Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica Inferencial PDF
Estadistica Inferencial PDF
ESTADÍSTICA INFERENCIAL
Siendo la Estadística Inferencial, una disciplina practica en todas las áreas, se ha procurado ilustrar
los conceptos con problemas y ejercicios aplicables en distintos campos, como economía,
administración, contabilidad, finanzas e ingenierías, etc.
II.-JUSTIFICACIÓN
UNIDAD I
PROBABILIDADES TIEMPO 24 Horas – aula
CONTENIDO:
1.1.0 Probabilidades.
1.1.1 Introducción.
1.1.2 Definiciones básicas de probabilidad.
1.1.3 Probabilidad del suceso y del suceso imposible.
1.1.4 Eventos mutuamente excluyentes y no excluyentes.
1.1.5 Reglas de adición.
1.1.6 Eventos dependientes, eventos independientes y probabilidad condicional.
1.1.7 Reglas de la multiplicación.
1.1.8 Teorema de Probabilidad total y de Bayes.
1.1.9 Tablas de probabilidades conjuntas.
1.1.10 Análisis combinatorio, permutaciones, combinaciones; probabilidad y combinatoria.
UNIDAD II
DISTRIBUCIÓN DE PROBABILIDAD PARA VARIABLES ALEATORIAS
CONTENIDO:
2.1.0 Distribución de probabilidad para variables aleatorias:
2.1.1 Distribución de probabilidades fundamentales.
2.1.2 Variables aleatorias. Discreta y continua
2.1.3 Distribución de probabilidades.
2.1.4 Variables aleatoria discreta.
2.1.5 El valor esperado y la varianza de una variable aleatoria discreta.
2.1.6 Variable aleatoria continúa y distribución continúa.
UNIDAD IV
TEORIA DE MUESTREO.
TIEMPO 12 Horas – aula
CONTENIDO:
UNIDAD V
ESTIMACION DE PARAMETROS E INTERVALOS DE CONFIANZA
CONTENIDO:
5.1.1 Tipos de estimaciones
5.1.2 Propiedades de un estimador.
5.1.3 Estimación por intervalos.
5.1.4 Intervalo de confianza.
Verificar hipótesis considerando las diferentes situaciones en relación al tamaño de muestra y los
parámetros de mayor aplicación.
CONTENIDO:
6.1.1 Hipótesis estadística.
6.1.2 Hipótesis nula y alternativa.
6.1.3 Prueba de una hipótesis estadística.
6.1.4 Errores tipo I y tipo II y Nivel de significación.
6.1.5 Región crítica y regla de decisión.
6.1.6 Procedimiento de la prueba de hipótesis.
Se utilizará el método inductivo-deductivo en la exposición de las bases teóricas de los contenidos de las
diferentes unidades, y el método heurístico (aproximación progresiva a la interpretación y correcta aplicación
de conceptos, a través de preguntas sucesivas) para desarrollar la parte práctica de ejercitación y aplicación.
VII.- METODOS
Expositivo.
Visual.
Solución de casos.
Clases magistrales para el desarrollo teórico y práctico con apoyo del pizarrón
Exposiciones del docente con apoyo del proyector multimedia
Resolución de problemas, manejo de tablas, clases prácticas e interacción docente estudiante y viceversa.
trabajos de investigación y resolución de problemas utilizando programas estadísticos SPSS o Excel.
VIII.- BILIOGRAFÍA
Kazmier J. Leonard- Estadística aplicada a la Administración y Economía.Editorial Mc. Graw Hill, Bogotá.
Colombia 1993
Moya Calderón Rufino - Estadística y Cálculo de Probabilidades-Univ. de Callao Lima Perú 1985
Chungara Castro Victor-Estadística, UMSA Edición 2013
SPIEGEL, Murray-Estadística2ºedicion. McGRAW-HILL, Espana 1993
García Oré- “Estadística Descriptiva y Probabilidades”-Editorial Gómez. 1992
Lind Douglas; Mason Robert Estadística para administración y economía. España: McGraw-Hill, 2000
Córdova Zamora Manuel- Estadística Descriptiva e Inferencia. 4º edición junio 2000 Perú
Lind Douglas A. – Marchal William G. – Mason, Robert D. ESTADISTICA PARA ADMINISTRACIÓN Y
ECONOMÍA. 11ª Edición. Alfaomega Grupo Editor, S.A. de C.V., México, 2004.
Webster, Allen L. ESTADISTICA APLICADA A LOS NEGOCIOS Y LA ECONOMIA, 3ª. Ed., Edit. McGraw-Hill.
Colombia 2000.
LIBROS DE LA BIBLIOTECA
Murray R. Spiegel - John Schiller - R. AluSrinivasan Probabilidad y estadística -Shaum 3ª Ed.
McGraw Hill – Companies México-2010 EN ESPAÑOL.
Ciro MartìnezBencardino Estadìstica y Muestreo 2ª Ed. Ecoe Ediciones Colombia 2010
Humberto Llinás Solano Estadística Inferencial Ed. Uninorte Colombia 2010
Bacchini R. y Vázquez Lara ESTADISTICAS PROBABILIDADES E INFERENCIA
R. Schiller Srinivasan PROBABILIDAD Y ESTADISTICAS
Palacio C. Severo ESTADISTICA APLICADA
Stephen P. Shao ESTADISTICA PARA ECONOMISTAS Y ADMINISTRADORES DE EMPRESAS
Celestino García Ore ESTADISTICAS INFERENCIAL
Roberto Escuder Valles
INTRODUCCION A LA TEORIA DE LA PROBABILIDAD CON NOCIONES DE MUESTREO E INFERENCIA
ESTADISTICA
Seymour Lipschutz PROBABILIDAD
George C. Canavos PROBABILIDAD Y ESTADISTICA
Rufino Maya C. PROBABILIDAD DE INFERENCIA ESTADISTICA
I.Mtenez de Lejarza PROBALIDAD Y MODELOS ESTADISTICOS EMPRESARIAL
C.M.Cuadros PROBLEMA DE PROBABILIDAD Y ESTADISTICA.
Probabilidad.- La probabilidad es la posibilidad de que algo pase o no pase y se denota de la siguiente manera “𝒑”.Las probabilidades se
pueden expresar de tres maneras como:
1 4 9 1
a) Fracciones: 2; 5; 15; 8 b) Decimales: 0,8000; 0,7570; 0,0499; 0,9990 c) Porcentajes: 10%; 15%; 33%; 16%; 6%; 79%; 100%.
Las probabilidades están siempre entre cero y uno 𝟎 ≤ 𝑷(𝑬) ≤ 𝟏.Tener una probabilidad de 0 significa que algo nunca va a suceder y tener
una probabilidad de 1 indica que algo va a suceder siempre.
Experimento.- Es aquella actividad que origina un evento (𝑬𝒙 ).
Experimento Determinístico.- La observación se puede predecir en forma precisa. Sumar dos número impares y observar si el resultado es
par o impar.
Experimento Aleatorio.- La observación no se puede predecir con exactitud. Lanzar una moneda y observar si se obtiene cara o sello.
Espacio Muestral.- Se llama espacio muestral al conjunto que contiene a todos los resultados posibles de un experimento aleatorio, a dicho
conjunto se lo representa con letras mayúsculas “𝑺”. 𝑺 = {𝑾/𝑾 𝒆𝒔 𝒖𝒏 𝒑𝒖𝒏𝒕𝒐 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒍}
Evento.- En teoría de probabilidad, un evento es uno o más de los posibles resultados de hacer un experimento. En otras palabras, un evento
es todo lo que puede suceder.
Un evento o suceso (𝑬) es cualquier subconjunto de un espacio muestral (𝑺) a la ocurrencia de un 𝑬 (éxito), a su no ocurrencia Ē (fracaso).
EJEMPLO#1 Se lanza un dado, esperando obtener un 5 como resultado.
SOLUCIÓN:
𝑺 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔}𝒆𝒍 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔 𝒅𝒆 𝑺 𝒆𝒔 𝒏 = 𝟔 ⟹ 𝒏(𝑺) = 𝟔
EJEMPLO#2 Se lanza una moneda tres veces al aire y se observa cuantas veces se obtiene sello.
SOLUCIÓN: 𝑺 = {𝑪𝑪𝑪, 𝑪𝑪𝑺, 𝑪𝑺𝑪, 𝑺𝑪𝑪, 𝑪𝑺𝑺, 𝑺𝑪𝑺, 𝑺𝑺𝑪, 𝑺𝑺𝑺} 𝒏 = 𝟖 ⟹ 𝒏(𝑺) = 𝟖
EJEMPLO#3 Se lanzan dos dados, esperando obtener un 10 como resultado.
SOLUCIÓN:
𝑺 = {(𝟏, 𝟏), (𝟏, 𝟐), (𝟏, 𝟑), (𝟏, 𝟒), (𝟏, 𝟓), (𝟏, 𝟔), (𝟐, 𝟏), (𝟐, 𝟐), (𝟐, 𝟑), (𝟐, 𝟒), (𝟐, 𝟓), (𝟐, 𝟔), (𝟑, 𝟏), (𝟑, 𝟐), (𝟑, 𝟑), (𝟑, 𝟒), (𝟑, 𝟓), (𝟑, 𝟔), (𝟒, 𝟏), (𝟒, 𝟐), (𝟒, 𝟑), (𝟒, 𝟒),
(𝟒, 𝟓), (𝟒, 𝟔), (𝟓, 𝟏), (𝟓, 𝟐), (𝟓, 𝟑), (𝟓, 𝟒), (𝟓, 𝟓), (𝟓, 𝟔), (𝟔, 𝟏), (𝟔, 𝟐), (𝟔, 𝟑), (𝟔, 𝟒), (𝟔, 𝟓), (𝟔, 𝟔)} 𝒏 = 𝟑𝟔 ⟹ 𝒏(𝑺) = 𝟑𝟔
𝑬 = {(𝟒, 𝟔), (𝟔, 𝟒), (𝟓, 𝟓)} 𝒅𝒆 𝒕𝒓𝒆𝒔 𝒎𝒂𝒏𝒆𝒓𝒂𝒔 𝒑𝒐𝒅𝒆𝒎𝒐𝒔 𝒐𝒃𝒕𝒆𝒏𝒆𝒓 𝒄𝒐𝒎𝒐 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐 𝒖𝒏 𝟏𝟎.
Número De Puntos Muéstrales:
𝒏(𝑨); 𝒏(𝑺); 𝒏(𝑬)𝒆𝒗𝒆𝒏𝒕𝒐 𝒔𝒆𝒈𝒖𝒓𝒐 𝒏(𝑺) = 𝒏(𝑬)
EJEMPLO#4 Del experimento aleatorio de lanzar un dado, se indica su espacio muestral y algunos eventos, indicando los elementos de tales eventos.
SOLUCIÓN:
𝑺 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔} → 𝒏(𝑺) = 𝟔
a) E1: Lograr un 5; E1={5} → n(E1)=1
b) E2: Lograr un impar; E2={1, 3, 5} → n(E2)=3
c) E3: Lograr mayor o igual a 4; E3={4, 5, 6} → n(E3)=3
d) E4: Lograr mayor a 4; E4={5, 6} → n(E4)=2
e) E5: No lograr un 5; E5={1, 2, 3, 4, 6} → n(E5)=5
f) E6: Lograr mayor o cero; E6={1, 2, 3, 4, 5, 6} → n(E6)=6 → =n(S)
g) E7: Lograr un siete; E7={}=Ø → n(E7)=0
Principio De Multiplicación:
𝒏 = #𝒅𝒆 𝒅𝒂𝒕𝒐𝒔
𝒏 𝑓𝑜𝑟𝑚𝑎𝑠; 𝑎 𝑠𝑢 𝑣𝑒𝑧 𝑑𝑒 𝒎 → “𝒏 ∗ 𝒎” { 𝑺 𝒑𝒐𝒔𝒆𝒆 𝟔𝒏 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔 }
𝒏 = #𝒅𝒆 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔 𝒒𝒖𝒆 𝒕𝒊𝒆𝒏𝒆 𝒆𝒍 𝑺.
EJEMPLO#5 Si un experimento es el de lanzar dos dados a la vez, se calcula el número de elementos que posee su espacio muestral.
SOLUCIÓN:
S1: Experimento de lanzar un dado n(S1)=6 ; S1: Experimento de lanzar otro dado n(E2)=6
𝑺 = {(𝟏, 𝟏), (𝟏, 𝟐), (𝟏, 𝟑), (𝟏, 𝟒), (𝟏, 𝟓), (𝟏, 𝟔), (𝟐, 𝟏), (𝟐, 𝟐), (𝟐, 𝟑), (𝟐, 𝟒), (𝟐, 𝟓), (𝟐, 𝟔), (𝟑, 𝟏), (𝟑, 𝟐), (𝟑, 𝟑), (𝟑, 𝟒), (𝟑, 𝟓), (𝟑, 𝟔), (𝟒, 𝟏), (𝟒, 𝟐), (𝟒, 𝟑), (𝟒, 𝟒),
(𝟒, 𝟓), (𝟒, 𝟔), (𝟓, 𝟏), (𝟓, 𝟐), (𝟓, 𝟑), (𝟓, 𝟒), (𝟓, 𝟓), (𝟓, 𝟔), (𝟔, 𝟏), (𝟔, 𝟐), (𝟔, 𝟑), (𝟔, 𝟒), (𝟔, 𝟓), (𝟔, 𝟔)} 𝒏 = 𝟑𝟔 ⟹ 𝒏(𝑺) = 𝟑𝟔
n(S1) ∗ n(S2) = 𝟔 ∗ 𝟔 = 𝟑𝟔 → 𝒔𝒊 𝒉𝒂𝒄𝒆𝒎𝒐𝒔 𝒆𝒍 𝑺 = {(𝟏, 𝟏), (𝟏, 𝟐), … , (𝟔, 𝟔)} 𝑽𝒂𝒎𝒐𝒔 𝒂 𝒕𝒆𝒏𝒆𝒓 𝟑𝟔 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔.
EJEMPLO#6 Si el experimento es lanzar tres dados, calcular el número de elementos del espacio muestral es:
SOLUCIÓN:
n(S1)=6 n(S2)=6 n(S3)=6 n(S1) · n(S2) · n(S3)=6 · 6 · 6=63=216 elementos.
EJEMPLO#7 Si un experimento es el de lanzar monedas los espacios muéstrales son:
1
a) Una moneda: (S1)={C, S} → n(S1)=2 =2
2
b) 2 monedas: (S2)={CC, CS, SC, SS} → n(S2)=2 =4
3
c) 3 monedas: (S3)={CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS} → n(S3)=2 =8
N
d) N monedas: (SN)={CCC…C; CC…S; …; SS…S} → n(SN)=2
EJEMPLO#9 Un juego de cartas o naipes, posee 52 cartas, distribuidas de acuerdo a la tabla siguiente:
♥CORAZONES ASC 2C 3C 4C 5C 6C 7C 8C 9C 10C JC QC KC
♦DIAMANTES ASD 2D 3D 4D 5D 6D 7D 8D 9D 10D JD QD KD
♠ESPADAS ASE 2E 3E 4E 5E 6E 7E 8E 9E 10E JE QE KE
♣TREBOLES AST 2T 3T 4T 5T 6T 7T 8T 9T 10T JT QT KT
SOLUCION:
13 Cartas → ♥♦♠♣ Palos (signos) → n(S)=52
a) Si E1 es el evento de sacar diamante: E1={ASD, 2D, 3D, 4D, 5D, 6D, 7D, 8D, 9D, 10D, JD, KD, QD} → n(E1)=13
b) Sacar un 5: E2={5C, 5D, 5E, 5T} → n(E2)=4
c) Sacar un AS de espadas: n(E3)=1
d) sacar una vieja → n(E4)=12 (J, Q, K, de cualquier palo)
Nota: Las cartas contienen 54 piezas ya se agregan dos joker.
EJEMPLO#10 En un almacén se tienen bolsas de azúcar de 2, 4, 6, 8, 10 kgs. Si se eligen dos bolsas cada vez de pesos respectivos (x, y)
entonces cada evento es de la forma (x, y), indicar los espacios muéstrales de:
a) {(x, y) / x=y} → Sa={(2,2), (4,4), (6,6), (8,8), (10,10)}⟹5 elementos
b) {(x, y) / y>x} → Sb={(2,4), (2,6), (2,8), (2,10), (4,6), (4,8), (4,10), (6,8), (6,10), (8,10)}⟹10 elementos
c) {(x, y) / y=2x} → Sc={(2,4), (4,8)}⟹2 elementos
EJEMPLO#11 Hallar el número de elementos de los espacios muéstrales en los siguientes experimentos:
4
a) Se lanzan 4 monedas → n(S)=2 =16
b) Se lanzan 4 dados → n(S)=64=1296
c) Se elige un día de la semana → n(S)=71=7
d) Se elige un departamento de Bolivia → n(S)=91=9
e) Se lanzan dos monedas y se lanza un dado → n(S)=22 · 61=24
f) Se lanza una moneda y se saca una carta de un mazo de 52 → n(S)=21 · 521=104
PROBABILIDAD DE UN EVENTO
a) 𝟎 ≤ 𝑷(𝑬) ≤ 𝟏
n(E) n(S) - n(E) n(E) + n(S) - n(E)
b) 𝑷(𝑺) = 𝟏 ⟹ 𝑷(𝑺) = 𝑷(𝑬) + 𝑷(Ē) = + = =1
n(S) n(S) n(S)
EJEMPLO#16 Calcular la probabilidad de que al lanzar dos dados se obtenga una suma de 10.
S={(1,1), (1,2),…,(6,6)} n(S)=36 3 1
} P(E)=36=12
E={(4,6), (5,5), (6,4)} n(E)=3
EJEMPLO#17 Calcular la probabilidad de que al lanzar dos dados se obtenga una suma menor a 5.
S={(1,1), (1,2),…,(6,6)} n(S)=36 6 1
} ⟹ P(E)=36=6
E={(1,1), (1,2), (1,3), (2,1), (2,2), (3,1)} n(E)=6
EJEMPLO#18 Calcular la probabilidad de sacar la “grande” en el juego clásico del cacho.
5
S={(1,1,1,1,1), (1,1,1,1,2),…,(6,6,6,6,6)} n(S)=6 =7776 1
⟹P(E)=7776
E={6,6,6,6,6} n(E)=1 grande, de un solo tiro sacar (6,6,6,6,6)
EJEMPLO#19 Se lanzan 3 monedas, calcular las probabilidades de los siguientes eventos.
CS
3 Monedas {CS} → S ={CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS} → n(S)=23=8
CS
3
a) Obtener dos veces la cara: E={CCS, CSC, SCC} n(E)=3 → P(E)=8
1
b) No obtener sello en ningún caso: E={CCC} n(E)=1 → P(E)=8
𝟕
c) Obtener al menos una vez cara: E={CCC, CCS, CSC, SCC, CSS, SCS, SSC} n(E)=7 𝑷(𝑬) = 𝟖
1
d) No obtener cara: E={SSS} n(E)=1 → P(E)=8
3
e) Obtener una vez cara: E={CSS, SCS, SSC} n(E)=3 → P(E)=8
𝟕
f) Obtener al menos una vez sello: E={CCS, CSC, CSS, SCC, SCS, SSC, SSS} n(E)=7 𝑷(𝑬) = 𝟖
EJEMPLO#20 Al lanzar dos monedas, calcular la probabilidad de obtener:
CS
2 Monedas { } → S ={CC, CS, SC, SS} → n(S)=22=4
CS
1
a) 2 caras: E={CC} n(E)=1 → P(E)=4
2 1
b) 1 cara: E={CS, SC} n(E)=2 → P(E)=4=2
1
c) Ninguna cara: E={SS} n(E)=1 → P(E)=4
3
d) Al menos una cara: E={CC, SC, CS} n(E)=3 → P(E)=4
EJEMPLO#21 Al lanzar dos dados se busca la probabilidad de:
123456 2
2 Dados { } → S ={(1,1), (1,2), (1,3),…,(6,6)} → n(S)=6 =36
123456
4 1
a) Obtener 9: E={(3,6), (4,5), (5,4), (6,3)} n(E)=4 → P(E)=36=9
b) Menor o igual a 7: E={(1,1), (1,2), (1,3), (1,4), (1,5),(1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (3,1), (3,2), (3,3), (3,4), (4,1), (4,2), (4,3), (5,1), (5,2), (6,1)}
21 7
n(E)=21 → P(E)=36=12
c) Menor a 7: E={(1,1), (1,2), (1,3), (1,4), (1,5), (2,1), (2,2), (2,3), (2,4), (3,1), (3,2), (3,3), (4,1), (4,2), (5,1)}
15 5
n(E)=15 → P(E)=36=12
d) Mayor a 8: E={(3,6), (4,5), (4,6), (5,4), (5,5), (5,6), (6,3), (6,4), (6,5), (6,6)}
10 5
n(E)=10 → P(E)=36=18
1
e) Obtener 12: E={(6,6)} n(E)=4 → P(E)=36
0
f) Obtener 1: E={} n(E)=0 → P(E)=36=0
As, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K
EJEMPLO#22 De un mazo de cartas: { ♥ ; ♦ ; ♠ ; ♣ }
C D E T
S ={ASC, ASD, ASE, AS T, 2C, 2D,…KT} → n(S)=13(4)=52 cartas
SOLUCION:
(1)(𝟒) 1
a) Sacar un 5: E={5C, 5D, 5E, 5T} n(E)=4 → P(E)= 52 =13
(1), va 1 porque solo hay un número 5. (𝟒), va cuatro porque hay ♥;♦; ♠;♣
b) Sacar un carta roja: E={ASC, ASD, 2C, 2D, 3C, 3D, 4C, 4D 5C, 5D, 6C, 6D, 7C, 7D, 8C, 8D, 9C, 9D, 10C, 10D, JC, JD, QC, QD, KC, KD}
n(E)=26⟹ n(S)=13(2)=26 donde 13 se coloca son las 13 cartas de cada ♥ ♦ de AS,2,3,…k (cartas rojas); se coloca 2 por las ♥ ♦(que son cartas rojas)
26 1
n(E)=26 → P(E)=52=2
6 3
c) Sacar un vieja roja: E={JC, JD, QC, QD, KC, KD} ⟹n(E)=6 n(E)=2(3)=6 2 se coloca por ♥ ♦ y 3 se coloca por J, Q, K→ P(E)=52=26
EJEMPLO#33 ¿De cuál de las siguientes bolsas es más probable sacar la bola roja?
𝟐
𝒑(𝑨) = = 𝟎, 𝟔𝟔𝟔𝟕 ⟹ 𝒑(●) = 𝟔𝟔, 𝟔𝟕%
𝟑
𝟒
𝒑(𝑩) = = 𝟎, 𝟓𝟕𝟏𝟒 ⟹ 𝒑(●) = 𝟓𝟕, 𝟏𝟒%
𝟕
𝟑
𝒑(𝑪) = = 𝟎, 𝟔𝟎𝟎𝟎 ⟹ 𝒑(●) = 𝟔𝟎%
𝟓
EJEMPLO#34 De una bolsa con 7 bolsas rojas, 5 verdes, 3 amarillas, 11 negras y 3 azules, sacamos una al azar. ¿Cuál es la probabilidad de que?
SOLUCIÓN:
7
a) Sea roja: P(roja)= 29
18
b) No sea negra: P(no negra)= 29
EJEMPLO#34,1 En cuál de las ruletas es más difícil obtener el color azul.
EJEMPLO#34,3
EJEMPLO#34,4
15
a) Sea chica: P(chica)=
31
9
b) Tenga gafas: P(tenga gafas)= 31
3
c) Sea una chica con gafas: P(chica con gafas)= 31
EJEMPLO#38 Lanzamos 2 dados. Calcular la probabilidad de que el producto de las puntuaciones sea:
a) 5 b) 6 c)4
𝟑 𝟕 𝟏𝟏 𝟐𝟏 𝟕
𝒃) 𝒑(𝑨) = 𝒑(𝟐) + 𝒑(𝟒) + 𝒑(𝟔) = + + = =
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟏𝟐
En la tabla hay 21 números pares
𝟏 𝟑 𝟓 𝟗 𝟏
𝒑(𝑩) = 𝒑(𝟏) + 𝒑(𝟐) + 𝒑(𝟑) = + + = =
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟒
En la tabla hay 9 números menor a 4.
𝟑 𝟏
𝒑(𝑨 ∩ 𝑩) = 𝒑(𝟐) = =
𝟑𝟔 𝟏𝟐
𝑬𝒍 𝒑(𝟐) 𝒆𝒔𝒕𝒂 𝒆𝒏 𝒑(𝑨) 𝒚 𝒑(𝑩)
EJEMPLO#40 En una clase hay 17 chicos y 18 chicas. Elegimos al azar dos alumnos de esa clase. Calcula la probabilidad de que:
a)Los dos sean chicos b)Sean dos chicas c)Sean un chico y una chica.
EJEMPLO#43 Julio Vargas Herbas tiene en su monedero 4 monedas de cinco céntimos, 3 de veinte y 2 de un euro. Saca dos monedas al
azar. ¿Cuál es la probabilidad de los siguientes sucesos?
a) Que las dos sean de cinco centésimos. b) Que ninguna sea de un euro c) Que saque 1,20 euros.
EJEMPLO#44 En una bolsa hay 4 bolas, dos de ellas están marcadas con un 1 y las otras dos con un 2. Se hacen tres extracciones y se
anotan los resultados en orden. Calcula la probabilidad de que el número formado se el 121, suponiendo que:
a) La bola se reintegra a la bolsa b) La bola no se devuelve a la bolsa.
EJEMPLO#45 Un jugador de baloncesto suele acertar el 75% de sus tiros desde el punto de lanzamiento de personales. Si acierta el primer
tiro, puede tirar de nuevo.
Calcular la probabilidad de que: a)Haga dos puntos b)Haga un punto c)No haga ningún punto.
𝒑(𝑨𝒄𝒆𝒓𝒕𝒂𝒓) = 𝟎, 𝟕𝟓 = 𝟕𝟓%
EJEMPLO#47 En una empresa hay 200 empleados, 100 hombres y 100 mujeres. Los fumadores son 40 hombres y 35 mujeres.
a)Haz con los datos una tabla de contingencia b)Si elegimos un empleado al azar, calcular la probabilidad de que sea hombre y no fume:
𝒑(𝑯 𝒚 𝑵𝒐 𝑭) c)Calcula también: 𝒑(𝑴 𝒚 𝑭), 𝒑(𝑴/𝑭), 𝒑(𝑭/𝑴) esta barra / significa, sabiendo.
a) Haz con los datos una tabla de contingencia:
HOMBRE MUJER TOTAL
Fumador 40 35 75
NO Fumador 60 65 125
60
b) Si elegimos un empleado al azar, calcula la probabilidad de que sea hombre y no fume: P(H y no F): P(H y no F)= 200=0,3
c) Calcula también: P(M y F), P(M/F), P(F/M):
35
P(M y F)= 200=0,175
35
P(M/F)= 75=0,467 → M/F de todos los fumadores, cuántos son mujeres. Mujer, sabiendo que es fumadora.
P(F/M)=
35
100
=0,35 → de todas las mujeres, cuántos son fumadores.
EJEMPLO#48 En una carrera de UAGRM hay 1000 alumnos y alumnas repartidas así:
CHICOS CHICAS Llamamos: A ⟹Chicas O ⟹ Chicos
G ⟹ Tiene Gafas No G⟹ No tiene Gafas Calcular:
Usan Gafas 147 135 1) P(A), P(O), P(G), P(no G):
2) Describe los siguientes suceso y calcula sus probabilidades:
No Usan Gafas 368 350 A y G; O y no G; A/G; G/A; G/O:
EJEMPLO#49 Los 1000 socios de un club deportivo se distribuyen de la forma que se indica en la siguiente tabla:
HOMBRES MUJERES
Juegan al Baloncesto 147 135
No Juegan al Baloncesto 368 350
Si se elige una persona al azar, calcula la probabilidad de que:
147 + 368 515
a) Sea un hombre: P(H)= 1000 =1000=0,515
b) Sea una mujer: P(M)=1 – P(H)=1 – 0,515=0,485
147 + 135 282
c) Juegue al baloncesto: P(B)= 1000 =1000=0,282
135
d) Sea una mujer que practique baloncesto: P(M y B)= =0,135
1000
368
e) Sea un hombre que no practique baloncesto: P(H y no B)=1000=0,368
147
f) Juegue al baloncesto, sabiendo que es hombre: P(B/H)=515=0,285
350
g) Sea mujer, sabiendo que no juega al baloncesto: P(M/no B)=718=0,487
EJEMPLO#50 En cierto lugar se sabe que si hoy hace sol, la probabilidad de que mañana también lo haga es de 4/5. Pero si hoy esta
nublado, la probabilidad de que mañana lo siga estando es de 2/3. Si hoy es viernes y hace sol, ¿Cuál es la probabilidad de que el domingo
también haga sol. Para resolverlo completa el diagrama y razona sobre el:
EJEMPLO#51 Esto es un plano de parte de la red de cercanía de una ciudad. En cada nudo es igual de probable que el tren continúe por
cualquiera de los caminos que salen de él.
SOLUCÓN:
EJEMPLO#55,2
EJEMPLO#55,3
a) A∩B={a, c, e} → n(A∩B)=3
b) AUB={a, b, c, d, e, g} → n(AUB)=6
n(AUB)= n(A) + n(B) – n(A∩B) =4 + 5 – 3=6
c) No A → Ā={b, d, f, h} → n(Ā)=4
d) No B → 𝑩̅ ={f, g, h} → n(𝑩 ̅ )=3
e) ̅̅̅̅̅̅̅={f, h} → n(𝑨𝑼𝑩
No AUB → 𝑨𝑼𝑩 ̅̅̅̅̅̅̅)=2
f) No A∩B → ̅̅̅̅̅̅̅̅
𝑨 ∩ 𝑩={b, d, g, f, h} → n(𝑨 ̅̅̅̅̅̅̅̅
∩ 𝑩)=5
g) Solo A → A∩𝑩 ̅ ={g} → n(A∩𝑩 ̅ )=1
h) Solo B → Ā ∩B={b,d} → n(Ā ∩B)=2
EJEMPLO#57 En una encuesta a 100 lectores, 50 leen la razón (R), 45 leen la prensa (P), 10 leen ambas. Calcular:
a) Cuantos leen solo R b) Cuantos leen R ó P c) Cuantos no leen ni R ni P.
a) Cuantos leen solo R:
Solo leen R=40
n(R∩𝑷 ̅ )=40
b) Cuantos leen R o P:
R o P=85
n(RUP)=40 + 10 + 35=85
c) Cuantos no leen ni R ni P:
No leen ni R ni P=15
̅̅̅̅̅̅̅̅
n(𝑹 ∪ 𝑷)=15
ó (100 – 85)=15
d) ̅ ∩P)=35
n(𝑹
EJEMPLO#58 Un grupo de 54 estudiantes llevan las materias de álgebra (A), Botánica (B) y Contabilidad (C). Clasificándose como: 18
cursan A; 19 cursan B; 21 cursan C; sólo B 8; A y B 5; A y C 3; A y B y C 1. Calcular el número de universitarios que cursan:
a)Sólo A b)Sólo C c)B y C d)Ninguna e)A o B f) A o B pero no C g)B y C pero no A.
a) Solo A: 11 ⟹ n(𝑨 ∩ ̅̅̅̅̅̅̅̅
𝑩 ∪ 𝑪)=11
b) Solo C: 12 ⟹ n(C∩𝑨 ̅̅̅̅̅̅̅̅
∪ 𝑩)=12
c) B y C: 7 ⟹ n(B∩C)=7
d) Ninguna: 10 ⟹ n(𝑨 ̅̅̅̅̅̅̅̅̅̅̅̅̅
∪ 𝑩 ∪ 𝑪)=10
e) A o B: 32 ⟹ n(𝑨 ∪ 𝑩)=32
f) ̅ } = 𝟐𝟑
A o B pero no C: 23 ⟹ 𝒏{(𝑨 ∪ 𝑩) ∩ 𝑪
g) B y C pero no A: 6 ⟹ 𝒏{(𝑩 ∩ 𝑪) ∩ 𝑨 ̅) = 𝟔
EJEMPLO#59 De un grupo de 75 Radio-Oyentes, 30 escuchan radio Panamericana (P), 50 escuchan radio Fides (F) y 10 escuchan ambas
radios. Calcular: a)Cuantos escuchan sólo P b)Cuantos escuchan PoF c)Cuantos no escuchan P ni F d)Calcular la probabilidad de que una
persona elegida al azar escuche P e)Probabilidad de que escuche sólo a F.
F TOTAL 50 – 10=40
30 – 10=20
75=20 + 10 + 40 + x
P 10 20 30 75=70 + x
40 5 45 X=5 ninguno
(Ninguno)
TOTAL 50 25 75 20 + 5=25
40 + 5=45
75=50+25=30+45
EJEMPLO#61 De un grupo de 100 alumnos, 49 no llevan el curso de aritmética, 53 no llevan algebra y 27 no llevan algebra ni aritmética.
¿Cuántos alumnos llevan uno de los cursos?
Sumo todos los lleva por lo menos algo:
𝑨 + 𝑩 + 𝒙 = 𝟏𝟎𝟎 − 𝟐𝟕
𝑨 + 𝑩 + 𝒙 = 𝟕𝟑
(𝟓𝟑 − 𝒙) + (𝟒𝟗 − 𝒙) + 𝒙 = 𝟕𝟑
𝟓𝟑 − 𝒙 + 𝟒𝟗 − 𝒙 + 𝒙 = 𝟕𝟑
𝟏𝟎𝟐 − 𝒙 = 𝟕𝟑
𝟏𝟎𝟐 − 𝟕𝟑 = 𝒙
𝟐𝟗 = 𝒙
𝒙 = 𝟐𝟗
(𝟓𝟑 − 𝒙) + (𝟒𝟗 − 𝒙)
a) ¿Cuántos alumnos llevan uno de los cursos? (𝟓𝟑 − 𝟐𝟗) + (𝟒𝟗 − 𝟐𝟗)
1) 𝟒𝟗 − 𝒙 = 𝑩
𝟐𝟒 + 𝟐𝟎 = 𝟒𝟒
2) 𝟓𝟑 − 𝒙 = 𝑨 Respuesta: 44 alumnos llevan unos de los cursos.
EJEMPLO#62 Según las preferencias de 420 personas que ven los canales A, B o C. Se observa que 180 ven el canal A, 240 ven el canal B
y 150 no ven el canal C, los que ven por lo menos dos canales son 230. ¿Cuántos ven los 3 canales?
𝒏(𝑺) = 𝟒𝟐𝟎
𝒏(𝑨) = 𝒂 + 𝒆 + 𝒅 + 𝒙 = 𝟏𝟖𝟎
𝑽𝒆𝒏 𝒑𝒐𝒓 𝒍𝒐 𝒎𝒆𝒏𝒐𝒔 𝒅𝒐𝒔 𝒄𝒂𝒏𝒂𝒍𝒆𝒔
𝒏(𝑩) = 𝒃 + 𝒆 + 𝒇 + 𝒙 = 𝟐𝟒𝟎 ; { }
𝒅 + 𝒆 + 𝒇 + 𝒙 = 𝟐𝟑𝟎
𝒏(𝑪) = 𝒅 + 𝒄 + 𝒇 + 𝒙 = 𝟐𝟕𝟎
{ 𝟒𝟐𝟎 − 𝟏𝟓𝟎 = 𝟐𝟕𝟎 }
Sabemos que:
𝒂 + 𝒃 + 𝒄 + 𝒅 + 𝒆 + 𝒇 + 𝒙 = 𝟒𝟐𝟎
𝒂+𝒃+𝒄+⏟ (𝒅 + 𝒆 + 𝒇 + 𝒙) = 𝟒𝟐𝟎
𝟐𝟑𝟎
𝒂 + 𝒃 + 𝒄 + 𝟐𝟑𝟎 = 𝟒𝟐𝟎
𝒂 + 𝒃 + 𝒄 = 𝟒𝟐𝟎 − 𝟐𝟑𝟎
𝒂 + 𝒃 + 𝒄 = 𝟏𝟗𝟎
b) El evento C es de personas de edad menor o igual a 32, el evento D de mayor o igual a 28. Calcular la probabilidad de C o D son o no ME:
𝟔
𝑪 = {𝟐𝟓, 𝟐𝟕, 𝟐𝟕, 𝟐𝟖, 𝟑𝟏, 𝟑𝟐} → 𝒏(𝑪) = 𝟔 𝑷(𝑪) =
𝟖
𝑫 = {𝟐𝟖, 𝟑𝟏, 𝟑𝟐, 𝟑𝟒, 𝟑𝟓} → 𝒏(𝑫) = 𝟓
𝑪 ∩ 𝑫 = {𝟐𝟖, 𝟑𝟏, 𝟑𝟐} → 𝒏(𝑪 ∩ 𝑫) = 𝟑
𝟔 𝟓 𝟑
𝑷(𝑪 ∪ 𝑫) = 𝑷(𝑪) + 𝑷(𝑫) − 𝑷(𝑪 ∩ 𝑫) = + − = 𝟏
𝟖 𝟖 𝟖
𝑷𝒓𝒖𝒆𝒃𝒂 𝒅𝒆 𝒆𝒙𝒄𝒍𝒖𝒔𝒊𝒐𝒏:
𝑷(𝑪 ∪ 𝑫) = 𝑷(𝑪) + 𝑷(𝑫)
𝟔 𝟓
𝟏= +
𝟖 𝟖
𝟏𝟏
𝟏≠ 𝒏𝒐 𝒄𝒖𝒎𝒑𝒍𝒆 𝑪, 𝑫 𝒔𝒐𝒏 𝑵𝒐 𝑴𝑬
𝟖
c) El evento E es de personas de edad mayor o igual a 28, el evento F de mayor o igual a 32. Calcular la probabilidad de E o F son o no ME:
𝑷𝒓𝒖𝒆𝒃𝒂 𝒅𝒆 𝒆𝒙𝒄𝒍𝒖𝒔𝒊𝒐𝒏:
𝑷(𝑬 ∪ 𝑭) = 𝑷(𝑬) + 𝑷(𝑭)
𝟓 𝟓 𝟑
= +
𝟖 𝟖 𝟖
𝟓
≠ 𝟏 𝒏𝒐 𝒄𝒖𝒎𝒑𝒍𝒆 𝑬, 𝑭 𝒔𝒐𝒏 𝑵𝒐 𝑴𝑬
𝟖
𝑷𝒓𝒖𝒆𝒃𝒂 𝒅𝒆 𝒆𝒙𝒄𝒍𝒖𝒔𝒊𝒐𝒏:
𝟓 𝟗 𝟑
𝑷(𝑨 ∪ 𝑩) = + − = 𝟏𝟏/𝟑𝟔
𝟑𝟔 𝟑𝟔 𝟑𝟔
𝟏𝟏 𝟏𝟒
≠ 𝒏𝒐 𝒄𝒖𝒎𝒑𝒍𝒆 𝑨, 𝑩 𝒔𝒐𝒏 𝑵𝒐 𝑴𝑬
𝟑𝟔 𝟑𝟔
𝑺 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔} → 𝒏(𝑺) = 𝟔
𝑨 = {𝟏, 𝟑, 𝟓} → 𝒏(𝑨) = 𝟑
𝑩 = {𝟏, 𝟐, 𝟑, 𝟒} → 𝒏(𝑩) = 𝟒
𝑨 ∩ 𝑩 = {𝟏, 𝟑} → 𝒏(𝑨 ∩ 𝑩) = 𝟐
𝟑 𝟒 𝟐 𝟓
𝑷(𝑨 ∪ 𝑩) = + − =
𝟔 𝟔 𝟔 𝟔
𝑷𝒓𝒖𝒆𝒃𝒂 𝒅𝒆 𝒆𝒙𝒄𝒍𝒖𝒔𝒊𝒐𝒏:
𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨) + 𝑷(𝑩)
𝟓 𝟑 𝟒
= + Nota: los cuadro que están marcados con color plomo son los
𝟔 𝟔 𝟔
𝟓 𝟕 datos que me da el enunciado, son los datos que tenemos de
≠ 𝒏𝒐 𝒄𝒖𝒎𝒑𝒍𝒆 𝑨, 𝑩 𝒔𝒐𝒏 𝑵𝒐 𝑴𝑬 entrada. Y después completamos la tabla los cuadros blancos.
𝟔 𝟔
𝑨𝑺 𝟐 𝟑 … 𝟏𝟎 𝑱 𝑸 𝑲
{ } 𝑺 = {𝑨𝑺𝑪 , … , 𝑲𝑻 } → 𝒏(𝑺) = 𝟏𝟑(𝟒) = 𝟓𝟐
𝑪, 𝑫, 𝑬, 𝑻
𝑨 = {𝟗𝑪 , 𝟗𝑫 , 𝟗𝑬 , 𝟗𝑻 } → 𝒏(𝑨) = 𝟒
𝑩 = {𝑲𝑪 , 𝑲𝑫 , 𝑲𝑬 , 𝑲𝑻 } → 𝒏(𝑩) = 𝟒
𝟒 𝟒 𝟎 𝟖 𝟐
𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨) + 𝑷(𝑩) − 𝑷(∩ 𝑩) = + − = =
𝟓𝟐 𝟓𝟐 𝟓𝟐 𝟓𝟐 𝟏𝟑
𝑷𝒓𝒖𝒆𝒃𝒂 𝒅𝒆 𝒆𝒙𝒄𝒍𝒖𝒔𝒊𝒐𝒏:
𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨) + 𝑷(𝑩)
𝟐 𝟒 𝟒
= +
𝟏𝟑 𝟓𝟐 𝟓𝟐
𝟐 𝟐
= 𝒄𝒖𝒎𝒑𝒍𝒆 𝑨, 𝑩 𝒔𝒐𝒏 𝑴𝑬
𝟏𝟑 𝟏𝟑
𝑨 = {𝟕𝑪 , 𝟕𝑫 , 𝟕𝑬 , 𝟕𝑻 } → 𝒏(𝑨) = 𝟒
𝑩 = {𝑨𝑺𝑻 , 𝟐𝑻 , 𝟑𝑻 , 𝟒𝑻 , 𝟓𝑻 , 𝟔𝑻 , 𝟕𝑻 , 𝟖𝑻 , 𝟗𝑻 , 𝟏𝟎𝑻 , 𝑱𝑻 , 𝑸𝑻 , 𝑲𝑻 } → 𝒏(𝑩) = 𝟏𝟑
𝑨 ∩ 𝑩 = {𝟕𝑻 } → 𝒏(𝑨 ∩ 𝑩) = 𝟏
𝟒 𝟏𝟑 𝟏 𝟏𝟔 𝟒
𝑷(𝑨 ∪ 𝑩) = + − = =
𝟓𝟐 𝟓𝟐 𝟓𝟐 𝟓𝟐 𝟏𝟑
𝑷𝒓𝒖𝒆𝒃𝒂 𝒅𝒆 𝒆𝒙𝒄𝒍𝒖𝒔𝒊𝒐𝒏:
𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨) + 𝑷(𝑩)
𝟒 𝟒 𝟏𝟑
= +
𝟏𝟑 𝟓𝟐 𝟓𝟐
𝟒 𝟏𝟕
≠ 𝒏𝒐 𝒄𝒖𝒎𝒑𝒍𝒆 𝑨, 𝑩 𝒔𝒐𝒏 𝑵𝒐 𝑴𝑬
𝟏𝟑 𝟓𝟐
EJEMPLO#73 Pronostico de cambio de precio: Los precios de cierre mañana para azúcar en la junta de comercio de Bolivia son
clasificados como: Más bajo=L ; el mismo=S; más alto=H.
Cuando los compradores con los precios de apertura. El que ocurrirá mañana, en cuanto a la comparación de los precios de cierre para
azúcar con los de apertura se refiere, es obviamente un experimento aleatoria. ¿Cómo describiría usted los siguientes sucesos, uno o más
de los cuales ocurrirán mañana en la junta de comercio de Bolivia?
SOLUCIÓN:
a) Espacio muestral:
𝑺 = {𝒎𝒂𝒔 𝒃𝒂𝒋𝒐, 𝒆𝒍 𝒎𝒊𝒔𝒎𝒐, 𝒎𝒂𝒔 𝒂𝒍𝒕𝒐} 𝑺 = {𝑳, 𝑺, 𝑯}❶
b) El suceso, el precio de cierre de azúcar es el mismo o más bajo que el precio de apertura:
𝑬(𝒆𝒍 𝒎𝒊𝒔𝒎𝒐 𝒐 𝒎𝒂𝒔 𝒃𝒂𝒋𝒐) = {𝒆𝒍 𝒎𝒊𝒔𝒎𝒐, 𝒎𝒂𝒔 𝒃𝒂𝒋𝒐} = {𝑺, 𝑳}❷
c) El suceso, el precio de cierre de azúcar es el mismo o más alto que el precio de apertura:
𝑨𝒄 → 𝑪𝒐𝒎𝒑𝒍𝒆𝒎𝒆𝒏𝒕𝒐 𝒅𝒆 𝑨
𝑯𝒂𝒍𝒍𝒂𝒓 𝑨 ó 𝑪 → 𝑨 ∪ 𝑪 =?
CATEGORIA DE SUCESO PROBABILIDAD
CUENTAS Exenta de No exenta de error y Más
Exenta de error A P(A)=0,80 error no más cantidad de cantidad de
Más cantidad de errores C P(C)=0,04 A errores errores
c
0,84 (0,80) (AUC) C
𝑷(𝑨 ó 𝑪) = 𝑷(𝑨 ∪ 𝑪) = 𝑷(𝑨) + 𝑷(𝑪) = 𝟎, 𝟖𝟎 + 𝟎, 𝟎𝟒 = 𝟎, 𝟖𝟒 (0,16) (0,04)
(𝑨 ∪ 𝑪)𝒄 = 𝑩 𝒚 𝑷((𝑨 ∪ 𝑪)𝒄 ) = 𝟏 − 𝑷(𝑨 ∪ 𝑪) = 𝟏 − 𝟎, 𝟖𝟒 = 𝟎, 𝟏𝟔
Los sucesos en muchas aplicaciones No son ME. Supongamos que el 60% de las cuentas en el archivo de cuentas por cobrar tienen saldos
de Bs.- 10000 o más y el 40% de las cuentas tienen saldos menores que Bs.- 10000 sea:
RESULTADOS DE UN AUDITAJE – ARCHIVO DE CUENTAS POR COBRAR
CUENTAS SUCESO PROBABILIDAD
Exento de error con un saldo menor que Bs.- 10000 A∩D
0,5
C
Exento de error con un saldo igual o mayor que Bs.- 10000 A∩D 0,3
Exento de error A 0,80
c
Contiene más de un error A 0,20
Saldo mayor de Bs.- 10000 D 0,60
Saldo menor que Bs.- 10000 Dc 0,40
𝑫 → 𝑺𝒂𝒍𝒅𝒐 𝒎𝒂𝒚𝒐𝒓 𝒅𝒆 𝑩𝒔. 𝟏𝟎𝟎𝟎𝟎 𝑷(𝑫) = 𝟎, 𝟔(𝟔𝟎%)
𝑫𝒄 → (𝑳𝒂 𝒄𝒖𝒆𝒏𝒕𝒂 𝒔𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒅𝒂 𝒂𝒍 𝒂𝒛𝒂𝒓 𝒕𝒆𝒏𝒈𝒂 𝒖𝒏 𝒔𝒂𝒍𝒅𝒐 𝒎𝒆𝒏𝒐𝒓 𝒐 𝒊𝒈𝒖𝒂𝒍 𝒂 𝑩𝒔. 𝟏𝟎𝟎𝟎𝟎)
= 𝑷(𝑫𝑪 )
= 𝟏 − 𝑷(𝑫) = 𝟏 − 𝟎, 𝟔𝟎 = 𝟎, 𝟒𝟎(𝟒𝟎%)
𝑷(𝑨 ∪ 𝑫) = 𝑷(𝑨) + 𝑷(𝑫) − 𝑷(𝑨 ∩ 𝑫)
𝑷(𝑨 ∪ 𝑫) = 𝟎, 𝟖𝟎 + 𝟎, 𝟔𝟎 − 𝟎, 𝟓𝟎 = 𝟏, 𝟒𝟎 − 𝟎, 𝟓 = 𝟎, 𝟗𝟎 ó 𝟗𝟎%
𝟐
EJEMPLO#77 De un grupo de 300 universitario donde 𝟑 estudian Auditoria (A) y el resto Bioquímica (B), se sabe que un 40% son mujeres de las
𝟏
cuales estudian Bioquímica. a) Calcular la probabilidad de que un estudiante sea hombre y de auditoria.
𝟒
b) Que un estudiante sea hombre, dado que es de auditoria.
SOLUCIÓN:
Total de universitarios: 𝒏(𝑺) = 𝟑𝟎𝟎 𝒖𝒏𝒊𝒗𝒆𝒓𝒔𝒊𝒕𝒂𝒓𝒊𝒐𝒔.
𝟔𝟎% 𝟏𝟖𝟎𝟎𝟎
Total de hombres:𝒏(𝑯) = 𝟏𝟎𝟎% ∗ 𝟑𝟎𝟎 𝒖𝒏𝒊𝒗 = 𝟏𝟎𝟎 = 𝟏𝟖𝟎 𝒉𝒐𝒎𝒃𝒓𝒆𝒔 𝒒𝒖𝒆 𝒔𝒐𝒏 𝟔𝟎% = 𝟏𝟖𝟎 𝒉𝒐𝒎𝒃𝒓𝒆𝒔
𝟒𝟎% 𝟏𝟐𝟎𝟎𝟎
Total de mujeres: 𝒏(𝑴) = 𝟏𝟎𝟎% ∗ 𝟑𝟎𝟎 𝒖𝒏𝒊𝒗 = = 𝟏𝟐𝟎 𝒎𝒖𝒋𝒆𝒓𝒆𝒔 𝒒𝒖𝒆 𝒔𝒐𝒏 𝟒𝟎% = 𝟏𝟐𝟎 𝒎𝒖𝒋𝒆𝒓𝒆𝒔
𝟏𝟎𝟎
𝟐 𝟔𝟎𝟎
Total de universitarios que estudian Auditoria: 𝒏(𝑨) = 𝟑 ∗ 𝟑𝟎𝟎 = = 𝟐𝟎𝟎 𝒖𝒏𝒊𝒗
𝟑
𝟏 𝟑𝟎𝟎
Total de universitario que estudian Bioquímica: 𝒏(𝑩) = 𝟑 ∗ 𝟑𝟎𝟎 = = 𝟏𝟎𝟎 𝒖𝒏𝒊𝒗
𝟑
𝟏
Luego considerando que 𝟒 de las mujeres estudian Bioquímica: que seria 30 mujeres que estudian bioquímica.
AUDITORIA BIOQUIMICA TOTAL
HOMBRES 110 70 180 𝟏
MUJERES 90 30 120 𝟏𝟐𝟎𝒎 ∗ = 𝟑𝟎
𝟒
TOTAL 200 100 300
𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔
{ } 𝑺 = {(𝟏, 𝟏), (𝟏, 𝟐), (𝟏, 𝟑), … , (𝟔, 𝟔)} 𝒏(𝑺) = 𝟔𝟐 = 𝟑𝟔
𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔
𝑩 = {(𝟏, 𝟏), (𝟏, 𝟑), (𝟏, 𝟓), (𝟑, 𝟏), (𝟑, 𝟑), (𝟑, 𝟓), (𝟓, 𝟏), (𝟓, 𝟑), (𝟓, 𝟓)} 𝒏(𝑩) = 𝟗
𝑨 = {(𝟏, 𝟓), (𝟐, 𝟒), (𝟑, 𝟑), (𝟒, 𝟐), (𝟓, 𝟏)} 𝒏(𝑨) = 𝟓
𝑨 ∩ 𝑩 = {(𝟏, 𝟓), (𝟑, 𝟑), (𝟓, 𝟏)} 𝒏(𝑨 ∩ 𝑩) = 𝟑
𝟑
𝑷(𝑨 ∩ 𝑩) 𝟑𝟔 𝟑
𝑷(𝑩 ∖ 𝑨) = = =
𝑷(𝑨) 𝟓 𝟓
𝟑𝟔
b) ¿Qué al lanzar un dado, se obtengan números divisibles por 3, dado que se obtuvo par?:
𝟐
𝑩 = {𝟑, 𝟔} 𝒏(𝑩) = 𝟐 𝑷(𝑩) =
𝟔
𝟑
𝑨 = {𝟐, 𝟒, 𝟔} 𝒏(𝑨) = 𝟑 𝑷(𝑨) =
𝟔
𝟏
𝑨 ∩ 𝑩 = {𝟔} 𝒏(𝑨 ∩ 𝑩) = 𝟏 𝑷(𝑨 ∩ 𝑩) =
𝟔
𝟏
𝑷(𝑨 ∩ 𝑩) 𝟔 𝟏(𝟔) 𝟏
𝑷(𝑩 ∖ 𝑨) = = = =
𝑷(𝑨) 𝟑 𝟔(𝟑) 𝟑
𝟔
𝟏
EJEMPLO#79 De un grupo de 200 universitarios de Auditoria o Biología, 30% son mujeres. Un 60% estudia Auditoria de las 𝟒 son mujeres.
Calcular la probabilidad de: a)Que un universitario sea hombre y de auditoria b)Que una universitaria sea mujer, dado que estudia biología.
Total de mujeres: 𝟐𝟎𝟎(𝟎, 𝟑𝟎) = 𝟔𝟎 𝒎𝒖𝒋𝒆𝒓𝒆𝒔
Total de hombres: 𝟐𝟎𝟎(𝟎, 𝟕𝟎) = 𝟏𝟒𝟎 𝒉𝒐𝒎𝒃𝒓𝒆𝒔
Total de universitarios que estudian Auditoria: 𝟐𝟎𝟎(𝟎, 𝟔) = 𝟏𝟐𝟎 𝒖𝒏𝒊𝒗.
Total de universitarios que estudian Biología: 𝟐𝟎𝟎(𝟎, 𝟒) = 𝟖𝟎 𝒖𝒏𝒊𝒗.
𝟏 𝟏
𝒔𝒐𝒏 𝒎𝒖𝒋𝒆𝒓𝒆𝒔 𝟏𝟐𝟎 ∗ 𝟒 = 𝟑𝟎 𝑴. 𝑨𝒖𝒅𝒊𝒕𝒐𝒓𝒊𝒂.
𝟒
= 𝟗𝟎 𝑯. 𝑨𝒖𝒅𝒊𝒕𝒐𝒓𝒊𝒂.
AUDITORIA BIOLOGIA
MUJER 30 30 60
HOMBRE 90 50 140
TOTAL 120 80 200
𝟗𝟎 𝟗
a) Que un universitario sea hombre y de Auditoria: 𝑷(𝑯 ∩ 𝑨) = 𝟐𝟎𝟎 = 𝟐𝟎 = 𝟎, 𝟒𝟓 ó 𝟒𝟓%
𝟑𝟎
𝑷(𝑴∩𝑩) 𝟑𝟎 𝟑
b) Que una universitaria sea mujer, dado que estudia Biología: 𝑷(𝑴 ∖ 𝑩) = = 𝟐𝟎𝟎
𝟖𝟎 = = = 𝟎, 𝟑𝟕𝟓 ó 𝟑𝟕, 𝟓%
𝑷(𝑩) 𝟖𝟎 𝟖
𝟐𝟎𝟎
EJEMPLO#80 En una empresa el 70% de los empleados son hombres, de los cuales el 40% son profesionales, entre las mujeres solo el
25% son profesionales. Calcular la probabilidad de: a)El empleado elegido es hombre profesional b)El empleado elegido es mujer no
profesional. Supongamos que hay 1000 empleados.
Total hombres: 𝟏𝟎𝟎𝟎(𝟎, 𝟕) = 𝟕𝟎𝟎 𝒉𝒐𝒎𝒃𝒓𝒆𝒔
Total mujeres: 𝟏𝟎𝟎𝟎(𝟎, 𝟑) = 𝟑𝟎𝟎 𝒎𝒖𝒋𝒆𝒓𝒆𝒔
Hombres profesionales: 𝟐𝟖𝟎 𝑯. 𝑷𝒓𝒐𝒇. → 𝟕𝟎𝟎(𝟎, 𝟒) = 𝟐𝟖𝟎 𝑯. 𝑷𝒓𝒐𝒇.
Mujeres profesionales: 𝟑𝟎𝟎(𝟎, 𝟐𝟓) = 𝟕𝟓 𝑴. 𝑷𝒓𝒐𝒇.
Hombres no profesionales: 𝟕𝟎𝟎 − 𝟐𝟖𝟎 = 𝟒𝟐𝟎 𝑯. 𝒏𝒐 𝑷𝒓𝒐𝒇.
Mujeres no profesionales: 𝟑𝟎𝟎 − 𝟕𝟓 = 𝟐𝟐𝟓 𝑴. 𝒏𝒐 𝑷𝒓𝒐𝒇.
a) El empleado elegido es hombre profesional:
𝟐𝟖𝟎 𝟐𝟖
𝑷(𝑯𝑷) = 𝑷(𝑯 ∩ 𝑷) = = = 𝟎, 𝟐𝟖
𝟏𝟎𝟎𝟎 𝟏𝟎𝟎
b) El empleado elegido es mujer no profesional:
𝟐𝟐𝟓
𝑷(𝑴𝒏 𝑷) = 𝑷(𝑴 ∩𝒏𝒐 𝑷) = = 𝟎, 𝟐𝟐𝟓
𝟏𝟎𝟎𝟎
EJEMPLO#81 La probabilidad de que al lanzar dos dados, dado que se obtenga números diferentes se logre.
𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔
{ } → 𝑺 = {(𝟏, 𝟏), (𝟏, 𝟐), … , (𝟔, 𝟔)} 𝒏(𝑺) = 𝟔𝟐 = 𝟑𝟔
𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔
𝑨 = {(𝟏, 𝟐), (𝟏, 𝟑), (𝟏, 𝟒), (𝟏, 𝟓), (𝟏, 𝟔), (𝟐, 𝟏), (𝟐, 𝟑), (𝟐, 𝟒),(𝟐, 𝟓), (𝟐, 𝟔), (𝟑, 𝟏), (𝟑, 𝟐), (𝟑, 𝟒), (𝟑, 𝟓), (𝟑, 𝟔)
(𝟒, 𝟏), (𝟒, 𝟐), (𝟒, 𝟑), (𝟒, 𝟓), (𝟒, 𝟔), (𝟓, 𝟏), (𝟓, 𝟐), (𝟓, 𝟑), (𝟓, 𝟒), (𝟓, 𝟔), (𝟔, 𝟏), (𝟔, 𝟐), (𝟔, 𝟑), (𝟔, 𝟒), (𝟔, 𝟓)} → 𝒏(𝑨) = 𝟑𝟎
𝑩 = {(𝟐, 𝟔), (𝟑, 𝟓), (𝟒, 𝟒), (𝟓, 𝟑), (𝟔, 𝟐)} → 𝒏(𝑩) = 𝟓
𝑨 ∩ 𝑩 = {(𝟐, 𝟔), (𝟑, 𝟓), (𝟓, 𝟑), (𝟔, 𝟐)} → 𝒏(𝑨 ∩ 𝑩) = 𝟒
𝟒
𝟒(𝟑𝟔) 𝟒 𝟐
𝑷(𝑩 ∖ 𝑨) = 𝟑𝟔 = = =
𝟑𝟎 𝟑𝟔(𝟑𝟎) 𝟑𝟎 𝟏𝟓
𝟑𝟔
b) Aparezca el numero 3:
𝑩 = {(𝟏, 𝟑), (𝟐, 𝟑), (𝟑, 𝟏), (𝟑, 𝟐), (𝟑, 𝟑), (𝟑, 𝟒), (𝟑, 𝟓), (𝟑, 𝟔), (𝟒, 𝟑), (𝟓, 𝟑), (𝟔, 𝟑)} ⟹ 𝒏(𝑩) = 𝟏𝟏
𝑨 ∩ 𝑩 = {(𝟏, 𝟑), (𝟐, 𝟑), (𝟑, 𝟏), (𝟑, 𝟐), (𝟑, 𝟒), (𝟑, 𝟓), (𝟑, 𝟔), (𝟒, 𝟑), (𝟓, 𝟑), (𝟔, 𝟑)} ⟹ 𝒏(𝑨 ∩ 𝑩) = 𝟏𝟎
𝟏𝟎
𝟏𝟎 𝟓 𝟏
𝑷(𝑩 ∖ 𝑨) = 𝟑𝟔 = = =
𝟑𝟎 𝟑𝟎 𝟏𝟓 𝟑
𝟑𝟔
c) La suma sea menor o igual a 4:
𝑩 = {(𝟏, 𝟏), (𝟏, 𝟐), (𝟏, 𝟑), (𝟐, 𝟏), (𝟐, 𝟐), (𝟑, 𝟏)} ⟹ 𝒏(𝑩) = 𝟔
𝑨 ∩ 𝑩 = {(𝟏, 𝟐), (𝟏, 𝟑), (𝟐, 𝟏), (𝟑, 𝟏)} ⟹ 𝒏(𝑨 ∩ 𝑩) = 𝟒
𝟒
𝟒 𝟐
𝑷(𝑩 ∖ 𝑨) = 𝟑𝟔 = =
𝟑𝟎 𝟑𝟎 𝟏𝟓
𝟑𝟔
EJEMPLO#82 De un grupo de estudiantes el 50% aprobó Historia (H), 55% aprobó Geografía (G) y 15% aprobó ambas, eligiendo un estudiante al
azar, calcular la probabilidad de: a)Haber aprobado G dado que aprobó H b)Haber aprobado H dado que aprobó G c)Haber aprobado HoG.
a) Haber aprobado G dado que aprobó H:
𝟏𝟓
𝟏𝟓(𝟏𝟎𝟎) 𝟏𝟓 𝟑
𝑷(𝑮 ∖ 𝑯) = 𝟏𝟎𝟎 = = =
𝟓𝟎 𝟓𝟎(𝟏𝟎𝟎) 𝟓𝟎 𝟏𝟎
𝟏𝟎𝟎
b) Haber aprobado H dado que aprobó G:
𝟏𝟓
𝟏𝟓(𝟏𝟎𝟎) 𝟏𝟓 𝟑
𝑷(𝑯 ∖ 𝑮) = 𝟏𝟎𝟎 = = =
𝟓𝟓 𝟓𝟓(𝟏𝟎𝟎) 𝟓𝟓 𝟏𝟏
𝟏𝟎𝟎
c) Haber aprobado H o G:
𝟓𝟎 𝟓𝟓 𝟏𝟓 𝟓𝟎 + 𝟓𝟓 − 𝟏𝟓 𝟗𝟎 𝟗
𝑷(𝑯⋃𝑮) = + − = = =
𝟏𝟎𝟎 𝟏𝟎𝟎 𝟏𝟎𝟎 𝟏𝟎𝟎 𝟏𝟎𝟎 𝟏𝟎
EJEMPLO#83 Durante los últimos años, desde el 16 junio de 1979 la empresa AL-QUADOSH+ ha aplicado una prueba escrita a cada uno de
los candidatos a ocupar cargos administrativos y que lo practican durante una entrevista en la compañía. Un resumen de las estadísticas de
los últimos 10 años (1979 – 1989) de aquellos que fueron contratados y sus resultados con AL-QUADOSH+ esta dado en la siguiente tabla:
Examen de la Empresa AL-QUADOSH+
Prueba de la Primera Entrevista (TABLA I)
ESTADO PRESENTE Total
Resultados de la Prueba de la Entrevista (de Alta Posición Posición ADM Despedido (D)
100 puntos posibles) Administrativa(S) Intermedia (J)
70 o más (H) 20 120 60 200
Menos de 70 (L) 10 50 40 100
Total 30 170 100 300
NOTA: Contrato 300 de los entrevistados durante 1979 – 1989 de los cuales 200 sacaron 70 o más en la prueba y 100 sacaron menos de 70 en
la primera prueba, de los 200 que sacaron 70 o más en la prueba, 𝟏𝟒𝟎 = 𝟐𝟎 + 𝟏𝟐𝟎 tuvieron éxito con AL-QUADOSH+ y 60 de los 200 fueron
despedidos. 20 de los 140 avanzaron a la más alta posiciones administrativas y 120 avanzaron a las posiciones intermedias en la
administración. De los 100 practicantes que fueron contratados y que secaron menos de 70, 𝟔𝟎 = 𝟏𝟎 + 𝟓𝟎 tuvieron éxito con QUADOSH, y 40
de los 100 que sacaron menos de 70 fueron despedidos por QUADOSH 10 de los 60 han avanzado a las más altas posiciones administrativas
y 50 de los 60 avanzaron a posiciones intermedias en la ADM.
