
Suma 21 1,000
Ecuacin No.2
Primero se obtiene todas las muestras (todos los subconjuntos) y luego a cada
muestra le calcula la media, finalmente obtendr, tantas medias como muestras
haya, y con esas medias calcula de nuevo un promedio; es decir, se calcula una
media de medias.
6
Error Muestral
Cualquier medida conlleva algn error. Si se usa la media para medir, estimar, la
media poblacional , entonces la media muestral, como medida, conlleva algn
error. Por ejemplo, supongamos que se ha obtenido una muestra aleatoria de
tamao 25 de una poblacin con media ; si la media de la muestra es
, entonces a la diferencia observada se le denomina
el error muestral. Una media muestral x puede pensarse como la suma de dos
cantidades: la media poblacional y el error muestral; si e denota el error
muestral, entonces:
Ecuacin No.3
Tabla 8:
Distribucin de errores muestrales. Salario promedio de profesores
Media de la muestra Media de las medias muestrales Error muestral
Muestra No.
e
1 7000 7714,3 -714,3
2 7500 7714,3 -214,3
3 7500 7714,3 -214,3
4 7000 7714,3 -714,3
5 7500 7714,3 -214,3
6 8000 7714,3 285,7
7 7500 7714,3 -214,3
8 7500 7714,3 -214,3
9 7000 7714,3 -714,3
10 7500 7714,3 -214,3
11 8000 7714,3 285,7
12 8000 7714,3 285,7
13 7500 7714,3 -214,3
14 8000 7714,3 285,7
15 8500 7714,3 785,7
16 7500 7714,3 -214,3
17 8000 7714,3 285,7
18 8500 7714,3 785,7
19 7500 7714,3 -214,3
20 8000 7714,3 285,7
21 8500 7714,3 785,7
( )
Y otra forma es:
Dnde:
:
. . .
9. . 9. .
. 6 Varianza
Desviacin
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 48
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
En general se tiene:
Ecuacin No.4
Ecuacin No.5
: Es llamado factor de correccin para poblaciones finitas, o en donde
se muestrea sin reemplazo.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 49
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
Ms adelante se ver que, estas dos concepciones hacen parte de los principios
del teorema del lmite central. Para lo cual se desarrollan dos ejemplos, uno de
muestreo con reemplazamiento y otro sin reemplazamiento.
si
Es la poblacin
infinita?
No
si
Se muestrea
con sustitucin?
No
si
Es N 20n?
O sea:
Hay que destacar tres aspectos importantes del teorema central de lmite.
Primer principio:
Si el tamao de la muestra n es suficientemente grande, la distribucin muestral
de las medias ser ms o menos normal. Esto se cumple ya sea que la poblacin
est o no distribuida normalmente. Esto es, el teorema se verifica, ya sea que la
poblacin est distribuida en forma normal, o bien sea sesgada o uniforme.
Segundo principio:
Como se mostr con anterioridad, la media de la poblacin, , y la media de todas
Tercer principio:
La varianza de la distribucin de medias muestrales se determina de 2 / n .
No existe acuerdo general sobre lo que constituye un tamao de muestra
suficientemente grande. Algunos estadsticos consideran que es 30; otros
piensan que un nmero pequeo como 12 es adecuado. El ejemplo sobre los
salarios por hora de todos los profesores del colegio funcion bastante bien con
una muestra de 2. Sin embargo, a menos que la poblacin sea aproximadamente
normal, los tamaos de muestra as de pequeos, por lo general no dan como
resultado una distribucin muestral que se distribuya normalmente. A medida que
el tamao de la muestra se vuelve cada vez ms grande, la distribucin de la
media muestral se aproxima ms a la distribucin normal con forma de campana.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 51
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
Ejemplo: Muestreo sin Reemplazamiento
1 N 1 2 3 4 5
xi 3 Promedio de aos de experiencia por empleado.
