Ejercicios Tema 3. Variable aleatoria.

Distribuciones de
probabilidad.

Asignatura Estadı́stica.
Escuela Superior de Ingenierı́a.

Grado en Ingenierı́a Informática.

Grado en Ingenierı́a en Tecnologı́as Industriales.

Gema Pigueiras Voces

Marzo 2011
ii

1. Obtener la función de distribución correspondiente a la variable aleatoria X = ”número de resul-

tados pares obtenidos al lanzar un dado 5 veces”.
Solución:
Puesto que X es una v.a. discreta, consideramos los valores x : 0, 1, 2, 3, 4, 5 que son los que puede
tomar con probabilidad no nula.

Tenemos que:
1
Fx (0) = P [X ≤ 0] = P [X = 0] = 32 ;
1 5 6
Fx (1) = P [X ≤ 1] = P [X = 0] + P [X = 1] = 32 + 32 = 32 ;
16
Fx (2) = 32 ;
26
Fx (3) = 32 ;
31
Fx (4) = 32 ;
Fx (5) = 1.

Por otra parte:

Fx (x) = 0 si x < 0
Fx (x) = 1 si x > 5

Finalmente tenemos que la función de distribución es:



 0 si x < 0
1/32 si 0 ≤ x < 1




 6/32 si 1 ≤ x < 2


Fx (x) = P [X ≤ x] = 16/32 si 2 ≤ x < 3
26/32 si 3 ≤ x < 4




31/32 si 4 ≤ x < 5




1 si x > 5


2. Dada la función f definida de la forma:


 0 si x ≤ a
1
f (x) = b−a si a < x < b
0 si b ≤ x


Se pide:

a) Demostrar que es una función de densidad.

b) Calcular su función de distribución.
c) Calcular la media y la varianza.

Solución:

a) Para demostrar que es función de densidad hay que comprobar que la función es siempre
mayor o igual que cero y que la integral de la función sobre R vale 1.

Obviamente la primera condición se cumple porque estamos suponiendo implı́citamente que

a < b con lo que la función vale 0 en dos regiones y una cantidad positiva en otra región.

Calculemos la integral de la densidad:

R +∞ Ra Rb R +∞ Rb 1 x b
−∞
f (x)dx = −∞
f (x)dx + a
f (x)dx + b
f (x)dx = 0 + a b−a
dx + 0 = [ b−a ]a = 1
 iii

b) 1) Para x ≤ a tenemos que la integral vale 0.

2) Para a < x < b tenemos:

Z x a x
x−a
Z Z
t x
F (x) = f (t)dt = f (t)dt + f (t)dt = [ ] =
−∞ −∞ a b−a a b−a

3) Para x ≥ b tenemos:
Z x Z a Z b Z x
x b
F (x) = f (t)dt = f (t)dt + f (t)dt + f (t)dt = [ ] =1
−∞ −∞ a b b−a a

Por ello la función de distribución es la siguiente:


 0 si x ≤ a
x−a
F (x) = si a < x < b
 b−a
1 si b ≤ x

a+b (b−a)2
c) E[X] = 2 y V ar[X] = 12

3. Sea X una v.a. continua con función de densidad dada por:


kx si 0 ≤ x ≤ 2
f (x) =
0 en otro caso

Se pide:

a) El valor de la constante k.
b) La función de distribución F (x), la media y la varianza.
c) Las siguientes probabilidades: P [X ≤ 1, 2], P [0, 8 ≤ X], P [1 ≤ X ≤ 1, 5].
d ) Calcular la mediana, el primer cuartil y la moda.

Solución:
R +∞ R0 R2
a) Por ser f(x) función de densidad tenemos que: 1 = −∞
f (x)dx = −∞
f (x)dx + 0
f (x)dx +
R +∞ R2 2

2
f (x)dx = 0 kxdx = [ kx2 ]20 = 2k
de donde se deduce que k = 12 .
Rx
b) Puesto que F (x) = −∞
f (t)dt tenemos que:

 0 si x < 0
F (x) = x2
4 si 0 ≤ x ≤ 2
1 si x > 2


c) Las probabilidades vendrán dadas por:

1, 22
P [X ≤ 1, 2] = F (1, 2) == 0, 36
4
P [0, 8 ≤ X] = 1 − P [X < 0, 8] = 1 − F (0, 8 − 0) = 0, 84
P [1 ≤ X ≤ 1, 5] = F (1, 5) − F (1 − 0) = 0, 3125
iv

2 √
d ) F (M e) = 21 por tanto M4e = 12 luego M e2 = 2 y M e = 2
Mo = 2
Q2
F (Q1 ) = 14 luego 41 = 14 por tanto Q1 = 1

4. Dada la v.a. X definida por su función de distribución,

si x ≤ 2

 0
(x−2)3
F (x) = 8 si 2 < x < 4
si 4 ≤ x

1

Se pide:

a) Su función de densidad.
b) Las siguientes probabilidades:

P [3 ≤ X], P [X < 3], P [1 < X < 3], P [X > 4]

Solución:

a) Para calcular la función de densidad procedemos a derivar su función de distribución con lo

que obtenemos:
(
3(x−2)2
f (x) = 8 si 2 < x < 4
0 en el resto

b) Con ayuda de la función de distribución tenemos:

P [3 ≤ X] = 1 − F (3 − 0) = 7/8
P [X < 3] = F (3 − 0) = 1/8
P [1 < X < 3] = F (3 − 0) − F (1) = 1/8
P [X > 4] = 1 − F (4) = 0

5. Sea la variable aleatoria continua X con función de densidad

x+2

6 para 0 < x < 2
f (x) =
0 en otro caso
X
Obtener la distribución de la variable aleatoria transformada Y = 3 + 1.
Solución:
La distribución de la nueva v.a. estará determinada cuando conozcamos su función de densidad o
su función de distribución. Tenemos que:

X
Fy (y) = P [Y ≤ y] = P [ + 1 ≤ y] = P [X ≤ 3(y − 1)] = Fx (3(y − 1))
3
Integrando la función de densidad de X tenemos que la función de distribución de dicha v.a. es:

 0 si x ≤ 0
Fx (x) = x2 x
12 + 3 si 0 < x < 2
1 si x ≥ 2


Por tanto,
 v

si 3(y − 1) ≤ 0

 0
(3(y−1))2 3(y−1)
Fy (y) = Fx (3(y − 1)) = 12 + 3 si 0 < 3(y − 1) < 2
si 3(y − 1) ≥ 2

1

o, lo que es lo mismo,

 0 si y ≤ 1
3 5
Fy (y) = 4 (y − 1)2 + (y − 1) si 1 < y < 3
1 si y ≥ 53


Derivando obtenemos la función de densidad

3y−1
si 1 < y < 53

fy (y) = 2
0 en otro caso

6. Consideremos el experimento aleatorio consistente en lanzar un dado al aire dos veces. Sean las
variables aleatorias

X = “Resultado obtenido en el primer lanzamiento”

Y = “Número de resultados pares obtenidos”

Se pide:

a) La función de probabilidad conjunta.

b) Las distribuciones marginales.
c) La función de distribución conjunta.
d ) La función de probabilidad de X condicionada al valor 0 de la v.a. Y .

Solución:

a) Los puntos muestrales asociados a nuestro experimento son:

1 2 3 4 5 6
1 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
2 (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
3 (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
4 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
5 (5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
6 (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)

Teniendo en cuenta que la función de probabilidad conjunta es

PX,Y (x, y) = P [X = x; Y = y]

se tiene que,
3
PX,Y (1, 0) = P [X = 1; Y = 0] = 36
PX,Y (2, 0) = 0
3
PX,Y (3, 0) = 36
PX,Y (4, 0) = 0
...

3
PX,Y (1, 1) = 36
3
PX,Y (2, 1) = 36
vi

...

PX,Y (1, 2) = 0
3
PX,Y (2, 2) = 36
...