𝑷 (𝒖𝒏 𝒑𝒓𝒂𝒄𝒕𝒊𝒄𝒂𝒏𝒕𝒆 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒅𝒐 𝒓𝒆𝒄𝒊𝒆𝒏𝒕𝒆𝒎𝒆𝒏𝒕𝒆 𝒂𝒗𝒂𝒏𝒄𝒆 𝒂 𝒍𝒂𝒔 𝒂𝒍𝒕𝒂𝒔 𝒑𝒐𝒔𝒊𝒄𝒊𝒐𝒏𝒆𝒔 𝒆𝒏 𝒍𝒂 𝒂𝒅𝒎 ∖ 𝒔𝒂𝒄𝒂 𝟕𝟎 𝒐 𝒎á𝒔 𝒆𝒏 𝒍𝒂 𝒑𝒓𝒖𝒆𝒃𝒂) =?
𝑬𝒔𝒕𝒆 𝒔𝒊𝒎𝒃𝒐𝒍𝒐 “ ∖ ” 𝒔𝒆 𝒍𝒆𝒆 “𝒅𝒂𝒅𝒐 𝒒𝒖𝒆”
Antes de la barra, está dado el suceso S en suya probabilidad estamos interesados; después de la barra se da el suceso H que ha ocurrido u
ocurrirá ciertamente. 𝑷(𝑺 ∖ 𝑯) =?
En la tabla observamos que 200 practicantes (200 observaciones) sacaron 70 o más esto es 𝒏(𝑯) = 𝟐𝟎𝟎, además de la tabla, 20 de los que
sacaron 70 o más avanzaron hasta una posición alta: será 𝒏(𝑯 ∩ 𝑺) = 𝟐𝟎
𝒏(𝑯 ∩ 𝑺) 𝟐𝟎
𝑷(𝑺 ∖ 𝑯) = 𝑷(𝒂𝒗𝒂𝒏𝒄𝒆 𝒂 𝒖𝒏𝒂 𝒂𝒍𝒕𝒂 𝒑𝒐𝒔𝒊𝒄𝒊𝒐𝒏(𝑺) ∖ 𝒔𝒂𝒄𝒂 𝟕𝟎 𝒐 𝒎á𝒔(𝑯)) ⟹ 𝑷(𝑺 ∖ 𝑯) = = = 𝟎, 𝟏𝟎
𝒏(𝑯) 𝟐𝟎𝟎
En el cálculo 𝑷(𝑺 ∖ 𝑯) solo hemos considerado 200 practicantes que sacaron 70 ó más, no considerando todos los 300 practicantes. Esto es,
nuestro espacio muestral son esos practicantes que sacaron 70 o más. “Excluyendo” a los practicantes con menos de 70.
a) ¿Cuál es la probabilidad de que un practicante contratado recientemente avance a una posición alta dado que saca baja
calificación en la prueba?
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 35
𝒏(𝑺 ∩ 𝑳) 𝟏𝟎
𝑷(𝑺 ∖ 𝑳) = = = 𝟎, 𝟏𝟎
𝒏(𝑳) 𝟏𝟎𝟎
b) ¿Cuáles son las probabilidades de que un practicante contratado recientemente avance a posiciones intermedias dado cuando el
saque en la prueba el practicante sacará bajo (H) o alto (L)?
𝒏(𝑱 ∩ 𝑯) 𝟏𝟐𝟎 𝒏(𝑱 ∩ 𝑳) 𝟓𝟎
𝑷(𝑱 ∖ 𝑯) = = = 𝟎, 𝟔𝟎 𝑷(𝑱 ∖ 𝑳) = = = 𝟎, 𝟓𝟎
𝒏(𝑯) 𝟐𝟎𝟎 𝒏(𝑳) 𝟏𝟎𝟎
c) ¿Cuál es la probabilidad de que un nuevo practicante que saca bajo en la prueba, pueda ser despedido eventualmente por AL-QUADOSH+?
𝒏(𝑫 ∩ 𝑳) 𝟒𝟎
𝑷(𝑫 ∖ 𝑳) = = = 𝟎, 𝟒𝟎
𝒏(𝑳) 𝟏𝟎𝟎
d) ¿Cuál es la probabilidad de que un practicante que saca alto en la prueba, pueda ser despedido eventualmente por AL-QUADOSH+?
𝒏(𝑫 ∩ 𝑯) 𝟔𝟎
𝑷(𝑫 ∖ 𝑯) = = = 𝟎, 𝟑𝟎
𝒏(𝑯) 𝟐𝟎𝟎
Resumen: 1979 – 1989 examen de la empresa AL-QUADOSH+ (TABLAII)
PREDICCIONES CONDICIONALES
Resultados Obtenidos de la Total
Alta Posición Posición ADM Despedido (D)
Entrevista
Administrativa(S) Intermedia (J)
ALTA (H) 0,10 0,6 0,30 1,00
BAJA (L) 0,10 0,5 0,40 1,00
Interpretación: Que 𝑷(𝑺 ∖ 𝑯) = 𝑷(𝑺 ∖ 𝑳) = 𝟎, 𝟏𝟎 existe un 10% de probabilidad de que un practicante avance a una alta posición ADM, sin
importar que resultado saque en la prueba.
Que es más probable que un practicante que saca bajo en la prueba, pueda ser despedido que un practicante que saca alto será así:
𝑷(𝑫 ∖ 𝑳) = 𝟎, 𝟒𝟎 > 𝟎, 𝟑𝟎 = 𝒑(𝑫 ∖ 𝑯)
Durante el 1979 – 1989 tenemos cerca de 300 contratados. (TABLA II)
BUENOS RESULTADOS
Alta Posición ADM (S) Posición ADM Intermedia (J) Despedidos (D) Total
30 170 100 300
Han sido exitosos, 30 y 70, y 100 el número de despedidos de los 300 practicantes.
𝟑𝟎 𝟏
𝑷(𝒖𝒏 𝒑𝒓𝒂𝒄𝒕𝒊𝒄𝒂𝒏𝒕𝒆 𝒍𝒍𝒆𝒈𝒖𝒆 𝒂 𝒖𝒏𝒂 𝒑𝒐𝒔𝒊𝒄𝒊𝒐𝒏 𝒂𝒍𝒕𝒂) = 𝑷(𝑺) = = = 𝟎, 𝟏𝟎𝟎𝟎
𝟑𝟎𝟎 𝟏𝟎
𝟏𝟕𝟎 𝟏𝟕
𝑷(𝒖𝒏 𝒑𝒓𝒂𝒄𝒕𝒊𝒄𝒂𝒏𝒕𝒆 𝒍𝒍𝒆𝒈𝒖𝒆 𝒂 𝒖𝒏𝒂 𝒑𝒐𝒔𝒊𝒄𝒊𝒐𝒏 𝒊𝒏𝒕𝒆𝒓𝒎𝒅𝒊𝒂) = 𝑷(𝑱) = = = 𝟎, 𝟓𝟔𝟕
𝟑𝟎𝟎 𝟑𝟎
𝟏𝟎𝟎 𝟏
𝑷(𝒖𝒏 𝒑𝒓𝒂𝒄𝒕𝒊𝒄𝒂𝒏𝒕𝒆 𝒔𝒆𝒂 𝒅𝒆𝒔𝒑𝒆𝒅𝒊𝒅𝒐) = 𝑷(𝑫) = = = 𝟎, 𝟑𝟑𝟑
𝟑𝟎𝟎 𝟑
𝑷(𝑺) + 𝑷(𝑱) + 𝑷(𝑫) = 𝟏 (𝒍𝒍𝒆𝒈𝒂𝒓𝒂 𝒕𝒆𝒏𝒆𝒓 𝒆𝒙𝒊𝒕𝒐 𝒖𝒏 𝑺 ó 𝑱, 𝒄𝒐𝒏 𝑨𝑳 − 𝑸𝑼𝑨𝑫𝑶𝑺𝑯 𝒐 𝒔𝒆𝒓 𝒅𝒆𝒔𝒑𝒆𝒅𝒊𝒅𝒐 𝑫)
𝑻𝒂𝒃𝒍𝒂 𝑰𝑰: 𝑷(𝑺 ∖ 𝑯) = 𝟎, 𝟏𝟎 𝒚 𝑷(𝑺) = 𝟎, 𝟏𝟎
𝑷(𝑺 ∖ 𝑯) = 𝟎, 𝟏𝟎 = 𝑷(𝑺)
⏟ ⏟
𝑻𝑨𝑩𝑳𝑨 𝑰𝑰 𝑻𝑨𝑩𝑳𝑨 𝑰𝑽
TABLA IV
BUENOS RESULTADOS Despedidos (D) Total
Alta Posición ADM (S) Posición ADM Intermedia (J)
0,1 0,567 0,333 1,00
Probabilidad de la tabla III
𝑷(𝑱 ∖ 𝑯) = 𝟎, 𝟔𝟎 ≠ 𝑷(𝑱)
⏟ ⏟ = 𝟎, 𝟓𝟔𝟕
𝑻𝑨𝑩𝑳𝑨 𝑰𝑰 𝑻𝑨𝑩𝑳𝑨 𝑰𝑽
𝑷(𝑱 ∖ 𝑯) = 𝟎, 𝟔
𝑷(𝑱) = 𝟎, 𝟓𝟔𝟕
Si usted predice insuficientemente el éxito a nivel intermedio 𝑷(𝑱) = 𝟎, 𝟓𝟔𝟕 , Si no conoce el resultado de H (70 ó más).
Predicción baja en cantidad 𝟎, 𝟎𝟑𝟑 𝑷(𝑫 ∖ 𝑯) ≠ 𝑷(𝑫)
EJEMPLO#86 En una urna (caja cerrada) se tiene 7 bolas o canicas, 2 son blancas, 5 son negras. Calcular la probabilidad de:
a) Obtener una bola blanca y luego otra negra al sacar sucesivamente sin reposición:
b) Obtener una bola negra y luego otra negra al sacar sucesivamente sin reposición:
c) Obtener una bola negra y luego otra negra y luego otra blanca al sacar sin reposición:
a) Obtener una bola blanca y luego otra negra al sacar sucesivamente sin reposición:
Si se sacan de una urna, se supone que se sacan las bolas sin ver previamente su color. Al indicarse sin reposición significa que tras sacar una bola no se la
repone o no se la devuelve a la urna, de modo que al sacar la segunda bola las condiciones iniciales han cambiado. Esto significa que los eventos son
dependientes.
El espacio muestral S contiene a siete elementos (cada una de las bolas). Se considera que el evento de sacar una bola blanca es “B”, una negra es “N”, por
tanto se busca. Calcular la probabilidad de obtener 𝑷(𝑩 ∩ 𝑵) =?
𝑺 = {𝑩, 𝑩, 𝑵, 𝑵, 𝑵, 𝑵, 𝑵} ⟹ 𝒏(𝑺) = 𝟕
𝑵𝟏 = {𝑵, 𝑵, 𝑵, 𝑵, 𝑵} ⟹ 𝒏(𝑵) = 𝟓 ; 𝑩 = {𝑩, 𝑩} ⟹ 𝒏(𝑩) = 𝟐
𝒏(𝑩) 𝟐
𝑷(𝑩) = = → 𝒍𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒐𝒃𝒕𝒆𝒏𝒆𝒓 𝒖𝒏𝒂 𝒃𝒐𝒍𝒂 𝒃𝒍𝒂𝒏𝒄𝒂 𝒆𝒏 𝒍𝒂 𝒑𝒓𝒊𝒎𝒆𝒓𝒂 𝒆𝒙𝒕𝒓𝒂𝒄𝒄𝒊𝒐𝒏
𝒏(𝑺) 𝟕
Al sacar la primera bola, quedan en la urna solo 6 como posibilidades para sacar la segunda bola. Aplicando la regla de multiplicación.
𝟐 𝟓 𝟏𝟎 𝟓
𝑷(𝑩 ∩ 𝑵) = 𝑷(𝑩) ∗ 𝑷(𝑵 ∖ 𝑩) = ∗ = =
𝟕 𝟔 𝟒𝟐 𝟐𝟏
𝑷(𝑵 ∖ 𝑩) Significa la probabilidad de sacar una bola “N” luego de saber sacado una “B”.
b) Obtener una bola negra y luego otra negra al sacar sucesivamente sin reposición:
Para este caso se considera que el evento de sacar una bola negra en la primera extracción es “N 1”, una negra en la segunda extracción es
“N2” por lo tanto se busca calcular la probabilidad de obtener 𝑷(𝑵𝟏 ∩ 𝑵𝟐 ) =?
𝑺 = {𝑩, 𝑩, 𝑵, 𝑵, 𝑵, 𝑵, 𝑵} ⟹ 𝒏(𝑺) = 𝟕
𝑵𝟏 = {𝑵, 𝑵, 𝑵, 𝑵, 𝑵} ⟹ 𝒏(𝑵𝟏 ) = 𝟓
𝒏(𝑵𝟏 ) 𝟓
𝑷(𝑵𝟏 ) = = → 𝒍𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒐𝒃𝒕𝒆𝒏𝒆𝒓 𝒖𝒏𝒂 𝒃𝒐𝒍𝒂 𝒏𝒆𝒈𝒓𝒂 𝒆𝒏 𝒍𝒂 𝒑𝒓𝒊𝒎𝒆𝒓𝒂 𝒆𝒙𝒕𝒓𝒂𝒄𝒄𝒊𝒐𝒏
𝒏(𝑺) 𝟕
𝑵𝟐 = {𝑵, 𝑵, 𝑵, 𝑵} ⟹ 𝒏(𝑵𝟐 ) = 𝟒
Al sacar la primera bola negra, quedan en la urna sólo 6, de ellas 4 con probabilidades para sacar la segunda bola negra. Aplicando la ley de multiplicación.
𝟓 𝟒 𝟐𝟎 𝟏𝟎
𝑷(𝑵𝟏 ∩ 𝑵𝟐 ) = 𝑷(𝑵𝟏 ) ∗ 𝑷(𝑵𝟐 ∖ 𝑵𝟏 ) =
∗ = =
𝟕 𝟔 𝟒𝟐 𝟐𝟏
𝑷(𝑵𝟐 ∖ 𝑵𝟏 ): 𝒔𝒊𝒈𝒏𝒊𝒇𝒊𝒄𝒂 𝒍𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂 𝒅𝒆 𝒔𝒂𝒄𝒂𝒓 𝒖𝒏 𝒃𝒐𝒍𝒂 𝑵, 𝒍𝒖𝒆𝒈𝒐 𝒅𝒆 𝒉𝒂𝒃𝒆𝒓 𝒔𝒂𝒄𝒂𝒅𝒐 𝒖𝒏𝒂 𝑵.
c) Obtener una bola negra y luego otra negra y luego otra blanca al sacar sin reposición:
Sacar una blanca en la tercera extracción es el evento “B”
𝒔𝒂𝒄𝒂𝒓 𝑵𝟏 𝒚𝒂 𝒔𝒂𝒄𝒐 𝑵𝟏
⏞) ∗ 𝑷
𝑷(𝑵𝟏 ∩ 𝑵𝟐 ∩ 𝑩) = 𝑷 (𝑵 𝑵
⏟𝟐 ∖ ⏞𝟏
𝑵 ∗𝑷 𝑩∖ (𝑵
⏟ 𝟏 ∩ 𝑵𝟐 ) =?
𝟏
𝒍𝒖𝒆𝒈𝒐 𝒅𝒆 𝒔𝒂𝒄𝒂𝒓 𝒚𝒂 𝒔𝒆 𝒔𝒂𝒄𝒂𝒓𝒂𝒏 𝒆𝒔𝒕𝒂𝒔 𝒃𝒐𝒍𝒂𝒔
𝒐𝒕𝒓𝒂 𝒏𝒆𝒈𝒓𝒂 "𝟐 𝑵"
𝟒 { 𝒒𝒖𝒆𝒅𝒂𝒏 𝟓 𝒃𝒐𝒍𝒂𝒔 𝒆𝒏 𝒍𝒂 𝒖𝒓𝒏𝒂}
𝟔;𝒒𝒖𝒆𝒅𝒂𝒏 𝒕𝒐𝒅𝒂𝒗í𝒂 𝒆𝒏 𝒍𝒂 𝒖𝒓𝒏𝒂
( 𝒚 𝒍𝒖𝒆𝒈𝒐 𝒔𝒂𝒄𝒂𝒓 "𝑵" )
𝟓 𝟒 𝟐 𝟒𝟎 𝟐𝟎 𝟒
𝑷(𝑵𝟏 ∩ 𝑵𝟐 ∩ 𝑩) = 𝑷(𝑵𝟏 ) ∗ 𝑷(𝑵𝟐 ∖ 𝑵𝟏 ) ∗ 𝑷{𝑩 ∖ (𝑵𝟏 ∩ 𝑵𝟐 )} = ∗ ∗ = = =
𝟕 𝟔 𝟓 𝟐𝟏𝟎 𝟏𝟎𝟓 𝟐𝟏
Dónde: 𝑷{𝑩 ∖ (𝑵𝟏 ∩ 𝑵𝟐 )} significa la probabilidad de sacar una bola “B” luego de haber sacado una “N” y otra “N” también.
𝑷(𝑨) ∗ 𝑷(𝑫 ∖ 𝑨)
𝑷 (𝑨 ∖ 𝑫 ) =
𝑷(𝑨) ∗ 𝑷(𝑫 ∖ 𝑨) + 𝑷(𝑩) ∗ 𝑷(𝑫 ∖ 𝑩)
𝑷(𝑹 ∖ 𝑨) ∗ 𝑷(𝑨)
𝑷 ( 𝑨 ∖ 𝑹) =
𝑷(𝑹 ∖ 𝑨) ∗ 𝑷(𝑨) + 𝑷(𝑹 ∖ 𝑩) ∗ 𝑷(𝑩) + 𝑷(𝑹 ∖ 𝑪) ∗ 𝑷(𝑪) + ⋯
𝑷(𝑨𝒊 ) ∗ 𝑷(𝑩 ∖ 𝑨𝒊 )
𝑷(𝑨𝒊 ∖ 𝑩) =
{ 𝑷(𝑨𝟏 ) ∗ 𝑷(𝑩 ∖ 𝑨𝟏 ) + 𝑷(𝑨𝟐 ) ∗ 𝑷(𝑩 ∖ 𝑨𝟐 ) + ⋯ + 𝑷(𝑨𝒏 ) ∗ 𝑷(𝑩 ∖ 𝑨𝒏 ) }
b) Supongamos que, en efecto, el precio del papel aumenta en el curso del año próximo. ¿Cuál es la posibilidad de que se realice la
capitalización de las papeleras?:
𝑷(𝑨 ∖ 𝑪) ∗ 𝑷(𝑪) (𝟎, 𝟗𝟎) ∗ (𝟎, 𝟔𝟎) 𝟎, 𝟓𝟒 𝟎, 𝟓𝟒 𝟐𝟕
𝑷(𝑪 ∖ 𝑨) = = = = = = 𝟎, 𝟕𝟕𝟏𝟒 ó 𝟕𝟕, 𝟏𝟒%
𝑷(𝑨 ∖ 𝑪) ∗ 𝑷(𝑪) + 𝑷(𝑨 ∖ 𝑪′ ) ∗ 𝑷(𝑪′ ) (𝟎, 𝟗𝟎) ∗ (𝟎, 𝟔𝟎) + (𝟎, 𝟒𝟎) ∗ (𝟎, 𝟒𝟎) 𝟎, 𝟓𝟒 + 𝟎, 𝟏𝟔 𝟎, 𝟕𝟎 𝟑𝟓
EJEMPLO#93 Tres máquinas A, B, C, producen el 45%, 30% y 25% respectivamente del total de las piezas producidas en una fábrica.
Los porcentajes defectuosa de estas máquinas son 3%, 4% y 5% a) Seleccionamos una pieza a lazar, calcular la probabilidad de que sea
defectuosa: b) Tomamos, a lazar, una pieza y resulta ser defectuosa; calcular la probabilidad de haber sido producida por la maquina B:
c) ¿Qué maquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?:
Solución:
𝑫 = 𝒍𝒂 𝒑𝒊𝒆𝒛𝒂 𝒆𝒔 𝒅𝒆𝒇𝒆𝒄𝒕𝒖𝒐𝒔𝒂 𝑵 = 𝒍𝒂 𝒑𝒊𝒆𝒛𝒂 𝒏𝒐 𝒅𝒆𝒇𝒆𝒄𝒕𝒖𝒐𝒔𝒂
a) Seleccionamos una pieza a lazar, calcular la probabilidad de que sea defectuosa:
𝑷(𝑫) = 𝑷(𝑨) ∗ 𝑷(𝑫 ∖ 𝑨) + 𝑷(𝑩) ∗ 𝑷(𝑫 ∖ 𝑩) + 𝑷(𝑪) + 𝑷(𝑫 ∖ 𝑪) = 𝟎, 𝟒𝟓(𝟎, 𝟎𝟑) + 𝟎, 𝟑𝟎(𝟎, 𝟒𝟎) + 𝟎, 𝟐𝟓(𝟎, 𝟎𝟓) = 𝟎, 𝟎𝟏𝟑𝟓 + 𝟎, 𝟎𝟏𝟐 + 𝟎, 𝟎𝟏𝟐𝟓 = 𝟎, 𝟎𝟑𝟖 ó 𝟑, 𝟖%
b) Tomamos, a lazar, una pieza y resulta ser defectuosa; calcular la probabilidad de haber sido producida por la maquina B:
𝑷(𝑩) ∗ 𝑷(𝑫 ∖ 𝑩) 𝟎, 𝟑𝟎(𝟎, 𝟎𝟒) 𝟎, 𝟎𝟏𝟐 𝟎, 𝟎𝟏𝟐 𝟔
𝑷(𝑩 ∖ 𝑫) = = = = = = 𝟑𝟏, 𝟓𝟖%
𝑷(𝑨) ∗ 𝑷(𝑫 ∖ 𝑨) + 𝑷(𝑩) ∗ 𝑷(𝑫 ∖ 𝑩) + 𝑷(𝑪) ∗ 𝑷(𝑫 ∖ 𝑪) 𝟎, 𝟒𝟓(𝟎, 𝟎𝟑) + 𝟎, 𝟎𝟑(𝟎, 𝟎𝟒) + 𝟎, 𝟐𝟓(𝟎, 𝟎𝟓) 𝟎, 𝟎𝟏𝟑𝟓 + 𝟎, 𝟎𝟏𝟐 + 𝟎, 𝟎𝟏𝟐𝟓 𝟎, 𝟎𝟑𝟖 𝟏𝟗
c) ¿Qué maquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?:
Calculamos 𝑷(𝑨 ∖ 𝑫) y 𝑷(𝑪 ∖ 𝑫) comparar con 𝑷(𝑩 ∖ 𝑫) = 𝟑𝟏, 𝟓𝟖%
𝟎, 𝟒𝟓 ∗ (𝟎, 𝟎𝟑) 𝟏𝟑𝟓
𝑷(𝑨 ∖ 𝑫) = = = 𝟎, 𝟑𝟓𝟓 ó 𝟑𝟓, 𝟓%
𝟎, 𝟒𝟓 ∗ (𝟎, 𝟎𝟑) + 𝟎, 𝟑𝟎 ∗ (𝟎, 𝟎𝟒) + 𝟎, 𝟐𝟓 ∗ (𝟎, 𝟎𝟓) 𝟑𝟖𝟎
𝟎, 𝟐𝟓 ∗ (𝟎, 𝟎𝟓) 𝟏𝟐𝟓
𝑷(𝑪 ∖ 𝑫) = = = 𝟎, 𝟑𝟐𝟗 ó 𝟑𝟐, 𝟗%
𝟎, 𝟒𝟓 ∗ (𝟎, 𝟎𝟑) + 𝟎, 𝟑 ∗ (𝟎, 𝟎𝟒) + 𝟎, 𝟐𝟓 ∗ (𝟎, 𝟎𝟓) 𝟑𝟖𝟎
La máquina con mayor probabilidad de haber producido la pieza defectuosa es A.
EJEMPLO#94 Tenemos tres urnas: (A con 3 bolas rojas y 5 negra); (B con 2 bolas rojas y 1 negra); y (C con 2 bolas rojas y 3 negras).
Escogemos una urna a lazar y extraemos. Si la bola ha sido roja, ¿Cuál es la probabilidad de haber sido extraído de una urna A?
Solución: R = Sacar bola roja ; N = Sacar bola negra
En el diagrama de árbol adjunto pueden verse las distintas probabilidades de ocurrencia de los sucesos R o N para cada una de las tres urnas.
𝑷(𝑨) ∗ 𝑷(𝑹 ∖ 𝑨)
𝑷(𝑨 ∖ 𝑹) =
𝑷(𝑨) ∗ 𝑷(𝑹 ∖ 𝑨) + 𝑷(𝑩) ∗ 𝑷(𝑹 ∖ 𝑩) + 𝑷(𝑪) ∗ 𝑷(𝑹 ∖ 𝑪)
𝟏 𝟑
·
𝑷(𝑨 ∖ 𝑹) = 𝟑 𝟖
𝟏 𝟑 𝟏 𝟐 𝟏 𝟐
· + · + ·
𝟑 𝟖 𝟑 𝟑 𝟑 𝟓
𝟏 𝟏
𝑷(𝑨 ∖ 𝑹) = 𝟖 = 𝟖
𝟏 𝟐 𝟐 𝟏𝟕𝟑
𝟖 + 𝟗 + 𝟏𝟓 𝟑𝟔𝟎
𝟑𝟔𝟎 𝟒𝟓
𝑷(𝑨 ∖ 𝑹) = = = 𝟎, 𝟐𝟔𝟎𝟏 ó 𝟐𝟔, 𝟎𝟏%
𝟏𝟑𝟖𝟒 𝟏𝟕𝟑
EJEMPLO#95 En una reunión de profesionales 65% son auditores (B1), el resto son economistas (B2). Los hombres (H) son 80% y 60%
respectivamente: a) calcular la probabilidad de que sea economista, dado que es hombre:
b) Tomando una mujer a lazar, Calcular la probabilidad de que sea auditora: Su diagrama de árbol es:
Solución:
𝑷(𝑩𝟏 ) = 𝟎, 𝟔𝟓 𝑷(𝑯 ∖ 𝑩𝟏 ) = 𝟎, 𝟖𝟎 𝑷(𝑯 ∖ 𝑩𝟐 ) = 𝟎, 𝟔𝟎
𝑳𝒂𝒔 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅𝒆𝒔 𝒔𝒐𝒏: { }⟹
𝑷(𝑩𝟐 ) = 𝟎, 𝟑𝟓 𝑷(𝑴 ∖ 𝑩𝟏 ) = 𝟎, 𝟐𝟎 𝑷(𝑴 ∖ 𝑩𝟐 ) = 𝟎, 𝟒𝟎
La probabilidad de que sea 𝑩𝟐 dado que es H se calcula como:
a) Calcular la probabilidad de que sea economista, dado que es hombre:
(𝑯 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) 𝟎, 𝟔𝟎(𝟎, 𝟑𝟓) 𝟐𝟏
𝑷(𝑩𝟐 ∖ 𝑯) = = =
𝑷(𝑯 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) + 𝑷(𝑯 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) 𝟎, 𝟖𝟎(𝟎, 𝟔𝟓) + 𝟎, 𝟔𝟎(𝟎, 𝟑𝟓) 𝟕𝟑
b) Tomando una mujer a lazar, Calcular la probabilidad de que sea auditora:
𝑷(𝑴 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) 𝟎, 𝟐𝟎(𝟎, 𝟔𝟓) 𝟏𝟑
𝑷(𝑩𝟏 ∖ 𝑴) = = =
𝑷(𝑴 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) + 𝑷(𝑴 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) 𝟎, 𝟐𝟎(𝟎, 𝟔𝟓) + 𝟎, 𝟒𝟎(𝟎, 𝟑𝟓) 𝟐𝟕
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 40
Asumiendo que se trata de 1000 profesionales, se los distribuye de acuerdo a los porcentajes indicados, por ejemplo de los 350 𝑩𝟐 un 60%
son hombres H; 𝟎, 𝟔𝟎 ∗ (𝟑𝟓𝟎) = 𝟐𝟏𝟎
EJEMPLO#96 En una escuela se tienen tres cursos (B1, B2, B3), con número de alumnos 40,70 y 90 respectivamente. Tras un examen de
aptitud, Se declaran como aptos “A” 25, 40 y 20% respectivamente para cada curso.
𝟒𝟎 𝟕𝟎 𝟗𝟎
𝑷(𝑩𝟏 ) = = 𝟎, 𝟐𝟎 𝑷(𝑩𝟐 ) = = 𝟎, 𝟑𝟓 𝑷(𝑩𝟑 ) = = 𝟎, 𝟒𝟓
𝟐𝟎𝟎 𝟐𝟎𝟎 𝟐𝟎𝟎
𝑷(𝑨 ∖ 𝑩𝟏 ) = 𝟎, 𝟐𝟓 𝑷(𝑨 ∖ 𝑩𝟐 ) = 𝟎, 𝟒𝟎 𝑷(𝑨 ∖ 𝑩𝟑 ) = 𝟎, 𝟐𝟎
A los no aptos se los designa con “N” y Apto “A”.
a) Calcular la probabilidad de ser alumno del curso 𝑩𝟑 dado que es apto (A):
𝑷(𝑨 ∖ 𝑩𝟑 ) · 𝑷(𝑩𝟑 ) (𝟎, 𝟐) · (𝟎, 𝟒𝟓) 𝟗
𝑷(𝑩𝟑 ∖ 𝑨) = = =
𝑷(𝑨 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) + 𝑷(𝑨 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) + 𝑷(𝑨 ∖ 𝑩𝟑 ) · 𝑷(𝑩𝟑 ) 𝟎, 𝟐𝟓 · (𝟎, 𝟐) + 𝟎, 𝟒 · (𝟎, 𝟑𝟓) + 𝟎, 𝟐 · (𝟎, 𝟒𝟓) 𝟐𝟖
b) Si un alumno no es apto, que probabilidad tiene de ser del curso 𝑩𝟐 :
𝑷(𝑨 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) (𝟎, 𝟔) · (𝟎, 𝟑𝟓) 𝟕
𝑷(𝑩𝟐 ∖ 𝑨) = = =
𝑷(𝑵 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) + 𝑷(𝑵 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) + 𝑷(𝑵 ∖ 𝑩𝟑 ) · 𝑷(𝑩𝟑 ) 𝟎, 𝟕𝟓 · (𝟎, 𝟐) + 𝟎, 𝟔 · (𝟎, 𝟑𝟓) + 𝟎, 𝟖 · (𝟎, 𝟒𝟓) 𝟐𝟒
Conformada la tabla de acuerdo a los datos y porcentajes dados por ejemplo de los 40 alumnos de 𝑩𝟏 un 25% son aptos (A); 𝟎, 𝟐𝟓(𝟒𝟎) =
𝟏𝟎 𝒂𝒍𝒖𝒎𝒏𝒐𝒔 obviamente el restante 75% no son aptos (N); 𝟎, 𝟕𝟓(𝟒𝟎) = 𝟑𝟎 𝒂𝒍𝒖𝒎𝒏𝒐𝒔.
𝟏𝟖 𝟗 𝟒𝟐 𝟕
Las probabilidades requeridas son: 𝑷(𝑩𝟑 ∖ 𝑨) = 𝟓𝟔 = 𝟐𝟖 𝑷(𝑩𝟐 ∖ 𝑵) = 𝟏𝟒𝟒 = 𝟐𝟒
EJEMPLO#97 En una agencia bancaria se recibe un 60% de billetes nacionales (𝑩𝟏 ), el resto en billetes, extranjeros (𝑩𝟐 ), de los billetes
nacionales el 95% son auténticos (A), el resto son falsos (F), de los billetes extranjeros 80% son auténticos.
a) Calcular la probabilidad de que un billete autentico sea nacional:
b) Si un billete es auténtico. Calcular su probabilidad de que sea extranjero:
𝑩𝟏 = 𝑵𝒂𝒍. ; 𝑩𝟐 = 𝑬𝒙𝒕. ; 𝑷(𝑩𝟏 ) = 𝟎, 𝟔𝟎 ; 𝑷(𝑩𝟐 ) = 𝟎, 𝟒𝟎
𝑷(𝑨 ∖ 𝑩𝟏 ) = 𝟎, 𝟗𝟓 𝑷(𝑨 ∖ 𝑩𝟐 ) = 𝟎, 𝟖𝟎
𝑷(𝑭 ∖ 𝑩𝟏 ) = 𝟎, 𝟎𝟓 𝑷(𝑭 ∖ 𝑩𝟐 ) = 𝟎, 𝟐𝟎
Calcular la probabilidad de que un billete autentico sea nacional:
𝑷(𝑨 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) 𝟎, 𝟗𝟓 · (𝟎, 𝟔𝟎) 𝟓𝟕
𝑷(𝑩𝟏 ∖ 𝑨) = = =
𝑷(𝑨 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) + 𝑷(𝑨 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) 𝟎, 𝟗𝟓 · (𝟎, 𝟔𝟎) + 𝟎, 𝟖𝟎 · (𝟎, 𝟒𝟎) 𝟖𝟗
a) La probabilidad de ser pasajero del Barco 𝑩𝟏 dado que tiene documentos auténticos.
𝟓𝟎 𝟐𝟎𝟎 𝟓𝟎 𝟓𝟎
𝑷(𝑨 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) · 𝟓
𝑷(𝑩𝟏 ∖ 𝑨) = = 𝟐𝟎𝟎 𝟏𝟎𝟎𝟎 = 𝟏𝟎𝟎𝟎 == 𝟏𝟎𝟎𝟎 =
𝑷(𝑨 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) + 𝑷(𝑨 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) + 𝑷(𝑨 ∖ 𝑩𝟑 ) · 𝑷(𝑩𝟑 ) 𝟓𝟎 𝟐𝟎𝟎 𝟏𝟐𝟎 𝟑𝟎𝟎 𝟏𝟎𝟎 𝟓𝟎𝟎 𝟓𝟎 𝟏𝟐𝟎 𝟏𝟎𝟎 𝟐𝟕𝟎 𝟐𝟕
· + · + · + + 𝟏𝟎𝟎𝟎
𝟐𝟎𝟎 𝟏𝟎𝟎𝟎 𝟑𝟎𝟎 𝟏𝟎𝟎𝟎 𝟓𝟎𝟎 𝟏𝟎𝟎𝟎 𝟏𝟎𝟎𝟎 𝟏𝟎𝟎𝟎 𝟏𝟎𝟎𝟎
𝟓𝟎
𝑷(𝑩𝟏∩𝑨) 𝟓
Otra forma:𝑷(𝑩𝟏 ∖ 𝑨) = = 𝟏𝟎𝟎𝟎 = 𝟐𝟕
𝑷(𝑨) 𝟐𝟕𝟎
𝟏𝟎𝟎𝟎
b) Un pasajero no tiene documentos auténticos, que probabilidad tiene de venir del barco 𝑩𝟐 :
𝟏𝟖𝟎 𝟑𝟎𝟎 𝟏𝟖𝟎 𝟏𝟖𝟎
𝑷(𝑵 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) · 𝟏𝟖
𝑷(𝑩𝟐 ∖ 𝑵) = = 𝟑𝟎𝟎 𝟏𝟎𝟎𝟎 = 𝟏𝟎𝟎𝟎 == 𝟏𝟎𝟎𝟎 =
𝑷(𝑵 ∖ 𝑩𝟏 ) · 𝑷(𝑩𝟏 ) + 𝑷(𝑵 ∖ 𝑩𝟐 ) · 𝑷(𝑩𝟐 ) + 𝑷(𝑵 ∖ 𝑩𝟑 ) · 𝑷(𝑩𝟑 ) 𝟏𝟓𝟎 · 𝟐𝟎𝟎 + 𝟏𝟖𝟎 · 𝟑𝟎𝟎 + 𝟒𝟎𝟎 · 𝟓𝟎𝟎 𝟏𝟓𝟎 𝟏𝟖𝟎 𝟒𝟎𝟎 𝟕𝟑𝟎 𝟕𝟑
𝟐𝟎𝟎 𝟏𝟎𝟎𝟎 𝟑𝟎𝟎 𝟏𝟎𝟎𝟎 𝟓𝟎𝟎 𝟏𝟎𝟎𝟎 𝟏𝟎𝟎𝟎 + 𝟏𝟎𝟎𝟎 + 𝟏𝟎𝟎𝟎 𝟏𝟎𝟎𝟎
Otra forma:
𝟏𝟖𝟎
𝑷(𝑩𝟐 ∩ 𝑵) 𝟏𝟎𝟎𝟎 𝟏𝟖
𝑷(𝑩𝟐 ∖ 𝑵) = = =
𝑷(𝑵) 𝟕𝟑𝟎 𝟕𝟑
𝟏𝟎𝟎𝟎
𝑴 = 𝒆𝒓𝒓𝒐𝒓; 𝑪 = 𝒄𝒐𝒓𝒓𝒆𝒄𝒕𝒐
𝟒𝟓 𝟒𝟒 𝟒𝟑
∗ ∗ = 𝟎, 𝟕𝟐𝟑𝟗𝟕𝟗
𝟓𝟎 𝟒𝟗 𝟒𝟖
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 43
a) ¿Cuál es la probabilidad de que la primera y la segunda cuenta contengan mayor cantidad de errores?
𝟓 𝟒 𝟐𝟎
𝑷(𝑴𝟏 ∩ 𝑴𝟐 ) = 𝑷(𝑴𝟏 ) · 𝑷(𝑴𝟐 ∖ 𝑴𝟏 ) = · = = 𝟎, 𝟎𝟎𝟖𝟏𝟔𝟑 ó 𝟎, 𝟖𝟏𝟔𝟑% ; 𝒖𝒏 𝒑𝒐𝒄𝒐 𝒎𝒆𝒏𝒐𝒔 𝒅𝒆𝒍 𝟏%.
𝟓𝟎 𝟒𝟗 𝟐𝟒𝟓𝟎
b) ¿Cuál es la probabilidad de que la primera cuenta auditada contenga mayor cantidad de errores y la segunda sea correcta?
𝟓 𝟒𝟓 𝟐𝟐𝟓
𝑷(𝑴𝟏 ∩ 𝑪𝟐 ) = 𝑷(𝑴𝟏 ) · 𝑷(𝑪𝟐 ∖ 𝑴𝟏 ) = · = = 𝟎, 𝟎𝟗𝟏𝟖𝟑𝟕 ó 𝟗, 𝟏𝟖𝟑𝟕%
𝟓𝟎 𝟒𝟗 𝟐𝟒𝟓𝟎
¿Cuál es la probabilidad de que la 3 cuenta auditada contenga mayor cantidad de errores dado que la 1ra y la 2da cuentas contienen
ra
c)
mayor cantidad de errores?
𝟑
𝑷(𝑴𝟑 ∖ 𝑴𝟏 ∩ 𝑴𝟐 ) = (𝟐 𝒄𝒖𝒆𝒏𝒕𝒂𝒔 𝒔𝒐𝒏 𝒂𝒖𝒅𝒊𝒕𝒂𝒅𝒂𝒔 𝒏𝒐𝒔 𝒒𝒖𝒆𝒅𝒂𝒏 𝟑 𝒄𝒖𝒆𝒏𝒕𝒂𝒔, 𝒅𝒆 𝟒𝟖 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔)
𝟒𝟖
d) ¿Cuál es la probabilidad de que las 3 cuentas auditadas contengan mayor cantidad de errores?:
𝑨 = 𝑴𝟏 ∩ 𝑴 𝟐
𝑩 = 𝑴𝟑
𝟑 𝟑 𝟓 𝟒
𝑷(𝑴𝟏 ∩ 𝑴𝟐 ∩ 𝑴𝟑 ) = 𝑷(𝑴𝟑 ∖ 𝑴𝟏 ∩ 𝑴𝟐 ) · 𝑷(𝑴𝟏 ∩ 𝑴𝟐 ) = · (𝟎, 𝟎𝟎𝟖𝟏𝟔𝟑) = ( ∗ ) = 𝟎, 𝟎𝟎𝟎𝟓𝟏𝟎
𝟒𝟖 𝟒𝟖 𝟓𝟎 𝟒𝟗
e) ¿Cuál es la probabilidad de que las 3 cuentas auditadas sean correctas?
𝟒𝟑 𝟒𝟒 𝟒𝟓
𝑷(𝑪𝟏 ∩ 𝑪𝟐 ∩ 𝑪𝟑 ) = 𝑷(𝑪𝟑 ∖ 𝑪𝟏 ∩ 𝑪𝟐 ) · 𝑷(𝑪𝟏 ∩ 𝑪𝟐 ) = · · = 𝟎, 𝟕𝟐𝟑𝟗𝟕𝟗
𝟒𝟖 𝟒𝟗 𝟓𝟎
𝑷(𝑪𝟏 ∩ 𝑪𝟐 ∩ 𝑪𝟑 ) = 𝑷(𝑪𝟑 ∖ 𝑪𝟏 ∩ 𝑪𝟐 ) · 𝑷(𝑪𝟏 ∩ 𝑪𝟐
⏟ ) = 𝟎, 𝟕𝟐𝟑𝟗𝟕𝟗
𝟒𝟒 𝟒𝟓
𝑷(𝑪𝟏 ∩𝑪𝟐 )=𝑷(𝑪𝟐 ∖𝑪𝟏 )·𝑷(𝑪𝟏)= ·
𝟒𝟗 𝟓𝟎
𝑷(𝑨 ∖ 𝑩) · 𝑷(𝑩)
𝑷(𝑩 ∖ 𝑨) = ; 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒄𝒐𝒏𝒋𝒖𝒏𝒕𝒂
𝑷(𝑨)
Explicación del TDB.- Es la probabilidad que se utiliza cuando tenemos dos eventos dependientes, o sea la ocurrencia de uno depende de la
ocurrencia del otro. Y queremos saber la probabilidad de ocurra el primer evento dado que se sabe el segundo.
EJEMPLO#103 Se sabe que la probabilidad de que llueva en Santa Cruz un día de marzo es 25% cuando llueve la probabilidad de que la
empresa “Toldito” alquile un toldo es 80%, mientras si no llueve la probabilidad de alquilar es 25% ¿Cuál es la probabilidad de que ha llovido
si se sabe que se alquiló un toldo?
Como podemos ver nos piden la probabilidad de que haya sucedido
un evento “A” diciéndonos que uno “B” que es dependiente de “A”
ya sucedió.
LL = lluvia; S = sol; T = toldo
𝑷(𝑻 ∩ 𝑳𝑳) = 𝑷(𝑳𝑳) · 𝑷(𝑻 ∖ 𝑳𝑳) = 𝟎, 𝟐𝟓 · (𝟎, 𝟖𝟎) = 𝟎, 𝟐
𝑷(𝑻 ∩ 𝑺) = 𝑷(𝑺) · 𝑷(𝑻 ∖ 𝑺) = 𝟎, 𝟕𝟓 · (𝟎, 𝟐𝟓) = 𝟎, 𝟏𝟖𝟕
𝑷(𝑻 ∩ 𝑳𝑳) 𝟎, 𝟐
𝑷(𝑳𝑳 ∖ 𝑻) = = = 𝟎, 𝟓𝟏𝟔𝟕 ó 𝟓𝟏, 𝟔𝟕%
𝑷(𝑻 ∩ 𝑳𝑳) + 𝑷(𝑻 ∩ 𝑺) 𝟎𝟎, 𝟐 + 𝟎, 𝟏𝟖𝟕
Hay un 51,67% de probabilidad que haya llovido si se sabe que se
alquiló un toldo.
EJEMPLO#104 Se asume que Lía Vargas claros utiliza dos máquinas para producir su producto. La máquina “A” produce el 60% de los productos
del total, y la maquina “B” produce el restante 40%. El 2% de las unidades producidas por “A” son defectuosas, mientras que “B” tiene una tasa de
defectos del 4%. ¿Cuál es la probabilidad de que el producto sea de la maquina “A” dado que se sabe que es el defectuoso?
EJEMPLO#106 El 20% de los empleos de una empresa son ingenieros y otros 20% son economistas. El 75% de los ingenieros ocupan un
puesto directivo y el 50% de los economistas también, mientras que los no ingenieros y los no economistas solamente el 20% ocupan un
puesto directivo. ¿Cuál es la probabilidad de que un empleado sea ingeniero si se sabe que es directivo?
𝟐𝟎% 𝑺𝒐𝒏 𝒊𝒏𝒈𝒆𝒏𝒊𝒆𝒓𝒐𝒔: ⟹ 𝟕𝟓% 𝒔𝒐𝒏 𝒅𝒊𝒓𝒆𝒄𝒕𝒊𝒗𝒐𝒔; 𝟐𝟓% 𝒏𝒐 𝒔𝒐𝒏 𝒅𝒊𝒓𝒆𝒄𝒕𝒊𝒗𝒐𝒔.
𝟐𝟎% 𝑺𝒐𝒏 𝒆𝒄𝒐𝒏𝒐𝒎𝒊𝒔𝒕𝒂𝒔: ⟹ 𝟓𝟎% 𝒔𝒐𝒏 𝒅𝒊𝒓𝒆𝒄𝒕𝒊𝒗𝒐𝒔; 𝟓𝟎% 𝒏𝒐 𝒔𝒐𝒏 𝒅𝒊𝒓𝒆𝒄𝒕𝒊𝒗𝒐𝒔.
𝟔𝟎% 𝑺𝒐𝒏 𝒐𝒕𝒓𝒐𝒔 (𝑪𝑷𝑨): ⟹ 𝟐𝟎% 𝒔𝒐𝒏 𝒅𝒊𝒓𝒆𝒄𝒕𝒊𝒗𝒐𝒔; 𝟖𝟎% 𝒏𝒐 𝒔𝒐𝒏 𝒅𝒊𝒓𝒆𝒄𝒕𝒊𝒗𝒐𝒔.
𝑷(𝒊𝒏𝒈) · 𝑷(𝑫𝒊𝒓.\𝑰𝒏𝒈. )
𝑷(𝑰𝒏𝒈𝒆𝒏𝒊𝒆𝒓𝒐\𝑫𝒊𝒓𝒆𝒄𝒕𝒊𝒗𝒐) =
𝑷(𝒊𝒏𝒈) · 𝑷(𝑫𝒊𝒓.\𝑰𝒏𝒈. ) + 𝑷(𝒆𝒄𝒐. ) · 𝑷(𝑫𝒊𝒓.\𝑬𝒄𝒐. ) + 𝑷(𝒐𝒕𝒓𝒐𝒔) · 𝑷(𝑫𝒊𝒓\𝑶𝒕𝒓𝒐)
𝟎, 𝟐 · (𝟎, 𝟕𝟓) 𝟎, 𝟏𝟓 𝟎, 𝟏𝟓
𝑷(𝑰𝒏𝒈𝒆𝒏𝒊𝒆𝒓𝒐\𝑫𝒊𝒓𝒆𝒄𝒕𝒊𝒗𝒐) = = = = 𝟎, 𝟒𝟎𝟓𝟒 ó 𝟒𝟎, 𝟓𝟒%
𝟎, 𝟐 · (𝟎, 𝟕𝟓) + 𝟎, 𝟐 · (𝟎, 𝟓) + 𝟎, 𝟔𝟎 · (𝟎, 𝟐) 𝟎, 𝟏𝟓 + 𝟎, 𝟏 + 𝟎, 𝟏𝟐 𝟎, 𝟑𝟕
EJEMPLO#107 Existen 3 docentes de estadística II. La probabilidad que le toque al docente Julio Vargas Herbas es el 35%, y la probabilidad
de que usted apruebe con Julio Vargas Herbas es 80%. La probabilidad de que le toque con el docente Jaime Velazco es 25% y de todos los
estudiantes que pasen con este docente el 70% aprueba. La probabilidad de que le toque con el docente Marlen Molloja es 40%, pero a
Marlen Molloja solo le aprueba el 60% de los inscritos. ¿Cuál es la probabilidad de que un estudiante sea del docente Julio Vargas Herbas si
se sabe que aprobó la materia?
𝑨 = 𝑱𝒖𝒍𝒊𝒐 𝑪 = 𝑱𝒂𝒊𝒎𝒆 𝑷 = 𝑴𝒂𝒓𝒍𝒆𝒎 𝑬 = 𝑬𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆
𝑷(𝑨 ∩ 𝑬) 𝟎, 𝟐𝟖 𝟎, 𝟐𝟖
𝑷(𝑬\𝑨) = = = = 𝟒𝟎, 𝟐𝟖%
𝑷(𝑨 ∩ 𝑬) + 𝑷(𝑨 ∩ 𝑪) + 𝑷(𝑨 ∩ 𝑷) 𝟎, 𝟐𝟖 + 𝟎, 𝟏𝟕𝟓 + 𝟎, 𝟐𝟒 𝟎, 𝟔𝟗𝟓
𝑷(𝑨 ∩ 𝑬) = 𝑷(𝑨) ∗ 𝑷(𝑨\𝑬)
EJEMPLO#108 La probabilidad de que un hombre casado vea cierto programa de televisión es 0,4 y la probabilidad de que una mujer casada vea el programa
es 0,5. La probabilidad de que un hombre vea el programa, dado de que su esposa lo hace, es 0,7. Encuentre la probabilidad de que:
a)Un matrimonio vea el programa b)Una esposa vea el programa dado que su esposo lo ve c)Al menos una persona de un matrimonio vea el programa.
a) Un matrimonio vea el programa: 𝑯 = {𝒆𝒍 𝒉𝒐𝒎𝒃𝒓𝒆 𝒗𝒆𝒂 𝒕𝒆𝒍𝒆𝒗𝒊𝒔𝒊𝒐𝒏}; 𝑴 = {𝒍𝒂 𝒎𝒖𝒋𝒆𝒓 𝒗𝒆𝒂 𝒕𝒆𝒍𝒆𝒗𝒊𝒔𝒊𝒐𝒏}
𝑷(𝑯) = 𝟎, 𝟒𝟎 𝑷(𝑴) = 𝟎, 𝟓𝟎 𝑷(𝑯\𝑴) = 𝟎, 𝟕𝟎
La probabilidad de que un matrimonio vea el programa es la probabilidad de que el hombre y la mujer vean el programa, es decir, la
probabilidad de la intersección.
𝑷(𝑯 ∩ 𝑴)
𝑷(𝑯\𝑴) = → 𝑷(𝑯 ∩ 𝑴) = 𝑷(𝑯\𝑴) · 𝑷(𝑴) = 𝟎, 𝟕𝟎 · (𝟎, 𝟓𝟎) = 𝟎, 𝟑𝟓
𝑷(𝑴)
b) Una esposa vea el programa dado que su esposo lo ve:
𝑷(𝑴 ∩ 𝑯) 𝟎, 𝟑𝟓
𝑷(𝑴\𝑯) = = = 𝟎, 𝟖𝟕𝟓 ó 𝟖𝟕, 𝟓%
𝑷(𝑯) 𝟎, 𝟒𝟎
c) Al menos una persona de un matrimonio vea el programa:
𝑷(𝑴 ∪ 𝑯) = 𝑷(𝑴) + 𝑷(𝑯) − 𝑷(𝑴 ∩ 𝑯) = 𝟎, 𝟓𝟎 + 𝟎, 𝟒𝟎 − 𝟎, 𝟑𝟓 = 𝟎, 𝟗𝟎 − 𝟎, 𝟑𝟓 = 𝟎, 𝟓𝟓 = 𝟓𝟓%
ANALISIS COMBINATORIO
La teoría combinatoria es el estudio de permutaciones, variaciones y combinaciones. Se busca calcular el
número de posibilidades lógicas de algún evento, son necesidad de enumerarlas detalladamente.
Permutaciones
Permutación de cierto número de objetos es la disposición de todos ellos en un orden determinado.
La permutación de “n” elementos se representa como:
𝑷𝒏 el número total de permutaciones se obtiene por:
𝑷𝒏 = 𝒏(𝒏 − 𝟏) ∗ (𝒏 − 𝟐) ∗ (𝒏 − 𝟑) ∗ (𝒏 − 𝟒) … 𝟒 ∗ 𝟑 ∗ 𝟐 ∗ 𝟏 = 𝒏!
Permutación de “n” objetos distintos: 𝑷𝒏 = 𝒏!
𝟎! = 𝟏 𝟒! = 𝟐𝟒 𝟖 ! = 𝟒𝟎𝟑𝟐𝟎
𝟏! = 𝟏 𝟓! = 𝟏𝟐𝟎 𝟗! = 𝟑𝟔𝟐𝟖𝟖𝟎
𝑨𝒍𝒈𝒖𝒏𝒐𝒔 𝒇𝒂𝒄𝒕𝒐𝒓𝒊𝒂𝒍𝒆𝒔: 𝒏! = 𝟐! = 𝟐 𝟔! = 𝟕𝟐𝟎 𝟏𝟎! = 𝟑𝟔𝟐𝟖𝟖𝟎𝟎
𝟑! = 𝟔 𝟕! = 𝟓𝟎𝟒𝟎 𝟏𝟏! = 𝟑𝟗𝟗𝟏𝟔𝟖𝟎𝟎
{𝟏𝟐! = 𝟏𝟐 ∗ 𝟏𝟏 ∗ 𝟏𝟎 ∗ 𝟗 ∗ 𝟖 ∗ 𝟕 ∗ 𝟔 ∗ 𝟓 ∗ 𝟒 ∗ 𝟑 ∗ 𝟐 ∗ 𝟏 = 𝟒𝟕𝟗𝟎𝟎𝟏𝟔𝟎𝟎}
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 46
EJEMPLO#111 Las letras X, Y, Z pueden disponerse de las siguientes maneras:
𝒙𝒚𝒛, 𝒛𝒙𝒚, 𝒚𝒛𝒙, 𝒙𝒛𝒚, 𝒛𝒚𝒙 → 𝑷𝟑 = 𝟑! = 𝟔 𝒑𝒆𝒓𝒎𝒖𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔
EJEMPLO#112 Calcular el número total de palabras que se pueden obtenerse con todas las letras de la palabra ARCO:
𝑨𝑹𝑪𝑶 𝑹𝑶𝑪𝑨 𝑶𝑹𝑪𝑨 𝑪𝑨𝑹𝑶 𝑨𝑹𝑶𝑪 𝑹𝑶𝑨𝑪 𝑶𝑹𝑨𝑪 𝑪𝑨𝑶𝑹 𝑨𝑪𝑹𝑶 𝑹𝑪𝑶𝑨 𝑶𝑪𝑹𝑨 𝑪𝑹𝑨𝑶 𝑨𝑪𝑶𝑹
𝑹𝑪𝑨𝑶 𝑶𝑪𝑨𝑹 𝑪𝑹𝑶𝑨 𝑨𝑶𝑹𝑪 𝑹𝑨𝑶𝑪 𝑶𝑨𝑹𝑪 𝑪𝑶𝑨𝑹 𝑨𝑶𝑪𝑹 𝑹𝑨𝑪𝑶 𝑶𝑨𝑪𝑹 𝑪𝑶𝑹𝑨 ⟹ 𝑷𝟒 = 𝟒! = 𝟐𝟒 𝒑𝒆𝒓𝒎𝒖𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔
EJEMPLO#113 Resolver los siguientes problemas de permutaciones:
a) Calcular el número de modos en que pueden formar fila un total de 5 soldados: 𝑷𝟓 = 𝟓! = 𝟓(𝟒)(𝟑)(𝟐)(𝟏) = 𝟏𝟐𝟎
b) Calcular la cantidad de madera en que se pueden mostrar 8 libros en un muestrario: 𝑷𝟖 = 𝟖! = 𝟖(𝟕)(𝟔)(𝟓)(𝟒)(𝟑)(𝟐)(𝟏) = 𝟒𝟎𝟑𝟐𝟎
c) El número de palabras que se pueda formar con todas las letras de las palabras Julio: 𝑷𝟓 = 𝟓! = 𝟏𝟐𝟎
EJEMPLO#114 Un equipo de Balompié de 11 jugadores, el arquero y los defensores centrales son inamovibles de supuestos.
¿De cuantas maneras o modos se pueden colocar a los restantes jugadores?
𝟏𝟏 − 𝟑 = 𝟖 → 𝑷𝟖 = 𝟖! = 𝟒𝟎𝟑𝟐𝟎
EJEMPLO#115 Al ordenar una fila de 5 niños, se observa que tres de ellos insisten en permanecer juntos en el mismo orden. ¿De cuantas
maneras es posible ordenarlos?
𝑨 𝑩 𝑪 𝑫 𝑬 → 𝑨𝑩𝑪, 𝑫, 𝑬 → 𝑷𝟑 = 𝟑! = 𝟔 𝒑𝒆𝒓𝒎𝒖𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔
⏟
Permutaciones Ordinarias:
𝑷𝒎 = 𝒎! (𝒎! ≡ 𝒎 𝒇𝒂𝒄𝒕𝒐𝒓𝒊𝒂𝒍 = 𝒎 ∗ 𝒎 − 𝟏 ∗ 𝒎 − 𝟐 ∗ … ∗ 𝟑 ∗ 𝟐 ∗ 𝟏)
{ } ≡ (𝑰𝒅é𝒏𝒕𝒊𝒄𝒐)
𝑷𝒏 = 𝒏! (𝒏! ≡ 𝒏 𝒇𝒂𝒄𝒕𝒐𝒓𝒊𝒂𝒍 = 𝒏 ∗ 𝒏 − 𝟏 ∗ 𝒏 − 𝟐 ∗ … ∗ 𝟑 ∗ 𝟐 ∗ 𝟏)
Permutaciones con Repetición:
𝒏!
𝑷𝒏,𝒏𝟏,𝒏𝟐,… =
𝒏𝟏 ! 𝒏𝟐 ! …
𝑷𝒂,𝒃,…
𝒎 𝒆𝒏 𝒆𝒍 𝒄𝒐𝒏𝒋𝒖𝒏𝒕𝒐 𝒆𝒙𝒊𝒔𝒕𝒆𝒏 "a" 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔 𝒓𝒆𝒑𝒆𝒕𝒊𝒅𝒐𝒔 𝒅𝒆 𝒖𝒏𝒂 𝒄𝒍𝒂𝒔𝒆, "b"𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔
∝,𝜷,… 𝒎!
𝒓𝒆𝒑𝒆𝒕𝒊𝒅𝒐𝒔 𝒅𝒆 𝒐𝒕𝒓𝒂 𝒄𝒍𝒂𝒔𝒆, 𝒆𝒕𝒄. ⟹ 𝑷𝒎 =
∝ ! 𝜷! …
Permutaciones circulares:
𝑷𝑪𝒎 = 𝑷𝒎−𝟏 = (𝒎 − 𝟏)!
𝑷′𝒏 = (𝒏 − 𝟏)!
EJEMPLO#116 De cuantas maneras ó formas distintas pueden sentarse cuatro personas alrededor de una mesa.
𝑷𝑪𝟒 = (𝟒 − 𝟏)! = 𝟑! = 𝟔
EJEMPLO#117 De cuantas formas pueden alinearse dos chicas y tres chicos.
𝟓! 𝟓 · 𝟒 · 𝟑! 𝟓 · 𝟒 𝟏𝟐𝟎 𝟏𝟐𝟎
𝑷𝟐·𝟑
𝟓 = = = = 𝟏𝟎 ↔ 𝑷𝟐·𝟑
𝟓 = = = 𝟏𝟎
𝟐! · 𝟑! 𝟐 · 𝟑! 𝟐 𝟐·𝟔 𝟏𝟐
𝟐,𝟑
EJEMPLO#118 Resolver: 𝑷𝒎 + 𝑷𝒎−𝟏 = 𝑷𝑪𝒎−𝟏
𝒎! 𝒎(𝒎 − 𝟏) · (𝒎 − 𝟐)!
+ (𝒎 − 𝟏)! = ((𝒎 − 𝟏) − 𝟏)! ⟹ + (𝒎 − 𝟏) · (𝒎 − 𝟐)! = (𝒎 − 𝟐)!
𝟐! · 𝟑! 𝟐·𝟑·𝟐
Se simplifica (𝒎 − 𝟐)! se opera y se obtiene una ecuación de segundo grado:
𝒎(𝒎 − 𝟏) 𝒎𝟐 − 𝒎
+ (𝒎 − 𝟏) = 𝟏 → +𝒎−𝟐= 𝟎 → 𝒎𝟐 + 𝟏𝟏𝒎 − 𝟐𝟒 = 𝟎
𝟏𝟐 𝟏𝟐
EJEMPLO#119 De cuantas formas pueden actuar en TV cuatro cantantes y tres humoristas.
𝟕! 𝟕 · 𝟔 · 𝟓 · 𝟒! 𝟕 · 𝟔 · 𝟓
𝑷𝟒,𝟑
𝟕 = = = = 𝟑𝟓
𝟒! · 𝟑! 𝟒! · 𝟑 · 𝟐 𝟑·𝟐
EJEMPLO#120 De cuantas formas distintas puede obtenerse la suma 8 al lanzar tres dados distintos y sumar los números aparecidos.
Posibilidades de suma 8 con tres dados:
𝟏 𝟐
𝟑! 𝟑 · 𝟐
𝟔 + 𝟏 + 𝟏 ⟹ 𝑷𝟐𝟑 = = =𝟑 ⏞
⏟
𝟔 +⏞
𝟏 + 𝟏} ⟹ 𝑷𝟏,𝟐
𝟑 = 𝟑
𝟐! 𝟐 𝟑
𝟏 𝟏 𝟏
𝟓 + 𝟐 + 𝟏 ⟹ 𝑷𝟑 = 𝟑! = 𝟔 ⏞
𝟓+⏞
⏟ 𝟐+⏞
𝟏} ⟹ 𝑷𝟏,𝟏,𝟏 =𝟔
𝟑
𝟑
𝟏 𝟏 𝟏
𝟒 + 𝟑 + 𝟏 ⟹ 𝑷𝟑 = 𝟑! = 𝟔 𝟒+⏞
⏞
⏟ 𝟑+⏞
𝟏} ⟹ 𝑷𝟏,𝟏,𝟏
𝟑 =𝟔 𝑻𝒐𝒕𝒂𝒍 = 𝟑 + 𝟔 + 𝟔 + 𝟑 + 𝟑 = 𝟐𝟏
𝟑
𝟏 𝟐
𝟑!
𝟒 + 𝟐 + 𝟐 ⟹ 𝑷𝟐𝟑 = =𝟑 ⏞
⏟
𝟒 +⏞
𝟐 + 𝟐} 𝑷𝟏,𝟐
𝟑 = 𝟑
𝟐! 𝟑
𝟐 𝟏
𝟑!
𝟑 + 𝟑 + 𝟐 ⟹ 𝑷𝟐𝟑 = = 𝟑 ⏞ ⏞ } ⟹ 𝑷𝟏,𝟐 = 𝟑
𝟑 + 𝟑 +𝟐
⏟ 𝟑
𝟐! 𝟑 }
COMBINACIONES
Es el número de subconjuntos de “n” elementos que podemos hacer en un conjunto de “m” elementos con la condición de que para que dos
subconjuntos sean distintos deben de tener al menos un elemento distinto. En este caso se dice que influyen los elementos. Aunque existen
combinaciones con o sin repetición.