N i 1 5
1 N 1
2
N i 1
( xi ) 2 (1 3) 2 (2 3) 2 ... (5 3) 2 1.999
5
Tabla 9:
Distribucin de las medias muestrales
Muestra Media Muestral X Muestra Media Muestral X
1-2 1.5 24 3.0
13 2.0 25 3.5
14 2.5 3 4 3.5
15 3.0 3 5 4.0
23 2.5 4-5 4.5
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 52
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
1.5 2.0 2.5 3.0 2.5 3.0 3.5 3.5 4.0 4.5
X 3
10
N n
X
n N 1
Ecuacin No.6
Dnde:
1,4142 5 2
x 0,8660
2 5 1
El segundo principio del teorema central del lmite para poblaciones finitas se
expresa: La desviacin estndar de la distribucin muestral de medias es igual al
factor de correccin poblacional multiplicada por la relacin entre la desviacin
estndar poblacional y la raz cuadrada del tamao de la muestra. Dicho principio
queda demostrado con la relacin anterior.
Tabla 10:
Distribucin de las medias muestrales
No. muestra Muestra Media muestral No. muestra Muestra Media muestral
1 1-1 1.0 14 3-4 3.5
2 1-2 1.5 15 3-5 4.0
3 1-3 2.0 16 4-1 2.5
4 1-4 2.5 17 4-2 3.0
5 1-5 3.0 18 4-3 3.5
6 2-1 1.5 19 4-4 4.0
7 2-2 2.0 20 4-5 4.5
8 2-3 2.5 21 5-1 3.0
9 2-4 3.0 22 5-2 3.5
10 2-5 3.5 23 5-3 4.0
11 3-1 2.0 24 5-4 4.5
12 3-2 2.5 25 5-5 5.0
13 3-3 3.0
X X
1.0
n 25
X Correccin para poblaciones no finitas
n
1.41421356
Reemplazando en el caso que nos ocupa: x 1
2
Para transformar una variable normal general en una normal estndar (este
proceso se llama tipificar) se debe:
X~N( , ) ~ N(0,1)
Ejemplo
La dcima del valor buscado (por ejemplo en 0.67, es 0.6) le indica el valor a
buscar en la primera columna; luego use la centsima para ubicarse en la primera
fila (por el ejemplo en 0.67, es 7); finalmente la interseccin de esas dos hileras es
la probabilidad buscada.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 55
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
As mismo, las medias muestrales se distribuyen como una normal, por tanto, se
puede calcular la probabilidad del comportamiento del estadstico, en este caso la
media de la muestral, de la siguiente manera:
Ejemplo
P( X > 1,60) = ?
Entonces
Ejemplo
Una empresa elctrica fabrica focos que tienen una duracin que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviacin
estndar de 40 horas. Encuentre la probabilidad de que una muestra aleatoria de
16 focos tenga una vida promedio de menos de 775 horas.
6
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 57
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
es equivalente:
Entonces:
No importa que distribucin tenga la poblacin, pero la distribucin muestral de
medias a partir de esa poblacin, tiene una distribucin normal
Ahora bien, se debe tener en cuenta que cuando se hace anlisis de una
caracterstica cualitativa o atributo, se emplea la proporcin de xitos y no el
nmero de xitos como en la distribucin binomial.
Una distribucin es una distribucin total de xitos en las muestras, mientras que
una distribucin de proporciones es la distribucin de un promedio (media) de los
xitos.
Ejemplo
Por lo que podemos decir que el 33% de las piezas de este lote estn
defectuosas.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 60
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
Tabla 11:
Distribucin de proporciones
Artculos Artculos Malos Proporcin de Nmero de
Buenos artculos maneras en las que
defectuoso se puede obtener la
muestra
1 4 4/5=0.8 8C1*4C4=8
2 3 3/5=0.6 8C2*4C3=112
3 2 2/5=0.4 8C3*4C2=336
4 1 1/5=0.2 8C4*4C1=280
5 0 0/5=0 8C5*4C0=56
Total 792
( ) ( 6 ) ( 6) ( ) ( 6)
9
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 61
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
( ) ( 6 ) ( ) 6 ( ) ( ) 6
9
.
