Análisis de variables para el estudio de la ganadería bobina en el estado de Trujillo

1
Prof: Ana Maria Diaz
Amda.
INTRODUCCIN
La investigacin cuya finalidad es: el anlisis o experimentacin de situaciones para el
descubrimiento de nuevos hechos, la revisin o establecimiento de teoras y las
aplicaciones prcticas de las mismas, se basa en los principios de Observacin y
razonamiento y necesita en su carcter cientfico el anlisis tcnico de datos para obtener
de ellos informacin confiable y oportuna. Este anlisis de Datos requiere de la Estadstica
como una de sus principales herramientas, por lo que los investigadores de profesin y las
personas que de una y otra forma la realizan requieren adems de los conocimientos
especializados en su campo de actividades, del manejo eficiente de los conceptos, tcnicas
y procedimientos estadsticos.
ESTADISTICA
Etimolgicamente, el termino estadstica viene del latn status por lo que significa la
exteriorizacin cuantitativa de las cosas del Estado, pero no fue hasta el siglo XVII
(Pascal y Fermat), cuando surge de la vinculacin entre el anlisis matemtico y el clculo
de probabilidades, que le permite no solo describir la realidad sino modelarla.
Es el conjunto de procedimientos y tcnicas empleadas para recolectar, organizar y
analizar datos, los cuales sirven de base para tomar decisiones en las situaciones de
incertidumbre que plantean las ciencias sociales o naturales.
ESTADSTICA INDUCTIVA Y DEDUCTIVA

Uno de los problemas fundamentales de la Estadstica es el estudio de la relacin
existente entre una poblacin y sus muestras. Segn la direccin de tal relacin la
Estadstica puede ser:
Deductiva, cuando a partir del conocimiento de la poblacin se trata de caracterizar cada
muestra posible.
Inductiva, cuando a partir del conocimiento derivado de una muestra se pretende
caracterizar la poblacin.
Amda.
Estadstica Descriptiva se refiere a la recoleccin, presentacin, descripcin, anlisis e

interpretacin de una coleccin de datos, esencialmente consiste en resumir stos con
uno o dos elementos de informacin (medidas descriptivas) que caracterizan la totalidad
de los mismos. La estadstica Descriptiva es el mtodo de obtener de un conjunto de datos
conclusiones sobre si mismos y no sobrepasan el conocimiento proporcionado por stos.
Puede utilizarse para resumir o describir cualquier conjunto ya sea que se trate de una
poblacin o de una muestra, cuando en la etapa preliminar de la Inferencia Estadstica se
conocen los elementos de una muestra.
Estadstica Inferencial se refiere al proceso de lograr generalizaciones acerca de las

propiedades del todo, poblacin, partiendo de lo especfico, muestra. las cuales llevan
implcitos una serie de riesgos. Para que stas generalizaciones sean vlidas la muestra
deben ser representativa de la poblacin y la calidad de la informacin debe ser
controlada, adems puesto que las conclusiones as extradas estn sujetas a errores, se
tendr que especificar el riesgo o probabilidad que con que se pueden cometer esos
errores. La estadstica inferencial es el conjunto de tcnicas que se utiliza para obtener
conclusiones que sobrepasan los lmites del conocimiento aportado por los datos, busca
obtener informacin de un colectivo mediante un metdico procedimiento del manejo de
datos de la muestra.
En sus particularidades la Inferencia distingue la Estimacin y la Contrastacin de
Hiptesis. Es estimacin cuando se usan las caractersticas de la muestra para hacer
inferencias sobre las caractersticas de la poblacin. Es contrastacin de hiptesis cuando
se usa la informacin de la muestra para responder a interrogantes sobre la poblacin.
CONCEPTOS BASICOS.
Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que
porten informacin sobre el fenmeo que se estudia. Por ejemplo, si estudiamos el
precio de la vivienda en una ciudad, la poblacin ser el total de las viviendas de
dicha ciudad.
Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el
precio de la vivienda de una ciudad, lo normal ser no recoger informacin sobre
todas las viviendas de la ciudad (sera una labor muy compleja), sino que se suele
seleccionar un subgrupo (muestra) que se entienda que es suficientemente
representativo.
Variable: Es lo que se quiere estudiar en la poblacin.
Dato: Es el valor o atributo que puede tomar la variable.
Observacin: Es un conjunto de variables que estn referidas a un solo sujeto.
Unidad de observacin: Es el sujeto el cual se observa y se obtiene la informacin.
Parmetro: Es una caracterstica de la poblacin.
Estadstico: Es una caracterstica de la muestra.
Amda.
Ejemplo.
Suponga que se desea estudiar la ganadera bobina, en el estado de cierto pas llamado Trujillo, ya
que es una actividad econmica que aporta leche y carne para el consumo directo y como materia
prima para industrias.
El recurso pastizal es considerado como un elemento fundamental para la alimentacin del
rebao.
En el estado de Trujillo se encuentran 210 fincas, de las cuales se eligieron 100 para este estudio.
Algunas de las variables a considerar fueron: Tipo de forraje [ Guinea, Estrella, Barrera,Taiwan];
origen de las semillas [Nacional, Importada, Mezcla]; Mtodos para lograr un forraje adecuado
[Fertilizacin, Anlisis del suelo, Control qumico de la maleza, Control mecnico de la maleza y
combinaciones de mtodos ].
variables
Finca
1
2
.
100
Tipo de forraje
Guinea
Estrella
Origen
nacional
nacional
Mtodo
fertilizacin
Fertili- C.Q.M
Observacin
Guinea
Unidad de
observacin
importada
C.M.M.
Dato
Marco de Muestreo: Totalidad de unidades de muestreo de las cuales se seleccionar la

muestra
TIPOS DE MUESTREO
Muestreo Aleatorio Simple: Todos los elementos tienen la misma probabilidad de
ser elegidos.
Muestreo Estratificado: Forma una muestra en base a submuestras aleatorias
sorteadas en cada subpoblacin.
Muestreo por Conglomerados: Las unidades se encuentran formando grupo o
aglomeraciones : familias, hospitales, internados. Usar como unidades de
muestreo estos ncleos, para enseguida tomar dentro de los conglomerados todos
o parte de los individuos que en ellos se encuentren.
Muestreo sistemtico: Seleccin de unidades tomando una de cada k unidades, el
espaciamiento est dado por k=N/n
Amda.
CLASIFICACIN DE VARIABLES
Las variables pueden ser un atributo o un valor numrico. Dependiendo del objetivo del
estudio es como se trabajarn las variables, por ejemplo la edad de una persona puede ser
medida en aos o bien puede tomar categoras. Nio; joven; adulto.
Las variables se clasifican segn el nivel de medicin y recorrido. Escala propuesta por
Steven en 1942.
NIVELES
DE
MEDICIN
NOMINAL
ORDINAL
INTERVALO
RAZN
NOMINAL: Aqu se encuentran las variables que no tienen un orden entre sus
categoras, las cuales son excluyentes entre s. Los nmeros solo se utilizan para
identificar las categoras.
Ejemplo.
Femenino
Sexo
Masculino
Tipo de frutas
Amda.
Italiano
Argentino
Chileno
Nacionalidad
Peruano
Ordinal: Aqu se encuentran las variables que tienen un orden lgico entre sus
categoras, las cuales son mutuamente excluyentes. No se pueden realizar
operaciones aritmticas.
Ejemplo.
Bsico
Nivel educacional
Medio
Tcnico
Universitario
Bajo
Peso
Normal
Obeso
Lugar de llegada en
una
carrera
Amda.
Intervalo: Aqu se encuentran las variables numricas que tienen como origen un
cero , el cual no indica ausencia de la caracterstica y es colocado arbitrariamente
en algn lugar de la escala . No permite comparar mediante razn o cociente.
Ejemplo.
Temperatura
Celsius
Farenheit
- 16/9
0
-10
14
0
32
20
68
Razn : Aqu se encuentran las variables numricas que tienen como origen el
cero absoluto como origen.
Ejemplo
Peso de un objeto, en gramos.
Estatura de una persona, en metros
Distancia que recorre un auto con un galn de bencina.
Nmero de integrantes en una

familia
Amda.
TAMAO DE
RECORRIDO
BINARIO
DISCRETO
CONTINUO
Binario o Dicotmico: Se dice que una variable tiene este recorrido cuando slo
toma dos valores o categoras.
Ejemplo.
Sexo de un alumno
Presencia de una enfermedad
Discreta: La variable se mueve en un conjunto finito o infinito numerable.

Ejemplo.
Tipo de fruta.
Nacionalidad de una persona
Nivel educacional
Lugar de llegada a la meta
Nmero de integrantes en una familia.
Continua: La variable se mueve en un conjunto infinito no numerable.

Ejemplo.
Amda.
Peso de un objeto.
Estatura de una persona.
Velocidad de un cuerpo al caer.
Distancia entre dos puntos.
TABLAS ESTADSTICAS
En toda investigacin se tendrn un gran volumen de datos, los cuales se quieren
organizar de alguna forma para poder resumir la informacin. Las Tablas de Frecuencias
nos permiten ordenar los datos segn el objetivo del anlisis. Las tablas que veremos son:
Tablas Unidimensionales y Tablas Bidimensionales.
TABLA UNIDIMENSIONAL
Formato .
Titulo:
Variable
Frecuencias
Categoras
de la
Variable
Frecuencias
Observadas
Total
Tamao de muestra
Ttulo de la Tabla. En el se debe incluir la informacin que contiene: que se esta

midiendo; la unidad de observacin; cuando se obtuvo dicha informacin.
Variable: El nombre de la variable o alguna sigla que la identifique.

Frecuencias: Existe varios tipos de frecuencias que se pueden utilizar en una tabla,
dependen del objetivo y de la variable es cuales nos conviene utilizar. Estas pueden ser:
Frecuencia Absoluta [ ni ]: Es el nmero de veces que se repite cada valor o
categora de la variable.
Ana Mara Daz A.
Frecuencia Relativa [hi = fi = pi ] : Es la razn entre la frecuencia absoluta y el

tamao de la muestra (n).
. En ocasiones es expresada en forma
porcentual. ( se multiplica por 100), para una mejor interpretacin.
Frecuencia Absoluta Acumulada [ Ni ]: Nos indica el nmero de datos que se tiene

hasta cierto valor o categora de la variable. Es decir.
Frecuencia relativa Acumulada [ Hi = Fi = Pi ] Es la suma hasta la i-sima

categora de la variable, de las frecuencias relativas.
.
Ejemplo.
Se tiene la siguiente informacin sobre las temperaturas mximas, en grados
Celsius, registradas en el mes de Enero, en cierta localidad.
32
31
30
28
31
34
33
31
33
31
29
33
31
32
29
28
30
31
30
27
29
31
29
29
30
32
30
29
31
En cuntos das se registr una temperatura mxima de 31 ?

Qu porcentaje de los das tuvieron una temperatura mxima de 29 ?
Cuntos das presentaron una temperatura mxima de hasta 29?
Ana Mara Daz A.
30
30
Cul es la unidad de Observacin y la unidad de medicin?

Para obtener rpidamente la informacin que necesitamos, podemos recurrir a una
tabla de frecuencias. El resultado se presenta a continuacin:
Temperatura
ni
Ni
hi
Hi
27
0.0323
0.0323
28
0.0645
0.0968
29
0.1935
0.2903
30
16
0.2258
0.5161
31
24
0.2581
0.7742
32
27
0.0968
0.871
33
30
0.0968
0.9678
34
31
Total
31
En un da de enero
hubo una
temperatura de 34
grados
En 24 das se
present una
temperatura de
hasta 31 grados
EN el 6.45% de los
das de Enero, la
temperatura fue
de 28 grados
En el 87.1% de los das de enero, se

presentaron temperatura s de hasta 32
grados
Ana Mara Daz A.
Comente que tipo de tabla de frecuencias debera

utilizar para mostrar la distribucin de frecuencia del
color preferido de auto, en cierta poblacin.
Tabla de frecuencias para variable continua.

Si se tienen los siguientes datos de la resistencia a la ruptura ( en onzas) de una muestra de 60
hilos de Camo:
32.5 15.2 35.4 21.3 28.4 26.9 34.6 29.3 24.5 31.0 21.2 28.3 27.1 25.0 32.7
29.5 30.2 23.9 23.0 26.4 27.3 33.7 29.4 21.9 29.3 17.3 29.0 36.8 29.2 23.5
20.6 29.5 21.8 37.5 33.5 29.6 26.8 28.7 34.8 18.6 25.4 34.1 27.5 29.6 22.2
22.7 31.3 33.2 37.0 28.3 24.6 28.9 24.8 28.1 25.4 34.5 23. 38.4 24.0 32.8
Observacin: Cuando se tiene una variable con un gran nmero de datos distintos, no es
recomendable utilizar el formato de la tabla anterior. En estos casos debemos:
1. Encontrar el rango o recorrido de la variable.
Rango (X) = Xmx - Xmn
2. Elegir el nmero de intervalos a construir. Existen algunas formulas para este efecto.
[ parte entera].
Se recomienda que no sea menor que 4 y mayor que 15 ( en muestras grandes).

3. Amplitud de los intervalos .
La amplitud es constante.
4. Llamaremos a:
Ana Mara Daz A.
Aplicando los pasos anteriores a nuestros datos. ( Confeccionar la tabla durante la clase)
Tablas Bidimensionales.
Las tablas que representan dos variables son llamadas tablas de contingencia. En ellas se
clasifica cada unidad de observacin segn las dos variables.
Frecuencia Absoluta Conjunta: Es el nmero individuos para los que X toma el
valor Xi e Y toma el valor yj.
Frecuencia Absoluta marginal: Es el nmero de veces que se repite el valor x i, sin
tener en cuenta los valores de Y. O bien el nmero de veces que se repite el valor
de yj sin tener en cuenta el valor de X.
Las tablas pueden mostrar frecuencias relativas conjuntas o marginales.
Formato general.
Variable
X
Y1
X1
X2
n11
n21
Variable
Y2
Y3
n12
n22
Total
n13
Yc
ni.
n1c
n1.
n2.
nfc
n.c
nf.
n
nij
Xf
Total
n.j
n.1
n.2
Frecuencia
conjunta
Ana Mara Daz A.
Frecuencia
marginal
Ejemplo.
Se han seleccionado 100 estudiantes universitarios y se les ha clasificado segn las

siguientes variables: sexo, estado civil y carrera que cursan. El nmero de personas en
cada categora se presenta a continuacin:
Sexo
V
V
V
V
V
V
M
M
M
M
M
M
Estado Civil
Casado
Casado
Casado
Soltero
Soltero
Soltero
Casada
Casada
Casada
Soltera
Soltera
Soltera
Carrera
Derecho
Ingeniera
Arquitectura
Derecho
Ingeniera
Arquitectura
Derecho
Ingeniera
Arquitectura
Derecho
Ingeniera
Arquitectura
N de
Estudiantes
14
16
10
5
19
4
5
12
0
5
8
2
1.- Elija dos variables y confeccione una tabla de frecuencias.

2.- Confeccione una tabla de frecuencias con la informacin presentada
Ana Mara Daz A.
GRAFICOS
Los grficos son representaciones que adems de resumir la informacin permiten visualizar
algunas caractersticas de los datos.
Estos deben :
Ser sencillos y auto explicativos.

Cumplir un objetivo
Considerar el recorrido de las variables y el nivel de medicin
Incluir un ttulo
Indicar mediante leyendas en los ejes los nombre de las variables
Sealar las unidades de medida si es que corresponden
Evitar distorsiones por escalas exageradas.
Se debe elegir el grfico adecuado, dependiendo de la informacin que se tenga
1.- BARRAS SEPARADAS.

Se utiliza cuando se desea mostrar la distribucin de frecuencias de una variable discreta.
En uno de los ejes se colocan las categoras de la variable y en el otro eje las frecuencias
( absolutas o relativas), sobre cada categora se levantan una barra.
Ana Mara Daz A.
Pgina 1
2.- SECTORIAL.
3.- BARRAS AGRUPADAS.

