Está en la página 1de 51

EJERCICIOS DE ESTAD

ISTICA
I.T.O.P.
Alberto Luce no
Fco. Javier Gonzalez
Universidad de Cantabria
1. ESTAD

ISTICA DESCRIPTIVA
1. Estadstica descriptiva
1.
En un estudio entre 145 familias, se ha observado que el n umero de hijos se distribuye de la siguiente
manera:
hijos 0 1 2 3 4 5 6 7 8
frecuencia 31 25 35 20 0 16 12 5 1
Se pide:
a) Hacer un diagrama de barras.
b) Calcular, la media, la moda, la mediana y la desviacion tpica.
x = 2,41, Mo = 2, Me = 2, Sx = 2,11
2.
En diferentes das se ha observado el n umero de veces que ha sonado la alarma en un servicio de
bomberos, obteniendose los siguientes datos:
{5, 3, 1, 5, 3, 6, 4, 2, 5, 6, 3, 6, 5, 2, 6, 7, 3}
Se pide:
a) Obtener la moda, la mediana, Q
1
, Q
3
y el cuantil 0,40.
b) Obtener la media y la desviacion tpica.
c) Efectuar un diagrama apropiado.
a) Mo = 3, 5, 6, Me = 5, Q1 = 3, Q3 = 6, c0,40 = 3 b) x = 4,235, Sx = 1,751
3.
El porcentaje de algodon en una tela utilizada para elaborar camisas para hombre se presenta en la
siguiente tabla. Calcular los estadsticos mas importantes y construir el histograma de frecuencias.
porcentaje de algodon
32,1 32,5 32,6 32,7 32,8 32,9 33,1 33,1
33,4 33,5 33,6 33,6 33,6 33,6 33,6 33,8
33,8 34 34,1 34,1 34,1 34,2 34,3 34,3
34,4 34,5 34,5 34,6 34,6 34,6 34,6 34,6
34,7 34,7 34,7 34,7 34,7 34,7 34,9 35
35 35,1 35,1 35,1 35,2 35,3 35,4 35,4
35,5 35,6 35,7 35,8 35,9 36,2 36,4 36,6
36,8 36,8 36,8 37,1 37,3 37,6 37,8 37,9
a) Dise nar la distribucion de frecuencias con un cambio de variable.
b) Calcular los estadsticos: media, moda, mediana, Q
1
, Q
3
, c
0,6
, varianza y desviacion tpica.
c) Representar el diagrama de tallo y hojas.
d) A partir del diagrama anterior determinar la mediana, el primer cuartil y el tercer cuartil y
comparese los resultados con los obtenidos a partir de la distribucion de frecuencias.
e) Representar los histogramas de frecuencias absolutas y acumuladas.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 2
1. ESTAD

ISTICA DESCRIPTIVA
f ) Representar el diagrama de caja y determinar los valores extremos.
b) S
2
x
= 1,82, Mo = 34,8, Q1 = 33,8, Q3 = 35,475, c0,60 = 34,9
4.
Un ingeniero se plantea la eleccion entre dos fabricantes distintos para el suministro de cierto aditivo
para el hormigon. El ingeniero recibe las muestras de los suministradores A y B. Realiza las medidas
para 15 bolsas de cada tipo del suministro. Los resultados se recogen en la tabla:
Laboratorio A 2,769 2,813 2,863 2,875 2,924
2,955 2,962 2,98 3,007 3,028
3,051 3,076 3,123 3,161 3,216
Laboratorio B 2,865 2,901 2,923 2,940 2,945
2,969 2,984 2,981 2,996 3,002
3,017 3,039 3,044 3,057 3,14
Se pide:
a) Dise nar una distribucion de frecuencias para cada tipo de aditivo.
b) Realizar los histogramas adecuados para comparar gracamente ambos aditivos.
c) Determinar los principales estadsticos.
d) Justicar el aditivo elegido.

Descriptive Statistics Variable


N Mean Median TrMean StDev SE Mean
LabA 15 2,9869 2,9800 2,9860 0,1273 0,0329 %
LabB 15 2,9869 2,9840 2,9845 0,0688 0,0178 %
Variable Minimum Maximum Q1 Q3 %
LabA 2,7690 3,2160 2,8750 3,0760 %
LabB 2,8650 3,1400 2,9400 3,0390
5.
Las puntuaciones obtenidas por un grupo de alumnos en un test de habilidad psicomotriz han sido
las siguientes:
Puntuaciones x
i
f
i
x
i
f
i
F
i
[5, 10) 75 3 225 3
[10, 15) 125 6 75 9
[15, 20) 175 13 2275 22
[20, 25) 225 7 1575 29
[25, 30) 275 2 55 31
31 5375
a) Calcular los principales estadsticos centrales.
b) Rango intercuartil.
a) x = 17,34, Me = 17,5, Q1 = 13,96, Q3 = 20,9 b) RIQ = 16,94
6.
En la siguiente tabla de frecuencias, se registran los pesos en gramos de ciertas tornillos.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 3
1. ESTAD

ISTICA DESCRIPTIVA
intervalo marca de clase frecuencia
1 x < 3 5
3 x < 5 7
5 x < 7 10
7 x < 9
9 x < 11 2
a) Dar las marcas de clase y calcular la frecuencia correspondiente al cuarto intervalo, sabiendo
que la media x es igual a 6 gramos.
b) Hallar el tercer cuartil Q
3
.
a) f4 = 13 b) Q3 = 7, 885
1.1. Distribucion conjunta de dos variables
7.
La siguiente tabla registra en diferentes horas la temperatura (T) del agua de un ro y su contenido
en oxgeno disuelto (DO):
T DO T DO T DO T DO T DO
29,57 9,88 29,48 6,67 28,43 2,90 31,68 13,80 28,51 2,58
29,99 12,14 29,06 5,29 28,64 3,94 31,34 12,32 28,30 2,41
30,58 13,66 28,81 4,23 29,02 5,52 31,00 11,00 28,09 2,51
31,00 14,19 28,60 3,56 29,52 7,83 30,79 10,00 28,00 2,71
31,34 14,50 28,51 2,98 30,07 10,68 30,45 8,45 28,13 3,48
31,26 13,72 28,51 2,58 30,67 12,98 30,07 6,48 28,30 4,36
31,17 12,54 28,43 2,32 31,17 14,26 29,69 4,91 28,72 5,71
30,96 11,48 28,34 2,14 31,55 14,93 29,36 3,89 29,14 7,91
30,50 9,92 28,34 2,09 31,76 14,91 29,02 3,21 29,74 10,61
29,99 8,32 28,26 2,27 31,81 14,61 28,76 2,83 30,37 12,66
Se pide:
a) Construir una distribucion conjunta de frecuencias para las dos variables T y DO tomando 5
intervalos.
b) Dibujar un diagrama de dispersion conjunto de las dos variables.
c) Hacer un estudio de las distribuciones marginales.
d) Calcular la matriz de varianzas-covarianzas.
Vease el captulo 1 del libro de Luce no y Gonz alez(2003)
8.
En cierto colectivo de personas se toma una muestra de 30 personas a las que se observa el peso,
obteniendose los siguientes datos:
{57,2; 92,5; 72,8; 74,8; 60,1; 96,1; 74,3; 89,1; 69,2; 77,7;
65,0; 82,1; 66,2; 51,3; 83,9; 71,3; 84,8; 62,5; 103,2; 64,1;
73,1; 87,3; 58,9; 76,1; 45,8; 79,1; 68,9; 62,5; 81,5; 65,7}
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 4
1. ESTAD

ISTICA DESCRIPTIVA
Obtener los estadsticos mas importantes.

Variable N Mean Median TrMean StDev SE Mean %


peso 30 73,24 72,95 73,10 13,26 2,42
Variable Minimum Maximum Q1 Q3 %
peso 45,80 103,20 63,70 82,55
9.
La duracion en horas de una serie de bombillas viene dada por la siguiente
7, 24, 31, 34, 26, 19, 88, 76, 81, 44, 43, 40, 54, 55,
61, 58, 59, 29, 37, 36, 47, 49, 66, 70, 39, 50, 68
Obtener los estadsticos mas importantes.