𝒎 𝒎!
𝑪𝒏𝒎 = 𝑪𝒎,𝒏 = ( ) =
Combinaciones Ordinarias:
𝒏 𝒏!(𝒎−𝒏)!
Combinaciones con Repetición: 𝑪𝑹𝒎,𝒏 = 𝑪𝒎+𝒏−𝟏,𝒏
OTRAS FORMULAS:
a) Combinación de “r” objetos de “n” objetos distintos:
𝒏!
𝒏
𝒏(𝒏 − 𝟏)(𝒏 − 𝟐) … (𝒏 − 𝒓 + 𝟏) 𝒏! 𝒏 𝑽 𝒓 (𝒏 − 𝒓)! 𝒏!
𝑪𝒏𝒓 = = = ( ) ↔ 𝑪𝒏𝒓 = = =
𝒓(𝒓 − 𝟏) … 𝟐 ∗ 𝟏 𝒓! (𝒏 − 𝒓)! 𝒓 𝒓! 𝒓! 𝒓! (𝒏 − 𝒓)!
b) El total de las combinaciones que se puede lograr a partir de “n” objetos distintos tomados de diversas maneras se puede calcular por:
𝑵𝑪 = 𝟐𝒏 − 𝟏 → 𝑵(𝑪) = 𝟐𝒏 − 𝟏
EJEMPLO#147 ¿Cuántas comisiones de 3 alumnos pueden formarse con los 35 alumnos de una clase?
𝟓 𝑽𝟑 𝟓 · 𝟒 · 𝟑
𝑪𝟑𝟓 = ( ) = 𝟓 = = 𝟏𝟎
𝟑 𝑷𝟑 𝟑·𝟐
EJEMPLO#154 De cuantas formas posibles pueden elegirse dos botellas entre 18 existentes.
𝟐
𝟏𝟖 𝑽𝟏𝟖 𝟏𝟖 · 𝟏𝟕
𝑪𝟐𝟏𝟖 = ( )= = = 𝟏𝟓𝟑
𝟐 𝑷𝟐 𝟐
EJEMPLO#155 Con seis pesas de 1, 2, 5, 10, 20 y 50 gr. ¿Cuántas pesadas posibles pueden realizarse?
𝑽𝟏𝟔 𝑽𝟐𝟔 𝑽𝟑𝟔 𝑽𝟒𝟔 𝑽𝟓𝟔 𝑽𝟔𝟔
𝑪𝟏𝟔 + 𝑪𝟐𝟔 + 𝑪𝟑𝟔 + 𝑪𝟒𝟔 + 𝑪𝟓𝟔 + 𝑪𝟔𝟔 =
+ + + + +
𝑷𝟏 𝑷𝟐 𝑷𝟑 𝑷𝟒 𝑷𝟓 𝑷𝟔
𝟔 𝟔·𝟓 𝟔·𝟓·𝟒 𝟔·𝟓·𝟒·𝟑 𝟔·𝟓·𝟒·𝟑·𝟐 𝟔·𝟓·𝟒·𝟑·𝟐·𝟏
= + + + + + = 𝟔 + 𝟏𝟓 + 𝟐𝟎 + 𝟏𝟓 + 𝟔 + 𝟏 = 𝟔𝟑
𝟏·𝟏 𝟐·𝟏 𝟑·𝟐·𝟏 𝟒·𝟑·𝟐·𝟏 𝟓·𝟒·𝟑·𝟐·𝟏 𝟔·𝟓·𝟒·𝟑·𝟐·𝟏
EJEMPLO#156 Resolver los siguientes problemas de combinaciones:
a) Calcular el número de partidos en un campeonato de balompié que cuenta con 10 equipos. Si el campamento es de todos contra
todos en una sola rueda:
𝑽𝟏𝟎
𝟐 𝟏𝟎 · 𝟗 𝟗𝟎 𝟏 𝟐 𝟑 𝟒 𝟓 𝟔 𝟕 𝟖 𝟗 𝟎}
𝑪𝟏𝟎
𝟐 = = = = 𝟒𝟓 𝒑𝒂𝒓𝒕𝒊𝒅𝒐𝒔: { → 𝟏𝟐, 𝟏𝟑 …
𝟐! 𝟐 𝟐 𝟏𝟐𝟑𝟒𝟓𝟔𝟕𝟖𝟗𝟎
b) Calcular el número de partidos en un campeonato de balompié que cuenta con 10 equipos, si el campamento es de 2 series de a 5
equipos en una sola rueda:
𝑽𝟓𝟐 𝑽𝟓𝟐 𝟓 · 𝟒 𝟓 · 𝟒 𝟐𝟎 𝟐𝟎 𝟒𝟎
𝑪𝟓𝟐 + 𝑪𝟓𝟐 = + = + = + = = 𝟐𝟎
𝟐! 𝟐! 𝟐 𝟐 𝟐 𝟐 𝟐
c) En un club de 15 socios debe elegirse un presidente un tesorero y 5 vocales. ¿De cuántos números puede elegirse esta directica?
𝑽𝟏𝟓
𝟏 𝑽𝟏𝟒
𝟏 𝑽𝟏𝟑 (𝟏𝟑 · 𝟏𝟐 · 𝟏𝟏 · 𝟏𝟎 · 𝟗)
𝑪𝟏𝟓 𝟏𝟒 𝟏𝟑
𝟏 · 𝑪𝟏 · 𝑪𝟏 = · · 𝟓 = (𝟏𝟓)(𝟏𝟒) ∗ = 𝟐𝟕𝟎𝟐𝟕𝟎
𝟏! 𝟏! 𝟓! 𝟏𝟐𝟎
Cualquier de los 15 es presidente; Cualquier de los 14 es tesorero; Cualquier de los 13 que quedan elegir 5 vocales
d) Un entrenador tiene un equipo de 8 jugadores de basquetbol. ¿De cuantas maneras pueden mandar a la cancha al equipo de 5 jugadores?
𝑽𝟖𝟓 𝟖 · 𝟕 · 𝟔 · 𝟓 · 𝟒
𝑪𝟖𝟓 = = = 𝟓𝟔
𝟓! 𝟓 · 𝟒 · 𝟑 · 𝟐 · 𝟏
e) De un lote de 12 juguetes, un niño debe escoger solo a 4. ¿De cuantas maneras puede llevar a cabo su elección?
𝑽𝟏𝟐
𝟒 𝟏𝟐 · 𝟏𝟏 · 𝟏𝟎 · 𝟗
𝑪𝟏𝟐
𝟒 = = = 𝟒𝟗𝟓
𝟒! 𝟒·𝟑·𝟐·𝟏
f) De 27 senadores del parlamento Boliviano. ¿Cuántos modos de armar comisiones de 5 se tiene?
𝑽𝟐𝟕
𝟓 𝟐𝟕 · 𝟐𝟔 · 𝟐𝟓 · 𝟐𝟒 · 𝟐𝟑
𝑪𝟐𝟕
𝟓 = = = 𝟖𝟎𝟕𝟑𝟎
𝟓! 𝟓·𝟒·𝟑·𝟐·𝟏
g) Un campeonato de balompié se realiza con la participación de 5 equipos: A, B, C, D, E. Donde deben jugar todos contra todos en
una sola rueda, se trata de calcular: El número de partidos que en total debe jugarse en este campeonato.
Considerando que el partido entre los equipos AB es el mismo que el partido BA. Se trata de calcular las combinaciones de 5 elementos
tomadas de dos en dos:
𝑽𝟓𝟐 𝟓 · 𝟒 𝟐𝟎
𝑪𝟓𝟐 = = = = 𝟏𝟎
𝟐! 𝟐 𝟐
Otra forma:
𝒏 𝟓! 𝟓! 𝟓 · 𝟒 · 𝟑! 𝟐𝟎
𝑪𝒏𝒓 = ( ) = = = = = 𝟏𝟎
𝒓 𝟐! (𝟓 − 𝟐)! 𝟐! · 𝟑! 𝟐 · 𝟏 · 𝟑! 𝟐
AB AC AD AE
BC BD BE
CD CE
DE
b) Haz lo mismo para cuatro bolas distintas: Añadimos, por ejemplo, una bola azul (A)
Hacemos lo mismo empezando con R, con N y con A. hacemos lo mismo que hice anteriormente con B.
Como hay dos bolas del mismo color, ahora tenemos menos resultados que en el b). En concreto:
𝟔 + 𝟑 + 𝟑 = 𝟏𝟐
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 56
d) Lo mismo para ROJA, ROJA, NEGRA, NEGRA
Para la segunda roja, se hace lo mismo; para la segunda negra, se hace lo mismo.
EJEMPLO#160 Dos amigos juegan al tenis y acuerdan que será vencedor el primero que logre ganar dos sets. Escribe todas las formas en
que pueda desarrollarse el partido.
Hacemos un diagrama de árbol. En cada ramificación indicamos quien gana un set, el jugador A o el jugador B:
EJEMPLO#161 a) Forma todos los números de cuatro cifras que se puedan hacer con los dígitos 1 y 2 ¿Cuántos son? Hacemos diagrama de árbol:
EJEMPLO#162 Si queremos hacer lápices bicolores de doble punta y disponemos de los colores rojo, azul, negro, verde y amarillo.
¿Cuántos modelos se pueden formar? Escríbelos todos:
R = rojo A= azul N = negro V = verde M = amarillo
El lápiz bicolor de punta RA, por ejemplo; es el mismo que el de punta AR. Los modelos de lápices bicolores son:
EJEMPLO#163 ¿Qué número de dos cifras diferentes se puede formar con los dígitos 1, 2, 3, 4, 5?
Los números son:
EJEMPLO#165 Describe todos los partidos que han de jugarse en una liguilla con cinco equipos A, B, C, D y E.
Suponemos que juegan a una sola vuelta. Los partidos serán:
EJEMPLO#166 Si tenemos tres pantalones (AZUL, NEGRO, BLANCO) y cuatro blusas (AZUL, ROJA, VERDE, BLANCA), describe todas las
indumentarias que puedes vestir sin que coincidan el color de las prendas.
EJEMPLO#168 Calcular:
EJEMPLO#181 Seis amigos, 3 chicos y 3 chicas, van al cine. ¿De cuántas formas pueden sentarse si quieren estar alternados?
𝟔 → 𝒂𝒎𝒊𝒈𝒐𝒔
⏟ 𝟑𝑪𝑯 𝒚 𝟑𝑪𝑯 = 𝟕𝟐 𝒇𝒐𝒓𝒎𝒂𝒔
⏟
𝟑𝟔 𝟐
EJEMPLO#182 Señala 8 puntos en una circunferencia. Traza las cuerdas que unen cada punto con todos los demás.
a) ¿Cuántas cuerdas tendrán que dibujar?
b) ¿Cuantas diagonales tiene un octágono?
𝟖.𝟕
a) Tomamos todos los puntos de dos en dos. No se pueden repetir y no influye el orden: 𝑪𝟖,𝟐 = = 𝟐𝟖 𝒄𝒖𝒆𝒓𝒅𝒂𝒔
𝟐.𝟏
𝟏𝟔. 𝟏𝟓
𝒃)𝑪𝟏𝟔,𝟐 = = 𝟏𝟐𝟎 𝒄𝒖𝒆𝒓𝒅𝒂𝒔
𝟐. 𝟏
EJEMPLO#183 En unos almacenes emplean el siguiente código para marcar los artículos:
La primera cifra indica la sección correspondiente y es un número entre el 1 y 9.
Después, hay tres cifras, cada una de ellas del 0 al 9, que corresponde al número del proveedor. ¿Cuántas marcas distintas se
pueden hacer?
Para cifra correspondiente a la sección habrá: 𝑽𝑹𝟏𝟎,𝟑 = 𝟏𝟎𝟎𝟎
𝑽𝑹𝟏𝟎,𝟑 = 𝟏𝟎𝟑 = 𝟏𝟎𝟎𝟎 𝒎𝒂𝒓𝒄𝒂𝒔 𝒅𝒊𝒔𝒕𝒊𝒏𝒕𝒂𝒔
Como hay 9 cifras correspondientes a la sección, en total se podrán hacer 𝟗 ∗ 𝟏𝟎𝟎𝟎 = 𝟗𝟎𝟎𝟎 𝒎𝒂𝒓𝒄𝒂𝒔 𝒅𝒊𝒔𝒕𝒊𝒏𝒕𝒂𝒔
EJEMPLO#183-1 Para matricularse en un semestre, tienes que elegir dos asignaturas entre las siguientes:
Contabilidad III
Investigación Operativa
Estadística II
Auditoria Operativa
Auditoria Gubernamental
Finanzas II
a) ¿De cuantas formas puede hacer la elección?
b) Si en dirección de carrera te advierten de que las seis asignaturas las escribas por orden de preferencia. ¿De cuantas formas las
puedes escribir?
𝟔.𝟓 𝟑𝟎
No influye el orden y no podemos repetirlas: 𝒂)𝑪𝟔,𝟐 = = = 𝟏𝟓 𝒇𝒐𝒓𝒎𝒂𝒔 𝒅𝒊𝒔𝒕𝒊𝒏𝒕𝒂𝒔 ; 𝒃)𝑷𝟔 = 𝟔. 𝟓. 𝟒. 𝟑. 𝟐. 𝟏 = 𝟕𝟐𝟎 𝒇𝒐𝒓𝒎𝒂𝒔 𝒅𝒊𝒔𝒕𝒊𝒏𝒕𝒂𝒔
𝟐.𝟏 𝟐
EJEMPLO#184 Un documento de cálculo nos ha propuesto 10 problemas de los que tenemos que resolver 5.
a) ¿Cuántas formas hay de seleccionarlos?
b) De los 10 problemas propuestos hay 2 de los que no tienes “ni idea” ¿Se reduce mucho a las posibilidades de selección?
a) No podemos repetirlos y no influye el orden:
𝟏𝟎.𝟗.𝟖.𝟕.𝟔
𝑪𝟏𝟎,𝟓 = = 𝟐𝟓𝟐 𝒇𝒐𝒓𝒎𝒂𝒔
𝟓.𝟒.𝟑.𝟐.𝟏
b) En lugar de elegir entre 10, ahora elegimos entre 8
𝟖.𝟕.𝟔.𝟓.𝟒
𝑪𝟖,𝟓 = 𝟓.𝟒.𝟑.𝟐.𝟏 = 𝟓𝟔 𝒇𝒐𝒓𝒎𝒂𝒔
𝟓𝟔
Se reduce mucho a la selección, aproximadamente en un 77,8% ⟹ = 𝟎, 𝟐𝟐𝟐 ; 𝟏 − 𝟎, 𝟐𝟐𝟐 = 𝟎, 𝟕𝟕𝟖 = 𝟕𝟕, 𝟖%
𝟐𝟓𝟐
Si el primer set lo gana el jugador B, tenemos un esquema análogo. Por tanto, hay 20 maneras distintas de acabar un partido.
EJEMPLO#191 En una urna hay dos bolas blancas, una negra y una roja. Extraemos sucesivamente una bola cada vez y paramos cuando
tengamos las dos bolas blancas. ¿Cuáles son los posibles resultados?
Anotamos en un diagrama de árbol la bola que sale en cada extracción: blanca (B), negra (N) y roja(R).
EJEMPLO#193 Con las letras de la palabra CASA ¿Cuántas ordenaciones, con o sin sentido, podemos formar? Escríbelas todas.
Anotamos en un diagrama de árbol de posibilidades de cada letra de la palabra:
EJEMPLO#195 ¿Cuántos triángulos se pueden hacer de modo que tengan los vértices en los puntos de estas redes?
EJEMPLO#198 Una secretaria ha escrito cinco cartas distintas dirigidas a cinco personas. También escribe los cinco sobres
correspondientes y mete al azar cada carta en un sobre.
a) ¿De cuantas formas posibles se pueden meter las cartas en los sobres?
b) ¿En cuántos casos la carta del Señor Vargas estará dentro de un sobre?
a) No pueden repetirlas y si influye el orden: 𝑷𝟓 = 𝟓. 𝟒. 𝟑. 𝟐. 𝟏 = 𝟏𝟐𝟎 𝒇𝒐𝒓𝒎𝒂𝒔 𝒅𝒊𝒔𝒕𝒊𝒏𝒕𝒂𝒔 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔
b) Si fijamos la carta del Señor Vargas en el sobre del Señor Vargas, nos quedan libres cuatro cartas y cuatro sobres.
𝑷𝟒 = 𝟒. 𝟑. 𝟐. 𝟏 = 𝟐𝟒 𝒄𝒂𝒔𝒐𝒔 𝒉𝒂𝒃𝒓𝒂 𝒆𝒏 𝒍𝒂 𝒒𝒖𝒆 𝒍𝒂 𝒄𝒂𝒓𝒕𝒂 𝒅𝒆𝒍 𝑺𝒆ñ𝒐𝒓 𝑽𝒂𝒓𝒈𝒂𝒔 𝒆𝒔𝒕𝒂𝒓á 𝒅𝒆𝒏𝒕𝒓𝒐 𝒅𝒆𝒍 𝒔𝒐𝒃𝒓𝒆 𝒅𝒆𝒍 𝑺𝒆ñ𝒐𝒓 𝑽𝒂𝒓𝒈𝒂𝒔.
EJEMPLO#199 Calcula cuantos productos de tres factores distintos podemos formar con estas cifras: 1, 2, 3, 4, 5, 6 y 7.
𝟕.𝟔.𝟓
No influye el orden (𝟑 ∗ 𝟒 = 𝟒 ∗ 𝟑) y no podemos repetirlos: 𝑪𝟕,𝟑 = = 𝟑𝟓 𝒑𝒓𝒐𝒅𝒖𝒄𝒕𝒐𝒔
𝟑.𝟐.𝟏
CALCULO DE PROBABILIDADES
EJEMPLO#200 En una bolsa tenemos 4 bolas rojas, 5 verdes y 1 azul. Extraemos 3 bolas. Calcula la probabilidad de que:
a) Las tres sean rojas
b) Las tres sean verdes
c) Cada una de las tres sea roja o verde
d) Una de las tres sea azul
EJEMPLO#201 Andrés y Pablo están jugando al tenis. Ambos son igual de buenos. El partido es a cinco sets y el primero lo ha ganado
Andrés. ¿Cuál es la probabilidad de que acabe ganando Pablo?
EJEMPLO#202 Cinco amigos y amigas van juntas al cine y se reparten los asientos (consecutivos) al azar. ¿Cuál es la probabilidad de que
Ariel quede junto a Lía?
𝑯𝒂𝒚: 𝑷𝟓 = 𝟓! = 𝟏𝟐𝟎 𝒇𝒐𝒓𝒎𝒂𝒔 𝒆𝒏 𝒒𝒖𝒆 𝒑𝒖𝒆𝒅𝒆𝒏 𝒔𝒆𝒏𝒕𝒂𝒓𝒔𝒆 𝒍𝒐𝒔 𝟓 𝒂𝒎𝒊𝒈𝒐𝒔 𝒆𝒏 𝒆𝒍 𝒄𝒊𝒏𝒆. 𝑫𝒆 𝒆𝒍𝒍𝒂𝒔, 𝒉𝒂𝒚 𝟖 𝒆𝒏 𝒍𝒂𝒔 𝒒𝒖𝒆 𝑳𝒊𝒂 𝒔𝒆 𝒔𝒆𝒏𝒕𝒂𝒓𝒂 𝒂𝒍 𝒍𝒂𝒅𝒐 𝒅𝒆 𝑨𝒓𝒊𝒆𝒍.
𝟖 𝟒 𝟐 𝟏
Por lo tanto, la probabilidad pedida es: = = = = 𝟔, 𝟔𝟕%
𝟏𝟐𝟎 𝟔𝟎 𝟑𝟎 𝟏𝟓
EJEMPLO#203 Tiraremos tres dados. Calcula estas probabilidades:
a) El valor mediano es 6.
b) La suma es 10.
c) El menor es 2.
d) La diferencia entre el mayor y el menor es 2.
a) Eso significa que los tres son 6.
𝟏 𝟏 𝟏 𝟏
𝑷(𝒗𝒂𝒍𝒐𝒓 𝒎𝒆𝒅𝒊𝒂𝒏𝒐 𝟔) = ∗ ∗ =
𝟔 𝟔 𝟔 𝟐𝟏𝟔
b) Para que los tres dados sumen 10, debe darse alguna de estas combinaciones:
(𝟏𝟑𝟔)
(𝟏𝟒𝟓)
(𝟐𝟐𝟔) 𝟔 𝟏
⟹ 𝟔 𝒑𝒐𝒔𝒊𝒃𝒊𝒍𝒊𝒅𝒂𝒅𝒆𝒔} ⟹ 𝑷𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐: 𝑷(𝒔𝒖𝒎𝒆𝒏 𝟏𝟎) = =
(𝟐𝟑𝟓) 𝟐𝟏𝟔 𝟑𝟔
(𝟐𝟒𝟒)
(𝟑𝟑𝟒)}
𝟏 𝟓 𝟓 𝟐𝟓
c) 𝑷(𝒎𝒆𝒏𝒐𝒓 𝒆𝒔 𝟐) = 𝑷(𝒏𝒐 𝒔𝒂𝒍𝒆 𝒏𝒊𝒏𝒈𝒖𝒏 𝟏 𝒚 𝒑𝒐𝒓 𝒍𝒐 𝒎𝒆𝒏𝒐𝒔 𝒖𝒏 𝟐) = ∗ ∗ =
𝟔 𝟔 𝟔 𝟐𝟏𝟔
𝟏𝟏𝟑
d) 𝑺𝒊 𝒆𝒍 𝒎𝒆𝒏𝒐𝒓 𝒆𝒔 𝟏 → (𝟏𝟐𝟑)
𝟏𝟑𝟑
𝟐𝟐𝟒
𝑺𝒊 𝒆𝒍 𝒎𝒆𝒏𝒐𝒓 𝒆𝒔 𝟐 → (𝟐𝟑𝟒)
𝟐𝟒𝟒
𝟑𝟑𝟓
𝑺𝒊 𝒆𝒍 𝒎𝒆𝒏𝒐𝒓 𝒆𝒔 𝟑 → (𝟑𝟒𝟓)
𝟑𝟓𝟓
𝟒𝟒𝟔
𝑺𝒊 𝒆𝒍 𝒎𝒆𝒏𝒐𝒓 𝒆𝒔 𝟒 → (𝟒𝟓𝟔)
𝟒𝟔𝟔
𝟏𝟐 𝟏
𝑷𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐, 𝑷(𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒄𝒊𝒂 𝒅𝒆 𝟐) = 𝟐𝟏𝟔 = 𝟏𝟖
SOLUCIÓN:
𝟒∗𝟑
a) Para ir de A a C, hay: 𝑪𝟐𝟒 = = 𝟔 𝒄𝒂𝒎𝒊𝒏𝒐𝒔
𝟐
𝟑
Para ir de C a B, hay: = 𝑪𝟏𝟑 =𝟑
𝒄𝒂𝒎𝒊𝒏𝒐𝒔
𝟏
b) Hay 𝟔 ∗ 𝟑 = 𝟏𝟖 𝒄𝒂𝒎𝒊𝒏𝒐𝒔
𝟏𝟖 𝟏𝟖
c) 𝑷(𝑨 𝒂 𝑩, 𝒑𝒂𝒔𝒂𝒏𝒅𝒐 𝒑𝒐𝒓 𝑪) = 𝟑 = = 𝟎, 𝟓𝟏
𝑪𝟕 𝟑𝟓
EJEMPLO#208 Ariel sabe que Lía va ir de P a R. Decide esperarla en Q. ¿Cuál es la probabilidad de que se encuentren?
Influye el orden y elementos, y se pueden repetir. Considerando el alfabeto español, sin tener en cuenta las letras dobles, hay 27 letras.
𝑽𝑹𝟑𝟐𝟕 ∗ 𝑽𝑹𝟒𝟏𝟎 = 𝟐𝟕𝟑 ∗ 𝟏𝟎𝟒 = (𝟏𝟗𝟔𝟖𝟑)(𝟏𝟎𝟎𝟎𝟎) = 𝟏𝟗𝟔𝟖𝟑𝟎𝟎𝟎𝟎 = 𝟏𝟗𝟔, 𝟖𝟑 ∗ 𝟏𝟎𝟔 𝒎𝒂𝒕𝒓𝒊𝒄𝒖𝒍𝒂𝒔
b) El lenguaje de ordenadores de un “Byte” es una secuencia de 8 dígitos formada por 0 y 1 de la forma, 00101101. ¿Cuántos bytes diferentes
se pueden formar? ¿Cuántos tienen exactamente 4 ceros y 4 unos?
Se consideran los bytes formados 4 ceros y 4 unos, por lo tanto solo influye el orden y hay elementos repetidos.
𝟖! 𝟖. 𝟕. 𝟔. 𝟓. 𝟒! 𝟖. 𝟕. 𝟔. 𝟓
𝑷𝟒,𝟒
𝟖 = = = = 𝟕𝟎
𝟒! ∗ 𝟒! 𝟒. 𝟑. 𝟐. 𝟒! 𝟒. 𝟑. 𝟐
c) Cuántos números de tres cifras pares distintos son mayores que 500.
Se trata de hacer números de 3 cifras diferentes con los dígitos 0, 2, 4, 6,8 que sean mayores de 500. Influye el orden, los elementos y no se
pueden repetir, variaciones ordinarias. Se calculan todas las posibles y se le restan las que empiezan por 0, 2,4 que serán menores de 500.
𝑽𝟑𝟓 − 𝑽 𝟐
⏟𝟒 − 𝑽
𝟐
⏟𝟒 − 𝑽
𝟐 𝟑 𝟐
⏟𝟒 = 𝑽𝟓 − 𝟑𝑽𝟒 = 𝟓. 𝟒. 𝟑 − 𝟑. 𝟒. 𝟑 = 𝟐𝟒
𝟎 𝟐 𝟒
e) Una bolsa contiene 6 bolas blancas y 4 rojas. Se extraen dos bolas. Cuantos resultados pueden producirse que tengan: 1)Las 2 bolas
blancas 2)Las dos bolas rojas 3)Una bola de cada color:
f) La mesa presidencial:
DISTRIBUCIONES DISCRETAS
Variable aleatoria.- Se llama VA a toda ley (función) que asocia a cada elemento del espacio muestral un número real.
Según sean los recorridos de las variables, estas se pueden clasificar en Discretas y Continuas.
VAD ⟹ Solo puede tomar unos ciertos valores enteros.
VAC ⟹ Puede tomar, al menos teóricamente, todos los valores posibles dentro de un cierto intervalo de la recta real.
Función de Probabilidad.- Se llama función de probabilidad de una VAD “𝑿” a la aplicación que asocia a cada valor (𝒙𝒊 ) de la
variable su probabilidad 𝒑𝒊 .
Muy importante: En toda función de probabilidad se verifica:
𝑷₁ + 𝑷₂ + 𝑷₃ + ⋯ … … … . . 𝑷𝒏 = 𝟏
Ya que se trata de la probabilidad del suceso cierto.
Función de probabilidad de Variable Discreta: Si “𝑿” es una VAD, se llama función de probabilidad de “𝑿” a la función 𝒇 (𝒙𝒊) definida por:
𝒇(𝒙𝒊 ) = 𝑷 [𝑿 = 𝒙𝒊 ], 𝒍𝒍𝒂𝒎𝒂𝒅𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒙𝒊 , 𝒑𝒂𝒓𝒂 𝒕𝒐𝒅𝒐 𝒙𝒊 𝒒𝒖𝒆 𝒑𝒆𝒓𝒕𝒆𝒏𝒆𝒄𝒆 𝒂𝒍 𝒓𝒂𝒏𝒈𝒐:
𝒙𝟏 , 𝒙₂, … … … … 𝒙𝒏 𝒅𝒆 𝑿; 𝒇(𝒙𝒊 ) 𝒅𝒆𝒃𝒆 𝒔𝒂𝒕𝒊𝒔𝒇𝒂𝒄𝒆𝒓 𝒍𝒂𝒔 𝒔𝒊𝒈𝒖𝒊𝒆𝒏𝒕𝒆𝒔 𝒄𝒐𝒏𝒅𝒊𝒄𝒊𝒐𝒏𝒆𝒔:
① 𝒇(𝒙𝒊 ) ≥ 𝟎 ó 𝑷 [𝑿 = 𝒙] ≥ 𝟎 ; ② ∑ 𝒇(𝒙𝒊 ) = 𝟏 ó ∑ 𝑷 (𝑿 = 𝒙) = 𝟏
Si 𝑿 es una VAD cuya función de probabilidad es 𝒇(𝒙). Se llama función de distribución acumulada de prob. fda, a la función 𝑭(𝒙) definida por:
𝑭 (𝒙) = 𝑷 [𝑿 ≤ 𝒙] = ∑ 𝑷 [𝑿 = 𝒙] 𝒑𝒂𝒓𝒂 − ∞ < 𝒙 < ∞
Función de Distribución.- Sea 𝑿 una VAD cuyos valores suponemos ordenadas de menor a mayor. Llamaremos función de distribución de la
variable 𝑿, y escribiremos 𝑭(𝒙), a la función:
𝑭 (𝒙) = 𝒑 (𝑿 ≤ 𝒙)
Aclaraciones:
1) 𝑿 es un símbolo que representa a la VA en este caso discreta.
2) 𝒙 es un número real cualquiera.
3) 𝒑 (𝑿 ≤ 𝒙) se lee: “probabilidad de que una VA (𝒙) tome un valor menor o igual a (𝒙)”
CONCLUSION: La función de probabilidad asocia a cada valor de la variable la probabilidad acumulada hasta ese valor.
PROPIEDADES DE 𝑭(𝒙)
1) 𝑭(𝒙) 𝒆𝒔 𝒖𝒏𝒂 𝒑𝒓𝒐𝒃. ⟹ 𝟎 ≤ 𝑭(𝒙) ≤ 𝟏
2) 𝑭(𝒙) = 𝒄𝒕𝒆. 𝑬𝒏𝒕𝒓𝒆 𝒄𝒂𝒅𝒂 𝒅𝒐𝒔 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝒄𝒐𝒏𝒔𝒆𝒄𝒖𝒕𝒊𝒗𝒐𝒔 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆. 𝑭𝒖𝒏𝒄𝒊ó𝒏 𝒆𝒔𝒄𝒂𝒍𝒐𝒏𝒂𝒅𝒂.
3) 𝑭(𝒙) = 𝟎 ∀ 𝒙 < 𝒂𝒍 𝒎𝒆𝒏𝒐𝒓 𝒗𝒂𝒍𝒐𝒓 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆.
4) 𝑭(𝒙) = 𝟏 ∀ 𝒙 > 𝒂𝒍 𝒎𝒂𝒚𝒐𝒓 𝒗𝒂𝒍𝒐𝒓 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆
5) 𝑭(𝒙) 𝒆𝒔 𝒄𝒓𝒆𝒄𝒊𝒆𝒏𝒕𝒆
Función de Probabilidad de Variable Continua.- Si 𝑿 es una VAC, se llama función de densidad de probabilidad (fdp) de 𝑿 a la función 𝒇(𝒙)
definida para todo 𝒙 que pertenece a los reales y que satisface las siguientes condiciones:
1) 𝒇 (𝒙𝒊 ) ≥ 𝟎 → 𝒇𝒖𝒏𝒄𝒊ó𝒏 𝒆𝒔 +
+∞
2) ∫−∞ 𝒇(𝒙) 𝒅𝒙 = 𝟏 → á𝒓𝒆𝒂 𝒕𝒐𝒕𝒂𝒍 𝒃𝒂𝒋𝒐 𝒍𝒂 𝒄𝒖𝒓𝒗𝒂 𝒆𝒔 𝟏
3) 𝑷 [𝑨] = 𝑷 [𝒙 ∈ 𝑨] = ∫𝑨 𝒇(𝒙) 𝒅𝒙, 𝒑𝒂𝒓𝒂 𝒄𝒖𝒂𝒍𝒒𝒖𝒊𝒆𝒓 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝑨 ⊂ ℝ
Probabilidad equivalente a Área, Es decir:
𝑨 = [𝒂, 𝒃] → 𝑷 [𝒂 ≤ 𝒙 ≤ 𝒃] = á𝒓𝒆𝒂 𝒅𝒆 𝒍𝒂 𝒓𝒆𝒈𝒊ó𝒏 𝒍𝒊𝒎𝒊𝒕𝒂𝒅𝒂 𝒑𝒐𝒓 𝒍𝒂 𝒄𝒖𝒓𝒗𝒂 𝒆𝒍 𝒆𝒋𝒆 𝒙 𝒚 𝒍𝒂𝒔 𝒓𝒆𝒄𝒕𝒂𝒔 𝒙 = 𝒂, 𝒙 = 𝒃
⟹ Si 𝑿 es una VAC cuya función de densidad de probabilidad de 𝑿 es 𝒇(𝒙). Se llama función de distribución acumulada 𝑭(𝒙) a la función
definida por:
𝒙
𝑭(𝒙) = 𝑷 [𝑿 ≤ 𝒙] = ∫ 𝒇 (𝒙) 𝒅𝒕; 𝒑𝒂𝒓𝒂 − ∞ < 𝒙 ∞
−∞
𝑮𝒆𝒐𝒎é𝒕𝒓𝒊𝒄𝒂𝒎𝒆𝒏𝒕𝒆 𝒍𝒂 𝒇𝒖𝒏𝒄𝒊ó𝒏 𝒅𝒆 𝒅𝒊𝒔𝒕𝒓𝒊𝒃𝒖𝒄𝒊ó𝒏 𝒂𝒄𝒖𝒎𝒖𝒍𝒂𝒅𝒂 𝑭(𝒙) 𝒓𝒆𝒑𝒓𝒆𝒔𝒆𝒏𝒕𝒂 𝒆𝒍 á𝒓𝒆𝒂 𝒅𝒆𝒃𝒂𝒋𝒐 𝒅𝒆 𝒍𝒂 𝒄𝒖𝒓𝒗𝒂 𝒄𝒐𝒏𝒔𝒊𝒅𝒆𝒓𝒂𝒅𝒂 𝒅𝒆𝒔𝒅𝒆 − ∞.
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 74
Distribución de Probabilidad de Variable Continua
Distribución de Probabilidad.- Las distribuciones de probabilidad de variable continua son distribuciones teóricas e idealizadas de las
distribuciones estadísticas de variables continuas.
Las distribuciones de probabilidad de probabilidad continua se definen mediante una función 𝒚 = 𝒇(𝒙) denominada función de probabilidad
o función de densidad.
La función de densidad de VA deben de cumplir una serie de propiedades:
1) Deben ser positivas 𝒇 (𝒙) > 𝟎 para cualquier valor de la variable aleatorio en su campo de definición.
2) Debe ser una función normalizada, es decir, el área encerrada por la curva en su campo de existencia y el eje de abscisas debe ser
de la unidad.
Debido a estas propiedades, la probabilidad de que la VA tome un valor comprendido en cualquier intervalo [𝒂, 𝒃] interior a su campo de
existencia, es el área bajo la curva de dicho intervalo.
𝝈𝟐 = ∑ 𝒙𝟐𝒊 ∗ 𝑷𝒊 − 𝝁𝟐 =?
𝒊=𝟏
𝝈𝟐 = ∫ [(𝑿 – 𝝁)𝟐 ∗ 𝒇 (𝒙)] = ∫ (𝑿𝟐 ∗ 𝒇 (𝒙)𝒅𝒙 – 𝝁𝟐) → 𝑪𝒖𝒂𝒏𝒅𝒐 𝑿 𝒆𝒔 𝒄𝒐𝒏𝒕𝒊𝒏𝒖𝒂, 𝒔𝒊𝒆𝒎𝒑𝒓𝒆 𝒒𝒖𝒆 𝒍𝒂 𝒊𝒏𝒕𝒆𝒈𝒓𝒂𝒍 𝒔𝒆𝒂𝒏 𝒖𝒏 #𝑹𝒆𝒂𝒍.
−∞ −∞
Desviación estándar típica:
𝝈 = √𝝈𝟐 ó 𝝈 = √∑𝒏𝒊=𝟏 𝒙𝟐𝒊 ∗ 𝑷𝒊 − 𝝁𝟐
Valor Esperado.- El valor esperado de una VA es el equivalente a la media o promedio aritmético, que se utiliza para identificar el valor
central de la VA.
𝝁𝒙 = 𝑬 (𝒙) = ∑ 𝒙 ∗ 𝑷(𝒙) → 𝒑𝒂𝒓𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒅𝒊𝒔𝒄𝒓𝒆𝒕𝒂.
+∞
𝝁𝒙 = 𝑬 (𝒙) = ∫ 𝒙 ∗ 𝒇(𝒙) 𝒅𝒙 → 𝒑𝒂𝒓𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒄𝒐𝒏𝒕𝒊𝒏𝒖𝒂.
−∞
Es un promedio ponderado de los resultados que se esperan en el futuro.
Funciones:
Función de Probabilidad: Función de densidad de Probabilidad:
Matemáticamente, es la función 𝑷 (𝑿 = 𝒙) que va desde el Matemáticamente, es aquella función de una VAC 𝑿 que cumple
conjunto posible de los valores de la variable discreta 𝑿 al con las siguientes condiciones
intervalo [𝟎, 𝟏] Propiedades:
Propiedades: 1) … … … … … … … … … … … … … …
1) 𝑷 (𝑿 = 𝒙) ≥ 𝟎 +∞
2) ∫−∞ 𝒇(𝒙) ∗ 𝒅𝒙 = 𝟏
2) ∑ 𝑷 (𝑿 = 𝒙) = 𝟏
3) 𝑷 (𝒂 ≤ 𝑿 ≤ 𝒃) = ∑𝒃𝒂 𝒇(𝒙) ∗ 𝒅𝒙
3) 𝑷 (𝒂 ≤ 𝑿 ≤ 𝒃) = ∑𝒃𝒂 𝑷 (𝑿 = 𝒙)
4) …………………….
4) 𝑷 (𝑿 ≤ 𝒂) = ∑𝒂𝟎 ∑ 𝑷 (𝑿 = 𝒙)
∑ 𝑷(𝒙𝒊) = 𝟏 ↔ ∫ 𝑷(𝒙𝒊 ) 𝒅𝒙 = 𝟏
𝟏 −∞
EJEMPLO#213 Un dado trucado tiene la siguiente función de probabilidad:
𝑿𝒊 1 2 3 4 5 6
𝑷𝒊 0,1 0,15 0,15 0,15 0,15 0,30
Calcular:
a) Parámetros de la distribución.
b) Representar gráficamente la función de probabilidad y la de distribución
c) 𝑷 (𝟑 ≤ 𝒙 ≤ 𝟓)
a) Parámetros de distribución:
𝑿𝒊 𝑷𝒊 𝑿𝒊 ∗ 𝑷𝒊 𝑿𝟐𝒊 ∗ 𝑷𝒊
1 0,1 0,10 0,1
2 0,15 0,30 0,60
3 0,15 0,45 1,35
4 0,15 0,60 2,40
5 0,15 0,75 3,75
6 0,30 1,80 10,80
∑𝑷𝒊 = 𝟏 ∑ 𝑿𝒊 ∗ 𝑷𝒊 = 𝟒 ∑ 𝑿𝟐𝒊 ∗ 𝑷𝒊 = 𝟏𝟗
𝒏 𝒏
= 𝑷 (𝒙 ≤ 𝟓) – 𝑷 (𝒙 ≤ 𝟐)
= 𝟎, 𝟕𝟎 – 𝟎, 𝟐𝟓
= 𝟎, 𝟒𝟓
= 𝟒𝟓%
EJEMPLO#214 El número de motos de cuatro ruedas solicitadas en renta en una caseta de alquiler de motos en las orillas del rio pirai
durante un periodo de 50 días se identifica en la tabla siguiente:
Demanda (X) Número de días a) Construir la función de probabilidad
3 6 b) Determinar el valor esperado
4 10 c) Graficar la función de probabilidad
5 15 d) Determinar: 𝑷(𝒙 = 𝟓); 𝑷(𝒙 ≥ 𝟑); 𝑷(𝒙 < 𝟔); 𝑷(𝟓 ≤ 𝒙 < 𝟖)
6 9
7 6 𝑷(𝟒 < 𝒙 < 𝟔)
8 4
SOLUCIÓN:
Demanda Probabilidad Valor Esperado 𝑭(𝒙) c)Graficando la función de probabilidad:
(x) P(x) [𝑿 ∗ 𝑷(𝒙)]
3 0,12 0,36 0,12
4 0,2 0,80 0,32
5 0,3 1,50 0,62
6 0,18 1,08 0,80
7 0,12 0,84 0,92
8 0,08 0,64 1
1 E(x) = 5,22
b)El valor esperado es 5,22 motos.
d)Determinado los siguientes probabilidades:
𝑷(𝒙 = 𝟓) = 𝑭(𝟓) = 𝟎, 𝟔𝟐 = 𝟔𝟐% → 𝑺𝒖 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔𝒑𝒆𝒓𝒂𝒅𝒐 (𝑽𝑬) = 𝑽𝑬 = 𝟏, 𝟓
𝑷(𝒙 ≥ 𝟑) = 𝟏 − 𝑷(𝒙 < 𝟑) = 𝟏 − 𝑭(𝟐) = 𝟏 − 𝟎 = 𝟏 = 𝟏𝟎𝟎% → 𝑺𝒖 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔𝒑𝒆𝒓𝒂𝒅𝒐 (𝑽𝑬) = 𝑽𝑬 = 𝟓, 𝟐𝟐
𝑷(𝒙 < 𝟔) = 𝑭(𝟔) = 𝟎, 𝟏𝟐 + 𝟎, 𝟐𝟎 + 𝟎, 𝟑𝟎 = 𝟎, 𝟔𝟐 = 𝟔𝟐% → 𝑺𝒖 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔𝒑𝒆𝒓𝒂𝒅𝒐 (𝑽𝑬) = 𝑽𝑬 = 𝟐, 𝟔𝟔
𝑷(𝟓 ≤ 𝒙 < 𝟖) = 𝑷(𝒙 < 𝟖) − 𝑷(𝒙 < 𝟓) = 𝑭(𝟕) − 𝑭(𝟒) = 𝟎, 𝟗𝟐 − 𝟎, 𝟑𝟐 = 𝟔𝟎% → 𝑷(𝟓 ≤ 𝒙 < 𝟖) = 𝟎, 𝟑𝟎 + 𝟎, 𝟏𝟖 + 𝟎, 𝟏𝟐 = 𝟔𝟎% → 𝑽𝑬 = 𝟑, 𝟒𝟐
𝑷(𝟒 < 𝒙 < 𝟔) = 𝟔𝟐% → 𝑽𝑬 = 𝟏, 𝟓𝟎 (𝑨𝑪𝑼𝑴𝑼𝑳𝑨𝑫𝑶)
EJEMPLO#215 Aplicaciones a la toma de decisiones: Una florista estima su venta diaria de docenas de rosas de la forma siguiente:
VENTA ESTIMADA PROBABILIDAD DE LA La florista debe ordenar las rosas con un día de anticipación. Las rosas
DIARIA EN DOCENAS VENTA ESTIMADA que no se venden en un día se pierden. Si el costo de las rosas es de 10
12 0,50 Bs por docena y su precio de venta es de 30 Bs por docena. ¿Cuántas
13 0,40 docenas debe ordenar la florista para minimizar su perdida diaria?
14 0,10
SOLUCIÓN:
𝑪𝒐𝒔𝒕𝒐 = 𝟏𝟎𝑩𝒔 𝑷𝒓𝒆𝒄𝒊𝒐 𝒅𝒆 𝑽𝒆𝒏𝒕𝒂 = 𝑷𝑽 = 𝟑𝟎𝑩𝒔 𝑼𝑻 = 𝑷𝑽 − 𝑪 = 𝟑𝟎 − 𝟏𝟎 = 𝟐𝟎𝑩𝒔 𝑷𝑽 = 𝑼𝑻 + 𝑪 ↔ 𝟑𝟎 = 𝟐𝟎 + 𝟏𝟎 ↔ 𝟑𝟎 = 𝟑𝟎
Posibilidad de Posibles opciones de tener rosas C⟹Sobran=10; UT⟹Faltan=20
vender 12 13 14 A11 = 0 A12 = 1(10) A13 = 2(10)
12 0 10 20 A21 = 1(20) A22 = 0 A23 = 1(10)
13 20 0 10 A31 = 2(20) A32 = 1(20) A33 = 0
14 40 20 0
Tabla de perdidas condicionales: PC=perdida condicional; PE=perdida esperada: Cuadro de Pérdidas Esperadas:
POSIBLES PROBABILIDAD 12 13 14
VENTAS DE CADA VENTA PC PE PC PE PC PE Datos auxiliares:
12 0,5 0 0 10 5 20 10 20(0,40)=8 10(0,50)=5 20(0,50)=10
13 0,40 20 8 0 0 10 4 40(0,10)=4 20(0,10)=2 10(0,40)=4
14 0,10 40 4 20 2 0 0
1 12 7 14
Debemos vender/comprar diariamente 13 docenas de rosas, debido este ocasionará la menor perdida esperada en el futuro:
𝑷𝑬 = 𝟕
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 77
EJEMPLO#216 Una empresa vende equipos y accesorios de telecomunicaciones MOTOROLA, la demanda mensual de estos accesorios se
distribuye de la siguiente manera:
X 10 12 14 18
P(x) 0,4 0,2 0,35 0,05
Si cada accesorio cuesta 50$us y se vende a un 40% más por cuestiones por impuesto, determine cuántos de estos accesorios deberán tener
un stock mensualmente para minimizar las perdidas esperadas.
SOLUCIÓN:
Costo = 50$us/ud
Precio = 50 + 50(0,40) = 704$us/ud
Por sobrar = costo = 50$us
Por faltar = precio – costo = 70 – 50 = 20$us
P(x) 10 12 14 18
10 0,40 0 100 200 400 𝑯𝒂𝒃𝒍𝒂𝒓𝒆𝒎𝒐𝒔 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒊𝒂𝒍 𝒑𝒂𝒓𝒂 𝒓𝒆𝒇𝒆𝒓𝒊𝒓𝒏𝒐𝒔 𝒂 𝒄𝒅𝒂 𝒄𝒆𝒍𝒅𝒂,
12 0,20 40 0 100 300 ⟹ } 𝒏𝒐𝒔 𝒑𝒓𝒆𝒈𝒖𝒏𝒕𝒂𝒎𝒐𝒔 𝒔𝒊 𝒔𝒐𝒃𝒓𝒂𝒏 ó 𝒇𝒂𝒍𝒕𝒂𝒏, 𝒚 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒎𝒐𝒔 𝒍𝒐𝒔 𝒄𝒐𝒔𝒕𝒐𝒔.
14 0,35 80 40 0 200 𝒚 𝒕𝒆𝒏𝒆𝒎𝒐𝒔 𝒆𝒏 𝒆𝒔𝒕𝒆 𝒄𝒖𝒂𝒅𝒓𝒐.
18 0,05 160 120 80 0
Datos auxiliares:
No Falta ni sobra A11 = 0 Sobran 2: A12 = 2(50) = 100
Faltan 2: A21 = 2(20) = 40 No Sobra ni falta: A22 = 0
Faltan 4: A31 = 4(20) = 80 Faltan 2: A32 = 2(20) = 40
Faltan 8: A41 = 8(20) = 160 Faltan 6: A42 = 6(20) = 120
a) ¿Cuál es la probabilidad de que las ventas de la próxima semana sean a lo sumo de 102 cajas?
𝑷 (𝑺 ≤ 𝟏𝟎𝟐) = 𝑷 (𝑺 = 𝟏𝟎𝟎, 𝟏𝟎𝟏, 𝟏𝟎𝟐) = 𝑷 (𝑺 = 𝟏𝟎𝟎) + 𝑷 (𝑺 = 𝟏𝟎𝟏) + 𝑷 (𝑺 = 𝟏𝟎𝟐) == 𝟎, 𝟎𝟐 + 𝟎, 𝟎𝟑 + 𝟎, 𝟎𝟕 = 𝟎, 𝟏𝟐 ó 𝟏𝟐%
b) ¿Cuál es la probabilidad de que las ventas de la próxima semana sean menores que 100?
𝑷 (𝑺 < 𝟏𝟎𝟎) = 𝟎 ó 𝟎%
c) ¿Cuál es la probabilidad de que las ventas de la semana próxima sean iguales ó mayores que 100?
𝑷 (𝑺 ≥ 𝟏𝟎𝟎) = 𝟏 ó 𝟏𝟎𝟎%
d) ¿Cuál es la probabilidad de que las ventas de la semana siguiente sean iguales o menores que 110 cajas?
𝑷 (𝑺 ≤ 𝟏𝟏𝟎) = 𝟏 ó 𝟏𝟎𝟎%
e) ¿Cuál es la probabilidad de que las ventas de la semana siguiente estén entre 106 y 110 cajas?
𝑷 (𝟏𝟎𝟔 < 𝑺 < 𝟏𝟏𝟎) = 𝑷 (𝑺 = 𝟏𝟎𝟕) + 𝑷 (𝑺 = 𝟏𝟎𝟖) + 𝑷 (𝑺 = 𝟏𝟎𝟗)
𝑷 (𝟏𝟎𝟔 < 𝑺 < 𝟏𝟏𝟎) = 𝟎, 𝟏𝟎 + 𝟎, 𝟏𝟎 + 𝟎, 𝟏𝟓 = 𝟎, 𝟑𝟓 ó 𝟑𝟓%
𝒂
𝒂 𝒄)𝑷 (𝒂 ≤ 𝒙 ≤ 𝒃) = ∫ 𝒇(𝒙) 𝒅𝒙
𝒂
𝒅)𝑷(𝒙 ≤ 𝒂) = ∑ 𝑷 (𝑿 = 𝒙)
𝒅) … … … … … … … … … …
𝟎
Valor Esperado Valor Esperado
+∞
𝝁𝒙 = 𝑬 (𝒙) = ∑𝒙 ∗ 𝑷 (𝒙)
𝝁𝒙 = 𝑬 (𝒙) = ∫ 𝑿𝒇(𝒙) 𝒅𝒙
−∞
Distribución de Probabilidad Discreta
La función de distribución de una VA se caracteriza por medio de dos números: su media y su varianza.
Sea “𝑿” una VA sea: 𝑿𝒊 (𝒊 = 𝟏, 𝟐, 𝟑, … . 𝒏) los valores posibles que pueden tomar “𝒙” y sea 𝑷 (𝑿𝒊 ) = 𝑷 (𝑿 = 𝒙𝒊 ) la probabilidad de
que 𝑿 adquiera el valor 𝑿𝒊 .
Si denotamos la media por 𝑿 ̅ y la varianza Var (𝑿), tenemos:
𝒏 𝒏 𝒏
𝑴𝒆𝒅𝒊𝒂 → ̅
𝒙 = ∑ 𝒓𝒊 ∗ 𝑷(𝒓𝒊 ) = (𝟏𝟎%)𝑷(𝑹 = 𝟏𝟎%) + 𝟏𝟐% 𝑷(𝑹 = 𝟏𝟐%) + (𝟏𝟒%)𝑷(𝑹 = 𝟏𝟒%) = (𝟏𝟎%) (𝟎, 𝟐𝟓) + (𝟏𝟐%) (𝟎, 𝟓𝟎) + (𝟏𝟒%) (𝟎, 𝟐𝟓)
𝒊=𝟏
𝒏
̅ = ∑ 𝒓𝒊 ∗ 𝑷(𝒓𝒊 ) = (𝟎, 𝟏𝟎) (𝟎, 𝟐𝟓) + (𝟎, 𝟏𝟐) (𝟎, 𝟓) + (𝟎, 𝟏𝟒) (𝟎, 𝟐𝟓) = 𝟎, 𝟎𝟐𝟓 + 𝟎, 𝟎𝟔 + 𝟎, 𝟎𝟑𝟓 = 𝟏𝟐%
𝑴𝒆𝒅𝒊𝒂 → 𝒙
𝒊=𝟏
¿ 𝑪𝒖á𝒍 𝒆𝒔 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂 𝒐 𝒅𝒊𝒔𝒑𝒆𝒓𝒔𝒊ó𝒏 𝒆𝒔𝒑𝒆𝒓𝒂𝒅𝒂 𝒅𝒆 𝒍𝒂 𝒕𝒂𝒔𝒂 𝒅𝒆 𝒓𝒆𝒕𝒐𝒓𝒏𝒐 𝑹 𝒂𝒍𝒓𝒆𝒅𝒆𝒅𝒐𝒓 𝒅𝒆 𝒔𝒖 Ṝ?
Calculo de la varianza de la tasa de retorno:
Valores de (𝑽𝒂𝒍𝒐𝒓𝒆𝒔 𝒅𝒆 𝑹)𝟐 = 𝒓𝟐𝒊 Probabilidad 𝒓𝟐𝒊 ∗ 𝑷(𝒓𝒊)
R 𝑷(𝒓𝒊)
r1 = 10% 100 0,25 25
r2 = 12% 144 0,50 72
r3 = 14% 196 0,25 49
146
𝟑
̅ )𝟐 = 𝟏𝟒𝟔 − 𝟏𝟒𝟒 = 𝟐
𝑽𝒂𝒓(𝑹) = ∑ 𝒓𝟐𝒊 ∗ 𝑷(𝑹 = 𝒓𝒊 ) − (𝑹 ⟹ 𝑽𝒂𝒓(𝑹) = 𝟐
𝒊=𝟏
EJEMPLO#221 Hallar la media y la varianza de una variable 𝑿 que tiene la siguiente función de probabilidad:
X 2 3 4
P 0,2 0,3 0,5
𝒏
𝝈𝟐 = ∑ 𝒙𝟐𝒊 ∗ 𝑷𝒊 − (𝒙
̅)𝟐 = [𝟐𝟐 (𝟎, 𝟐) + 𝟑𝟐 (𝟎, 𝟑) + 𝟕𝟐 (𝟎, 𝟓)] − (𝟒, 𝟖𝟎)𝟐 = 𝟐𝟖 − 𝟐𝟖, 𝟒𝟎 = 𝟒, 𝟗𝟔
𝒊=𝟏
X 2 3 5 6 8
P 0,2 0,10 0,40 0,2 0,10
a) Hallar la función de distribución de dicha variable.
b) Representar en un diagrama la función de distribución.
c) Hallar la media y la desviación típica.
a) La función de distribución o probabilidad acumulada (F(x))
Xi Pi 𝑭(𝒙) = 𝑷(𝑿 ≤ 𝑿𝒊)
2 0,2 0,2
3 0,1 0,3
5 0,4 0,70
6 0,2 0,90
8 0,1 1
Sea 𝒙 La VA que expresa la suma del número de puntos de los dos dados, hallar las siguientes probabilidades:
𝑷(𝒙 ≤ 𝟓); 𝑷(𝒙 ≥ 𝟏𝟎); 𝑭(𝟒); 𝑭(−𝟐); 𝑭(𝟏𝟗)
𝑷 (𝒙 ≤ 𝟓) = 𝑭 (𝟓) = 𝟏/𝟑𝟔 + 𝟐/𝟑𝟔 + 𝟑/𝟑𝟔 + 𝟒/𝟑𝟔 = 𝟏𝟎/𝟑𝟔 = 𝟓/𝟏𝟖
𝟏 𝟐 𝟑 𝟒 𝟓 𝟔 𝟓 𝟒 𝟑𝟎
̅̅̅̅̅̅̅̅̅
𝑷 (𝒙 ≥ 𝟏𝟎) = 𝑷 (𝒙 < 𝟏𝟎) = 𝟏 – 𝒑(𝒙 < 𝟏𝟎) = 𝟏 − 𝑭(𝟗) = 𝟏 − [ + + + + + + + ] = 𝟏 − [ ] = 𝟏/𝟔
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔
𝑶𝒕𝒓𝒂 𝒎𝒂𝒏𝒆𝒓𝒂 𝒅𝒆 𝒓𝒆𝒔𝒐𝒍𝒗𝒆𝒓: 𝑷 (𝒙 ≥ 𝟏𝟎) = 𝑭 (𝟏𝟎) = 𝟑/𝟑𝟔 + 𝟐/𝟑𝟔 + 𝟏/𝟑𝟔 = 𝟔/𝟑𝟔 = 𝟏/𝟔
𝟏 𝟐 𝟑 𝟔 𝟏
𝑭 (𝟒) = + + = = ; 𝑭 (−𝟐) = 𝟎 ; 𝑭 (𝟏𝟗) = ⏟
𝟏 𝑻𝒐𝒅𝒐 (𝒉𝒂𝒔𝒕𝒂 𝟏𝟐) ⏟
𝒊𝒏𝒄𝒍𝒖𝒔𝒊𝒗𝒆 𝒎𝒆 𝒇𝒂𝒍𝒕𝒂 𝒑𝒂𝒓𝒂 𝒍𝒍𝒆𝒈𝒂𝒓 𝒂𝒍 𝟏𝟗 = 𝟏
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟔 𝟏+ 𝟎=𝟏
Xi Pi Xi Fi
2 1/8 2 1/8
3 1/8 3 2/8
4 1/8 4 3/8
5 1/8 5 4/8
6 1/8 6 5/8
7 1/8 7 6/8
8 1/8 8 7/8
9 1/8 9 1
c)La media y la desviación típica:
Xi Pi 𝑿𝒊 ∗ 𝑷𝒊 𝑿𝟐𝒊 ∗ 𝑷𝒊
2 0,125 0, 25 0,5
3 0,125 0,375 1,125
4 0,125 0,5 2
5 0,125 0,625 3,125
6 0,125 0,75 4,50
7 0,125 0,875 6,125
8 0,125 1 8
9 0,125 1,125 10,125
∑ 𝑷𝒊 = 𝟏 ∑ 𝑿𝒊 ∗ 𝑷𝒊 = 𝟓, 𝟓 ∑ 𝑿𝟐𝒊 ∗ 𝑷𝒊 = 𝟑𝟓, 𝟓
𝒏 𝒏
𝝈𝟐 = ∑ 𝒙𝟐𝒊 ∗ 𝑷𝒊 − (𝒙
̅)𝟐 = [𝟐𝟐 (𝟎, 𝟐) + 𝟑𝟐 (𝟎, 𝟏) + 𝟓𝟐 (𝟎, 𝟒) + 𝟔𝟐 (𝟎, 𝟐) + 𝟏𝟎𝟐 (𝟎, 𝟏)] − [𝟒, 𝟗𝟎]𝟐 = 𝟐𝟖, 𝟗 − 𝟐𝟒, 𝟎𝟏 = 𝟒, 𝟖𝟗
𝒊=𝟏
EJEMPLO#228 Un dado ha sido manipulado con el fin de alterar las posibilidades de obtener las diferentes caras. Así si 𝑿 representa la
puntuación alcanzada en una tirada, se tiene:
𝟏
𝑷 (𝑿 = 𝟏) = − 𝟐𝑲
𝟔
𝟏
𝑷 (𝑿 = 𝟐) = − 𝑲
𝟔
𝟏
𝑷 (𝑿 = 𝟑) = 𝑷 (𝑿 = 𝟒) = 𝑫𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒓 𝑲 𝒑𝒂𝒓𝒂 𝒒𝒖𝒆 𝒍𝒂 𝒆𝒔𝒑𝒆𝒓𝒂𝒏𝒛𝒂 𝒅𝒆 𝑿 𝒔𝒆𝒂 𝒊𝒈𝒖𝒂𝒍 𝒂 𝟒.
𝟔
𝟏
𝑷 (𝑿 = 𝟓) =+𝑲
𝟔
𝟏
𝑷 (𝑿 = 𝟔) = + 𝟐𝑲 }
𝟔 𝒏
𝒏
𝟏 𝟏 𝟏 𝟓 𝟏 𝟓 𝟐𝟓 𝟐
𝑫𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 ⟹ 𝝈 = √∑ 𝑿𝟐𝒊 ∗ 𝑷𝒊 − 𝝁𝟐 = √[𝟏𝟐 ( ) + 𝟐𝟐 ( ) + 𝟑𝟐 ( ) + 𝟒𝟐 ( ) + 𝟓𝟐 ( ) + 𝟔𝟐 ( )] − [ ] = 𝟏, 𝟔𝟎
𝟗 𝟏𝟖 𝟗 𝟏𝟖 𝟔 𝟏𝟖 𝟔
𝒊=𝟏
EJEMPLO#232 Calcular el valor de C, para que las siguientes sean funciones de probabilidad discreta:
𝑪 𝑪 𝑪 𝑪 𝑪
𝒂)𝒇(𝒙) = ; 𝑹𝒙 = {𝟏, 𝟑, 𝟓, 𝟕} → ∑ 𝒇(𝒙) = 𝟏 = + + +
𝑿 𝟏 𝟑 𝟓 𝟕
𝑪 𝑪 𝑪 𝑪 𝟏𝟎𝟓𝑪+𝟑𝟓𝑪+𝟐𝟏𝑪+𝟏𝟓𝑪 𝟏𝟕𝟔𝑪 𝟏𝟕𝟔𝑪 𝟏𝟎𝟓
+𝟑+𝟓+𝟕 = = ↔𝟏= ↔ 𝟏(𝟏𝟎𝟓) = 𝟏𝟕𝟔𝑪 ↔ 𝑪 = 𝟏𝟕𝟔
𝟏 𝟏𝟎𝟓 𝟏𝟎𝟓 𝟏𝟎𝟓
𝟏𝟎𝟓 𝟏𝟎𝟓 𝟏𝟎𝟓 𝟏𝟎𝟓
𝑷𝒓𝒖𝒆𝒃𝒂 ⟹ 𝟏 = 𝟏𝟕𝟔
+ 𝟏𝟕𝟔
+ 𝟏𝟕𝟔
+ 𝟏𝟕𝟔
↔ 𝟏 = 𝟏 𝑪𝒖𝒎𝒑𝒍𝒆‼‼‼‼
𝟏 𝟑 𝟓 𝟕
𝑪 𝑪 𝑪 𝑪 𝑪 𝟕𝟐𝟗
𝒃)𝒇(𝒙) = 𝒈𝒙 ; 𝑹𝒙 = {𝟎, 𝟏, 𝟐, 𝟑} → ∑ 𝒇(𝒙) = 𝟏 ↔ 𝒈𝟎 + 𝒈𝟏 + 𝒈𝟐 + 𝒈𝟑 → 𝑪 = 𝟖𝟐𝟎
𝑿 𝟏 𝟐 𝟑 𝟒 𝟓
𝒄)𝒇(𝒙) = 𝑪 ; 𝑹𝒙 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓} → ∑ 𝒇(𝒙) = 𝟏 ↔ 𝑪 + 𝑪 + 𝑪 + 𝑪 + 𝑪 → 𝑪 = 𝟏𝟓
𝑬(𝑿) = ∑ 𝑿𝒇(𝒙) → 𝑬𝒔𝒑𝒆𝒓𝒂𝒏𝒛𝒂 𝒎𝒂𝒕𝒆𝒎á𝒕𝒊𝒄𝒂
𝝈𝟐 = ∑[𝑿 − 𝑬(𝒙)]²𝒇(𝒙) → 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂
𝝈 = √𝝈𝟐 → 𝒅𝒆𝒔𝒗𝒊𝒂𝒄𝒊𝒐𝒏 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓
EJEMPLO#233 Calcular la esperanza matemática, varianza, desviación estándar en las distribuciones de probabilidad.
𝒂+𝒃 𝟕+𝟏𝟑 𝟐𝟎
𝒄) 𝑽𝒂𝒍𝒐𝒓 𝑬𝒔𝒑𝒆𝒓𝒂𝒅𝒐: 𝑬(𝑿) = 𝝁 = = = = 𝟏𝟎
𝟐 𝟐 𝟐
(𝒃−𝒂)𝟐 (𝟏𝟑−𝟕)𝟐 (𝟔)𝟐 𝟑𝟔
𝒅) 𝝈𝟐 = = = = =𝟑 𝝈 = √𝟑 = 𝟏, 𝟕𝟑𝟐𝟎
𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟏𝟐
b) Valor Esperado
𝒂+𝒃 𝟕+𝟏𝟐 𝟏𝟗
𝝁= = = = 𝟗, 𝟓 𝒆𝒔𝒑𝒆𝒓𝒂𝒏𝒛𝒂 𝒎𝒂𝒕𝒆𝒎á𝒕𝒊𝒄𝒂.