Que presentado en forma de tabla, serı́a:

Y \X 1 2 3 4 5 6
0 3/36 0 3/36 0 3/36 0
1 3/36 3/36 3/36 3/36 3/36 3/36
2 0 3/36 0 3/36 0 3/36

b) Sumando las probabilidades por columnas y filas obtenemos las distribuciones marginales:

Y \X 1 2 3 4 5 6 PY (y)
0 3/36 0 3/36 0 3/36 0 9/36
1 3/36 3/36 3/36 3/36 3/36 3/36 18/36
2 0 3/36 0 3/36 0 3/36 9/36
PX (x) 1/6 1/6 1/6 1/6 1/6 1/6 1

c) La función de distribución conjunta viene dada por

X X
FX,Y (x, y) = P [X ≤ x; Y ≤ y] = PX,Y (x, y)
X≤x Y ≤y

Ası́, por ejemplo,

XX 15
FX,Y (3, 1) = P [X ≤ 3; Y ≤ 1] = PX,Y (x, y) =
36
x≤3 y≤1

Por tanto la tabla de distribución conjunta serı́a:

x<1 1≤x<2 2≤x<3 3≤x<4 4≤x<5 5≤x<6 x≥6

y<0 0 0 0 0 0 0 0
0≤y<1 0 3/36 3/36 6/36 6/36 9/36 9/36
1≤y<2 0 6/36 9/36 15/36 18/36 24/36 27/36
y≥2 0 6/36 12/36 18/36 24/36 30/36 1

d ) Tenemos que
PX,Y (1,0) 3/36 1
P [X = 1/Y = 0] = PY (0) = 9/36 = 3
PX,Y (2,0) 0
P [X = 2/Y = 0] = PY (0) = 9/36 =0
PX,Y (3,0) 3/36 1
P [X = 3/Y = 0] = PY (0) = 9/36 = 3
...

Que resumido en forma de tabla es:

X/Y = 0 1 2 3 4 5 6
1 1 1
p(x/Y = 0) 3 0 3 0 3 0

7. Consideremos el experimento aleatorio consistente en lanzar un dado dos veces, y las variables alea-
torias X = “menor numero obtenido” e Y = “número de resultados pares obtenidos”. La función
de probabilidad conjunta y las correspondientes marginales vienen dadas por la siguiente tabla:
 vii

Y \X 1 2 3 4 5 6 Py (y)
0 5/36 0 3/36 0 1/36 0 9/36
1 6/36 4/36 4/36 2/36 2/36 0 18/36
2 0 5/36 0 3/36 0 1/36 9/36
Px (x) 11/36 9/36 7/36 5/36 3/36 1/36 1

a) Calcular la distribución de la v.a. X + Y .

b) Calcular E[X + Y ] y comprobar que E[X + Y ] = E[X] + E[Y ].

Solución

a) La variable suma tomas los valores: 1, 2, 3, 4, 5, 6, 7 y 8. Vamos a obtener entonces la función

de probabilidad de X + Y .

5
P [X + Y = 1] = P [X = 1; Y = 0] = 36
6
P [X + Y = 2] = P [X = 1; Y = 1] + P [X = 2; Y = 0] = 36
...

La distribución de la v.a. X + Y es, por tanto,

X +Y 1 2 3 4 5 6 7 8
5 6 7 9 3 5 1
PX+Y (x + y) 36 36 36 36 36 36 0 36

b) Por un lado tenemos que

5 6 127
E[X + Y ] = + 2 + ... =
36 36 36
Para comprobar lo que nos piden determinaremos los valores de E[X] y E[Y ] a partir de las
distribuciones marginales de X e Y . Por tanto,

11 9 7 91
E[X] = + 2 + 3 + ... =
36 36 36 36

18 9
E[Y ] = 0 + +2 =1
36 36

Se verifica, por tanto,

127 91
=1+
36 36
8. Consideremos las variables aleatorias X e Y , cuya función de probabilidad conjunta, ası́ como las
correspondientes distribuciones marginales vienen dadas por la siguiente tabla:

Y \X -10 0 10 Py (y)
0 1/6 1/12 1/12 1/3
1 1/18 1/36 1/36 1/9
2 5/18 5/36 5/36 5/9
Px (x) 1/2 1/4 1/4 1

a) ¿Son X e Y independientes?
b) Obtener la distribución de la variable aleatoria producto XY .
c) Calcular E[XY ] y comprobar que E[XY ] = E[X]E[Y ].
viii

Solución

a) Son independientes.
1 11
b) PX,Y (−10, 0) = 6 = 32 = PY (0)PX (−10)

Ası́ se comprueba que PX,Y (xi , yj ) = PY (yj )PX (xi )∀i = 1, 2, 3j = 1, 2, 3 por lo que son
independientes.
c) La variable aleatoria producto tomará con probabilidad no nula los valores: −20, −10, 0, 10y20.