Variable N Mean Median TrMean StDev SE Mean %


horas 27 47,81 47,00 47,84 19,65 3,78
Variable Minimum Maximum Q1 Q3 %
horas 7,00 88,00 34,00 61,00
10.
Se han obtenido las siguientes medidas en milmetros de una serie de 30 tornillos cogidos al azar.
124, 116, 144, 133, 109, 120, 146, 114, 112, 110, 123, 115, 123, 138, 127,
111, 125, 137, 132, 140, 121, 139, 126, 130, 139, 131, 125, 142, 124, 122
Obtener los estadsticos mas importantes.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 5
2. PROBABILIDAD
2. Probabilidad
11.
(Espacio muestral). Describir el espacio muestral de las siguientes experiencias aleatorias:
a) E
1
= {Lanzamiento de un dado y anotamos el resultado}.
b) E
2
= {Lanzamiento tres dados y sumamos las puntuaciones}.
c) E
3
= {La duracion de una lampara hasta que se funde}.
d) E
4
= {La resistencia a rotura de unos tubos de aluminio}.
e) E
5
= {N umero de piezas defectuosas de un lote de 5000}.
f ) E
6
= {Lanzamiento de dos monedas}.
12.
Sean A y B sucesos con P(A) = a, P(B) = b y P(AB) = c. Expresar las probabilidades siguientes
en funcion de a, b y c.
P(A B) P(A B) P(A B) P(A B)
a) P(A B) = 1 c b) P(A B) = b c c) P(A B) = 1 a +c d) P(A B) = 1 a b +c
13.
Sabiendo que P(A) = 0,2, P(B) = P(C) = 0,2 y P(A B) = P(A C) = P(B C) = 0,1 y
P(A B C) = 0,05. Calcular la probabilidad de P(A B C).
P(A B C) = 0,35
14.
El problema de Galileo. Un prncipe italiano pregunto en una ocasion al famoso fsico Galileo, por
que cuando se lanzan tres dados, se obtiene con mas frecuencia la suma 10 que la suma 9, aunque
se puedan obtener de seis maneras distintas cada una?
a) P(suman 9) =
25
6
3
= 0,116 b) P(suman 10) =
27
6
3
= 0,125
15.
Una urna contiene dos bolas blancas y tres bolas rojas. Efectuadas dos extracciones sucesivas,
determinar la probabilidad de extraer una bola blanca y, a continuacion, una bola roja:
a) Cuando habiendo extrado la primera bola esta es devuelta a la urna para realizar la segunda
extraccion.
b) Cuando habiendo extrado la primera bola esta no es devuelta a la urna para realizar la segunda
extraccion.
a) P(BR) =
6
25
b) P(BR) =
6
20
16.
Se extrae una carta de una baraja de 40 cartas. Comprobar cuales de los siguientes pares de sucesos
son independientes:
a) A = {rey} B = {espadas}
b) A = {figuras} B = {espadas}
c) A = {rey} B = {figuras}
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 6
2. PROBABILIDAD
a) si b) si c) no
17.
De una baraja de 40 cartas se extrae una al azar y se mira. Se repite esta operacion 4 veces. Tenemos
que apostar a que la 1
a
es copa, la 2
a
es oro, la 3
a
es bastos y la 1
a
es espadas. Si nos dejan elegir
entre reponer o no la carta extrada, que elegiremos?
a) con reposici on
_
1
4
_
4
b) sin reposici on
10 10 10 10
40 39 38 37
18.
El problema del caballero de la Mere. Se considera generalmente 1654 como el a no del nacimiento
de la teora de probabilidades: el caballero de la Mere, losofo y hombre de letras en la corte de
Luis XIV, propuso dos problemas al celebre matematico Blaise Pascal;
a) Que es mas probable, obtener al menos un seis en cuatro lanzamientos de un dado, u obtener
al menos un doble seis al lanzar 24 veces dos dados?
b) Se lanza una moneda varias veces. Por cada 1 obtenido, A recibe un punto, y por cada 0,
se adjudica un punto B. Gana la apuesta el primero que obtenga 5 puntos. Al cabo de siete
jugadas, A tiene 4 puntos y B tiene 3. En este momento se interrumpe el juego. C omo repartir
la apuesta de la manera mas equitativa? Las propuestas de Mere dieron lugar a un intercambio
de correspondencia entre Pascal y Fermat, del que nacieron los fundamentos de la teora de
probabilidades. (Engel, Probabilidad y Estadstica, Mestral, 1988).
a) P(S) = 0, 51775, P(T) = 0, 4914 b) deben repartir lo apostado en raz on de 3 a 1
19.
El problema de las uvas pasas. Cuantas uvas pasas se deben mezclar con 500 gramos de harina
para tener una certeza del 99 % de que un bollo de 50 gramos contenga al menos una pasa? (Engel,
Probabilidad y Estadstica, Mestral, 1988).
n 44
20.
En una habitacion hay una reunion de n personas. Cual es la probabilidad de que el cumplea nos
de al menos dos personas sea el mismo da?
p = 1
365 364 363 (365 n + 1)
365
n
2.1. Probabilidad condicionada
21.
Demostrar que si dos sucesos A y B son independientes, tambien lo son los sucesos complementarios
de A y B.
22.
Demostrar:
P(A|B) > P(A) =P(B|A) > P(B)
23.
Sean dos sucesos A y B, donde P(A) = 0,5 y P(A B) = 0,8. Asignar el valor de P(B) para que:
a) A y B sean incompatibles.
b) A y B sean independientes.
a) P(B) = 0,3 b) P(B) = 0,6
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 7
2. PROBABILIDAD
24.
Indicar en cada caso si los sucesos A y B son incompatibles o independientes:
a) P(A) = 0,2, P(B) = 0,4 y P(A B) = 0,6.
b) P(A) = 0,3, P(B) = 0,5 y P(A B) = 0,65.
c) P(A) = 0,4, P(B) = 0,5 y P(A B) = 0,7.
25.
Una urna contiene 5 bolas blancas y 3 negras. Tres jugadores A, B y C extraen una bola sin devolu-
cion en este mismo orden. Gana el primer jugador que saca una blanca. Calcular la probabilidad
de que gane C.
P(GA) =
36
56
; P(GB) =
15
56
; P(GC) =
5
56
26.
Supongamos que tenemos 10 urnas: 5 de ellas son de tipo U
1
y contienen 3 blancas y 3 negras, 3
de ellas son de tipo U
2
y contienen 4 blancas y 2 negras, y el resto son de tipo U
3
y contienen 1
blanca y 5 negras. Se pide:
a) Probabilidad de que una bola extrada al azar de una de las 10 urnas sea blanca.
b) Probabilidad de que habiendo salido una bola negra, proceda de una urna del tipo U
2
.
c) Sabiendo que ha salido una bola negra, de que tipo de urna es mas probable que haya salido?
a)
29
60
b)
6
31
c) U1
27.
Alarma Falsa. En cierto lugar se ha instalado un dispositivo de alarma. Si hay peligro, el dispositivo
se pone en funcionamiento el 99 % de las ocasiones. Por otra parte, la probabilidad de que se dispare
la alarma espontaneamente es del 0,5 %, y la probabilidad de que una noche haya un intento de
robo es 0,1 %. Si una noche determinada se oye la alarma, cual es la probabilidad de que sea falsa
(no haya peligro)?
0,83
28.
Una persona tiene dos negocios en funcionamiento, A y B. El primer negocio tiene perdidas en el
25 % de los balances, mientras que el 2
o
, donde la perspectiva de benecio es menor, tiene perdidas
solo en el 5 % de los casos. Se supone que el conjunto de operaciones es analogo en ambos negocios.
Si, analizando el resultado economico de una de las operaciones, se observan perdidas, cual es la
probabilidad de que dicha operacion correspondiese al negocio B?
1/6
29.
Para la eleccion de las personas de un jurado se disponen de dos urnas. En la 1
a
hay 10 papeletas
con nombres de 6 hombres y 4 de mujeres, en la 2
a
hay 5 papeletas con nombres de 2 hombres y 3
de mujeres. Alguien cambia una papeleta de la 1
a
urna a la 2
a
e inmediatamente despues se extrae
al azar una papeleta de la 2
a
urna que resulta ser nombre de mujer. Cual es la probabilidad de
que la papeleta cambiada contenga un nombre de mujer?
16/34
30.
Considerese tres cartas: una con las dos caras negras, otra con ambas caras blancas y la tercera con
una blanca y la otra negra. Se elige una carta al azar y se coloca sobre la mesa. La cara superior
resulta negra, cual es la probabilidad de que la cara oculta sea blanca?
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 8
2. PROBABILIDAD
A B C
1/3
31.
Una fabrica de ladrillos suministra estos a buen precio pero el 10 % de ellos son defectuosos. Con
objeto de mejorar la calidad del producto se someten los ladrillos a un ensayo no destructivo antes
de su venta. Este ensayo da como buenos el 99 % de los que son buenos y da por malos el 98 % de
los que son malos.
a) Determinar la probabilidad de que un ladrillo en mal estado supere el proceso de control de
calidad.
b) Determinar la probabilidad de aceptar como bueno un ladrillo cualquiera.
c) Determinar la probabilidad de que un ladrillo, que ha sido aceptado, este en malas condiciones
d) Si el coste estimado por cada ladrillo fabricado en malas condiciones es C euros. Determinar
el precio maximo que debe pagarse por ensayo no destructivo para que este sea rentable.
a) 0,02 b) 0,893 c) 0, 0022 d) 0,098 C
32.
Los almacenes A, B y C, que estan dirigidos por la misma persona, tienen 50, 75 y 100 empleados,
y, respectivamente, el 50 %, 60 % y 70 % de ellos son mujeres. El hecho de que una persona sea
despedida del trabajo es igualmente probable entre todos los empleados, independientemente del
sexo. Se despide un empleado, que resulta ser mujer. Cual es la probabilidad de que trabajara en
el almacen C? 0,5
33.
Dos proveedores A y B entregan la misma mercanca a un fabricante, que guarda todas las existencias
de esta mercanca en un mismo lugar. Los antecedentes demuestran que el 5 % de la mercanca
entregada por A es defectuosa y que el 9 % lo es de B. A entrega 4 veces mas que B. Si se saca una
pieza y no es defectuosa, cual es la probabilidad de que la haya fabricado A? 0,806
34.
Se dise na un dispositivo de frenado para evitar que un automovil patine en el que incluye un
sistema electronico e hidra ulico. El sistema completo puede descomponerse en tres subsistemas
en serie que operan de manera independiente: un sistema electronico, un sistema hidra ulico y un
sistema mecanico. En un frenado particular, las probabilidades de estas unidades funcionen son
aproximadamente 0,995, 0,993 y 0,994, respectivamente. Calcular la probabilidad de que sistema
frene.
0,98
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 9
2. PROBABILIDAD
35.
El volumen de produccion diario en tres plantas diferentes de una fabrica es de 500 unidades en
la 1
a
, 1000 en la 2
a
y 2000 en la 3
a
planta. Sabiendo que el porcentaje de unidades defectuosas
producidas en las plantas es de 1 %, 0,8 % y 2 %, respectivamente, determinar la probabilidad de
que:
a) Extrada una unidad al azar, resulte no defectuosa.
b) Habiendo sido extrada una unidad defectuosa, haya sido producida en la primera planta.
a) 0,985 b) 0,094
36.
Tres imprentas realizan trabajos para la ocina de publicaciones de la Universidad de Cantabria.
La ocina de publicaciones no negocia una multa contractual por trabajos atrasados, y los datos
siguientes reejan una gran experiencia con estas imprentas.
imprenta fraccion fraccion de tiempo
i de contratos con retraso
1 0,2 0,2
2 0,3 0,5
3 0,5 0,3
Un departamento observa que un pedido tiene mas de un mes de retraso. Cual es la probabilidad
de que el contrato se haya otorgado a la imprenta 3?
15/34
37.
Una compa nia de aviones dispone de 20 pilotos y 15 auxiliares de vuelo. Si en cada vuelo viajan
como equipo responsable, dos pilotos y tres auxiliares. Se pide:
a) De cuantos equipos distintos dispone la compa nia para los vuelos?
b) El piloto RX34 tiene a su mujer como auxiliar de vuelo. Si tomamos un vuelo al azar, cual
es la probabilidad de que vaya el matrimonio en el personal de vuelo?
c) Si elegimos un vuelo al azar, cual es la probabilidad de que vaya RX34 o su mujer en el
personal de vuelo?
a) 86,450 b) 0,14 c) 0, 28
38.
Una fabrica dispone de 20 transportistas, 45 empleados de mantenimiento y 5 ingenieros supervi-
sores. La contratacion de todo el personal se divide en ja y temporal. De los transportistas 8 son
jos; de los empleados de mantenimiento 35 son jos y de los ingenieros 3 son jos. Si elegimos una
persona al azar:
a) Cual es la probabilidad de que tenga un contrato temporal?
b) Cual es la probabilidad de que tenga un contrato temporal y no sea ingeniero?
c) Si elegimos una persona que tiene contrato jo, cual es la probabilidad de que sea un trans-
portista?
a)
24
70
b)
22
70
c)
8
46
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 10
3. VARIABLES ALEATORIAS
3. Variables aleatorias
3.1. Variables aleatorias discretas
39.
En algunos casinos se realiza el siguiente juego: se elige uno de los n umeros 1, 2, 3, 4, 5, 6. A
continuacion se lanzan tres dados. Si el n umero elegido aparece 1, 2, 3 veces, se recibe 1, 2, 3 veces
lo apostado, y se recupera este. Si no aparece el n umero elegido, se pierde lo apostado. Sea X la
variable aleatoria que proporciona la ganancia. Obtener E(X).
E[X] = 0, 078
40.
Una variable aleatoria tiene la siguiente funcion de probabilidad,
x 1 2 3 4 5
P(x) 0,05 0,20 0,05 0,45 0,25
a) Comprobar que es una funcion de probabilidad.
b) Calcular P(x 3).
c) Calcular P(x > 3).
d) Calcular P(x = 1 x = 3 x = 5).
e) Calcular E(X).
f ) Representar la funcion de distribucion F
X
(x).
b) 0,3 c) 0,7 d) 0,35 e) 3,65
41.
Fiabilidad de un componente. Para una componente de un sistema, sea A el suceso la componente
funciona. Se dene la funcion indicatriz del suceso A como aquella funcion I
A
tal que I
A
= 1 si A
es cierto e I
A
= 0 si A es falso. Que indica E(I
A
)?
42.
A partir la gura 3.1
a) Determinar la funcion indicatriz de los sistemas.
b) Determinar la abilidad de los sistemas.
c) Suponiendo p
1
= p
2
= p
3
= 0,90, determinar la abilidad de los sistemas y compararlos.
1
3
2
(a) Circuito1
1 2
(b) Circuito2
1 2
3
(c) Circuito3
Figura 3.1: Funcion indicatriz y abilidad
a) 1 (1 I1)(1 I2)(1 I3), I1I2, 1 (1 I1I2)(1 I3) b) 1 q1q2q3, p1p2, 1 (1 p1p2)q3
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 11
3. VARIABLES ALEATORIAS
1 2
3 4
(a) Circuito4
1
2
1
2
(b) Circuito5
Figura 3.2: Funcion indicatriz y abilidad
43.
Determinar la funcion indicatriz y la abilidad de cada uno de los sistemas de la gura 3.2

a) I = 1 (1 I1I2)(1 I3I4), R = 1 (1 p1 p2)(1 p3 p4)


b) I = [1 (1 I1)(1 I2)][1 (1 I3)(1 I4)], R = (1 q1 q2)(1 q3 q4)
44.
Determinar la funcion indicatriz y la abilidad de cada uno de los sistemas de la gura 3.3
1 2
4 5
3
(a) Circuito6
1
2
3
4
(b) Circuito7
Figura 3.3: Funcion indicatriz y abilidad

a) I = 1 (1 I1I2)(1 I3)(1 I4I5), R = 1 (1 p1 p2)(1 p3)(1 p4 p5)


b) I = I1 +I2(1 I1)(I3 +I4 I3 I4), R = p1 +p2(1 p1)(p3 +p4 p3 p4)
45.
Sea una variable aleatoria denida por su funcion de distribucion:
F(x) =
_

_
0 x < 2
0,4 2 x < 0,5
0,8 0,5 x < 3
1 x 3
a) Representar F(x) y calcular la funcion de probabilidad de esta variable.
b) Calcular E(X).
a) P(2) = 0,4, P(0,5) = 0,4, P(3) = 0,2 b) E(X) = 0
46.
Se lanza una moneda tres veces; sea X el n umero de caras obtenidas. Hallar la funcion de proba-
bilidad y de distribucion de X.
P(0) = 1/8, P(1) = 3/8, P(2) = 3/8, P(3) = 1/8 ; F(0) = 1/8, F(1) = 4/8, F(2) = 7/8, F(3) = 1
47.
El n umero medio de personas que acuden a un local es de 1000 con una desviacion tpica = 20.
Cual es el n umero de sillas necesarias para asegurar que todos los asistentes puedan sentarse, con
una probabilidad de 0,75? (Usar la desigualdad de Chebyschev.) n 1090
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 12
3. VARIABLES ALEATORIAS
48.
Sea X variable aleatoria cuya distribucion de probabilidad viene dada por
P(X = r) =
3
2
1
r! (4 r)!
r = 0, 1, 2, 3, 4
P(X = r) = 0 para otros valores
Hallar P(X = 3); P(1 X 2,5) y P(X 2,5).
P(3) = 1/4, P(1 X 2,5) = 5/8, P(X 2,5) = 11/16
49.
Los artculos en venta en unos grandes almacenes se someten al control diario y se estima que
la probabilidad de que en un da sean vendidos r artculos defectuosos es
2
3
_
1
3
_
r
. Determinar la
probabilidad de que en un da elegido al azar, de los artculos vendidos:
a) Dos o mas sean defectuosos.
b) Cinco sean defectuosos.
c) Tres o menos sean defectuosos.
d) Determinar la esperanza del n umero de artculos defectuosos vendidos en el da.
a) 1/9 b)
2
3
_
1
3
_
5
c) 1
_
1
3
_
4
d) E[X] = 3
3.2. Variables aleatorias continuas
50.
De las siguientes armaciones sobre la funcion de distribucion de una variable aleatoria, marcar con
las que sean correctas.
a) F() = 0, F() = 1.
b) F es monotona no decreciente.
c) F es monotona creciente.
d) F es continua por la derecha, es decir, F(x) = lm
ax
+
F(a).
e) P(X = x) = F(x) F(x

).
f ) P(X = x) = F(x) F(x

).
g) P(x < X y) = F(y) F(x).
h) P(x < X < y) = F(y) F(x).
i ) P(X x) = 1 F(x).
51.
Sea X una variable aleatoria que tiene como funcion de densidad de probabilidad f(x) = a(1 +x
2
)
si x (0, 3) y f(x) = 0 en los demas casos. Se pide:
a) Hallar a y la funcion de distribucion de X.
b) Hallar la probabilidad de que X este comprendido entre 1 y 2.
c) P(X < 1).
d) P(X < 2|X > 1).
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 13
3. VARIABLES ALEATORIAS
e) Calcular P(|X | k ), con k = 2.
a) a = 1/12, F(x) =
1
12
_
1
3
x
3
+x
_
b)
5
18
c) P(X < 1) =
1
9
d) P(X < 2|X > 1) =
45
144
e) 0,054
52.
Sea Y una variable aleatoria con funcion de densidad dada por:
p
Y
(y) =
_
_
_
0,2 1 y 0
0,2 +k y 0 < y 1
0 en el resto
a) Determinar el valor de k.
b) Determinar la funcion de distribucion, F
Y
(y).
c) Calcular P(0 Y 0,5).
d) P(Y > 0,5|Y > 0,1).
a) k = 1,2 b) FY (y) = 0,2y + 0,2 1 < y < 0 FY (y) = 0,6y
2
+ 0,2y + 0,2 0 y < 1 c) 0,25 d) 0,71
53.
La cantidad aleatoria de dinero ahorrado por una persona en un mes sigue una ley de probabilidad
dada por:
F(x) =
_