𝟐 𝟐 𝟐
c) Varianza
(𝒃−𝒂)𝟐 (𝟏𝟐−𝟕)𝟐 𝟓𝟐 𝟐𝟓
𝝈𝟐 = = = 𝟏𝟐 = 𝟏𝟐 = 𝟐, 𝟎𝟖𝟑𝟑
𝟏𝟐 𝟏𝟐
Propiedades:
a) La muestra se compone de un número fijo de observaciones 𝒏
b) Cada observación se clasifica en una de dos categorías, 𝒎𝒖𝒕𝒖𝒂𝒎𝒆𝒏𝒕𝒆 𝒆𝒙𝒄𝒍𝒖𝒚𝒆𝒏𝒕𝒆𝒔 (los eventos no pueden ocurrir de manera simultánea.
Ejemplo: Una persona no puede ser de ambos sexos) y colectivamente exhaustivos (uno de los eventos debe ocurrir. Ejemplo: Al lanzar una
moneda, si no ocurre sello, entonces ocurre cara). A estas categorías se las denomina éxito y fracaso.
c)La probabilidad de que una observación se clasifique como éxito, 𝒑, es constante de una observación o otra. De la misma forma, la
probabilidad de que una observación se clasifique como fracaso, 𝟏 − 𝒑, es constante en todas las observaciones.
d) La variable aleatoria binomial tiene un rango de 𝟎 𝒂 𝒏.
Formula:
𝒑(𝑿) = 𝑷𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝑿 é𝒙𝒊𝒕𝒐𝒔, 𝒅𝒂𝒅𝒂𝒔 𝒏 𝒚 𝒑.
𝒏 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒄𝒊𝒐𝒏𝒆𝒔.
𝒏! 𝒏! 𝒑 = 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 é𝒙𝒊𝒕𝒐𝒔.
𝒑(𝑿 = 𝒙 ∖ 𝒏, 𝒑) = ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙 ⟹ 𝒑(𝑿) = ∗ 𝒑𝒙 ∗ (𝟏 − 𝒑)𝒏−𝒙 ⟹ 𝑫𝒐𝒏𝒅𝒆:
𝒙! (𝒏 − 𝒙)! 𝒙! (𝒏 − 𝒙)! 𝒒 = 𝟏 − 𝒑 = 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒇𝒓𝒂𝒄𝒂𝒔𝒐𝒔.
𝑿 = 𝒙 → 𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 é𝒙𝒊𝒕𝒐𝒔 𝒆𝒏 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂
{ (𝑿 = 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, … . . , 𝒏) }
Distribución binomial es cualquier experimento formado por una serie de “𝒏” ensayos repetitivos tales que:
a) Los ensayos son independientes, de modo que el resultado en cualquier ensayo particular no influye en el resultado de cualquier
otro ensayo.
b) Cada ensayo tiene dos resultados posibles denominados “éxito” y “fracaso”.
c) La probabilidad de éxito de cada ensayo, se denota por “𝒑”, permanece constante.
d) El experimento consta de una secuencia de 𝒏 experimentos más pequeños llamados ensayos, donde 𝒏 se fija antes del
experimento.
Las probabilidades se calcula a través de la siguiente formula:
𝒏!
𝒂) 𝒑(𝑿 = 𝒙 ∖ 𝒏, 𝒑) = 𝒙!(𝒏−𝒙)! ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙 Las variables pueden tomar los valores 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, … , 𝒏
𝒏!
𝒃) 𝒑(𝑿 = 𝒙) = 𝒑(𝒙 ∖ 𝒏, 𝒑) = 𝑪𝒏𝒙 ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙 = 𝒏 𝑪𝒙 ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙 = ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙
𝒙! (𝒏 − 𝒙)!
𝒏 𝒏 𝒏!
𝒄) 𝑪𝒙 = ( ) = 𝒙!(𝒏−𝒙)! Número de elementos, número de estos eventos elementales.
𝒙
𝒏
𝒅) 𝒑(𝑿 = 𝒙) = ( ) ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙 La probabilidad de lograr “𝒙” éxitos en “𝒏” pruebas de Bernoulli, donde 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, … , 𝒏
𝒙
𝑩𝒊𝒏𝒐𝒎𝒊𝒂𝒍(𝒏, 𝒑) = 𝑩(𝒏, 𝒑) =? 𝒔𝒊 𝒏 = 𝟏 𝒍𝒂 𝒇𝒖𝒏𝒄𝒊ó𝒏 𝒅𝒆 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒔𝒆𝒓á 𝑩(𝟏, 𝒑) =?
𝟎 𝒙<𝟎
𝒙
𝒏
𝑭(𝑿) = 𝒑(𝑿 ≤ 𝒙) = ∑ ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, 𝟖, 𝟗, 𝟏𝟎, 𝟏𝟏, 𝟏𝟐, 𝟏𝟑, 𝟏𝟒, 𝟏𝟓, 𝟏𝟔, … 𝒏.
𝒙
𝒙=𝟎
{ 𝟏 𝒙≥𝒏
Otra forma:
𝒙
𝒏
𝑭(𝑿) = 𝒑(𝑿 ≤ 𝒙 ∖ 𝑩; 𝒏, 𝒑) = 𝒑(𝑿 ≤ 𝒙) = ∑ ( ) 𝒑𝒙 𝒒𝒏−𝒙
𝒙
𝒊=𝟎
EJEMPLO#241 Después de una auditoría externa en una empresa financiera, se determinó que el 30% de sus créditos están en mora. Si el auditor
interno toma una muestra aleatoria de cinco de estas cuentas, determine la probabilidad de que exactamente dos créditos estén en mora.
SOLUCIÓN:
Datos
𝒑 = 𝟑𝟎% = 𝟎, 𝟑𝟎 𝒒 = 𝟏 − 𝒑 = 𝟕𝟎% = 𝟎, 𝟕𝟎 𝒏 = 𝟓 𝒄𝒖𝒆𝒏𝒕𝒂𝒔 𝒙 = 𝟐 𝒄𝒖𝒆𝒏𝒕𝒂𝒔 (𝒑 + 𝒒) = 𝟏𝟎𝟎% = 𝟏
𝒏! 𝟓!
𝒑(𝑿 = 𝒙 ∖ 𝒏, 𝒑) = ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙 ⟹ 𝒑(𝑿 = 𝟐 ∖ 𝒏 = 𝟓, 𝒑 = 𝟎, 𝟑𝟎) = ∗ (𝟎, 𝟑)𝟐 ∗ (𝟎, 𝟕)𝟓−𝟐
𝒙! (𝒏 − 𝒙)! 𝟐! (𝟓 − 𝟐)!
𝟏𝟐𝟎 𝟗 𝟑𝟒𝟑 𝟑𝟕𝟎𝟒𝟒𝟎 𝟑𝟎𝟖𝟕
𝒑(𝑿 = 𝟐 ∖ 𝒏 = 𝟓, 𝒑 = 𝟎, 𝟑𝟎) = ∗ ∗ = = = 𝟎, 𝟑𝟎𝟖𝟕 = 𝟑𝟎, 𝟖𝟕% ≅ 𝟑𝟏%
𝟏𝟐 𝟏𝟎𝟎 𝟏𝟎𝟎𝟎 𝟏𝟐𝟎𝟎𝟎𝟎𝟎 𝟏𝟎𝟎𝟎𝟎
EJEMPLO#242 Supongamos que la TV audiencia del programa “Bailando por un sueño” constituye el 30% del total de la TV audiencia. Esto
es, el programa tiene una participación del mercado del 30%.
a) Cuál es la probabilidad de que exactamente un televidente en una muestra aleatoria (encuesta telefónica aleatoria) de 5 televidentes
estén viendo el programa bailando por un sueño.
b) Cuál es la probabilidad de que más de la mitad de aquellos televidentes que se llaman estén viendo el programa de bailando por un
sueño.
c) Determinar la media, la varianza y la desviación típica.
SOLUCIÓN:
a) Datos
𝒑 = 𝟑𝟎% = 𝟎, 𝟑𝟎 𝒒 = 𝟏 − 𝒑 = 𝟕𝟎% = 𝟎, 𝟕𝟎 𝒏 = 𝟓 𝒕𝒆𝒍𝒆𝒗𝒊𝒅𝒆𝒏𝒕𝒆𝒔 𝒙 = 𝟏 𝒕𝒆𝒍𝒆𝒗𝒊𝒅𝒆𝒏𝒕𝒆
𝒏! 𝟓!
𝒑(𝑿 = 𝒙 ∖ 𝒏, 𝒑) = ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙 ⟹ 𝒑(𝑿 = 𝟏 ∖ 𝒏 = 𝟓, 𝒑 = 𝟎, 𝟑𝟎) = ∗ (𝟎, 𝟑)𝟏 ∗ (𝟎, 𝟕)𝟓−𝟏
𝒙! (𝒏 − 𝒙)! 𝟏! (𝟓 − 𝟏)!
𝟏𝟐𝟎 𝟑 𝟐𝟒𝟎𝟏 𝟖𝟔𝟒𝟑𝟔𝟎 𝟕𝟐𝟎𝟑
𝒑(𝑿 = 𝟏 ∖ 𝒏 = 𝟓, 𝒑 = 𝟎, 𝟑𝟎) = ∗ ∗ = = = 𝟎, 𝟑𝟔𝟎𝟏𝟓 = 𝟑𝟔, 𝟎𝟏𝟓% ≅ 𝟑𝟔%
𝟐𝟒 𝟏𝟎 𝟏𝟎𝟎𝟎𝟎 𝟐𝟒𝟎𝟎𝟎𝟎𝟎 𝟐𝟎𝟎𝟎𝟎
b) Datos
𝒑 = 𝟑𝟎% = 𝟎, 𝟑𝟎 𝒒 = 𝟏 − 𝒑 = 𝟕𝟎% = 𝟎, 𝟕𝟎 𝒏 = 𝟓 𝒕𝒆𝒍𝒆𝒗𝒊𝒅𝒆𝒏𝒕𝒆𝒔 𝒙 ≥ 𝟑, 𝟒 𝒚 𝟓 𝒕𝒆𝒍𝒆𝒗𝒊𝒅𝒆𝒏𝒕𝒆𝒔
𝒑(𝒎á𝒔 𝒅𝒆 𝒍𝒂 𝒎𝒊𝒕𝒂𝒅) = 𝒑(𝑿 ≥ 𝟑) = 𝒑(𝑿 = 𝟑 ó 𝟒 ó 𝟓 𝒆𝒙𝒊𝒕𝒐𝒔) = 𝒑(𝑿 = 𝟑) + 𝒑(𝑿 = 𝟒) + 𝒑(𝑿 = 𝟓) ⟹
𝟓! 𝟓! 𝟓!
𝒑(𝑿 ≥ 𝟑 ∖ 𝒏 = 𝟓, 𝒑 = 𝟎, 𝟕𝟎) = ∗ (𝟎, 𝟑)𝟑 ∗ (𝟎, 𝟕)𝟓−𝟑 + ∗ (𝟎, 𝟑)𝟒 ∗ (𝟎, 𝟕)𝟓−𝟒 + ∗ (𝟎, 𝟑)𝟓 ∗ (𝟎, 𝟕)𝟓−𝟓
𝟑! (𝟓 − 𝟑)! 𝟒! (𝟓 − 𝟒)! 𝟓! (𝟓 − 𝟓)!
𝟏𝟐𝟎 𝟐𝟕 𝟒𝟗 𝟏𝟐𝟎 𝟖𝟏 𝟕 𝟏𝟐𝟎 𝟐𝟒𝟑
𝒑(𝑿 ≥ 𝟑 ∖ 𝒏 = 𝟓, 𝒑 = 𝟎, 𝟕𝟎) = ∗ ∗ + ∗ ∗ + ∗ ∗𝟏⟹
𝟏𝟐 𝟏𝟎𝟎𝟎 𝟏𝟎𝟎 𝟐𝟒 𝟏𝟎𝟎𝟎𝟎 𝟏𝟎 𝟏𝟐𝟎 𝟏𝟎𝟎𝟎𝟎𝟎
𝟏𝟓𝟖𝟕𝟔𝟎 𝟔𝟖𝟎𝟒𝟎 𝟐𝟗𝟏𝟔𝟎 𝟒𝟎𝟕𝟕
𝒑(𝑿 ≥ 𝟑 ∖ 𝒏 = 𝟓, 𝒑 = 𝟎, 𝟕𝟎) = + + = = 𝟎, 𝟏𝟔𝟑𝟎𝟖 = 𝟏𝟔, 𝟑𝟎𝟖% ≅ 𝟏𝟔%
𝟏𝟐𝟎𝟎𝟎𝟎𝟎 𝟐𝟒𝟎𝟎𝟎𝟎𝟎 𝟏𝟐𝟎𝟎𝟎𝟎𝟎𝟎 𝟐𝟓𝟎𝟎𝟎
c) Encontrando la media, varianza y desviación estándar.
̅ = 𝑬(𝒙) = 𝒏 ∗ 𝒑 = 𝟓(𝟎, 𝟑𝟎) = 𝟏, 𝟓 𝒕𝒆𝒍𝒆𝒗𝒊𝒅𝒆𝒏𝒕𝒆𝒔 ≅ 𝟏 𝒕𝒆𝒍𝒆𝒗𝒊𝒅𝒆𝒏𝒕𝒆, 𝒂𝒄𝒂 𝒏𝒐 𝒔𝒆 𝒑𝒖𝒆𝒅𝒆 𝒓𝒆𝒅𝒐𝒏𝒅𝒆𝒂𝒓 𝒑𝒐𝒓𝒒𝒖𝒆 𝒔𝒐𝒏 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔
𝝁𝒙 = 𝒙
𝟐
𝝈𝒙 = 𝑽(𝒙) = 𝒏 ∗ 𝒑 ∗ 𝒒 = 𝟓(𝟎, 𝟑𝟎)(𝟎, 𝟕𝟎) = 𝟏, 𝟎𝟓 𝒕𝒆𝒍𝒆𝒗𝒊𝒅𝒆𝒏𝒕𝒆𝒔 ≅ 𝟏 𝒕𝒆𝒍𝒆𝒗𝒊𝒅𝒆𝒏𝒕𝒆.
𝝈 = √𝒏 ∗ 𝒑 ∗ 𝒒 = √𝟓(𝟎, 𝟑𝟎)(𝟎, 𝟕𝟎) = √𝟏, 𝟎𝟓 = 𝟏, 𝟎𝟐𝟒𝟕 ≅ 𝟏 𝒕𝒆𝒍𝒆𝒗𝒊𝒅𝒆𝒏𝒕𝒆.
EJEMPLO#243 La probabilidad de que un estudiante que ingresa a la Universidad Autónoma Gabriel René Moreno se gradué es de 0,40.
Encuentre la probabilidad de que un total de 5 estudiantes.
a) Ninguno b)1 c) al menos 1 d) todos se gradúen.
SOLUCIÓN:
a) Datos
𝒑 = 𝟎, 𝟒𝟎 = 𝟒𝟎% 𝒒 = 𝟏 − 𝒑 = 𝟎, 𝟔𝟎 = 𝟔𝟎% 𝒏 = 𝟓 𝒆𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆𝒔 𝒙 = 𝟎 𝒆𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆𝒔
𝒏! 𝟓!
𝒑(𝑿 = 𝒙 ∖ 𝒏, 𝒑) = ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙 ⟹ 𝒑(𝑿 = 𝟎 ∖ 𝒏 = 𝟓, 𝒑 = 𝟎. 𝟒) = ∗ (𝟎, 𝟒𝟎)𝟎 ∗ (𝟎, 𝟔𝟎)𝟓−𝟎
𝒙! (𝒏 − 𝒙)! 𝟎! (𝟓 − 𝟎)!
EJEMPLO#267 Supongamos que una línea de producción debe muestrearse hasta encontrar un artículo defectuoso. Utilizando una tasa de
error de 𝒑 = 𝟎, 𝟐𝟎 = 𝟐𝟎%, considere las siguientes preguntas:
a) ¿Cuántos artículos espera usted que debe probarse hasta encontrar uno defectuoso?
b) ¿Cuál es la probabilidad de que el primer artículo que se encuentre defectuoso sea el cuarto que se ha probado?
c) ¿Cuál es la probabilidad de que el primer artículo que se encuentre defectuoso sea el sexto que sea probado?
d) ¿ Cuál es la probabilidad de que el primer artículo defectuoso encontrado no sea el primero probado?
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝒑 = 𝟐𝟎% 𝒒 = 𝟖𝟎%
𝟏 𝟏
̅=
𝒂) 𝑬(𝑿) = 𝝁 = 𝒙 = = 𝟓 𝒂𝒓𝒕í𝒄𝒖𝒍𝒐𝒔, 𝒉𝒂𝒚 𝒒𝒖𝒆 𝒑𝒓𝒐𝒃𝒂𝒓 𝟓 𝒂𝒓𝒕𝒊𝒄𝒖𝒍𝒐𝒔 𝒑𝒂𝒓𝒂 𝒆𝒏𝒄𝒐𝒏𝒕𝒓𝒂𝒓 𝒖𝒏𝒐 𝒅𝒆𝒇𝒆𝒄𝒕𝒖𝒐𝒔𝒐.
𝒑 𝟎, 𝟐𝟎
𝟏 𝟒 𝟒−𝟏 𝟔𝟒
𝒃) 𝑷(𝑿 = 𝒙) = 𝒑 ∗ 𝒒𝒙−𝟏 = 𝒑(𝟏 − 𝒑)𝒙−𝟏 = 𝑷(𝑿 = 𝟒) = ( ) ∗ ( ) = = 𝟎, 𝟏𝟎𝟐𝟒 = 𝟏𝟎, 𝟐𝟒% ≅ 𝟏𝟎%
𝟓 𝟓 𝟔𝟐𝟓
𝟔−𝟏
𝟏 𝟒 𝟏𝟎𝟐𝟒
𝒄) 𝑷(𝑿 = 𝒙) = 𝒑 ∗ 𝒒𝒙−𝟏 = 𝒑(𝟏 − 𝒑)𝒙−𝟏 = 𝑷(𝑿 = 𝟔) = ( ) ∗ ( ) = = 𝟎, 𝟎𝟔𝟓𝟓𝟑𝟔 = 𝟔, 𝟓𝟓𝟑𝟔% ≅ 𝟕%
𝟓 𝟓 𝟏𝟓𝟔𝟐𝟓
𝒅) 𝑷(𝑿 = 𝒙) = 𝒑 ∗ 𝒒 𝒙−𝟏 = 𝒑(𝟏 − 𝒑) 𝒙−𝟏 = 𝑷(𝒑𝒓𝒊𝒎𝒆𝒓𝒐 𝒅𝒆𝒇𝒆𝒄𝒕𝒖𝒐𝒔𝒐 𝒏𝒐 𝒔𝒆𝒂 𝒆𝒍 𝒑𝒓𝒊𝒎𝒆𝒓𝒐 𝒑𝒓𝒐𝒃𝒂𝒅𝒐) = 𝒑(≠ 𝟏) = 𝒑(𝒙 = 𝟐 ó 𝟑 ó 𝟒 ó, … . )
𝟏 𝟒 𝟏−𝟏 𝟏 𝟒
𝒑(≠ 𝟏) = 𝟏 − 𝒑(𝒙 = 𝟏) = 𝟏 − [( ) ∗ ( ) ] = 𝟏 − [ ] = = 𝟎, 𝟖𝟎𝟎𝟎 = 𝟖𝟎%
𝟓 𝟓 𝟓 𝟓
EJEMPLO#268 En las horas de mayor congestión telefónica, se debe intentar varias veces hasta lograr la comunicación, ya que la
probabilidad de lograrla es de 0,10
a) ¿Cuál es la probabilidad de que sean necesarios 4 intentos hasta lograr la comunicación?
b) ¿Calcular el esperado número de intentos hasta lograr la comunicación?
c) ¿Cuál es la probabilidad de que sean necesarios 6 intentos más si ya se han efectuado 4 intentos sin éxito?
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝒑 = 𝟏𝟎% = 𝟎, 𝟏𝟎(𝒍𝒐𝒈𝒓𝒂𝒓 𝒄𝒐𝒎𝒖𝒏𝒊𝒄𝒂𝒄𝒊𝒐𝒏) 𝒒 = 𝟗𝟎% = 𝟎, 𝟗𝟎
𝟏 𝟗 𝟒−𝟏 𝟕𝟐𝟗
𝒂) 𝑷(𝑿 = 𝒙) = 𝒑 ∗ 𝒒𝒙−𝟏 = 𝒑(𝟏 − 𝒑)𝒙−𝟏 = 𝑷(𝑿 = 𝟒) = ( ) ∗ ( ) = = 𝟎, 𝟎𝟕𝟐𝟗 = 𝟕, 𝟐𝟗% ≅ 𝟕%
𝟏𝟎 𝟏𝟎 𝟏𝟎𝟎𝟎𝟎
𝟏 𝟏
̅= =
𝒃) 𝑬(𝑿) = 𝝁 = 𝒙 = 𝟏𝟎 𝒊𝒏𝒕𝒆𝒏𝒕𝒐𝒔 𝒒𝒖𝒆 𝒔𝒆 𝒍𝒐𝒈𝒓𝒆 𝒍𝒂 𝒄𝒐𝒎𝒖𝒏𝒊𝒄𝒂𝒄𝒊𝒐𝒏.
𝒑 𝟎, 𝟏𝟎
𝒄) 𝒆𝒍 𝒆𝒗𝒆𝒏𝒕𝒐 𝒅𝒆 𝒒𝒖𝒆 𝒔𝒆 𝒉𝒊𝒄𝒊𝒆𝒓𝒐𝒏 𝟒 𝒊𝒏𝒕𝒆𝒏𝒕𝒐𝒔 𝒔𝒊𝒏 𝒆𝒙𝒊𝒕𝒐 𝒔𝒆 𝒑𝒖𝒆𝒅𝒆 𝒄𝒐𝒏𝒔𝒊𝒅𝒆𝒓𝒂𝒓: "𝒔𝒆 𝒑𝒓𝒆𝒄𝒊𝒔𝒂𝒏 𝒅𝒆 𝒎á𝒔 𝒅𝒆 𝟒 𝒊𝒏𝒕𝒆𝒏𝒕𝒐𝒔 𝒑𝒂𝒓𝒂 𝒍𝒐𝒈𝒓𝒂𝒓 𝒖𝒏 𝒆𝒙𝒊𝒕𝒐"
𝑷𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐 𝒔𝒆 𝒕𝒓𝒂𝒕𝒂 𝒅𝒆 𝒖𝒏𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒄𝒐𝒏𝒅𝒊𝒄𝒊𝒐𝒏𝒂𝒍.
𝟏 𝟗 𝟏−𝟏 𝟏 𝟗 𝟐−𝟏
𝑷(𝑿 > 𝟔 ∖ 𝑿 > 𝟒) = 𝒑(𝑿 > 𝟐) = 𝟏 − 𝒑(𝑿 ≤ 𝟐) = 𝟏 − [𝒑(𝒙 = 𝟏) + 𝒑(𝒙 = 𝟐)] = 𝟏 − [( ) ∗ ( ) +( )∗( ) ]=
𝟏𝟎 𝟏𝟎 𝟏𝟎 𝟏𝟎
𝟏 𝟗 𝟏−𝟏 𝟏 𝟗 𝟐−𝟏 𝟏 𝟗 𝟏𝟗 𝟖𝟏
𝟏 − [( ) ∗ ( ) +( )∗( ) ]= 𝟏−[ + ]=𝟏−[ ]= = 𝟎, 𝟖𝟏 = 𝟖𝟏%
𝟏𝟎 𝟏𝟎 𝟏𝟎 𝟏𝟎 𝟏𝟎 𝟏𝟎𝟎 𝟏𝟎𝟎 𝟏𝟎𝟎
Distribución Hipergeométrica
Este es otro de los modelos contrario al modelo Binomial. Si en este los resultados del experimento son independientes uno de otro, en el
caso de una Distribución Hipergeométrica los resultados siguientes dependen de los anteriores. Esto ocurre ya que el experimento o
fenómeno se realiza sin reposición. Por esta razón, la variable aleatoria definida como el número de éxitos obtenidos tiene una distribución
Hipergeométrica. Para que una variable aleatoria como 𝑿 tenga distribución Hipergeométrica el experimento debe realizarse sin reposición o
sin reemplazamiento.
Definición
Suponga que una cierta población de tamaño 𝑵, contiene 𝑴 elementos que poseen determinado atributo o característica. Suponga también
que de esta población se desea extraer sin reposición una muestra de 𝒏 elementos y estamos interesados en saber el número de elementos
en la muestra que poseen dicho atributo o característica. Si definimos a 𝑿 como el número de elementos con dicho atributo, la probabilidad
de obtener éxito (que posea dicho atributo) en la primera será 𝑴/𝑵, la probabilidad de que el segundo también sea éxito será (𝑴 − 𝟏)/(𝑵 − 𝟏)
y de que lo sea sabiendo que el primero no lo fue, será 𝑴/(𝑵 − 𝟏).
Si ahora se elige una muestra de tamaño 𝒏 la variable 𝑿 así definida tendrá Distribución Hipergeométrica con parámetros 𝑵, 𝑴, 𝒏; es decir
𝑯(𝑵, 𝑴, 𝒏) cuya función de probabilidad viene dada por:
𝑴 𝑵−𝑴
( )( )
𝒑(𝒙) = 𝑷(𝑿 = 𝒙) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 ; 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, 𝟖, 𝟗, 𝟏𝟎, … , 𝒏. 𝑴 < 𝑵
𝑵
( )
𝒏
𝑴 𝑴 𝑵−𝒏 𝑵−𝑴 𝑴 𝑵−𝒏 𝑴
𝑬𝒍 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔𝒑𝒆𝒓𝒂𝒅𝒐 𝒅𝒆 𝑿 ⟹ 𝑬(𝑿) = 𝒏 ( ) = 𝒏𝒑 𝑳𝒂 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂 𝒅𝒆 𝑿 ⟹ 𝝈𝟐 = 𝑽(𝑿) = 𝒏 ( ) ( )( ) = 𝒏( )( ) (𝟏 − )
𝑵 𝑵 𝑵−𝟏 𝑵 𝑵 𝑵−𝟏 𝑵
𝑵−𝒏 𝑵−𝒏 𝑴
𝑳𝒂 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂 𝒅𝒆 𝑿 ⟹ 𝝈𝟐 = 𝑽(𝑿) = 𝒏𝒑𝒒 ( )=( ) 𝒏𝒑(𝟏 − 𝒑) 𝒑= 𝒒=𝟏−𝒑
𝑵−𝟏 𝑵−𝟏 𝑵
Donde:
𝑵 ⟹ 𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊ó𝒏
𝑴 ⟹ 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔 𝒄𝒐𝒏 𝒄𝒂𝒓𝒂𝒄𝒕𝒆𝒓í𝒔𝒕𝒊𝒄𝒂 𝒆𝒔𝒑𝒆𝒄𝒊𝒂𝒍 𝒕𝒊𝒑𝒐 𝑰 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 é𝒙𝒊𝒕𝒐𝒔 𝒆𝒏 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏.
𝑵 − 𝑴 ⟹ 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔 𝒄𝒐𝒏 𝒄𝒂𝒓𝒂𝒄𝒕𝒆𝒓í𝒔𝒕𝒊𝒄𝒂 𝒆𝒔𝒑𝒆𝒄𝒊𝒂𝒍 𝒕𝒊𝒑𝒐 𝑰𝑰 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒇𝒓𝒂𝒄𝒂𝒔𝒐𝒔 𝒅𝒆𝒍 𝒆𝒔𝒑𝒂𝒄𝒊𝒐 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒍.
𝒏 ⟹ 𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒆𝒏𝒔𝒂𝒚𝒐𝒔
𝑿 ⟹ 𝑰𝒏𝒅𝒊𝒄𝒂 𝒆𝒍 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔 𝒕𝒊𝒑𝒐 𝑰 𝒆𝒏 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 é𝒙𝒊𝒕𝒐𝒔 𝒆𝒏 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂.
𝒙 ⟹ 𝑳𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂 𝒔𝒆 𝒆𝒍𝒊𝒈𝒆 𝒔𝒊𝒏 𝒓𝒆𝒔𝒕𝒊𝒕𝒖𝒄𝒊ó𝒏 (𝒔𝒊𝒏 𝒔𝒖𝒔𝒕𝒊𝒕𝒖𝒄𝒊ó𝒏)
𝒏 − 𝒙 ⟹ 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒇𝒓𝒂𝒄𝒐𝒔 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂.
Los experimentos que tienen este tipo de distribución tienen las siguientes características:
a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repetición del experimento no es independiente de los demás.
d) El número de repeticiones del experimento (n) es constante.
La distribución binomial es apropiada sólo si la probabilidad de un éxito permanece constante. Esto ocurre si el muestreo se realiza con
reemplazo en una población grande. Sin embrago, si la población es pequeña y ocurre sin reemplazo, la probabilidad de éxito variará, y la
distribución hipergeométrica es que se utiliza.
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 105
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴
𝒑(𝒙) = 𝑷(𝑿 = 𝒙) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙
𝑵 𝑪𝑵
( ) 𝒏
𝒏
Notas:
Si se selecciona una muestra si reemplazo de una población grande conocida y contiene una proporción relativamente grande de la
población, de manera de la probabilidad de éxito varia de una selección a la siguiente, debe utilizarse la distribución hipergeometrica.
Cuando tamaño de la población (N) es muy grande, la distribución hipergeométrica tiende aproximarse a la binomial.
Se emplea para calcular la probabilidad de obtener determinado número de éxitos en un espacio muestral de n ensayos, pero a diferencia de
la distribución binomial es que los datos de la muestra se extraen sin reemplazo en una población finita. Por esto es que el resultado de una
observación depende o es afectado por el resultado de cualquier otra u otra observación anterior. Es decir que la distribución
hipergeometrica se emplea para muestreos sin reemplazo de una población finita cuya probabilidad de ocurrencia cambia a lo largo del
ensayo.
Aproximación de la distribución hipergeometrica a una distribución binomial:
Cuando la población es grande (N) y la muestra relativamente pequeña (n), el hecho que el muestreo se realiza sin reemplazo tiene escaso
efecto en la probabilidad de éxito de cada ensayo. Por regla general cuando n<10% N(es decir, M/N<0,10) se aproxima la distribución
hipergeometrica a la distribución binomial con p=M/N.
𝒂 𝒃
( )( ) 𝒏𝒂 𝒏𝒂𝒃(𝒂 + 𝒃 − 𝒏)
𝒙 𝒏−𝒙
𝒑(𝒖𝒏𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂 𝒅𝒆 𝒏 𝒅𝒆 𝑺 𝒄𝒐𝒏𝒕𝒆𝒏𝒈𝒂 𝒆𝒙𝒂𝒄𝒕𝒂𝒎𝒆𝒏𝒕𝒆 𝒙 𝒂 𝒆𝒔) = = 𝒑(𝑿 = 𝒙 ∖ 𝒏); 𝝁 = ; 𝝈𝟐 =
𝒂+𝒃 𝒂+𝒃 (𝒂 + 𝒃)𝟐 (𝒂 + 𝒃 − 𝟏)
( )
𝒏
EJEMPLO#276 De una urna que contiene 5 bolas negras y 2 bolas blancas, se extraen 3 bolas sin reposición.
a) función de distribución de probabilidad b) probabilidad de extraer 2 negras.
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝑵 = 𝟓𝒃𝒐𝒍𝒂𝒔 𝒏𝒆𝒈𝒓𝒂𝒔 + 𝟐 𝒃𝒐𝒍𝒂𝒔 𝒃𝒍𝒂𝒏𝒄𝒂𝒔 = 𝟕 𝒃𝒐𝒍𝒂𝒔; 𝑴 = 𝟓𝒃𝒍𝒂𝒏𝒄𝒂𝒔; 𝒏 = 𝟐𝒏𝒆𝒈𝒓𝒂𝒔; 𝒙 = 𝟐 𝒏𝒆𝒈𝒓𝒂𝒔 𝒂 𝒆𝒙𝒕𝒓𝒂𝒆𝒓 =?
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟓 𝟕−𝟓 𝟓 𝟐
𝒑(𝒙) = 𝑷(𝑿 = 𝟐) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟐 ∗ 𝑪𝟐−𝟐 = 𝑪𝟐 ∗ 𝑪𝟎 = (𝟏𝟎)(𝟏) = 𝟎, 𝟒𝟕𝟔𝟐 ≅ 𝟒𝟖%
𝑵 𝑪𝑵 𝑪𝟕𝟐 𝑪𝟕𝟐 𝟐𝟏
( ) 𝒏
𝒏
EJEMPLO#277 En una fiesta hay 20 personas: 14 casadas y 6 solteras. Se eligen 3 personas al azar.
a)¿Cuál es la probabilidad de que las 3 sean solteras?.
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝑵 = 𝟐𝟎 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔; 𝑴 = 𝟔; 𝒏 = 𝟑; 𝒙 = 𝟑 =?
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟔 𝟐𝟎−𝟔 𝟔 𝟏𝟒
𝒑(𝒙) = 𝑷(𝑿 = 𝟑) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟑 ∗ 𝑪𝟑−𝟑 = 𝑪𝟑 ∗ 𝑪𝟎 = (𝟐𝟎)(𝟏) = 𝟎, 𝟎𝟏𝟕𝟓 = 𝟏, 𝟕𝟓% ≅ 𝟐%
𝑵 𝑪𝒏𝑵 𝑪𝟑𝟐𝟎
𝑪𝟑𝟐𝟎 (𝟏𝟏𝟒𝟎)
( )
𝒏
EJEMPLO#278 Suponga que se conoce que 4 de cada secuencia de 20 automóviles sacados de la línea de ensamble de motores JVH
requieren que se les vuelva a trabajar extensamente. Supóngase que se seleccionan dos automóviles de una secuencia de 20 automóviles.
a) ¿Cuál es la probabilidad de que exactamente un automóvil requiere que se le vuelva a trabajar extensamente?
b) En una muestra de tamaño n=10, de una secuencia de 20 automóviles, ¿Cuántos automóviles espera usted que necesiten volvérseles a
trabajar extensamente?
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝑵 = 𝟐𝟎 𝒂𝒖𝒕𝒐𝒎𝒐𝒗𝒊𝒍𝒆𝒔; 𝑴 = 𝒂 = 𝟒; 𝒏 = 𝟐𝒂𝒖𝒕𝒐𝒎𝒐𝒗𝒊𝒍𝒆𝒔; 𝒙 = 𝟏𝒂𝒖𝒕𝒐𝒎𝒐𝒗𝒊𝒍 =? 𝒃 = 𝑵 − 𝑴 = 𝟐𝟎 − 𝟒 = 𝟏𝟔 𝒂𝒖𝒕𝒐𝒎𝒐𝒗𝒊𝒍𝒆𝒔
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟒 𝟐𝟎−𝟒 𝟒 𝟏𝟔
𝒂) 𝒑(𝒙) = 𝑷(𝑿 = 𝟏 ∖ 𝒎𝒖𝒆𝒔𝒕𝒓𝒂 𝒅𝒆 𝒏 = 𝟐) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟏 ∗ 𝑪𝟐−𝟏 = 𝑪𝟏 ∗ 𝑪𝟏 = (𝟒)(𝟏𝟔) = 𝟎, 𝟑𝟑𝟔𝟖 = 𝟑𝟑, 𝟔𝟖% ≅ 𝟑𝟒%
𝑵 𝑪𝑵
𝑪 𝟐𝟎
𝑪𝟐𝟎 (𝟏𝟗𝟎)
( ) 𝒏 𝟐 𝟐
𝒏
𝒏𝒂 𝟏𝟎(𝟒) 𝟒𝟎 𝑴 𝟒 𝟒𝟎
𝒃) 𝝁 = ̅
𝒙= = = = 𝟐 𝒂𝒖𝒕𝒐𝒎ó𝒗𝒊𝒍𝒆𝒔. 𝝁 = ̅ 𝒙 = 𝒏𝒑 = 𝒏 ( ) = 𝟏𝟎 ( ) = = 𝟐 𝒂𝒖𝒕𝒐𝒎ó𝒗𝒊𝒍𝒆𝒔 𝑴 = 𝟐𝟎 − 𝟏𝟔 = 𝟒
𝒂 + 𝒃 𝟒 + 𝟏𝟔 𝟐𝟎 𝑵 𝟐𝟎 𝟐𝟎
EJEMPLO#279 Suponga que un gerente selecciona aleatoriamente n=4 nombres de un archivo que contiene (a+b=15 solicitantes de un
trabajo), y a=10 de ellos tienen experiencia administrativa previa.
a) ¿Cuál es la probabilidad de que ninguno de los solicitantes tenga experiencia?
b) ¿Cuál es la probabilidad de que exactamente un solicitante tenga experiencia previa?
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝑵 = 𝒂 + 𝒃 = 𝟏𝟓; 𝑴 = 𝒂 = 𝟏𝟎; 𝒏 = 𝟒 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒄𝒊𝒐𝒏𝒆𝒔; 𝒃 = 𝑵 − 𝑴 = 𝟏𝟓 − 𝟏𝟎 = 𝟓 𝒂)𝒙 = 𝟎 =? 𝒃)𝒙 = 𝟏 =?
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟏𝟎 𝟏𝟓−𝟏𝟎 𝟏𝟎 𝟓
𝒂) 𝒑(𝒙) = 𝑷(𝑿 = 𝟎 ∖ 𝒏 = 𝟒) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟎 ∗ 𝑪𝟒−𝟎 = 𝑪𝟎 ∗ 𝑪𝟒 = (𝟏)(𝟓) = 𝟓 = 𝟎, 𝟑𝟔𝟔𝟑% ≅ 𝟎% {𝒎𝒆𝒏𝒐𝒔 𝒅𝒆𝒍}
𝑵 𝑪 𝑵 𝑪𝟏𝟓
𝑪 𝟏𝟓 (𝟏𝟑𝟔𝟓) 𝟏𝟑𝟔𝟓 𝟏%
( ) 𝒏 𝟒 𝟒
𝒏
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟏𝟎 𝟏𝟓−𝟏𝟎 𝟏𝟎 𝟓
𝒃) 𝒑(𝒙) = 𝑷(𝑿 = 𝟏 ∖ 𝒏 = 𝟒) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟏 ∗ 𝑪𝟒−𝟏 = 𝑪𝟏 ∗ 𝑪𝟑 = (𝟏𝟎)(𝟏𝟎) = 𝟏𝟎𝟎 = 𝟎, 𝟎𝟕𝟑𝟐𝟔 = 𝟕, 𝟑𝟐𝟔% ≅ 𝟕%
𝑵 𝑪𝒏𝑵 𝟏𝟓
𝑪𝟒 𝑪𝟒𝟏𝟓 (𝟏𝟑𝟔𝟓) 𝟏𝟑𝟔𝟓
( )
𝒏
EJEMPLO#280 Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de los cuales 5 son hombres y 8 mujeres, calcular el
número de hombres contratados o probabilidad de hombres contratados.
SOLUCION: Datos del ejercicio lo vamos a plantear de esta manera:
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 106
𝑬 𝑬𝑰 𝑬 𝑬𝑰 N=13
𝑴 𝑵−𝑴 𝑴=𝟓 (𝑵 − 𝑴) = 𝟖 𝑵 = 𝟏𝟑
𝒙 𝒏−𝒙 𝒙=𝟎 (𝒏 − 𝒙) = 𝟐 𝒏=𝟐
𝑵 = 𝟏𝟑 𝒂𝒔𝒑𝒊𝒓𝒂𝒏𝒕𝒆𝒔 𝒑𝒂𝒓𝒂 𝒄𝒖𝒃𝒓𝒊𝒓 𝟐 𝒗𝒂𝒄𝒂𝒏𝒕𝒆𝒔. 𝑵 = 𝟏𝟑 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒂𝒔𝒑𝒊𝒓𝒂𝒏𝒕𝒆𝒔.
𝑨 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒉𝒐𝒎𝒃𝒓𝒆𝒔 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒅𝒐𝒔. 𝑴 = 𝟓 𝒂𝒔𝒑𝒊𝒓𝒂𝒏𝒕𝒆𝒔 𝒉𝒐𝒎𝒃𝒓𝒆𝒔.
𝑬𝟎 = 𝒔𝒆 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒏; 𝒙𝟎 = 𝟎 𝒉𝒐𝒎𝒃𝒓𝒆𝒔 𝒆𝒒𝒖𝒊𝒗𝒂𝒍𝒆 𝒂 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒓 (𝒏 − 𝒙𝟎 ) = 𝟐 𝒎𝒖𝒋𝒆𝒓𝒆𝒔. 𝒅𝒐𝒏𝒅𝒆: 𝑵 − 𝑴 = 𝟖 𝒂𝒔𝒑𝒊𝒓𝒂𝒏𝒕𝒆𝒔 𝒎𝒖𝒋𝒆𝒓𝒆𝒔.
𝑬𝟏 = 𝒔𝒆 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒏; 𝒙𝟏 = 𝟏 𝒉𝒐𝒎𝒃𝒓𝒆𝒔 𝒆𝒒𝒖𝒊𝒗𝒂𝒍𝒆 𝒂 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒓 (𝒏 − 𝒙𝟏 ) = 𝟏 𝒎𝒖𝒋𝒆𝒓𝒆𝒔. 𝒏 = 𝟐 𝒗𝒂𝒄𝒂𝒏𝒕𝒆𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔
𝒙 = 𝟎, 𝟏, 𝟐 𝒉𝒐𝒎𝒃𝒓𝒆𝒔 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔 𝒂 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒓.
𝑬𝟐 = 𝒔𝒆 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒏; 𝒙𝟐 = 𝟐 𝒉𝒐𝒎𝒃𝒓𝒆𝒔 𝒆𝒒𝒖𝒊𝒗𝒂𝒍𝒆 𝒂 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒓 (𝒏 − 𝒙𝟐 ) = 𝟎 𝒎𝒖𝒋𝒆𝒓𝒆𝒔.} {𝒏 − 𝒙 = 𝟐, 𝟏, 𝟎 𝒎𝒖𝒋𝒆𝒓𝒆𝒔 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔 𝒂 𝒄𝒐𝒏𝒕𝒓𝒂𝒕𝒂𝒓.
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟓 𝟏𝟑−𝟓 𝟓 𝟖
𝒂) 𝒑(𝒙) = 𝑷(𝑿 = 𝟎 ∖ 𝒏 = 𝟐) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟎 ∗ 𝑪𝟐−𝟎 = 𝑪𝟎 ∗ 𝑪𝟐 = 𝟏 ∗ 𝟐𝟖 = 𝟐𝟖 = 𝟎, 𝟑𝟓𝟗𝟎 = 𝟑𝟓, 𝟗% ≅ 𝟑𝟔%
𝑵 𝑪𝒏𝑵
𝑪𝟐𝟏𝟑
𝑪𝟐𝟏𝟑 𝟕𝟖 𝟕𝟖
( )
𝒏
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟓 𝟏𝟑−𝟓 𝟓 𝟖
𝒃) 𝒑(𝒙) = 𝑷(𝑿 = 𝟏 ∖ 𝒏 = 𝟐) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟏 ∗ 𝑪𝟐−𝟏 = 𝑪𝟏 ∗ 𝑪𝟏 = 𝟓 ∗ 𝟖 = 𝟒𝟎 = 𝟎, 𝟓𝟏𝟐𝟖 = 𝟓𝟏, 𝟐𝟖% ≅ 𝟓𝟏%
𝑵 𝑪𝒏𝑵 𝑪𝟐𝟏𝟑
𝑪𝟐𝟏𝟑 𝟕𝟖 𝟕𝟖
( )
𝒏
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟓 𝟏𝟑−𝟓 𝟓 𝟖
𝒄) 𝒑(𝒙) = 𝑷(𝑿 = 𝟐 ∖ 𝒏 = 𝟐) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟐 ∗ 𝑪𝟐−𝟐 = 𝑪𝟐 ∗ 𝑪𝟎 = 𝟏𝟎 ∗ 𝟏 = 𝟏𝟎 = 𝟎, 𝟏𝟐𝟖𝟐 = 𝟏𝟐, 𝟖𝟐% ≅ 𝟏𝟑%
𝑵 𝑪𝑵
𝑪𝟏𝟑
𝑪 𝟏𝟑 𝟕𝟖 𝟕𝟖
( ) 𝒏 𝟐 𝟐
𝒏
𝑴 𝟓 𝟏𝟎
𝒅) 𝝁 = 𝑬(𝑿) = 𝒏 ( ) = 𝒏𝒑 = 𝟐 ( ) = = 𝟎, 𝟕𝟔𝟗𝟐 ≅ 𝟏 𝝈 = √𝝈𝟐 = √𝟎, 𝟒𝟑𝟑𝟗 = 𝟎, 𝟔𝟓𝟖𝟕 ≅ 𝟏 (𝒅𝒆𝒔𝒗𝒊𝒂𝒄𝒊𝒐𝒏 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓)
𝑵 𝟏𝟑 𝟏𝟑
𝑴 𝑵−𝒏 𝑵−𝑴 𝑴 𝑵−𝒏 𝑴 𝟓 𝟏𝟑 − 𝟐 𝟓 𝟓 𝟏𝟏 𝟖 𝟐𝟐𝟎
𝒆) 𝝈𝟐 = 𝑽(𝑿) = 𝒏 ( ) ( )( ) = 𝒏( )( ) (𝟏 − ) = 𝟐 ( ) ( ) (𝟏 − ) = 𝟐 ( ) ( ) ( ) = = 𝟎, 𝟒𝟑𝟑𝟗 ≅ 𝟎(𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂)
𝑵 𝑵−𝟏 𝑵 𝑵 𝑵−𝟏 𝑵 𝟏𝟑 𝟏𝟑 − 𝟏 𝟏𝟑 𝟏𝟑 𝟏𝟐 𝟏𝟑 𝟓𝟎𝟕
EJEMPLO#281 Si en un refrigerador hay 12 envases de refrescos de los cuales son 3 de manzanas, 5 de naranja y 4 de uva. Cuál es la
probabilidad de que al surtir un pedido de 7 envases tomados al azar 2 sean de manzana, 4 de naranja y 1 de uva.
SOLUCION:
𝑵𝟏 = 𝟑 𝑵𝟐 = 𝟓 𝑵𝟑 = 𝟒 𝑵 = 𝟏𝟐 ∎∎∎∎∎∎∎∎∎∎∎∎ = 𝟏𝟐 𝒆𝒏𝒗𝒂𝒔𝒆𝒔
𝒙𝟏 = 𝟐 𝒙𝟐 = 𝟒 𝒙𝟑 = 𝟏 𝒏=𝟕 ∎∎∎ = 𝟑 𝒎𝒂𝒏𝒛𝒂𝒏𝒂𝒔 ∎∎∎∎∎ = 𝟓 𝒏𝒂𝒓𝒂𝒏𝒋𝒂𝒔 ∎∎∎∎ = 𝟒𝒖𝒗𝒂𝒔
𝑵 𝑵 𝑵
( 𝒙 𝟏 ) ( 𝒙 𝟐 ) ( 𝒙 𝟑 ) (𝟑) (𝟓) (𝟒) (𝟑)(𝟓)(𝟒) 𝟔𝟎 𝟓
𝑷(𝑿 = 𝟐, 𝟒, 𝟏 ∖ 𝒏 = 𝟕) = 𝑯(𝟕; 𝟐; 𝟒; 𝟏) = 𝟏 𝟐 𝟑
= 𝟐 𝟒 𝟏 = = = = 𝟎, 𝟎𝟕𝟓𝟖 = 𝟕, 𝟓𝟖% ≅ 𝟖%
𝑵 𝟏𝟐 (𝟕𝟗𝟐) 𝟕𝟗𝟐 𝟔𝟔
( ) ( )
𝒏 𝟕
EJEMPLO#282 Si de un lote de 25 artículos se sabe que 5 están defectuosos, hallar las siguientes probabilidades en una muestra de 8
artículos seleccionados del lote aleatoriamente. a) Probabilidad de que de los 8, salgan 3 defectuosos. b) Probabilidad de que de los 8,
salgan 6 buenos. c) Probabilidad de que de los 8, salgan mínimo 4 defectuosos. d) Probabilidad de que de los 8, salgan entre 3 y 4 buenos.
e) Se considera aceptable el lote, si en la muestra todos están buenos. ¿Cuál es la probabilidad de que se acepte el lote?
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝑵 = 𝟐𝟓(𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏); 𝑴 = 𝟓(𝒅𝒆𝒇𝒆𝒄𝒕𝒖𝒐𝒔𝒐𝒔); 𝒏 = 𝟖(𝒎𝒖𝒆𝒔𝒕𝒓𝒂); 𝑵 − 𝑴 = 𝟐𝟎(𝒃𝒖𝒆𝒏𝒐𝒔); 𝒂)𝒙 = 𝟑
𝑴 𝑵−𝑴 𝒍𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒒𝒖𝒆
( )( ) 𝑴 𝑵−𝑴 𝟓 𝟐𝟓−𝟓 𝟓 𝟐𝟎
𝒂) 𝒑(𝒙) = 𝑷(𝑿 = 𝟑) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟑 ∗ 𝑪𝟖−𝟑 = 𝑪𝟑 ∗ 𝑪𝟓 = 𝟏𝟓𝟓𝟎𝟒𝟎 = 𝟏𝟒, 𝟑𝟑% { 𝒔𝒂𝒍𝒈𝒂𝒏 𝟑 𝒅𝒆𝒇𝒆𝒄𝒕𝒖𝒐𝒔𝒐𝒔 }
𝑵 𝑪𝑵 𝑪𝟐𝟓 𝑪𝟐𝟓 𝟏𝟎𝟖𝟏𝟓𝟕𝟓
( ) 𝒏 𝟖 𝟖 𝒆𝒔 𝒅𝒆 𝒖𝒏 𝟏𝟒, 𝟑𝟑%
𝒏
𝑴 𝑵−𝑴 𝒍𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒒𝒖𝒆
( )( ) 𝑴 𝑵−𝑴 𝟐𝟎 𝟐𝟓−𝟐𝟎 𝟐𝟎 𝟓
𝒃)𝒑(𝒙) = 𝑷(𝑿 = 𝟔) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟔 ∗ 𝑪𝟖−𝟔 = 𝑪𝟔 ∗ 𝑪𝟐 = 𝟑𝟖𝟕𝟔𝟎𝟎 = 𝟑𝟓, 𝟖𝟒% { 𝒅𝒆 𝒍𝒐𝒔 𝟖, 𝒔𝒂𝒍𝒈𝒂𝒏 𝟔 }
𝑵 𝑪𝑵 𝑪𝟐𝟓 𝑪𝟐𝟓 𝟏𝟎𝟖𝟏𝟓𝟕𝟓
( ) 𝒏 𝟖 𝟖 𝒃𝒖𝒆𝒏𝒐𝒔 𝒆𝒔 𝒅𝒆 𝟑𝟓, 𝟖𝟒%
𝒏
Nota: ya que en la población lo máximo hay 5 defectuosos M=5, acá tenemos M=6, por lo tanto utilizamos M=20. De N-M=20 buenos.
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴
𝒄)𝒑(𝒙) = 𝑷(𝑿 ≥ 𝟒) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑷(𝑿 ≥ 𝟒) = 𝒑(𝒙 = 𝟒) + 𝒑(𝒙 = 𝟓) + 𝒑(𝒙 = 𝟔) + 𝒑(𝒙 = 𝟕) + 𝒑(𝒙 = 𝟖) =
𝑵 𝑪 𝑵
( ) 𝒏
𝒏
Tener en cuenta que aunque el tamaño de la muestra es 8 no se pueden encontrar ni 6, 7 u 8 defectuosos, ya que en la población hay máximo
5 defectuosos. Esto quiere decir que solamente debemos sacar lo siguiente. No olvidar (𝑵 − 𝑴 = 𝟐𝟎).
𝑪𝟓𝟒 ∗ 𝑪𝟐𝟓−𝟓
𝟖−𝟒 𝑪𝟓𝟓 ∗ 𝑪𝟐𝟓−𝟓
𝟖−𝟓 𝟐𝟒𝟐𝟐𝟓 𝟏𝟏𝟒𝟎 𝟖𝟗 𝒍𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒒𝒖𝒆 𝒅𝒆 𝒍𝒐𝒔 𝟖 𝒔𝒂𝒍𝒈𝒂𝒏
𝒑(𝒙 = 𝟒) + 𝒑(𝒙 = 𝟓) = + = + = = 𝟐, 𝟑𝟒𝟓% ≅ 𝟐% { }
𝑪𝟖𝟐𝟓
𝑪𝟖𝟐𝟓 𝟏𝟎𝟖𝟏𝟓𝟕𝟓 𝟏𝟎𝟖𝟏𝟓𝟕𝟓 𝟑𝟕𝟗𝟓 𝒎í𝒏𝒊𝒎𝒐 𝟒 𝒅𝒆𝒇𝒆𝒄𝒕𝒖𝒐𝒔𝒐𝒔 𝒆𝒔 𝟐, 𝟑𝟒𝟓%
𝒅)𝑵 = 𝟐𝟓(𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏); 𝑴 = 𝟐𝟎; 𝒏 = 𝟖(𝒎𝒖𝒆𝒔𝒕𝒓𝒂); 𝑵 − 𝑴 = 𝟓 𝟑≤𝒙≤𝟒
𝑴 𝑵−𝑴
( )( ) 𝟐𝟎 𝟐𝟓−𝟐𝟎 𝟐𝟎 𝟐𝟓−𝟐𝟎
𝒑(𝒙) = 𝑷(𝟑 ≤ 𝒙 ≤ 𝟒) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝟑 ∗ 𝑪𝟖−𝟑 + 𝑪𝟒 ∗ 𝑪𝟖−𝟒 = 𝟏𝟏𝟒𝟎 + 𝟐𝟒𝟐𝟐𝟓 = 𝟖𝟗 = 𝟐, 𝟑𝟒𝟓% ≅ 𝟐%
𝑵 𝑪𝟐𝟓 𝑪𝟐𝟓 𝟏𝟎𝟖𝟏𝟓𝟕𝟓 𝟏𝟎𝟖𝟏𝟓𝟕𝟓 𝟑𝟕𝟗𝟓
( ) 𝟖 𝟖
𝒏
La probabilidad de que de los 8 salgan entre 3 y 4 buenos es de 2,345%.
𝒆)𝑷𝒂𝒓𝒂 𝒂𝒄𝒆𝒑𝒕𝒂𝒓 𝒆𝒍 𝒍𝒐𝒕𝒆, 𝒅𝒆𝒃𝒆𝒏 𝒆𝒙𝒊𝒔𝒕𝒊𝒓 𝒕𝒐𝒅𝒐𝒔 𝒃𝒖𝒆𝒏𝒐𝒔 𝒐 𝒄𝒆𝒓𝒐 𝒎𝒂𝒍𝒐𝒔. 𝑶 𝒔𝒆𝒂, 𝒒𝒖𝒆 𝒔𝒆 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏𝒂 𝒅𝒆 𝒄𝒖𝒂𝒍𝒒𝒖𝒊𝒆𝒓𝒂 𝒅𝒆 𝒍𝒂𝒔 𝒅𝒐𝒔 𝒎𝒂𝒏𝒆𝒓𝒂𝒔,
𝒔𝒊𝒏 𝒄𝒂𝒎𝒃𝒊𝒂𝒓 𝒆𝒍 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐.
𝑻𝒐𝒅𝒐𝒔 𝒃𝒖𝒆𝒏𝒐𝒔: 𝑵 = 𝟐𝟓(𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏); 𝑴 = 𝟐𝟎; 𝒏 = 𝟖(𝒎𝒖𝒆𝒔𝒕𝒓𝒂); 𝑵 − 𝑴 = 𝟓 𝒙 = 𝟖
𝑪𝒆𝒓𝒐 𝒅𝒆𝒇𝒆𝒄𝒕𝒖𝒐𝒔𝒐𝒔: 𝑵 = 𝟐𝟓(𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏); 𝑴 = 𝟓; 𝒏 = 𝟖(𝒎𝒖𝒆𝒔𝒕𝒓𝒂); 𝑵 − 𝑴 = 𝟐𝟎 𝒙=𝟎
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟐𝟎 𝟐𝟓−𝟐𝟎
𝒑(𝒙) = 𝑷(𝑿 = 𝟖) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟖 ∗ 𝑪𝟖−𝟖 = 𝟏𝟐𝟓𝟗𝟕𝟎 = 𝟒𝟒𝟐 = 𝟎, 𝟏𝟏𝟔𝟓 = 𝟏𝟏, 𝟔𝟓% ≅ 𝟏𝟐%
𝑵 𝑪𝒏𝑵 𝟐𝟓
𝑪𝟖 𝟏𝟎𝟖𝟏𝟓𝟕𝟓 𝟑𝟕𝟗𝟓
( )
𝒏
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 107
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟓 𝟐𝟓−𝟓
𝒑(𝒙) = 𝑷(𝑿 = 𝟎) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟎 ∗ 𝑪𝟖−𝟎 = 𝟏𝟐𝟓𝟗𝟕𝟎 = 𝟒𝟒𝟐 = 𝟎, 𝟏𝟏𝟔𝟓 = 𝟏𝟏, 𝟔𝟓% ≅ 𝟏𝟐%
𝑵 𝑪 𝑵 𝑪𝟖𝟐𝟓 𝟏𝟎𝟖𝟏𝟓𝟕𝟓 𝟑𝟕𝟗𝟓
( ) 𝒏
𝒏
La probabilidad de que se acepte el lote es de 11,65%.
EJEMPLO#283 Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narcótico en una botella que contiene 9
píldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, ¿cuál es
la probabilidad de que el viajero sea arrestado por posesión de narcóticos? ¿Cuál es la probabilidad de que no sea arrestado por posesión
de narcóticos?
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝑵 = 𝟗 + 𝟔 = 𝟏𝟓 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒕𝒂𝒃𝒍𝒆𝒕𝒂𝒔(𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏); 𝑴 = 𝟔𝒕𝒂𝒃𝒍𝒆𝒕𝒂𝒔 𝒅𝒆 𝒏𝒂𝒓𝒄ó𝒕𝒊𝒄𝒐; 𝑵 − 𝑴 = 𝟗;
𝒏 = 𝟑 𝒕𝒂𝒃𝒍𝒆𝒕𝒂𝒔 𝒔𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒅𝒂𝒔(𝒎𝒖𝒆𝒔𝒕𝒓𝒂); 𝒙 = 𝟎, 𝟏, 𝟐, ó, 𝟑 𝒕𝒂𝒃𝒍𝒆𝒕𝒂𝒔 𝒅𝒆 𝒏𝒂𝒓𝒄ó𝒕𝒊𝒄𝒐 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒊𝒏𝒅𝒊𝒄𝒂 𝒆𝒍 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒕𝒂𝒃𝒍𝒆𝒕𝒂𝒔 𝒅𝒆 𝒏𝒂𝒓𝒄ó𝒕𝒊𝒄𝒐
𝒒𝒖𝒆 𝒔𝒆 𝒑𝒖𝒆𝒅𝒆𝒏 𝒆𝒏𝒄𝒐𝒏𝒕𝒓𝒂𝒓 𝒂𝒍 𝒔𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒓 𝒍𝒂𝒔 𝟑 𝒕𝒂𝒃𝒍𝒆𝒕𝒂𝒔:
𝑷(𝒗𝒊𝒂𝒋𝒆𝒓𝒐 𝒔𝒆𝒂 𝒂𝒓𝒓𝒆𝒔𝒕𝒂𝒅𝒐 𝒑𝒐𝒓 𝒑𝒐𝒔𝒆𝒔𝒊𝒐𝒏 𝒅𝒆 𝒏𝒂𝒓𝒄ó𝒕𝒊𝒄𝒐𝒔) = 𝒑(𝒅𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒆 𝒍𝒂𝒔 𝟑 𝒕𝒂𝒃𝒍𝒆𝒕𝒂𝒔 𝒔𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒅𝒂𝒔 𝒉𝒂𝒚𝒂 𝟏 𝒐 𝒎á𝒔 𝒕𝒂𝒃𝒍𝒆𝒕𝒂𝒔 𝒅𝒆 𝒏𝒂𝒓𝒄ó𝒕𝒊𝒄𝒐) =?
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴
𝒂) 𝒑(𝒙) = 𝒑(𝟏 ≤ 𝒙 ≤ 𝟑) = 𝒑(𝒙 = 𝟏) + 𝒑(𝒙 = 𝟐) + 𝒑(𝒙 = 𝟑) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙
𝑵 𝑵
𝑪𝒏
( )
𝒏
𝑪𝟔𝟏 ∗ 𝑪𝟏𝟓−𝟔
𝟑−𝟏 𝑪𝟔𝟐 ∗ 𝑪𝟏𝟓−𝟔
𝟑−𝟐 𝑪𝟔𝟑 ∗ 𝑪𝟏𝟓−𝟔
𝟑−𝟑 𝟐𝟏𝟔 𝟏𝟑𝟓 𝟐𝟎 𝟑𝟕𝟏 𝟓𝟑
𝒑(𝟏 ≤ 𝒙 ≤ 𝟑) = 𝟏𝟓
+ 𝟏𝟓
+ = + + = = = 𝟎, 𝟖𝟏𝟓𝟒 = 𝟖𝟏, 𝟓𝟒% ≅ 𝟖𝟐%
𝑪𝟑 𝑪𝟑 𝑪𝟏𝟓
𝟑
𝟒𝟓𝟓 𝟒𝟓𝟓 𝟒𝟓𝟓 𝟒𝟓𝟓 𝟔𝟓
Otra forma de resolverlo de forma más directa
𝒑(𝒆𝒍 𝒗𝒊𝒂𝒋𝒆𝒓𝒐 𝒔𝒆𝒂 𝒂𝒓𝒓𝒆𝒔𝒕𝒂𝒅𝒐 𝒑𝒐𝒓 𝒑𝒐𝒔𝒆𝒔𝒊𝒐𝒏 𝒅𝒆 𝒏𝒂𝒓𝒄ó𝒕𝒊𝒄𝒐) = 𝟏 − 𝒑(𝒅𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒆 𝒍𝒂𝒔 𝒕𝒂𝒃𝒍𝒆𝒕𝒂𝒔 𝒔𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒅𝒂𝒔 𝒏𝒐 𝒉𝒂𝒚𝒂 𝒖𝒏𝒂 𝒔𝒐𝒍𝒂 𝒅𝒆 𝒏𝒂𝒓𝒄ó𝒕𝒊𝒄𝒐)
𝑪𝟔𝟎 ∗ 𝑪𝟏𝟓−𝟔
𝟑−𝟎 𝟖𝟒 𝟏𝟐 𝟓𝟑
𝒑(𝟏 ≤ 𝒙 ≤ 𝟑) = 𝟏 − 𝒑(𝒙 = 𝟎; 𝒏 = 𝟑) = 𝟏 − ( )=𝟏−( )= 𝟏−( )= = 𝟎, 𝟖𝟏𝟓𝟒 = 𝟖𝟏, 𝟓𝟒% ≅ 𝟖𝟐%
𝑪𝟏𝟓
𝟑 𝟒𝟓𝟓 𝟔𝟓 𝟔𝟓
Existe un 81,54% de posibilidad de que el viajero sea arrestado por posesión ilegal de narcóticos por oficiales de la aduana.