5
P [XY = −20] = P [X = −10; Y = 2] = 18 ...

La distribución de la v.a. XY es, por tanto,

XY -20 -10 0 10 20
PXY 10/36 2/36 18/36 1/36 5/36

d ) Procediendo de forma totalmente análoga al ejercicio anterior tenemos que,

E[XY ] = −110
36
E[X] = −52
E[Y ] = 11
9

Luego se verifica.

9. Se eligen al azar e independientemente dos números X e Y dentro del intervalo (0, 1). Se pide
calcular las probabilidades de los sucesos {Y < 2X} e {Y ≥ X}.
Solución
Para calcular las probabilidades deseadas, vamos a integrar la función de densidad conjunta de
la variable (X, Y ) en las regiones definidas. Por lo tanto, en primer lugar, habrá que determinar
dicha densidad. Como los números se eligen al azar dentro del intervalo (0, 1), todos ellos tendrán
la misma probabilidad. Ası́ su función de densidad será constante en el intervalo (0, 1) y nula en
el resto. Imponiendo que sea función de densidad obtenemos que dicha constante vale 1. Además,
debido las dos variables son independientes, la función de densidad conjunta será el producto de
las marginales y por lo tanto vendrá dada por:


1 si 0 < x, y < 1
f (x, y) =
0 en otro caso

La primera probabilidad será por tanto:

R ∞ R 2x R 0 R 2x R 1 R 2x R ∞ R 2x
P [Y < 2X] = −∞ −∞ f (x, y)dydx = { −∞ −∞ + 0 −∞ + 1 −∞ }f (x, y)dydx

La primera y la última integral son nulas ya que x está fuera del intervalo (0, 1), por tanto,

R1R0 R 1 R 2x R 0,5 R 2x R 1 R 1 R 1 R 2x R 0,5

P [Y < 2X] = { 0 −∞ + 0 0 }f (x, y)dydx = 0 0
+ 0,5 0 + 0,5 1 }f (x, y)dydx = 0 2xdx+
0, 5 = 0, 25 + 0, 5 = 0, 75
 ix

Por otro lado,

R∞ R∞ R0 R∞ R1R∞ R∞R∞ R1R∞
P [Y ≥ X] = −∞ x f (x, y)dydx = { −∞ x + 0 x + 1 x }f (x, y)dydx = 0 x f (x, y)dydx =
R1R1 R1R∞ R1 2
{ 0 x + 0 1 }f (x, y)dydx = 0 (1 − x)dx = [x − x2 ]10 = 0, 5
10. De un total de de 2000 familias con 4 hijos cada una, calcula el número de familias en las que cabe
esperar que haya:

a) 2 niños
b) 1 ó 2 niños.
c) Ninguna niña.
d ) Al menos un niño.

Solución:

a) Tenemos que calcular el número esperado de familias entre las 2000 que tienen 4 hijos que
tengan 2 niños.

Para ello en primer lugar vamos a considerar la variable ”número de niños en una familia con 4
hijos”. Es claro que el sexo de cada hijo en cada embarazo es independiente y vamos a suponer
la probabilidad de hijo de embarazo a embarazo 1/2. Ası́ esta variable que denotaremos por X
tendrá distribución B(4, 1/2). Tenemos entonces que la probabilidad de que una familia con
4 hijos tenga 2 niños es:
 
4 1 2 1 2
P [X = 2] = ( ) ( ) = 0, 375
2 2 2
Ahora, la variable que mide el número de familias con 4 hijos que tienen 2 niños entre las 2000
tiene una distribución B(2000; 0, 375) por lo que su esperanza vale

E[Y ] = np = 20000, 375 = 750 familias

b) Al igual que antes, primero vamos a calcular la probabilidad de que una familia con 4 hijos
tenga 1 ó 2 niños que es

P [X ≤ 2] = 0,625
Por tanto hay que calcular la esperanza de la variable Z ∼ B(2000; 0, 625) que valdrá

E[Z] = np = 20000, 625 = 1250 familias

x

c) Mediante un procedimiento análogo hay que calcular la esperanza de una B(2000; 0, 0675) y
tenemos 125 familias.
d ) De la misma forma la esperanza de una distribución B(2000; 0, 9375) y tenemos 1875 familias.