_
0 x < 0
x
2
0 x < 1
1
2
1 x < 2
x
4
2 x < 4
1 4 x
donde x viene expresado en cientos de euros. Determinar la probabilidad de que, en un mes la
cantidad de dinero ahorrado:
a) Sea superior a 200 euros.
b) Sea inferior a 450 euros.
c) Sea superior a 50 euros y menor o igual a 250 euros.
d) Calcular el ahorro mensual medio.
a) 0,5 b) 1 c) 3/8 d) 175 euros
54.
Con objeto de establecer un plan de produccion, una empresa ha estimado que la demanda aleatoria
de sus potenciales clientes se comportara semanalmente con arreglo a la ley de probabilidad denida
por la funcion de densidad
p
X
(x) =
_
3
8
(4x 2x
2
), 0 x 2
0, en el resto
donde x viene expresada en millones de unidades. Que cantidad C debera tener dispuesta a la
venta, al comienzo de cada semana, para poder satisfacer la demanda en dicho periodo con una
probabilidad de 0,5? C = 1
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 14
3. VARIABLES ALEATORIAS
55.
Cierta aleacion se forma con la mezcla fundida de dos metales. La aleacion que resulta contiene
cierto porcentaje de plomo X, que puede considerarse como una variable aleatoria. Suponiendo que
X tiene la siguiente funcion de densidad de probabilidad:
p
X
(x) = 10
5
3x(100 x)
5
, 0 x 100,
y que el benecio neto G obtenido al vender esta aleacion, es una funcion del porcentaje de plomo:
G = A+BX, se pide calcular el benecio esperado. E[G] = A + 50 B
56.
Si la duracion en horas de cierto tubo de radio es una variable aleatoria continua X con funcion de
densidad
p
X
(x) =
100
x
2
, x > 100,
SE PIDE:
a) Probabilidad de que un tubo dure menos de 200 horas si se sabe que el tubo funciona todava
despues de 150 horas de servicio.
b) Si se instalan tres de estos tubos en un conjunto, probabilidad de que exactamente uno tenga
que ser sustituido despues de 150 horas de servicio.
c) Cual es el n umero mnimo de tubos n que se pueden poner en un sistema en paralelo, de modo
que haya una probabilidad 0,999 de que despues de 150 horas de servicio funcione todava el
sistema?
a) 1/4 b) 4/9 c) n 7
57.
El tiempo de vida (en cientos de horas) de un transistor es una variable aleatoria Z con funcion de
distribucion
F
Z
(z) =
_
0 z < 0
1 e
z
2
0 z
SE PIDE:
a) Demostrar que F
Z
(z) es una funcion de distribucion.
b) Obtener la funcion de densidad de probabilidad p
Z
(z).
c) Calcular la probabilidad de que un determinado transistor dure mas de 200 horas.
b) pZ(z) = 2z e
z
2
c)
1
e
4
58.
Una estructura metalica puede sufrir, debido al calor, una dilatacion que (medida en cm) es una
variable aleatoria X con funcion de densidad de probabilidad dada por:
p
X
(x) =
_
_
_
ax 0 x 3
b 3 < x < 5
b
3
(8 x) 5 x 8
a) Sabiendo que la funcion de densidad de probabilidad es una funcion continua de x, determinar
a y b.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 15
3. VARIABLES ALEATORIAS
b) Calcular e interpretar la probabilidad de que la dilatacion sea inferior a 3.
c) Si con un aparato se ha observado que la estructura ha dilatado mas de 3 cm, con que prob-
abilidad la dilatacion estara entre 3 y 5 cm?
a) a =
1
15
; b =
1
5
b)
3
10
c)
4
7
59.
Sea una variable aleatoria X, que tiene como funcion de densidad:
p
X
(x) =
_
x + 6
50
6 x 4
0 resto
a) Calcular la funcion de distribucion de X.
b) Hallar k, si P(k x k + 1) = 0,09.
a) F(x) =
1
50
(
1
2
x
2
+ 6x + 18) b) k = 2
60.
La demanda, expresada en toneladas, de un determinado producto es una variable aleatoria cuya
funcion de densidad es:
p
X
(x) =
x
6
2 x 4
Cuales son la media, la varianza y la mediana de esta demanda? El fabricante del producto sabe
que cada kilo vendido reporta un benecio de 12 euros, y cada kilo que queda sin vender supone
una perdida de 6 euros. Es por tanto, importante para el establecer cual es la cantidad a fabricar.
Si el criterio para establecer dicha cantidad es el maximizar la ganancia esperada, determinar cual
es la fabricacion optima.
3.3. Cambio de variable
61.
Sea X una variable aleatoria con E(X) = 2 y V ar(X) = 0,5. Sea Y = 3X 8. Hallar E(Y ) y
V ar(Y ).
62.
Supongamos que una variable aleatoria X tiene funcion de densidad de probabilidad:
p
X
(x) = 2x 0 < x < 1
Determinar la funcion de densidad de probabilidad de las variables Y = H
1
(X) = 3X + 1, Z =
H
2
(X) = e
X
y W = H
3
(X) = X
2
.

a) FY (y) =
_
y1
3
_
2
pY (y) =
2
3
_
y1
3
_
1 < y < 4
b) FZ(z) = 1 ln
2
z pZ(z) = 2
ln z
z
e
3
< z < e
1
c) FW(x) = w pW(w) = 1 0 < w < 1
63.
Para medir la velocidad del aire se usa un tubo que permite medir la diferencia de presi on. Esta
diferencia esta dada por R =
1
2
d V
2
, con d la densidad del aire (supuesta constante) y V la veloci-
dad del viento (en km/h). Si V es una funcion de densidad de probabilidad uniforme en (10, 20),
encontrar la funcion de densidad de probabilidad de R.
pR(r) =
1
10

2rd
; 50d < r < 200d
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 16
3. VARIABLES ALEATORIAS
64.
La tabla siguiente representa la distribucion de probabilidad conjunta de la variable aleatoria dis-
creta (X, Y ). Determinar
Y \X 1 2 3
1
1
12
1
6
0
2 0
1
9
1
5
3
1
18
1
4
2
15
a) Calcular P(X = 2, Y = 1); P(X = 2); P(Y = 1) y P(X = 3|Y = 2).
b) Calcular E(X); E(Y ) y Cov(X, Y ).
65.
Dos lneas de produccion fabrican cierto tipo de artculo. Supongase que la capacidad es de 5
artculos para la lnea I y de 3 artculos para la lnea II, y que el n umero verdadero de artculos
producidos por cada lnea es una variable aleatoria. Sea (X, Y ) la representacion de la variable
aleatoria bidimensional que da el n umero de artculos producidos por la lnea I y por la lnea II:
Y \X 0 1 2 3 4 5
0 0 0,01 0,03 0,05 0,07 0,09
1 0,01 0,02 0,04 0,05 0,06 0,08
2 0,01 0,03 0,05 0,05 0,05 0,06
3 0,01 0,02 0,04 0,06 0,096 0,05
a) Determinar la probabilidad del suceso: la lnea I produce mas artculos que la lnea II.
b) Hallar las distribuciones marginales.
c) Calcular P(X = 3) y P(Y = 1).
d) Calcular E(X) y E(Y ).
e) Calcular P(X = 2|Y = 2).
a) 0,13 c) P(x = 3) = 0,21, P(y = 1) = 0,26 d) E[X] = 3,39, E[Y ] = 1,48 e)
1
5
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 17
4. DISTRIBUCIONES DISCRETAS M

AS COMUNES
4. Distribuciones discretas mas comunes
66.
Suponiendo que cada bebe tiene una probabilidad 0,51 de ser varon, hallese la probabilidad de que
una familia de 6 hijos tenga:
a) Por lo menos un ni no.
b) Por lo menos una ni na.
a) 0,986 b) 0,982
67.
Si la probabilidad de acertar en un blanco es 1/5 y se hacen 10 disparos de forma independiente,
cual es la probabilidad de acertar por lo menos dos veces?
1 q
10
10 p q
9
, con p = 1/5 y q = 4/5
68.
Demostrar que si la variable aleatoria X tiene distribucion binomial (X Bin(n, p)), se tiene:

X
= np ;
2
X
= npq.
69.
Se lanza una moneda 500 veces. Estimar la probabilidad de que el n umero de caras este comprendido
entre 240 y 260. 0,6208
70.
En una regulacion de calles por semaforos, la luz verde esta encendida durante 15 segundos, la luz
ambar 5 segundos y la luz roja 55 segundos. Supongamos que las condiciones de traco inducen
variaciones aleatorias en los tiempos de llegada de los automoviles, de forma que llegar cuando el
semaforo esta verde es un suceso aleatorio. Para cinco coches que lleguen en tiempos diferentes e
indeterminados, calcular la probabilidad de que:
a) solo tres encuentren la luz verde;
b) a lo sumo cuatro encuentren la luz verde;
c) mas de uno encuentre la luz verde.
a) 0, 0512 b) 0, 99968 c) 0, 26272
71.
Una rma de pedidos por correo enva una carta a sus clientes. La probabilidad de que un cliente
elegido al azar conteste a esa carta es de p = 0,1. Hallar:
a) Distribucion de probabilidad del n umero X de cartas que debe enviar hasta obtener exacta-
mente 1 respuesta.
b) La esperanza y varianza matematica de la variable X.
c) Distribucion de probabilidad del n umero Y de cartas que debe enviar para obtener exactamente
k respuestas.
d) La esperanza y varianza matematica de la variable Y .

a) P(X = k) = p q
k1
b) E[X] = 1/p,V ar[X] = q/p
2
c)
_
n 1
k 1
_
p
k
q
nk
d) E[Y ] = k/p,V ar[Y ] = kq/p
2
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 18
4. DISTRIBUCIONES DISCRETAS M

AS COMUNES
72.
Una caja con 12 artculos tiene 4 defectuosos. Si se toma una muestra de 3, en un caso con reemplaza-
miento y en otro sin reemplazamiento, cual sera la probabilidad de no incluir artculos defectuosos
en la muestra? a)
_
8
12
_
3
b)
336
1320
73.
Se lanza un dado todas las veces necesarias hasta que aparece un 6. Si X mide el n umero del
lanzamiento en que ocurre. Se pide:
a) Que funcion de probabilidad tiene la variable aleatoria X?
b) Calcular P(X = 3).
c) Calcular P(X > 4).
a) P(X = k) = p q
k1
b) p(X = 3) = p q
2
c) p(X > 4) = q
4
, siendo p la probabilidad de que salga un 6 y
q = 1 p
74.
Sea X una variable aleatoria geometrica de parametro p. Demostrar que:
P(X > a +b|X > a) = P(X > b),
para cualesquiera constantes positivas a y b.
75.
Para controlar la natalidad, un poltico algo excentrico, propone para los nuevos matrimonios la
siguiente norma: unicamente podran tener hasta un varon y como maximo 5 hijos. Sea X la variable
n umero de hijos y V la variable n umero de varones de un matrimonio. Se pide:
a) Probabilidad de que un matrimonio solo tenga un hijo.
b) Probabilidad de que un matrimonio tenga k hijos.
c) N umero medio de hijos por matrimonio.
d) N umero medio de varones por matrimonio.
e) Reduce esta norma la frecuencia de varones en la poblacion?
76.
Tres personas A, B, y C lanzan sucesivamente en el orden A, B, C un dado. La primera persona
que saque un 6 gana. Si p es la probabilidad de sacar un 6 y q = 1 p, cuales son sus respectivas
probabilidades de ganar?
P(GA) =
p
1 q
3
; P(GB) =
pq
1 q
3
; P(GC) =
pq
2
1 q
3
77.
Se lanza un dado todas las veces necesarias hasta obtener dos seises y X mide el n umero del
lanzamientos hasta que dicho suceso ocurre. Se pide:
a) Que funcion de probabilidad tiene la variable aleatoria X?
b) P(X = 3).
c) P(X > 4).
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 19
4. DISTRIBUCIONES DISCRETAS M

AS COMUNES
78.
Sea X una variable aleatoria binomial negativa NB(k, p). Demostrar que:
=
k
p
;
2
x
= k
q
p
2
.
79.
Se conoce de estudios anteriores que el tipo de grupo sanguneo de una poblacion se distribuye de
acuerdo a los siguientes datos.
Grupo A B AB O
Porcentaje 43,2 14,2 6 36,6
En determinada situacion de emergencia se necesitan realizar 5 transfusiones del tipo A. Se solicitan
voluntarios a la poblacion y se realizan extracciones sucesivas. Cual es la probabilidad de cubrir
la emergencia con el decimo donante?
80.
Sea X binomial Bin(n, p) y sea Y binomial negativa NB(k, p), demostrar las siguientes relaciones
entre ellas:
a) P(Y n) = P(X r).
b) P(Y > n) = P(X < r).
81.
La centralita telefonica de un hotel recibe un n umero de llamadas por minuto que sigue una ley de
Poisson con media 0,5. Determinar la probabilidad de que en un minuto al azar:
a) Se reciba una unica llamada.
b) Se reciban un maximo de dos llamadas.
c) La centralita quede bloqueada, sabiendo que no puede realizar mas de 3 conexiones por minuto.
a) 0, 303 b) 0, 986 c) 0, 002
82.
En una gran ciudad se producen 2 incendios anuales por termino medio. Cual es la probabilidad
de que el proximo a no se produzcan mas de cuatro?
0, 0527
83.
Sea X una variable aleatoria de Poison de parametro , Po(). Demostrar que:
= ;
2
x
= .
84.
Se lanza una moneda 500 veces. Hallar la probabilidad de que la frecuencia relativa de caras este com-
prendida entre 0,45 y 0,65.
0,987
85.
Cuantas veces habra que lanzar una moneda regular a n de tener al menos un 95 % de seguridad
de que la frecuencia relativa de caras diste a lo mas 0,1 de la probabilidad teorica 0,5? 96
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 20
4. DISTRIBUCIONES DISCRETAS M

AS COMUNES
86.
Cuantas veces habra que lanzar un dado regular a n de tener al menos un 95 % de seguridad de
que la frecuencia relativa de caras diste a lo mas 0,1 de la probabilidad teorica 1/6? 54
87.
Una fabrica produce artculos defectuosos con una probabilidad del 5 %. Cuantas tornillos habra
que inspeccionar para tener al menos un 98 % de seguridad de que la frecuencia relativa de tornillos
defectuosos f
D
diste de 0,05 en menos de 0,02? Contestar a la pregunta anterior si la probabilidad
real de 0,05 es desconocida. n 643 n 3383
88.
Dos personas juegan a cara o cruz y han convenido en continuar la partida hasta que tanto la cara
como la cruz se hayan presentado por lo menos 3 veces. Hallar la probabilidad de que el juego no
se acabe cuando se han hecho 10 tiradas. 0, 109375
89.
Un test psicotecnico comprende 50 preguntas, para cada una existe una unica respuesta correcta
sobre 5 posibles. Cada respuesta correcta vale 1 punto.
a) Si se somete a una persona a este test y responde al azar, hallar la probabilidad de que obtenga
cero puntos.
b) Si fuesen 200 personas respondiendo al azar, hallar el n umero medio de personas que obtienen
10 puntos.
a) 1,4 10
5
b) 28
90.
Una gran empresa celebra, exactamente dentro de un a no, su centenario. La direccion decide que
todos los hijos de los trabajadores que nazcan el da del centenario tendran derecho a una cuenta
de ahorro de 5000 euros. Suelen nacer 730 ni nos al a no, es decir, unos 2 por da. El valor esperado
del desembolso a efectuar es de 10000 euros. La direccion destina 25000 euros para prevenir alguna
desviacion. Cual es la probabilidad de que esta cantidad resulte insuciente?
0,0166
91.
El 4 % de las reservas de un vuelo no son utilizadas. Seg un esta observacion, una compa nia de
aviacion vende 75 billetes para 73 plazas. Cual es la probabilidad de que todos los pasajeros
consigan plaza? 0,8069
92.
Supongase que en un estudio dental sobre ni nos se ha obtenido la proporcion p = 2/3 de la poblacion
infantil que tiene alguna caries. Calcular:
a) Probabilidad de que haya que examinar 6 ni nos para encontrar uno con caries.
b) Probabilidad de que haya que examinar 15 ni nos para encontrar 5 con caries.
a) p q
5
b)
_
14
4
_
p
5
q
10
93.
El departamento de matematicas propone un examen de test consistente en 25 cuestiones. Cada
cuestion tiene 5 respuestas listadas. Si un estudiante no conoce la respuesta correcta de ninguna
cuestion y prueba suerte, calcular:
a) Cual es el n umero esperado de respuestas correctas y su desviacion tpica?
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 21
4. DISTRIBUCIONES DISCRETAS M