Se utiliza para comparar distribuciones de frecuencias de variables discretas. El el eje de la
absisa se colocan las categoras de una de las variables y sobre ellas se levantan barras
segn las categoras de la otra variable. La altura de la barra esta determinada por las
frecuencias.
Ana Mara Daz A.
Pgina 2
4.- BARRAS DIVIDIDAS

Es una alternativa al de barras agrupadas. En el eje de la absisa se colocan las categors de
una de las variables y se levantan barras, las cuales son divididas segn sean las categoras
de la otra variable.
5.- HISTOGRAMA.
Se utiliza para representar la distribucin de frecuencias de una variable continua.
Consiste en barras adyacentes cuyas superficies son proporcionales a las frecuencias de los
intervalos, sobre el cual se levantan.
Observacin. Si los intervalos no son de la misma amplitud, se debe corregir la altura de las barras
mediante la siguiente relacin.
h : Altura
K = Constante
(arbitraria).
Ana Mara Daz A.
Pgina 3
Ejemplo 1.Sueldo
0 - 150
150 - 300
300 - 450
450 - 600
600 - 750
Empleados
10
24
46
18
6
Ejemplo2.Se tienen las ventas mensuales de ciertas empresas, en unidades monetarias.
Ventas Empresas
40 - 50
5
50 - 60
16
60 - 80
48
80 - 90
12
90 - 100
3
Ana Mara Daz A.
Pgina 4
6.- POLIGONO DE FRECUENCIAS

Se utiliza para representar una variable continua o para comparar distribuciones de
frecuencias de variables continuas, con intervalos de igual amplitud.
Sueldo
Mujer
Hombre
100 - 200
200 - 300
10
15
300 - 400
25
35
400 - 500
20
500 - 600
50
80
Total
Para construirlo se marcan los puntos con coordenadas dadas por las marca de clases y las
frecuencias de cada intervalo, luego se conectan los puntos sucesivos mediantes lineas rectas. En
los extremos de la escala horizontal se agregan dos intervalos con frecuencia cero.
Ana Mara Daz A.
Pgina 5
7.- OJIVA.
La grfica de una distribucin de frecuencias acumuladas se llama Ojiva y se usa para
determinar cuntas observaciones hay mayores o menores que un valor determinado de
la variable. En el eje de la abscisa se colocan los limites superiores de cada intervalo y en el
eje de la ordenada las frecuencias acumuladas de dichos intervalos. Por ltimo se
conectan los puntos mediantes lneas rectas.
8.- CORRELACIN
Se utiliza para ver la posible asociacin entre 2 variables cuantitativas que son medidas en
una misma unidad de observacin.
Ana Mara Daz A.
Pgina 6
9.- Tallo y Hoja

Cumplen la misma finalidad que los histogramas pero son ms sencillos de construir. Los datos
no deben estar tabulados
Ejemplo para la variable edad.
Separar cada valor en la componente tallo y hoja
tallo =n formado por el valor de la observacin menos el dgito de la derecha
hoja= dgito de la derecha
Anotar desde el ms pequeo tallo del conjunto de valores
Trazar una lnea vertical a la derecha
Anotar las hojas a la derecha de esta lnea
Stem-and-leaf plot for edad (Edad en aos)

1 | 6688889
2 | 000338
3 | 2245
4 | 01578
5 | 00123445555589
6 | 000111233344455556677788899999
7 | 00111122334455555677778888
8 | 023788
9|2
Ana Mara Daz A.
Pgina 7
MEDIDAS DE RESUMEN
Las medidas de resumen tienen por objetivo, obtener un valor que resuma
las mediciones.
Se tienen medidas de posicin, medidas de dispersin y medidas de forma.
1. MEDIDAS DE POSICIN.
Existen medidas que son de tendencia central como: media aritmtica,
Mediana, Moda, Media geomtrica y armnica. Y medidas de tendencia no
central como: Deciles, Cuartiles, Percentiles, etc.
1.1.- Medidas de tendencia central.

1.1.1. Media Aritmtica.
Esta medida es la usada y se puede encontrar
solo en variables con nivel de medicin por lo menos de
intervalos. Cuando se trabaja con la poblacin la media se
simboliza por la letra griega , y cuando se trabaja con una
muestra se simboliza por .
Definicin.
Sea X una variable y x1, x2, xn una muestra
de tamao n de valores de la variable, entonces:
En el caso que los datos estn agrupados en una tabla de frecuencias,

entonces:
Propiedades.
Ejemplo 1.
El dueo de una pequea empresa esta preocupado por los costos de entrega
que se asocian a pequeos pedidos. Al tomar una muestra de 28 pedidos y
registrar el costo , en unidades monetarias (u.m.), se obtuvo:
15
18
37
20
19
18
25
17
10
15
28
35
17
29
16
41
11
18
50
43
5
32
9
7
12
8
14
13
Encuentre el costo promedio de entrega de los pequeos pedidos.
Ejemplo 2.
Un ejecutivo a cargo de los prstamos para cierto tipo de empresas, registra el
monto, en miles de pesos, de los ltimos 140 prstamos otorgados. Los
resultados se presentan en la siguiente tabla de frecuencias:
Monto
600 - 800
800 - 1000
1000 - 1200
1200 - 1400
1400 - 1600
N de prstamos
5
20
39
48
28
Encuentre e interprete la media aritmtica.
Definicin
Sean
, las medias de cada uno de los estratos y
n1, n2,nk el nmero de observaciones en cada estrato, entonces la media

total o estratificada esta dada por:
Ejemplo 3
Se tiene la siguiente informacin sobre el rendimiento de 3 cursos de cierta
asignatura.
Curso
A
B
C
Promedio
3,8
5,2
4,7
N de alumnos
50
35
48
Cul es el promedio de notas de los 3 cursos?
Ejemplo 4.
En una empresa el 2% de sus empleados pertenecen al rea gerencial, el
15% al rea administrativa y el 83% a otras reas. El sueldo promedio de los
empleados en cada una de las reas son: 1000; 450; y 370 (u.m),
respectivamente.
Calcular el sueldo promedio de los empleados de la empresa.
Si se excluye a los empleados del rea gerencial. Cul es el
sueldo promedio de los empleados de las otras 2 reas?
Se ha decidido otorgar un bono de 20 u.m. a cada uno de los
empleados, exceptuando al rea gerencial. Cul es el sueldo
promedio de los empleados de toda la empresa?.
1.1.2 .- Mediana ( Me ).
Esta medida se puede encontrar en variables con nivel
de medicin por lo menos ordinal y se define como un
valor tal que no supera a no ms del 50% de las
observaciones y es superado por no ms del 50% de las
observaciones, cuando estas se han ordenado segn su
magnitud.
Definicin.
Si se tiene una variable X, con datos no agrupados, entonces la
mediana, es:
Nota: Cuando n es par, cualquier valor comprendido entre X n/2 y X(n/2)+1,

satisface la definicin de mediana.
Ejemplo 5.
Los siguientes datos corresponden a mediciones de intensidad solar directa
(watts/m2), realizadas en diferentes das, en un mismo horario, en cierta
localidad durante la primavera.
562
655
558
661
868
708
775
704
809
693
498
EJEMPLO 6.
Si agrega el dato 578. Cul es la nueva mediana?
En otoo la intensidad solar suele disminuir en un 2%. Basndose en
los datos de primavera, estime la mediana de la intensidad solar, en
otoo.
DATOS AGRUPADOS
Si se est trabajando con una variable continua y los datos se presentan en una
tabla de distribucin de frecuencia , en intervalos. Para determinar el valor de la
mediana se debe interpolar dentro del intervalo que contiene a la observacin
que ocupa la posicin n/2 y se obtiene la siguiente frmula:
Ejemplo 7
Supongamos que se tiene informacin sobre el gasto en publicidad en que
han incurrido empresas del rubro computacional, en el ltimo mes.
Gasto(u.m.)
10 - 20
20 - 30
30 - 40
40 - 50
50 - 60
N de empresas
3
6
14
3
4
En donde
Interpretacin:
El 50% de las empresas gastan en publicidad a lo ms 34.29 (u.m.), el 50%
de la empresas gastan por lo menos 34.29 u.m., en publicidad.
1.1.3 MODA (M0 )

Esta medida se puede encontrar en todo tipo de variable.
Es el valor de variable que ms se repite .
No es nica , hay distribuciones que son Amodal, es decir no tienen moda.
Si los datos estn tabulados en intervalos se puede hablar de clase modal.
EJEMPLO 8
Al realizar un estudio sobre el grado de inters por recibir capacitacin
laboral, se obtuvo:
Grado de inters
Muy desinteresado
Desinteresado
No tiene opinin
Interesado
Muy interesado
Total
N de empleados
4
6
5
15
10
40
M0 ( grado de inters) = Interesado

Datos tabulados
EJEMPLO 9
A continuacin se presenta la resistencia a la presin interna en ciertas
botellas, en psi.
Resistencia a la presin
187 - 192
192 - 197
197 - 202
202 - 207
207 - 212
212 - 217
217 - 222
Total
N de botellas
1
4
8
11
9
5
2
40
1.2.- MEDIDAS DE POSICIN DE TENDENCIA NO CENTRAL

PERCENTILES ( PK )
Sea X una variable con nivel de medicin por lo menos ordinal y
x1 , x2 , xn , los valores de la variable, ordenados en forma creciente, se
define el percentil como un valor que supera a no ms del k % y es superado
a lo ms por el (100 k )% de las observaciones.
Los percentiles de orden 25, 50 y 75 reciben el nombre de Cuartiles
y se denotan por
Qk.
Datos sin tabular
EJEMPLO 10
Los siguientes datos corresponden a mediciones de intensidad solar directa
(watts/m2), realizadas en diferentes das, en un mismo horario, en cierta
localidad durante la primavera.
498
558 562 655 661 693 704 708 775 809 868 870
Encuentre e interprete P30 y P75.
Solucin.
Percentil 30.
1.- Buscar la posicin del percentil, en este caso : 30 (12) /100 = 3.6
2.- Como np no es entero, entonces lo aproximamos al entero superior 4 .
3.- Buscar el valor de variable que se encuentre en dicha posicin.
4.- Por lo tanto P30 ( Intensidad solar) = 655, lo que significa que en el
30% de los das, se registr una intensidad solar de a lo ms
655 (watts/m2).
Percentil 75.
1.- La posicin es : 75 (12) /100 = 9.
2.- Como np es entero, entonces se buscan los valores de variable
que se encuentran en la posicin 9 y 10.
3.- Segn los datos los valores son: 775 y 809.
4.- Por lo tanto el P75 (intensidad solar) = (775 +809) /2 = 792 (watts/m 2),
DATOS TABULADOS
EJEMPLO 11
Supongamos que se tiene informacin sobre el gasto en publicidad en que
han incurrido empresas del rubro computacional, en el ltimo mes. (Tabla
ejemplo 7).
Encuentre el percentil 80.

Qu porcentaje de las empresas gastan ms de 32 u.m. en publicidad?
Percentil 80.
1.- Buscar la posicin : (80 * 40 ) /100 = 32.
2.- En las frecuencias acumuladas, ubicar donde se encuentra dicha
posicin, en este caso corresponde al 5 intervalo.
3.- Aplicando los datos a la formula:
Gasto
ni
Ni
10 - 20
20 - 30
30 - 40
14
23
40 - 50
26
50 -60
40
P80 ( gasto )= 50 + 10 * ( 32 -26) / 4 = 65 u.m.

El 80% de las empresas gastan hasta 65 u.m. en publicidad.
Medidas de forma.
Estas medidas nos permiten identificar la forma en que se separan o aglomeran los
valores de acuerdo a su representacin grfica. Estas medidas describen la manera
como los datos tienden a reunirse de acuerdo con la frecuencia con que se hallen
dentro de la informacin. Sus principales medidas son la Asimetra y la Curtosis.
ASIMETRA
Esta medida nos permite identificar si los datos se distribuyen de forma uniforme
alrededor del punto central (Media aritmtica). La asimetra presenta tres estados
diferentes, cada uno de los cuales define de forma concisa como estn distribuidos
los datos respecto al eje de asimetra.
Si la distribucin de frecuencias de la variable es simtrica, las tres medidas de

tendencia central coinciden, entonces:
.
Si la distribucin es unimodal y presenta una Asimetra positiva, entonces :
Si la distribucin es unimodal y presenta una Asimetra Negativa, entonces:
Comentario
Para encontrar la media aritmtica se toma en cuenta todos los valores de la
variable, por lo cual se ve influenciada por los valores extremos.
En los casos en que la distribucin presente una asimetra muy marcada no es
recomendable la media aritmtica sino la mediana.
MEDIDAS DE DISPERSIN
Las medidas de dispersin son aquellas que permiten captar la distancia de
los valores de la variable a un cierto valor central, o que permite identificar la
concentracin de los datos en un sector del recorrido de la variable.
Para encontrar las medidas que veremos, el nivel de medicin de la variable
debe por lo menos ser de intervalos.
1.- Rango, Amplitud o Recorrido.

Es la diferencia entre el valor mximo
y el valor mnimo que presentan los datos no agrupados. Es la medida ms
simple de comprender.
RANGO = XMX - XMN

Si los datos estn agrupados en intervalos, entonces:
RANGO = XK - X0
Ejemplo 1.
Suponga que una empresa tiene 2 sucursales ( A ; B ). Al tomar muestras de
sus empleados y registrar la antigedad ( X ), en aos, en la empresa se
encontr:
XA : 3 - 9 - 5 - 7 -
2 - 8 - 5 - 3 - 1 - 6
XB : 7 - 5 - 8 - 7 - 6 - 10 - 8 - 2 - 6 - 7 - 9 - 4
Encuentre el rango en cada una de las distribuciones y comente.
2.- Amplitud Intercuartlica.

La amplitud intercuartlica est dada por la diferencia entre el percentil 75 y el
percentil 25.
Esta medida considera el 50% central de la distribucin de frecuencias.
Ampli Interc.(X) = P75(x) - P25(x) = Q3 - Q1

Ejemplo 2.
Usando los datos del ejemplo1 encuentre esta medida. Comente.
3.- Varianza.
Si se ha utilizado la media aritmtica como medida de posicin,
la dispersin se puede obtener calculando la suma de las desviaciones con
respecto de la media al cuadrado.
Cuando se tienen los datos poblacionales, la varianza esta dada por:
Cuando se trabaja con datos muestrales, la varianza esta dada por:
Como la unidad de medida de la varianza se encuentra al cuadrado,

entonces se utiliza la raz cuadrada positiva de la varianza la cual
recibe el nombre de DESVIACIN TIPICA O DESVIACIN ESTANDAR.
( muestral )
Si los datos estn tabulados, la varianza muestral queda:
4.- Coeficiente de variacin.

Esta medida permite comparar la variabilidad
de distribuciones de frecuencias que no tienen la misma medias aritmticas
y/o las mismas unidades de medicin.
Esta dada por:
Ejemplo 3.
Usando la informacin del ejemplo1, compare la variabilidad eligiendo la
medida ms adecuada.
TALLER
1. Un proveedor de latas de aluminio utilizadas para envasar frutas en conserva est
interesado en estudiar la resistencia de estos envases, para lo cual toma muestras de latas
de dos espesores diferentes: 0.0109 y 0.0111 pulgadas y se someten a una carga axial, en
libras, para medir su resistencia.
Se considera que una lata cumple con las normas de fabricacin si soporta una carga axial
de por lo menos 230 libras.
A continuacin se presentan los resultados obtenidos:
Carga axial
Espesor de la lata (en pulgadas)

0.0109
0.0111
(en libras)
200 - 230
11
230 - 260
21
11
260 - 275
30
13
275 - 290
29
42
290 - 314
1.1
1.2
9
25
Determine el intervalo que incluye al 30% de las latas que soportan mayor carga,
cuyo espesor es de 0.0109.
Calcule e interprete la medida de posicin ms adecuada para resumir la carga axial
de las latas con espesor igual a 0,0111.
1.3
El distribuidor cree que existe menor dispersin de carga axial, en las latas con
espesor de 0.0109 que en las latas con espesor de 0.0111. Utilice medida(s)
estadstica adecuada(s) para verificar lo expresado por el distribuidor.
Construya un grafico que le permita comparar la distribucin de frecuencias de las
latas de
aluminio que tienen un espesor de 0.0109 con las latas que tienen un espesor
de 0.0111 pulgadas, segn si la lata cumple o no con las especificaciones requeridas de carga
axial
2.- El tiempo de respuestas (en nanosegundos) de un circuito lgico en fro (X) y el tiempo de
respuesta tras una hora de uso intensivo (Y), para una muestra de 12 mquinas es el siguiente:
Mquina
Tiempo de respuesta en fro (X)
Tiempo de respuesta tras una hora de uso (Y)
1
6
4
2
5
8
3
8
15
4
14
8
5
7
9
6
4
6
7
5
9
8
9
6
9
6
11
10
5
7
11
7
5
Se sabe que un dato es atpico, si su valor no se encuentra en el intervalo

Detecte los posibles valores atpico en Y.
(Qk cuartil k
( Q1 1,5RI ; Q3 + 1,5RI ).
Amplitud (rango) intercuartlica)
12
6
9
RI
PROBABILIDADES
Definicin 1.
Se tiene un experimento aleatorio cuando se conocen todos los
resultados posibles de obtener al realizarlo, pero es imposible saber cual es el
resultado individual que se obtendr.
Definicin 2.
Al conjunto de todos los resultados posibles de un experimento se le
denomina espacio muestral y se representa por .
Definicin 3.
A cada elemento del espacio muestral se le llama suceso elemental o
resultado. ( i )
Definicin 4.
Un suceso o evento es un subconjunto del espacio muestral. Se denotan
por letras maysculas.
Ejemplo1.
E
E
E
E
: Se lanza un dado.
: Se lanza una moneda tres veces.
: Se sacan carta, de un mazo de naipe ingles (52 cartas), hasta que salga un as.
: Se extraen fichas de una caja hasta obtener 3 fichas rojas.
(En la caja hay 4 fichas rojas y 2 blancas).
1.- Encuentre el espacio muestral, para cada uno de los experimentos.