11. En un cierto colegio se sabe que en el curso de COU, el 40 % de los alumnos suspenden, el 35 %
obtienen aprobado, el 20 % notable y el 5 % sobresaliente. De un grupo de 10 amigos de COU. Se
pide calcular las probabilidades de que:

a) Al menos 3 no suspenden.
b) 7 de ellos no obtengan sobresaliente.
c) Como máximo 7 obtienen menos de notable.

Solución:

a) X =“número de alumnos que aprueban”

P [“aprobar”] = 1 − P [“suspender”] = 1 − 0, 4 = 0, 6
Por tanto X ∼ B(10; 0, 6) y se tiene que P [X ≥ 3] = 0, 9707.

b) Y =“número de alumnos que no obtienen sobresaliente”

P [“no obtener sobresaliente”] = 1 − P [“obtener sobresaliente”] = 1 − 0, 05 = 0, 95
Por tanto Y ∼ B(10; 0, 95) y se tiene que P [Y = 7] = 0, 01.

c) Z =“número de alumnos que obtienen menos de notable”

P [“obtener menos de notable”] = P [“obtener un suspenso”] +
P [“obtener un aprobado”] = 0, 4 + 0, 35 = 0, 75
Por tanto Z ∼ B(10; 0, 75) y se tiene que P [Z ≤ 7] = 0, 4744.

12. Un opositor se presenta a una prueba en la que se eligen al azar 6 temas de un total de 50, de los
cuales tiene que contestar correctamente como mı́nimo 2 temas para superar la prueba.

a) Si se sabe correctamente 30 temas, ¿con qué probabilidad superará la prueba?

b) ¿Cuántos temas como mı́nimo se deberı́a estudiar para superar la prueba con una probabilidad
del 95 %?

Solución:
La distribución de la variable X =”número de temas que se sabe correctamente y que le tocan en
examen.es una hipergeométrica, H(50; 6; a) donde a es el número de temas que se sabe correcta-
mente.

a) X ∼ H(50; 6; 30), luego

30 20 30 20





0 6 1 5
P [X ≥ 2] = 1 − P [X < 2] = 1 − P [X = 0] − P [X = 1] = 1 − 50

− 50

= 0, 9683
6 6

b) Para contestar a esta pregunta hay que calcular P [X ≥ 2] en distintas distribuciones hiper-
geométricas cambiando el valor de a. Con a = 30 hemos obtenido 0,9683 que es superior a
0.95 por tanto vamos a tomar a = 29 y obtenemos:

P [X ≥ 2] = 0, 9594
Para a = 28 tenemos:
 xi

P [X ≥ 2] = 0, 9489
por ello, deberı́a estudiar al menos 29 temas para superar el examen con una probabilidad
superior al 95 %.

13. Al finalizar las pruebas de selectividad, uno de los tribunales comprobó que de 250 alumnos pre-
sentados, 200 obtuvieron una calificación inferior a 6. Supuesta normal la distribución de las cali-
ficaciones, con una desviación tı́pica de 2,5:

a) Calcula la media de las calificaciones.

b) Si se consideran suspensos los que han obtenido una calificación inferior a 5, ¿qué tanto por
ciento de suspensos habrá habido?

Solución:

a) Puesto que 200 de los 250 alumnos obtuvieron una calificación inferior a 6 sabemos que:

200 6−µ
= 0, 8 = P [X < 6] = P [z < ]
250 2, 5
pero el valor de la N (0, 1) que deja a su izquierda una probabilidad de 0,8 es z0,8 = 0, 842,
con lo que despejando el valor de µ, se tiene que µ = 3, 895.
b) Se trata de calcular:

5 − 3, 895
P [X < 5] = P [z < ] = P [z < 0, 406] = 0, 6576
2, 5
es decir, al menos del 66 %.

14. La dimensión principal de ciertas piezas tiene distribución N (150, σ = 0, 4) y el intervalo de tole-
rancia es (149, 2; 150, 4). Se pide:

a) Calcular la proporción de piezas que estarán en el intervalo de tolerancia.

b) Si se toman 50 piezas, calcular la probabilidad de que al menos 44 de ellas estén en el intervalo
de tolerancia.