AS COMUNES
b) Suponiendo que cada respuesta acertada vale 1 punto, cuanto debe valer cada respuesta
fallada para que la nota esperada del estudiante que prueba suerte sea nula?
c) Si se pasa el examen cuando se responden correctamente 13 cuestiones, cual es la probabilidad
de que pase el alumno que ha probado suerte?
a) E[X] = 5, = 2 b) 0,25 c) 0,004
94.
Se lanza un dado todas las veces necesarias hasta que aparece un 6. Si sabemos que no salio en la
primera tirada, cual es la probabilidad de necesitar mas de 3 lanzamientos? 0,694
95.
Una caja contiene 100 artculos, de los que 4 son defectuosos. Sea X el n umero de artculos defec-
tuosos encontrados en una muestra de 9.
a) Hallar P(X = 2).
b) Aproximar la probabilidad anterior por una binomial.
c) Aproximar la probabilidad anterior por una Poisson.
a) 0,0376 b) 0,0432 c) 0,0452
96.
Supongase que el n umero de llamadas telefonicas que recibe una operadora desde las 9:00 horas
hasta las 9:05 horas sigue una distribucion de Poisson con = 4. Hallar:
a) Probabilidad de que la operadora no reciba ninguna llamada al da siguiente en ese intervalo
de tiempo.
b) Probabilidad de que en los dos proximos dias la operadora reciba un total de 3 llamadas en
ese intervalo de tiempo.
a) 0,018 b) 0,0286
97.
Un almacen suministra un determinado tipo de gr ua. El n umero de pedidos por da se ajusta a
una distribuccion de Poisson con parametro = 2. Tres de estas gr uas por lo general se tienen
disponibles en el almacen. Si se piden mas de tres, el comprador debe desplazarse a una distancia
considerable hasta una empresa de ingeniera.
a) En un da cualquiera, cual es la probabilidad de que se realice un viaje a la empresa de
ingeniera?
b) Cual es el n umero medio de pedidos por da?
c) Cuantas gr uas de repuesto deben permanecer en el almacen para despachar a los compradores
el 90 % de las veces?
d) Cual es el n umero medio de compradores atendidos diariamente en el almacen?
e) Cual es el n umero esperado de veces que el compradores realizara el viaje a la empresa de
ingeniera?
a) 0,1680 b) E[X] = 3 c) n = 5 d) 2,328 e) 0,672
98.
Se supone que el n umero de accidentes por semana que ocurren en una fabrica sigue una distribucion
de Poisson con parametro = 2. Se pide:
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 22
4. DISTRIBUCIONES DISCRETAS M

AS COMUNES
a) Probabilidad de que en una semana cualquiera ocurra un solo accidente.
b) Probabilidad de que, en un grupo de 10 semanas, ocurran 3 accidentes en tres semanas distintas.
c) Probabilidad de que en una semana haya mas de 3 accidentes.
d) Funcion de densidad del tiempo entre dos accidentes.
e) Probabilidad de que el tiempo entre dos accidentes sea superior a 3 semanas.
a) p = 0, 27067 b)
_
10
3
_
p
3
q
7
c) 0, 14288 d) Exponencial( = 2) e) 0, 002
99.
Una agencia inmobiliaria dedicada a la venta de apartamentos en la Costa ha realizado un estudio
de ventas, comprobando que solo el 5 % de las personas que acuden a visitar el piso piloto compran
un apartamento. Se pide:
a) Calcular la probabilidad de que tenga que recibir 10 visitas hasta vender un apartamento.
b) Calcular la probabilidad de que tenga que recibir 10 visitas hasta vender dos apartamentos.
c) Se han tenido que recibir 10 visitas hasta vender 2 apartamentos. Cual es la probabilidad de
que las 3 primeras visitas no efectuaran ninguna compra?
a) 0, 03151 b) 0, 01493 c) 6/9
100.
Un video club tiene 12 pelculas infantiles para alquilar a diario. Para este grupo se estima que la
demanda sigue un proceso de Poisson con tasa 10 pelculas/da. Se pide:
a) Probabilidad de que en un da se hayan alquilado todas las pelculas.
b) Cuantas pelculas debera haber en existencia para que la probabilidad de no satisfacer la
demanda de un da solo fuese del 0,07 %?
a) 0, 208 b) n = 15
101.
Un lote de 10 motores electricos se debe rechazar totalmente o vender, seg un el resultado de la
siguiente operacion: se escogen dos motores al azar sin sustitucion y se inspeccionan. Si uno o mas
son defectuosos, el lote se rechaza; en otro caso es aceptado. Supongamos que cada uno de los
motores cuesta 75$ y se vende por 100$. Si el lote contiene un motor defectuoso, c ual es benecio
neto esperado del fabricante? E[B] = 50
102.
A un hotel llegan dos carreteras A y B. El n umero de llegadas diarias por cada carretera siguen
distribuciones de Poisson independientes con parametros 8 y 9 respectivamente.
a) Si un da llegaron 12 personas, cual es la probabilidad de que 7 llegaran por la carretera A?
b) El coste diario de manutencion por persona es de 2000 euros si son menos de 5 personas y
1500 euros si son 5 o mas personas. Cual sera el coste diario esperado?
a) 0, 16834
103.
Una empresa de fabricacion de explosivos tiene dos secciones una segura S y otra con riesgo de
accidentes R. En la seccion S hay 2000 empleados donde el n umero de accidentes X
S
por a no
sigue una distribucion de Poisson de parametro
1
= 5 y en R hay 500 empleados y el n umero de
accidentes Y
R
por a no sigue una distribucion de Poisson de parametro
2
= 10. Los accidentes se
producen de forma independiente en las dos secciones.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 23
4. DISTRIBUCIONES CONTINUAS M

AS COMUNES
a) Cual es la probabilidad de que se produzcan cinco accidentes en la seccion S?
b) Cual es el n umero medio de accidentes por a no en la empresa?
c) Si en un a no se han registrado 8 accidentes, cual es la probabilidad de que se hayan producido
6 accidentes en la seccion R?
La compa nia La Avispa.
a
segura a cada empleado de la seccion S por una prima de p
1
euros
y a cada empleado de la seccion R por una prima de p
2
euros y una indemnizacion com un de
10 millones por accidentado.
d) Expresar los benecios B por a no de la compa nia.
e) Cuales son los valores mnimos justos de las primas p
1
y p
2
, para que el benecio esperado
por la compa nia no sea negativo?
a) 0, 1754 b) 15 c) 0,273 e) p1 = 2500 , p2 = 20000
4. Distribuciones continuas mas comunes
104.
Una variable aleatoria X se distribuye de forma uniforme en (2, 4). Se pide:
a) P(X < 2,5)
b) P(X > 3,2)
c) P(2,2 < X < 3,5)
d) E(X) y V ar(X)
105.
Se sabe que la cantidad aleatoria demandada durante un cierto periodo de tiempo por parte de una
empresa textil tiene distribucion uniforme y no supera la tonelada. Determinar para dicho periodo
de tiempo:
a) Probabilidad de que la cantidad demandada no supere los 900 kg.
b) Probabilidad de que la cantidad demandada este comprendida entre 800 y 900 kg.
c) La demanda esperada.
a) 0, 9 b) 0,1 c) E[X] = 500 kilos
106.
Una empresa tiene una funcion de costes que viene dada por C = 100,000 + 2X. En el mercado
vende cada unidad a 5 euros y la demanda X del citado artculo tiene una distribucion uniforme
entre 25000 y 30000 unidades. Cual sera el benecio esperado? 17,500
107.
Comprobar que si T es exponencial de parametro se cumple la propiedad

T
=
1

;
2
T
=
1

.
108.
Comprobar que si T es exponencial de parametro se cumple la propiedad
P(T > s +t|T > s) = P(T > t)
Porque se suele decir que la variable aleatoria exponencial no tiene memoria?
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 24
4. DISTRIBUCIONES CONTINUAS M

AS COMUNES
109.
La variable aleatoria T es de tipo Exponencial(). Cual es la probabilidad de que T sea superior
a su valor esperado? Cual es la probabilidad de que T sea superior al doble de su valor esperado?
a) e
1
b) e
2
110.
La funcion de densidad del tiempo T entre dos averas de una instalacion de calculo es
f(t) = 0,25e
0,25t
.
Para resolver un determinado problema es necesario que funcione la instalacion sin fallos durante 3
minutos, que es el tiempo necesario para la resolucion del problema. Si falla la instalacion durante
el periodo de 3 minutos hay que volver a empezar con el calculo del problema teniendo en cuenta
que la existencia de una avera solo se aprecia despues de los tres minutos. Sea Y el tiempo total
necesario para la resolucion del problema. Hallar:
a) Distribucion de Y .
b) Tiempo medio de resolucion del problema.
c) Probabilidad de que en 18 minutos puedan ser resueltos 3 problemas.
a) P(Y = 3k) = p q
k1
con p = 0,472 b) 6, 35 c) 0,7072
111.
La duracion de la vida de una bombilla es Exponencial(). La probabilidad de que sobrepase las
100 horas de uso es 0,9.
a) Cual es la probabilidad de que sobrepase 200 horas de uso?
b) Cuantas horas se mantiene funcionando con una probabilidad 0,95?
112.
El tiempo medio de funcionamiento de una bombilla es de 120 horas. Se ponen en funcionamiento
6 bombillas al mismo tiempo. Sea T
i
el tiempo que transcurre hasta que se estropean i bombillas.
Determinar E[T
i
] para i = 1, 3, 6. Grado de dicultad: Grande
113.
En la gura 4.4 cada componente tiene una funcion de abilidad de tipo exponencial con par ametro

i
. Determinar la funcion de abilidad del sistema y el tiempo medio de vida del sistema.

1

2
(a) Sistema-1

2
(b) Sistema-2
Figura 4.4: Fiabilidad en serie y paralelo

a) G(t) = e
(
1
+
2
)t
E[t] =
1

1
+
2
b) G(t) = 1 (1 e

1
t
)(1 e

2
t
) E[t] =
1

1
+
1

1
+
2
114.
En la gura 4.5 cada componente tiene la misma funcion de abilidad de tipo exponencial con
parametro . Determinar la funcion de abilidad del sistema y el tiempo medio de vida del sistema.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 25
4. DISTRIBUCIONES CONTINUAS M

AS COMUNES

2
(a) Sistema-3
Figura 4.5: Fiabilidad en serie y paralelo
115.
En la gura 4.4 cada componente tiene una funcion de abilidad de tipo exponencial con par ametro

i
. Sea A el suceso la componente 1 se estropea antes que la componente 2. Determinar la proba-
bilidad del suceso A.
116.
Sean 30 instrumentos electronicos E
1
, E
2
, . . . , E
30
. Tan pronto como falla E
1
se activa E
2
, y as suce-
sivamente. Si el tiempo en que falla E
i
, para cualquier i, es de tipo exponencial con parametro
= 0,1 hora
1
y T es el tiempo total de funcionamiento de los 30 instrumentos, hallar la proba-
bilidad de que T supere las 350 horas.
117.
Sea Z una variable aleatoria normal con = 0 y = 1. Calcular:
a) p(Z 0) b) p(Z 1)
c) p(Z > 1) d) p(Z > 1)
e) p(1 < Z < 1) f) p(2 < Z < 1)
118.
Sea X una variable aleatoria normal con = 50 y
2
= 25. Calcular:
a) p(X 40) b) p(X 60)
c) p(X > 65) d) p(X > 35)
e) p(40 < X < 60) f) p(30 < X < 42)
119.
Se sabe que el n umero X de personas que entran diariamente en unos grandes almacenes se dis-
tribuye normalmente. Si hay una probabilidad 0,58 de que entren menos de 75 clientes y una
probabilidad 0,38 de que entren entre 75 y 80 clientes, determinar la media y la varianza de la
variable X. = 74,35 y = 3,22
120.
La duracion aleatoria de un determinado tipo de artculos, en horas, viene regulada por la ley de
probabilidad N(180, 5). Determinar la probabilidad de que la duracion de tal artculo:
a) Sea superior a 170 horas.
b) Sea inferior a 150 horas.
a) 0,9773 b) 0
121.
Sabiendo que la demanda aleatoria de gasolina durante un cierto periodo de tiempo se comporta
con arreglo a la ley normal de media 150000 litros y desviacion tpica 10000 litros, determinar la
cantidad que hay que tener dispuesta a la venta en dicho periodo para poder satisfacer la demanda
con una probabilidad de 0,95. C = 169600 litros
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 26
4. DISTRIBUCIONES CONTINUAS M

AS COMUNES
122.
Un instrumento electronico esta formado por tres componentes. Dos formas posibles de disponer
estas componentes son: i) en serie, ii ) en paralelo. Si los tiempos de fallo de cada componente son
independientes y siguen una distribucion exponencial con funcion de densidad:
f(t) = 0,01 e
0,01t
,
se desea saber:
a) Probabilidad de que el instrumento funcione despues de 50 horas en los dos casos.
b) Si el sistema no ha fallado durante 20 horas, cual es la probabilidad de que falle en las 30
horas siguientes?
a) e
1
0,8452 b) 0,4512 0,1261
123.
Para ganar el jubileo un peregrino decide ir, a golpe de alpargata, desde su pueblo hasta Santiago
de Compostela, siendo la distancia entre ambos lugares de 300 km. Este peregrino es precisamente
fabricante de dicho tipo de calzado y sus datos han permitido establecer a un ingeniero, que vive
en el pueblo, a efectos de control de calidad, que los kilometros que se pueden recorrer con un par
de alpargatas, antes de que queden inservibles, es una variable N(20, 16). Aunque el peregrino no
le importa disciplinarse severamente, tampoco quiere correr un riesgo excesivo de destrozarse los
pies. Por eso, quiere saber cual es el menor n umero de pares de alpargatas que debe llevar para
tener una garanta de al menos un 91 % de que no tendra que caminar descalzo. n 17
124.
Un individuo juega con probabilidad de ganar igual a 1/2 en cada juego. Si gana en un juego obtiene
5 euros y si pierde paga 5 euros. Durante una tarde juega 400 veces. Con cuanto dinero debe acudir
si quiere tener una probabilidad de 0,95 de hacer frente a sus posibles perdidas?
196
125.
Un corredor de bolsa adquiere 50 acciones diferentes. Se sabe, por estudios anteriores, que los
benecios de cada accion se distribuyen uniformemente en el intervalo (1000, 2000), y que dichos
benecios son independientes. Dicho corredor concierta con sus clientes una ganancia, por cada
accion de 1200 euros, que probabilidad tiene de no perder dinero? 0,8
126.
Un instituto de opinion publica quiere obtener una muestra de votantes de un cierto estado, sucien-
temente grande para que la probabilidad de obtener una proporcion de votos a favor del candidato
A inferior al 50 %, sea de 0,01, si la intencion de voto a favor de dicho candidato es realmente del
52 %. Que tama no debera tener la muestra? n 3388
127.
Dos individuos A y B realizan un juego bajo las siguientes condiciones: se lanza un dado perfecto,
si sale 1 o 2 el jugador A paga 6 euros a B, pero si sale 3, 4, 5 o 6 el jugador B paga 21 euros
a A. Se pide:
a) Si juegan 300 partidas determinar la probabilidad de A gane entre 175 y 230 euros.
b) El benecio esperado para ambos jugadores en 300 partidas.
c) Si B lleva en el bolsillo 200 euros, cuantas partidas al menos hay que jugar para que B lo
pierda todo con una probabilidad de al menos 0,9772?
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 27
4. DISTRIBUCIONES CONTINUAS M