2.- Enunciar por lo menos un suceso, para cada experimento.
ALGEBRA DE SUCESOS.
Sean A y B sucesos de un espacio muestral.
A'
A B
A B
A B'
A B=
A' B' ( A B) '
A' B' ( A B)'
No ocurre el suceso A
Al menos uno de los sucesos ocurren
Los sucesos ocurren en forma simultnea.
Slo ocurre el suceso A
Los sucesos son excluyentes.
Leyes de De Morgan.
Ejemplo2
Sean A,B y C sucesos de un espacio muestral. Usando notacin de conjuntos, escriba los
siguientes sucesos:
1.- No ocurre el suceso B.
2.- Ocurre A o ocurre C.
3.- Ocurre B y no ocurre C.
4.- Al menos uno de los sucesos ocurre.
5.- Slo ocurre el suceso A.
6.- Ocurren los 3 sucesos.
7.- Solo ocurre uno de los sucesos.
___ 1 ___
Ana Mara Daz Araya
2
Definicin 5.
Una probabilidad es una medida de las posibilidades de que ocurra un
suceso futuro.
ENFOQUES DE PROBABILIDAD
Existen tres formas de enfocar la probabilidad de un suceso: Frecuencia Relativa; Subjetivo y
Clsico.
En el enfoque de frecuencia relativa se utilizan datos obtenidos en observaciones empricas. Se
observa con que frecuencia ocurre el suceso en el pasado y se estima la probabilidad de que vuelva
a ocurrir a partir de los datos histricos.
El enfoque subjetivo exige que asignemos la probabilidad de un suceso basndose en las mejores
pruebas disponibles. No se dispone de de datos histricos, el suceso puede que nunca haya
ocurrido.
El enfoque clsico hace la suposicin de que los sucesos son igualmente probables de ocurrir, es
el que se relaciona con los juegos de azar
FUNCIN DE PROBABILIDAD
Sea un espacio muestral, A un suceso. Se llama funcin de probabilidad sobre el
espacio muestral a P(A), si satisface los siguientes axiomas.
1.- 0 P( A)
2.- P ( ) = 1
3.-
Sean
A1 , A2 , A3 ....... An
sucesos excluyente s ( Ai A j , i j )
Entonces ,
P( A1 A2 A3 ........... An ) P( A1 ) P( A2 ) P( A3 ) .... P( An )
Propiedades.
Sean A y B sucesos de un espacio muestral.
1.- P ( A ) = 1 - P ( A )
2.- P ( ) = 0
3.- P( A B' ) P( A) P( A B)
4.-
P( A B) P( A) P( B) P( A B)
Ejemplo 3.
La probabilidad que un alumno de primer ao apruebe clculo es 0.8, la probabilidad que
apruebe lgebra es 0.75 y la probabilidad que apruebe ambas asignaturas es 0.6. Si se elige un
alumno que curs primer ao. Cul es la probabilidad que: 1.- haya aprobado al menos una de las
dos asignaturas. 2.- haya aprobado slo clculo 3.- haya reprobado lgebra.
___ 2 ___
Ana Mara Daz Araya
Ejemplo 4.Una empresa ha decidido reforzar las medidas de seguridad, ya que en la ltima obra se
produjeron accidentes que se podan evitar.
En la empresa se registro que el: 3% de los obreros resultaron con lesiones en sus
extremidades inferiores; el 5% con lesiones en las extremidades superiores; el 3.6% con lesiones en
otras partes del cuerpo; el 2% con lesiones en sus extremidades superiores e inferiores; el 1.4% con
lesiones en sus extremidades superiores y en otras partes del cuerpo; el 0.4% resulta con los tres
tipos de lesiones. La probabilidad que resulte con lesiones en las extremidades inferiores y en otras
partes del cuerpo es 0.0098.
a.- Defina los sucesos y relacione las probabilidades con ellos.
b.- Si se elige un obrero al azar. Cul es la probabilidad que no haya tenido ninguna
lesin?
c.- Si se elige un obrero al azar. Cul es la probabilidad que haya tenido por lo menos
una de las lesiones registradas?
d.- Si se elige un obrero al azar. Cul es la probabilidad de que slo haya tenido
lesiones en sus extremidades inferiores?
Definicin 6.
Una coleccin de sucesos
A1 , A2 ,......... Ak constituyen una particin del espacio muestral,
si:
1.
Ai A j
2.
P( Ai ) 0
3.
Ai
; i j
i
i 1
PROBABILIDAD EN ESPACIO FINITO.

Sea un espacio muestral , se sabe que:
w1 w2 w3 ........... wn
/P
P ()
P ( w1 w2 w3 ......... wn )
P ()
P( w1 ) P( w2 ) P( w3 )............... P( wn )
Los sucesos son equiprobables , entonces :

P ()
nP( w)
1
1 nP( w)
P( w)
n
En general. Sea A un suceso del espacio muestral, entonces:
P( A)
N de casos favorables
N total de casos
___ 3 ___
Ana Mara Daz Araya
4
Ejemplo 5.
A continuacin se presenta informacin sobre el material y tamao de las monturas de
gafas de las 100 ltimas ventas.
Material
Metal
Mixto
Tamao
Plstico
Grande
12
25
Medio
23
31
55
Pequeo
20
Total
41
45
14
100
Total
1.- Si una persona compra una montura, calcular las siguientes probabilidades.
* Que sea de tamao grande.
* Que sea de plstico y de tamao pequeo.
* Que sea de material metlico o mixto.
2.- Si la persona decide que sea de metal. Cul es la probabilidad que el tamao sea
medio?
PROBABILIDAD CONDICIONAL
A veces queremos determinar la probabilidad de cierto suceso, dado que antes ha ocurrido ya otro
suceso. Esto es lo que se llama probabilidad condicional.
Sean A y B sucesos tales que P(B)>0, la probabilidad del suceso A condicionado a la ocurrencia del
suceso B es:
P( A / B)
P( A B)
P( B)
Satisface los axiomas:
1.
2.
3.
P( A / B) 0
para todo suceso
A
P ( / B ) 1
Sean
A1 , A2 , A3 ............ Ak una coleccin
k
entonces
P( Ai / B)
i 1
de sucesos
P( A / B)
i 1
Ejemplo 6.
En un supermercado el 70% de las compras las realizan las mujeres; de las compras realizadas por
estas, el 80% supera las 2000 u.m., mientras que el 9% de las compras son realizadas por hombres
y supera las 2000 u.m. La probabilidad que una compra supere las 2000 u.m. es 0.65.
1.- Si se elige un cliente y resulta hombre. Cul es la probabilidad que su compra supere las 2000
u.m.?
2.- Cul es la probabilidad que la compra la haya realizado una mujer, si se sabe que el monto no
superaba las 2000 u.m.?
___ 4 ___
Ana Mara Daz Araya
5
Consecuencias.
1.
2.
P( A ' / B) 1 P( A / B)
P( A B) P( A / B) P( B)
P( B / A) P( A)
REGLA DE LA MULTIPLICACIN
A1 , A2 , A3 .........An sucesos de un mismo espacio muestral, entonces:

P( A1 A2 A3 .......... An ) P( A1 ) P( A2 / A1 ) P( A3 / A1 A2 ) .......P( An / A1 A2 ...... An1 )
Sean
Ejemplo 7.
En un estante se encuentran 5 libros de clculo, 4 libros de lgebra y 2 libros de estadstica.
Una persona escoge al azar 3 libros . Cul es la probabilidad que resulten:
1.- los 3 de lgebra; 2.- Solo uno de clculo; 3.- Uno de cada tema.
TEOREMA DE PROBABILIDAD TOTAL

Sea
A1 , A2 , A3 ,........ Ak una particin del espacio muestral y B un suceso cualesquiera, entonces:
Demost.
P( B A1 ) ( B A2 ) ( B A3 ).........( B An )
P( B)
P( B A1 ) P( B A2 ) P( B A3 ) ........ P( B An )
P( B / A1 ) P( A1 ) P( B / A2 ) P( A2 ) ......... P( B / An ) P( An )
P( B / A ) P( A )
i 1
Ejemplo 8.
En este ltimo periodo las acciones han tenido un comportamiento inestable sufriendo bajas
y alzas a nivel mundial. Se realiz un estudio en la bolsa de NN y se obtuvo la siguiente
informacin: el 25% de las acciones transadas eran del sector servicios; el 30% del sector industrial
y el resto de otros sectores de la economa. Adems de las acciones del sector servicios, un 2.5%
sufri baja; del sector industrial un 3% sufri baja y de los otros sectores un 4% sufri baja.
Si se elige una accin al azar, de este periodo, Cul es la probabilidad que haya sufrido
baja?
___ 5 ___
Ana Mara Daz Araya
6
TEOREMA DE BAYES.
Sea A1 , A2 , A3 ,......... Ak ,..... An una particin del espacio muestral y B un suceso cualesquiera,
tal que P(B) > 0, entonces:
P( Ak / B)
P( Ak B)
P( B)
P( B / Ak ) P( Ak )
n
P( B / A ) P( A )
i
i 1
Ejemplo 9
Usando el enunciado del ejemplo8. Si se escoge una accin al azar y result que en ese
periodo estuvo en alta. Cul es la probabilidad que sea del sector servicios?
Ejemplo 10.
El departamento de investigacin de mercado de una empresa que se dedica a la
elaboracin y ventas de jugos en polvo, ha registrado que de la poblacin de consumidores de un
determinado sector el 60% son mujeres y que de ellas la preferencia por los sabores A, B y C estn
distribuidos en 40%, 50% y 10% respectivamente. Adems, se sabe que el 44% de la poblacin
prefiere el sabor A y de los que prefieren el sabor B, un 28.57% son varones.
1.- Si se elige un consumidor en forma aleatoria.Cul es la probabilidad que prefiera el sabor C?.
2.- Si se pregunta a un consumidor su preferencia y responde que es el sabor C. Cul es la
probabilidad que el consumidor sea mujer?
INDEPENDENCIA DE SUCESOS.
Sean A y B sucesos independientes, si solo si:
P( A B)
P( A) P( B)
Consecuencias.
1. P( A B ' )
2. P( A ' B ' )
P( A) P( B ' )
P( A ' ) P( B ' )
Ejemplo 11.
Una empresa de publicidad, realiz un estudio acerca de la reaccin de los nios frente a
los comerciales. Este estudio muestra que el 45% de los nios entre 5 y 7 aos de edad entiende
los comerciales. Otra empresa de publicidad muestra un comercial de televisin a tres nios
elegidos al azar en este grupo de edad. Cul es la probabilidad que:
1.- El mensaje del comercial sea entendido por los tres nios?
2.- El comercial no sea entendido por ninguno de los tres nios?
3.- El mensaje del comercial sea entendido por uno de los tres nios?
___ 6 ___
Ana Mara Daz Araya
EJERCICIOS VARIOS
1.- Se extrae una carta de una baraja espaola de 40 cartas. Si la carta extrada es un rey, nos
dirigimos a la urna I; en caso contrario a la urna II. A continuacin, extraemos una bola. El contenido
de la urna I es de 7 bolas blancas y 5 negras y el de la urna II es de 6 bolas blancas y 4 negras.
Hallar la probabilidad de que la bola extrada sea blanca y de la urna II
2.- En una ciudad el 55% de los habitantes consume pan integral, el 30% consume pan de
multicereales y el 20% consume ambos. Se pide:
I) Sabiendo que un habitante consume pan integral, cul es la probabilidad de que coma pan de
multicereales?
II) Sabiendo que un habitante consume pan de multicereales, cul es la probabilidad de que no
consume pan integral?
III) Cul es la probabilidad de que una persona de esa ciudad no consuma ninguno de los dos
tipos de pan?
3.- El equipo directivo de cierta empresa del sector de hotelera est constituido por 25 personas de
las que un 60% son mujeres. El gerente tiene que seleccionar a una persona de dicho equipo para
que represente a la empresa en un certamen internacional. Decide lanzar una moneda: si sale cara,
selecciona a una mujer y si sale cruz, a un hombre.
Sabiendo que 5 mujeres y 3 hombres del equipo directivo no hablan ingls, determina, justificando
la respuesta, la probabilidad de que la persona seleccionada hable ingles.
4.- En una oficina el 70% de los empleados son asturianos. De entre los asturianos, el 50% son
hombres, mientras que de los no asturianos, slo son hombres el 20%.Qu porcentaje de
empleados nos asturianos son mujeres? Calcula la probabilidad de que un empleado de la oficina
sea mujer.
5.- En un ayuntamiento hay 5 concejales del partido A, 4 del B y 1 del C. Si se eligen al azar y
sucesivamente tres concejales, cul es la probabilidad de que los tres sean del partido A? y la de
que pertenezcan a partidos distintos?
6.- Un dado ha sido trucado de manera que la probabilidad de sacar un nmero par es el doble que
la de sacar un nmero impar. Se lanza el dado y se pide:
La probabilidad de obtener un nmero par

Si, a la vez, se lanza un dado no trucado, la probabilidad de obtener un nmero par y un
nmero impar.
Si, a la vez, se lanza un dado no trucado, la probabilidad de obtener, al menos, un nmero
impar.
7.- Un estudiante tiene 5 disquetes, dos de los cuales tienen defectos de lectura. El estudiante
prueba los discos uno a uno hasta encontrar los dos que tienen defectos de lectura o hasta probar
tres de ellos.
a.- Determine el espacio muestral asociado a este experimento.
b.- Si el primer disco con defectos de lectura apareci en la primera prueba. Cul es la
probabilidad que el segundo defectuoso aparezca en la tercera prueba?
___ 7 ___
Ana Mara Daz Araya
8
8.- Un fabricante de artculos elctricos sabe que de la produccin semanal de interruptores de la
planta I: el 45% son del tipo A; 35% son del tipo B y 20% son del tipo C. De los interruptores tipo A;
y 20% son del tipo C. De los interruptores tipo A un 6% son defectuosos, de los de tipo B un 5% son
defectuosos y del tipo C un 8.5 son defectuosos.
De la produccin semanal de interruptores de la planta II: 50 son interruptores tipo A; 64 son tipo B y
26 son tipo C. De al produccin de la planta II el 10% son defectuosos. De la produccin semanal
un 42% proviene de la planta I y el resto de la planta II.
a.- Se eligen 3 interruptores al azar, de los fabricados en la planta II.cual es la probabilidad que:
* Slo uno sea tipo B
* Al menos uno sea tipo A
b.- Los interruptores fabricados se mezclan y almacenan en una bodega. Determine la probabilidad
que al elegir un interruptor, ste resulte defectuoso.
9.- Se realiza un Congreso de Delegados de diferentes Universidades del pas, para discutir acerca
del tema La Universidad en el prximo siglo. De acuerdo al lugar geogrfico de donde provienen
los delegados, se sabe que el 15% provienen de la zona norte, el 25% de la zona central y el resto
de la zona sur.
En cuanto a la distribucin por sexo, se sabe que el 15% de los delegados de la zona norte son
mujeres, el 60% de los delegados de la regin metropolitana son hombres, de la zona central hay
un 30% de mujeres y no hay delegados mujeres provenientes de la zona sur. a.- Se elige un
delegado al azar. Cul es la probabilidad que resulte elegida una mujer? . b.- Si el elegido resulta
ser un hombre. Cul es la probabilidad de que provenga de la zona sur?
___ 8 ___
Ana Mara Daz Araya
VARIABLES ALEATORIA DISCRETAS