𝑪𝑴 𝑵−𝑴
𝒙 ∗ 𝑪𝒏−𝒙 𝑪𝟔𝟎 ∗ 𝑪𝟏𝟓−𝟔
𝟑−𝟎 𝟖𝟒 𝟏𝟐
𝒃) 𝒑(𝒙) = 𝒑(𝒙 = 𝟎; 𝒏 = 𝟑) = =( )= = = 𝟎, 𝟏𝟖𝟒𝟔 = 𝟏𝟖, 𝟒𝟔% ≅ 𝟏𝟖%
𝑪𝑵
𝒏 𝑪𝟏𝟓
𝟑 𝟒𝟓𝟓 𝟔𝟓
EJEMPLO#284 ¿Cuál es la probabilidad de que una mesera se rehúse a servir bebidas alcohólicas únicamente a dos menores de edad si
verifica aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la edad suficiente?, ¿Cúal es la probabilidad
de que como máximo 2 de las identificaciones pertenezcan a menores de edad?
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝑵 = 𝟗 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒆𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆𝒔(𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏); 𝑴 = 𝟒 𝒆𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆𝒔 𝒎𝒆𝒏𝒐𝒓𝒆𝒔 𝒅𝒆 𝒆𝒅𝒂𝒅; 𝑵 − 𝑴 = 𝟓;
𝒏 = 𝟓 𝒊𝒅𝒆𝒏𝒕𝒊𝒇𝒊𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒔𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒅𝒂𝒔; 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, ó, 𝟒. 𝒊𝒅𝒆𝒏𝒕𝒊𝒇𝒊𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒅𝒆 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔 𝒎𝒆𝒏𝒐𝒓𝒆𝒔 𝒅𝒆 𝒆𝒅𝒂𝒅.
𝒙 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒏𝒐𝒔 𝒅𝒆𝒇𝒊𝒏𝒆 𝒆𝒍 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒊𝒅𝒆𝒏𝒕𝒊𝒇𝒊𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒒𝒖𝒆 𝒑𝒆𝒓𝒕𝒆𝒏𝒆𝒄𝒆𝒏 𝒂 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔 𝒎𝒆𝒏𝒐𝒓𝒆𝒔 𝒅𝒆 𝒆𝒅𝒂𝒅.
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟒 𝟗−𝟒
𝒂)𝒑(𝒙) = 𝑷(𝑿 = 𝟐) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟐 ∗ 𝑪𝟓−𝟐 = 𝟔𝟎 = 𝟏𝟎 = 𝟎, 𝟒𝟕𝟔𝟐 = 𝟒𝟕, 𝟔𝟐% ≅ 𝟒𝟖%
𝑵 𝑪𝑵 𝑪𝟗𝟓 𝟏𝟐𝟔 𝟐𝟏
( ) 𝒏
𝒏
𝑴 𝑵−𝑴
( )( ) 𝑴 𝑵−𝑴 𝟒 𝟗−𝟒 𝟒 𝟗−𝟒 𝟒 𝟗−𝟒
𝒃)𝒑(𝒙) = 𝑷(𝑿 = 𝟎, 𝟏, 𝟐) = 𝑯(𝒙; 𝒏; 𝑴; 𝑵) = 𝒙 𝒏 − 𝒙 = 𝑪𝒙 ∗ 𝑪𝒏−𝒙 = 𝑪𝟎 ∗ 𝑪𝟓−𝟎 + 𝑪𝟏 ∗ 𝑪𝟓−𝟏 + 𝑪𝟐 ∗ 𝑪𝟓−𝟐 = 𝟖𝟏 = 𝟔𝟒, 𝟐𝟗% ≅ 𝟔𝟒%
𝑵 𝑵
𝑪𝒏 𝟗
𝑪𝟓 𝟗
𝑪𝟓 𝑪𝟓𝟗 𝟏𝟐𝟔
( )
𝒏
Distribución multinomial
La distribución multinomial es similar a la distribución binomial, con la diferencia de que en lugar de dos posibles resultados en cada
ensayo, puede haber múltiples resultados:
Propiedades del experimento multinomial:
𝒂) 𝒆𝒍 𝒆𝒙𝒑𝒆𝒓𝒊𝒎𝒆𝒏𝒕𝒐 𝒄𝒐𝒏𝒔𝒊𝒔𝒕𝒆 𝒆𝒏 𝒏 𝒑𝒓𝒖𝒆𝒃𝒂𝒔 𝒊𝒅é𝒏𝒕𝒊𝒄𝒂𝒔.
𝒃)𝒉𝒂𝒚 𝒌 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐𝒔 𝒅𝒆 𝒄𝒂𝒅𝒂 𝒑𝒓𝒖𝒆𝒃𝒂.
𝒄) 𝑳𝒂𝒔 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅𝒆𝒔 𝒅𝒆 𝒍𝒐𝒔 𝒌 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐𝒔, 𝒅𝒆𝒏𝒐𝒕𝒂𝒅𝒐𝒔 𝒑𝒐𝒓 𝒑𝟏, 𝒑𝟐 , 𝒑𝟑 , … , 𝒑𝒌 . 𝒔𝒆 𝒎𝒂𝒏𝒕𝒊𝒆𝒏𝒆𝒏 𝒄𝒐𝒏𝒔𝒕𝒂𝒏𝒕𝒆 𝒂 𝒍𝒐 𝒍𝒂𝒓𝒈𝒐 𝒅𝒆 𝒕𝒐𝒅𝒂𝒔
𝒍𝒂𝒔 𝒑𝒓𝒖𝒆𝒃𝒂𝒔, 𝒅𝒐𝒏𝒅𝒆 𝒑𝟏 + 𝒑𝟐 + 𝒑𝟑 + ⋯ + 𝒑𝒌 = 𝟏
𝒅) 𝑳𝒂𝒔 𝒑𝒓𝒖𝒆𝒃𝒂𝒔 𝒔𝒐𝒏 𝒊𝒏𝒅𝒆𝒑𝒆𝒏𝒅𝒊𝒆𝒏𝒕𝒆𝒔.
Formula de la multinomial
𝒏! 𝒌 𝒌 𝒌 𝒌 𝒌 𝒌
𝒑(𝒏, 𝒌𝟏 , 𝒌𝟐 , 𝒌𝟑 , 𝒌𝟒 , … , 𝒌𝒏 ) = ∗ 𝒑𝟏𝟏 ∗ 𝒑𝟐𝟐 ∗ 𝒑𝟑𝟑 ∗ 𝒑𝟒𝟒 ∗ 𝒑𝟓𝟓 ∗ … … 𝒑𝒏𝒏
𝒌𝟏 ! 𝒌𝟐 ! 𝒌𝟑 ! 𝒌𝟒 ! 𝒌𝟓 ! … … 𝒌𝒏 !
EJEMPLO#285 Suponga que una línea de producción produce un producto que es J1, J2, J3; J1=aceptable, J2=se debe trabajar para volverse
aceptable, J3=es defectuoso y debe rechazarse. Supongamos por la experiencia pasada que el 90% de las unidades producidas son
aceptables, 7% se les debe trabajar de nuevo y el 3% debe destruirse. Supongamos que el control de calidad de prueba 10 unidades cada día,
en donde cada unidad se prueba para determinar si es J1, J2 ó J3.
¿Cuál es la probabilidad de que la muestra de mañana contenga 8 de J1 y 2 de J2 ?
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝒏 = 𝟏𝟎; 𝒌𝟏 = 𝟖; 𝒌𝟐 = 𝟐; 𝒌𝟑 = 𝟎; 𝒑𝟏 = 𝟎, 𝟗𝟎; 𝒑𝟐 = 𝟎, 𝟎𝟕; 𝒑𝟑 = 𝟎, 𝟎𝟑;
𝒏! 𝒌 𝒌 𝒌 𝟏𝟎!
𝒑(𝒏, 𝒌𝟏 , 𝒌𝟐 , 𝒌𝟑 ) = ∗ 𝒑𝟏𝟏 ∗ 𝒑𝟐𝟐 ∗ 𝒑𝟑𝟑 = 𝒑(𝟏𝟎, 𝟖, 𝟐, 𝟎) = ∗ (𝟎, 𝟗)𝟖 ∗ (𝟎, 𝟎𝟕)𝟐 ∗ (𝟎, 𝟎𝟑)𝟎 = 𝟗, 𝟒𝟗% ≅ 𝟗%
𝒌𝟏 ! 𝒌𝟐 ! 𝒌𝟑 ! 𝟖! 𝟐! 𝟎!
DISTRIBUCIÓN NORMAL
La distribución normal, también llamada distribución de Gauss o distribución gaussiana, es la distribución continua de probabilidad más
importante de toda la Estadística, debido a que su función de densidad es simétrica y con forma de campana, lo que favorece su aplicación
como modelo a gran número de variables estadísticas. La distribución normal es la más importante en toda la probabilidad y estadística.
Muchas poblaciones numéricas tienen distribuciones que pueden ser representadas muy fielmente por una curva normal apropiada. Los
ejemplos incluyen estaturas, pesos y otras características físicas.
Se dice que una variable aleatoria continua 𝑿 tiene una distribución normal con parámetros 𝝁 𝒚 𝝈 (ó 𝝁 𝒚 𝝈𝟐 ), 𝒅𝒐𝒏𝒅𝒆 − ∞ < 𝝁 < ∞ 𝒚 𝟎 < 𝝈,
Si la función de densidad de probabilidad de 𝑿 es:
(𝒙−𝝁)𝟐 𝝁 = 𝒙 = 𝒎𝒆𝒅𝒊𝒂; 𝝈 = 𝒅𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓
𝟏 𝟏 𝒙−𝝁 𝟐
− ( ) 𝟏 −
𝒇(𝑿) = 𝒇(𝒙; 𝝁, 𝝈) = ∗𝒆 𝟐 𝝈 = ∗𝒆 𝟐𝝈𝟐 𝒅𝒐𝒏𝒅𝒆: {𝝈𝟐 = 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂; 𝒆 = 𝟐, 𝟕𝟏𝟖𝟐𝟖; 𝝅 = 𝟑, 𝟏𝟒𝟏𝟓𝟗
𝝈√𝟐𝝅 𝝈√𝟐𝝅 −∞ < 𝒙 < ∞; −∞ < 𝝁 < ∞; 𝝈 > 𝟎
La curva tiene un máximo en 𝝁 = 𝒍𝒂 𝒎𝒆𝒅𝒊𝒂, 𝒑𝒐𝒔𝒆𝒆 𝒅𝒐𝒔 𝒑𝒖𝒏𝒕𝒐𝒔 𝒅𝒆 𝒊𝒏𝒇𝒍𝒆𝒙𝒊𝒐𝒏 𝒆𝒏 𝝁 − 𝝈; 𝝁 + 𝝈.
La distribución normal se escribe como:𝑿~𝑵(𝝁, 𝝈𝟐 ); 𝒄𝒐𝒏 𝑬(𝑿) = 𝝁 = 𝒎𝒆𝒅𝒊𝒂; 𝑽𝒂𝒓𝒊𝒂𝒏𝒛𝒂 = 𝑽(𝑿) = 𝝈𝟐 .
Representación gráfica de esta función de densidad de la distribución normal se tiene de la siguiente manera:
𝑫𝒐𝒏𝒅𝒆: 𝒑 = 𝒏𝒊𝒗𝒆𝒍 𝒅𝒆 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅; 𝒁 = 𝒏𝒊𝒗𝒆𝒍 𝒅𝒆 𝒄𝒐𝒏𝒇𝒊𝒂𝒏𝒛𝒂; 𝒎𝒂𝒓𝒄𝒂𝒓 𝒆𝒏 𝒆𝒍 𝒈𝒓á𝒇𝒊𝒄𝒐 𝒍𝒐 𝒒𝒖𝒆 𝒎𝒆 𝒔𝒂𝒍𝒆 𝒍𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒑 =?
EJEMPLO#302 Sea X una variable aleatoria normal con media 𝝁 = 𝟏𝟔 y desviación estándar 𝝈 = 𝟓. Determine las siguientes probabilidades:
𝒂) 𝒑(𝟏𝟏 ≤ 𝒙 ≤ 𝟐𝟏; 𝒃)𝒑(𝒙 > 𝟐𝟔); 𝒄) 𝒑(𝒙 < 𝟔) ; 𝒅) 𝒑(𝒙 ≤ 𝟐𝟏)
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝝁 = 𝟏𝟔 ; 𝝈 = 𝟓.
𝒙−𝝁 𝒙−𝝁 𝟐𝟏 − 𝟏𝟔 𝟏𝟏 − 𝟏𝟔 𝒙−𝝁 𝟐𝟔 − 𝟏𝟔
𝒂) 𝒑(𝟏𝟏 ≤ 𝒙 ≤ 𝟐𝟏) = 𝑵 ( )− 𝑵( ) = 𝑵( ) − 𝑵( ) 𝒃) 𝒑(𝒙 > 𝟐𝟔) = 𝟏 − 𝒑(𝒙 ≤ 𝟐𝟔) = 𝟏 − 𝑵 ( ) = 𝟏−𝑵( )
𝝈 𝝈 𝟓 𝟓 𝝈 𝟓
𝒑(𝟏𝟏 ≤ 𝒙 ≤ 𝟐𝟏) = 𝑵(𝟏) − 𝑵(−𝟏) = 𝒁(𝟏) − 𝒁(−𝟏) = 𝟎, 𝟖𝟒𝟏𝟑 − 𝟎, 𝟏𝟓𝟖𝟕 = 𝟐𝟔 − 𝟏𝟔
𝟏 − 𝑵( ) = 𝟏 − 𝑵(𝟐) = 𝟏 − 𝒁(𝟐) = 𝟏 − 𝟎, 𝟗𝟕𝟕𝟐 = 𝟐, 𝟐𝟖%
𝒑(𝟏𝟏 ≤ 𝒙 ≤ 𝟐𝟏) = 𝟎, 𝟔𝟖𝟐𝟔 = 𝟔𝟖, 𝟐𝟔% 𝟓
𝒙−𝝁 𝟔 − 𝟏𝟔 𝒙−𝝁 𝟐𝟏 − 𝟏𝟔
𝒄) 𝒑(𝒙 < 𝟔) = 𝑵 ( ) = 𝑵( ) = 𝑵(−𝟐) = 𝒁(−𝟐) = 𝟐, 𝟐𝟖% 𝒅) 𝒑(𝒙 ≤ 𝟐𝟏) = 𝑵 ( ) = 𝑵( ) = 𝒁(𝟏) = 𝟖𝟒, 𝟏𝟑%
𝝈 𝟓 𝝈 𝟓
𝒙−𝝁 𝟏𝟐 − 𝟏𝟎 𝒙−𝝁 𝟖 − 𝟏𝟎
𝒆) 𝒑(𝒙 ≤ 𝟏𝟐) = 𝑵 ( ) = 𝑵( ) = 𝒁(𝟎, 𝟔𝟕) = 𝟎, 𝟕𝟒𝟖𝟔 = 𝟕𝟒, 𝟖𝟔% 𝒇) 𝒑(𝒙 ≥ 𝟖) = 𝟏 − 𝒑(𝒙 ≤ 𝟖) = 𝟏 − 𝑵 ( ) = 𝟏 − 𝑵( )
𝝈 𝟑 𝝈 𝟑
𝒑(𝒙 ≥ 𝟖) = 𝟏 − 𝑵[−𝟎, 𝟔𝟕] = 𝟏 − 𝟎, 𝟐𝟓𝟏𝟒 = 𝟎, 𝟕𝟒𝟖𝟔 = 𝟕𝟒, 𝟖𝟔%
EJEMPLO#305 Aun examen de ingreso a la UAGRM se presentan 2000 aspirantes. La nota media ha sido 5,5 puntos con una varianza de 1,5 puntos.
a)Tan solo hay 100 plazas. Usted ha obtenido un 7,7. ¿Sería oportuno ir organizando una fiesta para celebrar su éxito de ingreso a la UAGRM?
b)Va a haber una segunda oportunidad para el 20% de notas más altas que no se hayan clasificado (que no han aprobado el ingreso a la UAGRM)
¿A partir de que nota se podrá participar en esta repesca (repechaje)?.
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝝁 = 𝟓, 𝟓 𝒑𝒖𝒏𝒕𝒐𝒔 ; 𝝈𝟐 = 𝟏, 𝟓 𝒑𝒖𝒏𝒕𝒐𝒔; 𝒉𝒂𝒚 𝒅𝒊𝒔𝒑𝒐𝒏𝒊𝒃𝒍𝒆𝒔 𝟏𝟎𝟎 𝒄𝒖𝒑𝒐𝒔. 𝝈 = √𝝈𝟐 = 𝟏, 𝟐𝟐𝟒𝟕 ≅ 𝟏, 𝟐𝟐
𝒙−𝝁 𝟕, 𝟕 − 𝟓, 𝟓 𝟐, 𝟐
𝒂) 𝒙 = 𝟕, 𝟕 𝑷𝒖𝒏𝒕𝒐𝒔 ⟹ 𝒁 = ( )= = = 𝟏, 𝟖𝟎 𝑽𝒆𝒓 𝒆𝒏 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝒆𝒏𝒄𝒐𝒏𝒕𝒓𝒂𝒓 𝒑 = 𝟎, 𝟗𝟔𝟒𝟏 = 𝟗𝟔, 𝟒𝟏%
𝝈 𝟏, 𝟐𝟐 𝟏, 𝟐𝟐
El 96,41% quiere decir que por encima de usted tan solo se encuentran un 3,59%, encima de mi sólo hay un 3,59%.
Si se han presentado 2000 aspirantes, ese 3,59% equivale a unos 72 aspirantes que están encima de mí con más notas altas, pero como hay
100 plazas disponibles para el ingreso a la UAGRM, tengo suficientes probabilidades como para ir organizando la mejor de las fiestas porque
ya entre a la Universidad.
𝒃) 𝑹𝒆𝒑𝒆𝒔𝒄𝒂 𝒑𝒂𝒓𝒂 𝒆𝒍 𝟐𝟎% 𝒅𝒆 𝒍𝒐𝒔 𝒂𝒔𝒑𝒊𝒓𝒂𝒏𝒕𝒆𝒔, 𝒒𝒖𝒆 𝒏𝒐 𝒑𝒖𝒅𝒊𝒆𝒓𝒐𝒏 𝒊𝒏𝒈𝒓𝒆𝒔𝒂𝒓 𝒂 𝒍𝒂 𝑼𝑨𝑮𝑹𝑴: 𝒑 = 𝟖𝟎% = 𝟎, 𝟖𝟎 ≅ 𝟎, 𝟕𝟗𝟗𝟓 𝒗𝒆𝒓 𝒆𝒏 𝒕𝒂𝒃𝒍𝒂
𝒁 = 𝟎, 𝟖 + 𝟎, 𝟎𝟒 = 𝟎, 𝟖𝟒
𝒙 − 𝟓, 𝟓
𝟎, 𝟖𝟒 = ( ) ⟹ 𝟎, 𝟖𝟒(𝟏, 𝟐𝟐) = 𝒙 − 𝟓, 𝟓 ⟹ 𝟏, 𝟎𝟐𝟒𝟖 = 𝒙 − 𝟓, 𝟓 ⟹ 𝟏, 𝟎𝟐𝟒𝟖 + 𝟓, 𝟓 = 𝒙 ⟹ 𝟔, 𝟓𝟐𝟒𝟖 = 𝒙 ⟹ 𝒙 = 𝟔, 𝟓
𝟏, 𝟐𝟐
A partir de 6,5 puntos de las notas, se podrá acudir a dar la repesca (repechaje).
EJEMPLO#306 La renta media de los habitantes de un país es de 4 Bs al día, con una varianza de 1,5 Bs. Se supone que se distribuye según una
distribución normal calcular: a) Porcentaje de la población con una renta inferior a 3 de Bs.
b) Renta a partir de la cual se sitúa el 10% de la población con mayores ingresos c) Ingresos mínimos y máximos que engloba al 60% de la población
con renta media.
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝝁 = 𝟒 𝑩𝒔 ; 𝝈𝟐 = 𝟏, 𝟓 𝑩𝒔 ; 𝝈 = √𝝈𝟐 = √𝟏, 𝟓 = 𝟏, 𝟐𝟐 ≅ 𝟏
𝒙−𝝁 𝟑−𝟒 −𝟏
𝒂) 𝒑(𝒙 < 𝟑) =? 𝒁 = = = = −𝟎, 𝟖𝟐 ⟹ 𝒗𝒆𝒓 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝒆𝒏𝒄𝒐𝒏𝒕𝒓𝒂𝒓 𝒑 = 𝟎, 𝟐𝟎𝟔𝟏 = 𝟐𝟎, 𝟔𝟏%
𝝈 𝟏, 𝟐𝟐 𝟏, 𝟐𝟐
La distribución norma es simétrica (igualdad): 𝒑(𝒁 < −𝟎, 𝟖𝟐) = 𝒑(𝒁 > 𝟎, 𝟖𝟐) ⟹ 𝒑(𝒁 > 𝟎, 𝟖𝟐 = 𝟏 − 𝒑(𝒙 < 𝟎, 𝟖𝟐) = 𝟏 − 𝟎, 𝟕𝟗𝟑𝟗 = 𝟎, 𝟐𝟎𝟔𝟏 = 𝟐𝟎, 𝟔𝟏%
El 20,61% de la población tiene una renta inferior a 3 Bs diarios para poder subsistir o costearse su alimentación diaria.
b)Como dato me da 10%, buscar en la tabla el valor de la variable tipificada cuya probabilidad acumulada es el 90%(0,90), lo que quiere decir
que por encima se sitúa el 10% superior: si p=0,90=0,8997(esto se aproxima a 90% en la tabla), ver tabla y hallar la Z=1,28.
𝒙−𝝁 𝒙−𝟒
𝒁= ⟹ 𝟏, 𝟐𝟖 = ⟹ 𝟏, 𝟐𝟖(𝟏, 𝟐𝟐) = 𝒙 − 𝟒 ⟹ 𝒙 = 𝟓, 𝟓𝟔𝟏𝟔 ⟹ 𝒙 ≅ 𝟔
𝝈 𝟏, 𝟐𝟐
Por lo tanto, aquellas personas con ingresos superiores a 5,5616 Bs por día constituyen el 10% de la población con rentas más elevadas,
quiere decir solamente el 10% de la población tiene ingresos mayores a 6 Bs aproximadamente.
c) como tenemos 60%, para llegar al 100% me falta 40%, 40%(multiplico por las dos colas de mínimo y máximo). 40%(2)=80%.
Entonces su probabilidad acumulada será 0,80(80%), p=80% la (media será 50% y p=30%): pero lo que vamos a trabajar con lo acumulado de
p=80%=0,7995 ver la tabla Z=0,84 (-Z,Z) engloba al 60% de la población con renta media.
𝒙−𝝁 𝒙−𝟒
𝒁= ⟹ 𝟎, 𝟖𝟒 = ⟹ 𝟎, 𝟖𝟒(𝟏, 𝟐𝟐) = 𝒙 − 𝟒 ⟹ 𝒙 = 𝟓, 𝟎𝟐𝟒𝟖 ⟹ 𝒙 ≅ 𝟓
𝝈 𝟏, 𝟐𝟐 𝑳𝒂𝒔 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔 𝒄𝒐𝒏 𝒊𝒏𝒈𝒓𝒆𝒔𝒐𝒔 𝒔𝒖𝒑𝒆𝒓𝒊𝒐𝒓𝒆𝒔 𝒂 𝟐, 𝟗𝟕𝟓𝟐 𝑩𝒔 𝒑𝒐𝒓 𝒅í𝒂,
𝒙−𝝁 𝒙−𝟒 𝒆 𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓𝒆𝒔 𝒂 𝟓, 𝟎𝟐𝟒𝟖 𝑩𝒔 𝒄𝒐𝒏𝒔𝒕𝒊𝒕𝒖𝒚𝒆𝒏 𝒆𝒍 𝟔𝟎% 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏.
𝒁= ⟹ −𝟎, 𝟖𝟒 = ⟹ −𝟎, 𝟖𝟒(𝟏, 𝟐𝟐) = 𝒙 − 𝟒 ⟹ 𝒙 = 𝟐, 𝟗𝟕𝟓𝟐 ⟹ 𝒙 ≅ 𝟑
{ 𝝈 𝟏, 𝟐𝟐 }
EJEMPLO#311 Un lote de tubos posee un diámetro de 10 cm con desviación estándar de 0,1 cm. Se considera como tubo bueno al de
diámetro comprendido entre 9,9 cm y 10,1 cm. Calcular el porcentaje de tubos defectuosos
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝝁 = 𝟏𝟎 𝒄𝒎 ; 𝝈 = 𝟎, 𝟏𝟎 𝒄𝒎.
𝒙−𝝁 𝒙−𝝁
𝒑(𝟗, 𝟗 ≤ 𝒙 ≤ 𝟏𝟎, 𝟏) = 𝒑(𝒙 ≤ 𝟏𝟎, 𝟏) − 𝒑(𝒙 ≤ 𝟗, 𝟗) = 𝒑 (𝒁 ≤ ) − 𝒑 (𝒁 ≤ )=
𝝈 𝝈
𝒙−𝝁 𝒙−𝝁 𝟏𝟎, 𝟏 − 𝟏𝟎 𝟗, 𝟗 − 𝟏𝟎
𝒑 (𝒁 ≤ ) − 𝒑 (𝒁 ≤ ) = 𝒑 (𝒁 ≤ ) − 𝒑 (𝒁 ≤ )=
𝝈 𝝈 𝟎, 𝟏 𝟎, 𝟏
𝒑(𝒁 ≤ 𝟏) − 𝒑(𝒁 ≤ −𝟏) = 𝟎, 𝟖𝟒𝟏𝟑 − 𝟎, 𝟏𝟓𝟖𝟕 = 𝟎, 𝟔𝟖𝟐𝟔 = 𝟔𝟖, 𝟐𝟔%
Tubos buenos es el 68,26% y tubos defectuosos será el 31,74%.
EJEMPLO#313 La media de los depósitos en un Banco es de 2000$us y con una deviación estándar de 400$us, correspondientes a los
depósitos en un Banco. Eligiendo un depósito al azar, calcular la probabilidad de que su monto sea de:
a)2000$us o más b)por lo menos de 2000$us c)1800$us d)entre 2500 y 3000$us e)mayor que 2500$us f)menor que 2500$us.
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝝁 = 𝟐𝟎𝟎𝟎$𝒖𝒔 ; 𝝈 = 𝟒𝟎𝟎$𝒖𝒔.
𝒙−𝝁 𝟐𝟎𝟎𝟎 − 𝟐𝟎𝟎𝟎 𝒙−𝝁 𝟐𝟎𝟎𝟎 − 𝟐𝟎𝟎𝟎
𝒂) 𝒑(𝒙 ≤ 𝟐𝟎𝟎𝟎) = 𝒑 (𝒁 ≤ ) = 𝒑 (𝒁 ≤ ) = 𝒑(𝒁 ≤ 𝟎) 𝒃) 𝒑(𝒙 ≥ 𝟐𝟎𝟎𝟎) = 𝟏 − [𝒑 (𝒁 ≤ )] = 𝟏 − [𝒑 (𝒁 ≤ )]
𝝈 𝟒𝟎𝟎 𝝈 𝟒𝟎𝟎
𝒑(𝒁 ≤ 𝟎) → 𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 𝒑 = 𝟎, 𝟓𝟎𝟎𝟎 = 𝟓𝟎% = 𝟏 − 𝒑(𝒁 ≤ 𝟎) = 𝟏 − 𝟎, 𝟓 → 𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 𝒑 = 𝟏 − 𝟎, 𝟓𝟎𝟎𝟎 = 𝟓𝟎%
EJEMPLO#316 El producto principal de la compañía manufacturera el AL-QUADOSH+ se vende a 20 Bs la pieza y le cuesta producirlo 16
Bs. El análisis de los datos de las ventas pasadas indica que el promedio de las ventas es de 40 unidades diarias, con una desviación
estándar de 10 unidades. ¿Qué nivel de inventario deberá tener la empresa?
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝝁 = 𝟒𝟎 𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔 ; 𝝈 = 𝟏𝟎 𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔; 𝒙 = 𝒏𝒊𝒗𝒆𝒍 𝒅𝒆𝒍 𝒊𝒏𝒗𝒆𝒏𝒕𝒂𝒓𝒊𝒐 =?
𝒄𝒐𝒔𝒕𝒐 𝟏𝟔
𝑪𝒐𝒔𝒕𝒐 = 𝟏𝟔 𝑩𝒔 𝑷𝒓𝒆𝒄𝒊𝒐 𝒅𝒆 𝒗𝒆𝒏𝒕𝒂 = 𝟐𝟎𝑩𝒔 𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅 = 𝑷𝑽 − 𝑪 = 𝟐𝟎 − 𝟏𝟔 = 𝟒 𝑩𝒔 𝒑 = = = 𝟎, 𝟖𝟎 = 𝟖𝟎%
𝑷𝑽 𝟐𝟎
𝑺𝒊 𝒑 = 𝟎, 𝟖𝟎 = 𝟖𝟎% 𝑽𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 → 𝒁 = 𝟎, 𝟖𝟒 𝑺𝒊 𝒑 = 𝟎, 𝟐𝟎 = 𝟐𝟎% 𝑽𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 → 𝒁 = −𝟎, 𝟖𝟒
𝒙−𝝁 𝒙 − 𝟒𝟎 𝒙−𝝁 𝒙 − 𝟒𝟎
𝒁= ⟹ 𝟎, 𝟖𝟒 = ⟹ 𝒙 = 𝟒𝟖, 𝟒𝟎 𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔 𝒁= ⟹ −𝟎, 𝟖𝟒 = ⟹ 𝒙 = 𝟑𝟏, 𝟔 𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔
𝝈 𝟏𝟎 𝝈 𝟏𝟎
EJEMPLO#317 Las calificaciones en un examen de estadística inferencial son 0,1,2,3,4,5,6,…,10 puntos, dependiendo del número de respuestas
correctas, de un total de 10 preguntas. La calificación media fue de 6,7 y la desviación estándar fue de 1,2 considerando que las calificaciones están
normalmente distribuidas, determine a)el porcentaje de estudiantes con 6 puntos b)la calificación máxima de 10% más bajo de la clase c)la calificación
más baja de 10% más alto de la clase.
SOLUCION: 𝑫𝒂𝒕𝒐𝒔: 𝝁 = 𝟔, 𝟕 𝒑𝒖𝒏𝒕𝒐𝒔 ; 𝝈 = 𝟏, 𝟐 𝒑𝒖𝒏𝒕𝒐𝒔.
𝒙−𝝁 𝟓, 𝟓 − 𝟔, 𝟕
𝟓, 𝟓 ⟹ 𝒁 = ⟹𝒁= = −𝟏 𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 𝒑 = 𝟎, 𝟏𝟓𝟖𝟕
𝝈 𝟏, 𝟐
𝒂)𝒆𝒍 𝟔 𝒆𝒔𝒕𝒂 𝒆𝒏𝒕𝒓𝒆 𝟓, 𝟓 𝒚 𝟔, 𝟓 𝒑𝒖𝒏𝒕𝒐𝒔: 𝒑 = 𝟎, 𝟒𝟑𝟐𝟓 − 𝟎, 𝟏𝟓𝟖𝟕 = 𝟐𝟕, 𝟑𝟖%
𝒙−𝝁 𝟔, 𝟓 − 𝟔, 𝟕
𝟔, 𝟓 ⟹ 𝒁 = ⟹𝒁= = −𝟎, 𝟏𝟕 𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 𝒑 = 𝟎, 𝟒𝟑𝟐𝟓
{ 𝝈 𝟏, 𝟐 }
𝒙−𝝁 𝒙 − 𝟔, 𝟕
𝒃)𝒑 = 𝟏𝟎% = 𝟎, 𝟏𝟎 = 𝟎, 𝟏𝟎𝟎𝟑 → 𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 𝒁 = −𝟏, 𝟐𝟖 𝒁 = ⟹ −𝟏, 𝟐𝟖 = ⟹ 𝒙 = 𝟓, 𝟏𝟔𝟒 ≅ 𝟓 𝒓𝒆𝒔𝒑𝒖𝒆𝒔𝒕𝒂𝒔
𝝈 𝟏, 𝟐
𝒙−𝝁 𝒙 − 𝟔, 𝟕
𝒄) 𝒑𝒐𝒓 𝒔𝒊𝒎𝒆𝒕𝒓𝒊𝒂: 𝒑 = 𝟏𝟎% 𝒑 = 𝟗𝟎% = 𝟎, 𝟖𝟗𝟗𝟕 → 𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 𝒁 = 𝟏, 𝟐𝟖 𝒁 = ⟹ 𝟏, 𝟐𝟖 = ⟹ 𝒙 = 𝟖, 𝟐𝟑𝟔 ≅ 𝟖 𝒓𝒆𝒔𝒑𝒖𝒆𝒔𝒕𝒂𝒔
𝝈 𝟏, 𝟐
𝟏𝟕𝟎,𝟕𝟏 (𝟎,
𝟎𝟐)𝟐 𝒓𝒆𝒂𝒍𝒊𝒛𝒂𝒓 𝒐𝒑𝒆𝒓𝒂𝒄𝒊𝒐𝒏𝒆𝒔
𝒑(𝝁 − 𝝈 < 𝒙 < 𝝁 + 𝝈) = 𝒑(𝟏𝟎𝟎 − 𝟕𝟎, 𝟕𝟏 < 𝒙 < 𝟏𝟎𝟎 + 𝟕𝟎, 𝟕𝟏) = 𝒑(𝟐𝟗, 𝟐𝟗 < 𝒙 < 𝟏𝟕𝟎, 𝟕𝟏) = ∫ ∗ 𝒙 ∗ 𝒆−𝟎,𝟎𝟐𝒙 ∗ 𝒅𝒙 ⟹
𝟐𝟗,𝟐𝟗 𝚪(𝟐) 𝒅𝒆 𝒊𝒏𝒕𝒆𝒈𝒓𝒂𝒍 𝒅𝒆𝒇𝒊𝒏𝒊𝒅𝒂.
𝟏𝟕𝟎,𝟕𝟏 (𝟎,
𝟎𝟐)𝟐
=∫ ∗ 𝒙 ∗ 𝒆−𝟎,𝟎𝟐𝒙 ∗ 𝒅𝒙 = 𝟎, 𝟕𝟑𝟕𝟓𝟐 ⟹ 𝒅𝒐𝒏𝒅𝒆: 𝚪(𝐧) = (𝐧)!
𝟐𝟗,𝟐𝟗 𝚪(𝟐)
𝒃)𝒑(𝑿 > 𝝁 + 𝟐𝝈) = 𝒑[𝑿 > 𝟏𝟎𝟎 + 𝟐(𝟕𝟎, 𝟕𝟏)] = 𝒑(𝑿 > 𝟐𝟒𝟏, 𝟒𝟐) = 𝟎, 𝟎𝟒𝟔𝟔
EJEMPLO#320 En cierta ciudad de Santa Cruz el consumo diario de energía eléctrica, en millones de kilovatios por hora, puede considerarse
como una variable aleatoria con distribución GAMMA de parámetros (∝= 𝟑 𝒚 𝝀 = 𝟎, 𝟓). La planta de energía de esta ciudad tiene una
capacidad diaria de 10 millones de KW/hora. ¿Cuál es la probabilidad de que este abastecimientos sea:
a). Insuficiente en un día cualquiera? b). Se consuman entre 3 y 8 millones de K. W./Hora? c). Encuentre E(x) y V(x).
SOLUCIÓN
𝟏𝟎
𝟏
𝒂)𝒑(𝒙 > 𝟏𝟎) = 𝟏 − 𝒑(𝒙 ≤ 𝟏𝟎) = 𝟏 − ∫ (𝟎, 𝟓)𝟑 ∗ 𝒙𝟑−𝟏 ∗ 𝒆−𝟎,𝟓𝒙 ∗ 𝒅𝒙 = 𝟎, 𝟏𝟐𝟒𝟔𝟓𝟐
𝚪(𝟑) 𝟎
(𝟎, 𝟓)𝟑 𝟖 𝟑−𝟏 −𝟎,𝟓𝒙 ∝ 𝟑 ∝ 𝟑
𝒃)𝒑(𝟑 < 𝒙 < 𝟖) = ∫ 𝒙 ∗𝒆 ∗ 𝒅𝒙 = 𝟎, 𝟓𝟕𝟏; 𝒄)𝝁 = = = 𝟔; 𝝈𝟐 = 𝟐 = = 𝟏𝟐; 𝝈 = √𝝈𝟐 = √𝟏𝟐 = 𝟑, 𝟒𝟔
𝚪(𝟑) 𝟑 𝝀 𝟎, 𝟓 𝝀 𝟎, 𝟓𝟐
La regla de decisión:
Prueba de independencia:
Se usa para analizar la frecuencia de dos variables con categorías múltiples para determinar si las dos variables son independientes o No.
𝑯𝒊𝒑ó𝒕𝒆𝒔𝒊𝒔 𝒏𝒖𝒍𝒂 (𝑯𝟎 ) = 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔 𝑿 𝒆 𝒀 𝒔𝒐𝒏 𝒊𝒏𝒅𝒆𝒑𝒆𝒏𝒅𝒊𝒆𝒏𝒕𝒆𝒔, (𝑿 𝒆 𝒀 𝒏𝒐 𝒆𝒔𝒕𝒂𝒏 𝒓𝒆𝒍𝒂𝒄𝒊𝒐𝒏𝒂𝒅𝒐𝒔).
{ }
𝑯𝒊𝒑ó𝒕𝒆𝒔𝒊𝒔 𝒂𝒍𝒕𝒆𝒓𝒏𝒂𝒕𝒊𝒗𝒂 (𝑯𝟏 ) = 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔 𝑿 𝒆 𝒀 𝒏𝒐 𝒔𝒐𝒏 𝒊𝒏𝒅𝒆𝒑𝒆𝒏𝒅𝒊𝒆𝒏𝒕𝒆𝒔, (𝑿 𝒆 𝒀 𝒆𝒔𝒕𝒂𝒏 𝒓𝒆𝒍𝒂𝒄𝒊𝒐𝒏𝒂𝒅𝒐𝒔).
𝟐
(𝑶𝒊𝒋 −𝑬𝒊𝒋 )
𝝌𝟐 (𝑭 − 𝟏)(𝑪 − 𝟏) = ∑𝑭𝒊=𝟏 ∑𝑪𝒋=𝟏
𝑬𝒊𝒋
Prueba de homogeneidad
Se extraen muestras independientes de varias poblaciones y se prueban para ver si son homogéneos con respecto a algún criterio de
clasificación.
𝟐
𝑯 = 𝒍𝒂𝒔 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒔𝒐𝒏 𝒉𝒐𝒎𝒐𝒈𝒆𝒏𝒆𝒂𝒔. 𝟐 𝑭 𝑪 (𝑶𝒊𝒋 −𝑬𝒊𝒋 )
{ 𝟎 }⟹ 𝝌 (𝑭 − 𝟏)(𝑪 − 𝟏) = ∑𝒊=𝟏 ∑𝒋=𝟏
𝑯𝟏 = 𝒍𝒂𝒔 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒏𝒐 𝒔𝒐𝒏 𝒉𝒐𝒎𝒐𝒈𝒆𝒏𝒆𝒂𝒔. 𝑬𝒊𝒋
Tablas de contingencias:
𝑮𝒓𝒂𝒅𝒐𝒔 𝒅𝒆 𝒍𝒊𝒃𝒆𝒓𝒕𝒂𝒅 → 𝑮𝑳 = 𝒌 = (𝒎 − 𝟏)(𝒏 − 𝟏)
𝑺𝒖𝒎𝒂(𝒇𝒊𝒍𝒂) ∗ 𝑺𝒖𝒎𝒂(𝒄𝒐𝒍𝒖𝒎𝒏𝒂)
𝑪𝒂𝒍𝒄𝒖𝒍𝒐 𝒅𝒆 𝒍𝒂 𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒆𝒔𝒑𝒆𝒓𝒂𝒅𝒂: 𝒇𝒆 =
(𝒕𝒐𝒕𝒂𝒍)
𝑼𝒏𝒂 𝒕𝒂𝒃𝒍𝒂 𝒅𝒆 𝒄𝒐𝒏𝒕𝒊𝒏𝒈𝒆𝒏𝒄𝒊𝒂𝒔 𝒄𝒐𝒏 (𝒓 𝒇𝒊𝒍𝒂𝒔) 𝒚 (𝒄 𝒄𝒐𝒍𝒖𝒎𝒏𝒂𝒔) 𝒕𝒊𝒆𝒏𝒆𝒏 𝒍𝒂 𝒔𝒊𝒈𝒖𝒊𝒆𝒏𝒕𝒆𝒔 𝒇𝒐𝒓𝒎𝒂.
Variable B TOTAL Los datos de variables cualitativas o categóricas
B1 B2 B3 B4 … … Bc representan atributos o categorías y se organizan
A1 O11 O12 O13 O14 … … O1c R1 en tablas llamadas tablas de contingencias o
tablas de clasificación cruzada.
A2 O21 O22 O23 O24 … … O2c R2
Dónde:
A3 O31 O32 O33 O34 … … O3c R3
VARIABLE A
𝑭 = 𝒇𝒊𝒍𝒂𝒔 𝑪 = 𝒄𝒐𝒍𝒖𝒎𝒏𝒂𝒔
A4 O41 O42 O43 O44 … … O4c R4 𝒓 = 𝒓𝒆𝒏𝒈𝒍𝒐𝒏𝒆𝒔 𝒐 𝒇𝒊𝒍𝒂𝒔
…. … … … … … … … …
… … … … … … … … … 𝑭 𝑪 𝟐
(𝑶𝒊𝒋 − 𝑬𝒊𝒋 )
… … … … … … … … … 𝝌𝟐 (𝑭 − 𝟏)(𝑪 − 𝟏) = ∑∑
𝑬𝒊𝒋
… … … … … … … …. … 𝒊=𝟏 𝒋=𝟏
Ar Or1 Or2 Or3 Or4 … … Orc Rr
TOTAL C1 C2 C3 C4 .. … Cc n
𝑻𝒐𝒕𝒂𝒍 𝟒𝟎
𝒇𝒆 = = = 𝟏𝟎 𝒗𝒆𝒏𝒕𝒂𝒔, 𝒑𝒂𝒓𝒂 𝒄𝒂𝒅𝒂 𝒛𝒐𝒏𝒂.
𝒏 𝟒
(𝒇𝒐 − 𝒇𝒆 )𝟐 (𝟐𝟔 − 𝟒𝟑, 𝟕𝟔𝟖𝟐)𝟐 (𝟒𝟏 − 𝟑𝟏, 𝟖𝟎𝟐𝟖)𝟐 (𝟐𝟒 − 𝟏𝟓, 𝟒𝟐𝟗𝟏)𝟐 (𝟗𝟓 − 𝟕𝟏, 𝟏𝟖𝟑𝟒)𝟐 (𝟒𝟎 − 𝟓𝟏, 𝟕𝟐𝟑𝟐)𝟐 (𝟏𝟑 − 𝟐𝟓, 𝟎𝟗𝟑𝟒)𝟐
𝝌𝟐 = ∑ = + + + + + +
𝒇𝒆 𝟒𝟑, 𝟕𝟔𝟖𝟐 𝟑𝟏, 𝟖𝟎𝟐𝟖 𝟏𝟓, 𝟒𝟐𝟗𝟏 𝟕𝟏, 𝟏𝟖𝟑𝟒 𝟓𝟏, 𝟕𝟐𝟑𝟐 𝟐𝟓, 𝟎𝟗𝟑𝟒
(𝟏𝟖 − 𝟐𝟒, 𝟎𝟒𝟖𝟒) 𝟐 (𝟐𝟎 − 𝟏𝟕, 𝟒𝟕𝟒𝟎)𝟐 (𝟏𝟐 − 𝟖, 𝟒𝟕𝟕𝟓)𝟐
+ + + =
𝟐𝟒, 𝟎𝟒𝟖𝟒 𝟏𝟕, 𝟒𝟕𝟒𝟎 𝟖, 𝟒𝟕𝟕𝟓
(𝒇𝒐 − 𝒇𝒆 ) 𝟐
𝝌𝟐 = ∑ = 𝟕, 𝟐𝟏𝟑𝟐 + 𝟐, 𝟔𝟓𝟗𝟖 + 𝟒, 𝟕𝟔𝟏𝟐 + 𝟕, 𝟗𝟔𝟖𝟔 + 𝟐, 𝟔𝟓𝟕𝟏 + 𝟓, 𝟖𝟐𝟖𝟐 + 𝟏, 𝟓𝟐𝟏𝟐 + 𝟎, 𝟑𝟔𝟓𝟐 + 𝟏, 𝟒𝟔𝟑𝟔 = 𝟑𝟒, 𝟒𝟑𝟖𝟏
𝒇𝒆
Ahora debemos tomar la decisión:
𝝌𝟐 (𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒅𝒐) < 𝝌𝟐 (𝒄𝒓í𝒕𝒊𝒄𝒐) ⟹ 𝝌𝟐(𝟑𝟒, 𝟒𝟑𝟖𝟏) < 𝝌𝟐 (𝟏𝟑, 𝟐𝟕𝟕) ⟹ 𝑵𝒐 𝒄𝒖𝒎𝒑𝒍𝒆 𝒍𝒂 𝒄𝒐𝒏𝒅𝒊𝒄𝒊ó𝒏 .
Entonces rechazamos Ho, es decir se acepta la hipótesis alternativa H1. Las dos variables la bebida favorita y edad no son independientes.
El tipo de bebida que un cliente ordena con alimentos está relacionada con la edad y depende de este.
EJEMPLO#327 la siguiente tabla indica las familias de 4 distritos y el número de personas que vieron un programa especial de política económica nacional
con alfa del 1%.
A B C D TOTAL
Número de personas que si vio 10 15 5 18 48
Número de personas que no vio 40 35 45 32 152
TOTAL 50 50 50 50 200
SOLUCIÓN: Planteamiento de la hipótesis
Ho : todos vieron el programa.
H1 : no todos vieron el programa.
Nivel de significancia es ∝= 𝟏% = 𝟎, 𝟎𝟏
Cálculos de grados de libertad: 𝑮𝑳 = (𝒎 − 𝟏)(𝒏 − 𝟏) = (𝟐 − 𝟏)(𝟒 − 𝟏) = (𝟏)(𝟑) = 𝟑 ; 𝒕𝒆𝒏𝒆𝒎𝒐𝒔 𝟐 𝒇𝒊𝒍𝒂𝒔(𝒎 = 𝟐) 𝒚 𝟒 𝒄𝒐𝒍𝒖𝒎𝒏𝒂𝒔(𝒏 = 𝟒).
Como tenemos GL=3 y nivel de significancia del 1%, ver la tabla: y encontramos ji-cuadrado crítico.
𝝌𝟐 (𝒄𝒓í𝒕𝒊𝒄𝒐) = 𝟏𝟏, 𝟑𝟒𝟓
Ahora vamos a determinar o calcular las frecuencias esperadas y ji-cuadrado observada de la siguiente manera:
(𝟒𝟖)(𝟓𝟎) (𝟒𝟖)(𝟓𝟎) (𝟒𝟖)(𝟓𝟎) (𝟒𝟖)(𝟓𝟎)
𝟏𝟎 ⟹ 𝒇𝒆 = = 𝟏𝟐; 𝟏𝟓 ⟹ 𝒇𝒆 = = 𝟏𝟐; 𝟓 ⟹ 𝒇𝒆 = = 𝟏𝟐; 𝟏𝟖 ⟹ 𝒇𝒆 = = 𝟏𝟐;
𝟐𝟎𝟎 𝟐𝟎𝟎 𝟐𝟎𝟎 𝟐𝟎𝟎
(𝟏𝟓𝟐)(𝟓𝟎) (𝟏𝟓𝟐)(𝟓𝟎) (𝟏𝟓𝟐)(𝟓𝟎) (𝟏𝟓𝟐)(𝟓𝟎)
𝟒𝟎 ⟹ 𝒇𝒆 = = 𝟑𝟖; 𝟑𝟓 ⟹ 𝒇𝒆 = = 𝟑𝟖; 𝟒𝟓 ⟹ 𝒇𝒆 = = 𝟑𝟖; 𝟑𝟐 ⟹ 𝒇𝒆 = = 𝟑𝟖;
𝟐𝟎𝟎 𝟐𝟎𝟎 𝟐𝟎𝟎 𝟐𝟎𝟎
A B C D TOTAL
Número de personas que si vio 12 12 12 12 48
Número de personas que no vio 38 38 38 38 152
TOTAL 50 50 50 50 200
(𝒇𝒐 − 𝒇𝒆 )𝟐 (𝟏𝟎 − 𝟏𝟐)𝟐 (𝟏𝟓 − 𝟏𝟐)𝟐 (𝟓 − 𝟏𝟐)𝟐 (𝟏𝟖 − 𝟏𝟐)𝟐 (𝟒𝟎 − 𝟑𝟖)𝟐 (𝟑𝟓 − 𝟑𝟖)𝟐 (𝟒𝟓 − 𝟑𝟖)𝟐 (𝟑𝟐 − 𝟑𝟖)𝟐
𝝌𝟐 = ∑ = + + + + + + + =
𝒇𝒆 𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟑𝟖 𝟑𝟖 𝟑𝟖 𝟑𝟖
(𝒇𝒐 − 𝒇𝒆 ) 𝟐
𝟏 𝟑 𝟒𝟗 𝟐 𝟗 𝟒𝟗 𝟏𝟖 𝟏𝟐𝟐𝟓
𝝌𝟐 = ∑ = + + +𝟑+ + + + = = 𝟏𝟎, 𝟕𝟒𝟓𝟔
𝒇𝒆 𝟑 𝟒 𝟏𝟐 𝟏𝟗 𝟑𝟖 𝟑𝟖 𝟏𝟗 𝟏𝟏𝟒
A B C D TOTAL
Número de personas que si vio 0,3333 0,7500 4,0833 3,0000 8,1666
Número de personas que no vio 0,1053 0,2368 1,2895 0,9474 2,5790
TOTAL 0,4386 0,9868 5,3728 3,9474 10,7456
𝟐
∑𝒏𝒊=𝟏(𝒙𝒊 − 𝒙̅)𝟐
𝒂)𝑷𝒂𝒓𝒂 𝒅𝒆𝒇𝒊𝒏𝒊𝒓 𝒍𝒐𝒔 𝒈𝒓𝒂𝒅𝒐𝒔 𝒅𝒆 𝒍𝒊𝒃𝒆𝒓𝒕𝒂𝒅 𝒔𝒆 𝒉𝒂𝒓á 𝒓𝒆𝒇𝒆𝒓𝒆𝒏𝒄𝒊𝒂 𝒂 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒍: 𝒔 =
𝒏−𝟏
𝒔𝟐 𝒆𝒔𝒕𝒂 𝒃𝒂𝒔𝒂𝒅𝒐 𝒆𝒏 𝒏 𝒄𝒂𝒏𝒕𝒊𝒅𝒂𝒅𝒆𝒔 𝒙𝟏 − 𝒙̅ , 𝒙𝟐 − 𝒙
̅ , 𝒙𝟑 − 𝒙
̅ , … … . , 𝒙𝒏 − 𝒙
̅, 𝒆𝒔𝒕𝒂𝒔 𝒔𝒖𝒎𝒂𝒏 𝒄𝒆𝒓𝒐. 𝑮𝑳 = 𝒏 − 𝟏 = 𝟒 − 𝟏 = 𝟑
̅ = 𝟖, 𝒙𝟐 − 𝒙
Ejemplo si n=4 y 𝒙𝟏 − 𝒙 ̅ = −𝟔, 𝒚 𝒙𝟒 − 𝒙̅ = −𝟒; 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔 𝒂𝒖𝒕𝒐𝒎𝒂𝒕𝒊𝒄𝒂𝒎𝒆𝒏𝒕𝒆 𝒆𝒍 𝒙𝟑 − 𝒙 ̅=𝟐
𝒏 = 𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂; 𝒔 = 𝒅𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓; 𝝁 = 𝒎𝒆𝒅𝒊𝒂 𝑫𝒊𝒔𝒕𝒓𝒊𝒃𝒖𝒄𝒊ó𝒏
̅−𝝁
𝒙
𝒃) 𝒕 = 𝒔 𝒅𝒐𝒏𝒅𝒆: {𝒙̅ = 𝒆𝒔 𝒆𝒍 𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐 𝒅𝒆 𝒍𝒂𝒔 𝒏 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒒𝒖𝒆 𝒄𝒐𝒏𝒕𝒊𝒆𝒏𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂 𝒂𝒍𝒆𝒂𝒕𝒐𝒓𝒊𝒂} 𝒕 𝒅𝒆
𝟐
𝒔 = 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊ó𝒏 𝒆𝒔 𝒅𝒆𝒔𝒄𝒐𝒏𝒐𝒄𝒊𝒅𝒂 𝑺𝒕𝒖𝒅𝒆𝒏𝒕
√𝒏
̅−𝝁
𝒙 𝒏𝒐 𝒆𝒔 𝒑𝒓𝒐𝒃𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒔𝒆 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒆 𝒒𝒖𝒆 (𝒔) 𝒔𝒆 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒆 𝒂 (𝝈);
𝒕 = 𝒔 ; {𝒙 ̅ = 𝒆𝒔 𝒍𝒂 𝒎𝒆𝒅𝒊𝒂 𝒅𝒆 𝒖𝒏𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂 𝒂𝒍𝒆𝒂𝒕𝒐𝒓𝒊𝒂 𝒅𝒆 𝒕𝒂𝒎𝒂ñ𝒐 𝒏 𝒕𝒐𝒎𝒂𝒅𝒂 𝒅𝒆 𝒖𝒏𝒂 𝒅𝒊𝒔𝒕𝒓𝒊𝒃𝒖𝒄𝒊𝒐𝒏 𝒏𝒐𝒓𝒎𝒂𝒍 𝒄𝒐𝒏 }
𝒎𝒆𝒅𝒊𝒂 𝝁, 𝝁(𝒗𝒂𝒍𝒐𝒓 𝒂 𝒂𝒏𝒂𝒍𝒊𝒛𝒂𝒓).
√𝒏
𝒗
𝝁 = 𝟎; 𝝈𝟐 = (𝒑𝒂𝒓𝒂 𝒗 > 𝟐); 𝒅𝒐𝒏𝒅𝒆 𝒗 = 𝒈𝒍; 𝑻𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏 𝒏 < 𝟑𝟎
(𝒗 − 𝟐)
Vamos a utilizar para una muestra pequeñas menor a 30 n<30, la t se aproxima a una distribución normal N(0,1), cuando v(grados de libertad)
tiende al infinito en la práctica considera buena aproximación para v>30 debemos estudiar la confiabilidad.
Pasos para resolver la t de student:
P1. Plantear la hipótesis nula (Ho) e hipótesis alternativa (H1). La hipótesis alternativa plantea matemáticamente lo que queremos demostrar, mientras la
hipótesis nula plantea exactamente lo contrario.
P2. Determinar nivel de significancia (rango de aceptación de H1).
𝟎, 𝟎𝟓 = 𝟓% → 𝑷𝒂𝒓𝒂 𝒑𝒓𝒐𝒚𝒆𝒄𝒕𝒐𝒔 𝒅𝒆 𝒊𝒏𝒗𝒆𝒔𝒕𝒊𝒈𝒂𝒄𝒊ó𝒏.
{𝟎, 𝟎𝟏 = 𝟏% → 𝑷𝒂𝒓𝒂 𝒂𝒔𝒆𝒈𝒖𝒓𝒂𝒎𝒊𝒆𝒏𝒕𝒐 𝒅𝒆 𝒍𝒂 𝒄𝒂𝒍𝒊𝒅𝒂𝒅. } 𝒔𝒆 𝒄𝒐𝒏𝒔𝒊𝒅𝒆𝒓𝒂 𝒍𝒐𝒔 𝒔𝒊𝒈𝒖𝒊𝒆𝒏𝒕𝒆𝒔 𝒑𝒂𝒓𝒂𝒎𝒆𝒕𝒓𝒐𝒔.
𝟎, 𝟏𝟎 = 𝟏𝟎% → 𝑷𝒂𝒓𝒂 𝒆𝒏𝒄𝒖𝒆𝒔𝒕𝒂𝒔 𝒅𝒆 𝒎𝒆𝒓𝒄𝒂𝒅𝒐𝒕𝒆𝒄𝒏𝒊𝒂 𝒚 𝒑𝒐𝒍𝒊𝒕𝒊𝒄𝒂𝒔.
̅−𝝁
𝒙 𝟏𝟑 − 𝝁 𝟏𝟑 − 𝝁 𝟏𝟑 − 𝝁
𝒕= 𝒔 ⟹ 𝟐, 𝟗𝟒𝟕 = 𝟓, 𝟔 ⟹ 𝟐, 𝟗𝟒𝟕 = 𝟓, 𝟔 ⟹ 𝟐, 𝟗𝟒𝟕 = 𝟏, 𝟒 ⟹ 𝟐, 𝟗𝟒𝟕(𝟏, 𝟒) = 𝟏𝟑 − 𝝁 ⟹ 𝟒, 𝟏𝟐𝟓𝟖 = 𝟏𝟑 − 𝝁 ⟹ 𝝁 = 𝟖, 𝟖𝟕𝟒𝟐
√𝒏 √𝟏𝟔 𝟒
Otra forma de determinar los intervalos:
EJEMPLO#332 Una empresa textil empacadora de bolsas estaba interesada en comprar una maquina cuya fabricante asegura que la
empacaría 500 bolsas (un fardo), con mayor rapidez que cualquier otra máquina, la maquina antigua empaca 500 bolsas en 7 minutos. Como
parte de la demostración el fabricante empaco 5 fardos, discretamente el empacador cronometro el tiempo para cada fardo y obtuvo un valor
medio de 390 segundos, y una desviación estándar de 30 segundos. ¿se recomienda comprar la maquina SI o No?
SOLUCIÓN:
𝑫𝒂𝒕𝒐𝒔: 𝟓𝟎𝟎 𝒃𝒐𝒍𝒔𝒂𝒔 → 𝟏 𝒇𝒂𝒓𝒅𝒐; 𝒏 = 𝟓 𝒇𝒂𝒓𝒅𝒐𝒔 → 𝒕𝒐𝒕𝒂𝒍 = 𝟓𝟎𝟎 ∗ 𝟓 = 𝟐𝟓𝟎𝟎 𝒃𝒐𝒍𝒔𝒂𝒔; 𝒙 ̅ = 𝟑𝟗𝟎 𝒔𝒆𝒈𝒖𝒏𝒅𝒐𝒔; 𝒔 = 𝟑𝟎 𝒔𝒆𝒈𝒖𝒏𝒅𝒐𝒔;
𝑴á𝒒𝒖𝒊𝒏𝒂 𝒂𝒏𝒕𝒊𝒈𝒖𝒂 → 𝝁 = 𝟕 𝒎𝒊𝒏𝒖𝒕𝒐𝒔 = 𝟕𝒎𝒊𝒏𝒖𝒕𝒐𝒔(𝟔𝟎 ) = 𝟒𝟐𝟎 𝒔𝒆𝒈𝒖𝒏𝒅𝒐𝒔 ; 𝟓𝟎𝟎 𝒃𝒐𝒍𝒔𝒂𝒔 → 𝟕 𝒎𝒊𝒏𝒖𝒕𝒐𝒔
̅−𝝁 𝒙
𝒙 ̅ − 𝝁 𝟑𝟗𝟎 − 𝟒𝟐𝟎 −𝟑𝟎
𝒕= 𝒔 = 𝒔 = = = −𝟐, 𝟐𝟑𝟔𝟏; 𝒄𝒐𝒎𝒐 𝒕 𝒆𝒔 𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒐 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓 𝒆𝒔 𝟏%, 𝒚 𝒃𝒖𝒔𝒄𝒐 𝒆𝒏 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝒅𝒆 𝒕 𝒔𝒕𝒖𝒅𝒆𝒏𝒕.
𝟑𝟎 𝟑𝟎
√𝒏 √𝟓 √𝟓
𝑺𝒊 𝑮𝑳 = 𝒏 − 𝟏 = 𝟓 − 𝟏 = 𝟒 𝒚 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓 𝟏% = 𝟎, 𝟎𝟏 𝒃𝒖𝒔𝒄𝒂𝒎𝒐𝒔 𝒆𝒏 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂: 𝒕 = 𝟑, 𝟕𝟒𝟕; 𝑷𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐 𝒔𝒆 𝒓𝒆𝒄𝒐𝒎𝒊𝒆𝒏𝒅𝒂 𝒄𝒐𝒎𝒑𝒓𝒂𝒓 𝒍𝒂 𝒎á𝒒𝒖𝒊𝒏𝒂.
𝒕𝒄𝒓𝒊𝒕𝒊𝒄𝒂 < 𝒕𝒕𝒂𝒃𝒍𝒂 → −𝟐, 𝟐𝟑𝟔𝟏 < 𝟑, 𝟕𝟒𝟕 → 𝒑𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐 𝒔𝒆 𝒂𝒄𝒆𝒑𝒕𝒂 𝒍𝒂 𝒉𝒊𝒑ó𝒕𝒆𝒔𝒊𝒔
EJEMPLO#333 En un curso de estadística se tabulo la siguiente tabla:
𝒙𝒊 𝒇𝒊 ∑ 𝒙𝒊 ∗𝒇𝒊
̅
Si se sabe que: 𝒙 =
22,5 5 𝒏
27,5 10 Calcular la “t” de student si se tiene una
32,5 15 𝝁 = 𝟑𝟏
37,5 11
42,5 7
SOLUCIÓN: 𝑺𝒊 𝒏 < 𝟑𝟎(𝒖𝒕𝒊𝒍𝒊𝒛𝒐 𝒆𝒏 𝒍𝒂 𝒇𝒐𝒓𝒎𝒖𝒍𝒂 𝒏 − 𝟏); 𝒏 > 𝟑𝟎(𝒖𝒕𝒊𝒍𝒊𝒛𝒐 𝒆𝒏 𝒍𝒂 𝒇𝒐𝒓𝒎𝒖𝒍𝒂 𝒔ó𝒍𝒐 𝒏)
𝒙𝒊 𝒇𝒊 𝒙𝒊 ∗ 𝒇𝒊 ̅)𝟐 𝒇𝒊
(𝒙𝒊 − 𝒙 ∑ 𝒙𝒊 ∗ 𝒇𝒊 𝟏𝟓𝟖𝟓
̅=
𝒙 = = 𝟑𝟑, 𝟎𝟐𝟎𝟖 𝒏 = 𝟒𝟖
22,5 5 112,5 553,4397 𝒏 𝟒𝟖
𝒏
∑𝒊=𝟏(𝒙𝒊 − 𝒙 𝟐
27,5 10 275 304,7960 ̅) 𝒇𝒊 𝟏𝟕𝟏𝟏, 𝟗𝟕𝟗𝟐
𝒔𝟐 = = = 𝟑𝟓, 𝟔𝟔𝟔𝟐; 𝒔 = √𝒔𝟐 = √𝟑𝟓, 𝟔𝟔𝟔𝟐 = 𝟓, 𝟗𝟕𝟐𝟏
32,5 15 487,5 4,0690 𝒏 𝟒𝟖
37,5 11 412,5 220,6923 ∑𝒊=𝟏(𝒙𝒊 − 𝒙̅ ) 𝒇𝒊
𝒏 𝟐 ∑𝒏𝒊=𝟏(𝒙𝒊 − 𝒙̅ )𝟐 𝒇𝒊
42,5 7 297,5 628,9822 𝒔𝟐 = ; (𝒔𝒊 𝒏 > 𝟑𝟎) 𝒔𝟐 = ; (𝒔𝒊 𝒏 < 𝟑𝟎)
𝒏 𝒏−𝟏
∑ 𝟏𝟔𝟐, 𝟓 ∑ 𝟒𝟖 ∑ 𝟏𝟓𝟖𝟓 ∑ 𝟏𝟕𝟏𝟏, 𝟗𝟕𝟗𝟐
̅−𝝁
𝒙 ̅
𝒙−𝝁
𝒕= ; (𝒏 > 𝟑𝟎) 𝒕 = 𝒔 ; (𝒏 < 𝟑𝟎)
𝒔
√𝒏
̅ − 𝝁 𝟑𝟑, 𝟎𝟐𝟎𝟖 − 𝟑𝟏
𝒙
𝒕= = = 𝟎, 𝟑𝟑𝟖𝟒 ⟹ (𝒖𝒕𝒊𝒍𝒊𝒛𝒂𝒎𝒐𝒔 𝒆𝒔𝒕𝒂 𝒇𝒐𝒓𝒎𝒖𝒍𝒂 𝒄𝒖𝒂𝒏𝒅𝒐 𝒏 > 𝟑𝟎).