AS COMUNES
a) 0,99 b) E[BA] = 3600 E[BB] = 3600 c) n 28
128.
El contenido de un bote de cerveza se distribuye normalmente con media 30 cl, y desviaci on tpica
2 cl.
a) Cual es la probabilidad de que un bote determinado tenga mas de 33 cl?
b) En un envase de 6 botes cual es la probabilidad de que el contenido lquido total sea inferior
a un litro y tres cuartos?
a) 0,0668 b) 0
129.
Sabiendo que el 30 % de los enfermos con infartos de miocardio que ingresan en un hospital, fallecen
en el mismo, y que al a no ingresan 2000, determinar la probabilidad de que fallezcan en el hospital
un maximo de 550. 0,0073
130.
En un proceso de fabricacion se sabe que el n umero aleatorio de unidades defectuosas producidas
diariamente, viene dado por la ley de probabilidad:
P(X = r) = e
10
10
r
r!
r = 0, 1, 2, . . .
Determinar la probabilidad de que en 150 das, el n umero de unidades defectuosas producidas supere
las 1.480 unidades. 0,69
131.
Una empresa sabe que la demanda aleatoria de un artculo que produce, se ajusta por la ley
N(10000, 100). Si la empresa decide seguir produciendo el artculo en el futuro, supuesto que la
demanda este comprendida entre 9930 y 10170 unidades, determinar la probabilidad de que no siga
produciendo tal artculo. 0,2866
132.
Una tienda comercial dispone a la venta diariamente solo dos artculos a precios p
1
y p
2
, de forma
que: el 70 % de las unidades ofrecidas lo son del artculo de precio p
1
y el 30 % restante lo son del
artculo de precio p
2
. Si en un da determinado se venden 2000 unidades, determinar la probabilidad
de que mas de 800 unidades correspondan al artculo de precio p
2
. 0
133.
Un concesionario de automoviles vende a particulares vehculos de la misma marca. Sabiendo que
la probabilidad de que este tipo de vehculos este en servicio dos a nos despues es de 0,8, determinar
la probabilidad de quede 4000 automoviles vendidosmas de 3120 esten en servicio dentro de dos
a nos. 0,9992
134.
La demanda de un producto oscila diariamente entre 20 y 40 unidades. Determinar la probabilidad
de que en un periodo de 182 das, el n
0
de unidades demandadas supere 6370 unidades, supuesta
la independencia de la demanda de cada da respecto de las restantes.
0
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 28
5. AJUSTE DE DISTRIBUCIONES
5. Ajuste de Distribuciones
135.
Se lanza un dado 1200 veces y se obtienen los siguientes resultados:
X
i
1 2 3 4 5 6
O
i
: frecuencia 175 215 220 190 170 230
Es el dado regular? Se rechaza con
2
= 15,75 >
2
5
= 11,07 para = 0,05
136.
Para cuatro variedades de plantas, la teora de Mendel predice descendientes en la proporcion 9 : 3 :
3 : 1. Por cruzamiento se tomaron 240 descendientes y se agruparon por variedades, obteniendose:
X
i
Var1 Var 2 Var 3 Var 4
O
i
: frecuencia 120 40 55 25
Estan de acuerdo los resultados con la teora? Se rechaza con
2
= 11,11 >
2
3
= 7,81 para = 0,05
137.
Durante la Segunda Guerra Mundial se dividio el mapa de Londres en cuadrculas de 1/4 km y se
conto el n umero de bombas cadas en cada cuadrcula durante un bombardeo aleman. Los resultados
fueron:
x: Impactos en cuadrcula 0 1 2 3 4 5
O
i
: frecuencia 229 211 93 35 7 1
Se quiere contrastar la hipotesis de que los datos siguen una distribucion de Poisson. Se pide:
a) Dise nar las columnas adecuadas que registren las frecuencias observadas y las esperadas.
b) Calcular el estadstico del contraste
2
.
c) Hallar el cuantil 0,95 de la distribucion
2
g.l.
y decidir si se acepta que los datos de la muestra
se ajustan a la distribucion teorica.
b)
2
= 1,02 c)
2
3;0,95
= 7,81
138.
Se desea contrastar que el n umero de rayos gamma emitidos por segundo, por cierta sustancia
radiactiva, es una variable aleatoria que tiene ddistribucion de Poisson con = 2,6. Utilizar los
siguientes datos obtenidos en 300 intervalos de un segundo para contrastar esta hip otesis nula en el
nivel de signicacion del 0,05.
N umero de rayos gamma 0 1 2 3 4 5 6 7 o mas
O
i
: frecuencia 19 48 66 74 44 35 10 4
Se acepta con
2
= 12,4 <
2
7
= 14,07 para = 0,05
139.
El tiempo de vida de 70 motores se registra en la siguiente tabla:
A nos de funcionamiento (0, 1) (1, 2) (2, 3) (3, 4) 4
O
i
: frecuencia 30 23 6 5 6
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 29
5. AJUSTE DE DISTRIBUCIONES
Contrastar la hipotesis de que los datos siguen una distribucion exponencial.
Se acepta con
2
= 3,18 <
2
3
= 7,81; = 0,05
140.
La siguiente tabla proporciona los tiempos (en minutos) que transcurren entre sucesivas conexiones
de los usuarios al servidor encargado de mantener el servicio del sitio Web de una empresa.
9,71 3,76 17,59 0,72 0,96 2,59 16,76 9,16 3,53 16,47
15,58 6,07 39,88 1,27 20,31 12,69 2,47 2,44 10,97 16,28
Se pide:
a) Dibujar la muestra en papel probabilstico exponencial.
b) Usando pruebas del tipo de la de Kolmogorov-Smirnov, contrastar la hipotesis nula que arma
que los datos proceden de una distribucion exponencial de parametro desconocido.
Vease el captulo 5 del libro de Luce no y Gonz alez(2003)
141.
La siguiente tabla proporciona los tiempos (en a nos) que transcurren hasta que se avera una
maquina.
2,63 2,5 3,52 2,79 4,56 5,03 4,99 3,68 3,28 2,12
1,8 3,25 2,94 3,7 4,33 3,09 4,16 3,86 4,21 3,27
Se pide:
a) Dibujar la muestra en papel probabilstico de Weibull.
b) Usando pruebas del tipo de la de Kolmogorov-Smirnov, contrastar la hipotesis nula que arma
que los datos proceden de una distribucion de Weibull de parametros desconocidos.


= 4,49434;

= 3,82296. Vease el captulo 5 del libro de Luce no y Gonz alez(2003)
142.
Los n umeros de pedidos recibidos en una fabrica durante las ultimas 20 semanas aparecen en la
siguiente tabla.
298 302 305 297 283 309 286 292 304 307
300 302 288 296 317 319 295 304 313 306
Se pide:
a) Dibujar la muestra en papel probabilstico de normal.
b) Usando pruebas del tipo de la de Kolmogorov-Smirnov, contrastar la hipotesis nula que arma
que los datos proceden de una distribucion normal de parametros desconocidos.
x = 301,15; s = 9,65333. D
+
= 0,072; D

= 0,062; D = 0,072; no se rechaza H0: > 0,15. A


2
= 0,143; = 0,965.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 30
6. CALIDAD Y MONITORIZACI

ON DE PROCESOS
6. Calidad y monitorizacion de procesos
143.
En una fabrica de automoviles que produce discos de frenado se han observado los diametros de 30
discos. Los datos obtenidos estan dados en centmetros en la siguiente tabla:
Intervalo de muestreo (t) Diametro x
t1
Diametro x
t2
Diametro x
t3
1 14,97 14,98 14,98
2 15,00 15,03 14,97
3 14,97 14,96 15,01
4 15,01 15,02 14,98
5 15,07 15,04 14,99
6 14,99 15,00 15,00
7 15,00 15,01 14,97
8 15,01 15,01 14,97
9 14,96 15,03 14,98
10 15,06 14,97 15,04
Estos datos han sido obtenidos a lo largo de 10 intervalos de muestreo sucesivos (t = 1, 2, . . . , 10
horas), en cada uno de los cuales se han elegido al azar 3 discos para medir sus diametros (x
t1
, x
t2
y x
t3
). Se pide:
a) Calcular las abscisas y las ordenadas de los puntos que hay que dibujar en un graco

X.
Calcular las abscisas y las ordenadas de los puntos que hay que dibujar en un graco R.
b) Dibujar el graco

X. A la vista de este graco, puede decirse que la media del proceso
esta bajo control estadstico?
c) Dibujar el graco R. A la vista de este graco, puede decirse que la variabilidad del proceso
esta bajo control estadstico?
d) Dibujar el graco co-plot usando una constante de suavizacion de 0,7 para el graco EWMA.
e) Dibujar el graco CUSUM unilateral superior suponiendo que el valor objetivo del diametro
es 15 cm, que se desea detectar variaciones en la media del proceso del orden de +0,04 cm y
que el intervalo de decision es 0,12 cm. Repetir el graco usando MINITAB.
f ) Dibujar el graco EWMA usando MINITAB. Explicar las diferencias observadas respecto del
graco EWMA dibujado previamente.
Vease el captulo 6 del libro de Luce no y Gonz alez(2003)
144.
Usando los datos del ejercicio anterior, se pide:
a) Estimar los ndices de capacidad C
p
, C
pU
, C
pL
, C
pk
, C
pm
y C
pc
usando estimadores globales.
b) Estimar los ndices de capacidad C
p
, C
pU
, C
pL
y C
pk
usando estimadores dentro de cada
intervalo de muestreo.
c) Obtener el analisis de capacidad proporcionado por MINITAB.
Vease el captulo 6 del libro de Luce no y Gonz alez(2003)
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 31
6. CALIDAD Y MONITORIZACI

ON DE PROCESOS
145.
En una fabrica de barras de acero se va a empezar a producir un nuevo tipo de barras que debe
tener una resistencia a traccion en el intervalo 125010 Kg/cm
2
. Despues de dedicar alg un tiempo
para tratar de poner el proceso de fabricacion bajo control se desea conocer si el estado de control
alcanzado es adecuado para comenzar la fabricacion en serie de dichas barras. Para ello, durante 10
horas sucesivas, se han ensayado a rotura 3 barras elegidas al azar de entre las producidas en cada
hora, habiendose obtenido los datos de la tabla siguiente.
t x
t1
x
t2
x
t3
1 1247,10 1250,15 1247,75
2 1247,25 1255,38 1246,75
3 1248,63 1248,63 1248,71
4 1250,87 1250,00 1251,34
5 1249,18 1249,95 1246,98
6 1248,15 1251,03 1251,37
7 1245,88 1249,15 1244,17
8 1249,49 1249,08 1248,65
9 1246,91 1248,89 1251,58
10 1251,93 1252,18 1248,87
Se pide:
a) Estimar los ndices de capacidad C
p
, C
pU
, C
pL
, C
pk
, C
pm
y C
pc
usando estimadores globales.
b) Estimar los ndices de capacidad C
p
, C
pU
, C
pL
y C
pk
usando estimadores dentro de cada
intervalo de muestreo.
c) Obtener el analisis de capacidad proporcionado por MINITAB.
Vease el captulo 6 del libro de Luce no y Gonz alez(2003)
146.
El jefe de obra de la empresa que esta construyendo una autopista utiliza una norma seg un la
cual debe extraer diariamente 50 probetas de hormigon y vigilar que el porcentaje de probetas que
superan una batera de ensayos se mantenga constantemente alrededor de 60 %. Los n umeros de
probetas que han superado la batera de ensayos durante los ultimos 40 das han sido los siguientes.
28 36 31 30 35 27 27 25 28 24
34 28 32 24 30 29 33 24 31 34
31 28 30 25 30 25 26 26 33 30
26 30 31 38 31 30 25 28 28 35
Se pide:
a) Dibujar un graco np. Repetir el graco usando MINITAB con todos los tests disponibles.
b) Dibujar un graco EWMA con = 0,2. Repetir el graco usando MINITAB con todos los
tests disponibles.
c) Dibujar un graco CUSUM suponiendo que se desea detectar variaciones en la media del
proceso del orden de 0,5 y que el intervalo de decision es 14. Repetir el graco usando
MINITAB.
Vease el captulo 6 del libro de Luce no y Gonz alez(2003)
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 32
6. CALIDAD Y MONITORIZACI

ON DE PROCESOS
147.
El jefe de relaciones con los clientes de una gran marca considera normal que el n umero medio
semanal de reclamaciones de los clientes sea alrededor de 80. Si aumenta el n umero de reclamaciones,
quiere enterarse lo antes posible puesto que ello puede indicar que esta disminuyendo la calidad de
sus productos. Si disminuye el n umero de reclamaciones, tambien desea saberlo cuanto antes porque
ello puede indicar un cambio de actitud de los clientes hacia su marca.
Durante las ultimas 20 semanas se han producido los siguientes n umeros de reclamaciones.
82 97 93 81 91 80 85 79 100 82
89 94 80 87 93 78 97 92 79 104
Se pide:
a) Dibujar un graco c. Repetir el graco usando MINITAB con todos los tests disponibles.
b) Dibujar un graco EWMA con = 0,25. Repetir el graco usando MINITAB con todos los
tests disponibles.
c) Dibujar un graco CUSUM unilateral superior suponiendo que se desea detectar variaciones
en la media del proceso del orden de +5 y que el intervalo de decision es 36. Repetir el graco
usando MINITAB.
Vease el captulo 6 del libro de Luce no y Gonz alez(2003)
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 33
7. INFERENCIA ESTAD

ISTICA
7. Inferencia Estadstica
148.
Se ha analizado un conjunto de n microprocesadores y se encuentran x defectuosos.
a) No se conoce la probabilidad p de que uno cualquiera sea defectuoso. Estimar p por el metodo
de los momentos.
b) No se conoce n, pero s la probabilidad de ser defectuoso p. Estimar n por el metodo de los
momentos.
a) p =
x
n
b) n =
x
p
149.
Los defectos en una placa fotograca siguen una distribucion de Poisson Po(). Se estudian 7
placas encontrando 3, 5, 2, 2, 1, 3 y 4 defectos, respectivamente. Calcular el estimador de maxima
verosimilitud de .