Tanto en la vida cotidiana como en el campo cientfico estamos habituados a
observar fenmenos aleatorios cuyos resultados se expresan mediante nmeros; por
ejemplo el voltaje de salida en una fuente de alimentacin, el nmero de personas en
la cola del cine, la velocidad de conexin a la red, etc. Incluso en problemas de
naturaleza puramente cualitativa es muy frecuente recurrir a la codificacin numrica;
en situaciones tales como: el diagnostico de un paciente sano o enfermo,
preguntas del tipo estudias o trabajas?, etc., las respuestas son usualmente
codificadas con 0 y 1, aunque en realidad podra emplearse cualquier pareja de
smbolos con igual precisin.
Definicin Dado un espacio de probabilidad
funcin X,
(, A , P ) , una variable aleatoria es una
X : R
X( )
Ejemplos de variables aleatorias:

Lanzamos una moneda dos veces y definimos una funcin que a cada resultado le
asigna el nmero de caras obtenidas.
Lanzamos dos dados y a cada resultado le asignamos la suma de los n
meros que
han salido.
Disparamos a una diana y definimos la variable que asigna a cada impacto la
distancia de ste al centro de la diana.
Definicin Una variable aleatoria se dice que es discreta cuando su recorrido es un
nmero finito o infinito numerable de valores. En otro caso, por ejemplo si el recorrido es
un intervalo, se dice que la variable es continua. El que una variable aleatoria sea discreta
o continua no viene determinado por el espacio muestral, sino por su recorrido
En los ejemplos anteriores los dos primeros casos corresponden a variables aleatorias
discretas, y el tercero a una variable aleatoria continua.
Variables aleatorias discretas

Definicin
Dada una variable aleatoria discreta X

( x1 , x2 ,......, xn ,......) se denomina funcin de probabilidad
funcin:
que toma los valores

o funcin de masa a la
P : R 0,1
P( x ) P( X x ) P({ : X ( ) x})
Que verifica que:

1. P ( X x ) 0
2.
x Rec( X )
P( X x) 1
Re c ( x )
ANA MARIA DIAZ A.
Pgina 1
En el ejemplo correspondiente al lanzamiento de la moneda:
P (0) P ( X 0) P ({ s, s})
1
4
P (1) P ( X 1) P ({c, s}) P ({ s, c})

P ( 2) P ( X 2) P ({c, c})
P( X x) 0
x 0,1, 2
1
2
1
4
Definicin Dada una variable aleatoria discreta que toma los valores
tal que
( x1 , x2 ,...., xn ,....)
x1 x2 .... xn .... se define la funcin de distribucin asociada a X como:
F : R 0,1
FX ( x ) P ( X x )
P( x )
xi x
Ejemplo: Para la funcin de distribucin de la variable aleatoria

cuyo Rec(X)={0,1,2} la funcin de distribucin es:
0
1/ 4
FX ( x )
3 / 4
1
X : Nmero de caras,
si
x0
si 0 x 1
si 0 x 2
si 2 x
Propiedades:
Si FX ( x ) es la funcin de distribucin de una variable aleatoria discreta
satisfacer
(1) FX ( x ) es escalonada y los puntos de salto son los
(2)
X , esta debe
xi
lim FX ( x ) 0 ; lim FX ( x ) 0
FX ( x ) es no decreciente, es decir, si x y FX ( x ) FY ( y )
(4) FX ( x ) es continua por la derecha
(3)
Ejemplo: Dado un experimento que consiste lanzar un dado cargado 100 veces se obtiene la
siguiente funcin de Probabilidad:
0.1 si x 1, 3
0.4 si x 2
0.2 si x 4
PX ( x )
0.05 si x 5
0.15 si x 6
en otro caso
0
ANA MARIA DIAZ A.
Pgina 2
Determine la funcin de distribucin.

Solucin
De acuerdo a la definicin debemos ir acumulando las probabilidades tal que:
si x 1
0
0.1 si 1 x 2
0.5 si 2 x 3
FX ( x ) 0.6 si 3 x 4
0.8 si 4 x 5
0.85 si 5 x 6
si 6 x
1
Representaciones grficas:
Funcin de Cuanta
Funcin de Distribucin
1
0,9
0,40
0,30
Probabilidad Acumulada
Probabilidad
0,50
Probabilidad
0,20
0,10
0,00
1
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
Valores de la variable
Valor de la variable
Caracterstica de una variable aleatoria Discreta

Definicin Si
X es una variable aleatoria discreta que toma los valores ( x1 , x2 ,...., xn ,....)
se define la esperanza de X como:
E( X )
xi P ( X x i )
Re c ( x )
Es decir como la suma de cada uno de los valores que puede tomar la variable multiplicado por su
probabilidad.
Propiedades :
(a) Si X es una variable aleatoria y
h( X ) una funcin de dicha variable, se define

la esperanza de h( X ) como: E h( X ) h( xi ) P ( X xi )
Re c ( x )
E (aX b) aE ( X ) b
(c) E h( X ) g( X ) E h( x ) E g( x )
(b)
ANA MARIA DIAZ A.
Pgina 3
(d)
(e)
E aX bY aE X bE Y
E a a
a R
Ejemplo: Sea X una variable discreta cuya funcin de probabilidad esta dada por
0.2 si x 1
0.3 si x 2
PX ( x )
0.5 si x 3
0 en otro caso
Determine la esperanza o el valor esperado de X .
Solucin
Paso 1: Aplicando la definicin se tiene:
E ( X ) xi P ( X xi ) 1 0, 2 2 0, 3 3 0, 5 2, 3
Re c ( x )
Definicin: Se define la Varianza de una variable aleatoria discreta
V ( X ) E ( X )2
Desarrollando, se tiene que
X como:
( xi ) 2 P ( X x i )
Re c ( x )
V ( X ) E ( X )2 2 .Tambien se denota V ( X ) X2 . A la
Raiz cuadrada positiva de la varianza de X se le denomina desviacin estndar y se

denota por
Propiedades :
(a) V ( X b) V ( X )
(b) V (aX
(c)
b) a 2V ( X )
V a 0
ANA MARIA DIAZ A.
a R, Cte.
Pgina 4
1
ALGUNOS MODELOS DE DISTRIBUCIN DE PROBABILIADA1
DISTRIBUCIN DE BERNOULLI
Considere la inspeccin de un artculo nico salido de la lnea de ensamblaje. Se decide anotar
un 1 si el artculo tiene defectos (xito, con probabilidad p) y 0 (fracaso, con probabilidad
q = 1 p) si no lo tiene. Si X es la variable aleatoria1 que representa el estado del artculo que se
inspecciona, entonces X tiene una distribucin de Bernoulli:
x=0
q ,
p(x) = p ,
x=1
0 , en otro caso
donde p es la probabilidad
de observar un artculo
defectuoso (xito).
Funcin
de
Cuanta
X: xito obtenido en la prueba

1-x
(funcin que asigna las

probabilidades)
p x q
p(x)=
0
, x=0,1
, en otro caso
p+q=1
Resumiendo, X tiene una distribucin Bernoulli si existen las condiciones siguientes:
1.- El experimento se realiza una sola vez.
2.- El resultado del experimento puede ser un xito o un fracaso.
3.- La probabilidad de xito se denota por p y la probabilidad de fracaso por q. ( p+q=1)
Ejemplos:
Lanzar una moneda y que salga cara.
p=
Elegir una persona de la poblacin y que est enfermo.
p = 1/1000 = prevalencia de la enfermedad
Si X es una v. a. Bernoulli con parmetro p (X B(1,p) ), entonces la media y la

varianza son:
= E(X) = p y 2 = V(X) = pq
DISTRIBUCION BINOMIAL
Si se repite en forma independiente un nmero fijo de veces, n, un experimento de Bernoulli con
parmetro p, el nmero de xitos sigue una distribucin Binomial.
Ejemplo: En la fabricacin de cilindros para gas, se ha observado que el 8% no cumple con las
especificaciones requeridas. Se toman 4 cilindros y se someten a un control, Cul es la
probabilidad de que 2 cumplan con las especificaciones?, Cul es la probabilidad de que por lo
menos tres cumplan con las especificaciones?
Se define la variable aleatoria
X: N de cilindros en la muestra que cumplen con las especificaciones
Se pide calcular las probabilidades P(X = 2) y P(X > 3)
Una variable aleatoria es una funcin que asigna un nmero real a cada resultado en el espacio muestral de un
experimento aleatorio. Un modelo de distrib. de prob. es la representacin simblica de una poblacin.
2
E(X) =
x p(x)
V(X) = E(X 2 ) - (E(X))2 ,
Rex X
Cecilia Larran - Ana Mara Daz
E(X 2 )
Rec X
p(x)
2
En este experimento se indica con E un cilindro cumple con las especificaciones y con D un
cilindro que no cumple con las especificaciones. Con esto, el espacio muestral (conjunto de
todos los resultados del experimento) se puede describir:
Resultado
DDDD
DDCE
DDED
DEDD
x
0
1
1
1
Resultado
DEEE
EDEE
EEDE
EEED
x
3
3
3
3
Resultado
EDDD
DDEE
DEDE
DEED
x
1
2
2
2
Resultado
EEEE
EDDE
EDED
EEDD
x
4
2
2
2
El suceso en que X = 2 est formado por seis resultados:
{(E,E,DD) ,
( D,E,D,E) , (D,E,E,D) , (E,D,D,E) , (E,D,E,D) , (D,D,E,E) } ,
E = xito,
P(E) = 0,92
D = Fracaso
P(D) = 0,08
Como debemos suponer independencia en la realizacin del experimento (se supone que la
poblacin es infinita), entonces la probabilidad de (E,E,DD) es
P( E1 E2 D3 D4 ) = P(E1)P(E2)P(D3)P(D4) = (0,92)2(0,08)2 = 0,00542

Por otra parte, la probabilidad que se presente cualquiera de los seis resultados mutuamente
excluyentes para los que X = 2, es la misma. Por lo tanto
P(X = 2) = 6 (0,0054) = 0,03252

En general,
P(X = x) = (nmero de resultados con x xitos en ) P(X=xito)x P(X=fracaso)4-x
Determinamos P(X > 3) = P( X = 3) + P(X = 4)
= 4 (0,92)3 (0,08)1 + 1 (0,92)4(0,08)0 = 0,9656
Una variable aleatoria X se distribuye Binomial si existen las cinco condiciones siguientes:
1. El experimento de Bernoulli se realiza un numero determinado de veces (n).
2. El resultado de cada experimento puede ser un xito o un fracaso, la probabilidad de xito
se denota por p y la probabilidad de fracaso por q.
( p+q = 1)
3. La probabilidad de xito p permanece constante de experimento en experimento.
4. La poblacin es infinita (se supone quela realizacin de c/experimento es con reposicin).
5. Se define la v.a X como el n de xitos en las n pruebas o realizaciones
Notacin: X B(n , p)
La funcin de probabilidad o funcin de cuanta es
n x n-x
p q
p(x) = x
=
0
P(X = x)
Esperanza
E(X) = n p
, x = 0,1,2, ...,n
, en otro caso
; Varianza V(X) = n p q
Del ejemplo de los cilindros de gas determine:

Probabilidad de que los 4 cilindros no cumplan con las especificaciones.
Probabilidad de que a lo ms uno cumpla con las especificaciones
DISTRIBUCIN HIPERGEOMETRICA1.
Se usa para modelar situaciones de poblaciones finitas, en que:
1.- El experimento se repite un nmero determinado de n veces sin reposicin.
2.- El resultado del experimento puede ser un xito (E) o un fracaso (F).
3.- La probabilidad de xito cambia de experimento en experimento.
4.- Se conoce el tamao de la poblacin.(N)
Se defina la v.a.1
X: N de casos favorables en la muestra de tamao n
Espacio muestral del exp. ()

E
La funcin de probabilidad o funcin de cuanta es
(funcin que asignas las prob.)
N1 N-N1

x n-x ,
p(x) =
N

=
n
P(X=x)
0
,
N N1
N1
n
x
n- x
En donde
si x = 0,1,2, ... n N1
en otro caso
N1 = N de casos favorables en la poblacin (n de xitos)
N N1 = N de casos desfavorables en la poblacin (n fracasos)

Factor de
correcin
para pobl.
finitas
2
E(X) = n
Esperanza
N1
N
Varianza
V(X)=
N N - N1 N - n
n 1
N N N -1
Ejemplo:
Una empresa que se dedica al rubro de la computacin, tiene para la venta 5 impresoras a color
comn; 4 impresoras lser y 6 impresoras matriciales. Una persona compre 5 impresoras Cul es
la probabilidad que i) solo 3 de ellas sean lser? ii) Por lo menos una sea lser.
Solucin:
Se define la v.a. X = N impresoras lser (L) entre las 5 vendidas
X Hipergeomtrica
L
N = 15
N N1 = 11
N1 = 4
n=5
x
Funcin de cuanta
LC
5- x
4 11

x 5 - x
,
p(x) =
15

=
5
P(X=x)
0
,
4 11

3 5-3
i) Entonces P (X = 3) = = 0,073
15

5
ii) P(
si x = 0, 1, 2, 3, 4
en otro caso
)=
2
E(X) =
x p(x)
Rex X
V(X) = E(X 2 ) - (E(X))2 ,
E(X 2 )
Rec X
p(x)
DISTRIBUCIN DE POISSON1
Se utiliza para describir experimentos en el que se observan la aparicin de sucesos puntuales
sobre un soporte contnuo. Por ejemplo, el nmero de llegadas de clientes por hora, el nmero de
accidentes industriales al mes, en nmero de conexiones elctricas defectuosas por milla de
cableado de un sistema. En cada uno de estos casos los sucesos que ocurren se miden en una
unidad de tiempo o distancia.
Para aplicar la distribucin de Poisson es preciso tener en consideracin:
1. La probabilidad de que ocurra el suceso es constante para dos intervalos de tiempo o espacio
cualesquiera.
2. La aparicin de un suceso en cualquier intervalo es independiente de su aparicin en
cualquier otro intervalo.
Se define la v.a.1 de Poisson como
X: N de sucesos que ocurren en una unidad
Notacin. X ()
La funcin de probabilidad1 o funcin de cuanta es (funcin que asignas las prob.) es:
x e
p ( x)
si x 0,1, 2,3, 4,........ ; : promedio de sucesos en la unidad
x!
E(X) =
Esperanza
Varianza
V(X)=
Ejemplo.
Una empresa de pavimentacin tiene contrato con una municipalidad para el mantenimiento de
sus calles. Estas calles dan un promedio de 2 defectos por milla, despus de ser utilizadas durante
un ao. Si se consideran que los defectos se ajustan a una distribucin de Poisson. Cul es la
probabilidad que se presente un defecto en cualquier milla, despus de soportar trfico un ao?
Solucin:
Se define la v.a. X = N de defectos en el pavimento por milla, entonces X tiene una
distribucinn de Poisson con E(X) = 2 =
X ( = 2)
2x e-2
p(x) = x!
0
=
P(X = x)
, 0, 1, 2, ...
, en otro caso
21e -2
P(X = 1) =
= 0, 271
1!
La probabilidad que se presente un defecto en cualquier milla, despus de soportar trfico un ao

es 0,271.
Ejemplo:
Suponga que el nmero de veces que el hilo de cierta tela se rompe, en un intervalo de tiempo, es
un proceso de Poisson y que cada 10 horas de trabajo de telar se produce en promedio una
ruptura de hilo. Si se est produciendo cierto tipo de tela, que tomar 25 horas de trabajo en ese
telar, y si dos o ms rupturas hacen que el producto se vuelva no satisfactorio, obtenga la
probabilidad de que la tela se termine en calidad de satisfactorio.
X=
X ( = )
1
2
E(X) =
x p(x)
Rex X
V(X) = E(X 2 ) - (E(X))2 ,
E(X 2 )
Rec X
p(x)
Ejercicios
1. Una venta particular involucra cuatro artculos seleccionados al azar de un gran lote que tiene un 10%
de defectuosos.
a. Cul es la probabilidad de que entre cuatro artculos vendidos a lo ms uno sea defectuoso?.
b. El comprador de los artculos devolver los defectuosos para ser reparados, y el costo en pesos de
reparacin es C = 3X2 + 2, siendo X el nmero de defectuosos entre los cuatro artculos vendidos.
Encuentre el costo esperado de reparacin.
2. El nmero de usuarios que no pueden acceder a un determinado sitio web, en una hora, es una variable
aleatoria distribuida Poisson con promedio de 6 usuarios por hora.
Calcule la probabilidad, de que en un periodo de media hora no puedan acceder a este sitio web, tres
o ms usuarios.
3. DISTRIBUCIN GEOMETRICA (est relacionada con el exp. de Bernoulli)