𝒔 𝟓, 𝟗𝟕𝟐𝟏
EJEMPLO#334 Cinco medidas de reacción de un individuo fueron registradas como: 0,28 0,30 0,27 0,33 0,31. Hallar los límites de confianza
del: a) 95% b) 99%.
𝟎,𝟐𝟖+𝟎,𝟑𝟎+𝟎,𝟐𝟕+𝟎,𝟑𝟑+𝟎,𝟑𝟏 𝟏,𝟒𝟗 𝟏𝟒𝟗
̅=
SOLUCIÓN: 𝒏 = 𝟓; 𝒙 = = = 𝟎, 𝟐𝟗𝟖𝟎
𝟓 𝟓 𝟓𝟎𝟎
(𝟏, 𝟒𝟗)𝟐 𝟐, 𝟐𝟐𝟎𝟏
∑(𝟎, 𝟐𝟖𝟐 + 𝟎, 𝟑𝟎𝟐 + 𝟎, 𝟐𝟕𝟐 + 𝟎, 𝟑𝟑𝟐 + 𝟎, 𝟑𝟏𝟐 ) = 𝟎, 𝟒𝟒𝟔𝟑 ; ∑(𝟎, 𝟐𝟖 + 𝟎, 𝟑𝟎 + 𝟎, 𝟐𝟕 + 𝟎, 𝟑𝟑 + 𝟎, 𝟑𝟏) = = = 𝟎, 𝟒𝟒𝟒𝟎𝟐
𝟓 𝟓
EJEMPLO#335 Reclutas de una armada en cierto campo de adiestramiento son sometidos a una prueba de actividad física que incluye
levantamiento de pesas. En un grupo de 100 reclutas, tuvieron una media de 15 levantamientos y una desviación estándar de 3, establézcase
el 95% de confianza para la media verdadera.
SOLUCIÓN: 𝝁 = 𝒍𝒂 𝒎𝒆𝒅𝒊𝒂 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒂 =? 𝒏 = 𝟏𝟎𝟎; ̅ 𝒙 = 𝟏𝟓; 𝑺 = 𝟑; 𝒄𝒐𝒏𝒇𝒊𝒂𝒏𝒛𝒂 = 𝒑 = 𝟗𝟓%; 𝒆𝒓𝒓𝒐𝒓 =∝= 𝟓% = 𝟎, 𝟎𝟓; 𝑮𝑳 = 𝒏 − 𝟏 = 𝟏𝟎𝟎 − 𝟏 = 𝟗𝟗
Cómo no tenemos el 99 en la tabla de t de student, entonces hay que interpolar el 99 y está entre 60 y 190.
𝟎, 𝟎𝟓 ∝ = 𝟎, 𝟎𝟐𝟓 ∝𝟐 = 𝟎, 𝟎𝟐𝟓
∝= 𝟓% = 𝟎, 𝟎𝟓 ⟹ 𝒅𝒊𝒗𝒊𝒅𝒊𝒓 𝒆𝒏 𝒔𝒖𝒔 𝒅𝒐𝒔 𝒄𝒐𝒍𝒂𝒔; = 𝟎, 𝟎𝟐𝟓; 𝒚 𝒗𝒆𝒓 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝒅𝒆 𝒕 𝒑𝒂𝒓𝒂 𝑮𝑳 𝒅𝒆 𝟗𝟎 𝒚 𝟏𝟐𝟎: { 𝟏 }
𝟐 ⏟𝑮𝑳 = 𝟔𝟎 𝒚 ⏟
𝑮𝑳 = 𝟏𝟐𝟎
𝒕=𝟐 𝒕=𝟏,𝟗𝟖
𝑳𝑰𝑴𝑰𝑻𝑬𝑺 𝑮𝑳 𝑽𝒂𝒍𝒐𝒓𝒆𝒔 𝒅𝒆 𝑻𝒂𝒃𝒍𝒂𝒔
𝟔𝟎 → 𝟐 𝑳í𝒎𝒊𝒕𝒆 𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓(𝑳𝑰) 𝟔𝟎
𝟗𝟎 → 𝒙 } 𝒂𝒉𝒐𝒓𝒂 𝒅𝒆𝒃𝒆𝒎𝒐𝒔 𝒊𝒏𝒕𝒆𝒓𝒑𝒐𝒍𝒂𝒓 𝒆𝒔𝒕𝒐𝒔 𝒅𝒂𝒕𝒐𝒔: { 𝟐 }
𝑳í𝒎𝒊𝒕𝒆 𝒎𝒆𝒅𝒊𝒐(𝑳𝑴) 𝟗𝟎 𝒙
𝟏𝟐𝟎 → 𝟏, 𝟗𝟖 𝟏, 𝟗𝟖
𝑳í𝒎𝒊𝒕𝒆 𝒔𝒖𝒑𝒆𝒓𝒊𝒐𝒓(𝑳𝑺) 𝟏𝟐𝟎
𝑳𝑺 − 𝑳𝑰 𝑳𝑺 − 𝑳𝑰
𝑭𝒐𝒓𝒎𝒖𝒍𝒂 𝒑𝒂𝒓𝒂 𝒍𝒂 𝒊𝒏𝒕𝒆𝒓𝒑𝒐𝒍𝒂𝒄𝒊𝒐𝒏: =
𝑳𝑴 − 𝑳𝑰 𝑳𝑴 − 𝑳𝑰
𝑳𝑺 − 𝑳𝑰 𝑳𝑺 − 𝑳𝑰 𝟏𝟐𝟎 − 𝟔𝟎 𝟏, 𝟗𝟖 − 𝟐 𝟔𝟎 −𝟎, 𝟎𝟐 −𝟎, 𝟎𝟐
= ⟹ = ⟹ = ⟹𝟐= ⟹ 𝟐(𝒙 − 𝟐) = −𝟎, 𝟎𝟐 ⟹ 𝟐𝒙 − 𝟒 = −𝟎, 𝟎𝟐 ⟹ 𝟐𝒙 = 𝟒 − 𝟎, 𝟎𝟐 ⟹ 𝒙 = 𝟏, 𝟗𝟗
𝑳𝑴 − 𝑳𝑰 𝑳𝑴 − 𝑳𝑰 𝟗𝟎 − 𝟔𝟎 𝒙−𝟐 𝟑𝟎 𝒙−𝟐 𝒙−𝟐
𝟔𝟎 + 𝟏𝟐𝟎 𝟏𝟖𝟎
𝑶𝒕𝒓𝒂 𝒇𝒐𝒓𝒎𝒂 𝒎á𝒔 𝒅𝒊𝒓𝒆𝒄𝒕𝒐 𝒑𝒂𝒓𝒂 𝒔𝒂𝒄𝒂𝒓 𝒆𝒍 𝒕 → = = 𝟗𝟎; 𝑮𝑳 = 𝟗𝟎 𝒚 ∝= 𝟎, 𝟎𝟓 𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 𝒕 = 𝟏, 𝟗𝟖𝟔𝟕 ≅ 𝟏, 𝟗𝟗 𝒔𝒂𝒍𝒆 𝒍𝒐 𝒎𝒊𝒔𝒎𝒐.
𝟐 𝟐
𝑺 𝟑 𝟑
𝑺𝒙̅ = = = = 𝟎, 𝟑𝟎𝟎𝟎
√𝒏 √𝟏𝟎𝟎 𝟏𝟎
𝝁 = 𝟏𝟓 + 𝟏, 𝟗𝟗(𝟎, 𝟑𝟎𝟎𝟎) = 𝟏𝟓, 𝟓𝟗𝟕 𝑷𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐 𝒍𝒐𝒔 𝒍𝒊𝒎𝒊𝒕𝒆𝒔 𝒅𝒆 𝒄𝒐𝒏𝒇𝒊𝒂𝒏𝒛𝒂 𝒑𝒂𝒓𝒂 𝒖𝒏 𝟗𝟓% 𝒔𝒐𝒏:
̅ ± 𝒕 ∗ 𝒔𝒙̅ { 𝟏
𝝁=𝒙 ⟹
𝝁𝟐 = 𝟏𝟓 − 𝟏, 𝟗𝟗(𝟎, 𝟑𝟎𝟎𝟎) = 𝟏𝟒, 𝟒𝟎𝟑 𝝁𝟏 = 𝟏𝟓, 𝟓𝟗𝟕 𝒚 𝝁𝟐 = 𝟏𝟒, 𝟒𝟎𝟑
EJEMPLO#336 Se hizo una encuesta y se les pregunto a 4 personas, cuantos vasos de agua tomaban al día y se consiguieron los siguientes
datos: 7, 10, 5, 1. Con un nivel de error del 5%.
SOLUCIÓN:
𝟕+𝟏𝟎+𝟓+𝟏 𝟐𝟑
̅=
SOLUCIÓN: 𝒏 = 𝟒; 𝝁 = 𝟖 𝒉𝒐𝒓𝒂𝒔 𝒑𝒐𝒓 𝒅í𝒂; 𝒙 = = 𝟓, 𝟕𝟓𝟎𝟎
𝟒 𝟒
𝟐
∑(𝒙𝒊 )𝟐 = ∑(𝟕𝟐 + 𝟏𝟎𝟐 + 𝟓𝟐 + 𝟏𝟐 ) = 𝟏𝟕𝟓 ; (∑ 𝒙𝒊 ) = (𝟕 + 𝟏𝟎 + 𝟓 + 𝟏)𝟐 = 𝟐𝟑𝟐 = 𝟓𝟐𝟗
(∑ 𝒙𝒊 )𝟐 𝟓𝟐𝟗
√∑(𝒙𝒊 ) − 𝒏
𝟐 𝟏𝟕𝟓 − 𝟒 𝟒𝟐, 𝟕𝟓 𝟓𝟕 𝑺 𝟑, 𝟕𝟕𝟒𝟗
𝑺= =√ =√ = √ = √𝟏𝟒, 𝟐𝟓 = 𝟑, 𝟕𝟕𝟒𝟗; 𝑺𝒙̅ = = = 𝟏, 𝟖𝟖𝟕𝟒
𝒏−𝟏 𝟒−𝟏 𝟑 𝟒 √𝒏 √𝟒
̅−𝝁
𝒙 𝟓, 𝟕𝟓 − 𝟖
𝒕= ⟹ 𝒕𝒄 = = −𝟏, 𝟏𝟗𝟐𝟏 𝒕 𝒄𝒓í𝒕𝒊𝒄𝒂, 𝒔𝒆 𝒔𝒂𝒄𝒂 𝒄𝒐𝒏 𝒍𝒂 𝒇𝒐𝒓𝒎𝒖𝒍𝒂.
𝒔𝒙̅ 𝟏, 𝟖𝟖𝟕𝟒
𝑨𝒉𝒐𝒓𝒂 𝒗𝒆𝒓 𝒆𝒏 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝒔𝒊 𝒕𝒆𝒏𝒆𝒎𝒐𝒔 𝑮𝑳 = 𝒏 − 𝟏 = 𝟒 − 𝟏 = 𝟑 𝒚 ∝= 𝟎, 𝟎𝟓 𝒕𝒕 = 𝟐, 𝟑𝟓𝟑 𝒗𝒂𝒍𝒐𝒓 𝒅𝒆 𝒕𝒂𝒃𝒍𝒂.
𝑪𝒐𝒎𝒑𝒓𝒐𝒃𝒂𝒏𝒅𝒐: 𝒕𝒄𝒓𝒊𝒕𝒊𝒄𝒂 < 𝒕𝒕𝒂𝒃𝒍𝒂 → −𝟏, 𝟏𝟗𝟐𝟏 < 𝟐, 𝟑𝟓𝟑 → 𝒑𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐 𝒔𝒆 𝒂𝒄𝒆𝒑𝒕𝒂 𝒍𝒂 𝒉𝒊𝒑ó𝒕𝒆𝒔𝒊𝒔 𝒅𝒆 𝝁 = 𝟖 𝒉𝒐𝒓𝒂𝒔 𝒂𝒍 𝒅𝒊𝒂.
EJEMPLO#337 Según la distribución de student t, calcular las siguientes probabilidades:
𝒂)𝒑(𝒙 < 𝟐); 𝑮𝑳 = 𝟔𝟎; 𝒃)𝒑(𝒙 > 𝟐, 𝟓); 𝑮𝑳 = 𝟐𝟑; 𝒄)𝒑(𝒙 < 𝒌) = 𝟎, 𝟕𝟓; 𝑮𝑳 = 𝟏𝟔
𝒂) 𝑽𝒆𝒓 𝒆𝒏 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝑮𝑳 = 𝟔𝟎 𝒚 𝒙 < 𝟐 ; 𝒉𝒂𝒍𝒍𝒂𝒎𝒐𝒔 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓 𝒒𝒖𝒆 𝒔𝒆𝒓í𝒂 𝟎, 𝟎𝟐𝟓
𝒄𝒐𝒎𝒐 𝒕𝒆𝒏𝒆𝒎𝒐𝒔 𝟎, 𝟎𝟐𝟓 𝒑𝒂𝒓𝒂 𝒍𝒍𝒆𝒈𝒂𝒓 𝒂 𝟏 𝒄𝒖𝒂𝒏𝒕𝒐 𝒎𝒆 𝒇𝒂𝒍𝒕𝒂 𝟎, 𝟗𝟕𝟓 → 𝟏 − 𝟎, 𝟗𝟕𝟓 = 𝟎, 𝟎𝟐𝟓 𝒑(𝒙 < 𝟐) = 𝟎, 𝟗𝟕𝟓 = 𝟗𝟕, 𝟓%
𝒄𝒐𝒎𝒐 𝒕𝒆𝒏𝒆𝒎𝒐𝒔 𝟎, 𝟎𝟏 𝒑𝒂𝒓𝒂 𝒍𝒍𝒆𝒈𝒂𝒓 𝒂 𝟏 𝒄𝒖𝒂𝒏𝒕𝒐 𝒎𝒆 𝒇𝒂𝒍𝒕𝒂 𝟎, 𝟗𝟗 → 𝟏 − 𝟎, 𝟗𝟗 = 𝟎, 𝟎𝟐𝟓 𝒑(𝒙 > 𝟐, 𝟓) = 𝟏 − 𝒑(𝒙 < 𝟐, 𝟓) = 𝟏 − 𝟎, 𝟗𝟗 = 𝟎, 𝟎𝟏
𝒄) 𝑽𝒆𝒓 𝒆𝒏 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝑮𝑳 = 𝟏𝟔 𝒚 𝒙 < 𝒌 ; 𝒉𝒂𝒍𝒍𝒂𝒎𝒐𝒔 𝒆𝒍 𝒌 =?
𝑪𝒐𝒎𝒐 𝒕𝒆𝒏𝒆𝒎𝒐𝒔 𝑮𝑳 = 𝟏𝟔 𝒚 𝒑 = 𝟎, 𝟕𝟓 = 𝟕𝟓% 𝒚 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓 =∝= 𝟐𝟓% = 𝟎, 𝟐𝟓 𝒑𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐 𝒌 = 𝟎, 𝟔𝟗𝟎; 𝒑(𝒙 < 𝟎, 𝟔𝟗𝟎) = 𝟎, 𝟕𝟓
𝒕 = 𝟎, 𝟔𝟗𝟎
𝟏
𝑭∝,𝒗𝟏 ,𝒗𝟐 ⟹ 𝑭𝟏−∝,𝒗𝟏,𝒗𝟐 =
𝑭∝,𝒗𝟏 ,𝒗𝟐
Si 𝑺𝟐𝟏 𝒚 𝑺𝟐𝟐 son las varianzas de las muestras aleatorias independientes de tamaño n1 y n2 tomadas de poblaciones normales con varianzas
𝝈𝟐𝟏 𝒚 𝝈𝟐𝟐, respectivamente:
𝑻𝒊𝒆𝒏𝒆 𝒖𝒏𝒂 𝒅𝒊𝒔𝒕𝒓𝒊𝒃𝒖𝒄𝒊ó𝒏 𝑭 𝒄𝒐𝒏 𝑭(𝒗𝟏,𝒗𝟐) = 𝑭(𝒏𝟏−𝟏)(𝒏𝟐−𝟏) = 𝑭(𝒎−𝟏)(𝒏−𝟏)
𝑺𝟐𝟏 𝒗𝟏 = 𝒎 − 𝟏 = 𝒏𝟏 − 𝟏; 𝒗𝟐 = 𝒏 − 𝟏 = 𝒏𝟐 − 𝟏
⁄ 𝑬𝒏 𝒑𝒂𝒓𝒕𝒊𝒄𝒖𝒍𝒂𝒓 𝒔𝒊 𝒍𝒂𝒔 𝒅𝒐𝒔 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂𝒔 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏𝒂𝒍𝒆𝒔 𝒔𝒐𝒏 𝒊𝒈𝒖𝒂𝒍𝒆𝒔 (𝝈𝟐𝟏 = 𝝈𝟐𝟐 ), 𝒐𝒃𝒕𝒆𝒏𝒆𝒎𝒐𝒔 𝒒𝒖𝒆
𝝈𝟐𝟏
𝑺𝟐𝟏 ∗ 𝝈𝟐𝟐 𝒍𝒂 𝒓𝒆𝒍𝒂𝒄𝒊𝒐𝒏 𝒆𝒏𝒕𝒓𝒆 𝒍𝒂𝒔 𝒅𝒐𝒔 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂𝒔 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒌𝒆𝒔 𝒔𝒆 𝒄𝒐𝒎𝒑𝒐𝒓𝒕𝒂 𝒄𝒐𝒎𝒐 𝒖𝒏𝒂 𝑭 𝒅𝒆 𝑭𝒊𝒔𝒉𝒆𝒓.
𝑭= = ⟹
𝑺𝟐𝟐 𝑺𝟐𝟐 ∗ 𝝈𝟐𝟏 𝝈𝟐𝟏 𝒚 𝝈𝟐𝟐 → 𝑽𝒂𝒓𝒊𝒂𝒏𝒛𝒂𝒔 𝒅𝒆 𝒅𝒐𝒔 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏𝒆𝒔.
⁄ 𝟐
𝝈𝟐 𝑺𝟐𝟏 𝒚 𝑺𝟐𝟐 → 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂𝒔 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒍𝒆𝒔, 𝒆𝒔 𝒄𝒂𝒔𝒊 𝒊𝒈𝒖𝒂𝒍 𝒂 𝟏, 𝒔𝒆 𝒕𝒆𝒏𝒅𝒓𝒂 𝒑𝒐𝒄𝒂 𝒆𝒗𝒊𝒅𝒆𝒏𝒄𝒊𝒂 𝒒𝒖𝒆 𝝈𝟐𝟏 𝒚 𝝈𝟐𝟐 𝒏𝒐 𝒔𝒐𝒏 𝒊𝒈𝒖𝒂𝒍𝒆𝒔, 𝒖𝒏
𝒗𝒂𝒍𝒐𝒓 𝒎𝒖𝒚 𝒈𝒓𝒂𝒏𝒅𝒆 𝒐 𝒎𝒖𝒚 𝒑𝒆𝒒𝒖𝒆ñ𝒐 𝒑𝒂𝒓𝒂 𝑺𝟐𝟏 𝒚 𝑺𝟐𝟐 𝒑𝒓𝒐𝒑𝒐𝒓𝒄𝒊𝒐𝒏𝒂𝒓á 𝒆𝒗𝒊𝒅𝒆𝒏𝒄𝒊𝒂 𝒅𝒆 𝒖𝒏𝒂 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒄𝒊𝒂 𝒆𝒏 𝒍𝒂𝒔
{ 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂𝒔 𝒅𝒆 𝒍𝒂𝒔 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏𝒆𝒔. }
Si F con v1 (numerador) y v2 (denominador):
𝒗𝟐 𝟐𝒗𝟐𝟐 (𝒗𝟏 + 𝒗𝟐 − 𝟐)
𝑴𝒆𝒅𝒊𝒂: 𝝁 = ; (𝒑𝒂𝒓𝒂 𝒗𝟐 > 𝟐); 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂: 𝝈𝟐 = ; (𝒑𝒂𝒓𝒂 𝒗𝟐 > 𝟒)
𝒗𝟐 − 𝟏 𝒗𝟏 (𝒗𝟐 − 𝟐)𝟐 (𝒗𝟐 − 𝟒)
Si 𝑺𝟐𝟏 𝒚 𝑺𝟐𝟐 son las varianzas de las muestras aleatorias independientes de tamaño n1 y n2 tomadas de poblaciones normales con varianzas
𝝈𝟐𝟏 𝒚 𝝈𝟐𝟐, respectivamente entonces la F:
𝑺𝟐𝟏
𝟐
𝝈𝟐𝟏 𝑺𝟏 ∗ 𝝈𝟐𝟐 𝑺𝟏 𝟐 𝝈𝟐 𝟐 𝑺𝟏 𝟐 𝝈𝟐 𝟐 𝝈 𝟐
𝑺𝟐𝟏
𝑭= = 𝟐 =( ) ∗( ) ⟹𝑭 =( ) ∗( ) 𝒂𝒍 𝒅𝒆𝒔𝒑𝒆𝒋𝒂𝒓: ⟹ { 𝟏 = }
𝑺𝟐𝟐 𝑺𝟐 ∗ 𝝈𝟐𝟏 𝑺𝟐 𝝈𝟏 𝑺𝟐 𝝈𝟏 𝟐
𝝈𝟐 𝑭 ∗ 𝑺𝟐
𝟐
𝝈𝟐𝟐
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 131
Como utilizar la tabla de F:
Buscar los GL (v1, v2) para localizar el área.
𝑮𝑳 → … … 𝟑
↓ . á𝒓𝒆𝒂 = 𝟎
… . ∝= 𝟎, 𝟎𝟎𝟎𝟓
… . 𝟏−∝= 𝟎, 𝟗𝟗𝟗𝟓
𝟔 . . . . . 𝟑𝟎, 𝟒𝟓𝟕}
Se tiene que buscar en la tabla un área de 0,05 puesto Se busca en la tabla el área de 0,10 con sus respectivos GL.
que nos piden un área a la derecha de F es 0,95.
EJEMPLO#339 Si 𝑺𝟐𝟏 𝒚 𝑺𝟐𝟐 son las varianzas muéstrales de muestras aleatorias independientes de tamaños n1=10 y n2=20, tomadas de
poblaciones normales que tienen las mismas varianzas, encuéntrese: 𝒑(𝑺𝟐𝟏 ∕ 𝑺𝟐𝟐 ≤ 𝟐, 𝟒𝟐) =?
SOLUCIÓN:
Primero se establecen los GL como en el numerador esta la población 1 y en el denominador esta la población 2, entonces los GL de uno
equivalen a 10-1=9 y los GL de dos a 20-1=19.
Se procede a ir a la tabla a buscar los GL dos que es el 19 y se observa que no están, por lo tanto tienes que interpolar entre el 15 y el 20 GL
se encuentra el GL=19, buscando el valor de Fisher que quedaría así:
EJEMPLO#340 Si 𝑺𝟐𝟏 𝒚 𝑺𝟐𝟐 representan las varianzas de las muestras aleatorias independientes de tamaños n1=25 y n2=31, tomadas de
poblaciones normales con 𝝈𝟐𝟏 = 𝟏𝟎 𝒚 𝝈𝟐𝟐 = 𝟏𝟓 varianzas, respectivamente, encuéntrese: 𝒑(𝑺𝟐𝟏 ⁄𝑺𝟐𝟐 < 𝟏, 𝟐𝟔) =?
SOLUCIÓN: Calcular el valor de F. 𝑳𝒐𝒔 𝑮𝑳 𝒔𝒐𝒏: 𝑽𝟏 = 𝒏 − 𝟏 = 𝟐𝟓 − 𝟏 = 𝟐𝟒 ; 𝑽𝟐 = 𝒏 − 𝟏 = 𝟑𝟏 − 𝟏 = 𝟑𝟎
𝑺𝟏 𝟐 𝝈𝟐 𝟐 𝟏𝟓 𝟏𝟖𝟗
𝑭 = ( ) ∗ ( ) = (𝟏, 𝟐𝟔) ∗ ( ) = = 𝟏, 𝟖𝟗 𝒆𝒔𝒕𝒆 𝒗𝒂𝒍𝒐𝒓 𝒃𝒖𝒔𝒄𝒂𝒓 𝒆𝒏 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝑭.
𝑺𝟐 𝝈𝟏 𝟏𝟎 𝟏𝟎𝟎
𝑭 = 𝟏, 𝟖𝟗 𝒄𝒐𝒎𝒐 𝒕𝒆𝒏𝒆𝒎𝒐𝒔 𝒍𝒐𝒔 𝑮𝑳( 𝑽𝟏 = 𝟐𝟒 ; 𝑽𝟐 = 𝟑𝟎) 𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 𝑭 = 𝟎, 𝟖𝟖𝟕 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔 𝒆𝒍 𝒑 = 𝟎, 𝟗𝟓(𝒆𝒏 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝟏−∝= 𝟎, 𝟗𝟓) 𝒚 ∝= 𝟎, 𝟎𝟓
Luego se va a la tabla F a buscar 𝑮𝑳( 𝑽𝟏 = 𝟐𝟒 ; 𝑽𝟐 = 𝟑𝟎) cuando se esté en esta posición se busca adentro de la tabla el valor de Fisher de
1,89. Al localizarlo y ver a la izquierda de este valor se obtiene una área de 0,95 ó 95% pero esto área correspondería a la probabilidad de que
las relaciones de las varianzas muestrales fueran menor a 1,26 por lo se calcula su complemento que seria 0,05 ó 5% siendo esta
probabilidad de que: 𝑺𝟐𝟏 ⁄𝑺𝟐𝟐 < 𝟏, 𝟐𝟔.
𝟐
𝝈𝟐𝟏 𝑭 ∗ 𝑺𝟏 𝟎, 𝟑𝟔𝟕𝟖(𝟒, 𝟕)𝟐
= 𝟐
= = 𝟎, 𝟑𝟏𝟐𝟒
𝝈𝟐𝟐 𝑺𝟐 (𝟓, 𝟏)𝟐
ENSAYO DE HIPÓTESIS
Supóngase que se tiene interés en dos poblaciones normales independientes donde las medias y las varianzas de la población son
desconocidas. Se desea probar la igualdad de las dos varianzas, ya que para poder comparar las medias de estas poblaciones se utiliza t de
student, en la cual podemos tener varianzas iguales o diferentes en la población.
Para conocer este último se requiere de la distribución de Fisher, y después de utilizarlo, se tomara la decisión de tener o no varianzas
iguales de la población, dando pie a realizar la comparación de las dos medias según estemos hablando.
Primer caso en que las varianzas de la población son desconocidas pero iguales, o en el caso dos se tienen varianzas desconocidas pero
disímiles. Para el ensayo de la hipótesis se utiliza la relación de varianzas, la cual puede dar tres resultados:
> 𝟏 𝝈𝟐𝟏 > 𝝈𝟐𝟐
𝝈𝟐𝟏 ⁄𝝈𝟐𝟐 ⟹ {= 𝟏 𝝈𝟐𝟏 = 𝝈𝟐𝟐 } 𝑬𝒏 𝒃𝒂𝒔𝒆 𝒂 𝒍𝒐 𝒒𝒖𝒆 𝒒𝒖𝒊𝒆𝒓𝒂 𝒑𝒓𝒐𝒃𝒂𝒓, 𝒆𝒍 𝒆𝒏𝒔𝒂𝒚𝒐 𝒑𝒐𝒅𝒓á 𝒔𝒆𝒓 𝒖𝒏𝒊𝒍𝒂𝒕𝒆𝒓𝒂𝒍 𝒅𝒆𝒓𝒆𝒄𝒉𝒐, 𝒊𝒛𝒒𝒖𝒊𝒆𝒓𝒅𝒐 ó 𝒃𝒊𝒍𝒂𝒕𝒆𝒓𝒂𝒍.
< 𝟏 𝝈𝟐𝟏 < 𝝈𝟐𝟐
EJEMPLO#343 La variabilidad en la cantidad de impurezas presentes en un lote de productos químicos, utilizada para un proceso en
particular, depende del tiempo que tarda el proceso. Un fabricante que emplea dos líneas de producción 1 y 2, hizo un pequeño ajuste al
⟹Regla de decisión:
𝑺𝒊: 𝑭𝒄 ≤ 𝟐, 𝟏𝟏𝟒𝟏 𝑵𝒐 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎
{ } 𝟐, 𝟏𝟏𝟒𝟏 𝒅𝒆 𝒕𝒂𝒃𝒍𝒂 𝑭.
𝑺𝒊: 𝑭𝒄 > 𝟐, 𝟏𝟏𝟒𝟏 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎
⟹Calculo:
𝑭 = 𝑺𝟐𝟏⁄𝑺𝟐𝟐 = 𝟏, 𝟎𝟒⁄𝟎, 𝟓𝟏 = 𝟐, 𝟎𝟑𝟗𝟐
⟹Decisión y justificación:
Como 2,0392 es menor que 2,1141 no se rechaza H0; y se
concluye con un ∝= 𝟎, 𝟎𝟓 que no existe suficiente evidencia
para decir que la varianza del proceso 2 es menor que la del
proceso 1.
EJEMPLO#344 En un incansable búsqueda de un sistema de llenado adecuado, cierta empresa prueba dos máquinas. Maquina 1 se usa para
llenar 16 tarros y da una desviación estándar de 1,9 onzas en el llenado, con maquina 2 se llenan 21 frascos que dan una desviación estándar
de 2,1 onzas. Si la empresa tiene que elegir uno de estos sistemas en función de la uniformidad de llenado. ¿Cuál deberá seleccionar? Use
un ∝= 𝟎, 𝟏𝟎.
SOLUCIÓN:
𝑴𝑨𝑸𝑼𝑰𝑵𝑨 𝟏: 𝑺𝟏 = 𝟏, 𝟗 𝒏𝟏 = 𝟏𝟔 ∝
𝑫𝒂𝒕𝒐𝒔: { } ∝= 𝟎, 𝟏𝟎 ⟹ = 𝟎, 𝟎𝟓
𝑴𝑨𝑸𝑼𝑰𝑵𝑨 𝟐: 𝑺𝟐 = 𝟐, 𝟏 𝒏𝟐 = 𝟐𝟏 𝟐
𝟐 𝟐
𝒂) 𝑬𝒏𝒔𝒂𝒚𝒐 𝒅𝒆 𝒉𝒊𝒑ó𝒕𝒆𝒔𝒊𝒔 ⟹ 𝑯𝟎 : 𝝈 ⁄𝝈𝟐𝟏 = 𝟏 𝑯 𝟏 : 𝝈 𝟐
𝟐 𝝈𝟏 > 𝟏
⁄
𝟐
𝒃)𝑬𝒔𝒕𝒂𝒅í𝒔𝒕𝒊𝒄𝒐 𝒅𝒆 𝒑𝒓𝒖𝒆𝒃𝒂: 𝑭 = 𝑺𝟐𝟐 ⁄𝑺𝟐𝟏 𝒍𝒂 𝒔𝒖𝒈𝒆𝒓𝒆𝒏𝒄𝒊𝒂 𝒒𝒖𝒆 𝒔𝒆 𝒉𝒂𝒄𝒆 𝒆𝒔 𝒒𝒖𝒆 𝒆𝒍 𝒏𝒖𝒎𝒆𝒓𝒂𝒅𝒐𝒓 𝒔𝒆𝒂 𝒆𝒍 𝒅𝒆 𝒗𝒂𝒍𝒐𝒓 𝒎𝒂𝒚𝒐𝒓.
𝒄) 𝑮𝑳 → 𝑽𝟏 = 𝒏𝟐 − 𝟏 = 𝟐𝟏 − 𝟏 = 𝟐𝟎 ; 𝑽𝟐 = 𝒏𝟏 − 𝟏 = 𝟏𝟔 − 𝟏 = 𝟏𝟓 𝒔𝒐𝒏 𝒍𝒐𝒔 𝒈𝒂𝒓𝒅𝒐𝒔 𝒅𝒆 𝒍𝒊𝒃𝒆𝒓𝒕𝒂𝒅. 𝑬𝒍 𝒎á𝒔 𝒈𝒓𝒂𝒏𝒅𝒆 𝒅𝒆 (𝒏) 𝒆𝒔 𝑽𝟏
⟹Regla de decisión:
𝑺𝒊: 𝑭𝒄 ≤ 𝟐, 𝟑𝟐𝟕𝟓 𝑵𝒐 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎
{ } 𝟐, 𝟑𝟐𝟕𝟓 𝒅𝒆 𝒕𝒂𝒃𝒍𝒂 𝑭.
𝑺𝒊: 𝑭𝒄 > 𝟐, 𝟑𝟐𝟕𝟓 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎
⟹Calculo:
𝑭 = 𝑺𝟐𝟐⁄𝑺𝟐𝟏 = (𝟐, 𝟏)𝟐⁄(𝟏, 𝟗𝟎)𝟐 = 𝟏, 𝟐𝟐𝟏𝟔
⟹Decisión y justificación:
Como 1,2216 es menor que 2,3275 no se rechaza H0; y se
concluye con un ∝= 𝟎, 𝟏𝟎 que la variación de llenado de la
maquina 1 no es menor a la maquina 2, por lo que se
selecciona cualquier máquina.
EJEMPLO#345 Las capas de óxido en las obleas de semiconductores son depositadas en una mezcla de gases para alcanzar el espesor
apropiado. La variabilidad del espesor es una característica crítica de la oblea, y lo deseable para los siguientes pasos de la fabricación es
tener una variabilidad baja. Para ello se estudian dos mezclas diferentes de gases con la finalidad de determinar con cual se obtienen
mejores resultados en cuanto a la reducción en la variabilidad del espesor del óxido, 21 obleas son depositadas en cada gas. Las
desviaciones estándares de cada muestra del espesor del óxido son: S 1=1,96 angstroms y S2=2,13 angstroms.
¿Existe evidencia que indique una diferencia en las desviaciones? Use un ∝= 𝟎, 𝟎𝟓.
SOLUCIÓN:
𝑴𝒆𝒛𝒄𝒍𝒂 𝟏: 𝑺𝟏 = 𝟏, 𝟗𝟔 𝒏𝟏 = 𝟐𝟏
𝟏)𝑫𝒂𝒕𝒐𝒔: { } ∝= 𝟎, 𝟎𝟓
𝑴𝒆𝒛𝒄𝒍𝒂 𝟐: 𝑺𝟐 = 𝟐, 𝟏𝟑 𝒏𝟐 = 𝟐𝟏
𝟐
𝟐) 𝑬𝒏𝒔𝒂𝒚𝒐 𝒅𝒆 𝒉𝒊𝒑ó𝒕𝒆𝒔𝒊𝒔 ⟹ 𝑯𝟎 : 𝝈 ⁄𝝈𝟏 = 𝟏
𝟐
𝟐
𝑯𝟏 : 𝝈𝟐𝟐 ⁄𝝈𝟐𝟏 > 𝟏
𝟑)𝑬𝒔𝒕𝒂𝒅í𝒔𝒕𝒊𝒄𝒐 𝒅𝒆 𝒑𝒓𝒖𝒆𝒃𝒂: 𝑭 = 𝑺𝟐𝟐 ⁄𝑺𝟐𝟏 𝒍𝒂 𝒔𝒖𝒈𝒆𝒓𝒆𝒏𝒄𝒊𝒂 𝒒𝒖𝒆 𝒔𝒆 𝒉𝒂𝒄𝒆 𝒆𝒔 𝒒𝒖𝒆 𝒆𝒍 𝒏𝒖𝒎𝒆𝒓𝒂𝒅𝒐𝒓 𝒔𝒆𝒂 𝒆𝒍 𝒅𝒆 𝒗𝒂𝒍𝒐𝒓 𝒎𝒂𝒚𝒐𝒓.
𝟒) 𝑮𝑳 → 𝑽𝟏 = 𝒏𝟏 − 𝟏 = 𝟐𝟏 − 𝟏 = 𝟐𝟎 ; 𝑽𝟐 = 𝒏𝟐 − 𝟏 = 𝟐𝟏 − 𝟏 = 𝟐𝟎 𝒔𝒐𝒏 𝒍𝒐𝒔 𝒈𝒂𝒓𝒅𝒐𝒔 𝒅𝒆 𝒍𝒊𝒃𝒆𝒓𝒕𝒂𝒅. 𝑬𝒍 𝒎á𝒔 𝒈𝒓𝒂𝒏𝒅𝒆 𝒅𝒆 (𝒏) 𝒆𝒔 𝑽𝟏
6) ⟹Regla de decisión:
𝑺𝒊: 𝟎, 𝟒𝟎𝟓𝟖 ≤ 𝑭𝒄 ≤ 𝟐, 𝟒𝟔𝟒𝟓 𝑵𝒐 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎
{ } 𝟐, 𝟒𝟔𝟒𝟓 𝒅𝒆 𝒕𝒂𝒃𝒍𝒂 𝑭.
𝑺𝒊: 𝑭𝒄 < 𝟎, 𝟒𝟎𝟓𝟖 ó 𝑺𝒊 𝑭𝒄 > 𝟐, 𝟒𝟔𝟒𝟓 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎
7)⟹Calculo:
𝑭 = 𝑺𝟐𝟐⁄𝑺𝟐𝟏 = (𝟐, 𝟏𝟑)𝟐⁄(𝟏, 𝟗𝟔)𝟐 = 𝟏, 𝟏𝟖𝟏𝟎
8)⟹Decisión y justificación:
Como 1,1810 está entre los dos valores de H0, no se rechaza H0; y
se concluye con un ∝= 𝟎, 𝟎𝟓 que existe suficiente evidencia para
decir que las varianzas de las poblaciones son iguales.
𝟏
= 𝟎, 𝟒𝟎𝟓𝟖 𝒆𝒔𝒕𝒆 𝒗𝒂𝒍𝒐𝒓 𝒔𝒂𝒄𝒂𝒎𝒐𝒔 𝒅𝒆 𝒆𝒔𝒕𝒂 𝒇𝒐𝒓𝒎𝒂.
𝟐, 𝟒𝟔𝟒𝟓
ERROR DE TIPO II.
Para el ejemplo anterior, encontrar la probabilidad de cometer error tipo II, si la verdadera relación es: 𝝈𝟐𝟏 ⁄𝝈𝟐𝟐 = 𝟐
𝑭 = (𝑺𝟐𝟐⁄𝑺𝟐𝟏)(𝝈𝟐𝟏 ⁄𝝈𝟐𝟐 )
EJEMPLO#346 Del ejemplo #343 del ensayo de hipótesis. Calcular la probabilidad de cometer error tipo II, si la relación es: 𝝈𝟐 𝟐
𝟏 ⁄𝝈𝟐 = 𝟏, 𝟓
SOLUCIÓN: ∝= 𝟎, 𝟎𝟓
𝝈𝟐𝟏 𝝈𝟐𝟏 𝟏
𝝈𝟐𝟏 ⁄𝝈𝟐𝟐 = 𝟏, 𝟓 ⟹ 𝝈𝟐𝟏 = (𝟏, 𝟓)𝝈𝟐𝟐 ⟹ = 𝝈𝟐𝟐 ⟹ (𝟏, 𝟓)𝝈𝟐𝟐 = 𝝈𝟐𝟏 ⟹ 𝝈𝟐𝟐 = ⟹ 𝝈𝟐𝟐 = 𝝈𝟐𝟏 (𝟏, 𝟓)−𝟏 ⟹ 𝝈𝟐𝟐 ⁄𝝈𝟐𝟏 =
(𝟏, 𝟓) (𝟏, 𝟓) 𝟏, 𝟓
𝟏
𝑭 = (𝑺𝟐𝟏 ⁄𝑺𝟐𝟐 )(𝝈𝟐𝟐 ⁄𝝈𝟐𝟏 ) = (𝟐, 𝟏𝟏𝟒𝟏) () = 𝟏, 𝟒𝟎𝟗𝟒
𝟏, 𝟓
Como tenemos los GL son: V1=24 y V2=19 por lo que se tiene que hacer una doble interpolación ya que 19 GL vamos a suponer que no viene
en la tabla F. en realidad existe la F es 2,1141.
Primero: vamos a interpolar para los GL son: V1=24 y V2=15.
𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂 𝑭
Á𝒓𝒆𝒂 𝑽𝟏 𝑳𝒊𝒎𝒊𝒕𝒆𝒔
𝟎, 𝟓𝟎 𝟏, 𝟎𝟏𝟕𝟐 𝑳𝑰
𝑭∝,𝒗𝟏,𝒗𝟐 = 𝑭(𝟎, 𝟓; 𝟐𝟒; 𝟏𝟓) = 𝟏, 𝟎𝟏𝟕𝟐
𝒗𝒆𝒓 𝒕𝒂𝒃𝒍𝒂: { } 𝑫𝒆𝒃𝒆𝒎𝒐𝒔 𝒊𝒏𝒕𝒆𝒓𝒑𝒐𝒍𝒂𝒓 𝒆𝒔𝒕𝒐𝒔 𝒗𝒂𝒍𝒐𝒓𝒆𝒔, 𝑭∝,𝒗𝟏,𝒗𝟐 = 𝑭(𝒙; 𝟐𝟒; 𝟏𝟓) = 𝟏, 𝟒𝟎𝟗𝟒
𝒙 𝟏, 𝟒𝟎𝟗𝟒 𝑳𝑴
𝟎, 𝟕𝟓 𝟏, 𝟒𝟎𝟓𝟐 𝑳𝑺 𝑭∝,𝒗𝟏,𝒗𝟐 = 𝑭(𝟎, 𝟕𝟓; 𝟐𝟒; 𝟏𝟓) = 𝟏, 𝟒𝟎𝟓𝟐
Como tenemos 0,75 busco en la tabla 0,25. Si el área es 0,25 en la tabla busco el 0,75⟹F=0,7422
𝑳𝑺 − 𝑳𝑰 𝑳𝑺 − 𝑳𝑰 𝟏, 𝟒𝟎𝟓𝟐 − 𝟏, 𝟎𝟏𝟕𝟐 𝟎, 𝟕𝟓 − 𝟎, 𝟓𝟎 𝟎, 𝟑𝟖𝟖 𝟎, 𝟐𝟓 𝟎, 𝟕𝟒𝟒𝟕
= ⟹ = ⟹ = ⟹ 𝟎, 𝟗𝟖𝟗𝟑(𝒙 − 𝟎, 𝟓) = 𝟎, 𝟐𝟓 ⟹ 𝒙 = = 𝟎, 𝟕𝟓𝟐𝟖 ≅ 𝟎, 𝟕𝟓
𝑳𝑴 − 𝑳𝑰 𝑳𝑴 − 𝑳𝑰 𝟏, 𝟒𝟎𝟗𝟒 − 𝟏, 𝟎𝟏𝟕𝟐 𝒙 − 𝟎, 𝟓 𝟎, 𝟑𝟗𝟐𝟐 𝒙 − 𝟎, 𝟓 𝟎, 𝟗𝟖𝟗𝟑
𝑭∝,𝒗𝟏,𝒗𝟐 = 𝑭(𝒙; 𝟐𝟒; 𝟏𝟓) = 𝑭(𝟎, 𝟕𝟓𝟐𝟖; 𝟐𝟒; 𝟏𝟓) = 𝟏, 𝟒𝟎𝟗𝟒
𝑭𝒄 < 𝑭𝒕
𝟐, 𝟗𝟏𝟐𝟒 < 𝟑, 𝟎𝟗𝟖𝟒
𝑭∝ < 𝑭 < 𝑭𝟏−∝ ⟹ 𝑭𝟎,𝟎𝟓 < 𝑭 < 𝑭 𝟎,𝟎𝟓 ⟹ 𝑭𝟎,𝟎𝟐𝟓 < 𝑭 < 𝑭𝟎,𝟗𝟕𝟓
𝟐 𝟐 𝟏−
𝟐 𝟐
EJEMPLO#352 Existe un proceso industrial A para obtener el aceite esencial de cierto fruto. Un grupo de ingenieros bolivianos ha desarrollado un
método B para el mismo fin, pero con los costos de producción y mantenimiento menores. Se hizo un estudio para comparar el porcentaje de pureza
del aceite esencial obtenido por ambos métodos, en lotes similares de fruto asignados completamente al azar y se recopilo la siguiente información:
% de pureza del aceite esencial
Método A 82 80 83 85 79 82 81 84
Método B 80 79 82 82 81 80 79 78 83
En un inicio, por consideraciones teóricas, se pensaba que ambos procesos tendrían la misma variabilidad, pero de acuerdo con algunos resultados
preliminares se cree ahora que el método B produce resultados menos variables. Con los datos de la tabla. ¿Cuál es su conclusión con ∝= 𝟎, 𝟎𝟓?
SOLUCION:
Primero: METODO A METODO B
Se ve claramente que los dos procesos son independientes y no hay razón para 1 79 0 1 78 0
dudar de que él % de pureza se distribuya normalmente para ambos procesos 2 80 0 3 79 00
como se puede observar en los diagramas de tallo y hoja respectiva. 3 81 0 (2) 80 00
(2) 82 00 4 81 0
Ordenamos de menor a mayor los datos: 3 83 0 3 82 0
2 84 0 1 83 0
1 85 0
𝑺𝟐𝑩 𝟐,𝟕𝟕𝟕𝟖
Valor calculado de F: 𝑭𝒄 = 𝟐 = 𝟒(𝟏𝒄𝒐𝒍𝒂) = 𝟎, 𝟔𝟗𝟒𝟒𝟓
𝑺𝑨 ∗𝑹𝟎
(∑ 𝒙)𝟐 (𝟔𝟓𝟔)𝟐 𝟒𝟑𝟎𝟑𝟑𝟔
∑ 𝒙𝟐 −
𝑵 = 𝟓𝟑𝟖𝟐𝟎 − 𝟖 𝟓𝟑𝟖𝟐𝟎 −
𝑺𝟐𝑨 = = 𝟖 =𝟒
𝑵−𝟏 𝟖−𝟏 𝟕
𝑺𝟐𝑨 = 𝟒
SEPTIMO:
𝑭𝒕𝒂𝒃𝒍𝒂 < 𝑭𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 𝟎, 𝟐𝟔𝟖𝟒 < 𝟎, 𝟔𝟗𝟒𝟒, 𝑵𝒐 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎
OCTAVO: conclusión la varianza del proceso B no es significativamente menor que la del proceso A.
𝑹𝟎 = 𝒔𝒊 𝒄𝒂𝒍𝒄𝒖𝒍𝒐 𝟏 𝒄𝒐𝒍𝒂 𝑹𝟎 = 𝟏 𝒚 𝒔𝒊 𝒄𝒂𝒍𝒄𝒖𝒍𝒐 𝟐 𝒄𝒐𝒍𝒂𝒔 𝑹𝟎 = 𝟐
EJEMPLO#353 Se les hace una pregunta a dos poblaciones distintas, donde el tiempo de reacción a la pregunta son los siguientes:
X(segundos) 0,30 0,50 1,20 1,10 1,95 1,53 3,50 5,00 2,40 6,21 10,11 33,80
Y(segundos) 1,02 0,95 2,10 1,30 1,45 0,45 2,95 7,20 5,10 4,00 8,30 34,82
SOLUCION:
∑ 𝑿 = 𝟑𝟑, 𝟖𝟎 ∑ 𝒀 = 𝟑𝟒, 𝟖𝟐 ∑ 𝑿𝟐 = 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 ∑ 𝒀𝟐 = 𝟏𝟖𝟏, 𝟕𝟗𝟎𝟒 𝑵 = 𝟏𝟏
(∑ 𝒙𝟏 )𝟐 𝟐
(𝟑𝟑, 𝟖𝟎) 𝟏𝟏𝟒𝟐, 𝟒𝟒 (∑ 𝒀𝟏 )𝟐 (𝟑𝟒, 𝟖𝟐)𝟐
∑ 𝒙𝟐𝟏 − ∑ 𝒀𝟐𝟏 −
𝑵 = 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 − 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 − 𝟏𝟖𝟏, 𝟕𝟗𝟎𝟒 −
𝑻𝟐𝑿 = 𝟏𝟏 = 𝟏𝟏 = 𝟖, 𝟎𝟗𝟔𝟓 ; 𝑻𝟐𝒀= 𝑵 = 𝟏𝟏 = 𝟔, 𝟓𝟎𝟔𝟑
𝑵 𝟏𝟏 𝟏𝟏 𝑵 𝟏𝟏
𝟐 𝟐 𝟐 𝟐
(∑ 𝒙𝟏 ) (𝟑𝟑, 𝟖𝟎) 𝟏𝟏𝟒𝟐, 𝟒𝟒 (∑ 𝒀𝟏 ) (𝟑𝟒, 𝟖𝟐)
∑ 𝒙𝟐𝟏 − 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 − 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 − ∑ 𝒀𝟐𝟏 −
𝑺𝟐𝑿 = 𝑵 = 𝟏𝟏 = 𝟏𝟏 = 𝟖, 𝟗𝟎𝟔𝟏 ; 𝑺𝟐𝒀 = 𝑵 = 𝟏𝟖𝟏, 𝟕𝟗𝟎𝟒 − 𝟏𝟏 = 𝟕, 𝟏𝟓𝟔𝟗
𝑵−𝟏 𝟏𝟏 − 𝟏 𝟏𝟎 𝑵−𝟏 𝟏𝟏 − 𝟏
𝟐 𝟐
𝑺𝒆 𝒂𝒔𝒖𝒎𝒆 𝒒𝒖𝒆: 𝑻𝑿 = 𝑻𝒀
𝑺𝟐𝑿 𝟖, 𝟗𝟎𝟔𝟏 𝑺𝟐𝑿 /𝑻𝟐𝑿
𝑭𝑪 = = = 𝟏, 𝟐𝟒𝟒𝟒 ⟹ 𝑭𝑪 =
𝑺𝟐𝒀 𝟕, 𝟏𝟓𝟔𝟗 𝑺𝟐𝒀 /𝑻𝟐𝒀
Por la tabla de F:
𝑮𝑳𝑿 = 𝟏𝟏 − 𝟏 = 𝟏𝟎 → 𝑽𝟏
} : ∝= 𝟎, 𝟎𝟓 → 𝟗𝟓% 𝑭𝒕𝒂𝒃𝒍𝒂 = 𝟐, 𝟗𝟕𝟖𝟐 𝑺𝒊: 𝑭𝑪 < 𝑭𝑻 ⟹ 𝟏, 𝟐𝟒𝟒𝟒 < 𝟐, 𝟗𝟕𝟖𝟐 ⟹ 𝒔𝒆 𝒂𝒄𝒆𝒑𝒕𝒂 𝒍𝒂 𝒉𝒊𝒑𝒐𝒕𝒆𝒔𝒊𝒔
𝑮𝑳𝒀 = 𝟏𝟏 − 𝟏 = 𝟏𝟎 → 𝑽𝟐
Vamos a suponer, me invente como interpolar los siguientes valores: este hacemos para aprender cómo se interpolan:
𝟏𝟎 → 𝟐, 𝟗𝟖 (𝑽𝟏 = 𝟏𝟎 𝒚 𝑽𝟐 = 𝟏𝟎) 𝟏𝟐 − 𝟏𝟎 𝟐, 𝟗𝟏 − 𝟐, 𝟗𝟖
{𝟏𝟏 → 𝑭 }𝑭 = = ⟹ 𝟐(𝒙 − 𝟐, 𝟗𝟖) = −𝟎, 𝟎𝟕 ⟹ 𝟐𝒙 − 𝟓, 𝟗𝟔 = −𝟎, 𝟎𝟕 ⟹ 𝒙 = 𝟐, 𝟗𝟒𝟓 ⟹ 𝑭 = 𝟐, 𝟗𝟒𝟓
𝟏𝟐 → 𝟐, 𝟗𝟏 (𝑽𝟏 = 𝟏𝟐 𝒚 𝑽𝟐 = 𝟏𝟎) 𝟏𝟏 − 𝟏𝟎 𝒙 − 𝟐, 𝟗𝟖
𝑺𝟐𝑩 𝟐,𝟕𝟕𝟕𝟖
Valor calculado de F: 𝑭𝒄 = 𝟐 = 𝟒(𝟏𝒄𝒐𝒍𝒂) = 𝟎, 𝟔𝟗𝟒𝟒𝟓
𝑺𝑨 ∗𝑹𝟎
(∑ 𝒙)𝟐 (𝟔𝟓𝟔)𝟐 𝟒𝟑𝟎𝟑𝟑𝟔
∑ 𝒙𝟐 −
𝑵 = 𝟓𝟑𝟖𝟐𝟎 − 𝟖 𝟓𝟑𝟖𝟐𝟎 −
𝑺𝟐𝑨 = = 𝟖 =𝟒
𝑵−𝟏 𝟖−𝟏 𝟕
𝑺𝟐𝑨 = 𝟒
SEPTIMO:
𝑭𝒕𝒂𝒃𝒍𝒂 < 𝑭𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 𝟎, 𝟐𝟔𝟖𝟒 < 𝟎, 𝟔𝟗𝟒𝟒, 𝑵𝒐 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎
OCTAVO: conclusión la varianza del proceso B no es significativamente menor que la del proceso A.
𝑹𝟎 = 𝒔𝒊 𝒄𝒂𝒍𝒄𝒖𝒍𝒐 𝟏 𝒄𝒐𝒍𝒂 𝑹𝟎 = 𝟏 𝒚 𝒔𝒊 𝒄𝒂𝒍𝒄𝒖𝒍𝒐 𝟐 𝒄𝒐𝒍𝒂𝒔 𝑹𝟎 = 𝟐
EJEMPLO#353 Se les hace una pregunta a dos poblaciones distintas, donde el tiempo de reacción a la pregunta son los siguientes:
X(segundos) 0,30 0,50 1,20 1,10 1,95 1,53 3,50 5,00 2,40 6,21 10,11 33,80
Y(segundos) 1,02 0,95 2,10 1,30 1,45 0,45 2,95 7,20 5,10 4,00 8,30 34,82
SOLUCION:
∑ 𝑿 = 𝟑𝟑, 𝟖𝟎 ∑ 𝒀 = 𝟑𝟒, 𝟖𝟐 ∑ 𝑿𝟐 = 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 ∑ 𝒀𝟐 = 𝟏𝟖𝟏, 𝟕𝟗𝟎𝟒 𝑵 = 𝟏𝟏
(∑ 𝒙𝟏 )𝟐 (𝟑𝟑, 𝟖𝟎)𝟐 𝟏𝟏𝟒𝟐, 𝟒𝟒 (∑ 𝒀𝟏 )𝟐 (𝟑𝟒, 𝟖𝟐)𝟐
∑ 𝒙𝟐𝟏 − ∑ 𝒀𝟐𝟏 −
𝑵 = 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 − 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 − 𝟏𝟖𝟏, 𝟕𝟗𝟎𝟒 −
𝑻𝟐𝑿 = 𝟏𝟏 = 𝟏𝟏 = 𝟖, 𝟎𝟗𝟔𝟓 ; 𝑻𝟐𝒀 = 𝑵 = 𝟏𝟏 = 𝟔, 𝟓𝟎𝟔𝟑
𝑵 𝟏𝟏 𝟏𝟏 𝑵 𝟏𝟏
(∑ 𝒙𝟏 ) 𝟐 (𝟑𝟑, 𝟖𝟎) 𝟐 (∑ 𝒀𝟏 ) 𝟐 (𝟑𝟒, 𝟖𝟐) 𝟐
𝟏𝟏𝟒𝟐, 𝟒𝟒
∑ 𝒙𝟐𝟏 − 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 − 𝟏𝟗𝟐, 𝟗𝟏𝟗𝟔 − ∑ 𝒀𝟐𝟏 −
𝑺𝟐𝑿 = 𝑵 = 𝟏𝟏 = 𝟏𝟏 = 𝟖, 𝟗𝟎𝟔𝟏 ; 𝑺𝟐𝒀 = 𝑵 = 𝟏𝟖𝟏, 𝟕𝟗𝟎𝟒 − 𝟏𝟏 = 𝟕, 𝟏𝟓𝟔𝟗
𝑵−𝟏 𝟏𝟏 − 𝟏 𝟏𝟎 𝑵−𝟏 𝟏𝟏 − 𝟏
𝟐 𝟐
𝑺𝒆 𝒂𝒔𝒖𝒎𝒆 𝒒𝒖𝒆: 𝑻𝑿 = 𝑻𝒀
𝑺𝟐𝑿 𝟖, 𝟗𝟎𝟔𝟏 𝑺𝟐𝑿 /𝑻𝟐𝑿
𝑭𝑪 = = = 𝟏, 𝟐𝟒𝟒𝟒 ⟹ 𝑭𝑪 =
𝑺𝟐𝒀 𝟕, 𝟏𝟓𝟔𝟗 𝑺𝟐𝒀 /𝑻𝟐𝒀
Por la tabla de F:
𝑮𝑳𝑿 = 𝟏𝟏 − 𝟏 = 𝟏𝟎 → 𝑽𝟏
} : ∝= 𝟎, 𝟎𝟓 → 𝟗𝟓% 𝑭𝒕𝒂𝒃𝒍𝒂 = 𝟐, 𝟗𝟕𝟖𝟐 𝑺𝒊: 𝑭𝑪 < 𝑭𝑻 ⟹ 𝟏, 𝟐𝟒𝟒𝟒 < 𝟐, 𝟗𝟕𝟖𝟐 ⟹ 𝒔𝒆 𝒂𝒄𝒆𝒑𝒕𝒂 𝒍𝒂 𝒉𝒊𝒑𝒐𝒕𝒆𝒔𝒊𝒔
𝑮𝑳𝒀 = 𝟏𝟏 − 𝟏 = 𝟏𝟎 → 𝑽𝟐
Vamos a suponer, me invente como interpolar los siguientes valores: este hacemos para aprender cómo se interpolan:
𝟏𝟎 → 𝟐, 𝟗𝟖 (𝑽𝟏 = 𝟏𝟎 𝒚 𝑽𝟐 = 𝟏𝟎) 𝟏𝟐 − 𝟏𝟎 𝟐, 𝟗𝟏 − 𝟐, 𝟗𝟖
{𝟏𝟏 → 𝑭 }𝑭 = = ⟹ 𝟐(𝒙 − 𝟐, 𝟗𝟖) = −𝟎, 𝟎𝟕 ⟹ 𝟐𝒙 − 𝟓, 𝟗𝟔 = −𝟎, 𝟎𝟕 ⟹ 𝒙 = 𝟐, 𝟗𝟒𝟓 ⟹ 𝑭 = 𝟐, 𝟗𝟒𝟓
𝟏𝟐 → 𝟐, 𝟗𝟏 (𝑽 = 𝟏𝟐 𝒚 𝑽 = 𝟏𝟎) 𝟏𝟏 − 𝟏𝟎 𝒙 − 𝟐, 𝟗𝟖
𝟏 𝟐
En esta guía no vamos a trabajar con los totales, pero si es importante que conozcas que existe este tipo de estadígrafo llamado (tao) ó total.
Selección del tamaño de la Muestra para seleccionar la Media Poblacional.
Recordemos que la media poblacional es (miu) ó (mu) y se denota con la letra (𝝁).
Muestreo Sistemático:
El muestreo sistemático es muy parecido aleatorio simple, de hecho mantiene hasta las mismas fórmulas, la única diferencia es que en este
se divide la población entre la muestra y hallamos un valor que vamos a llamar “𝒌”, tomamos un primer valor y sistemáticamente sumamos
“𝒌” y seleccionamos la observación.
Ventajas del Muestreo Sistemático:
1.- Es el más fácil de llevar a cabo en el campo.
2.- Está menos expuestos a errores de selección que cometen los investigadores de campo.
3.- El muestreo Sistemático puede proporcionar mayor información que la que puede proporcionar el muestreo aleatorio por unidad de costo.
Selección del tamaño de la muestra para hallar el promedio poblacional.
Fórmula.
𝒏: 𝒆𝒔 𝒆𝒍 𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂.
𝑵: 𝒆𝒔 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊ó𝒏.
𝑵 ∗ 𝝈𝟐 𝑩𝟐
𝒏= ; 𝑫= ; 𝑫𝒐𝒏𝒅𝒆: 𝝈𝟐 : 𝑽𝒂𝒓𝒊𝒂𝒏𝒛𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏𝒂𝒍.
[(𝑵 − 𝟏) ∗ 𝑫] + 𝝈𝟐 𝟒
𝑩: 𝑳í𝒎𝒊𝒕𝒆 𝒑𝒂𝒓𝒂 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓 𝒅𝒆 𝒆𝒔𝒕𝒊𝒎𝒂𝒄𝒊ó𝒏.
{𝑫: 𝑹𝒆𝒈𝒍𝒂 𝒆𝒔𝒕𝒂𝒅í𝒔𝒕𝒊𝒄𝒂 𝒅𝒆 𝒎𝒖𝒆𝒔𝒕𝒓𝒆𝒐.
Como podemos ver es la misma muestra que el muestreo aleatorio simple.
EJEMPLO#359 La siguiente tabla muestra los valores de las edades de los integrantes del Club Social. (Guajurú). Con un error de estimación
de 4 años. ¿Cuál debe ser la muestra que se debe seleccionar? y realice mediante el muestreo sistemático, seleccione los valores y halle el
promedio de la muestra e infiera a la población.
56 36 80 54 21 45 48 49 52 59
64 48 75 20 25 29 32 36 37 33
33 39 45 42 48 65 32 6 90 75
21 20 54 58 68 69 70 65 60 70
50 52 45 25 35 65 95 85 75 75
45 75 45 25 52 45 53 56 59 58
57 65 68 67 64 21 70 80 90 54
24 25 65 35 36 38 69 71 80 28
Evidentemente que una población de este tamaño (80) se puede estudiar en su totalidad pero con fines pedagógicos hemos tomado la
decisión de seleccionar una muestra y luego sistematizar.
SOLUCIÓN:
𝑫𝒂𝒕𝒐𝒔: 𝑵 = 𝟖𝟎 ; 𝑩 = 𝟒 ;
𝑺𝒖𝒑𝒐𝒏𝒈𝒂𝒎𝒐𝒔 𝒒𝒖𝒆 𝒂𝒍 𝒂𝒛𝒂𝒓 𝒔𝒆𝒂: 𝑬𝒅𝒂𝒅 𝑴á𝒙𝒊𝒎𝒂: 𝟗𝟎 𝒂ñ𝒐𝒔, 𝑬𝒅𝒂𝒅 𝑴í𝒏𝒊𝒎𝒂: 𝟐𝟎 𝒂ñ𝒐𝒔, 𝑹𝒂𝒏𝒈𝒐 = 𝑹 = 𝑽𝒂𝒍𝒐𝒓𝑴á𝒙𝒊𝒎𝒂 − 𝑽𝒂𝒍𝒐𝒓𝑴í𝒏𝒊𝒎𝒂 = 𝟕𝟎 𝒂ñ𝒐𝒔.
𝟕𝟎 𝟑𝟓
𝑵𝒐 𝒏𝒐𝒔 𝒐𝒍𝒗𝒊𝒅𝒆𝒎𝒐𝒔 𝒒𝒖𝒆 𝒆𝒍 𝑹𝒂𝒏𝒈𝒐 𝒅𝒊𝒗𝒊𝒅𝒊𝒅𝒐 𝒆𝒏𝒕𝒓𝒆 𝟒 𝒆𝒔 𝒍𝒂 𝒅𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒆𝒔𝒕á𝒏𝒅𝒂𝒓 → 𝝈 = = = 𝟏𝟕, 𝟓
𝟒 𝟐
𝟐 𝟐 𝟐
𝑳𝒂 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂 𝒆𝒔 𝒍𝒂 𝒅𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒆𝒔𝒕á𝒏𝒅𝒂𝒓 𝒂𝒍 𝒄𝒖𝒂𝒅𝒓𝒂𝒅𝒐 → 𝝈 = (𝟏𝟕, 𝟓) = 𝟑𝟎𝟔, 𝟐𝟓 ↔ 𝝈 = 𝟑𝟎𝟔, 𝟐𝟓
𝑹𝒂𝒏𝒈𝒐 𝑹 𝑵
𝝈= = = 𝒌 = = 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒄𝒐𝒏𝒔𝒕𝒂𝒏𝒕𝒆 ó 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒇𝒊𝒋𝒐.