Ecuacin No.9
( )( )
Este valor no coincide con el de 0.1681, ya que nos falta agregar el factor de
correccin para una poblacin finita y un muestreo sin reemplazo:
Ecuacin No.10
( )( )
Lo que da como resultado: 6
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 62
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
Para qu me sirve conocer la distribucin muestral de las proporciones?
Ecuacin No.11
Ejemplo
Cuarenta y seis por ciento de los sindicatos del pas estn en contra de comerciar
con la China Continental; Cul es la probabilidad de que en una encuesta a 100
sindicatos muestre que ms del 52% tengan la misma posicin?
9. Dos poblaciones.
Ecuacin No.13
( ) ( )
Ecuacin No.14
Ejemplo
x = 20 y = 25 x= 6 y= 5,5 n1 = 10 n2 = 9
P( x y > 0) = ?
0 20 25 0 5 5
Z 1,90
36 30,25 3,6 3,36 6,96
10 9
y P , siendo: P1 P1Q1 y P2 P2 Q2 .
2
El error estndar de las diferencias entre las dos medias proporcionales estar
dada por:
P1Q1 P2 Q2
P P Cuando son valores poblacionales
1 2
n1 n2
p1 q1 p 2 q 2
s P1 P2
n1 n2
P P P P P1 P2
1 2 1 2
p1 p2 P P2 p p 2 P1 P2
Z 1
1
cuando n1 y n 2 > 30
P1Q1 P2 Q2 p1 q1 p 2 q 2
n1 n2 n1 n2
Ejemplo
P P
1 2
= 0,14 0,20 = -0.06
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 67
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
p1 p 2 = 8% = 0,08
2 N n
B Z (1 / 2)
n N 1
Ecuacin No.15
Despejando n, se obtiene:
Z (21 / 2) 2 N
n
( N 1) B 2 Z 2 2
Ecuacin No.16
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 68
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
Ejemplo
2
B Z (1 / 2)
n
Ecuacin No.17
Entonces:
Z (21 / 2) 2
n
B2
Ecuacin No.18
Ejemplo
Z(1-/2)=Z0,975 = 1,96
B = 0,5 y = 1,5
Z (1 / 2) 2 (1,96) 2 (1,5) 2
n 34,57
B2 (0,5) 2
1 n
Se sabe que: p yi Para yi = 1.
n i 1
Ecuacin No.19
Despejando n se obtiene:
Z (21 / 2 ) p * qN NB 2
n
NB 2 Z (21 / 2 ) p * q
Ecuacin No.20
15
p 0,15 Luego q 1 0,15 0,85
100
Por consiguiente se debe tomar una muestra de 192 habitantes para estimar la
proporcin poblacional, con un lmite de error de 0,05 y un nivel de confianza de
95%.
Ejemplo
B 0,002132 0,04617
Ejemplos
Z 2 2 1,96 2 30.000
2
2. un auditor desea tener un nivel de confianza del 95%, para que la verdadera
proporcin de error no exceda del 2%. Si la poblacin es muy grande, Qu
tamao tendr la muestra que va a tomarse, si el auditor estima que la proporcin
de error es del 5%?
Z 2 PQ 2 2 0,050,95
n= = = 475 cuentas
E2 0,02 2
no Z 2 2
n= donde: no En variables
n
1 o E2
N
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 72
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
no Z 2 PQ
n= donde: no En proporciones
n
1 o E2
N
2 N n
B Z (1 / 2) N
2
n N 1
Ecuacin No.21
Despejando n se obtiene:
Z (21 / 2) N 3 2
n
( N 1) B 2 Z (21 / 2) 2 N 2
Ecuacin No.22
Ejemplo
Una compaa que hace estudios a nivel social, desea estimar el total de ingresos
de una poblacin de 3.000 habitantes que tiene ingresos. Por estudios previos se
sabe que la varianza poblacional para los ingresos es de $40.000 Cuntas
personas se deben tomar como muestra, si se asume un lmite de error de
estimacin de $100.000 y un nivel de confianza del 95%?