1.- El experimento de Bernoulli se repite hasta obtener un xito.
2.- El resultado del experimento puede ser un xito o un fracaso.
3.- La probabilidad de xito (p) es independiente del obtenido en otro experimento
Se define la v.a.
X: N de pruebas necesarias para obtener el primer xito.
Funcin de cuanta:
Esperanza
E( X )
p ( x)
1
p
p q x1
; Varianza
si
x 1,2,3,4,............
V (X )
q
p2
Ejemplo:
Un organismo de defensa del consumidor analiza unidades de un producto hasta encontrar uno,
que no presenta su fecha de vencimiento . Se sabe que en el mercado un 3% de unidades de este
producto no tiene su fecha de vencimiento . Cul es la probabilidad que se tengan que revisar
menos de 4 unidades?
4. DISTRIBUCIN PASCAL (est relacionada con el exp. de Bernoulli)

Se defina la v.a.
X: N de pruebas de Bernoulli necesarias hasta obtener r xitos.
Funcin de cuanta:
x 1
r
x r
p ( x)
si x r , r 1, r 2, r 3......
r 1
p q
r
r q
Esperanza
E( X )
; Varianza : V ( x) 2
p
p
Ejemplo.
Usando el enunciado anterior (3), Cul es la probabilidad que se revisen a lo ms 6 unidades
para encontrar 3 sin fecha de vencimiento?
VARIABLE ALEATORIA CONTINUA
Definicin: Una variable aleatoria continua es aquella que toma valores en uno o
varios intervalos de la recta real.
En las variables continuas la funcin de probabilidad no se puede calcular como la
suma de las probabilidades de ciertos puntos porque el conjunto de posibles valores
de la variable es no numerable.
FUNCIN DE DENSIDAD.
Sea X una variable aleatoria continua, con funcin de densidad fx (x), tal que:
f X ( x) 0
( x)dx 1
La funcin de densidad se emplea para calcular un rea que representa la

probabilidad de que X tome un valor en el intervalo
x1 , x2 , es decir :
Ana Mara Daz
Pgina 1
Ejemplo 1: La temperatura a que tiene lugar una reaccin qumica es una variable
aleatoria, con funcin de densidad:
K 4 x si 1 x 2
f X ( x)
0 en otro caso
Cul debe ser el valor de k, para que f(x) sea funcin de densidad?
Solucin.
Sabemos que se debe cumplir que:
( x) dx 1 , entonces
K 4 x dx
2
21
Cul es la probabilidad que la temperatura de la reaccin qumica se encuentre

entre -0,5 y 0,5?
Ana Mara Daz
Pgina 2
Funcin de distribucin
F : R 0 ,1 , nos da la probabilidad acumulada desde -
La funcin de distribucin
hasta el valor que se tiene en consideracin:

x
FX ( x ) P ( X x )
(t ) dt
Esta funcin es Continua.

Por lo tanto la funcin de densidad de una variable aleatoria continua, es la derivada
f X ( x ) FX' ( x )
de su funcin de distribucin,
Por otra parte, las variables aleatorias continuas verifican las siguientes propiedades:
1. lim FX ( x ) 0 ; lim FX ( x ) 1
x
2.
P ( x1 X x2 )
x2
( t )dt F ( x2 ) F ( x1 )
x1
3. P x1 X x2 P x1 X x2 P ( x1 X x2 ) P x1 X x2 F ( x2 ) F ( x1 )
4.
P ( X x2 )
x2
f X ( t )dt 0
x R
x2
Ejemplo 2 . Tomando la funcin de densidad de la temperatura (ejemplo1), vamos a

determinar la funcin de distribucin.
Solucin.
x
si x 1
FX ( x )
0dt 0
(t )dt
2
si 1 x 2 FX ( x) 0dt (4 t )dt
21
1
1
2
x
2
si x 2
FX ( x) 0dt (4 t )dt 0dt
21
1
2
8x x 2 9
21
Por lo tanto:
8x x 2 9
FX ( x )
21
Ana Mara Daz
si
x 1
si 1 x 2
si
x2
Pgina 3
Ejemplo 3. El peso de una naranja para la elaboracin de jugo concentrado (Kg), se

puede considerar una variable aleatoria, con funcin de densidad:
125
2 ( x 0.01) si 0.1 x 0.2
f x ( x)
0
en
O.C.
Calcular la probabilidad que una naranja, elegida al azar, tenga un peso:

1.- Superior a 0.15 Kg.
Sol.
0.578125
2.- De a lo ms 0.18 Kg.

Sol.
0.75
Sol.
0.375
3.- Entre 0.12 y 0.16 Kg.
Esperanza Matemtica
Sea X una variable aleatoria continua con funcin de densidad f (x), se define la
esperanza de X, como:
E( X )
x f
( x) dx
Propiedades : Sea X una variable aleatoria continua y g(x) = a X + b, en donde a y b

son constantes.
E (aX b) aE ( X ) b
(b) E h( X ) g( X ) E h( x ) E g( x )
(a)
(c)
E aX bY aE X bE Y
(d)
E a a
(e)
XMin E ( X ) XMx
Ana Mara Daz
a R
Pgina 4
Esperanza de una funcin

Si
X es una variable aleatoria y g( X ) una funcin de X , entonces se define la

esperanza de h( X ) como:
E ( g ( x))
g ( x) f
( x) dx
Varianza
Sea X una variable aleatoria continua con funcin de densidad f(x), se define la
varianza, como:
X2 Ex E ( X )2
( x E ( X ))
f X ( x) dx
Una formula equivalente para calcular la varianza, esta dada por:
X2 E ( X 2 )
E( X )2
Propiedades : Sea X una variable aleatoria continua , entonces:
b) V ( X )
2
(b) V (aX b) a V ( X )
(c) V a 0 a R, Cte.
(a) V ( X
Ejemplo 4. Tomando la informacin del ejemplo 1. Determinar la temperatura

esperada y la
desviacin estndar de la temperatura.
Solucin.
2
E( X )
x 21 (4 x) dx
0.2857
2 ( x) E ( X 2 ) E ( X )
2
( x)
2
21 4 x dx 0.2857 0.7041
0.7041 0.8391
Ana Mara Daz
Pgina 5
Ejercicios.
1.- Sea V la variable aleatoria que indica el nmero de ventas diarias de un
determinado artculo, en cierto supermercado. Las ventas diarias del artculo
tienen la siguiente funcin de cuanta:
P (v) = P ( V = v ) = (24 -5v) / 70
si v = 0, 1,2,3,4.
1.1.- Cul es la probabilidad que en un da se vendan ms de 2 artculos?

1.2.- Encuentre la mediana, valor esperado y la varianza de V.
1.3.- En los das en que se venden menos de 4 artculos. Cul es la
probabilidad de que se venda por lo menos uno?
2.- El fabricante de cierto tipo de compresor ha encontrado que la vida til de
un compresor se puede modelar con la siguiente funcin de densidad:( en
aos)
2.1.- Cul es la vida esperada del compresor?

2.2.- Qu porcentaje de los compresores tienen una vida de por lo menos 1 ao?
2.3.- Si se quiere garantizar el 10% de los compresores. Cul debe ser la vida til
garantizada por el fabricante?
Ana Mara Daz
Pgina 6
Modelo de Variable Aleatorias

Si un conjunto dado de variables aleatorias (distribuciones) tienen sus funciones de
cuanta o de densidad con la misma estructura funcional matemtica, diremos que
pertenecen a la misma familia de distribuciones o al mismo modelo de probabilidad.
La estructura matemtica depende de 1 ms parmetros, y se les llama
parmetros de la distribucin.
1.- Distribucin de probabilidad Uniforme X
U a, b
Se dice que la variable aleatoria X posee una Distribucin Uniforme en el intervalo [ a ,

b ], si su funcin de densidad es la siguiente:
1
b a
f X ( x)
0
Si
si
a xb
en
o.c.
X ~ U ( a ; b ) su Funcin de Distribucin esta dada por:
0
x a
FX ( x )
b a
1
si
xa
si a x b
si
xb
Grficamente
Esperanza
E ( X ) xf ( x )dx
a
Varianza
Ana Mara Daz
ab
2
( b a )2
V(X)
12
2
X
Pgina 1
2
Ejemplo 1. El tiempo que una persona emplea para desarrollar cierta tarea, tiene u
comportamiento uniforme entre 30 y 40 minutos. Si la persona comienza a desarrollar
una nueva tarea. Cul es la probabilidad que el tiempo empleado sea inferior a 38
minutos?
Solucin.
Sea X : tiempo que emplea una persona para desarrollar cierta tares, en minutos.
X ~ U ( 30 ; 40 )
P( X 38) FX (38)
38 30
0.8
40 30
Ejemplo 2. En un sistema de abastecimiento de agua formado por bombas en

paralelo que descargan a una mltiple de distribucin. La descarga de una bomba
(10 (litros/minutos) se considera una variable aleatoria con distribucin Uniforme en
el intervalo ( 5.4 ; 5.8 ).
a.- Cul es la descarga esperada de agua, por este tipo de bombas?
Sol. 5.6* 10 (litros/minutos)
b.- Qu porcentaje de las veces la bomba descarga entre 5500 (litros/minutos) y
5750 (litros/minutos)?
Sol. 62.5 %
2.- Distribucin de Probabilidad Exponencial X
Exp
La variable aleatoria X tiene distribucin exponencial de parmetro > 0, cuya funcin

de densidad es:
e x
f X ( x)
0
si x 0
si x 0
Grficamente
Ana Mara Daz
Pgina 2
3
Si X ~ Exp ( ) , su funcin de Distribucin es:
si x 0
FX ( x )
1 e x
si x 0
Grficamente
.
Esperanza
E ( X ) xf ( x )dx
0
V ( X ) X2
Varianza
Observacin:
Se dice que la distribucin exponencial no tiene memoria, ya que en la
duracin que tenga un objeto, no influye en nada el tiempo que en la actualidad lleva
funcionando.
Ejemplo1.- Se sabe que el tiempo de falla, en aos, de un componente de cierto
sistema electrnico tiene un comportamiento exponencial con un tiempo promedio de
falla de 5 aos. Cul es la probabilidad que este tipo de componente falle despus
de 8 aos?
Solucin.
X : tiempo que demora en fallar un componente, en aos.

E(X) = 5
= 1/ 5 = 0.2
X ~
Exp ( 0.2 )
P( X 8) 1 P( X 8) 1 FX ( x) 1 (1 e 0.28 ) 0.202
Ana Mara Daz
Pgina 3
4
Ejemplo2. El tiempo, en minutos, que transcurre antes de que una persona sea
atendida en una
cafetera es una variable aleatoria que tiene una distribucin
exponencial con parmetro 0.25 .
Cul es la probabilidad que una persona
sea atendida antes del tiempo esperado?
Sol. P( X< 4 ) = 0.6321
Ejemplo3. La vida til de cierto tipo de batera tiene un comportamiento exponencial

con media
10 aos. Si se sabe que la batera ha estado funcionando por
lo menos 4 aos. Cul es la probabilidad que funcione a lo ms 15 aos?
Solucin.
Sea X : Tiempo de vida til de una batera, en aos.
P( X 15 / X 4)
P(4 X 15)
P( X 4)
X ~ Exp ( 1/10)
0.4472
0.6672
0.6703
o bien
P ( X 11 ) =
Ana Mara Daz
0.6672
Pgina 4
5
3. Distribucin de Probabilidad Normal
N , 2
Si una variable aleatoria continua tiene un comportamiento que se puede modelar por
la siguiente funcin de densidad:
1 x
1
e 2
2
f X ( x)
si

.
en
o.c.
Entonces se dice que X tiene distribucin Normal de parmetros y .

Grficamente.
A partir de la grafica, se puede apreciar que.

La curva es simtrica alrededor de su eje vertical, donde se encuentra el
parmetro .
La curva es asinttica al eje horizontal.
La curva tiene sus puntos de inflexin en x = , es cncava hacia abajo si
< x < + .
La curva toma su mximo valor cuando x = .
Su Funcin de Distribucin se puede encontrar:

x
FX ( x )
Ana Mara Daz
1
2
1 t
dt
Pgina 5
6
F(x) es el rea sombreada de esta grfica
E( X )
Esperanza
xf ( x )dx
Varianza
V ( X ) X2
Propiedades:
(1) Moda: Por ser una distribucin simtrica y campaniforme la esperanza, la
mediana y la moda coinciden y son igual a .
(2) Asimetra: La distribucin es siempre simtrica por lo tanto su coeficiente de
asimetra es siempre Cero.
(3) Curtosis:
4
3 0
4
Teorema.
Sea X una variable aleatoria, tal que
aleatoria
X ~
N ( , ),
se define la variable
, cuya funcin de densidad esta dada por:
z
1
2
2
f Z ( z)
si
en
o.c.
Entonces
Z~ N(0;1)
conocida como la distribucin Normal Estndar
Observacin: Para facilitar el clculo de las probabilidades existen tablas que dan
directamente el rea bajo la curva hasta el valor z, para el caso = 0 y = 1
Ana Mara Daz
Pgina 6
7
Ejemplo
Sea Z ~
N ( 0 ; 1 ) . Calcular las siguientes probabilidades:
1. P ( Z 1.23 ) =
La tabla nos muestra la probabilidad acumulada, es decir la funcin de distribucin. En
la tabla se debe buscar el valor de z, como se muestra:
Por lo tanto P ( Z 1.23 ) = F (1.23) = 0.8907

2. P ( Z > -2.00) = 1-P ( Z -2.00) = 1- 0.0228 = 0.9772
3. P ( -0.5 X 0.34 ) =
Ana Mara Daz
F ( 0.34 ) - F ( -0.5 )
0.6331 - 0.3085
Pgina 7
8
Ejemplo 1
El tiempo de aprobacin de un crdito en una entidad bancaria se distribuye
normalmente con media 6 das y varianza 4 (das)2 . Si se escoge al azar un prstamo ,
Cul es la probabilidad que:
1.1.- Demore a lo ms 5 das en aprobarse.
1.2.- El tiempo de aprobacin se encuentre entre 4 y 7 das
Ejemplo 2
El monto de las pensiones otorgadas por una AFP es una variable aleatoria que se
distribuye aproximadamente normal con una desviacin estndar de 50 mil pesos.
Adems se sabe que un 27,43% de las pensiones otorgadas tienen un monto superior
a $ 180000.
2.1.- Cul es monto esperado de la pensin?
2.2.- Si se elige un pensionado al azar Cul es la probabilidad que el monto de su
pensin sea como mximo $ 150000?
2.3.- Si se eligen al azar y en forma independiente a 5 pensionados. Cul es la
probabilidad que dos de ellos reciban una pensin con un monto inferior a
$150000?
Ejemplo3.
En cierta industria textil, las ventas diarias se distribuyen normal con una media
de 1,5 millones de pesos y una desviacin estndar de 0,3 millones de pesos. La
industria decide realizar una campaa de promocin de sus productos, estimando
que sus ventas aumentan en un 10%. Cul es la probabilidad que las ventas en
un da cualesquiera, despus de la campaa, supere los 2 millones de pesos?
Ejemplo 4.
En cierta industria automotriz, el nmero de horas semanales de trabajo que se
pierden por enfermedad (x), se distribuye aproximadamente normal con una media de
60 horas y desviacin estndar de 15 horas. Si la perdida econmica se relaciona con
el nmero de horas semanales perdidas por enfermedad a travs de la siguiente
formula:
P = 250 + 350 X, (en pesos)
Determine la probabilidad que la perdida econmica se encuentre comprendida entre
$20000 y $25000.
Ana Mara Daz
Pgina 8
UNIVERSIDAD DE SANTIAGO DE CHILE

FACULTAD DE CIENCIA
DEPARTAMENTO MATEMTICA Y CIENCIA DE LA COMPUTACIN
Prof. Alma Placencia

Prof. Rosa Monao
1)
Definicin de Vector Aleatorio de dimensin n, o variable aleatoria n dimensional.