=
20
7
150.
Si x
1
, x
2
, . . . , x
n
es una muestra aleatoria simple de una variable aleatoria normal de media y
varianza
2
, y consideramos la cuasi-varianza muestral
s
2
=

n
i=1
(x
i
x)
2
n 1
determinar E[s
2
]. E[ s
2
] =
2
151.
Una maquina automatica fabrica piezas, de las cuales se desea controlar su longitud X, que se sabe
se distribuye de forma N(60; 1,5
2
). Se extraen regularmente muestras de 9 piezas.
a) Cual es la ley de probabilidad de

X?
b) En que intervalo (a, b) simetrico respecto de existe una probabilidad 0,95 de hallar

X?
c) Para controlar la varianza
2
se estudian los valores de la variable
S
2
=
9

1
(X
i


X)
2
cual es la ley de probabilidad de S
2
/
2
?
d) Cual es la esperanza de S
2
? Cual es su varianza?
e) En que intervalo (0, a) debe encontrarse S
2
con una probabilidad 0,95?
a) N(60,1; 5
2
/

9) b) 60,1 3, 267 c)
2
8
d) E
_
S
2

2
_
= 8 V ar
_
S
2

2
_
= 16 e) 0 < S
2
< 68,25
152.
El diametro interior de un anillo de piston seleccionado al azar es una variable aleatoria con media
12 cm y desviacion tpica 0,04 cm.
a) Si x es el diametro medio de una muestra de n = 16, donde esta centrada la distribucion de
x, y cual es la desviacion tpica de la distribucion de x?
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 34
7. INFERENCIA ESTAD

ISTICA
b) Contestar a las preguntas anteriores si n = 64.
c) Suponiendo que X se distribuye de forma Normal, calcular P(11,99

X 12,01) cuando
n = 16.
d) Suponiendo que X se distribuye de forma Normal, cual es la distribucion de la cuasi-varianza
muestral s
2
?
e) Hallar P(10
3
s
2
2 10
3
).
a) = 12; x = 0,01 b) = 12; x = 0,005 c) 0,6826 d)
15 s
2

2

2
15
e) 0,6318
153.
Cierto tipo de componentes electricas tienen una resistencia media de 200 , con desviacion tpica
= 10 . Se utilizan 25 de ellas en un circuito:
a) Calcular la probabilidad de que la resistencia media de las 25 componentes este entre 199 y
202 .
b) Calcular la probabilidad de que la resistencia total de las 25 componentes no supere lo 5100
.
a) 0,5328 b) 0,9772
154.
Sea p la proporcion de fumadores en una poblacion. Entre 1000 personas elegidas al azar, hay 600
fumadores. Determinar un intervalo de conanza para p, con un nivel de conanza 0,95.
0,6 0,030
155.
La proporcion de escolares zurdos es p. En una muestra aleatoria de 100 escolares, hay 10 zurdos.
Dar un intervalo de conanza para p, con un nivel de conanza 0,95.
0,1 0,0588
156.
Al examinar a 20000 madrile nos, se han obtenido los siguientes resultados:
Grupo sanguneo A B AB O
Porcentaje 43,2 14,2 6 36,6
Determinar un intervalo de conanza, con un nivel de conanza del 95,45 % para la proporcion p
de personas con grupo sanguneo del tipo O. 0,366 0,00667
157.
Se quiere estimar la proporcion de zurdos en una poblacion con una conanza del 95 % y una
precision de 0,01.
a) Cual debe ser el tama no de la muestra elegida?
b) Mediante un muestreo previo se estima que p 0,1. Que tama no debe tener la muestra si
para calcularlo se utiliza la estimacion de p dada?
a) n 97 b) n 35
158.
Se quiere estimar la proporcion p de electores que votaran al candidato poltico A, con un nivel de
conanza 0,9 y una precision de 0,05. Que tama no debe tener la muestra? n 269
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 35
7. INFERENCIA ESTAD

ISTICA
159.
En una poblacion muy grande, se extrae al azar una muestra de 100 votantes para conocer sus
opiniones respecto de dos candidatos. De los individuos de la muestra, 55 apoyan al candidato A y
45 apoyan al candidato B. Se pide:
a) Calcular un intervalo de conanza para la proporcion de votos a favor de cada candidato.
b) Calcular cual debera ser el tama no de la muestra para que una fraccion 0,55 de partidarios
de A nos de una conanza del 95 % de que este saldra elegido.
a) 0,55 0, 097 0,45 0, 097 b) n 400
160.
La resistencia media de fractura de cierto tipo de vidrio es de 1 kg/cm
2
con una desviacion tpica
de 0,14 kg/cm
2
:
a) Cual es la probabilidad de que la resistencia media de una muestra de 100 piezas sea superior
a 1,028 kg/cm
2
?
b) Construir un intervalo de conanza al nivel de conanza 95 % para la media de la muestra x.
a) 0,0228 b) 1 0,02744
161.
Si la vida en horas de una bombilla electrica de 75 watios se distribuye de forma normal, con
desviacion tpica = 5 horas y elegimos una muestra aleatoria de 20 bombillas cuya vida media es
de 1014 horas, se pide:
a) Construir un intervalo de conanza bilateral para la vida media de las bombillas con un nivel
de signicacion del 0,05.
b) Construir un intervalo de conanza inferior al para la vida media de las bombillas con un nivel
de signicacion del 0,05.
c) Si queremos tener un nivel de conanza del 95 % de que el error en la estimacion de la vida
media fuera menor que dos horas, que tama no de muestra elegiramos?
162.
Un fabricante de pinturas desea determinar el tiempo de secado en promedio de una nueva pintura
para interiores. Si en 12 areas de prueba de igual tama no, el obtuvo un tiempo de secado medio de
66,3 minutos y una cuasi-desviacion tpica de 8,4, construir un intervalo de conanza con un nivel
de signicacion del 0,05. 66,3 5,33
163.
Las resistencias a fractura X, en kg/cm
2
, de unas placas de acero fueron:
69,5; 71,9; 72,6; 73,3; 73,5; 75,5; 75,7; 75,8; 76,1; 76,2;
77; 77,9; 78,1; 79,6; 79,7; 79,9; 80,1; 82,2; 83,7; 93,7
Calcular un intervalo de conanza para la desviacion tpica
x
de la distribucion de la resistencia a
fractura al nivel de conanza 0,99. Es valido este intervalo, cualquiera que sea el tipo de distribucion
de la variable aleatoria X? 13,275 <
2
< 74,84
164.
La longitud de los craneos de 10 esqueletos fosiles de una especie de aves extinta tiene una media de
5,68 cm y una cuasi-desviacion tpica de 0,29 cm. Suponiendo que estas longitudes estan distribuidas
de forma normal, obtener un intervalo de conanza al 95 % de la longitud media de los cr aneos de
esta especie de aves. 5,68 0,207
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 36
7. INFERENCIA ESTAD

ISTICA
165.
Una empresa se dedica a la fabricacion de lamparas de radio y televisiones. Las de radio tienen una
duracion media de 2500 horas y una desviacion tpica de 250 horas. Las de television una media de
2200 horas y 100 horas de desviacion. Se cogen 50 lamparas de radio y 75 de television al azar. Se
pide:
a) Distribucion muestral de la diferencia de medias.
b) Probabilidad de que la diferencia de medias este comprendida entre 250 y 400.
c) Probabilidad de que la duracion media de las lamparas de radio no sea superior en mas de 200
horas a la duracion media de las lamparas de television.
a) N(300; 37,2) b) 0,9069 c) 0,0036
166.
Se estan probando dos composiciones diferentes de gasolina sin plomo para determinar sus octanajes.
La varianza del octanaje para la composicion 1 es
2
1
= 1,5 y para la composicion 2 es
2
2
= 1,5. Se
extraen sendas muestras aleatorias de tama no n
1
= 15 y n
2
= 20, y se miden los octanajes medios
respectivos, x
1
= 89,6 y x
2
= 92,5. Construir un intervalo de conanza al 95 % para estimar la
diferencia de los octanajes medios de las dos composiciones de gasolina sin plomo.
167.
Se tomaron muestras aleatorias de tama no 20 de dos poblaciones independientes. Las medias y las
desviaciones tpicas de las muestras fueron x
1
= 22, x
2
= 21,5, s
1
= 1,8 y s
2
= 1,5. Suponiendo que

2
1
=
2
2
construir un intervalo de conanza al nivel de conanza 95 % para
1

2
.
168.
Las capacidades de produccion de calor del carbon extrado de dos minas se estudian con dos
muestras:
MinaA 8500 8330 8480 7960 8030
MinaB 7710 7890 7920 8270 7860
Suponiendo que los datos constituyen muestras aleatorias independientes tomadas de poblaciones
con varianzas iguales, construir un intervalo de conanza al nivel 95 % para la diferencia entre el
promedio real de las capacidades de produccion de calor del carbon extrado de ambas minas.
440 336
169.
Se lleva a cabo un estudio para determinar la proporcion de casas que poseen al menos dos aparatos
de television. De que tama no debe ser la muestra si se desea tener una conanza del 99 % de que
el error al estimar esta proporcion sea menor que 0,01?
170.
Un tecnico en computadoras esta investigando la ecacia de dos lenguajes de dise no diferentes en el
mejoramiento de tareas de programacion. A 12 programadores expertos, familiarizados con ambos
lenguajes, se les pide que codiquen una funcion estandar en ambos lenguajes, y se registra el tiempo
en minutos que ambos codigos emplean en su ejecucion. Los tiempos se muestran en la tabla:
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 37
7. INFERENCIA ESTAD

ISTICA
programador lenguaje 1 lenguaje 2
1 17 18
2 16 14
3 21 19
4 14 11
5 18 23
6 24 21
7 16 12
8 14 13
9 21 19
10 23 24
11 13 15
12 18 20
Encontrar un intervalo de conanza al 95 % para la diferencia en los tiempos de codicaci on medios.
Hay alguna indicacion de que uno de los lenguajes de dise no sea preferible?
(2,2; 1,2)
171.
Un medico dice poseer un metodo para determinar el sexo de los ni nos 6 meses antes de su nacimiento
con una efectividad del 80 %. Para probar esta armacion se utiliza el siguiente procedimiento. Se
le dejan hacer 14 predicciones. Si el n umero de exitos X es al menos de 11, se acepta su metodo y
en caso contrario no se acepta.
a) Calcular la probabilidad de que se acepte su metodo siendo malo.
b) Calcular la probabilidad de que se rechace su metodo siendo bueno.
c) Parece justo este procedimiento?
a) 0,0286 b) 0,30 c) Este procedimiento no parece justo pues, aunque es peque na la probabilidad de que se
le admita su metodo siendo realmente malo, la probabilidad de rechazarle cuando su metodo es v alido es del 0,30. Un buen
procedimiento debe tener estas dos probabilidades peque nas.
172.
Un grafologo busca empleo. Con el n de vericar su cualicacion, se le entregan 10 pares de muestras
de escrituras. Cada par contiene la escritura de un medico y de un abogado. Se le contratara si
identica correctamente por lo menos 8 de los 10 pares. Sea p su probabilidad de exito. Se pide:
a) Cual es la probabilidad L(p) de que sea contratado?
b) Determinar L(p) para p = 0,5 y p = 0,85.
a) L(p) =

10
i=8
_
10
i
_
p
i
q
10i
b) L(0,5) = 0,055 L(0,85) = 0,82
173.
Se dispone de una moneda cuyo aspecto no es simetrico. Se quiere contrastar si es regular, es decir,
si p = 1/2. Se lanza la moneda 1000 veces y se obtiene 550 veces cruz. Que podemos decidir?
no es realmente regular
174.
En la experiencia de la moneda regular, se ha obtenido 530 veces cruz. Es signicativo este
resultado en contra de la hipotesis de que la moneda es regular para un nivel de signicaci on 5 %?
si: = 0,0287
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 38
7. INFERENCIA ESTAD

ISTICA
175.
Al lanzar un dado 600 veces se obtienen 120 seises. Es signicativo este resultado en contra de
la hipotesis de que el dado es regular para un nivel de signicacion 5 %?
176.
Cierta enfermedad es mortal en el 10 % de los casos. De doscientos mineros afectados por dicha en-
fermedad, se mueren 29. Signica esto que los mineros son mas vulnerables a la citada enfermedad?
Cual es la probabilidad de obtener, al azar, una desviacion tan grande?
177.
Un ingeniero se plantea la eleccion entre dos fabricantes distintos para el suministro de cierto aditivo
para el hormigon. El ingeniero recibe las muestras de los laboratorios A y B. Realiza un estudio de
las 15 bolsas de cada tipo del suministro obteniendo:
Descriptive Statistics Variable
N Mean Median TrMean StDev SE Mean
LabA 15 2,9869 2,9800 2,9860 0,1273 0,0329 %
LabB 15 2,9869 2,9840 2,9845 0,0688 0,0178
Variable Minimum Maximum Q1 Q3
LabA 2,7690 3,2160 2,8750 3,0760 %
LabB 2,8650 3,1400 2,9400 3,0390
Cual es el aditivo mas conveniente?
178.
Los datos que aparecen en la siguiente tabla fueron obtenidos en un experimento dise nado para
estimar la posible diferencia sistematica entre los rendimientos obtenidos en un proceso qumico
con dos catalizadores diferentes, que llamaremos A y B.
Da Catalizador A Catalizador B
1 81,31 81,01
2 77,40 77,57
3 80,89 74,72
4 82,15 81,73
5 79,25 74,60
6 80,77 78,68
7 81,19 78,80
8 79,86 81,17
Se teme que el rendimiento pueda variar de unos das a otros dependiendo de factores que no
pueden controlarse. Por ello, se eligieron 8 das diferentes y en cada uno de dichos das se realizo el
proceso una vez con el catalizador A y otra vez con el catalizador B. El orden en que se usaron los
catalizadores A y B se eligio al azar cada da.
Sean
A
y
2
A
la media y la varianza poblacionales de los rendimientos obtenidos con el catalizador
A. Analogamente, sean
B
y
2
B
la media y la varianza poblacionales de los rendimientos obtenidos
con el catalizador B.
Se pide:
a) Estimar la diferencia de medias
A

B
puntualmente y mediante un intervalo de conanza
para al nivel de conanza 0,95.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 39
7. INFERENCIA ESTAD

ISTICA
b) Puede rechazarse la hipotesis nula H
0
:
A
=
B
frente a la hipotesis alternativa H
1
:
A
=
B
con un riesgo de primera especie de 0,05? Calcular aproximadamente el nivel de signicacion
de la prueba usada.
c) Puede rechazarse la hipotesis nula H
0
:
2
A
=
2
B
frente a la hipotesis alternativa H
1
:
2
A
=
2
B
usando un riesgo de primera especie de 0,05? Calcular aproximadamente el nivel de signicacion
de la prueba usada.
a) 1,818; (0,312; 3,947) b) no: 0,083 c) Vease el captulo 7 de Luce no y Gonz alez(2003): Datos apareados.
179.
Los datos que aparecen en la siguiente tabla fueron obtenidos en un experimento dise nado para
estimar la posible diferencia sistematica entre los rendimientos obtenidos en un proceso qumico
con dos catalizadores diferentes, que llamaremos A y B.
Catalizador A Catalizador B
81,31 73,93
77,40 75,62
80,89 70,38
82,15 75,91
79,25 71,65
80,77 72,77
81,19 76,45
79,86 73,13
Durante 16 das consecutivos se realizo el proceso qumico con uno de los catalizadores elegido al
azar entre A y B, realizando el sorteo de forma que no se obtuvieran mas de 8 datos con ninguno
de los catalizadores.
Sean
A
y
2
A
la media y la varianza poblacionales de los rendimientos obtenidos con el catalizador
A. Analogamente, sean
B
y
2
B
la media y la varianza poblacionales de los rendimientos obtenidos
con el catalizador B.
Se pide:
a) Estimar la diferencia de medias
A

B
puntualmente y mediante un intervalo de conanza
para al nivel de conanza 0,95.
b) Puede rechazarse la hipotesis nula H
0
:
A
=
B
frente a la hipotesis alternativa H
1
:
A
=
B
con un riesgo de primera especie de 0,05? Calcular aproximadamente el nivel de signicacion
de la prueba usada.
c) Puede rechazarse la hipotesis nula H
0
:
2
A
=
2
B
frente a la hipotesis alternativa H
1
:
2
A
=
2
B
usando un riesgo de primera especie de 0,05? Calcular aproximadamente el nivel de signicacion
de la prueba usada.
a) 6,623; (4,604; 8,641) b) s: < 0,001 c) no: 0,347(testF); 0,219(Levene). Datos independientes.
180.
El departamento de control de calidad de una empresa ha examinado 1000 unidades de un pro-
ducto fabricado por la empresa, habiendose observado que no hay ninguna unidad defectuosa en la
muestra. Se pide:
a) Estimar puntualmente la proporcion de unidades defectuosas producidas en la fabrica.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 40
7. INFERENCIA ESTAD