Los datos:
N = 3.000
2 = 40.000
B = 100.000
Entonces:
Z (21 / 2) N 3 2
n
( N 1) B 2 Z (21 / 2) 2 N 2
( )
Ecuacin No.23
( )
Ecuacin No.24
En este caso se calculan los tamaos con los mismos criterios anteriores, es decir
para muestras de igual tamao y tamaos desiguales, as:
( ) ( )
Objetivo general
Mostrar los diferentes mtodos para calcular los intervalos de confianza, a partir
de muestras grandes y pequeas, para estimar los parmetros poblacionales de
una media y proporcin, as como para la diferencia de medias y proporciones.
Objetivos especficos
Calcular el intervalo de confianza para estimar el parmetro poblacional a
partir de muestras pequeas, para una media y una proporcin.
Calcular el intervalo de confianza para estimar el parmetro poblacional a
partir de muestras grandes, para una media y una proporcin.
Calcular el intervalo de confianza para la diferencia de dos medias y dos
proporciones.
Exponer el uso de clculo de intervalos de confianza utilizando paquetes de
Excel y SSPS.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA 75
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
Los dos tipos de problemas que resuelven las tcnicas estadsticas son:
estimacin y contraste de hiptesis. En ambos casos se trata de generalizar la
informacin obtenida en una muestra a una poblacin. Estas tcnicas exigen
que la muestra sea aleatoria. En la prctica rara vez se dispone de muestras
aleatorias, por la tanto la situacin habitual es la que se esquematiza en la figura
11. Estimacin.
ESTIMACION
ESTIMACIN PUNTUAL
Una estimacin puntual es un nico valor estadstico y se usa para
estimar un parmetro. El estadstico usado se denomina estimador
Tabla 12:
Margen de error
MARGEN DE ERROR
Se conoce la varianza
Poblacional Si No
Estadstico
Media ( ) ( )
INTERVALOS DE
CONFIANZA
DOS
UNA POBLACIN
POBLACIONES
MUESTRAS MUESTRAS
MUESTRAS MUESTRAS
GRANDES n PEQUEAS VARIANZA GRANDES n>=30 PEQUEAS n<30
>=30 n<30
Diferencia de Diferencia de
Media proporciones medias
Media
Diferencia de
Proporcin medias
VIDEOS
Entonces, queda claro que cuando las muestras son pequeas la distribucin
muestral es la distribucin t. Esta se caracteriza porque es ms puntual que la
distribucin normal, reuniendo mayor proporcin de casos en los extremos de la
curva a diferencia de la distribucin normal.
Grados de libertad.
Ejemplo
Ecuacin No.27
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
82
Una muestra de 10 cajas de atn dio un peso neto medio de 184 gramos y una
desviacin estndar de 3.0 gramos. Encontrar los lmites de confianza con un 95%
para el verdadero peso promedio de todas las latas de atn.
La siguiente grafica nos ayuda a comprender la presente situacin:
Grados de
0,25 Libertad n-1 =
0,2 10 - 1= 9
0,15
0,1
0,05 /2 0,025 1 0,95
/2 0,025
0
-2,26 +2.26
Valor estadstico t
El intervalo de confianza para la media de peso de todas las cajas de atn est
dado por:
( ) 6 ( ) 6 ( 6 )
Se interpreta que las cajas de atn tienen un promedio de peso entre 181.85 y
186.14 gramos con un nivel de confianza del 95% y expresado matemticamente
es: ( 6 ) 9
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
83
Cuando las varianzas son desconocidas, se debe realizar previamente una prueba
estadstica para verificar si stas son iguales o diferentes. Para realizarlo debemos
hacer uso de la distribucin F, bien sea mediante el clculo de la probabilidad de
que la muestra tomada provenga de dos poblaciones con varianzas iguales, o
mediante el uso de un intervalo de confianza para la relacin de dos varianzas,
segn se estudiar ms adelante.
INTERVALO PARA LA
DIFERENCIA DE MEDIAS
(varianza desconocida )
SI. NO.