Def: Se dice que (X1, X2, X3,, Xn) es una variable aleatoria de dimensin n, si X1,
X2, Xn, son n variables aleatorias, tal que:
f(x1, x2, x3,, xn) es la funcin de densidad conjunta, si Xi son v.a.c.
p(x1, x2, x3,, xn) es la funcin de cuanta conjunta, si Xi son v.a.d.
f(xi) es la funcin de densidad marginal de Xi .
p(xi) es la funcin de cuanta marginal de Xi .
2)
Definicin de Independencia de n variables aleatorias.

Def: Se dice que (X1, X2, X3,, Xn) son n variables aleatorias independientes, si y slo
si se cumple:
f(x1 ,x2, , xn) = f ( x1 ) f ( x2 )... f ( x n ) =
f (xi ) para toda x1 ,x2, , xn
i =1
p(x1 ,x2, , xn) =
p( xi ) , para toda
i =1
x1 ,x2, , xn
Consecuencias: Si (X1, X2, , Xn) son n variables aleatorias independientes, se

cumple:
n
E[X1+ X2+ + Xn] = E [X 1 ] + E[ X 2 ] + ... + E [X n ] = E [X i ]

i =1
n
V[X1+ X2+ + Xn] = V [X 1 ] + V [ X 2 ] + ... + V [ X n ] = V [ X i ]

i =1
ya que Cov [Xi; Xj] = 0 , xi xj , en v.a. indep.

Si Xi ~ N i ; i2 ; i = 1, 2, entonces:
(
)
~ N (1 2 ; 12 + 22 )
X1 + X2 ~ N 1 + 2 ; 12 + 22
X1 - X2
Etc.
3)
Definicin de muestra aleatoria de Tamao n (m.a.(n))

Def. Se dice que (X1, X2, , Xn) es una m.a (n), si (X1, X2, , Xn) son n v.a.
independientes y tienen la misma distribucin de probabilidad.
4)
( )
Distribucin de probabilidad Ji-cuadrado o Chi-cuadrado n2

Def: Sean (X1, X2, , Xn), n v.a. independientes distribuidas N(0,1), entonces:
X 12 + X 22 + ... + X n2 ~ n2 (Ji-cuadrado con n grados de libertad)

Def: Sea (X1, X2, , Xn) n v.a. independientes, tal que Xi ~ N(; 2), i = 1,2,,n,
2
X
2
~ n (Ji-cuadrado con n.g.l.)
i

i =1
n
entonces
Propiedades:
Es una distribucin de probabilidad asimtrica, unimodal, con Recorrido (0; +
), con E[X]= n V(x) = 2 n.
Grficamente (caso; n = 1, n =2, n > 2)
Uso de tabla Ji cuadrado

En la tabla aparecen los percentiles correspondientes a ciertos valores de
probabilidad dados.
2
k = 0,99
Ejemplo: Determinar k, tal que P 20
Resp k =
2
20
;0,99
= 37,566 = P99 (Percentil 99)
2
Ejemplo: Determinar k1, tal que P 185
< k1 = 0.05
2
2
k1 = 185
;0.05 200;0.05 = 168,279 = P05
5)
Distribucin de Probabilidad t de Student
Def: Sea X ~ N(0;1) y sea Y ~ n2 . Si X e Y son variables aleatorias independientes,

entonces:
X
~ t n (t de Student con n grados de libertad)
Y /n
Propiedades:
Es una distribucin de probabilidad simtrica respecto a su media igual a cero, es
unimodal, con Recorrido (-, + ). Su grfica es ms achatada que N(0,1) o ms
dispersa, pero cuando (n ), n es grande, se aproxima en forma y probabilidad
a la N(0,1).
Grficamente:
Density
0.10
0.00
-400
-200
200
400
600
-30
-20
-10
10
t Distribution: Degrees of freedom=10
20
30
0.2
0.0
0.0
0.1
0.1
0.2
Density
0.3
0.3
0.4
0.4
-600
Density
0.20
0.30
0.000 0.002 0.004 0.006
Density
-4
-2
-2
Uso tabla t de Student

En la tabla aparecen los percentiles correspondientes a ciertos valores de
probabilidad.
Ej: Determinar k, tal que P[t80 k ] = 0,95

k = t 80;0.95 = 1,6641
Ej: Determinar k1, tal que P[t 25 k1 ] = 0,10
k1 = t 25;0.10 = t 20;0.90 = 1,3253 (utilizando la simetra de la distribucin)
tn; (pequeo) = - tn;1-
Ej: Determinar k2, tal que P[t 282 k 2 ] = 0,01
k 2 = t 282;0.01 t 300;0.01 = t 300;0.99 = 2,3388
Distribucin de Probabilidad F de Fisher

Def: Sea X ~ n21 , sea Y ~ n22 , si X e Y son v.a. independientes, entonces:
X / n1
~ Fn1;n2 (F de Fisher con n1 g.l. del numerador y n2 g.l. del denominador.)
Y / n2
Propiedades:
Es una distribucin de probabilidad unimodal, asimtrica, cuyo recorrido es (0; + ).
Grficamente:
F Distribution: Numerator degrees=10, Denominator degrees=14
0.6
0.2
0.4
Density
0.3
0.2
0.0
0.0
0.1
Density
0.4
0.8
20
40
60
Density
0
0.0 0.2 0.4 0.6 0.8 1.0
0.4
0.2
Density
0.6
0.8
0.0
6)
10
0.5
1.0
1.5
Fn1,n2 ; (pequeo) =
2.0
x
1
Fn1;n1;1
Ejemplos: Determinar k, tal que P F8;10 < k = 0,90

k = F8;10;0,90 = 2,3772
Determinar k1, tal que P F14;10 < k1 = 0,05

k1 = F14;10;0,05 (pequeo) =
1
F10;14;0.95
1
= 0,3843
2,6021
2.5
3.0
3.5
ESTIMACION DE
PARAMETROS
Cuando se desconoce el valor de un
parmetro, se
puede utilizar un sustituto llamado
ESTIMADOR.
Los estimadores se pueden obtener en forma
puntual o por intervalos
Ana Mara Daz
METODOS DE ESTIMACION PUNTUAL

Existen varios mtodos para estimar parmetros, los ms
usuales son:
Mtodo de los momentos
Mtodo de mxima verosimilitud
Mtodo de los mnimos cuadrados
Los dos primeros mtodos estn relacionadas con la
distribucin de probabilidad de la variable. En cambio el
mtodo de los mnimos cuadrados se utiliza en el anlisis
de regresin.
Ana Mara Daz
METODO DE MAXIMA VEROSIMILITUD

La funcin de verosimilitud de una muestra
aleatoria , se define como la funcin de
probabilidad conjunta de las variables. Dicha
funcin se denota por :
Como las variables son independientes e idnticamente

distribuidas, la funcin se puede expresar
Ana Mara Daz
Este mtodo pretende encontrar aquellos valores de los

parmetros que maximicen la probabilidad de obtener valores
que se dieron en la muerta. Para ello se debe derivar la funcin
de verosimilitud con respecto de cada uno de los parmetros,
igualar a cero y despejar el parmetro en funcin de una
estadstica.
Generalmente la funcin de verosimilitud es complicada de

trabajar, por lo que se prefiere encontrar la derivada del
logaritmo de la funcin de verosimilitud, es decir:
Ana Mara Daz
Ejemplo 1.
Sea X ~ Pos ( ) , se toma una m.a.t (n ) de X.

Determine el estimador mximo verosmil para
Ejemplo 2.
La duracin (en horas) de una broca para madera, tiene un
comportamiento exponencial de parmetro . Se toma una muestra
de 10 brocas y se registra su duracin, obtenindose los siguientes
resultados:
7.4 8.4 7.5 8.5 7.9 7.6 7.8 8.1 8.6 8.2
Una persona comienza un trabajo con una broca nueva. Cul es

la probabilidad que la broca dure por lo menos 9hrs.?
Ana Mara Daz
MOMENTOS
Momentos de una distribucin.
Los momentos son funciones de los valores esperados. Existen los:

Momentos de orden r, con respecto del origen: E ( XR )
Momentos de orden r, con respecto de la media:
Momentos empricos o muestrales.
Se basan en la generalizacin de la idea de la media muestral.
Momento de orden r, con respecto del origen:

Momento de orden r, con respecto de la media:
Ana Mara Daz
METODO DE LOS MOMENTOS

Se trata de un mtodo de obtencin de estimadores muy
intuitivo. Bsicamente, consiste en igualar los momentos
poblacionales (que sean funcin del o los parmetros a
estimar) con los momentos muestrales y despejar el
parmetro a estimar
Es decir :
Ana Mara Daz
Ejemplo 1.
Sea X una variable aleatoria con distribucin Normal con
parmetros
. Si se toma una m.a.t. (n), encuentre
estimadores , para los parmetros usando el mtodo de los
momentos.
Ejemplo 2.
Encuentre el estimador de los momentos para el parmetro
p, si la variable aleatoria tiene un comportamiento
Binomial.
Ana Mara Daz
Ana Mara Daz
INTERVALOS DE CONFIANZA
Un intervalo de confianza es una gama de valores que tienen como objetivo estimar el valor real de
un parmetro de cierta poblacin.
Para construir un intervalo de confianza para un parmetro , consiste en seleccionar una
estadstica adecuada T que est relacionada con otra variable aleatoria X = f ( , T ). Donde X
incluye a , pero la distribucin de X no depende de , ni de ningn otro parmetro desconocido.
Sean g() y h()dos cantidades tales que:
Pg ( ) T h( ) 1
El nivel de confianza es la probabilidad 1 , que es la proporcin de veces que el intervalo de

confianza realmente contiene el parmetro, cuando el proceso de estimacin se repite un gran
nmero de veces.
El mtodo usual para construir intervalos de confianza es el Mtodo Pivotal. Este consiste en:
Obtener los estimadores mximo verosmil insesgados para
Encontrar la distribucin de los estimadores

Construir la variable aleatoria pivotal.
Obtener el intervalo de confianza
INTERVALO DE CONFIANZA PARA LA MEDIA CON VARIANZA CONOCIDA

Sea
X 1 , X 2 ,............... X n una muestra aleatoria de una variable aleatoria X con distribucin
Normal con media desconocida y con varianza conocida, entonces

La variable aleatoria
X ~ N ( ; /n ).
~ N(0;1)
P z Z z 1
1
2
1 2
X
P z
z1 1
2
1 2
n

P X z
X z
1
1
1
n
n
2
2
Si tenemos
Ejemplo.
Se realiza un estudio para analizar el comportamiento de cierto ro, en relacin a sus
desbordes
que han ocurrido en los ltimos aos. Se sabe que las descargas de agua debido a los desbordes
tiene un comportamiento normal con una desviacin tpica de 200 ( pies / seg. ).
Al tomar una muestra de 11 desbordamientos de los ocurridos en los ltimos aos se obtuvo una
descarga promedio de 5090 ( pies / seg. ).
Estime con un 95% de confianza la descarga promedio de los desbordes del ro.
INTERVALO PARA LA MEDIA CON VARIANZA DESCONOCIDA

Sea
X 1 , X 2 ,............... X n una muestra aleatoria de una variable aleatoria X con distribucin
Normal con media desconocida y con varianza desconocida.

La variable aleatoria
X
~ t(n1)
S
n
Si X y S son la media y la desviacin muestral, entonces el intervalo de confianza se obtiene de

la distribucin de muestreo de la estadstica
P t n 1;1 T t n 1;1 1
2
2
Ana Mara Daz
X
P t n 1;1
t
n 1;1
S
2
2
Pgina 1
Despejando, nos queda un intervalo de confianza del 100(1-) por ciento para :
S
S
P X t n 1;1
X t n1;1
1
2
2
n
n
Ejemplo.
La tensin de ruptura de cierto tipo de plstico que se utiliza para revestir ciertos cables
elctricos, tiene un comportamiento normal.
Al tomar una muestra al azar de 12 cables y se mide la tensin de ruptura del plstico( en
psi) que los recubre, obtenindose:
162.5
168.9
161.3
144.8
149.8
165.0
136.2
165.4
165.4
173.6
163.0
167.4
Construir un intervalo de confianza del 95% para estimar la tensin de ruptura de este tipo de
plstico
INTERVALO DE CONFIANZA PARA PROPORCIN
Si se toma una nuestra aleatoria de tamao n de una poblacin (infinita) y donde ciertas
observaciones pertenecen a una clase de inters (X), entonces se puede obtener
X
p , el cual
n
es un estimador insesgado de la proporcin poblacional ( p ).

Si n y p son los parmetros de una distribucin Binomial, y n , tenemos la variable aleatoria:
p p
~ N(0;1)
p(1 p)
n
El intervalo de confianza se obtiene de la distribucin de muestreo y de estimar la varianza.
P p z
1
2
p (1 p )
p p z
1
n
2
p (1 p )
1
n
INTERVALO DE CONFIANZA PARA LA VARIANZA