ISTICA
b) Calcular intervalos de conanza para dicha proporcion al nivel de conanza 0,95, usando dos
metodos diferentes.
c) Una hipotesis nula que arma que la proporcion de unidades defectuosas producida es igual a
0.001. Puede rechazarse esta hipotesis?
a) 0 b) un intervalo es (0,000000; 0,002991) c) no puede rechazarse: 0,4
181.
En un experimento sobre la inuencia de la propaganda en los gustos de las personas, se ha selec-
cionado una muestra al azar de 350 personas.
A todas estas personas se les ha pedido que dijeran si les gusta o no un cierto tipo de comida rapida.
De las 350 personas consultadas, 125 contestaron que s les gusta y el resto contestaron que no.
Despues de invitar a estas personas a ver una pelcula que contiene anuncios subliminales, se les
invito a una merienda en las que se les proporciono exactamente el tipo de comida rapida objeto
del estudio. Posteriormente, se les paso una encuesta para que dijeran si les haba gustado o no la
merienda. De las 125 personas que contestaron armativamente a la pregunta del apartado anterior,
110 dijeron que les gusto la merienda y 15 que no les gusto. De las 225 personas que contestaron
negativamente a la pregunta del apartado anterior, 75 dijeron que les gusto la merienda y 150 que
no les gusto.
Se pide:
a) Estimar puntualmente la diferencia entre las proporciones de personas que contestaron ar-
mativamente antes y despues de la proyeccion de la pelcula.
b) Calcular un intervalo de conanza para la diferencia entre las proporciones de personas que
contestan armativamente antes y despues de ver pelculas con anuncios subliminales, usando
un nivel de conanza 0,95.
c) Una hipotesis nula que arma que no hay diferencia entre las proporciones del apartado ante-
rior. Puede rechazarse esta hipotesis?
Vease el captulo 7 del libro de Luce no y Gonz alez(2003). Es el caso de datos apareados.
182.
Para realizar el acabado de una supercie metalica pueden usarse dos maquinas diferentes: A y B.
De las 150 veces que se uso la maquina A, en 10 ocasiones fue necesario hacer una segunda pasada
para conseguir una supercie sin defectos. De las 150 veces que se uso la maquina B, solamente fue
necesaria una segunda pasada en 6 ocasiones. Se pide:
a) Estimar puntualmente la diferencia entre las proporciones de veces que hay que hacer una
segunda pasada con cada una de las maquinas.
b) Calcular un intervalo de conanza para la diferencia entre las proporciones de veces que hay
que hacer una segunda pasada con cada una de las maquinas, usando un nivel de conanza
0,95.
c) Una hipotesis nula que arma que no hay diferencia entre las proporciones del apartado ante-
rior. Puede rechazarse esta hipotesis?
a) 0,02667 b) (0,0240966; 0,0774299) c) no puede rechazarse: 0,3. Es el caso de datos independientes.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 41
8. TABLAS ESTAD

ISTICAS
8. Tablas estadsticas
0,15 0,1 0,05 0,025 0,01
d() 1,138 1,224 1,358 1,480 1,628
Tabla 5.4: Tabla de Smirnov.

Caso K
i
(n) G
i
(n) 0,15 0,1 0,05 0,025 0,01
I

n 0,01 +
0,85

n
0 0,775 0,819 0,895 0,995 1,035
II

n + 0,26 +
0,5

n
0,2
n
0,926 0,995 1,094 1,184 1,298
III

n 0 1,160 1,290 1,420 1,530
IV

n 0 0,803 0,874 0,939 1,007
d
i
()
Tabla 5.9: Generalizaciones de la tabla de Smirnov para los siguientes casos: (I) Normal con = x
y
2
= s
2
; (II) Gumbel con conocido y estimado usando ML; (III) Gumbel con conocido y
estimado usando ML; y (IV) Gumbel con y estimados usando ML.

Caso K
i
(n) G
i
(n) 0,15 0,1 0,05 0,025 0,01
0 1 + 1/n
0,4
n

0,6
n
2
0,284 0,347 0,461 0,581 0,743
I 1 + 0,5/n 0 0,091 0,104 0,126 0,148 0,178
II 1 + 0,16/n 0 0,148 0,175 0,222 0,271 0,338
III 1 0 0,320 0,431 0,547 0,705
IV 1 + 0,2/

n 0 0,102 0,124 0,146 0,175


d
i
()
Tabla 5.10: Tabla de Cramer-von Mises para los casos: (0) Cualquier distribucion continua con
todos sus parametros especicados (I) Normal con = x y
2
= s
2
; (II) Gumbel con conocido y
estimado usando ML; (III) Gumbel con conocido y estimado usando ML; y (IV) Gumbel con
y estimados usando ML.

Caso K
i
(n) G
i
(n) 0,15 0,1 0,05 0,025 0,01
0

n + 0,155 +
0,24

n
0 1,537 1,620 1,747 1,862 2,001
I

n + 0,05 +
0,82

n
0 1,320 1,386 1,489 1,585 1,693
II

n + 0,24 +
0,35

n
0,2
n
1,445 1,527 1,655 1,774 1,910
III

n 0 1,460 1,580 1,690 1,810
IV

n 0 1,372 1,477 1,557 1,671
d
i
()
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 42
8. TABLAS ESTAD

ISTICAS
Tabla 5.11: Tabla de Kuiper para los mismos casos que la tabla 5.10.

Caso K
i
(n) G
i
(n) 0,15 0,1 0,05 0,025 0,01
0 1 + 0,8/n
0,1
n

0,1
n
2
0,131 0,152 0,187 0,221 0,267
I 1 + 0,5/n 0 0,085 0,096 0,116 0,136 0,163
II 1 + 0,16/n 0 0,112 0,129 0,159 0,189 0,230
III 1 + 0,15/

n 0 0,123 0,152 0,181 0,220


IV 1 + 0,2/

n 0 0,097 0,117 0,138 0,165


d
i
()
Tabla 5.12: Tabla de Watson para los mismos casos que la tabla 5.10.

Caso K
i
(n) G
i
(n) 0,15 0,1 0,05 0,025 0,01
0 1 0 1,610 1,933 2,492 3,070 3,857
I 1 + 4/n 25/n
2
0 0,576 0,656 0,787 0,918 1,092
II 1 + 0,6/n 0 0,916 1,062 1,321 1,591 1,959
III 1 0 1,725 2,277 2,854 3,640
IV 1 + 0,2/

n 0 0,637 0,757 0,877 1,038


d
i
()
Tabla 5.13: Tabla de Anderson-Darling para los casos que la tabla 5.10.
n 2 3 4 5 6 7 8 9 10
d
2
1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078
Tabla 6.1: Valores de d
2
para la formula (6.5).
n 2 3 4 5 6 7 8 9 10
d
R
1,323 1,906 2,340 2,691 2,988 3,247 3,472 3,676 3,861
Tabla 6.2: Valores de d
R
para la formula (6.6).
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 43
8. TABLAS ESTAD

ISTICAS
x (x) x (x) x (x)
0.00 0.50000 1.70 0.955435 3.40 0.999663019
0.05 0.51994 1.75 0.959941 3.45 0.999719659
0.10 0.53983 1.80 0.964070 3.50 0.999767327
0.15 0.55962 1.85 0.967843 3.55 0.999807344
0.20 0.57926 1.90 0.971284 3.60 0.999840854
0.25 0.59871 1.95 0.974412 3.65 0.999868846
0.30 0.61791 2.00 0.977250 3.70 0.999892170
0.35 0.63683 2.05 0.979818 3.75 0.999911555
0.40 0.65542 2.10 0.982136 3.80 0.999927628
0.45 0.67364 2.15 0.984222 3.85 0.999940919
0.50 0.69146 2.20 0.986097 3.90 0.999951884
0.55 0.70884 2.25 0.987776 3.95 0.999960908
0.60 0.72575 2.30 0.989276 4.00 0.999968314
0.65 0.74215 2.35 0.990613 4.05 0.999974378
0.70 0.75804 2.40 0.991802 4.10 0.999979331
0.75 0.77337 2.45 0.992857 4.15 0.999983367
0.80 0.78814 2.50 0.993790 4.20 0.999986646
0.85 0.80234 2.55 0.994614 4.25 0.999989304
0.90 0.81594 2.60 0.995339 4.30 0.999991454
0.95 0.82894 2.65 0.995975 4.35 0.999993188
1.00 0.84134 2.70 0.996533 4.40 0.999994583
1.05 0.85314 2.75 0.997020 4.45 0.999995703
1.10 0.86433 2.80 0.997445 4.50 0.999996599
1.15 0.87493 2.85 0.997814 4.55 0.999997315
1.20 0.88493 2.90 0.998134 4.60 0.999997885
1.25 0.89435 2.95 0.998411 4.65 0.999998339
1.30 0.90320 3.00 0.998650 4.70 0.999998698
1.35 0.91149 3.05 0.998856 4.75 0.999998982
1.40 0.91924 3.10 0.999032 4.80 0.999999206
1.45 0.92647 3.15 0.999184 4.85 0.999999382
1.50 0.93319 3.20 0.999313 4.90 0.999999520
1.55 0.93943 3.25 0.999423 4.95 0.999999628
1.60 0.94520 3.30 0.999517 5.00 0.999999713
1.65 0.95053 3.35 0.999596 6.00 0.999999999
Tabla 8.1: Algunos valores de la funcion de distribucion normal estandar. Debe tenerse en cuenta
que (x) = 1 (x).
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 44
8. TABLAS ESTAD

ISTICAS

1
()
1
()
1
()
0.50 0.00000 0.840 0.99446 0.968 1.85218
0.51 0.02507 0.850 1.03643 0.969 1.86629
0.52 0.05015 0.860 1.08032 0.970 1.88079
0.53 0.07527 0.870 1.12639 0.971 1.89570
0.54 0.10043 0.880 1.17499 0.972 1.91103
0.55 0.12566 0.890 1.22653 0.973 1.92684
0.56 0.15097 0.895 1.25357 0.974 1.94314
0.57 0.17637 0.900 1.28155 0.975 1.95996
0.58 0.20189 0.905 1.31058 0.976 1.97737
0.59 0.22755 0.910 1.34075 0.977 1.99539
0.60 0.25335 0.915 1.37220 0.978 2.01409
0.61 0.27932 0.920 1.40507 0.979 2.03352
0.62 0.30548 0.925 1.43953 0.980 2.05375
0.63 0.33185 0.930 1.47579 0.981 2.07485
0.64 0.35846 0.935 1.51410 0.982 2.09693
0.65 0.38532 0.940 1.55477 0.983 2.12007
0.66 0.41246 0.941 1.56322 0.984 2.14441
0.67 0.43991 0.942 1.57179 0.985 2.17009
0.68 0.46770 0.943 1.58047 0.986 2.19728
0.69 0.49585 0.944 1.58927 0.987 2.22621
0.70 0.52440 0.945 1.59819 0.988 2.25713
0.71 0.55338 0.946 1.60725 0.989 2.29036
0.72 0.58284 0.947 1.61644 0.990 2.32634
0.73 0.61281 0.948 1.62576 0.991 2.36561
0.74 0.64334 0.949 1.63524 0.992 2.40892
0.75 0.67449 0.950 1.64485 0.993 2.45727
0.76 0.70630 0.951 1.65463 0.994 2.51213
0.77 0.73885 0.952 1.66456 0.995 2.57583
0.78 0.77219 0.953 1.67466 0.996 2.65209
0.79 0.80642 0.954 1.68494 0.997 2.74777
0.80 0.84162 0.955 1.69540 0.998 2.87815
0.81 0.87790 0.956 1.70604 0.999 3.09024
0.82 0.91537 0.957 1.71688 0.9999 3.71947
0.83 0.95416 0.958 1.72793 0.99999 4.26546
Tabla 8.2: Algunos valores de la funcion
1
(), inversa de la funcion de distribucion normal
estandar, para 0,5 < 1. Para 0 < 0,5 puede usarse la relacion
1
(1 ) =
1
().
Observese ademas que
1
() z

siendo z

el cuantil de la distribucion normal estandar.


Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 45
8. TABLAS ESTAD

ISTICAS
n t(n, 1 /2)
1 6.3137 12.7062 31.8210 63.6559 318.2888 636.5776
2 2.9200 4.3027 6.9645 9.9250 22.3285 31.5998
3 2.3534 3.1824 4.5407 5.8408 10.2143 12.9244
4 2.1318 2.7765 3.7469 4.6041 7.1729 8.6101
5 2.0150 2.5706 3.3649 4.0321 5.8935 6.8685
6 1.9432 2.4469 3.1427 3.7074 5.2075 5.9587
7 1.8946 2.3646 2.9979 3.4995 4.7853 5.4081
8 1.8595 2.3060 2.8965 3.3554 4.5008 5.0414
9 1.8331 2.2622 2.8214 3.2498 4.2969 4.7809
10 1.8125 2.2281 2.7638 3.1693 4.1437 4.5868
11 1.7959 2.2010 2.7181 3.1058 4.0248 4.4369
12 1.7823 2.1788 2.6810 3.0545 3.9296 4.3178
13 1.7709 2.1604 2.6503 3.0123 3.8520 4.2209
14 1.7613 2.1448 2.6245 2.9768 3.7874 4.1403
15 1.7531 2.1315 2.6025 2.9467 3.7329 4.0728
16 1.7459 2.1199 2.5835 2.9208 3.6861 4.0149
17 1.7396 2.1098 2.5669 2.8982 3.6458 3.9651
18 1.7341 2.1009 2.5524 2.8784 3.6105 3.9217
19 1.7291 2.0930 2.5395 2.8609 3.5793 3.8833
20 1.7247 2.0860 2.5280 2.8453 3.5518 3.8496
21 1.7207 2.0796 2.5176 2.8314 3.5271 3.8193
22 1.7171 2.0739 2.5083 2.8188 3.5050 3.7922
23 1.7139 2.0687 2.4999 2.8073 3.4850 3.7676
24 1.7109 2.0639 2.4922 2.7970 3.4668 3.7454
25 1.7081 2.0595 2.4851 2.7874 3.4502 3.7251
26 1.7056 2.0555 2.4786 2.7787 3.4350 3.7067
27 1.7033 2.0518 2.4727 2.7707 3.4210 3.6895
28 1.7011 2.0484 2.4671 2.7633 3.4082 3.6739
29 1.6991 2.0452 2.4620 2.7564 3.3963 3.6595
30 1.6973 2.0423 2.4573 2.7500 3.3852 3.6460
40 1.6839 2.0211 2.4233 2.7045 3.3069 3.5510
60 1.6706 2.0003 2.3901 2.6603 3.2317 3.4602
100 1.6602 1.9840 2.3642 2.6259 3.1738 3.3905
200 1.6525 1.9719 2.3451 2.6006 3.1315 3.3398
1.6449 1.9600 2.3263 2.5758 3.0902 3.2905
= 0.1 0.05 0.02 0.01 0.002 0.001
Tabla 8.3: Algunos cuantiles de la distribucion t(n) de Student.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 46
8. TABLAS ESTAD