Aplicar la frmula: Usar frmula de intervalo
para la diferencia de medias
pero con varianzas
desiguales
Con un nivel de significancia del 0.05 pruebe que las varianzas son iguales.
Datos:
Estadstico de prueba: F
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
85
Para hallar un valor crtico en la tabla de la F, se debe tener en cuenta que dichos
valor est calculando el rea bajo la curva hacia la derecha del mismo, es decir,
determinan el rea por arriba del valor critico.
Si quiere determinar el valor en la tabla F que deja por encima el 2.5% del rea,
debe hacer en Excel: =DISTR.F.INV(0,025;4;3)=15,1
Si quiere determinar el valor en la tabla F que deja por encima el 97.5% del rea,
debe hacer en Excel: =DISTR.F.INV(0,975;4;3)=0.10
VIDEOS :
Regla de decisin:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
86
Si 0.10 Fc 15.1 no hay evidencia para decir que las varianzas NO son iguales,
Clculo:
9
F
6
Decisin y Justificacin:
Como 2.85 esta entre los dos valores de Ho no se rechaza , y se concluye con
un = 0.05 que existe suficiente evidencia para decir que las varianza de las
poblaciones son iguales.
Ecuacin No.28
( ) ( )
Ecuacin No.29
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
87
( )
[ ]
Ecuacin No.30
Ecuacin No.31
5. Calcular
6. Hallar los limites del intervalo:
El limite inferior se encuentra al realizar El limite supeior se encuentra al realizar la
la operacin: operacin:
(
) (
)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
88
Recordar:
Con tratamiento Sin tratamiento
6
s= 1.97 s = 1.1672
n=5 n=4
2. 6
3. entonces buscar en la tabla t-student, el valor para 7 grados de
libertad y
T=2,365
( ) ( ) ( ) 7 ( ) 67 ( ) 7 ( ) 67
4. 7
recuerde que , debe ser siempre la desviacin ms grande
5. 6
0
6 ( 6 )( 6 )
6 ( 6 )( 6 )
La siguiente tabla presenta los resultados de dos muestras aleatorias para comparar el
contenido de nicotina de dos marcas de cigarrillos.
Marca A Marca B
10 8
3,1 2,7
0,5 0,7
( = = )
Como las varianzas son iguales, calculamos que est dado por:
(
) 96 (
) 96
Debido a que la diferencia real puede ser nula, ya que el intervalo construido
contiene al cero, no se puede concluir que existe una diferencia en el contenido de
nicotina de las dos marcas de cigarrillos.
Ejercicio propuesto
( )
( )
( ) ( )
[ ] [ ]
Ecuacin No.32
Ejemplo
2
Diseo 1 n1 = 16 s1 = 10
2
Diseo 2 n2 = 10 s2 = 40
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
92
Estadstico de prueba:
0
F 0
Decisin y Justificacin:
Para poder buscar el valor de t en la tabla, se necesita saber el valor de los grados
de libertad:
( ) ( )
6
( ) ( ) ( ) ( )
[ 6 ] [ ]
6
[ ] [ ]
Este valor se redondea al prximo menor que sera 11. Entonces los grados de
libertad son 11.
Ver la tabla t-student en los Contenidos del curso, Anexo: Tablas estadsticas.
En el caso de las pruebas de hiptesis se pueden dar pruebas a una o dos colas,
por ello cuando se utilice la tabla t-student del anexo si la prueba tiene un alfa de
0,05 y es a una cola, usted deber ubicar la columna 0,10 ( es decir multiplica por
dos el alfa antes de ver en la tabla).
Estadstico de prueba
9 ( )
. 9
Justificacin y decisin:
Como 0.1395 esta entre 2.201 y 2.201, no se rechaza la hiptesis de que las
diferencia de medias es cero. Se concluye con un = 0.05, que no existe
diferencia significativa en el flujo de corriente promedio entre los dos diseos.