Si X1, X2, .Xn es una muestra aleatoria de tamao n tomada de una poblacin Normal. En
donde S2 es la varianza muestral , se tiene la variable aleatoria:
x
n
i 1
(n 1) S 2
X 2 (n 1)
P x 2 n1; / 2 X x 2 (n1;1 / 2 1
(n 1) S 2
P x 2 n 1; / 2
x 2 ( n 1;1 / 2 1
2
1-
/2
/2
x / 2
(n 1) S 2
(n 1) S 2
P 2
2 2
1
x ( n 1; / 2 )
x ( n 1;1 / 2 )
x1 / 2
Ejemplo.
En una fbrica de pintura se lleva un control sobre las mquinas que deben llenar las latas de pintura. Al tomar una
muestra de 15 latas de y verificar la cantidad de pintura que contenan se encontr que la desviacin estndar es de
0.11 (litros). Estime con 90% de confianza la varianza del contenido de pintura en las latas
Ana Mara Daz
Pgina 2
1
PROBABILIDAD Y ESTADSTICA (10009)
DCIMAS DE HIPTESIS
I. DCIMA PARA LA MEDIA (2 conocido)
Situacin
X v.a. N( , 2); 2 conocido
(x1, x2 , ..., xn) m.a.(n) de X
Hiptesis
Nula
1) H0: = 0
Hiptesis
Alternativa
1) H1: 0
2) H0: < 0
2) H1: > 0
3) H0: > 0
3) H1: < 0
Estadstico
Z=
x -
N(0 , 1)
/ n
Regin de Rechazo
1) {Z -z1-/2 Z z1-/2 }
2) {Z z1- }
3) {Z -z1- }
Ejemplo: Cierto tipo de condensador electrnico ha sido fabricado por una Empresa durante varios aos y se ha observado que la
duracin de stos condensadores es una variable aleatoria Normal con desviacin estndar de 90 horas. Una muestra aleatoria
de 20 de estos condensadores tuvo una duracin media de 1450 horas.
Pruebe la hiptesis de que la duracin media de estos condensadores es de 1500 horas. = 0.05
Determine el p-valor.
II. DCIMA PARA LA VARIANZA
Situacin
X v.a. N( , 2);
(x1, x2 , ..., xn) m.a.(n) de X
Hiptesis
Nula
2
2
1) H0: = 0
Hiptesis
Alternativa
2
2
1) H1: 0
2) H1: > 0
3) H0: > 0
3) H1: < 0
2) H0: < 0
Estadstico
2 =
(n 1)S
2(n-1)
2
Regin de Rechazo
1) {
2
/2
2 12/2 }
2) {
12 }
3) {
2 }
Ejemplo: En una embotelladora de refresco el proceso de llenado realizado por una mquina est fuera de control cuando la
desviacin estndar de la cantidad de refresco vertida supera 0,02 u.m. Para controlar la variabilidad se tom una muestra
aleatoria de 28 botellas llenadas por la mquina y se obtuvo una desviacin estndar s = 0,027 u.m. Qu se puede concluir con
= 0,10? el p-valor es mayor o menor que 0,10?
III. DCIMA PARA LA MEDIA (2 desconocido)
Situacin
X v.a. N( , 2); 2 desconocido
(x1, x2 , ..., xn) m.a.(n) de X
Hiptesis
Nula
1) H0: = 0
Hiptesis
Alternativa
1) H1: 0
2) H0: < 0
2) H1: > 0
3) H0: > 0
3) H1: < 0
Estadstico
T=
x -
t(n - 1)
S/ n
Regin de Rechazo
1) {T -t1-/2 T t1-/2 }
2) {T t1- }
3) {T -t1- }
a. Ejemplo: El tiempo de acceso al disco duro en un cierto modelo de computador es una variable aleatoria con media 15
milisegundos. Se ha propuesto una modificacin tcnica con objeto de disminuir este tiempo de acceso. Se prueba el nuevo
sistema en 10 computadores obtenindose un promedio de 14 ms. y desviacin estndar de 2,286 ms.
Hay suficiente evidencia estadstica, al nivel de significacin 0,05, a favor de la hiptesis de que el nuevo modelo
disminuye el tiempo de acceso?.
El p-valor de la dcima, es mayor o menor que 0,01?. Justifique su respuesta.
b. Ejemplo: Un ingeniero que trabaja para una fbrica de llantas, investiga un nuevo compuesto de caucho. Para ello fabrica 10
llantas y las prueba en la carretera hasta que finalice su vida til. Los datos obtenidos, en kilmetros, fueron los siguientes:
60613 59836 59554 60252 60221 60351 59784 60257 60545 60257
Si la decisin de la industria es fabricar las nuevas llantas siempre que la vida til promedio de stas supere los 60 mil kms.
en base a la informacin muestral y con un nivel de significacin del 5%, que decisin toma el fabricante?.
IV. DCIMA PARA UNA PROPORCIN
Situacin
X v.a. B(1, p);
(x1, x2 , ..., xn) m.a.(n) de X
Hiptesis
Nula
1) H0: p = p0
Hiptesis
Alternativa
1) H1: p p0
2) H0: p < p0
2) H1: p > p0
3) H0: p > p0
3) H1: p < p0
Estadstico
p - p
N(0 , 1)
Z=
pq
n
n grande
Regin de Rechazo
1) {Z -z1-/2 Z z1-/2 }
2) {Z z1- }
3) {Z -z1- }
Ejemplo: Una empresa se plantea la posibilidad de establecer un servicio complementario de informacin a sus clientes. ste ser
rentable nicamente si ms del 40% de los clientes estn interesados. Para poder tomar una decisin se realiz un sondeo con una
muestra aleatoria de 100 clientes, de los cuales 45 estar de acuerdo.
Existe evidencia suficiente al nivel de significacin del 4% para apoyar la hiptesis de rentabilidad?. Determine el p-valor.
V. DCIMA PARA DIFERENCIA DE PROPORCIONES
Hiptesis
Nula
Situacin
Hiptesis
Alternativa
m.a.(n1) de B(1,p1)
1) H0: p1 = p2
1) H1: p1 p2
m.a.(n2) de B(1, p2)
2) H0: p1 < p2
2) H1: p1 > p2
m.a.i.
3) H0: p1 > p2
3) H1: p1 < p2
p c =
n 1p1 + n 2 p 2
n
n = n1 + n2 ;
Regin de Rechazo
Estadstico
(p1 p 2 )
N(0 , 1)
Z=
1
1
p c q c +
n1 n2
1) {Z -z1-/2 Z z1-/2 }
2) {Z z1- }
3) {Z -z1- }
p q p q
p q p q
adems IC(p1 -p 2 ) = (p 1 -p 2 ) - z1-/2 1 1 + 2 2 ; (p 1 -p 2 ) + z1-/2 1 1 + 2 2
n1
n2
n1
n2
Ejemplo: Dos pegamentos, I y II, pueden utilizarse para fabricar vigas laminadas. De 80 vigas fabricadas por el pegamento I, 8
fallaron en una prueba de resistencia, mientras que 16 de las 80 vigas hechas con el pegamento II fallaron en la misma prueba.
Se puede concluir con un nivel de significacin de 0.05 que el pegamento I es mejor que el II?.
VI. DCIMA PARA RAZN DE VARIANZAS
Hiptesis
Nula
Situacin
2
1
m.a.(n1) de N(1 , )
1) H0: 1
2
2) H0: 1
m.a.(n2) de N( 2 , 22 )
m.a.i.
3) H0: 1
22 = k 0
Hiptesis
Alternativa
2
2
1) H1: 1 2 k 0
22 k 0 2) H1: 12 22 > k 0
22 k 0
K0 cte +
3) H1: 1
22 < k 0
K0 cte +
Regin de Rechazo
Estadstico
1)
F=
S12 22
F(n1-1,n2-1)
S22 12
{F
F/2 F F1-/2 }
2) {F F1- }
3)
{F
F }
Ejemplo: Se revis la dureza del agua de dos muestras obtenidas a partir de bocas de salida separadas de una planta de energa.
Los resultados codificados (partes por milln) se presentan a continuacin:
Y = Dureza del agua
VII.
UBICACIN
ni
yi
yi2
1
2
9
14
504
868
29101
54201
Analice si la varianza de la dureza del agua proveniente

del lugar 1 es mayor que la del lugar 2. = 0.05
DCIMA PARA DIFERENCIA DE MEDIAS (Varianzas conocidas)
Hiptesis
Nula
Situacin
2
1
2
2
m.a.(n1) de N(1 , )
m.a.(n2) de N( 2 , )
2
1
VIII.
2
2
conocidas
m.a.i
1) H0: 1 -2 = d0
Hiptesis
Alternativa
1) H1: 1 -2 d0
2) H0: 1 -2 < d0
2) H1: 1 -2 > d0
3) H0: 1 -2 > d0
3) H1: 1 -2 < d0
Regin de Rechazo
Estadstico
Z=
(Y1 - Y2 ) - ( 1 2 )
2
1
2
2
+
n1 n 2
N(0 , 1)
1) {Z -z1-/2 Z z1-/2 }
2) {Z z1- }
3) {Z -z1- }
DCIMA PARA DIFERENCIA DE MEDIAS (Varianzas desconocidas pero iguales)
Hiptesis
Nula
Situacin
Hiptesis
Alternativa
m.a.(n1) de N(1 , )
1) H0: 1 -2 = d0
1) H1: 1 -2 d0
m.a.(n2) de N( 2 , )
2) H0: 1 -2 < d0
2) H1: 1 -2 > d0
3) H0: 1 -2 > d0
3) H1: 1 -2 < d0
2
1
2
2
2
1
2
2
desconocida
m.a.i
s 2p =
Regin de Rechazo
Estadstico
T=
(Y1 - Y2 ) - (1 2 )
1 1
S2p +
n1 n 2
(n1 1)s12 + (n 2 1)s 22

n1 + n 2 2
t(n1 + n2 2)
{T -t1-/2 T t1-/2 }
2) {T t1- }
3) {T -t1- }
1)
Ejemplo; Se midi la resistencia a la tensin en dos tipos de varillas (10 mm y 12 mm de dimetro). Los resultados de 50
mediciones, para cada tamao son:
Varilla
10 mm. de dimetro (1)

12 mm. de dimetro (2)
Y = resistencia a la tensin (N/mm2)

yi
yi2
i
50
50
27.250,0
27.750,0
14.879.474,0
15.420.850,0
Suponiendo normalidad en la distribucin de los datos

Se afirma que las mediciones de resistencia a la tensin de las varillas de 12 mm. de dimetro debera, en promedio, ser 8
unidades (N/mm2) mayores que las correspondientes a las varillas de 10 mm. de dimetro.
Analice la afirmacin con = 0,05.
Primero debe probar si
12 = 22 .
F0,975 (49,49) = 1,762
F0,95 (49,49) = 1,607
F0,05 (49,49) = 0,622
IX. DCIMA PARA DIFERENCIA DE MEDIAS (Varianzas desconocidas pero distintas)
Hiptesis
Nula
Situacin
2
1
2
2
m.a.(n1) de N(1 , )
m.a.(n2) de N( 2 , )
2
1
2
2
desconocidas
m.a.i
1) H0: 1 -2 = d0
Hiptesis
Alternativa
1) H1: 1 -2 d0
2) H0: 1 -2 < d0
2) H1: 1 -2 > d0
3) H0: 1 -2 > d0
3) H1: 1 -2 < d0
Regin de Rechazo
Estadstico
T=
(Y1 - Y2 ) - ( 1 2 )
2
1
2
2
S S
+
n1 n 2
t(g.l.*)
* ver formulario USACH de IC
{T -t1-/2 T t1-/2 }
2) {T t1- }
3) {T -t1- }
1)
Ejemplo: Los datos que se muestran a continuacin son los grados de dureza Brinell obtenidos para muestras de dos aleaciones de
magnesio:
Y = grado de dureza Brinell
Aleacin 1
66,3 63,5 64,9 61,8 64,3 64,7 65,1 64,5 68,4 63,2
Aleacin 2
71,3 60,4 62,6 63,9 68,8 70,1 64,8 68,9 65,8 66,2
a. A travs de del IC( 12 22 ) analice la hiptesis 12 22 . 1 = 0,95
b. Los datos muestrales, apoyan la hiptesis 1 < 2 ? . = 0,05

X. DCIMA PARA DIFERENCIA DE MEDIAS (Muestra pareada)
Hiptesis
Nula
Situacin
Hiptesis
Alternativa
m.a. pareada (n)

de Normal
1) H0: D= d0
1) H1: D d0
2) H0: D < d0
2) H1: D > d0
Di = Y1i Y2i
3) H0: D > d0
3) H1: D < d0
Regin de Rechazo
Estadstico
T=
D - D
t(n - 1)
SD / n
{T -t1-/2 T t1-/2 }
2) {T t1- }
3) {T -t1- }
1)
Ejemplo: Se quiere comparar la eficiencia en la solucin de problemas de dos equipos de trabajo en el rea de control de calidad. Para ello se
tom una muestra aleatoria de 10 problemas diferentes y se les pidi la solucin a ambos grupos. Los tiempos de solucin en minutos que
necesit cada equipo aparecen a continuacin:
Problema
Equipo 1
Equipo 2
01 02 03 04 05 06 07 08 09 10
12 15 14 21 19 12 25 18 17 20
25 26 21 23 31 19 35 28 27 26
Pruebe con = 0.10, que el tiempo medio para solucionar problemas es el mismo en ambos equipos. El p-valor es mayor o menor que
0,10?
Ejemplo: El Ministerio del Trabajo desea saber si un plan de seguridad en el trabajo es efectivo en la reduccin del nmero de
accidentes laborables y, por tanto, en la prdida de horas de trabajo debido a accidentes. Para ello, hace un seguimiento en 12
fbricas (seleccionadas aleatoriamente) observando las horas de trabajo semanales prdidas a causa de accidentes, antes y despus
de implantar el plan de seguridad. Los datos son los de la tabla siguiente:
Fbrica
10
11
12
Antes (1)
55
63
90
47
75
90
73
92
110
33
44
74
Despus (2)
52
60
85
49
65
87
67
85
95
35
47
70
Analizar estos datos a travs de un

test hiptesis y obtener conclusiones
acerca del problema planteado.
= 0,05.
BONDAD DE AJUSTE
Supngase que en una determinada muestra se observan una serie de posibles sucesos E1,
E2, E3, . . . , EK, que ocurren con frecuencias o1, o2, o3, . . ., oK, llamadas frecuencias
observadas y que, segn las reglas de probabilidad, se espera que ocurran con frecuencias
e1, e2, e3, . . . ,eK llamadas frecuencias tericas o esperadas.
A menudo se desea saber si las frecuencias observadas difieren significativamente de las
frecuencias esperadas. Para el caso en que solamente son posibles dos sucesos E1 y E2
como, por ejemplo, caras o cruces, defectuoso, etc., el problema queda resuelto
satisfactoriamente con los mtodos de las unidades anteriores. En esta unidad se considera
el problema general.
Definicin de X2
Una medida de la discrepancia existente entre las frecuencias observadas y esperadas es
suministrada por el estadstico X2, dado por:
donde e j n p j
p j : es la
probabilid ad
en la celda
' j'
Si X2 = 0, las frecuencias observadas y esperadas concuerdan exactamente, mientras que si

X2>0, no coinciden exactamente. A valores mayores de X2, mayores son las discrepancias
entre las frecuencias observadas y esperadas.
Si las frecuencias esperadas son al menos iguales a 5, la aproximacin mejora para valores
superiores.
El parmetro esta dado por K-1- r, en donde:
K = nmero de categoras que tiene la variable, en el problema.
r = nmero de parmetros estimados a partir de los datos muestrales
DOCIMAS
H0 : La variable se ajusta a la distribucin planteada
H1 : La variable no se ajusta a la distribucin planteada.
ESTADISTICA:
REGLA DE DECISIN
PUNTO CRITICO
X 1 ;
K 1 r
En la prctica, las frecuencias esperadas se calculan de acuerdo con la hiptesis Ho. Si bajo
esta hiptesis el valor calculado de X2 dado es mayor que algn valor crtico, se deduce que
las frecuencias observadas difieren significativamente de las esperadas y se rechaza Ho al
nivel de significacin correspondiente. En caso contrario, no se rechazar. Este
procedimiento se llama ensayo o prueba de chi-cuadrado de la hiptesis.
Ejemplo:
1.-Una moneda fue lanzada al aire 5 veces y se observ el nmero de caras que aparecen.
Este experimento se realiz 1000 veces, los datos se muestran en la siguiente tabla.
Nmero de caras
(x)
P(x caras)
Frecuencia
esperada
Frecuencia
observada
0.0332
33.2
38
0.1619
161.9
144
0.3162
316.2
342
0.3087
308.7
287
0.1507
150.7
164
0.0294
29.4
25
2.-Se propone que el nmero de defectos en las tarjetas de circuito impreso sigue una
distribucin Poisson. Se rene una muestra aleatoria de 60 tarjetas de circuito impreso y
se observa el nmero de defectos. Los resultados obtenidos son los siguientes:
Nmero de
defectos
Frecuencia
observada
32
15
3 ms
1. Pruebe la hiptesis de que la distribucin de frecuencia de las duraciones de bateras

dadas en la siguiente tabla, se puede aproximar mediante una distribucin normal
con media = 3.5 y desviacin estndar
=0.7. Utilice un
= 0.05.
Lmites
de clase
Frecuencias
observadas
1.45 1.95
1.95 2.45
2.45 2.95
2.95 3.45
15
3.45 3.95
10
3.95 4.45
4.45 4.95
Ana Mara Daz Araya
Correlacin de Pearson
Este coeficiente mide el grado de relacin lineal que existe
entre dos variables cuantitativas.
Al multiplicar el numerador y denominador por 1/n, nos queda:
Ana Mara Daz Araya
Si r 1, entonces las variables estn

relacionadas en forma directa.
Si r -1, entonces las variables estn

relacionadas en forma inversa
Si r 0, entonces las variables no

estn relacionadas en forma lineal
Ana Mara Daz Araya
El modelo de regresin simple

El modelo de regresin lineal simple representa dependencia
lineal de una variable respuesta y cuantitativa, respecto a
otra variable explicativa x tambin cuantitativa.
Estructura de los modelos de regresin

Se admite que todos los factores o causas que influyen en una
variable respuesta, dependiente o endgena (y) pueden
dividirse en dos grupos: el primero contiene a la variable (x)
llamada variable explicativa, independiente y conocida al
observar (y) ; el segundo incluye un conjunto muy grande de
factores (variables), los cuales influye en la respuesta en
pequea magnitud, la variables incluidas en el segundo
grupo se engloban dentro de un nombre comn error
aleatorio ().
Ana Mara Daz Araya
La forma del modelo de regresin, es:
Yi : Es la variable dependiente
Xi : Es la variable independiente
0 : Es el coeficiente de posicin.
1 : Pendiente
i : Error aleatorio
Ana Mara Daz Araya
Error
Consumo de gasolina
Velocidad media
Efecto del conductor, tipo de

carretera, condiciones
ambientales,etc.
Presupuesto
Universitario
Nmero de alumnos
Efecto del nmero de:

Profesores, laboratorios,
personal administrativo,
arriendo de inmuebles,etc.
Ana Mara Daz Araya
Para estimar los coeficientes de la recta, se emplea el mtodo de ,los mnimos

cuadrados, que consiste en minimizar la suma de los errores al cuadrado, es decir:
Derivando con respecto de 0 y 1, se forma un sistema de ecuaciones que al

resolverlo, nos da que:
El parmetro 0 representa el valor medio de y cuando x es

cero,
1 representa el incremento que experimenta la media de y
cuando x aumenta en una unidad.
Ana Mara Daz Araya
EJEMPLO
Una empresa ha reunido informacin acerca de los gastos generales
y las unidades producidas en diferentes plantas con el fin de estimar
los gastos generales .
Gasto
Unidades
191
40
170
42
272
53
155
35
280
56
173
39
234
48
116
30
153
37
178
40
Ana Mara Daz Araya
1.- Encontrar el coeficiente de correlacin