Solución:

a) En primer lugar se trata de calcular:

P [149, 2 ≤ X ≤ 150, 4] = P [ 149,2−150

0,4 ≤ z ≤ 150,4−150
0,4 ]=
P [−2 ≤ z ≤ 1] = Φ(1) − Φ(−2) = 0, 8413 − (1 − 0, 9772) = 0, 8185

b) Sabiendo que la probabilidad de que una pieza esté en el intervalo de tolerancias es de

p = 0, 8185, la distribución del número de piezas en el intervalo para una muestra de 50
piezas es B(50; 0, 8185) ∼
= N (40, 925; 7, 4278) por lo que la probabilidad pedida es:

P [XB ≥ 44] ' P [XN ≥ 43, 5] = P [z ≥ 43,5−40,925

√
7,4278
]=
P [z ≥ 0, 9448] = 1 − Φ(0, 9448) = 0, 1724

15. En una zona de España se pueden modelar las magnitudes de los terremotos mediante una distri-
bución exponencial de media 2,4 en la escala de Richter. Calcula la probabilidad de que el siguiente
temblor que se presente en esa zona sea:

a) Mayor que 4,5 en dicha escala.

xii

b) Entre 2 y 3 grados en la escala.

c) Si se dan independientemente 30 temblores, probabilidad de que al menos uno tenga intensidad
mayor que 6,5.

Solución:
1 1
En todos los apartados usaremos una exponencial de parámetro λ = 2,4 ya que E[X] = λ

4,5
a) P [X > 4, 5] = 1 − F (4, 5) = 1 − (1 − e− 2,4 ) = 0, 1533

3 2
b) P [2 < X < 3] = F (3) − F (2) = (1 − e− 2,4 ) − (1 − e− 2,4 ) = 0, 1481

1
c) Suponiendo que Xi ∼ Exp( 2,4 )∀i, i = 1 . . . 30, calcularemos:

P [∃Xi > 6, 5] = 1 − P [ningúnXi > 6, 5] = 1 − (P [X1 ≤ 6, 5] · P [X2 ≤ 6, 5] . . . P [X30 ≤ 6, 5]) =

6,5
1 − (P [X1 ≤ 6, 5])30 = 1 − (1 − e− 2,4 )30 = 0, 8737

16. El promedio de llamadas telefónicas atendidas en la centralita de una cierta Facultad es de 36

llamadas por hora. Calcular la probabilidad de que en un periodo de 5 minutos,

a) Se atiendan 5 llamadas.
b) Se atiendan más de 2 llamadas.
c) Calcular la probabilidad de que en un periodo de 3 horas el número de llamadas atendidas
esté comprendido entre 80 y 100, ambos inclusive.

Solución:
Como el promedio de llamadas en una hora es de 36, el promedio de llamadas en 5 minutos será de
3, por tanto, la v.a. X =”número de llamadas en un periodo de 5 minutos” sigue una distribución
de Poisson de parámetro λ = 3.

e−3 35
a) P [X = 5] = 5! = 0, 1008

−3 0
e−3 31
b) P [X > 2] = 1 − P [X ≤ 2] = 1 − (P [X = 0] + P [X = 1] + P [X = 2]) = 1 − ( e 0!
3
+ 1! +
e−3 32
2! ) = 0, 5768

c) El promedio de llamadas telefónicas en un periodo de 3 horas será 36 · 3 = 108. Por tanto,

la v.a. X =”número de llamadas atendidas en 3 horas”seguirá una distribución de Poisson
P (108). Al ser λ mayor que 10 podemos utilizar la aproximación a la Normal:

P (108) −→ N (108; 10, 39)

y calcular:

P [80 ≤ X ≤ 100] ∼= P [79, 5 ≤ X ∗ ≤ 100, 5] = P [ 79,5−108

10,39 ≤ Z ≤ 100,5−108
10,39 ] = P [−2, 74 ≤ Z ≤
−0, 72] = Φ(2, 74) − Φ(0, 72) = 0,2327
El valor exacto (se puede calcular con Excel, R, Statgraphics...) es 0,23549.