( . . ) ( . . )
Ejercicio propuesto
Ejemplo
Usar los datos del ejemplo del fabricante de monitores que prueba dos diseos de
microcircuitos para determinar si producen un flujo de corriente equivalente, pero en este
caso construir un intervalo unilateral para diferencia de medias con varianzas
desconocidas pero iguales
Poblacin1 Poblacin2
Tamao de la muestra = 16 10
Cuasi varianza = 10 40
Media muestral = 24,2 23,9
Nivel de confianza = 0,95
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
96
Estadstico tabulado
to =DISTR.T.INV(2*(1-0,95);16+10-2)
Radio
Recordar:
( ) ( )
( )
( ) ( )
( )
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
97
Ejemplo
Usar los datos del ejemplo del fabricante de monitores que prueba dos diseos de
microcircuitos para determinar si producen un flujo de corriente equivalente, pero en este
caso construir un intervalo unilateral para diferencia de medias con varianzas
desconocidad pero desiguales.
Caso de varianzas poblacionales desconocidas y desiguales
Estadstico tabulado
to =DISTR.T.INV(2*(1-0,95);GL)
Radio
( )
Sean (X11, X21), (X12, X22),..., (X1n, X2n) los datos consistentes de n pares;
supondremos que las variables aleatorias X1 y X2 tienen medias 1 y 2, y
varianzas y , respectivamente. Podemos suponer que el conjunto de datos
apareados son observaciones de un conjunto independiente de parejas de
variables aleatorias provenientes de una distribucin normal bivariada
Sea Dj la diferencia entre las variables aleatorias del j-simo par, es decir, Dj =
X1j-X2j. El valor esperado y la varianza de la diferencia entre las variables est
dado por:
Dada la muestra aleatoria se calculan los siguientes estadsticos que servirn para
estimar la media y la varianza de la diferencia, y , respectivamente:
Es:
Ecuacin No.33
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
100
Se est investigando la utilidad de dos lenguajes de diseo para mejorar las tareas
de programacin. Se le ha pedido a 12 programadores expertos, familiarizados
con los dos lenguajes, que codifiquen una funcin estndar con ambos lenguajes,
y se registra el tiempo requerido, en minutos, para realizar estas dos tareas. Los
datos obtenidos son los siguientes:
Tenemos que:
Dado que la diferencia puede ser cero, se concluye que no hay evidencia para
rechazar la hiptesis de que ambos lenguajes requieren el mismo tiempo de
programacin, y por lo tanto no hay preferencia por ninguno de los dos lenguajes.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
101
Ejemplo
Suponga por ejemplo que Ud. est dispuesto a aceptar un riesgo de error de
0.05 ; entonces 1 0.95 , se trata de un intervalo de confianza del nivel 0.95.
Dado que esta probabilidad se distribuye simtricamente a los dos lados de la
media, se obtiene 0.475 a cada lado. Ahora bien, recuerde que no buscar en la
tabla el valor de Z asociado a una probabilidad de 0.95, ya que debe agregarle la
cola, que en este caso es la mitad del nivel de significancia alfa (es decir
/2=0,05/2=0,025), entonces lo que buscar es el valor Z asociado a una
probabilidad de 0.975 que es 1.96 (de acuerdo a la tabla de la distribucin
normal) a la derecha de la media y de 1.96 a la izquierda, como se puede
apreciar en la siguiente grfica:
X 1.96 ; X 1.96
n n
X 1.96
n
N n
X Z
n N 1
Ecuacin No.35
Recuerde que Z depende del nivel de confianza que se fije y que si la desviacin
estndar poblacional es desconocida, se utiliza como estima la desviacin
muestral (S).
Podr darse cuenta las semejanzas con los procedimientos utilizados para las
pruebas de hiptesis, vistas anteriormente para pruebas unilaterales y bilaterales.