𝟒 𝟒 𝒏
𝑩𝟐 𝟒𝟐 𝟏𝟔 𝑩𝟐 𝟏𝟏𝟐 𝟏𝟐𝟏
𝑫= = = = 𝟒; 𝑽𝒂𝒎𝒐𝒔 𝒂 𝒔𝒖𝒑𝒐𝒏𝒆𝒓 𝒒𝒖𝒆 𝑩 = 𝟏𝟏 𝒂𝒍𝒆𝒂𝒕𝒐𝒓𝒊𝒂𝒎𝒆𝒏𝒕𝒆. 𝑫 = = = = 𝟑𝟎, 𝟐𝟓 ≈ (𝒄𝒂𝒔𝒊)
𝟒 𝟒 𝟒 𝟒 𝟒 𝟒
𝑵 ∗ 𝝈𝟐 (𝟖𝟎) ∗ (𝟑𝟎𝟔, 𝟐𝟓) (𝟖𝟎)(𝟑𝟎𝟔, 𝟐𝟓) 𝟐𝟒𝟓𝟎𝟎 𝟔𝟏𝟐𝟓
𝒏= = = = = = 𝟗, 𝟎𝟖𝟕𝟓 ≈ 𝟏𝟎
[(𝑵 − 𝟏) ∗ 𝑫] + 𝝈𝟐 [(𝟖𝟎 − 𝟏) ∗ (𝟑𝟎, 𝟐𝟓)] + (𝟑𝟎𝟔, 𝟐𝟓) [𝟐𝟑𝟖𝟗, 𝟕𝟓] + 𝟑𝟎𝟔, 𝟐𝟓 𝟐𝟔𝟗𝟔 𝟔𝟕𝟒
𝑵 𝟖𝟎
𝒌= = 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒄𝒐𝒏𝒔𝒕𝒂𝒏𝒕𝒆 ó 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒇𝒊𝒋𝒐 = = 𝟖 𝒗𝒂𝒎𝒐𝒔 𝒂 𝒕𝒆𝒏𝒆𝒓 𝟖 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐𝒔 𝒇𝒊𝒋𝒐𝒔.
𝒏 𝟏𝟎
Evidentemente tenemos que seleccionar 10 de los 80 socios. El primer valor lo tomamos aleatoriamente entre los primeros 10 valores, en
nuestro caso fue el tercero, entonces seleccionamos el tercer valor y sistematizamos sumando “k” que en este caso es 8.
56 36 80 54 21 45 48 49 52 59
64 48 75 20 25 29 32 36 37 33
33 39 45 42 48 65 32 6 90 75
21 20 54 58 68 69 70 65 60 70
50 52 45 25 35 65 95 85 75 75
45 75 45 25 52 45 53 56 59 58
57 65 68 67 64 21 70 80 90 54
24 25 65 35 36 38 69 71 80 28
𝒔 𝟏𝟕, 𝟓
̅ ± (𝒕)(𝒔𝒙̅ ) = 𝒙
𝝁=𝒙 ̅ ± ( 𝒕) ∗ ̅ ± (𝟐, 𝟐𝟔𝟐𝟐) ∗
=𝒙 ̅ ± (𝟐, 𝟐𝟔𝟐𝟐) ∗ (𝟓, 𝟓𝟑𝟒𝟎) = 𝒙
=𝒙 ̅ ± (𝟏𝟐, 𝟓𝟏𝟗𝟎) = 𝟓𝟒 ± (𝟏𝟐, 𝟓𝟐)
√𝒏 √𝟏𝟎
𝟒𝟏, 𝟒𝟖 ≤ 𝝁 ≤ 𝟔𝟔, 𝟓𝟐 ↔ 𝟒𝟏, 𝟒𝟖 ≤ 𝟓𝟒 ≤ 𝟔𝟔, 𝟓𝟐
Respuesta:
Estamos seguros que en un 95% de las posibles muestras que se pudieran haber seleccionado la media estará entre 41,48 y 66,52 años.
Selección del tamaño de la Muestra para seleccionar una proporción poblacional (𝝅).
Formula:
𝒏: 𝒆𝒔 𝒆𝒍 𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂.
𝑵∗𝒑∗𝒒 𝑩𝟐 𝑵: 𝒆𝒔 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊ó𝒏.
𝒏= ;𝑫 = ; 𝑫𝒐𝒏𝒅𝒆: {
[(𝑵 − 𝟏) ∗ 𝑫] + (𝒑 ∗ 𝒒) 𝟒 𝑩: 𝑳í𝒎𝒊𝒕𝒆 𝒑𝒂𝒓𝒂 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓 𝒅𝒆 𝒆𝒔𝒕𝒊𝒎𝒂𝒄𝒊ó𝒏.
𝑫: 𝑹𝒆𝒈𝒍𝒂 𝒆𝒔𝒕𝒂𝒅í𝒔𝒕𝒊𝒄𝒂 𝒅𝒆 𝒎𝒖𝒆𝒔𝒕𝒓𝒆𝒐.
𝒑: 𝒑𝒓𝒐𝒑𝒐𝒓𝒄𝒊ó𝒏 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏𝒂𝒍 𝒅𝒆 é𝒙𝒊𝒕𝒐𝒔 𝒆𝒏 𝒄𝒂𝒔𝒐𝒔 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓𝒆𝒔 ó 𝒍𝒂 𝒑𝒓𝒖𝒆𝒃𝒂 𝒑𝒊𝒍𝒐𝒕𝒐.
𝒒: 𝒑𝒓𝒐𝒑𝒐𝒓𝒄𝒊ó𝒏 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏𝒂𝒍 𝒅𝒆 𝒇𝒓𝒂𝒄𝒂𝒔𝒐𝒔 𝒆𝒏 𝒄𝒂𝒔𝒐𝒔 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓𝒆𝒔 ó 𝒍𝒂 𝒑𝒓𝒖𝒆𝒃𝒂 𝒑𝒊𝒍𝒐𝒕𝒐.
EJEMPLO#360 Los siguientes datos muestran la opinión que tuvieron las 130 personas que asistieron al cine el “Peliculón” el día de su
reapertura. Encuestas anteriores muestran que el 65% de los visitantes ven las mejoras como positivas. Debido a que tabular 130 encuestas
es mucho según el gerente, se decide tomar una muestra con un error de 0,15 y un 95% de confiabilidad, aparte realice un estudio estadístico
completo.
Positivo Igual Positivo Igual Positivo Positivo Positivo Positivo Positivo Positivo
Igual Negativo Positivo Igual Positivo Igual Negativo Positivo Igual Positivo
Negativo Igual Igual Positivo Positivo Positivo Positivo Igual Igual Positivo
Igual Positivo Negativo Positivo Igual Igual Igual Negativo Positivo Positivo
Positivo Igual Igual Igual Negativo Positivo Positivo Igual Positivo Positivo
Positivo Negativo Igual Positivo Igual Igual Positivo Igual Igual Positivo
Igual Igual Positivo Negativo Positivo Negativo Igual Positivo Positivo Igual
Negativo Positivo Positivo Igual Igual Igual Positivo Igual Igual Positivo
Igual Positivo Igual Positivo Positivo Positivo Igual Igual Negativo Igual
Positivo Positivo Positivo Positivo Igual Positivo Igual Positivo Igual Negativo
Igual Positivo Negativo Positivo Igual Igual Igual Negativo Positivo Positivo
Positivo Igual Igual Igual Negativo Positivo Positivo Igual Positivo Positivo
Positivo Negativo Igual Positivo Igual Igual Positivo Igual Igual Positivo
SOLUCIÓN:
𝑫𝒂𝒕𝒐𝒔: 𝑵 = 𝟏𝟑𝟎 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔; 𝒑 = 𝟎, 𝟔𝟓 = 𝟔𝟓% 𝒒 = 𝟎, 𝟑𝟓 = 𝟑𝟓% 𝑩 = 𝟎, 𝟏𝟓 𝒏𝒊𝒗𝒆𝒍 𝒅𝒆 𝒄𝒐𝒏𝒇𝒊𝒂𝒏𝒛𝒂 = 𝟗𝟓%
𝑩𝟐 (𝟎, 𝟏𝟓)𝟐 𝟎, 𝟎𝟐𝟐𝟓 𝟗
𝑫= = = = = 𝟎, 𝟎𝟎𝟓𝟔𝟐𝟓
𝟒 𝟒 𝟒 𝟏𝟔𝟎𝟎
𝑵∗𝒑∗𝒒 𝟏𝟑𝟎 ∗ (𝟎, 𝟔𝟓) ∗ (𝟎, 𝟑𝟓) 𝟐𝟗, 𝟓𝟕𝟓 𝟐𝟗, 𝟓𝟕𝟓 𝟗𝟒𝟔𝟒
𝒏= = = = = = 𝟑𝟏, 𝟎𝟐𝟗𝟓 ≈ 𝟑𝟐
[(𝑵 − 𝟏) ∗ 𝑫] + (𝒑 ∗ 𝒒) 𝟗 [𝟎, 𝟕𝟐𝟓𝟔𝟐𝟓] + [𝟎, 𝟐𝟐𝟕𝟓] 𝟎, 𝟗𝟓𝟑𝟏𝟐𝟓 𝟑𝟎𝟓
[(𝟏𝟑𝟎 − 𝟏) ∗ ] + [(𝟎, 𝟔𝟓) ∗ (𝟎, 𝟑𝟓)]
𝟏𝟔𝟎𝟎
𝝅 = 𝒑 ± 𝒁 ∗ 𝒔𝒑 = (𝟎, 𝟒𝟒𝟗𝟓) ± (𝟏, 𝟔𝟒)(𝟎, 𝟎𝟖𝟒𝟑) = (𝟎, 𝟒𝟒𝟗𝟓) ± (𝟎, 𝟏𝟑𝟖𝟑) → 𝟎, 𝟑𝟏𝟏𝟐 ≤ 𝝅 ≤ 𝟎, 𝟓𝟖𝟕𝟖
𝟎, 𝟑𝟏𝟏𝟐 ≤ 𝝅 ≤ 𝟎, 𝟓𝟖𝟕𝟖
Estamos seguros que en un 95% de las posibles muestras que se pudieron haber seleccionado la proporción de clientes que
creen que el cambio fue positivo está entre 0,3112 y 0,5878.
EJEMPLO#361 La cadena de tiendas de ropas deportivas YO SOY, necesita saber el promedio de gasto que tienen los hombres y las
mujeres de la UAGRM para decidir qué tipo de publicidad se va a lanzar. Es sabido que la Universidad tiene 8000 estudiantes y de estos 6000
son mujeres. Se hizo una prueba piloto que demostró que el gasto en ropa deportiva máximo en el caso de los hombres es de 50 $us en
promedio por mes y el mínimo de cero, que son las personas que no gastan nada en ropa deportiva. En el caso de las mujeres la que más
gasta en ropa deportiva es 150 dólares y evidentemente hay chicas que no usan ropa deportiva.
¿Qué tan grande debe tomarse la muestra para estimar el promedio de gasto en ropa deportiva por mes conociendo que el límite para el error
de estimación es de 10 dólares?
SOLUCIÓN:
Es evidente que en este caso debe de utilizarse el muestreo estratificado debido a que los hombres y las mujeres forman dos grupos de
consumidores completamente diferentes.
En este caso no nos dan la desviación estándar ni la varianza de la población pero nos dan el Rango, por propiedad estadística podemos
decir que la desviación estándar es el rango Dividido entre 4.
Rango de Gasto de hombres (50 dólares)
Rango de Gasto de Mujeres (150 dólares)
𝟓𝟎 𝟏𝟓𝟎
𝝈 → 𝝈 (𝒉𝒐𝒎𝒃𝒓𝒆𝒔) = = 𝟏𝟐, 𝟓 𝒅ó𝒍𝒂𝒓𝒆𝒔 𝝈 → 𝝈 (𝒎𝒖𝒋𝒆𝒓𝒆𝒔) = = 𝟑𝟕, 𝟓 𝒅ó𝒍𝒂𝒓𝒆𝒔.
𝟒 𝟒
∑ 𝑵𝒊 ∗ 𝝈𝒊 = (𝟐𝟎𝟎𝟎𝒉𝒐𝒎𝒃𝒓𝒆𝒔)(𝟏𝟐, 𝟓) + (𝟔𝟎𝟎𝟎𝒎𝒖𝒋𝒆𝒓𝒆𝒔)(𝟑𝟕, 𝟓) = 𝟐𝟓𝟎𝟎𝟎 + 𝟐𝟐𝟓𝟎𝟎𝟎 = 𝟐𝟓𝟎𝟎𝟎𝟎
𝑵𝒊 ∗ 𝝈𝒊 𝑵𝒊 ∗ 𝝈𝒊 𝟐𝟓𝟎𝟎𝟎 𝟏
𝑯𝒐𝒎𝒃𝒓𝒆𝒔: 𝒏𝒊 = 𝒏 ( ) ⟹ 𝒏(𝒉𝒐𝒎𝒃𝒓𝒆𝒔) = ( )=( )= = 𝟎, 𝟏𝟎 = 𝟏𝟎%
∑ 𝑵𝒊 ∗ 𝝈𝒊 ∑ 𝑵𝒊 ∗ 𝝈𝒊 𝟐𝟓𝟎𝟎𝟎𝟎 𝟏𝟎
𝑵𝒊 ∗ 𝝈𝒊 𝑵𝒊 ∗ 𝝈𝒊 𝟐𝟐𝟓𝟎𝟎𝟎 𝟗
𝑴𝒖𝒋𝒆𝒓𝒆𝒔: 𝒏𝒊 = 𝒏 ( ) ⟹ 𝒏(𝒎𝒖𝒋𝒆𝒓𝒆𝒔) = ( )=( )= = 𝟎, 𝟗𝟎 = 𝟗𝟎%
∑ 𝑵𝒊 ∗ 𝝈𝒊 ∑ 𝑵𝒊 ∗ 𝝈𝒊 𝟐𝟓𝟎𝟎𝟎𝟎 𝟏𝟎
Por lo tanto n1 = 0,1 y n2= 0,9
Ahora para encontrar n debemos calcular las siguientes cantidades.
𝑩𝟐 𝟏𝟎𝟐 𝟏𝟎𝟎
∑ 𝑵𝒊 ∗ 𝝈𝟐𝒊 = (𝟐𝟎𝟎𝟎)[(𝟏𝟐, 𝟓)𝟐 ] + (𝟔𝟎𝟎𝟎)[(𝟑𝟕, 𝟓)𝟐] = 𝟑𝟏𝟐𝟓𝟎𝟎 + 𝟖𝟒𝟑𝟕𝟓𝟎𝟎 = 𝟖𝟕𝟓𝟎𝟎𝟎𝟎 𝑫= = = = 𝟐𝟓
𝟒 𝟒 𝟒
(∑ 𝑵𝒊 ∗ 𝝈𝒊 )𝟐 (𝟐𝟓𝟎𝟎𝟎𝟎)𝟐
𝒏= = = 𝟑𝟖, 𝟖𝟓𝟎𝟎 ≈ 𝟑𝟗
𝑵𝟐∗ 𝑫 + ∑ 𝑵𝒊 ∗ (𝟖𝟎𝟎𝟎)𝟐 ∗ 𝟐𝟓 + 𝟖𝟕𝟓𝟎𝟎𝟎𝟎
𝝈𝟐𝒊
𝒏 = 𝟑𝟗 𝑬𝒔𝒕𝒆 𝒆𝒔 𝒆𝒍 𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂 𝒕𝒐𝒕𝒂𝒍 𝒒𝒖𝒆 𝒅𝒆𝒃𝒆𝒎𝒐𝒔 𝒕𝒐𝒎𝒂𝒓 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏.
𝒏(𝒉𝒐𝒎𝒃𝒓𝒆𝒔) = 𝒏 ∗ 𝒏𝟏 = 𝟑𝟗 ∗ 𝟎, 𝟏𝟎 = 𝟑, 𝟗 ≈ 𝟒
{ } = 𝟑𝟗 (𝒍𝒂 𝒆𝒎𝒑𝒓𝒆𝒔𝒂 𝒅𝒆𝒃𝒆 𝒆𝒏𝒄𝒖𝒆𝒔𝒕𝒂𝒓 𝒂 𝟒 𝒉𝒐𝒎𝒃𝒓𝒆𝒔 𝒚 𝒂 𝟑𝟓 𝒎𝒖𝒋𝒆𝒓𝒆𝒔)
𝒏(𝒉𝒎𝒖𝒋𝒆𝒓𝒆𝒔) = 𝒏 ∗ 𝒏𝟐 = 𝟑𝟗 ∗ 𝟎, 𝟗𝟎 = 𝟑𝟓, 𝟏 ≈ 𝟑𝟓
Ejemplo de selección del tamaño de la muestra para estimar una proporción poblacional.
EJEMPLO#362 En una encuesta de televisión una empresa publicitaria planea utilizar entrevistas por teléfono. Los tamaños de los estratos
son N1= 155, N2= 62 y N3 = 93. Que representan la cantidad de viviendas que hay en cada una de los tres barrios de la Ciudad. Los resultados
de encuestas anteriores muestran que en el barrio uno ven el programa el 35% de los habitantes, en el 2 un 40% y en el tres un 60%, con un
límite para el error de estimación de 0,10 .Calcular el tamaño de la muestra.
SOLUCIÓN:
𝒑𝟏 = 𝟎, 𝟑𝟓 ; 𝒑𝟐 = 𝟎, 𝟒𝟎 ; 𝒑𝟑 = 𝟎, 𝟔𝟎; 𝑷𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐: 𝒒𝟏 = 𝟎, 𝟔𝟓; 𝒒𝟐 = 𝟎, 𝟔𝟎; 𝒒𝟑 = 𝟎, 𝟒𝟎 ∑ 𝑵𝒊 = 𝟏𝟓𝟓 + 𝟔𝟐 + 𝟗𝟑 = 𝟑𝟏𝟎
𝑵𝟏 𝑵𝟏 𝟏𝟓𝟓 𝑵𝟐 𝑵𝟐 𝟔𝟐 𝑵𝟑 𝑵𝟑 𝟗𝟑
𝒏𝟏 = 𝒏 ( )⟹𝒏= = = 𝟎, 𝟓𝟎; 𝒏𝟐 = 𝒏 ( )⟹𝒏= = = 𝟎, 𝟐𝟎; 𝒏𝟑 = 𝒏 ( )⟹𝒏= = = 𝟎, 𝟑𝟎
∑ 𝑵𝒊 𝑵 𝟑𝟏𝟎 ∑ 𝑵𝒊 𝑵 𝟑𝟏𝟎 ∑ 𝑵𝒊 𝑵 𝟑𝟏𝟎
∑ 𝑵𝒊 ∗ 𝒑𝒊 ∗ 𝒒𝒊 = (𝟏𝟓𝟓)(𝟎, 𝟑𝟓)(𝟎, 𝟔𝟓) + (𝟔𝟐)(𝟎, 𝟒)(𝟎, 𝟔) + (𝟗𝟑)(𝟎, 𝟔)(𝟎, 𝟒) = 𝟑𝟓, 𝟐𝟔𝟐𝟓 + 𝟏𝟒, 𝟖𝟖 + 𝟐𝟐, 𝟑𝟐 = 𝟕𝟐, 𝟒𝟔𝟐𝟓 ≅ 𝟕𝟐, 𝟒𝟔
𝑩𝟐 (𝟎, 𝟏)𝟐
𝑫= = = 𝟎, 𝟎𝟎𝟐𝟓 → 𝑵𝑫 = 𝟑𝟏𝟎(𝟎, 𝟎𝟎𝟐𝟓) = 𝟎, 𝟕𝟕𝟓
𝟒 𝟒
∑ 𝑵𝒊 ∗ 𝝈𝒊 ∗ 𝒑𝒊 𝟕𝟐, 𝟒𝟔 𝟕𝟐, 𝟒𝟔 𝟕𝟐, 𝟒𝟔
𝒏= = = = = 𝟕𝟏, 𝟖𝟑𝟓𝟎 ≈ 𝟕𝟐
𝟏 𝟏
(𝑵 ∗ 𝑫) + (∑ 𝑵𝒊 ∗ 𝝈𝒊 ∗ 𝒑𝒊 ) (𝟎, 𝟕𝟕𝟓) + (𝟕𝟐, 𝟒𝟔) 𝟎, 𝟕𝟕𝟓 + 𝟎, 𝟐𝟑𝟑𝟕 𝟏, 𝟎𝟎𝟖𝟕
𝑵 𝟑𝟏𝟎
𝒏𝟏 = 𝟕𝟐(𝟎, 𝟓𝟎) = 𝟑𝟔; 𝒏𝟐 = 𝟕𝟐(𝟎, 𝟐𝟎) = 𝟏𝟒; 𝒏𝟑 = 𝟕𝟐(𝟎, 𝟑𝟎) = 𝟐𝟐
Respuesta: en total hay que seleccionar 72 familias, 36 familias del barrio1; 14 familias del barrio2; y 22 familias del barrio 3.
INTERVALOS DE CONFIANZA PARA LA MEDIA O DIFERENCIA ENTRE DOS MEDIAS POBLACIONALES, AL NIVEL DE (𝟏−∝) CONFIABILIDAD.
POBLACIONES INFINITAS O MUY GRANDES:
𝝈 ̅−𝝁
𝒙 𝝁 = 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔𝒑𝒆𝒓𝒂𝒅𝒐, 𝒍𝒂 𝒎𝒆𝒅𝒊𝒂 ; 𝝈 = 𝒅𝒆𝒔𝒗𝒊𝒂𝒄𝒊𝒐𝒏 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓
̅ ± 𝒁∝ ∗ ( ) ;
𝝁=𝒙 𝒁= 𝝈 ; (𝑺𝒊 𝒏 𝒆𝒔 𝒈𝒓𝒂𝒏𝒅𝒆); { ̅ = 𝒎𝒆𝒅𝒊𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒍
𝒏 = 𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂; 𝒙 }
𝟐 √𝒏 𝒁 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒏𝒐𝒓𝒎𝒂𝒍 𝒆𝒔𝒕𝒂𝒏𝒂𝒅𝒂𝒓.
√𝒏
𝒑(𝟏 − 𝒑) 𝒑∗𝒒
𝑺𝒑 = √ =√
𝒏 𝒏
Intervalo de confianza para estimar la proporción poblacional:
𝑰. 𝑪. 𝒑𝒂𝒓𝒂 𝒆𝒔𝒕𝒊𝒎𝒂𝒓 𝝅 = 𝒑 ± 𝒁 ∗ 𝑺𝒑
EJEMPLO#367 Usted es el jefe de campaña del candidato “Julio Vargas” para las elecciones municipales, en la encuesta que usted tomó a
1000 ciudadanos con su grupo de trabajo, el candidato tenía el 40% de los votos, teniendo en cuenta un 95% de confiabilidad y teniendo en
cuenta que para ganar la elección se requiere el 36,85% de los votos, ¿Qué le diría al candidato?
SOLUCION: Como vemos p= 0,4 q= 0,6 n= 1000 y “Z” para un 95% de confianza es 1,96.
𝒑∗𝒒 𝟎, 𝟒 ∗ 𝟎, 𝟔 𝝅 = 𝟒𝟑%
𝝅 = 𝒑 ± 𝒁 ∗ 𝑺𝒑 = 𝒑 ± 𝒁 ∗ √ = 𝟎, 𝟒𝟎 ± 𝟏, 𝟗𝟔 ∗ √ = 𝟎, 𝟒𝟎 ± 𝟎, 𝟎𝟑 → { 𝟏 }
𝒏 𝟏𝟎𝟎𝟎 𝝅𝟐 = 𝟑𝟕%
𝟑𝟕% ≤ 𝝅 ≤ 𝟒𝟑%
Respuesta) Puede decirle al candidato que está tranquilo que estamos seguros que en un 95% de todas las posibles muestras que se
pudieron haber tomado, el candidato aparece como ganador. ¡¡Felicidades!!.
EJEMPLO#369 Una compañía que fabrica pastelillo desea estimar la proporción de consumidores es que prefieren su marca. Los agentes de
la compañía observan a 450 compradores, del número total observado 300 compraron los pastelillos. Calcule un intervalo de confianza del
95% para la venta de la proporción de compradores que prefieren en la marca de esta compañía.
𝟑𝟎𝟎 𝟏𝟓𝟎
𝒑 ∗ 𝒒 𝟑𝟎𝟎 √ ∗ 𝟐 𝝅 = 𝟕𝟏%
𝝅 = 𝒑 ± 𝒁 ∗ 𝑺𝒑 = 𝒑 ± 𝒁 ∗ √ = ± 𝟏, 𝟗𝟔 ∗ 𝟒𝟓𝟎 𝟒𝟓𝟎 = ± 𝟎, 𝟎𝟒 → { 𝟏 }
𝒏 𝟒𝟓𝟎 𝟒𝟓𝟎 𝟑 𝝅𝟐 = 𝟔𝟑%
La de manda del producto fluctúa entre 63% que sería lo mínimo y 71% que sería lo máximo.
EJEMPLO#371 El director de la JVH de Educación elige al azar a 16 alumnos de pregrado que están matriculados en el curso Estadística II a
la Educación y que asisten regularmente, con el objetivo de conocer si han comprendido el uso y la importancia de la estimación de
parámetros mediante intervalo de confianza. Las calificaciones obtenidas mediante una prueba pertinente (escala vigesimal) tiene
distribución normal con 𝝈𝟐 = 𝟕, 𝟒𝟑. El director desea saber cuánto es la calificación promedio para todos los alumnos que están
matriculados en el curso mencionado. Las calificaciones obtenidas de los 16 alumnos son: 17 13 14 15 13 17 13 8 12 16 15 10 11 13 15 9.
SOLUCION:
La hipótesis nula será rechazada a favor de la hipótesis alternativa solo si la evidencia muestral sugiere que H 0 es falsa. Si la muestra no
contradice fuertemente a H0, se continuara creyendo en la factibilidad de la hipótesis nula. Las dos posibles conclusiones derivadas de un
análisis de prueba de hipótesis son entonces rechazar H0 o no rechazar H0.
La situación se puede esquematizar:
H0 cierta H0 falsa
EJEMPLO#373 Un semillero publicita que el peso promedio de una espiga de una cierta variedad es de 180 gramos con una desviación
estándar de 30 gramos. Un productor de avanzada sospecha que el peso es distinto de 180 gramos, decide por lo tanto conducir un
experimento. Tamaño de la muestra 50, y media muestral fue 187 gramos.
El propósito del mismo es ver si el peso de 180 gramos es incorrecto. Por lo tanto la hipótesis nula de interés es: H 0 : = 180 gramos.
La hipótesis alternativa (H1) da una suposición opuesta a aquella presentada en la hipótesis nula. El experimento se lleva a cabo para
conocer si la hipótesis alternativa puede ser sustentada.
En el ejemplo previo el productor sospecha que el peso medio es distinto de 180 gramos. Esta es la hipótesis a ser sustentada y así la
hipótesis alternativa es:
𝑯𝟏 : 𝝁 > 𝟏𝟖𝟎 𝒈𝒓𝒂𝒎𝒐𝒔 ó 𝝁 < 𝟏𝟖𝟎 𝒈𝒓𝒂𝒎𝒐𝒔 ó 𝝁 ≠ 𝟏𝟖𝟎 𝒈𝒓𝒂𝒎𝒐𝒔
Se puede ver que las hipótesis son excluyentes. La hipótesis alternativa frecuentemente se llama hipótesis de investigación, porque este tipo
de hipótesis expresa la teoría que el investigador o experimentador cree va a ser verdadera.
Para el ejemplo si la media fuera menor que 180 gr o mayor que 180 gr esta sustentaría la hipótesis alternativa ( ≠ 𝟏𝟖𝟎).
Resumiendo, en el ejemplo considerado el productor aceptando un error de ∝= 𝟎, 𝟎𝟓 (𝟓%), conocido también como nivel de significación y
utilizando la estadística Z, plantearía la hipótesis como sigue:
PASO 1: Definir juego de Hipótesis
𝑯𝟎 ∶ = 𝟏𝟖𝟎 𝒈𝒓𝒂𝒎𝒐𝒔 𝑯𝟏: 𝝁 ≠ 𝟏𝟖𝟎 𝒈𝒓𝒂𝒎𝒐𝒔
PASO 2: Nivel de Significancia
5% = 0,05 (debido a que es una prueba de dos colas se divide entre dos) 0,05/2 = 0,025
0,95+0,025 = 0,975 Este es el número que buscamos en la tabla de Z. 0,975 = 1,96
PASO 3: Calcular estadístico de prueba:
𝑴𝒆𝒅𝒊𝒂 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂 𝒙̅ = 𝟏𝟖𝟕; 𝒎𝒆𝒅𝒊𝒂 𝒉𝒊𝒑𝒐𝒕é𝒕𝒊𝒄𝒂(𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏𝒂𝒍 𝝁 = 𝟏𝟖𝟎; 𝝈 = 𝟑𝟎 (𝒄𝒐𝒏𝒐𝒄𝒊𝒅𝒐); 𝒏 = 𝟓𝟎 𝒕𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂
Suponiendo que los resultados del experimento produjeron una media muestral de 187 gramos, el test estadístico se
construirá como sigue:
HIPÓTESIS UNILATERALES
Si en el mismo ejemplo, el productor, basándose en algún conocimiento de la variedad en cuestión sospechara que el peso
promedio de las espigas es menor que 180, las hipótesis se plantearían como:
H0: 𝝁 = 𝟏𝟖𝟎 gramos ó H0 : 𝝁 > 𝟏𝟖𝟎 gramos H1: 𝝁 < 𝟏𝟖𝟎 gramos ∝= 𝟎, 𝟎𝟓
En este caso la desigualdad de la hipótesis alternativa indica cuál sería la zona de rechazo, el valor de ∝ ya no se particiona sino que
se acumula todo hacia un solo lado, el izquierdo en este ejemplo y el valor tabulado de Z se busca en la tabla con un valor de
probabilidad del 95% siendo Z= -1,64 (el signo negativo no figura en la tabla ya que siendo la distribución normal simétrica, lo que se
hace es anteponer el signo negativo al valor de Z que corresponde al nivel de probabilidad especificado).
Si por otra parte, el productor sospechara que el peso promedio es mayor que 180 gramos, la hipótesis y la zona de rechazo se plantearían como:
H0: 𝒎 = 𝟏𝟖𝟎 gramos ó H0 : 𝒎 < 𝟏𝟖𝟎 gramos H1: 𝒎 > 𝟏𝟖𝟎 gramos ∝= 𝟎, 𝟎𝟓
EJEMPLO#374 Para estimar el rendimiento de parcelas plantadas con papa de una cierta variedad, se cosecharon ocho de ellas,
obteniéndose la siguiente información expresada en kg/parcela:
4,5 5,3 5,4 4,9 5,3 5,7 6,2 4,8
¿Se puede asegurar, con a =0,05, de que esta variedad de papas tiene un rendimiento promedio de 5,25 kg y varianza 0,2884?
𝑯𝟎 : 𝝁 = 𝟓, 𝟐𝟓 𝒚 𝑯𝟏 : 𝝁 ≠ 𝟓, 𝟐𝟓
A partir de los datos se calcula 𝒙 ̅ y 𝑺, para este ejemplo 𝒙 ̅ = 𝟓, 𝟓𝟔𝟐𝟓 y 𝑺𝟐 = 𝟎, 𝟐𝟖𝟖𝟒.
̅ − 𝝁 𝟓, 𝟓𝟔𝟐𝟓 − 𝟓, 𝟐𝟓
𝒙
𝒕= = = 𝟏, 𝟔𝟒𝟔𝟎 𝒕(𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 ó 𝒖𝒕𝒊𝒍𝒊𝒛𝒂𝒏𝒅𝒐 𝒍𝒂 𝒇𝒐𝒓𝒎𝒖𝒍𝒂)
𝑺 𝟎, 𝟓𝟑𝟕𝟎
√𝒏 √𝟖
Como tenemos GL=n-1=8-1=7 ver tabla de t, a=0,025 entonces 2,365.
Como el valor de t calculado cae entre -2,365 y 2,365(valor tabulado de t para 7 GL y a=0,025 NO SE RECHAZA LA HIPOTESIS NULA).
Conclusión: No hay suficiente evidencia, a partir de los datos de la muestra, para decir que el rendimiento de papa por
parcela no es igual a 5,25.
(𝒑 − 𝑷𝟎 )
(𝟎, 𝟖𝟕 − 𝟎, 𝟗𝟎)
𝒁= = = −𝟎, 𝟗𝟕
𝑷
√ 𝟎 ∗ 𝑸 𝟎 √𝟎, 𝟗𝟎 ∗ 𝟎, 𝟏𝟎
𝒏 𝟗𝟓
Como el valor calculado de Z = –0,97 reside entre los valores tabulados –1,96 y 1,96 (valores críticos de la distribución normal
) no se rechaza H0.
Conclusión, la información proporcionada por la muestra no es suficiente como para decir que la proporción de productores
de tal partido que cultivan maíz es distinto de 90%.
EJEMPLO#376 Se supone que en un cierto partido de la provincia de Santa Cruz, el 90% de los productores cultivan maíz.
De 110 productores de la zona que se encuestaron, 95 hacen maíz. ¿Está este resultado en conformidad con el valor
supuesto?. (a = 0,05).
SOLUCION:
Las hipótesis formuladas son:
𝟖𝟑 𝟖𝟑
H0: 𝑷𝟎 = 𝟎, 𝟗𝟎 H1: 𝑷𝟎 ≠ 𝟎, 𝟗𝟎 𝒑 = = = 𝟎, 𝟖𝟕𝟑𝟕 ≅ 𝟎, 𝟖𝟕
𝟗𝟓 𝟗𝟓
(𝒑 − 𝑷𝟎 ) (𝟎, 𝟖𝟕 − 𝟎, 𝟗𝟎)
𝒁= = = −𝟎, 𝟗𝟕
√ 𝑷 𝟎 ∗ 𝑸𝟎 √𝟎, 𝟗𝟎 ∗ 𝟎, 𝟏𝟎
𝒏 𝟗𝟓
Como el valor calculado de Z = –0,97 reside entre los valores tabulados –1,96 y 1,96 (valores críticos de la distribución normal
) no se rechaza H0.
Conclusión, la información proporcionada por la muestra no es suficiente como para decir que la proporción de productores
de tal partido que cultivan maíz es distinto de 90%.
EJEMPLO#377 Se supone que en un cierto partido de la provincia de Santa Cruz, el 90% de los productores cultivan maíz.
De 110 productores de la zona que se encuestaron, 95 hacen maíz. ¿Está este resultado en conformidad con el valor
supuesto?. (a = 0,05).
SOLUCION:
Las hipótesis formuladas son:
𝟖𝟑 𝟖𝟑
H0: 𝑷𝟎 = 𝟎, 𝟗𝟎 H1: 𝑷𝟎 ≠ 𝟎, 𝟗𝟎 𝒑 = = = 𝟎, 𝟖𝟕𝟑𝟕 ≅ 𝟎, 𝟖𝟕
𝟗𝟓 𝟗𝟓
(𝒑 − 𝑷𝟎 ) (𝟎, 𝟖𝟕 − 𝟎, 𝟗𝟎)
𝒁= = = −𝟎, 𝟗𝟕
√ 𝑷 𝟎 ∗ 𝑸𝟎 √𝟎, 𝟗𝟎 ∗ 𝟎, 𝟏𝟎
𝒏 𝟗𝟓
Como el valor calculado de Z = –0,97 reside entre los valores tabulados –1,96 y 1,96 (valores críticos de la distribución normal
) no se rechaza H0.
Conclusión, la información proporcionada por la muestra no es suficiente como para decir que la proporción de productores
de tal partido que cultivan maíz es distinto de 90%.
INTRODUCCIÓN.
Los contenidos y conocimientos de esta materia de Estadística Inferencial son herramientas muy importantes en la
aplicación y solución de problemas de muchas áreas y especialidades en el campo de la economía, contabilidad, tecnología e
información.
Nota. Este trabajo debe ir preparándose desde el comienzo del semestre, a medida que se van adquiriendo los conocimientos
en esta materia y que solo se debe terminar días previos a la exposición.
OBJETIVO.
Mediante los conocimientos adquiridos en el proceso de aprendizaje de esta materia, resolver problemas del área de estudio
del mercado, específicos de cualquier especialidad del área de la estadística inferencial aplicando a las tecnologías,
información, contabilidad, economía y finanzas.
GRUPOS.
Los grupos para la presentación y defensa pueden ser de 10 alumnos como máximo y como mínimo 1 alumno.
Con su respectivo jefe del grupo, que se exigirá al jefe del grupo en el aprovechamiento del GUIA-MEA.
TEMAS:
Los grupos pueden elegir cualquier tema respecto de los temas avanzados durante el semestre.
1 0 0,9500 0,9000 0,8500 0,8000 0,7500 0,7000 0,6500 0,6000 0,5500 0,5000 0,4500 0,4000 0,3500 0,3000 0,2500 0,2000 0,1500 0,1000 0,0500
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
2 0 0,9025 0,8100 0,7225 0,6400 0,5625 0,4900 0,4225 0,3600 0,3025 0,2500 0,2025 0,1600 0,1225 0,0900 0,0625 0,0400 0,0225 0,0100 0,0025
1 0,0950 0,1800 0,2550 0,3200 0,3750 0,4200 0,4550 0,4800 0,4950 0,5000 0,4950 0,4800 0,4550 0,4200 0,3750 0,3200 0,2550 0,1800 0,0950
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
3 0 0,8574 0,7290 0,6141 0,5120 0,4219 0,3430 0,2746 0,2160 0,1664 0,1250 0,0911 0,0640 0,0429 0,0270 0,0156 0,0080 0,0034 0,0010 0,0001
1 0,1354 0,2430 0,3251 0,3840 0,4219 0,4410 0,4436 0,4320 0,4084 0,3750 0,3341 0,2880 0,2389 0,1890 0,1406 0,0960 0,0574 0,0270 0,0071
2 0,0071 0,0270 0,0574 0,0960 0,1406 0,1890 0,2389 0,2880 0,3341 0,3750 0,4084 0,4320 0,4436 0,4410 0,4219 0,3840 0,3251 0,2430 0,1354
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
4 0 0,8145 0,6561 0,5220 0,4096 0,3164 0,2401 0,1785 0,1296 0,0915 0,0625 0,0410 0,0256 0,0150 0,0081 0,0039 0,0016 0,0005 0,0000 0,0000
1 0,1715 0,2916 0,3685 0,4096 0,4219 0,4116 0,3845 0,3456 0,2995 0,2500 0,2005 0,1536 0,1115 0,0756 0,0469 0,0256 0,0115 0,0036 0,0005
2 0,0135 0,0486 0,0975 0,1536 0,2109 0,2646 0,3105 0,3456 0,3675 0,3750 0,3675 0,3456 0,3105 0,2646 0,2109 0,1536 0,0975 0,0486 0,0135
3 0,0005 0,0036 0,0115 0,0256 0,0469 0,0756 0,1115 0,1536 0,2005 0,2500 0,2995 0,3456 0,3845 0,4116 0,4219 0,4096 0,3685 0,2916 0,1715
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
5 0 0,7738 0,5905 0,4437 0,3277 0,2373 0,1681 0,1160 0,0778 0,0503 0,0313 0,0185 0,0102 0,0053 0,0024 0,0010 0,0003 0,0000 0,0000 0,0000
1 0,2036 0,3281 0,3915 0,4096 0,3955 0,3602 0,3124 0,2592 0,2059 0,1563 0,1128 0,0768 0,0488 0,0284 0,0146 0,0064 0,0022 0,0004 0,0000
2 0,0214 0,0729 0,1382 0,2048 0,2637 0,3087 0,3364 0,3456 0,3369 0,3125 0,2757 0,2304 0,1811 0,1323 0,0879 0,0512 0,0244 0,0081 0,0011
3 0,0011 0,0081 0,0244 0,0512 0,0879 0,1323 0,1811 0,2304 0,2757 0,3125 0,3369 0,3456 0,3364 0,3087 0,2637 0,2048 0,1382 0,0729 0,0214
4 0,0000 0,0005 0,0022 0,0064 0,0146 0,0284 0,0488 0,0768 0,1128 0,1563 0,2059 0,2592 0,3124 0,3602 0,3955 0,4096 0,3915 0,3281 0,2036
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
6 0 0,7351 0,5314 0,3771 0,2621 0,1780 0,1176 0,0754 0,0467 0,0277 0,0156 0,0083 0,0041 0,0018 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000
1 0,2321 0,3543 0,3993 0,3932 0,3560 0,3025 0,2437 0,1866 0,1359 0,0938 0,0609 0,0369 0,0205 0,0102 0,0044 0,0015 0,0004 0,0001 0,0000
2 0,0305 0,0984 0,1762 0,2458 0,2966 0,3241 0,3280 0,3110 0,2780 0,2344 0,1861 0,1382 0,0951 0,0595 0,0330 0,0154 0,0055 0,0012 0,0001
3 0,0021 0,0146 0,0415 0,0819 0,1318 0,1852 0,2355 0,2765 0,3032 0,3125 0,3032 0,2765 0,2355 0,1852 0,1318 0,0819 0,0415 0,0146 0,0021
4 0,0001 0,0012 0,0055 0,0154 0,0330 0,0595 0,0951 0,1382 0,1861 0,2344 0,2780 0,3110 0,3280 0,3241 0,2966 0,2458 0,1762 0,0984 0,0305
5 0,0000 0,0001 0,0004 0,0015 0,0044 0,0102 0,0205 0,0369 0,0609 0,0938 0,1359 0,1866 0,2437 0,3025 0,3560 0,3932 0,3993 0,3543 0,2321
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
7 0 0,6983 0,4783 0,3206 0,2097 0,1335 0,0824 0,0490 0,0280 0,0152 0,0078 0,0037 0,0016 0,0006 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000
1 0,2573 0,3720 0,3960 0,3670 0,3115 0,2471 0,1848 0,1306 0,0872 0,0547 0,0320 0,0172 0,0084 0,0036 0,0013 0,0004 0,0001 0,0000 0,0000
2 0,0406 0,1240 0,2097 0,2753 0,3115 0,3177 0,2985 0,2613 0,2140 0,1641 0,1172 0,0774 0,0466 0,0250 0,0115 0,0043 0,0012 0,0002 0,0000
3 0,0036 0,0230 0,0617 0,1147 0,1730 0,2269 0,2679 0,2903 0,2918 0,2734 0,2388 0,1935 0,1442 0,0972 0,0577 0,0287 0,0109 0,0026 0,0002
4 0,0002 0,0026 0,0109 0,0287 0,0577 0,0972 0,1442 0,1935 0,2388 0,2734 0,2918 0,2903 0,2679 0,2269 0,1730 0,1147 0,0617 0,0230 0,0036
5 0,0000 0,0002 0,0012 0,0043 0,0115 0,0250 0,0466 0,0774 0,1172 0,1641 0,2140 0,2613 0,2985 0,3177 0,3115 0,2753 0,2097 0,1240 0,0406
6 0,0000 0,0000 0,0001 0,0004 0,0013 0,0036 0,0084 0,0172 0,0320 0,0547 0,0872 0,1306 0,1848 0,2471 0,3115 0,3670 0,3960 0,3720 0,2573
8 0 0,6634 0,4305 0,2725 0,1678 0,1001 0,0576 0,0319 0,0168 0,0084 0,0039 0,0017 0,0007 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,2793 0,3826 0,3847 0,3355 0,2670 0,1977 0,1373 0,0896 0,0548 0,0313 0,0164 0,0079 0,0033 0,0012 0,0004 0,0001 0,0000 0,0000 0,0000
2 0,0515 0,1488 0,2376 0,2936 0,3115 0,2965 0,2587 0,2090 0,1569 0,1094 0,0703 0,0413 0,0217 0,0100 0,0038 0,0011 0,0002 0,0000 0,0000
3 0,0054 0,0331 0,0839 0,1468 0,2076 0,2541 0,2786 0,2787 0,2568 0,2188 0,1719 0,1239 0,0808 0,0467 0,0231 0,0092 0,0026 0,0004 0,0000
4 0,0004 0,0046 0,0185 0,0459 0,0865 0,1361 0,1875 0,2322 0,2627 0,2734 0,2627 0,2322 0,1875 0,1361 0,0865 0,0459 0,0185 0,0046 0,0004
5 0,0000 0,0004 0,0026 0,0092 0,0231 0,0467 0,0808 0,1239 0,1719 0,2188 0,2568 0,2787 0,2786 0,2541 0,2076 0,1468 0,0839 0,0331 0,0054
6 0,0000 0,0000 0,0002 0,0011 0,0038 0,0100 0,0217 0,0413 0,0703 0,1094 0,1569 0,2090 0,2587 0,2965 0,3115 0,2936 0,2376 0,1488 0,0515
7 0,0000 0,0000 0,0000 0,0001 0,0004 0,0012 0,0033 0,0079 0,0164 0,0313 0,0548 0,0896 0,1373 0,1977 0,2670 0,3355 0,3847 0,3826 0,2793
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
9 0 0,6302 0,3874 0,2316 0,1342 0,0751 0,0404 0,0207 0,0101 0,0046 0,0020 0,0008 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,2985 0,3874 0,3679 0,3020 0,2253 0,1556 0,1004 0,0605 0,0339 0,0176 0,0083 0,0035 0,0013 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000
2 0,0629 0,1722 0,2597 0,3020 0,3003 0,2668 0,2162 0,1612 0,1110 0,0703 0,0407 0,0212 0,0098 0,0039 0,0012 0,0003 0,0000 0,0000 0,0000
3 0,0077 0,0446 0,1069 0,1762 0,2336 0,2668 0,2716 0,2508 0,2119 0,1641 0,1160 0,0743 0,0424 0,0210 0,0087 0,0028 0,0006 0,0001 0,0000
4 0,0006 0,0074 0,0283 0,0661 0,1168 0,1715 0,2194 0,2508 0,2600 0,2461 0,2128 0,1672 0,1181 0,0735 0,0389 0,0165 0,0050 0,0008 0,0000
5 0,0000 0,0008 0,0050 0,0165 0,0389 0,0735 0,1181 0,1672 0,2128 0,2461 0,2600 0,2508 0,2194 0,1715 0,1168 0,0661 0,0283 0,0074 0,0006
6 0,0000 0,0001 0,0006 0,0028 0,0087 0,0210 0,0424 0,0743 0,1160 0,1641 0,2119 0,2508 0,2716 0,2668 0,2336 0,1762 0,1069 0,0446 0,0077
7 0,0000 0,0000 0,0000 0,0003 0,0012 0,0039 0,0098 0,0212 0,0407 0,0703 0,1110 0,1612 0,2162 0,2668 0,3003 0,3020 0,2597 0,1722 0,0629
8 0,0000 0,0000 0,0000 0,0000 0,0001 0,0004 0,0013 0,0035 0,0083 0,0176 0,0339 0,0605 0,1004 0,1556 0,2253 0,3020 0,3679 0,3874 0,2985
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
10 0 0,5987 0,3487 0,1969 0,1074 0,0563 0,0282 0,0135 0,0060 0,0025 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3151 0,3874 0,3474 0,2684 0,1877 0,1211 0,0725 0,0403 0,0207 0,0098 0,0042 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,0746 0,1937 0,2759 0,3020 0,2816 0,2335 0,1757 0,1209 0,0763 0,0439 0,0229 0,0106 0,0043 0,0014 0,0004 0,0001 0,0000 0,0000 0,0000
3 0,0105 0,0574 0,1298 0,2013 0,2503 0,2668 0,2522 0,2150 0,1665 0,1172 0,0746 0,0425 0,0212 0,0090 0,0031 0,0008 0,0001 0,0000 0,0000
4 0,0010 0,0112 0,0401 0,0881 0,1460 0,2001 0,2377 0,2508 0,2384 0,2051 0,1596 0,1115 0,0689 0,0368 0,0162 0,0055 0,0012 0,0001 0,0000
5 0,0001 0,0015 0,0085 0,0264 0,0584 0,1029 0,1536 0,2007 0,2340 0,2461 0,2340 0,2007 0,1536 0,1029 0,0584 0,0264 0,0085 0,0015 0,0001
6 0,0000 0,0001 0,0012 0,0055 0,0162 0,0368 0,0689 0,1115 0,1596 0,2051 0,2384 0,2508 0,2377 0,2001 0,1460 0,0881 0,0401 0,0112 0,0010
7 0,0000 0,0000 0,0001 0,0008 0,0031 0,0090 0,0212 0,0425 0,0746 0,1172 0,1665 0,2150 0,2522 0,2668 0,2503 0,2013 0,1298 0,0574 0,0105
8 0,0000 0,0000 0,0000 0,0001 0,0004 0,0014 0,0043 0,0106 0,0229 0,0439 0,0763 0,1209 0,1757 0,2335 0,2816 0,3020 0,2759 0,1937 0,0746
9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0016 0,0042 0,0098 0,0207 0,0403 0,0725 0,1211 0,1877 0,2684 0,3474 0,3874 0,3151
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
11 0 0,5688 0,3138 0,1673 0,0859 0,0422 0,0198 0,0088 0,0036 0,0014 0,0005 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3293 0,3835 0,3248 0,2362 0,1549 0,0932 0,0518 0,0266 0,0125 0,0054 0,0021 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,0867 0,2131 0,2866 0,2953 0,2581 0,1998 0,1395 0,0887 0,0513 0,0269 0,0126 0,0052 0,0018 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000
3 0,0137 0,0710 0,1517 0,2215 0,2581 0,2568 0,2254 0,1774 0,1259 0,0806 0,0462 0,0234 0,0102 0,0037 0,0011 0,0002 0,0000 0,0000 0,0000
4 0,0014 0,0158 0,0536 0,1107 0,1721 0,2201 0,2428 0,2365 0,2060 0,1611 0,1128 0,0701 0,0379 0,0173 0,0064 0,0017 0,0003 0,0000 0,0000
5 0,0001 0,0025 0,0132 0,0388 0,0803 0,1321 0,1830 0,2207 0,2360 0,2256 0,1931 0,1471 0,0985 0,0566 0,0268 0,0097 0,0023 0,0003 0,0000
6 0,0000 0,0003 0,0023 0,0097 0,0268 0,0566 0,0985 0,1471 0,1931 0,2256 0,2360 0,2207 0,1830 0,1321 0,0803 0,0388 0,0132 0,0025 0,0001
7 0,0000 0,0000 0,0003 0,0017 0,0064 0,0173 0,0379 0,0701 0,1128 0,1611 0,2060 0,2365 0,2428 0,2201 0,1721 0,1107 0,0536 0,0158 0,0014
9 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0018 0,0052 0,0126 0,0269 0,0513 0,0887 0,1395 0,1998 0,2581 0,2953 0,2866 0,2131 0,0867
10 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0007 0,0021 0,0054 0,0125 0,0266 0,0518 0,0932 0,1549 0,2362 0,3248 0,3835 0,3293
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
12 0 0,5404 0,2824 0,1422 0,0687 0,0317 0,0138 0,0057 0,0022 0,0008 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3413 0,3766 0,3012 0,2062 0,1267 0,0712 0,0368 0,0174 0,0075 0,0029 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,0988 0,2301 0,2924 0,2835 0,2323 0,1678 0,1088 0,0639 0,0339 0,0161 0,0068 0,0025 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0173 0,0852 0,1720 0,2362 0,2581 0,2397 0,1954 0,1419 0,0923 0,0537 0,0277 0,0125 0,0048 0,0015 0,0004 0,0001 0,0000 0,0000 0,0000
4 0,0021 0,0213 0,0683 0,1329 0,1936 0,2311 0,2367 0,2128 0,1700 0,1208 0,0762 0,0420 0,0199 0,0078 0,0024 0,0005 0,0001 0,0000 0,0000
5 0,0002 0,0038 0,0193 0,0532 0,1032 0,1585 0,2039 0,2270 0,2225 0,1934 0,1489 0,1009 0,0591 0,0291 0,0115 0,0033 0,0006 0,0000 0,0000
6 0,0000 0,0005 0,0040 0,0155 0,0401 0,0792 0,1281 0,1766 0,2124 0,2256 0,2124 0,1766 0,1281 0,0792 0,0401 0,0155 0,0040 0,0005 0,0000
7 0,0000 0,0000 0,0006 0,0033 0,0115 0,0291 0,0591 0,1009 0,1489 0,1934 0,2225 0,2270 0,2039 0,1585 0,1032 0,0532 0,0193 0,0038 0,0002
8 0,0000 0,0000 0,0001 0,0005 0,0024 0,0078 0,0199 0,0420 0,0762 0,1208 0,1700 0,2128 0,2367 0,2311 0,1936 0,1329 0,0683 0,0213 0,0021
9 0,0000 0,0000 0,0000 0,0001 0,0004 0,0015 0,0048 0,0125 0,0277 0,0537 0,0923 0,1419 0,1954 0,2397 0,2581 0,2362 0,1720 0,0852 0,0173
10 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0008 0,0025 0,0068 0,0161 0,0339 0,0639 0,1088 0,1678 0,2323 0,2835 0,2924 0,2301 0,0988
11 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0010 0,0029 0,0075 0,0174 0,0368 0,0712 0,1267 0,2062 0,3012 0,3766 0,3413
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
13 0 0,5133 0,2542 0,1209 0,0550 0,0238 0,0097 0,0037 0,0013 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3512 0,3672 0,2774 0,1787 0,1029 0,0540 0,0259 0,0113 0,0045 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1109 0,2448 0,2937 0,2680 0,2059 0,1388 0,0836 0,0453 0,0220 0,0095 0,0036 0,0012 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0214 0,0997 0,1900 0,2457 0,2517 0,2181 0,1651 0,1107 0,0660 0,0349 0,0162 0,0065 0,0022 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
4 0,0028 0,0277 0,0838 0,1535 0,2097 0,2337 0,2222 0,1845 0,1350 0,0873 0,0495 0,0243 0,0101 0,0034 0,0009 0,0001 0,0000 0,0000 0,0000
5 0,0003 0,0055 0,0266 0,0691 0,1258 0,1803 0,2154 0,2214 0,1989 0,1571 0,1089 0,0656 0,0336 0,0142 0,0047 0,0011 0,0001 0,0000 0,0000
6 0,0000 0,0008 0,0063 0,0230 0,0559 0,1030 0,1546 0,1968 0,2169 0,2095 0,1775 0,1312 0,0833 0,0442 0,0186 0,0058 0,0011 0,0001 0,0000
7 0,0000 0,0001 0,0011 0,0058 0,0186 0,0442 0,0833 0,1312 0,1775 0,2095 0,2169 0,1968 0,1546 0,1030 0,0559 0,0230 0,0063 0,0008 0,0000
8 0,0000 0,0000 0,0001 0,0011 0,0047 0,0142 0,0336 0,0656 0,1089 0,1571 0,1989 0,2214 0,2154 0,1803 0,1258 0,0691 0,0266 0,0055 0,0003
9 0,0000 0,0000 0,0000 0,0001 0,0009 0,0034 0,0101 0,0243 0,0495 0,0873 0,1350 0,1845 0,2222 0,2337 0,2097 0,1535 0,0838 0,0277 0,0028
10 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0022 0,0065 0,0162 0,0349 0,0660 0,1107 0,1651 0,2181 0,2517 0,2457 0,1900 0,0997 0,0214
11 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0012 0,0036 0,0095 0,0220 0,0453 0,0836 0,1388 0,2059 0,2680 0,2937 0,2448 0,1109
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0016 0,0045 0,0113 0,0259 0,0540 0,1029 0,1787 0,2774 0,3672 0,3512
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
14 0 0,4877 0,2288 0,1028 0,0440 0,0178 0,0068 0,0024 0,0008 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3593 0,3559 0,2539 0,1539 0,0832 0,0407 0,0181 0,0073 0,0027 0,0009 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1229 0,2570 0,2912 0,2501 0,1802 0,1134 0,0634 0,0317 0,0141 0,0056 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0259 0,1142 0,2056 0,2501 0,2402 0,1943 0,1366 0,0845 0,0462 0,0222 0,0093 0,0033 0,0010 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0037 0,0349 0,0998 0,1720 0,2202 0,2290 0,2022 0,1549 0,1040 0,0611 0,0312 0,0136 0,0049 0,0014 0,0003 0,0000 0,0000 0,0000 0,0000
5 0,0004 0,0078 0,0352 0,0860 0,1468 0,1963 0,2178 0,2066 0,1701 0,1222 0,0762 0,0408 0,0183 0,0066 0,0018 0,0003 0,0000 0,0000 0,0000
6 0,0000 0,0013 0,0093 0,0322 0,0734 0,1262 0,1759 0,2066 0,2088 0,1833 0,1398 0,0918 0,0510 0,0232 0,0082 0,0020 0,0003 0,0000 0,0000
7 0,0000 0,0002 0,0019 0,0092 0,0280 0,0618 0,1082 0,1574 0,1952 0,2095 0,1952 0,1574 0,1082 0,0618 0,0280 0,0092 0,0019 0,0002 0,0000
9 0,0000 0,0000 0,0000 0,0003 0,0018 0,0066 0,0183 0,0408 0,0762 0,1222 0,1701 0,2066 0,2178 0,1963 0,1468 0,0860 0,0352 0,0078 0,0004
10 0,0000 0,0000 0,0000 0,0000 0,0003 0,0014 0,0049 0,0136 0,0312 0,0611 0,1040 0,1549 0,2022 0,2290 0,2202 0,1720 0,0998 0,0349 0,0037
11 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0010 0,0033 0,0093 0,0222 0,0462 0,0845 0,1366 0,1943 0,2402 0,2501 0,2056 0,1142 0,0259
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0019 0,0056 0,0141 0,0317 0,0634 0,1134 0,1802 0,2501 0,2912 0,2570 0,1229
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0009 0,0027 0,0073 0,0181 0,0407 0,0832 0,1539 0,2539 0,3559 0,3593
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
15 0 0,4633 0,2059 0,0874 0,0352 0,0134 0,0047 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3658 0,3432 0,2312 0,1319 0,0668 0,0305 0,0126 0,0047 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1348 0,2669 0,2856 0,2309 0,1559 0,0916 0,0476 0,0219 0,0090 0,0032 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0307 0,1285 0,2184 0,2501 0,2252 0,1700 0,1110 0,0634 0,0318 0,0139 0,0052 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0049 0,0428 0,1156 0,1876 0,2252 0,2186 0,1792 0,1268 0,0780 0,0417 0,0191 0,0074 0,0024 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
5 0,0006 0,0105 0,0449 0,1032 0,1651 0,2061 0,2123 0,1859 0,1404 0,0916 0,0515 0,0245 0,0096 0,0030 0,0007 0,0001 0,0000 0,0000 0,0000
6 0,0000 0,0019 0,0132 0,0430 0,0917 0,1472 0,1906 0,2066 0,1914 0,1527 0,1048 0,0612 0,0298 0,0116 0,0034 0,0007 0,0001 0,0000 0,0000
7 0,0000 0,0003 0,0030 0,0138 0,0393 0,0811 0,1319 0,1771 0,2013 0,1964 0,1647 0,1181 0,0710 0,0348 0,0131 0,0035 0,0005 0,0000 0,0000
8 0,0000 0,0000 0,0005 0,0035 0,0131 0,0348 0,0710 0,1181 0,1647 0,1964 0,2013 0,1771 0,1319 0,0811 0,0393 0,0138 0,0030 0,0003 0,0000
9 0,0000 0,0000 0,0001 0,0007 0,0034 0,0116 0,0298 0,0612 0,1048 0,1527 0,1914 0,2066 0,1906 0,1472 0,0917 0,0430 0,0132 0,0019 0,0000
10 0,0000 0,0000 0,0000 0,0001 0,0007 0,0030 0,0096 0,0245 0,0515 0,0916 0,1404 0,1859 0,2123 0,2061 0,1651 0,1032 0,0449 0,0105 0,0006
11 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0024 0,0074 0,0191 0,0417 0,0780 0,1268 0,1792 0,2186 0,2252 0,1876 0,1156 0,0428 0,0049
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0004 0,0016 0,0052 0,0139 0,0318 0,0634 0,1110 0,1700 0,2252 0,2501 0,2184 0,1285 0,0307
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0010 0,0032 0,0090 0,0219 0,0476 0,0916 0,1559 0,2309 0,2856 0,2669 0,1348
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0016 0,0047 0,0126 0,0305 0,0668 0,1319 0,2312 0,3432 0,3658
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
16 0 0,4401 0,1853 0,0743 0,0281 0,0100 0,0033 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3706 0,3294 0,2097 0,1126 0,0535 0,0228 0,0087 0,0030 0,0009 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1463 0,2745 0,2775 0,2111 0,1336 0,0732 0,0353 0,0150 0,0056 0,0018 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0359 0,1423 0,2285 0,2463 0,2079 0,1465 0,0888 0,0468 0,0215 0,0085 0,0029 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0061 0,0514 0,1311 0,2001 0,2252 0,2040 0,1553 0,1014 0,0572 0,0278 0,0115 0,0040 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0008 0,0137 0,0555 0,1201 0,1802 0,2099 0,2008 0,1623 0,1123 0,0667 0,0337 0,0142 0,0049 0,0013 0,0002 0,0000 0,0000 0,0000 0,0000
6 0,0001 0,0028 0,0180 0,0550 0,1101 0,1649 0,1982 0,1983 0,1684 0,1222 0,0755 0,0392 0,0167 0,0056 0,0014 0,0002 0,0000 0,0000 0,0000
7 0,0000 0,0004 0,0045 0,0197 0,0524 0,1010 0,1524 0,1889 0,1969 0,1746 0,1318 0,0840 0,0442 0,0185 0,0058 0,0012 0,0001 0,0000 0,0000
8 0,0000 0,0001 0,0009 0,0055 0,0197 0,0487 0,0923 0,1417 0,1812 0,1964 0,1812 0,1417 0,0923 0,0487 0,0197 0,0055 0,0009 0,0001 0,0000
9 0,0000 0,0000 0,0001 0,0012 0,0058 0,0185 0,0442 0,0840 0,1318 0,1746 0,1969 0,1889 0,1524 0,1010 0,0524 0,0197 0,0045 0,0004 0,0000
10 0,0000 0,0000 0,0000 0,0002 0,0014 0,0056 0,0167 0,0392 0,0755 0,1222 0,1684 0,1983 0,1982 0,1649 0,1101 0,0550 0,0180 0,0028 0,0001
11 0,0000 0,0000 0,0000 0,0000 0,0002 0,0013 0,0049 0,0142 0,0337 0,0667 0,1123 0,1623 0,2008 0,2099 0,1802 0,1201 0,0555 0,0137 0,0008
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0011 0,0040 0,0115 0,0278 0,0572 0,1014 0,1553 0,2040 0,2252 0,2001 0,1311 0,0514 0,0061
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0008 0,0029 0,0085 0,0215 0,0468 0,0888 0,1465 0,2079 0,2463 0,2285 0,1423 0,0359
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0018 0,0056 0,0150 0,0353 0,0732 0,1336 0,2111 0,2775 0,2745 0,1463
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0009 0,0030 0,0087 0,0228 0,0535 0,1126 0,2097 0,3294 0,3706
17 0 0,4181 0,1668 0,0631 0,0225 0,0075 0,0023 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3741 0,3150 0,1893 0,0957 0,0426 0,0169 0,0060 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1575 0,2800 0,2673 0,1914 0,1136 0,0581 0,0260 0,0102 0,0035 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0415 0,1556 0,2359 0,2393 0,1893 0,1245 0,0701 0,0341 0,0144 0,0052 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0076 0,0605 0,1457 0,2093 0,2209 0,1868 0,1320 0,0796 0,0411 0,0182 0,0068 0,0021 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0010 0,0175 0,0668 0,1361 0,1914 0,2081 0,1849 0,1379 0,0875 0,0472 0,0215 0,0081 0,0024 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
6 0,0001 0,0039 0,0236 0,0680 0,1276 0,1784 0,1991 0,1839 0,1432 0,0944 0,0525 0,0242 0,0090 0,0026 0,0005 0,0001 0,0000 0,0000 0,0000
7 0,0000 0,0007 0,0065 0,0267 0,0668 0,1201 0,1685 0,1927 0,1841 0,1484 0,1008 0,0571 0,0263 0,0095 0,0025 0,0004 0,0000 0,0000 0,0000
8 0,0000 0,0001 0,0014 0,0084 0,0279 0,0644 0,1134 0,1606 0,1883 0,1855 0,1540 0,1070 0,0611 0,0276 0,0093 0,0021 0,0003 0,0000 0,0000
9 0,0000 0,0000 0,0003 0,0021 0,0093 0,0276 0,0611 0,1070 0,1540 0,1855 0,1883 0,1606 0,1134 0,0644 0,0279 0,0084 0,0014 0,0001 0,0000
10 0,0000 0,0000 0,0000 0,0004 0,0025 0,0095 0,0263 0,0571 0,1008 0,1484 0,1841 0,1927 0,1685 0,1201 0,0668 0,0267 0,0065 0,0007 0,0000
11 0,0000 0,0000 0,0000 0,0001 0,0005 0,0026 0,0090 0,0242 0,0525 0,0944 0,1432 0,1839 0,1991 0,1784 0,1276 0,0680 0,0236 0,0039 0,0001
12 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0024 0,0081 0,0215 0,0472 0,0875 0,1379 0,1849 0,2081 0,1914 0,1361 0,0668 0,0175 0,0010
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0021 0,0068 0,0182 0,0411 0,0796 0,1320 0,1868 0,2209 0,2093 0,1457 0,0605 0,0076
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0004 0,0016 0,0052 0,0144 0,0341 0,0701 0,1245 0,1893 0,2393 0,2359 0,1556 0,0415
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0010 0,0035 0,0102 0,0260 0,0581 0,1136 0,1914 0,2673 0,2800 0,1575
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0019 0,0060 0,0169 0,0426 0,0957 0,1893 0,3150 0,3741
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
18 0 0,3972 0,1501 0,0536 0,0180 0,0056 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3763 0,3002 0,1704 0,0811 0,0338 0,0126 0,0042 0,0012 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1683 0,2835 0,2556 0,1723 0,0958 0,0458 0,0190 0,0069 0,0022 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0473 0,1680 0,2406 0,2297 0,1704 0,1046 0,0547 0,0246 0,0095 0,0031 0,0009 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0093 0,0700 0,1592 0,2153 0,2130 0,1681 0,1104 0,0614 0,0291 0,0117 0,0039 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0014 0,0218 0,0787 0,1507 0,1988 0,2017 0,1664 0,1146 0,0666 0,0327 0,0134 0,0045 0,0012 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
6 0,0002 0,0052 0,0301 0,0816 0,1436 0,1873 0,1941 0,1655 0,1181 0,0708 0,0354 0,0145 0,0047 0,0012 0,0002 0,0000 0,0000 0,0000 0,0000
7 0,0000 0,0010 0,0091 0,0350 0,0820 0,1376 0,1792 0,1892 0,1657 0,1214 0,0742 0,0374 0,0151 0,0046 0,0010 0,0001 0,0000 0,0000 0,0000
8 0,0000 0,0002 0,0022 0,0120 0,0376 0,0811 0,1327 0,1734 0,1864 0,1669 0,1248 0,0771 0,0385 0,0149 0,0042 0,0008 0,0001 0,0000 0,0000
9 0,0000 0,0000 0,0004 0,0033 0,0139 0,0386 0,0794 0,1284 0,1694 0,1855 0,1694 0,1284 0,0794 0,0386 0,0139 0,0033 0,0004 0,0000 0,0000
10 0,0000 0,0000 0,0001 0,0008 0,0042 0,0149 0,0385 0,0771 0,1248 0,1669 0,1864 0,1734 0,1327 0,0811 0,0376 0,0120 0,0022 0,0002 0,0000
11 0,0000 0,0000 0,0000 0,0001 0,0010 0,0046 0,0151 0,0374 0,0742 0,1214 0,1657 0,1892 0,1792 0,1376 0,0820 0,0350 0,0091 0,0010 0,0000
12 0,0000 0,0000 0,0000 0,0000 0,0002 0,0012 0,0047 0,0145 0,0354 0,0708 0,1181 0,1655 0,1941 0,1873 0,1436 0,0816 0,0301 0,0052 0,0002
13 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0012 0,0045 0,0134 0,0327 0,0666 0,1146 0,1664 0,2017 0,1988 0,1507 0,0787 0,0218 0,0014
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0011 0,0039 0,0117 0,0291 0,0614 0,1104 0,1681 0,2130 0,2153 0,1592 0,0700 0,0093
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0009 0,0031 0,0095 0,0246 0,0547 0,1046 0,1704 0,2297 0,2406 0,1680 0,0473
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0022 0,0069 0,0190 0,0458 0,0958 0,1723 0,2556 0,2835 0,1683
17 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0012 0,0042 0,0126 0,0338 0,0811 0,1704 0,3002 0,3763
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
19 0 0,3774 0,1351 0,0456 0,0144 0,0042 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1787 0,2852 0,2428 0,1540 0,0803 0,0358 0,0138 0,0046 0,0013 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0533 0,1796 0,2428 0,2182 0,1517 0,0869 0,0422 0,0175 0,0062 0,0018 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0112 0,0798 0,1714 0,2182 0,2023 0,1491 0,0909 0,0467 0,0203 0,0074 0,0022 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0018 0,0266 0,0907 0,1636 0,2023 0,1916 0,1468 0,0933 0,0497 0,0222 0,0082 0,0024 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
6 0,0002 0,0069 0,0374 0,0955 0,1574 0,1916 0,1844 0,1451 0,0949 0,0518 0,0233 0,0085 0,0024 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000
7 0,0000 0,0014 0,0122 0,0443 0,0974 0,1525 0,1844 0,1797 0,1443 0,0961 0,0529 0,0237 0,0083 0,0022 0,0004 0,0000 0,0000 0,0000 0,0000
8 0,0000 0,0002 0,0032 0,0166 0,0487 0,0981 0,1489 0,1797 0,1771 0,1442 0,0970 0,0532 0,0233 0,0077 0,0018 0,0003 0,0000 0,0000 0,0000
9 0,0000 0,0000 0,0007 0,0051 0,0198 0,0514 0,0980 0,1464 0,1771 0,1762 0,1449 0,0976 0,0528 0,0220 0,0066 0,0013 0,0001 0,0000 0,0000
10 0,0000 0,0000 0,0001 0,0013 0,0066 0,0220 0,0528 0,0976 0,1449 0,1762 0,1771 0,1464 0,0980 0,0514 0,0198 0,0051 0,0007 0,0000 0,0000
11 0,0000 0,0000 0,0000 0,0003 0,0018 0,0077 0,0233 0,0532 0,0970 0,1442 0,1771 0,1797 0,1489 0,0981 0,0487 0,0166 0,0032 0,0002 0,0000
12 0,0000 0,0000 0,0000 0,0000 0,0004 0,0022 0,0083 0,0237 0,0529 0,0961 0,1443 0,1797 0,1844 0,1525 0,0974 0,0443 0,0122 0,0014 0,0000
13 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0024 0,0085 0,0233 0,0518 0,0949 0,1451 0,1844 0,1916 0,1574 0,0955 0,0374 0,0069 0,0002
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0006 0,0024 0,0082 0,0222 0,0497 0,0933 0,1468 0,1916 0,2023 0,1636 0,0907 0,0266 0,0018
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0022 0,0074 0,0203 0,0467 0,0909 0,1491 0,2023 0,2182 0,1714 0,0798 0,0112
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0018 0,0062 0,0175 0,0422 0,0869 0,1517 0,2182 0,2428 0,1796 0,0533