ISTICAS
n
2
(n, )
1 3.9E-05 9.8E-04 3.841 5.024 6.635 7.879 10.827
2 0.010 0.051 5.991 7.378 9.210 10.597 13.815
3 0.072 0.216 7.815 9.348 11.345 12.838 16.266
4 0.207 0.484 9.488 11.143 13.277 14.860 18.466
5 0.412 0.831 11.070 12.832 15.086 16.750 20.515
6 0.676 1.237 12.592 14.449 16.812 18.548 22.457
7 0.989 1.690 14.067 16.013 18.475 20.278 24.321
8 1.344 2.180 15.507 17.535 20.090 21.955 26.124
9 1.735 2.700 16.919 19.023 21.666 23.589 27.877
10 2.156 3.247 18.307 20.483 23.209 25.188 29.588
11 2.603 3.816 19.675 21.920 24.725 26.757 31.264
12 3.074 4.404 21.026 23.337 26.217 28.300 32.909
13 3.565 5.009 22.362 24.736 27.688 29.819 34.527
14 4.075 5.629 23.685 26.119 29.141 31.319 36.124
15 4.601 6.262 24.996 27.488 30.578 32.801 37.698
16 5.142 6.908 26.296 28.845 32.000 34.267 39.252
17 5.697 7.564 27.587 30.191 33.409 35.718 40.791
18 6.265 8.231 28.869 31.526 34.805 37.156 42.312
19 6.844 8.907 30.144 32.852 36.191 38.582 43.819
20 7.434 9.591 31.410 34.170 37.566 39.997 45.314
21 8.034 10.283 32.671 35.479 38.932 41.401 46.796
22 8.643 10.982 33.924 36.781 40.289 42.796 48.268
23 9.260 11.689 35.172 38.076 41.638 44.181 49.728
24 9.886 12.401 36.415 39.364 42.980 45.558 51.179
25 10.520 13.120 37.652 40.646 44.314 46.928 52.619
30 13.787 16.791 43.773 46.979 50.892 53.672 59.702
40 20.707 24.433 55.758 59.342 63.691 66.766 73.403
50 27.991 32.357 67.505 71.420 76.154 79.490 86.660
60 35.534 40.482 79.082 83.298 88.379 91.952 99.608
70 43.275 48.758 90.531 95.023 100.425 104.215 112.317
80 51.172 57.153 101.879 106.629 112.329 116.321 124.839
90 59.196 65.647 113.145 118.136 124.116 128.299 137.208
100 67.328 74.222 124.342 129.561 135.807 140.170 149.449
250 196.160 208.098 287.882 295.689 304.939 311.346 324.831
500 422.303 439.936 553.127 563.851 576.493 585.206 603.446
= 0.005 0.025 0.95 0.975 0.99 0.995 0.999
Tabla 8.4: Algunos cuantiles de la distribucion
2
(n) de Pearson.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 47
8. TABLAS ESTAD

ISTICAS
n
2
F(n
1
, n
2
)
1 647.8 799.5 864.2 899.6 937.1 948.2 956.6 968.6
2 38.51 39.00 39.17 39.25 39.33 39.36 39.37 39.40
3 17.44 16.04 15.44 15.10 14.73 14.62 14.54 14.42
4 12.22 10.65 9.979 9.604 9.197 9.074 8.980 8.844
5 10.01 8.434 7.764 7.388 6.978 6.853 6.757 6.619
6 8.813 7.260 6.599 6.227 5.820 5.695 5.600 5.461
7 8.073 6.542 5.890 5.523 5.119 4.995 4.899 4.761
8 7.571 6.059 5.416 5.053 4.652 4.529 4.433 4.295
9 7.209 5.715 5.078 4.718 4.320 4.197 4.102 3.964
10 6.937 5.456 4.826 4.468 4.072 3.950 3.855 3.717
11 6.724 5.256 4.630 4.275 3.881 3.759 3.664 3.526
12 6.554 5.096 4.474 4.121 3.728 3.607 3.512 3.374
13 6.414 4.965 4.347 3.996 3.604 3.483 3.388 3.250
14 6.298 4.857 4.242 3.892 3.501 3.380 3.285 3.147
15 6.200 4.765 4.153 3.804 3.415 3.293 3.199 3.060
16 6.115 4.687 4.077 3.729 3.341 3.219 3.125 2.986
17 6.042 4.619 4.011 3.665 3.277 3.156 3.061 2.922
18 5.978 4.560 3.954 3.608 3.221 3.100 3.005 2.866
19 5.922 4.508 3.903 3.559 3.172 3.051 2.956 2.817
20 5.871 4.461 3.859 3.515 3.128 3.007 2.913 2.774
21 5.827 4.420 3.819 3.475 3.090 2.969 2.874 2.735
22 5.786 4.383 3.783 3.440 3.055 2.934 2.839 2.700
23 5.750 4.349 3.750 3.408 3.023 2.902 2.808 2.668
24 5.717 4.319 3.721 3.379 2.995 2.874 2.779 2.640
25 5.686 4.291 3.694 3.353 2.969 2.848 2.753 2.613
30 5.568 4.182 3.589 3.250 2.867 2.746 2.651 2.511
40 5.424 4.051 3.463 3.126 2.744 2.624 2.529 2.388
50 5.340 3.975 3.390 3.054 2.674 2.553 2.458 2.317
75 5.232 3.876 3.296 2.962 2.582 2.461 2.366 2.224
100 5.179 3.828 3.250 2.917 2.537 2.417 2.321 2.179
125 5.147 3.800 3.222 2.890 2.511 2.390 2.295 2.153
150 5.126 3.781 3.204 2.872 2.494 2.373 2.278 2.135
200 5.100 3.758 3.182 2.850 2.472 2.351 2.256 2.113
500 5.054 3.716 3.142 2.811 2.434 2.313 2.217 2.074
5.024 3.689 3.116 2.786 2.408 2.288 2.192 2.048
n
1
= 1 2 3 4 6 7 8 10
Tabla 8.5: Cuantiles q
0,975
de la distribucion F de Snedecor.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 48
8. TABLAS ESTAD

ISTICAS
n
2
F(n
1
, n
2
)
1 976.7 982.5 986.9 990.3 993.1 1001.4 1009.8 1018.3
2 39.41 39.43 39.44 39.44 39.45 39.46 39.48 39.50
3 14.34 14.28 14.23 14.20 14.17 14.08 13.99 13.90
4 8.751 8.684 8.633 8.592 8.560 8.461 8.360 8.257
5 6.525 6.456 6.403 6.362 6.329 6.227 6.123 6.015
6 5.366 5.297 5.244 5.202 5.168 5.065 4.959 4.849
7 4.666 4.596 4.543 4.501 4.467 4.362 4.254 4.142
8 4.200 4.130 4.076 4.034 3.999 3.894 3.784 3.670
9 3.868 3.798 3.744 3.701 3.667 3.560 3.449 3.333
10 3.621 3.550 3.496 3.453 3.419 3.311 3.198 3.080
11 3.430 3.359 3.304 3.261 3.226 3.118 3.004 2.883
12 3.277 3.206 3.152 3.108 3.073 2.963 2.848 2.725
13 3.153 3.082 3.027 2.983 2.948 2.837 2.720 2.595
14 3.050 2.979 2.923 2.879 2.844 2.732 2.614 2.487
15 2.963 2.891 2.836 2.792 2.756 2.644 2.524 2.395
16 2.889 2.817 2.761 2.717 2.681 2.568 2.447 2.316
17 2.825 2.753 2.697 2.652 2.616 2.502 2.380 2.247
18 2.769 2.696 2.640 2.596 2.559 2.445 2.321 2.187
19 2.720 2.647 2.591 2.546 2.509 2.394 2.270 2.133
20 2.676 2.603 2.547 2.501 2.464 2.349 2.223 2.085
21 2.637 2.564 2.507 2.462 2.425 2.308 2.182 2.042
22 2.602 2.528 2.472 2.426 2.389 2.272 2.145 2.003
23 2.570 2.497 2.440 2.394 2.357 2.239 2.111 1.968
24 2.541 2.468 2.411 2.365 2.327 2.209 2.080 1.935
25 2.515 2.441 2.384 2.338 2.300 2.182 2.052 1.906
30 2.412 2.338 2.280 2.233 2.195 2.074 1.940 1.787
40 2.288 2.213 2.154 2.107 2.068 1.943 1.803 1.637
50 2.216 2.140 2.081 2.033 1.993 1.866 1.721 1.545
75 2.123 2.046 1.986 1.937 1.896 1.765 1.612 1.417
100 2.077 2.000 1.939 1.890 1.849 1.715 1.558 1.347
125 2.050 1.973 1.911 1.862 1.820 1.685 1.524 1.303
150 2.032 1.955 1.893 1.843 1.801 1.665 1.502 1.271
200 2.010 1.932 1.870 1.820 1.778 1.640 1.474 1.229
500 1.971 1.892 1.830 1.779 1.736 1.596 1.423 1.137
1.945 1.866 1.803 1.751 1.708 1.566 1.388 1.000
n
1
= 12 14 16 18 20 30 60
Tabla 8.6: Cuantiles q
0,975
de la distribucion F de Snedecor (continuacion).
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 49
8. TABLAS ESTAD

ISTICAS
n
2
F(n
1
, n
2
)
1 16212 19997 21614 22501 23440 23715 23924 24222
2 198.5 199.0 199.2 199.2 199.3 199.4 199.4 199.4
3 55.55 49.80 47.47 46.20 44.84 44.43 44.13 43.68
4 31.33 26.28 24.26 23.15 21.98 21.62 21.35 20.97
5 22.78 18.31 16.53 15.56 14.51 14.20 13.96 13.62
6 18.63 14.54 12.92 12.03 11.07 10.79 10.57 10.25
7 16.24 12.40 10.88 10.05 9.155 8.885 8.678 8.380
8 14.69 11.04 9.597 8.805 7.952 7.694 7.496 7.211
9 13.61 10.11 8.717 7.956 7.134 6.885 6.693 6.417
10 12.83 9.427 8.081 7.343 6.545 6.303 6.116 5.847
11 12.23 8.912 7.600 6.881 6.102 5.865 5.682 5.418
12 11.75 8.510 7.226 6.521 5.757 5.524 5.345 5.085
13 11.37 8.186 6.926 6.233 5.482 5.253 5.076 4.820
14 11.06 7.922 6.680 5.998 5.257 5.031 4.857 4.603
15 10.80 7.701 6.476 5.803 5.071 4.847 4.674 4.424
16 10.58 7.514 6.303 5.638 4.913 4.692 4.521 4.272
17 10.38 7.354 6.156 5.497 4.779 4.559 4.389 4.142
18 10.22 7.215 6.028 5.375 4.663 4.445 4.276 4.030
19 10.07 7.093 5.916 5.268 4.561 4.345 4.177 3.933
20 9.944 6.987 5.818 5.174 4.472 4.257 4.090 3.847
21 9.829 6.891 5.730 5.091 4.393 4.179 4.013 3.771
22 9.727 6.806 5.652 5.017 4.322 4.109 3.944 3.703
23 9.635 6.730 5.582 4.950 4.259 4.047 3.882 3.642
24 9.551 6.661 5.519 4.890 4.202 3.991 3.826 3.587
25 9.475 6.598 5.462 4.835 4.150 3.939 3.776 3.537
30 9.180 6.355 5.239 4.623 3.949 3.742 3.580 3.344
40 8.828 6.066 4.976 4.374 3.713 3.509 3.350 3.117
50 8.626 5.902 4.826 4.232 3.579 3.376 3.219 2.988
75 8.366 5.691 4.635 4.050 3.407 3.208 3.052 2.823
100 8.241 5.589 4.542 3.963 3.325 3.127 2.972 2.744
125 8.167 5.529 4.488 3.912 3.277 3.080 2.925 2.698
150 8.118 5.490 4.453 3.878 3.245 3.048 2.894 2.667
200 8.057 5.441 4.408 3.837 3.206 3.010 2.856 2.629
500 7.950 5.355 4.330 3.763 3.137 2.941 2.789 2.562
7.879 5.298 4.279 3.715 3.091 2.897 2.744 2.519
n
1
= 1 2 3 4 6 7 8 10
Tabla 8.7: Cuantiles q
0,995
de la distribucion F de Snedecor.
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 50
8. TABLAS ESTAD

ISTICAS
n
2
F(n
1
, n
2
)
1 24427 24572 24684 24766 24837 25041 25254 25466
2 199.4 199.4 199.4 199.4 199.4 199.5 199.5 199.5
3 43.39 43.17 43.01 42.88 42.78 42.47 42.15 41.83
4 20.70 20.51 20.37 20.26 20.17 19.89 19.61 19.32
5 13.38 13.21 13.09 12.98 12.90 12.66 12.40 12.14
6 10.03 9.878 9.758 9.664 9.589 9.358 9.122 8.879
7 8.176 8.028 7.915 7.826 7.754 7.534 7.309 7.076
8 7.015 6.872 6.763 6.678 6.608 6.396 6.177 5.951
9 6.227 6.089 5.983 5.899 5.832 5.625 5.410 5.188
10 5.661 5.526 5.422 5.340 5.274 5.071 4.859 4.639
11 5.236 5.103 5.001 4.921 4.855 4.654 4.445 4.226
12 4.906 4.775 4.674 4.595 4.530 4.331 4.123 3.904
13 4.643 4.513 4.413 4.334 4.270 4.073 3.866 3.647
14 4.428 4.299 4.201 4.122 4.059 3.862 3.655 3.436
15 4.250 4.122 4.024 3.946 3.883 3.687 3.480 3.260
16 4.099 3.972 3.875 3.797 3.734 3.539 3.332 3.111
17 3.971 3.844 3.747 3.670 3.607 3.412 3.206 2.984
18 3.860 3.734 3.637 3.560 3.498 3.303 3.096 2.873
19 3.763 3.638 3.541 3.464 3.402 3.208 3.000 2.776
20 3.678 3.553 3.457 3.380 3.318 3.123 2.916 2.690
21 3.602 3.478 3.382 3.305 3.243 3.049 2.841 2.614
22 3.535 3.411 3.315 3.239 3.176 2.982 2.774 2.546
23 3.474 3.351 3.255 3.179 3.116 2.922 2.713 2.484
24 3.420 3.296 3.201 3.125 3.062 2.868 2.658 2.428
25 3.370 3.247 3.152 3.075 3.013 2.819 2.609 2.377
30 3.179 3.056 2.961 2.885 2.823 2.628 2.415 2.176
40 2.953 2.831 2.737 2.661 2.598 2.401 2.184 1.932
50 2.825 2.703 2.609 2.533 2.470 2.272 2.050 1.786
75 2.661 2.540 2.445 2.369 2.306 2.105 1.876 1.589
100 2.583 2.461 2.367 2.290 2.227 2.024 1.790 1.485
125 2.536 2.415 2.320 2.244 2.180 1.976 1.738 1.420
150 2.506 2.385 2.290 2.213 2.150 1.944 1.704 1.374
200 2.468 2.347 2.252 2.175 2.112 1.905 1.661 1.314
500 2.402 2.281 2.185 2.108 2.044 1.835 1.584 1.184
2.358 2.237 2.142 2.064 2.000 1.789 1.533 1.000
n
1
= 12 14 16 18 20 30 60
Tabla 8.8: Cuantiles q
0,995
de la distribucion F de Snedecor (continuacion).
Universidad de Cantabria. Alberto Luce no y Fco. Javier Gonzalez 51