Ejemplo
S 1.14
X Z 20.2 2.58 20.2 0.294
n 100
Ejemplo
N n 2.9 500 40
X Z 76 76 0.87
n N 1 40 499
Por tanto el contenido medio de caloras del lote esta dentro del intervalo de 75.13
y 76.87 caloras con un 95% de nivel de confianza, y expresado matemticamente
es: P75.13 76.87 0.95
12 22
X1 X 2 Z
n1 n2
Ecuacin No.36
12 22 0.082 0.062
X1 X 2 Z 5.0 4.86 1.96
n1 n2 50 40
Por lo tanto se puede afirmar con un nivel del 95% que la diferencia de los dos
contenidos de vitamina A de la mantequilla y la margarina enriquecida se
encuentran entre 0.111 y 0.169 unidades.
PQ
PZ
n
Ecuacin No.37
En tanto que el intervalo de confianza para la proporcin de la poblacin finita y
muestreo con reemplazamiento est dada por:
PQ N n
PZ
n N 1
Ecuacin No.38
Donde el valor de Z depende del nivel de confianza deseado.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
106
Ejemplo
PZ
PQ N n
43
1.96
43501 4350 500 50
n N 1 50 50 500 1
(0.86)(0.14) 450
0.86 1.96
50 499
Con un nivel de confianza del 95% la proporcin de frascos aceptados fue de 0.77
y 0.95, es decir el nivel de aceptacin est entre 380 y 480 frascos de lujo de un
lote de 500 frascos
p1q1 p2 q2
P1 P2 Z
n1 n2
Ecuacin No.39
99% para la diferencia entre las proporciones de los quesos A y B que salen al
mercado y se venden.
(0.76)(0.24 (0.74)(0.26)
0.76 0.74 2.58 0.02 0.073
500 450
Por lo cual es de esperar con un nivel de confianza del 99% que la verdadera
diferencia de proporcin de venta de los quesos A y B se encuentre entre 0.053 y
0.093. La diferencia de proporcin negativa del lmite inferior del intervalo indica
que en esta regin la diferencia est a favor del queso B cuya proporcin de venta
es menor en las muestras estudiadas.
02.975
n 1S 2 02.025
2
Esta ecuacin define un estimado de intervalo, porque el 95% de todos los valores
n 1S 2
se encuentran en el intervalo de 0,975 a 02.025 .
2
posibles de
2
30
10
12
14
16
18
20
22
24
26
28
32
34
36
2(0,975) =8,90 38
2(0,025) =32,85
n 1S 2 n 1S 2
despejando la varianza se tiene: 2
2 2
2
0.975
0.975
n 1S 2 2 2
n 1S 2
02.025 despejando la varianza se tiene: 02.025
n 1S 2 2
n 1S 2
02.025 02.975
Ejemplo
20 10.0025 2 20 10.0025
32,8523 8,90655
n 1S 2 2
n 1S 2
2 21
2 2
Ecuacin No.40
EJERCICIOS COMPLEMENTARIOS
REFERENTES
RUIZ-MAYA, L., MARTN PLIEGO, F.J. (2001). Estadstica II: Inferencia. Segunda
Edicin. AC, Madrid.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERIA
CONTENIDO DIDCTICO DEL CURSO: 100403 INFERENCIA ESTADISTICA
113
Sitios Web
http://ice.unizar.es/uzinnova/jornadas/pdf/95.pdf
http://www.fcnym.unlp.edu.ar/catedras/estadistica/programa2002.html#2
http://aprendeenlinea.udea.edu.co/lms/moodle/mod/resource/view.php?inpopup=tr
ue&id=3
http://aprendeenlinea.udea.edu.co/portal/
http://egkafati.bligoo.com/content/view/182409/Del_como_y_porque_ensenar_esta
distica.html
http://metro40.edv.uniovi.es/metroweb/charlas/Estadistica.pdf
http://www.uned.es/experto-metodos-avanzados/
http://aprendeenlinea.udea.edu.co/lms/moodle/course/view.php?id=322
http://server2.southlink.com.ar/vap/PROBABILIDAD.htm
http://es.wikipedia.org/wiki/Probabilidad
http://www.terra.es/personal2/jpb00000/pprobjunio99.htm
http://www.fvet.edu.uy/estadis/probabilidad.htm
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm
http://www.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/Esta
distica/index.html