17 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0013 0,0046 0,0138 0,0358 0,0803 0,1540 0,2428 0,2852 0,1787
18 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0008 0,0029 0,0093 0,0268 0,0685 0,1529 0,2852 0,3774
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
20 0 0,3585 0,1216 0,0388 0,0115 0,0032 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3774 0,2702 0,1368 0,0576 0,0211 0,0068 0,0020 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,1887 0,2852 0,2293 0,1369 0,0669 0,0278 0,0100 0,0031 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,0596 0,1901 0,2428 0,2054 0,1339 0,0716 0,0323 0,0123 0,0040 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,0133 0,0898 0,1821 0,2182 0,1897 0,1304 0,0738 0,0350 0,0139 0,0046 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,0022 0,0319 0,1028 0,1746 0,2023 0,1789 0,1272 0,0746 0,0365 0,0148 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
6 0,0003 0,0089 0,0454 0,1091 0,1686 0,1916 0,1712 0,1244 0,0746 0,0370 0,0150 0,0049 0,0012 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
7 0,0000 0,0020 0,0160 0,0545 0,1124 0,1643 0,1844 0,1659 0,1221 0,0739 0,0366 0,0146 0,0045 0,0010 0,0002 0,0000 0,0000 0,0000 0,0000
8 0,0000 0,0004 0,0046 0,0222 0,0609 0,1144 0,1614 0,1797 0,1623 0,1201 0,0727 0,0355 0,0136 0,0039 0,0008 0,0001 0,0000 0,0000 0,0000
9 0,0000 0,0001 0,0011 0,0074 0,0271 0,0654 0,1158 0,1597 0,1771 0,1602 0,1185 0,0710 0,0336 0,0120 0,0030 0,0005 0,0000 0,0000 0,0000
10 0,0000 0,0000 0,0002 0,0020 0,0099 0,0308 0,0686 0,1171 0,1593 0,1762 0,1593 0,1171 0,0686 0,0308 0,0099 0,0020 0,0002 0,0000 0,0000
11 0,0000 0,0000 0,0000 0,0005 0,0030 0,0120 0,0336 0,0710 0,1185 0,1602 0,1771 0,1597 0,1158 0,0654 0,0271 0,0074 0,0011 0,0001 0,0000
12 0,0000 0,0000 0,0000 0,0001 0,0008 0,0039 0,0136 0,0355 0,0727 0,1201 0,1623 0,1797 0,1614 0,1144 0,0609 0,0222 0,0046 0,0004 0,0000
13 0,0000 0,0000 0,0000 0,0000 0,0002 0,0010 0,0045 0,0146 0,0366 0,0739 0,1221 0,1659 0,1844 0,1643 0,1124 0,0545 0,0160 0,0020 0,0000
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0012 0,0049 0,0150 0,0370 0,0746 0,1244 0,1712 0,1916 0,1686 0,1091 0,0454 0,0089 0,0003
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0003 0,0013 0,0049 0,0148 0,0365 0,0746 0,1272 0,1789 0,2023 0,1746 0,1028 0,0319 0,0022
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0003 0,0013 0,0046 0,0139 0,0350 0,0738 0,1304 0,1897 0,2182 0,1821 0,0898 0,0133
17 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0011 0,0040 0,0123 0,0323 0,0716 0,1339 0,2054 0,2428 0,1901 0,0596
18 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0008 0,0031 0,0100 0,0278 0,0669 0,1369 0,2293 0,2852 0,1887
19 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005 0,0020 0,0068 0,0211 0,0576 0,1368 0,2702 0,3774
1 0 0,9500 0,9000 0,8500 0,8000 0,7500 0,7000 0,6500 0,6000 0,5500 0,5000 0,4500 0,4000 0,3500 0,3000 0,2500 0,2000 0,1500 0,1000 0,0500
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
2 0 0,9025 0,8100 0,7225 0,6400 0,5625 0,4900 0,4225 0,3600 0,3025 0,2500 0,2025 0,1600 0,1225 0,0900 0,0625 0,0400 0,0225 0,0100 0,0025
1 0,9975 0,9900 0,9775 0,9600 0,9375 0,9100 0,8775 0,8400 0,7975 0,7500 0,6975 0,6400 0,5775 0,5100 0,4375 0,3600 0,2775 0,1900 0,0975
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
3 0 0,8574 0,7290 0,6141 0,5120 0,4219 0,3430 0,2746 0,2160 0,1664 0,1250 0,0911 0,0640 0,0429 0,0270 0,0156 0,0080 0,0034 0,0010 0,0001
1 0,9928 0,9720 0,9393 0,8960 0,8438 0,7840 0,7183 0,6480 0,5748 0,5000 0,4253 0,3520 0,2818 0,2160 0,1563 0,1040 0,0607 0,0280 0,0072
2 0,9999 0,9990 0,9966 0,9920 0,9844 0,9730 0,9571 0,9360 0,9089 0,8750 0,8336 0,7840 0,7254 0,6570 0,5781 0,4880 0,3859 0,2710 0,1426
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
4 0 0,8145 0,6561 0,5220 0,4096 0,3164 0,2401 0,1785 0,1296 0,0915 0,0625 0,0410 0,0256 0,0150 0,0081 0,0039 0,0016 0,0005 0,0000 0,0000
1 0,9860 0,9477 0,8905 0,8192 0,7383 0,6517 0,5630 0,4752 0,3910 0,3125 0,2415 0,1792 0,1265 0,0837 0,0508 0,0272 0,0120 0,0037 0,0005
2 0,9995 0,9963 0,9880 0,9728 0,9492 0,9163 0,8735 0,8208 0,7585 0,6875 0,6090 0,5248 0,4370 0,3483 0,2617 0,1808 0,1095 0,0523 0,0140
3 1,0000 0,9999 0,9995 0,9984 0,9961 0,9919 0,9850 0,9744 0,9590 0,9375 0,9085 0,8704 0,8215 0,7599 0,6836 0,5904 0,4780 0,3439 0,1855
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
5 0 0,7738 0,5905 0,4437 0,3277 0,2373 0,1681 0,1160 0,0778 0,0503 0,0313 0,0185 0,0102 0,0053 0,0024 0,0010 0,0003 0,0000 0,0000 0,0000
1 0,9774 0,9185 0,8352 0,7373 0,6328 0,5282 0,4284 0,3370 0,2562 0,1875 0,1312 0,0870 0,0540 0,0308 0,0156 0,0067 0,0022 0,0005 0,0000
2 0,9988 0,9914 0,9734 0,9421 0,8965 0,8369 0,7648 0,6826 0,5931 0,5000 0,4069 0,3174 0,2352 0,1631 0,1035 0,0579 0,0266 0,0086 0,0012
3 1,0000 0,9995 0,9978 0,9933 0,9844 0,9692 0,9460 0,9130 0,8688 0,8125 0,7438 0,6630 0,5716 0,4718 0,3672 0,2627 0,1648 0,0815 0,0226
4 1,0000 1,0000 0,9999 0,9997 0,9990 0,9976 0,9947 0,9898 0,9815 0,9688 0,9497 0,9222 0,8840 0,8319 0,7627 0,6723 0,5563 0,4095 0,2262
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
6 0 0,7351 0,5314 0,3771 0,2621 0,1780 0,1176 0,0754 0,0467 0,0277 0,0156 0,0083 0,0041 0,0018 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000
1 0,9672 0,8857 0,7765 0,6554 0,5339 0,4202 0,3191 0,2333 0,1636 0,1094 0,0692 0,0410 0,0223 0,0109 0,0046 0,0016 0,0004 0,0000 0,0000
2 0,9978 0,9842 0,9527 0,9011 0,8306 0,7443 0,6471 0,5443 0,4415 0,3438 0,2553 0,1792 0,1174 0,0705 0,0376 0,0170 0,0059 0,0013 0,0000
3 0,9999 0,9987 0,9941 0,9830 0,9624 0,9295 0,8826 0,8208 0,7447 0,6563 0,5585 0,4557 0,3529 0,2557 0,1694 0,0989 0,0473 0,0158 0,0022
4 1,0000 0,9999 0,9996 0,9984 0,9954 0,9891 0,9777 0,9590 0,9308 0,8906 0,8364 0,7667 0,6809 0,5798 0,4661 0,3446 0,2235 0,1143 0,0328
5 1,0000 1,0000 1,0000 0,9999 0,9998 0,9993 0,9982 0,9959 0,9917 0,9844 0,9723 0,9533 0,9246 0,8824 0,8220 0,7379 0,6229 0,4686 0,2649
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
7 0 0,6983 0,4783 0,3206 0,2097 0,1335 0,0824 0,0490 0,0280 0,0152 0,0078 0,0037 0,0016 0,0006 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000
1 0,9556 0,8503 0,7166 0,5767 0,4449 0,3294 0,2338 0,1586 0,1024 0,0625 0,0357 0,0188 0,0090 0,0038 0,0013 0,0004 0,0001 0,0000 0,0000
2 0,9962 0,9743 0,9262 0,8520 0,7564 0,6471 0,5323 0,4199 0,3164 0,2266 0,1529 0,0963 0,0556 0,0288 0,0129 0,0047 0,0012 0,0002 0,0000
3 0,9998 0,9973 0,9879 0,9667 0,9294 0,8740 0,8002 0,7102 0,6083 0,5000 0,3917 0,2898 0,1998 0,1260 0,0706 0,0333 0,0121 0,0027 0,0002
4 1,0000 0,9998 0,9988 0,9953 0,9871 0,9712 0,9444 0,9037 0,8471 0,7734 0,6836 0,5801 0,4677 0,3529 0,2436 0,1480 0,0738 0,0257 0,0038
5 1,0000 1,0000 0,9999 0,9996 0,9987 0,9962 0,9910 0,9812 0,9643 0,9375 0,8976 0,8414 0,7662 0,6706 0,5551 0,4233 0,2834 0,1497 0,0444
6 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9994 0,9984 0,9963 0,9922 0,9848 0,9720 0,9510 0,9176 0,8665 0,7903 0,6794 0,5217 0,3017
8 0 0,6634 0,4305 0,2725 0,1678 0,1001 0,0576 0,0319 0,0168 0,0084 0,0039 0,0017 0,0007 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9428 0,8131 0,6572 0,5033 0,3671 0,2553 0,1691 0,1064 0,0632 0,0352 0,0181 0,0085 0,0036 0,0013 0,0004 0,0001 0,0000 0,0000 0,0000
2 0,9942 0,9619 0,8948 0,7969 0,6785 0,5518 0,4278 0,3154 0,2201 0,1445 0,0885 0,0498 0,0253 0,0113 0,0042 0,0012 0,0002 0,0000 0,0000
3 0,9996 0,9950 0,9786 0,9437 0,8862 0,8059 0,7064 0,5941 0,4770 0,3633 0,2604 0,1737 0,1061 0,0580 0,0273 0,0104 0,0029 0,0004 0,0000
4 1,0000 0,9996 0,9971 0,9896 0,9727 0,9420 0,8939 0,8263 0,7396 0,6367 0,5230 0,4059 0,2936 0,1941 0,1138 0,0563 0,0214 0,0050 0,0004
5 1,0000 1,0000 0,9998 0,9988 0,9958 0,9887 0,9747 0,9502 0,9115 0,8555 0,7799 0,6846 0,5722 0,4482 0,3215 0,2031 0,1052 0,0381 0,0058
6 1,0000 1,0000 1,0000 0,9999 0,9996 0,9987 0,9964 0,9915 0,9819 0,9648 0,9368 0,8936 0,8309 0,7447 0,6329 0,4967 0,3428 0,1869 0,0572
7 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9993 0,9983 0,9961 0,9916 0,9832 0,9681 0,9424 0,8999 0,8322 0,7275 0,5695 0,3366
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
9 0 0,6302 0,3874 0,2316 0,1342 0,0751 0,0404 0,0207 0,0101 0,0046 0,0020 0,0008 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9288 0,7748 0,5995 0,4362 0,3003 0,1960 0,1211 0,0705 0,0385 0,0195 0,0091 0,0038 0,0014 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000
2 0,9916 0,9470 0,8591 0,7382 0,6007 0,4628 0,3373 0,2318 0,1495 0,0898 0,0498 0,0250 0,0112 0,0043 0,0013 0,0003 0,0000 0,0000 0,0000
3 0,9994 0,9917 0,9661 0,9144 0,8343 0,7297 0,6089 0,4826 0,3614 0,2539 0,1658 0,0994 0,0536 0,0253 0,0100 0,0031 0,0006 0,0001 0,0000
4 1,0000 0,9991 0,9944 0,9804 0,9511 0,9012 0,8283 0,7334 0,6214 0,5000 0,3786 0,2666 0,1717 0,0988 0,0489 0,0196 0,0056 0,0009 0,0000
5 1,0000 0,9999 0,9994 0,9969 0,9900 0,9747 0,9464 0,9006 0,8342 0,7461 0,6386 0,5174 0,3911 0,2703 0,1657 0,0856 0,0339 0,0083 0,0006
6 1,0000 1,0000 1,0000 0,9997 0,9987 0,9957 0,9888 0,9750 0,9502 0,9102 0,8505 0,7682 0,6627 0,5372 0,3993 0,2618 0,1409 0,0530 0,0084
7 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9986 0,9962 0,9909 0,9805 0,9615 0,9295 0,8789 0,8040 0,6997 0,5638 0,4005 0,2252 0,0712
8 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9992 0,9980 0,9954 0,9899 0,9793 0,9596 0,9249 0,8658 0,7684 0,6126 0,3698
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
10 0 0,5987 0,3487 0,1969 0,1074 0,0563 0,0282 0,0135 0,0060 0,0025 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9139 0,7361 0,5443 0,3758 0,2440 0,1493 0,0860 0,0464 0,0233 0,0107 0,0045 0,0017 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9885 0,9298 0,8202 0,6778 0,5256 0,3828 0,2616 0,1673 0,0996 0,0547 0,0274 0,0123 0,0048 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000
3 0,9990 0,9872 0,9500 0,8791 0,7759 0,6496 0,5138 0,3823 0,2660 0,1719 0,1020 0,0548 0,0260 0,0106 0,0035 0,0009 0,0001 0,0000 0,0000
4 0,9999 0,9984 0,9901 0,9672 0,9219 0,8497 0,7515 0,6331 0,5044 0,3770 0,2616 0,1662 0,0949 0,0473 0,0197 0,0064 0,0014 0,0001 0,0000
5 1,0000 0,9999 0,9986 0,9936 0,9803 0,9527 0,9051 0,8338 0,7384 0,6230 0,4956 0,3669 0,2485 0,1503 0,0781 0,0328 0,0099 0,0016 0,0001
6 1,0000 1,0000 0,9999 0,9991 0,9965 0,9894 0,9740 0,9452 0,8980 0,8281 0,7340 0,6177 0,4862 0,3504 0,2241 0,1209 0,0500 0,0128 0,0010
7 1,0000 1,0000 1,0000 0,9999 0,9996 0,9984 0,9952 0,9877 0,9726 0,9453 0,9004 0,8327 0,7384 0,6172 0,4744 0,3222 0,1798 0,0702 0,0115
8 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9983 0,9955 0,9893 0,9767 0,9536 0,9140 0,8507 0,7560 0,6242 0,4557 0,2639 0,0861
9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9990 0,9975 0,9940 0,9865 0,9718 0,9437 0,8926 0,8031 0,6513 0,4013
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
11 0 0,5688 0,3138 0,1673 0,0859 0,0422 0,0198 0,0088 0,0036 0,0014 0,0005 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8981 0,6974 0,4922 0,3221 0,1971 0,1130 0,0606 0,0302 0,0139 0,0059 0,0022 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9848 0,9104 0,7788 0,6174 0,4552 0,3127 0,2001 0,1189 0,0652 0,0327 0,0148 0,0059 0,0020 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
3 0,9984 0,9815 0,9306 0,8389 0,7133 0,5696 0,4256 0,2963 0,1911 0,1133 0,0610 0,0293 0,0122 0,0043 0,0012 0,0002 0,0000 0,0000 0,0000
4 0,9999 0,9972 0,9841 0,9496 0,8854 0,7897 0,6683 0,5328 0,3971 0,2744 0,1738 0,0994 0,0501 0,0216 0,0076 0,0020 0,0003 0,0000 0,0000
5 1,0000 0,9997 0,9973 0,9883 0,9657 0,9218 0,8513 0,7535 0,6331 0,5000 0,3669 0,2465 0,1487 0,0782 0,0343 0,0117 0,0027 0,0003 0,0000
6 1,0000 1,0000 0,9997 0,9980 0,9924 0,9784 0,9499 0,9006 0,8262 0,7256 0,6029 0,4672 0,3317 0,2103 0,1146 0,0504 0,0159 0,0028 0,0001
7 1,0000 1,0000 1,0000 0,9998 0,9988 0,9957 0,9878 0,9707 0,9390 0,8867 0,8089 0,7037 0,5744 0,4304 0,2867 0,1611 0,0694 0,0185 0,0016
9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9993 0,9978 0,9941 0,9861 0,9698 0,9394 0,8870 0,8029 0,6779 0,5078 0,3026 0,1019
10 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9995 0,9986 0,9964 0,9912 0,9802 0,9578 0,9141 0,8327 0,6862 0,4312
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
12 0 0,5404 0,2824 0,1422 0,0687 0,0317 0,0138 0,0057 0,0022 0,0008 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8816 0,6590 0,4435 0,2749 0,1584 0,0850 0,0424 0,0196 0,0083 0,0032 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9804 0,8891 0,7358 0,5583 0,3907 0,2528 0,1513 0,0834 0,0421 0,0193 0,0079 0,0028 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9978 0,9744 0,9078 0,7946 0,6488 0,4925 0,3467 0,2253 0,1345 0,0730 0,0356 0,0153 0,0056 0,0017 0,0004 0,0001 0,0000 0,0000 0,0000
4 0,9998 0,9957 0,9761 0,9274 0,8424 0,7237 0,5833 0,4382 0,3044 0,1938 0,1117 0,0573 0,0255 0,0095 0,0028 0,0006 0,0001 0,0000 0,0000
5 1,0000 0,9995 0,9954 0,9806 0,9456 0,8822 0,7873 0,6652 0,5269 0,3872 0,2607 0,1582 0,0846 0,0386 0,0143 0,0039 0,0007 0,0001 0,0000
6 1,0000 0,9999 0,9993 0,9961 0,9857 0,9614 0,9154 0,8418 0,7393 0,6128 0,4731 0,3348 0,2127 0,1178 0,0544 0,0194 0,0046 0,0005 0,0000
7 1,0000 1,0000 0,9999 0,9994 0,9972 0,9905 0,9745 0,9427 0,8883 0,8062 0,6956 0,5618 0,4167 0,2763 0,1576 0,0726 0,0239 0,0043 0,0002
8 1,0000 1,0000 1,0000 0,9999 0,9996 0,9983 0,9944 0,9847 0,9644 0,9270 0,8655 0,7747 0,6533 0,5075 0,3512 0,2054 0,0922 0,0256 0,0022
9 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9992 0,9972 0,9921 0,9807 0,9579 0,9166 0,8487 0,7472 0,6093 0,4417 0,2642 0,1109 0,0196
10 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9989 0,9968 0,9917 0,9804 0,9576 0,9150 0,8416 0,7251 0,5565 0,3410 0,1184
11 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9992 0,9978 0,9943 0,9862 0,9683 0,9313 0,8578 0,7176 0,4596
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
13 0 0,5133 0,2542 0,1209 0,0550 0,0238 0,0097 0,0037 0,0013 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8646 0,6213 0,3983 0,2336 0,1267 0,0637 0,0296 0,0126 0,0049 0,0017 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9755 0,8661 0,6920 0,5017 0,3326 0,2025 0,1132 0,0579 0,0269 0,0112 0,0041 0,0013 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9969 0,9658 0,8820 0,7473 0,5843 0,4206 0,2783 0,1686 0,0929 0,0461 0,0203 0,0078 0,0025 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000
4 0,9997 0,9935 0,9658 0,9009 0,7940 0,6543 0,5005 0,3530 0,2279 0,1334 0,0698 0,0321 0,0126 0,0040 0,0010 0,0002 0,0000 0,0000 0,0000
5 1,0000 0,9991 0,9925 0,9700 0,9198 0,8346 0,7159 0,5744 0,4268 0,2905 0,1788 0,0977 0,0462 0,0182 0,0056 0,0012 0,0002 0,0000 0,0000
6 1,0000 0,9999 0,9987 0,9930 0,9757 0,9376 0,8705 0,7712 0,6437 0,5000 0,3563 0,2288 0,1295 0,0624 0,0243 0,0070 0,0013 0,0001 0,0000
7 1,0000 1,0000 0,9998 0,9988 0,9944 0,9818 0,9538 0,9023 0,8212 0,7095 0,5732 0,4256 0,2841 0,1654 0,0802 0,0300 0,0075 0,0009 0,0000
8 1,0000 1,0000 1,0000 0,9998 0,9990 0,9960 0,9874 0,9679 0,9302 0,8666 0,7721 0,6470 0,4995 0,3457 0,2060 0,0991 0,0342 0,0065 0,0003
9 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9975 0,9922 0,9797 0,9539 0,9071 0,8314 0,7217 0,5794 0,4157 0,2527 0,1180 0,0342 0,0031
10 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9987 0,9959 0,9888 0,9731 0,9421 0,8868 0,7975 0,6674 0,4983 0,3080 0,1339 0,0245
11 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9983 0,9951 0,9874 0,9704 0,9363 0,8733 0,7664 0,6017 0,3787 0,1354
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9987 0,9963 0,9903 0,9762 0,9450 0,8791 0,7458 0,4867
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
14 0 0,4877 0,2288 0,1028 0,0440 0,0178 0,0068 0,0024 0,0008 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8470 0,5846 0,3567 0,1979 0,1010 0,0475 0,0205 0,0081 0,0029 0,0009 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9699 0,8416 0,6479 0,4481 0,2811 0,1608 0,0839 0,0398 0,0170 0,0065 0,0022 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9958 0,9559 0,8535 0,6982 0,5213 0,3552 0,2205 0,1243 0,0632 0,0287 0,0114 0,0039 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9996 0,9908 0,9533 0,8702 0,7415 0,5842 0,4227 0,2793 0,1672 0,0898 0,0426 0,0175 0,0060 0,0017 0,0003 0,0000 0,0000 0,0000 0,0000
5 1,0000 0,9985 0,9885 0,9561 0,8883 0,7805 0,6405 0,4859 0,3373 0,2120 0,1189 0,0583 0,0243 0,0083 0,0022 0,0004 0,0000 0,0000 0,0000
6 1,0000 0,9998 0,9978 0,9884 0,9617 0,9067 0,8164 0,6925 0,5461 0,3953 0,2586 0,1501 0,0753 0,0315 0,0103 0,0024 0,0003 0,0000 0,0000
7 1,0000 1,0000 0,9997 0,9976 0,9897 0,9685 0,9247 0,8499 0,7414 0,6047 0,4539 0,3075 0,1836 0,0933 0,0383 0,0116 0,0022 0,0002 0,0000
9 1,0000 1,0000 1,0000 1,0000 0,9997 0,9983 0,9940 0,9825 0,9574 0,9102 0,8328 0,7207 0,5773 0,4158 0,2585 0,1298 0,0467 0,0092 0,0004
10 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9989 0,9961 0,9886 0,9713 0,9368 0,8757 0,7795 0,6448 0,4787 0,3018 0,1465 0,0441 0,0042
11 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9978 0,9935 0,9830 0,9602 0,9161 0,8392 0,7189 0,5519 0,3521 0,1584 0,0301
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9991 0,9971 0,9919 0,9795 0,9525 0,8990 0,8021 0,6433 0,4154 0,1530
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9992 0,9976 0,9932 0,9822 0,9560 0,8972 0,7712 0,5123
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
15 0 0,4633 0,2059 0,0874 0,0352 0,0134 0,0047 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8290 0,5490 0,3186 0,1671 0,0802 0,0353 0,0142 0,0052 0,0017 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9638 0,8159 0,6042 0,3980 0,2361 0,1268 0,0617 0,0271 0,0107 0,0037 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9945 0,9444 0,8227 0,6482 0,4613 0,2969 0,1727 0,0905 0,0424 0,0176 0,0063 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9994 0,9873 0,9383 0,8358 0,6865 0,5155 0,3519 0,2173 0,1204 0,0592 0,0255 0,0093 0,0028 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000
5 0,9999 0,9978 0,9832 0,9389 0,8516 0,7216 0,5643 0,4032 0,2608 0,1509 0,0769 0,0338 0,0124 0,0037 0,0008 0,0001 0,0000 0,0000 0,0000
6 1,0000 0,9997 0,9964 0,9819 0,9434 0,8689 0,7548 0,6098 0,4522 0,3036 0,1818 0,0950 0,0422 0,0152 0,0042 0,0008 0,0001 0,0000 0,0000
7 1,0000 1,0000 0,9994 0,9958 0,9827 0,9500 0,8868 0,7869 0,6535 0,5000 0,3465 0,2131 0,1132 0,0500 0,0173 0,0042 0,0006 0,0000 0,0000
8 1,0000 1,0000 0,9999 0,9992 0,9958 0,9848 0,9578 0,9050 0,8182 0,6964 0,5478 0,3902 0,2452 0,1311 0,0566 0,0181 0,0036 0,0003 0,0000
9 1,0000 1,0000 1,0000 0,9999 0,9992 0,9963 0,9876 0,9662 0,9231 0,8491 0,7392 0,5968 0,4357 0,2784 0,1484 0,0611 0,0168 0,0022 0,0001
10 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9972 0,9907 0,9745 0,9408 0,8796 0,7827 0,6481 0,4845 0,3135 0,1642 0,0617 0,0127 0,0006
11 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9981 0,9937 0,9824 0,9576 0,9095 0,8273 0,7031 0,5387 0,3518 0,1773 0,0556 0,0055
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9989 0,9963 0,9893 0,9729 0,9383 0,8732 0,7639 0,6020 0,3958 0,1841 0,0362
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9983 0,9948 0,9858 0,9647 0,9198 0,8329 0,6814 0,4510 0,1710
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9984 0,9953 0,9866 0,9648 0,9126 0,7941 0,5367
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
16 0 0,4401 0,1853 0,0743 0,0281 0,0100 0,0033 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8108 0,5147 0,2839 0,1407 0,0635 0,0261 0,0098 0,0033 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9571 0,7892 0,5614 0,3518 0,1971 0,0994 0,0451 0,0183 0,0066 0,0021 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9930 0,9316 0,7899 0,5981 0,4050 0,2459 0,1339 0,0651 0,0281 0,0106 0,0035 0,0009 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9991 0,9830 0,9209 0,7982 0,6302 0,4499 0,2892 0,1666 0,0853 0,0384 0,0149 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9999 0,9967 0,9765 0,9183 0,8103 0,6598 0,4900 0,3288 0,1976 0,1051 0,0486 0,0191 0,0062 0,0016 0,0003 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9995 0,9944 0,9733 0,9204 0,8247 0,6881 0,5272 0,3660 0,2272 0,1241 0,0583 0,0229 0,0071 0,0016 0,0002 0,0000 0,0000 0,0000
7 1,0000 0,9999 0,9989 0,9930 0,9729 0,9256 0,8406 0,7161 0,5629 0,4018 0,2559 0,1423 0,0671 0,0257 0,0075 0,0015 0,0002 0,0000 0,0000
8 1,0000 1,0000 0,9998 0,9985 0,9925 0,9743 0,9329 0,8577 0,7441 0,5982 0,4371 0,2839 0,1594 0,0744 0,0271 0,0070 0,0011 0,0001 0,0000
9 1,0000 1,0000 1,0000 0,9998 0,9984 0,9929 0,9771 0,9417 0,8759 0,7728 0,6340 0,4728 0,3119 0,1753 0,0796 0,0267 0,0056 0,0005 0,0000
10 1,0000 1,0000 1,0000 1,0000 0,9997 0,9984 0,9938 0,9809 0,9514 0,8949 0,8024 0,6712 0,5100 0,3402 0,1897 0,0817 0,0235 0,0033 0,0001
11 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9987 0,9951 0,9851 0,9616 0,9147 0,8334 0,7108 0,5501 0,3698 0,2018 0,0791 0,0170 0,0009
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9991 0,9965 0,9894 0,9719 0,9349 0,8661 0,7541 0,5950 0,4019 0,2101 0,0684 0,0070
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9979 0,9934 0,9817 0,9549 0,9006 0,8029 0,6482 0,4386 0,2108 0,0429
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9990 0,9967 0,9902 0,9739 0,9365 0,8593 0,7161 0,4853 0,1892
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9990 0,9967 0,9900 0,9719 0,9257 0,8147 0,5599
17 0 0,4181 0,1668 0,0631 0,0225 0,0075 0,0023 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7922 0,4818 0,2525 0,1182 0,0501 0,0193 0,0067 0,0021 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9497 0,7618 0,5198 0,3096 0,1637 0,0774 0,0327 0,0123 0,0041 0,0012 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9912 0,9174 0,7556 0,5489 0,3530 0,2019 0,1028 0,0464 0,0184 0,0064 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9988 0,9779 0,9013 0,7582 0,5739 0,3887 0,2348 0,1260 0,0596 0,0245 0,0086 0,0025 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9999 0,9953 0,9681 0,8943 0,7653 0,5968 0,4197 0,2639 0,1471 0,0717 0,0301 0,0106 0,0030 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9992 0,9917 0,9623 0,8929 0,7752 0,6188 0,4478 0,2902 0,1662 0,0826 0,0348 0,0120 0,0032 0,0006 0,0001 0,0000 0,0000 0,0000
7 1,0000 0,9999 0,9983 0,9891 0,9598 0,8954 0,7872 0,6405 0,4743 0,3145 0,1834 0,0919 0,0383 0,0127 0,0031 0,0005 0,0000 0,0000 0,0000
8 1,0000 1,0000 0,9997 0,9974 0,9876 0,9597 0,9006 0,8011 0,6626 0,5000 0,3374 0,1989 0,0994 0,0403 0,0124 0,0026 0,0003 0,0000 0,0000
9 1,0000 1,0000 1,0000 0,9995 0,9969 0,9873 0,9617 0,9081 0,8166 0,6855 0,5257 0,3595 0,2128 0,1046 0,0402 0,0109 0,0017 0,0001 0,0000
10 1,0000 1,0000 1,0000 0,9999 0,9994 0,9968 0,9880 0,9652 0,9174 0,8338 0,7098 0,5522 0,3812 0,2248 0,1071 0,0377 0,0083 0,0008 0,0000
11 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9970 0,9894 0,9699 0,9283 0,8529 0,7361 0,5803 0,4032 0,2347 0,1057 0,0319 0,0047 0,0001
12 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9975 0,9914 0,9755 0,9404 0,8740 0,7652 0,6113 0,4261 0,2418 0,0987 0,0221 0,0012
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9981 0,9936 0,9816 0,9536 0,8972 0,7981 0,6470 0,4511 0,2444 0,0826 0,0088
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9988 0,9959 0,9877 0,9673 0,9226 0,8363 0,6904 0,4802 0,2382 0,0503
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9979 0,9933 0,9807 0,9499 0,8818 0,7475 0,5182 0,2078
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9993 0,9977 0,9925 0,9775 0,9369 0,8332 0,5819
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
18 0 0,3972 0,1501 0,0536 0,0180 0,0056 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7735 0,4503 0,2241 0,0991 0,0395 0,0142 0,0046 0,0013 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9419 0,7338 0,4797 0,2713 0,1353 0,0600 0,0236 0,0082 0,0025 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9891 0,9018 0,7202 0,5010 0,3057 0,1646 0,0783 0,0328 0,0120 0,0038 0,0010 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9985 0,9718 0,8794 0,7164 0,5187 0,3327 0,1886 0,0942 0,0411 0,0154 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9998 0,9936 0,9581 0,8671 0,7175 0,5344 0,3550 0,2088 0,1077 0,0481 0,0183 0,0058 0,0014 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9988 0,9882 0,9487 0,8610 0,7217 0,5491 0,3743 0,2258 0,1189 0,0537 0,0203 0,0062 0,0014 0,0002 0,0000 0,0000 0,0000 0,0000
7 1,0000 0,9998 0,9973 0,9837 0,9431 0,8593 0,7283 0,5634 0,3915 0,2403 0,1280 0,0576 0,0212 0,0061 0,0012 0,0002 0,0000 0,0000 0,0000
8 1,0000 1,0000 0,9995 0,9957 0,9807 0,9404 0,8609 0,7368 0,5778 0,4073 0,2527 0,1347 0,0597 0,0210 0,0054 0,0009 0,0001 0,0000 0,0000
9 1,0000 1,0000 0,9999 0,9991 0,9946 0,9790 0,9403 0,8653 0,7473 0,5927 0,4222 0,2632 0,1391 0,0596 0,0193 0,0043 0,0005 0,0000 0,0000
10 1,0000 1,0000 1,0000 0,9998 0,9988 0,9939 0,9788 0,9424 0,8720 0,7597 0,6085 0,4366 0,2717 0,1407 0,0569 0,0163 0,0027 0,0002 0,0000
11 1,0000 1,0000 1,0000 1,0000 0,9998 0,9986 0,9938 0,9797 0,9463 0,8811 0,7742 0,6257 0,4509 0,2783 0,1390 0,0513 0,0118 0,0012 0,0000
12 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9986 0,9942 0,9817 0,9519 0,8923 0,7912 0,6450 0,4656 0,2825 0,1329 0,0419 0,0064 0,0002
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9987 0,9951 0,9846 0,9589 0,9058 0,8114 0,6673 0,4813 0,2836 0,1206 0,0282 0,0015
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9990 0,9962 0,9880 0,9672 0,9217 0,8354 0,6943 0,4990 0,2798 0,0982 0,0109
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9975 0,9918 0,9764 0,9400 0,8647 0,7287 0,5203 0,2662 0,0581
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9987 0,9954 0,9858 0,9605 0,9009 0,7759 0,5497 0,2265
17 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9984 0,9944 0,9820 0,9464 0,8499 0,6028
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
19 0 0,3774 0,1351 0,0456 0,0144 0,0042 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9335 0,7054 0,4413 0,2369 0,1113 0,0462 0,0170 0,0055 0,0015 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9868 0,8850 0,6841 0,4551 0,2631 0,1332 0,0591 0,0230 0,0077 0,0022 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9980 0,9648 0,8556 0,6733 0,4654 0,2822 0,1500 0,0696 0,0280 0,0096 0,0028 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9998 0,9914 0,9463 0,8369 0,6678 0,4739 0,2968 0,1629 0,0777 0,0318 0,0109 0,0031 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9983 0,9837 0,9324 0,8251 0,6655 0,4812 0,3081 0,1727 0,0835 0,0342 0,0116 0,0031 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
7 1,0000 0,9997 0,9959 0,9767 0,9225 0,8180 0,6656 0,4878 0,3169 0,1796 0,0871 0,0352 0,0114 0,0028 0,0005 0,0000 0,0000 0,0000 0,0000
8 1,0000 1,0000 0,9992 0,9933 0,9713 0,9161 0,8145 0,6675 0,4940 0,3238 0,1841 0,0885 0,0347 0,0105 0,0023 0,0003 0,0000 0,0000 0,0000
9 1,0000 1,0000 0,9999 0,9984 0,9911 0,9674 0,9125 0,8139 0,6710 0,5000 0,3290 0,1861 0,0875 0,0326 0,0089 0,0016 0,0001 0,0000 0,0000
10 1,0000 1,0000 1,0000 0,9997 0,9977 0,9895 0,9653 0,9115 0,8159 0,6762 0,5060 0,3325 0,1855 0,0839 0,0287 0,0067 0,0008 0,0000 0,0000
11 1,0000 1,0000 1,0000 1,0000 0,9995 0,9972 0,9886 0,9648 0,9129 0,8204 0,6831 0,5122 0,3344 0,1820 0,0775 0,0233 0,0041 0,0003 0,0000
12 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9969 0,9884 0,9658 0,9165 0,8273 0,6919 0,5188 0,3345 0,1749 0,0676 0,0163 0,0017 0,0000
13 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9969 0,9891 0,9682 0,9223 0,8371 0,7032 0,5261 0,3322 0,1631 0,0537 0,0086 0,0002
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9972 0,9904 0,9720 0,9304 0,8500 0,7178 0,5346 0,3267 0,1444 0,0352 0,0020
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9978 0,9923 0,9770 0,9409 0,8668 0,7369 0,5449 0,3159 0,1150 0,0132
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9985 0,9945 0,9830 0,9538 0,8887 0,7631 0,5587 0,2946 0,0665
17 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9992 0,9969 0,9896 0,9690 0,9171 0,8015 0,5797 0,2453
18 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9989 0,9958 0,9856 0,9544 0,8649 0,6226
n x 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
20 0 0,3585 0,1216 0,0388 0,0115 0,0032 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7358 0,3917 0,1756 0,0692 0,0243 0,0076 0,0021 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9245 0,6769 0,4049 0,2061 0,0913 0,0355 0,0121 0,0036 0,0009 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9841 0,8670 0,6477 0,4114 0,2252 0,1071 0,0444 0,0160 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9974 0,9568 0,8298 0,6296 0,4148 0,2375 0,1182 0,0510 0,0189 0,0059 0,0015 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9997 0,9887 0,9327 0,8042 0,6172 0,4164 0,2454 0,1256 0,0553 0,0207 0,0064 0,0016 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9976 0,9781 0,9133 0,7858 0,6080 0,4166 0,2500 0,1299 0,0577 0,0214 0,0065 0,0015 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000
7 1,0000 0,9996 0,9941 0,9679 0,8982 0,7723 0,6010 0,4159 0,2520 0,1316 0,0580 0,0210 0,0060 0,0013 0,0002 0,0000 0,0000 0,0000 0,0000
8 1,0000 0,9999 0,9987 0,9900 0,9591 0,8867 0,7624 0,5956 0,4143 0,2517 0,1308 0,0565 0,0196 0,0051 0,0009 0,0001 0,0000 0,0000 0,0000
9 1,0000 1,0000 0,9998 0,9974 0,9861 0,9520 0,8782 0,7553 0,5914 0,4119 0,2493 0,1275 0,0532 0,0171 0,0039 0,0006 0,0000 0,0000 0,0000
10 1,0000 1,0000 1,0000 0,9994 0,9961 0,9829 0,9468 0,8725 0,7507 0,5881 0,4086 0,2447 0,1218 0,0480 0,0139 0,0026 0,0002 0,0000 0,0000
11 1,0000 1,0000 1,0000 0,9999 0,9991 0,9949 0,9804 0,9435 0,8692 0,7483 0,5857 0,4044 0,2376 0,1133 0,0409 0,0100 0,0013 0,0001 0,0000
12 1,0000 1,0000 1,0000 1,0000 0,9998 0,9987 0,9940 0,9790 0,9420 0,8684 0,7480 0,5841 0,3990 0,2277 0,1018 0,0321 0,0059 0,0004 0,0000
13 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9985 0,9935 0,9786 0,9423 0,8701 0,7500 0,5834 0,3920 0,2142 0,0867 0,0219 0,0024 0,0000
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9984 0,9936 0,9793 0,9447 0,8744 0,7546 0,5836 0,3828 0,1958 0,0673 0,0113 0,0003
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9985 0,9941 0,9811 0,9490 0,8818 0,7625 0,5852 0,3704 0,1702 0,0432 0,0026
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9987 0,9951 0,9840 0,9556 0,8929 0,7748 0,5886 0,3523 0,1330 0,0159
17 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9991 0,9964 0,9879 0,9645 0,9087 0,7939 0,5951 0,3231 0,0755
18 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9979 0,9924 0,9757 0,9308 0,8244 0,6083 0,2642
19 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9992 0,9968 0,9885 0,9612 0,8784 0,6415
Nota: 𝑺𝒊 𝒏 𝒆𝒔 𝒎𝒂𝒚𝒐𝒓 𝒒𝒖𝒆 𝟐𝟎, 𝒔𝒆 𝒖𝒕𝒊𝒍𝒊𝒛𝒂 𝑩𝒊𝒏𝒐𝒎𝒊𝒂𝒍 (𝒏𝒐 𝒂𝒄𝒖𝒎𝒖𝒍𝒂𝒅𝒂 𝒐 𝒂𝒄𝒖𝒎𝒖𝒍𝒂𝒅𝒂)𝒄𝒐𝒏 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒄𝒊ó𝒏 𝒂 𝒍𝒂 𝑫𝒊𝒔𝒕𝒓𝒊𝒃𝒖𝒄𝒊ó𝒏 𝑵𝒐𝒓𝒎𝒂𝒍.
𝒑 =? 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500 0,5000 0,5500 0,6000 0,6500 0,7000 0,7500 0,8000 0,8500 0,9000 0,9500
Lic. Julio Vargas Herbas **UAGRM** ESTADÍSTICA INFERENCIAL
CARRERAS: CONTADURÍA PÚBLICA-INFORMACIÓN Y CONTROL DE GESTIÓN 181
TABLA DE LA FUNCION GAMMA
∝
𝚪(∝) = ∫ 𝒙∝−𝟏 ∗ 𝒆−𝒙 ∗ 𝒅𝒙 ; 𝟏 <∝≤ 𝟓
𝟎
18 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51
19 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43
20 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37
21 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31
22 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26
23 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21
24 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17
25 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13
26 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09
27 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06
28 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03
29 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00
30 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98
31 7.53 5.36 4.48 3.99 3.67 3.45 3.28 3.15 3.04 2.96
32 7.50 5.34 4.46 3.97 3.65 3.43 3.26 3.13 3.02 2.93
33 7.47 5.31 4.44 3.95 3.63 3.41 3.24 3.11 3.00 2.91
34 7.44 5.29 4.42 3.93 3.61 3.39 3.22 3.09 2.98 2.89
35 7.42 5.27 4.40 3.91 3.59 3.37 3.20 3.07 2.96 2.88
36 7.40 5.25 4.38 3.89 3.57 3.35 3.18 3.05 2.95 2.86
37 7.37 5.23 4.36 3.87 3.56 3.33 3.17 3.04 2.93 2.84
38 7.35 5.21 4.34 3.86 3.54 3.32 3.15 3.02 2.92 2.83
39 7.33 5.19 4.33 3.84 3.53 3.30 3.14 3.01 2.90 2.81
40 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80
60 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63
100 6.90 4.82 3.98 3.51 3.21 2.99 2.82 2.69 2.59 2.50
120 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47
infinito 6.64 4.61 3.78 3.32 3.02 2.80 2.64 2.51 2.41 2.32
grados 7 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76
8 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30
de 9 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96
10 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72
libertad
11 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53
12 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37
del
13 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25
denominador 14 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15
15 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06
(dfd) 16 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99
17 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92
18 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87
19 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82
20 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77
21 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73
22 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70
23 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67
24 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64
25 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61
26 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59
27 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57
28 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55
grados 29 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53
30 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51
de 31 5.55 4.16 3.57 3.23 3.01 2.85 2.73 2.64 2.56 2.50
32 5.53 4.15 3.56 3.22 3.00 2.84 2.71 2.62 2.54 2.48
libertad
33 5.51 4.13 3.54 3.20 2.98 2.82 2.70 2.61 2.53 2.47
34 5.50 4.12 3.53 3.19 2.97 2.81 2.69 2.59 2.52 2.45
del
35 5.48 4.11 3.52 3.18 2.96 2.80 2.68 2.58 2.50 2.44
denominador 36 5.47 4.09 3.50 3.17 2.94 2.78 2.66 2.57 2.49 2.43
37 5.46 4.08 3.49 3.16 2.93 2.77 2.65 2.56 2.48 2.42
(dfd) 38 5.45 4.07 3.48 3.15 2.92 2.76 2.64 2.55 2.47 2.41
39 5.43 4.06 3.47 3.14 2.91 2.75 2.63 2.54 2.46 2.40
40 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39
60 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27
100 5.18 3.83 3.25 2.92 2.70 2.54 2.42 2.32 2.24 2.18
120 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16
inf 5.03 3.69 3.12 2.79 2.57 2.41 2.29 2.19 2.11 2.05
grados 7 4.67 4.57 4.47 4.41 4.36 4.31 4.25 4.20 4.14
8 4.20 4.10 4.00 3.95 3.89 3.84 3.78 3.73 3.67
de 9 3.87 3.77 3.67 3.61 3.56 3.51 3.45 3.39 3.33
10 3.62 3.52 3.42 3.37 3.31 3.26 3.20 3.14 3.08
libertad
11 3.43 3.33 3.23 3.17 3.12 3.06 3.00 2.94 2.88
12 3.28 3.18 3.07 3.02 2.96 2.91 2.85 2.79 2.73
del
13 3.15 3.05 2.95 2.89 2.84 2.78 2.72 2.66 2.60
denominador 14 3.05 2.95 2.84 2.79 2.73 2.67 2.61 2.55 2.49
15 2.96 2.86 2.76 2.70 2.64 2.59 2.52 2.46 2.40
(dfd) 16 2.89 2.79 2.68 2.63 2.57 2.51 2.45 2.38 2.32
17 2.82 2.72 2.62 2.56 2.50 2.44 2.38 2.32 2.25
18 2.77 2.67 2.56 2.50 2.44 2.38 2.32 2.26 2.19
19 2.72 2.62 2.51 2.45 2.39 2.33 2.27 2.20 2.13
20 2.68 2.57 2.46 2.41 2.35 2.29 2.22 2.16 2.09
21 2.64 2.53 2.42 2.37 2.31 2.25 2.18 2.11 2.04
22 2.60 2.50 2.39 2.33 2.27 2.21 2.14 2.08 2.00
23 2.57 2.47 2.36 2.30 2.24 2.18 2.11 2.04 1.97
24 2.54 2.44 2.33 2.27 2.21 2.15 2.08 2.01 1.94
25 2.51 2.41 2.30 2.24 2.18 2.12 2.05 1.98 1.91
26 2.49 2.39 2.28 2.22 2.16 2.09 2.03 1.95 1.88
27 2.47 2.36 2.25 2.19 2.13 2.07 2.00 1.93 1.85
28 2.45 2.34 2.23 2.17 2.11 2.05 1.98 1.91 1.83
grados 29 2.43 2.32 2.21 2.15 2.09 2.03 1.96 1.89 1.81
30 2.41 2.31 2.20 2.14 2.07 2.01 1.94 1.87 1.79
de 31 2.40 2.29 2.18 2.12 2.06 1.99 1.92 1.85 1.77
32 2.38 2.28 2.16 2.10 2.04 1.98 1.91 1.83 1.75
libertad
33 2.37 2.26 2.15 2.09 2.03 1.96 1.89 1.81 1.73
34 2.35 2.25 2.13 2.07 2.01 1.95 1.88 1.80 1.72
del
35 2.34 2.23 2.12 2.06 2.00 1.93 1.86 1.79 1.70
denominador 36 2.33 2.22 2.11 2.05 1.99 1.92 1.85 1.77 1.69
37 2.32 2.21 2.10 2.04 1.97 1.91 1.84 1.76 1.67
(dfd) 38 2.31 2.20 2.09 2.03 1.96 1.90 1.82 1.75 1.66
39 2.30 2.19 2.08 2.02 1.95 1.89 1.81 1.74 1.65
40 2.29 2.18 2.07 2.01 1.94 1.88 1.80 1.72 1.64
60 2.17 2.06 1.94 1.88 1.82 1.74 1.67 1.58 1.48
100 2.08 1.97 1.85 1.78 1.71 1.64 1.56 1.46 1.35
120 2.05 1.94 1.82 1.76 1.69 1.61 1.53 1.43 1.31
inf 1.95 1.83 1.71 1.64 1.57 1.49 1.39 1.27 1.04
𝒂𝒍𝒇𝒂 = 𝟎, 𝟎𝟓 F ~ F(dfn,dfd)
grados de libertad del numerador (dfn)
1 2 3 4 5 6 7 8 9 10
1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74
grados
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64
de
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35
libertad 9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98
del 11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75
denominador
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67
(dfd) 14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20
grados
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18
de
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16
libertad 31 4.16 3.30 2.91 2.68 2.52 2.41 2.32 2.25 2.20 2.15
32 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14
del 33 4.14 3.28 2.89 2.66 2.50 2.39 2.30 2.23 2.18 2.13
34 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12
denominador
35 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11
(dfd) 36 4.11 3.26 2.87 2.63 2.48 2.36 2.28 2.21 2.15 2.11
37 4.11 3.25 2.86 2.63 2.47 2.36 2.27 2.20 2.14 2.10
38 4.10 3.24 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09
39 4.09 3.24 2.85 2.61 2.46 2.34 2.26 2.19 2.13 2.08
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99
100 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.97 1.93
120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91
inf 3.84 3.00 2.61 2.37 2.21 2.10 2.01 1.94 1.88 1.83
grados 28 2.12 2.04 1.96 1.91 1.87 1.82 1.77 1.71 1.65
29 2.10 2.03 1.94 1.90 1.85 1.81 1.75 1.70 1.64
de 30 2.09 2.01 1.93 1.89 1.84 1.79 1.74 1.68 1.62
31 2.08 2.00 1.92 1.88 1.83 1.78 1.73 1.67 1.61
libertad
32 2.07 1.99 1.91 1.86 1.82 1.77 1.71 1.66 1.60
33 2.06 1.98 1.90 1.85 1.81 1.76 1.70 1.64 1.58
del
34 2.05 1.97 1.89 1.84 1.80 1.75 1.69 1.63 1.57
denominador 35 2.04 1.96 1.88 1.83 1.79 1.74 1.68 1.62 1.56
36 2.03 1.95 1.87 1.82 1.78 1.73 1.67 1.61 1.55
(dfd) 37 2.02 1.95 1.86 1.82 1.77 1.72 1.66 1.60 1.54
38 2.02 1.94 1.85 1.81 1.76 1.71 1.65 1.59 1.53
39 2.01 1.93 1.85 1.80 1.75 1.70 1.65 1.58 1.52
40 2.00 1.92 1.84 1.79 1.74 1.69 1.64 1.58 1.51
60 1.92 1.84 1.75 1.70 1.65 1.59 1.53 1.47 1.39
100 1.85 1.77 1.68 1.63 1.57 1.52 1.45 1.38 1.28
120 1.83 1.75 1.66 1.61 1.55 1.50 1.43 1.35 1.26
inf 1.75 1.67 1.57 1.52 1.46 1.40 1.32 1.22 1.03
grados 7 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70
8 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56 2.54
de 9 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42
10 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32
libertad
11 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27 2.25
12 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19
del
13 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16 2.14
denomin. 14 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12 2.10
15 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06
(dfd) 16 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06 2.03
17 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03 2.00
18 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00 1.98
19 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98 1.96
20 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94
21 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95 1.92
22 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93 1.90
23 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92 1.89
24 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91 1.88
25 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89 1.87
26 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88 1.86
27 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87 1.85
28 2.89 2.50 2.29 2.16 2.06 2.00 1.94 1.90 1.87 1.84
29 2.89 2.50 2.28 2.15 2.06 1.99 1.93 1.89 1.86 1.83
grados 30 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82
31 2.87 2.48 2.27 2.14 2.04 1.97 1.92 1.88 1.84 1.81
de 32 2.87 2.48 2.26 2.13 2.04 1.97 1.91 1.87 1.83 1.81
33 2.86 2.47 2.26 2.12 2.03 1.96 1.91 1.86 1.83 1.80
libertad
34 2.86 2.47 2.25 2.12 2.02 1.96 1.90 1.86 1.82 1.79
del 35 2.85 2.46 2.25 2.11 2.02 1.95 1.90 1.85 1.82 1.79
36 2.85 2.46 2.24 2.11 2.01 1.94 1.89 1.85 1.81 1.78
denomin. 37 2.85 2.45 2.24 2.10 2.01 1.94 1.89 1.84 1.81 1.78
38 2.84 2.45 2.23 2.10 2.01 1.94 1.88 1.84 1.80 1.77
39 2.84 2.44 2.23 2.09 2.00 1.93 1.88 1.83 1.80 1.77
40 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79 1.76
60 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71
100 2.76 2.36 2.14 2.00 1.91 1.83 1.78 1.73 1.69 1.66
120 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65
inf 2.71 2.30 2.08 1.95 1.85 1.77 1.72 1.67 1.63 1.60
grados 7 2.67 2.63 2.59 2.58 2.56 2.54 2.51 2.49 2.47
8 2.50 2.46 2.42 2.40 2.38 2.36 2.34 2.32 2.29
de 9 2.38 2.34 2.30 2.28 2.25 2.23 2.21 2.18 2.16
10 2.28 2.24 2.20 2.18 2.16 2.13 2.11 2.08 2.06
libertad
11 2.21 2.17 2.12 2.10 2.08 2.05 2.03 2.00 1.97
12 2.15 2.10 2.06 2.04 2.01 1.99 1.96 1.93 1.90
del
13 2.10 2.05 2.01 1.98 1.96 1.93 1.90 1.88 1.85
denomin. 14 2.05 2.01 1.96 1.94 1.91 1.89 1.86 1.83 1.80
15 2.02 1.97 1.92 1.90 1.87 1.85 1.82 1.79 1.76
(dfd) 16 1.99 1.94 1.89 1.87 1.84 1.81 1.78 1.75 1.72
17 1.96 1.91 1.86 1.84 1.81 1.78 1.75 1.72 1.69
18 1.93 1.89 1.84 1.81 1.78 1.75 1.72 1.69 1.66
19 1.91 1.86 1.81 1.79 1.76 1.73 1.70 1.67 1.63
20 1.89 1.84 1.79 1.77 1.74 1.71 1.68 1.64 1.61
21 1.87 1.83 1.78 1.75 1.72 1.69 1.66 1.62 1.59
22 1.86 1.81 1.76 1.73 1.70 1.67 1.64 1.60 1.57
23 1.84 1.80 1.74 1.72 1.69 1.66 1.62 1.59 1.55
24 1.83 1.78 1.73 1.70 1.67 1.64 1.61 1.57 1.53
25 1.82 1.77 1.72 1.69 1.66 1.63 1.59 1.56 1.52
26 1.81 1.76 1.71 1.68 1.65 1.61 1.58 1.54 1.50
27 1.80 1.75 1.70 1.67 1.64 1.60 1.57 1.53 1.49
28 1.79 1.74 1.69 1.66 1.63 1.59 1.56 1.52 1.48
29 1.78 1.73 1.68 1.65 1.62 1.58 1.55 1.51 1.47
grados 30 1.77 1.72 1.67 1.64 1.61 1.57 1.54 1.50 1.46
31 1.77 1.71 1.66 1.63 1.60 1.56 1.53 1.49 1.45
de 32 1.76 1.71 1.65 1.62 1.59 1.56 1.52 1.48 1.44
33 1.75 1.70 1.64 1.61 1.58 1.55 1.51 1.47 1.43
libertad
34 1.75 1.69 1.64 1.61 1.58 1.54 1.50 1.46 1.42
del 35 1.74 1.69 1.63 1.60 1.57 1.53 1.50 1.46 1.41
36 1.73 1.68 1.63 1.60 1.56 1.53 1.49 1.45 1.40
denomin. 37 1.73 1.68 1.62 1.59 1.56 1.52 1.48 1.44 1.40
38 1.72 1.67 1.61 1.58 1.55 1.52 1.48 1.44 1.39
39 1.72 1.67 1.61 1.58 1.55 1.51 1.47 1.43 1.38
40 1.71 1.66 1.61 1.57 1.54 1.51 1.47 1.42 1.38
60 1.66 1.60 1.54 1.51 1.48 1.44 1.40 1.35 1.29
100 1.61 1.56 1.49 1.46 1.42 1.38 1.34 1.28 1.22
120 1.60 1.55 1.48 1.45 1.41 1.37 1.32 1.26 1.19
inf 1.55 1.49 1.42 1.38 1.34 1.30 1.24 1.17 1.03