Coeficiente de correlacin
0,983515549
2.- Estimar la ecuacin de la recta, en donde la variable independiente es el

N de unidades producidas (X) , y la variable dependiente el gasto (Y).
0
1
Intercepcin
Unidades
Coeficientes
-80,4428571
6,4914966
Y = -80,4428571 + 6,4914966
3.- Si se producen 50 unidades, Cul es el gasto?
Ana Mara Daz Araya
300
y = 6,4915x - 80,443
250
200
150
100
50
0
0
10
20
30
40
50
Ana Mara Daz Araya
60
10
VARIANZA RESIDUAL
Varianza
residual
837,557483
Gasto
Unidades
191
40
170
42
272
53
155
35
280
56
173
39
234
48
116
30
153
37
178
40
Pronstico Gasto
Residuos
E*E
179,2170068
11,7829932
138,8389287
192,2
-22,2
492,84
263,6064626
8,39353741
70,45147034
146,7595238
8,24047619
67,90544785
283,0809524 -3,08095238
9,492267574
172,7255102
0,2744898
0,075344648
231,1489796
2,85102041
8,128317368
114,3020408
1,69795918
2,883065389
159,742517 -6,74251701
45,46153559
179,2170068
-1,2170068
1,481105558
837,557483
Ana Mara Daz Araya
11
INFERENCIA
Estime el gasto promedio, si el nmero de unidades producidas es de 50,

Con una confianza de 0,95.
Ana Mara Daz Araya
12
Probar si el modelo propuesto es adecuado
Ana Mara Daz Araya
13
Ejemplo.
Los habitantes de un pueblo estn preocupados por el encarecimiento de las
viviendas en la zona. El alcalde piensa que los precios de las viviendas estn
relacionados directamente con el valor de los terrenos. A continuacin se indican la
venta de 10 casas vendidas y el valor del terreno ( en u.m.)
Terreno
7.0
6.8
5.5
3.7
5.9
3.8
8.9
9.6
9.9
Casa
67
63
58
54
60
36
76
87
89
1.- Confeccione un diagrama de dispersin

2.- Encuentre una medida estadstica que le permita ver la relacin que el alcalde
insina.
3.- Encuentre la suma de los errores
4.- Si tiene sentido, encuentre la recta de regresin estimada e interprete la
pendiente.
Ana Mara Daz Araya
14
100
90
80
1.-
70
Valor de la casa
60
50
40
30
20
10
0
0
10
12
Valor del terreno
2.-
Terreno
Terreno
Casa
Casa
1
0,9518134
Ana Mara Daz Araya
15
3.Y
X
7
67
66,9999
0,0001
6,8
63
65,63156
-2,63156
5,5
58
56,73735
1,26265
3,7
54
44,42229
9,57771
5,9
60
59,47403
0,52597
3,8
36
45,10646
-9,10646
8,9
76
79,99913
-3,99913
9,6
87
84,78832
2,21168
9,9
89
86,84083
2,15917
Ana Mara Daz Araya
16
100
4.-
90
80
70
Valor de la casa
60
50
40
30
20
10
0
0
y = 6,8417x + 19,108
10
12
Valor del terreno
Ana Mara Daz Araya
17
El coeficiente de posicin es 19.108.

Es el valor de la casa, cuando el valor del terreno es cero.
La pendiente es 6,8417 u.m.
Indica el incremento del precio promedio de la casa,
cuando el valor del terreno aumenta en 1 u.m.
Ana Mara Daz Araya
18
ESTIMACIN
Si un terreno tiene un precio de 7 u.m. Cul es el precio
promedio estimado de la casa?
Se ha estimado la recta Y = 6,8417 *X + 19,108.
Si X = 7
y = 6,8417 * 7 + 19.108 = 66.9999
100
90
80
70
66.999 60
Valor de la casa 50
40
30
20
10
0
0
10
12
Valor del terreno
Ana Mara Daz Araya
19
COEFICIENTE DE DETERMINACIN
Indica la proporcin o porcentaje de la variable Y ( variable dependiente)
debe su variacin a la variable X ( variable independiente).
Es decir nos dice que tanto se ajusta la lnea de regresin a los datos
Ana Mara Daz Araya
20
En el caso que se utiliza el modelo de regresin lineal simple

el coeficiente de determinacin, es el cuadrado del coeficiente de correlacin.
Ejemplo.
Interpretacin: El 90.6% de la variacin es explicada por el modelo.
Ana Mara Daz Araya
21
1.- Estadstica Descriptiva

Ejercicios Resueltos
Clasificacin de variables
Grficos estadsticos
Medidas de ubicacin
Medidas de variabilidad poblacional y muestral
Aplicacin de datos no agrupados y agrupados
1. Estadstica Descriptiva Ejercicios Resueltos

ANLISIS ESTADSTICO
1.- La distribucin de los 20.000 empleados de la empresa Alfa, segn antigedad (X) y sueldo
mensual (Y) se muestra en la siguiente tabla de proporciones (frecuencias relativas)
conjuntas:
X
Y ( en miles de $)
(en aos)
50 90
90 130 130 170 170 250
menos de 4
0,12
0,08
0,04
0,00
48
0,08
0,12
0,10
0,05
ms de 8
0,00
0,12
0,18
0,11
1.1) Clasifique las variables del problema segn tamaa del recorrido y nivel de medicin
1.2) Grafique la distribucin de los empleados segn sueldo mensual
1.3) En qu grupo son ms homogneos los sueldos de la empresa, en el de los
empleados ms nuevos o en el de los ms antiguos? Justifique su respuesta.
1.4) Si para las fiestas patrias la empresa otorgo un aguinaldo de $25.000 a los e mpleados
cuyo sueldo era inferior a los $120.000, mientras que para aquellos cuyo sueldo era
superior a esa cifra el aguinaldo fue de $15.500, Cuntos de los empleados que tienen
ms de 8 aos de antigedad en la empresa recibieron un aguinaldo de $15.500?
1.1) Solucin:
Variable
Segn Tamao del recorrido

Discreta
Continua
Segn Nivel de Medicin

Ordinal
De Razn
1.2) Solucin:
k = 40
(en miles de $)
50 - 90
90 - 130
130 - 170
170 - 250
Pgina 2
40
40
40
80
0.2
0.32
0.32
0.16
1
4000
6400
6400
3200
n = 20.000
100
160
160
40
4000
6400
6400
1600
Alejandro Gonzlez Tapia Ingeniera Civil en Minas

ANLISIS ESTADSTICO
1.3) Solucin: Sean:
= Sueldo empleados ms nuevos (menos de de 4 aos)

= Sueldo empleados ms antiguos (ms de 8 aos)
Obs: La desviacin estndar que es calculada corresponde a la poblacional, ya que se trabaja con la
totalidad de datos.
= 29,8142
= 96,6666

29,8142
100 =
100 = 30,8422%
96,6666
= 37,6147
= 154,3902
()
37,6147
100 =
100 = 24,3633%
154,3902
Respuesta: Debido a que > (), la distribucin de los sueldos de los empleados ms
antiguos es ms homognea que la distribucin de los sueldos de los empleados menos antiguos.
1.4) Solucin:
50 - 90
90 130
130 170
170 250
0
2400
3600
2200
n = 8200
Utilizando la frmula de percentil:
0
2400
6000
8200
Pk = 1 + i
100
Ni1
ni
Obs: Recordar que el percentil toma los nmeros menores o igual al nmero indicado, por lo tanto, en
esta ocasin son considerados los nmeros contenidos que son menores o iguales a $120.000.
8200
120 = 90 + 40
100
2400
= 21,95% = 0,2195
Luego, como el ejercicio le solicita la cantidad de empleados con ms de 8 aos de antigedad en la
empresa que recibieron un aguinaldo de $15.500, o sea , los empleados que tienen un sueldo
superior a los $120.000, por ende, tendremos que utilizar propiedades de complemento para poder
obtener lo que nos piden.
( > 120) = 1 ( < 120) = 0,7805
Finalmente, se multiplica la probabilidad por la poblacin considerada (n):
> 120 = 0,7805 8.200 = 6400
Respuesta: El 78,05% de los empleados con ms de 8 aos de antigedad ganan ms de $120.000,
o sea, reciben un aguinaldo de $15.500, lo que corresponde a 6400 empleados.
Pgina 3

ANLISIS ESTADSTICO
2.- Una empresa que se dedica a la fabricacin de mallas de acero para hormign armado, ha
tomado una muestra de las mallas que compr una constructora en un mes determinado,
registrando por cada unidad el peso de la maana (en kg.), X, el tipo de malla, Y, (con borde: C,
sin borde: S) y el dimetro de las barras (en mm.), Z. Los resultados obtenidos fueron los
siguientes:
Z
menos de 5
(5,0 7,0]
ms de 7
Y
C
S
C
S
C
S
(15 28]
10
8
2
2
0
0
X
(41 54]
4
2
3
5
4
5
(28 4]
6
4
8
6
4
2
(54 67]
2
0
11
11
20
15
ms de 67
0
0
4
0
7
5
2.1) Clasifique las variables segn escala de medicin y tamao de recorrido.

2.2) Encuentre la medida de posicin ms adecuada para el peso de la malla.
2.3) Qu porcentaje de las mallas con bordes tienen un dimetro de barras superiores a 5,5
mm.?
2.4) Cul es la variabilidad del peso de las mallas sin bordes que tienen dimetro de barras
menores a 5,0 mm.?
2.1) Solucin:
Variable
X
Y
Z
Segn escala de Medicin

Ordinal
Nominal
Ordinal
Segn Tamao de Recorrido

Discreta
Binaria o Discreta
Discreta
2.2) Solucin: Notemos que el peso de la malla (X), corresponde a una variable ordinal y asimtrica,
por lo que la medida de posicin central ms adecuada es la Mediana (Me = 54 Kg.)
2.3) Solucin: Lo primero ser hacer una tabla con los datos que vamos a ocupar, para poder trabajar
de una manera ms clara.
Luego utilizando la frmula de percentil, tenemos :
1
100
= 1 +
Z
Menos de 5
22
22
(5,0 - 7,0]
28
50
Ms de 7
35
85
n = 85
85
5,5 = 5,0 + 2,0
100
22
28
= 34,12% = 5,5
Luego por propiedad de complemento obtenemos el porcentaje que es requerido:

> 5,5 = 100% = 65,88%
Pgina 4

ANLISIS ESTADSTICO
Respuesta: El porcentaje de las mallas con bordes que tienen un dimetro de barras superiores a 5,5
mm es 65,88%
2.4) Solucin: Para empezar distribuimos los datos que utilizaremos, los que sers nuestra
herramienta para poder determinar el Coeficiente de Variacin, que corresponde a un indicador de
variabilidad.
(15 - 28]
(28 - 41]
(41 - 54]
(54 - 67]
ms de 67
21,5
34,5
47,5
60,5
8
4
2
0
0
n = 14
= 9.4696
= 28,9286
Respuesta: La variabilidad del peso de las mallas

menores de 5,0 mm es del 32,74%
9.4696
100 =
100 = 32,74%
28,9286
sin bordes que tienen dimetros de barras
3. Los siguientes datos corresponden a las cantidades mximas de emisin diarias de xido
de azufre (en toneladas) registrada segn planta de emisin, en cierta zona industrial.
Cantidad de xido (ton.)
5 10
10 15
15 20
20 25
25 30
Planta A
50
30
60
20
40
Planta B
40
30
0
10
20
Planta C
20
40
70
15
5
3.1) Indique la unidad de informacin y clasifique las variables segn escala de medicin y
tamao de recorrido
3.2) Entre las plantas B y C, Cul presenta mayor variabilidad relativa su promedio de
xido de azufre emitido?
3.3) Qu porcentaje de las emisiones producidas por la planta C, supera las 28 toneladas?
3.1) Solucin: Unidad de informacin: La planta de emisin
Variable
Planta de Emisin
Cantidad de Oxido
Segn Escala de medicin

Nominal
De Razn
Segn Tamao de recorrido

Discreta
Continua
Pgina 5

ANLISIS ESTADSTICO
= Cantidades mximas de emisin diarias de xido de azufre (en ton.)
3.2) Solucin: Sea:
7,5
12,5
17,5
22,5
27,5
5 10
10 15
15 20
20 25
25 30
Planta B
40
30
0
10
20
Planta C
20
40
70
15
5
= 7,8102
= 14,5
7,8102
100 = 53,8634%
14,5
= 4,7404
= 15,6666
4,7404
100 = 30,258%
15,6666
Respuesta: Comparando ambas plantas, podemos llegar a la conclusin que la planta que presenta
mayor variabilidad relativa en su promedio de xido de azufre emitido corresponde a la Planta B.
3.3) Solucin: Exponemos la informacin de la Planta C
5 10
10 15
15 20
20 25
25 30
7,5
12,5
17,5
22,5
27,5
20
40
70
15
5
20
60
130
145
150
Luego, por formula de Percentil, tenemos:

150
28 = 25 + 5
100
145
5
= 98,67%
Luego por propiedad de complemento, obtenemos que el porcentaje que nos piden es 1,33%
Respuesta: El porcentaje de las emisiones producidas por la Planta C que supera las 28 toneladas
corresponden al 1,33%.
4.- En una Empresa constructora se ha registrado informacin respecto: ingreso mensual (Y),
especialidad (X) y permanencia (Z) en la empresa (en que A = antiguo; N = recin ingresado),
de sus trabajadores, obteniendo lo siguiente:
Especialidad
Albail
Carpintero
Electricista
Pintor
Pgina 6
Z
A
N
A
N
A
N
A
N
Ingreso mensual, en miles de pesos

100 - 150 150 - 200
200 - 300
ms de 300
6
9
5
0
9
11
1
0
1
6
7
9
1
2
3
3
3
5
8
1
1
5
4
0
2
20
2
0
1
10
5
0

ANLISIS ESTADSTICO
4.1) Clasifique las variables involucradas segn nivel de medicin. Calcule la medida de
posicin ms adecuada en cada caso. Indique unidad de informacin.
4.2) Construya un grfico que permita mostrar la distribucin de los trabajadores segn
especialidad
4.3) Construya un grfico que permita comparar los ingresos de los pintores segn
permanencia en la empresa.
4.4) Si entre carpinteros y electricistas tienen un sueldo promedio de $225.000 Cul es el
sueldo promedio de los trabajadores en la Empresa?
4.5) Si la empresa decide mejorar los sueldos de los trabajadores con ingresos inferiores a
$180.000 Qu porcentaje de los trabajadores se beneficiar con esta medida?
4.6) Si a los albailes se les otorga una bonificacin de $20.000. Compare la dispersin de
los ingresos de los albailes despus de la bonificacin con la de los ingresos de los
pintores.
4.1) Solucin:
Variable
Especialidad
Permanencia
Ingreso Mensual

Nominal
Nominal
Ordinal
Medida de posicin ms adecuada

Mo: Albail
Mo: Antiguo
Me = $183.832,5
Unidad de informacin: El Trabajador

4.2) Solucin:
Especialidad
Albail
Carpintero
Electricista
Pintor
41
32
27
40
n = 140
Grfico de barras separadas
Grfico Circular o de Torta
Pgina 7

ANLISIS ESTADSTICO
4.3) Solucin:
Ingreso
Pintores
100 150
150 200
200 300
Ms de 300
Antiguo
2
20
2
0
Recien llegado
1
10
5
0
Antiguo
2
20
1
01
Recien llegado
1
10
2,5
0
Total
3
30
3,5
0
Para comparar los ingresos de los pintores segn permanencia en la empresa utilizaremos un
Histograma rectificado.
4.4) Solucin:
100 - 150
150 - 200
200 - 300
Ms de 300
125
175
250
(Albail)
(Pintor)
15
20
6
0
41
3
30
7
0
40
En este ejercicio nos otorgan los sueldos promedios entre carpinteros y electricistas, el que es
$225.000, por lo tanto, trabajaremos con los datos entregados para poder encontrar el sueldo
promedio del total de los empleados de la Empresa, para esto utilizaremos la frmula de promedio o
media para datos tabulados, la que es:
Empleando la formula en los albailes y pintores, respectivamente.

=
Pgina 8
125 15 + 175 20 + 250 6 6875

=
= 167,6829 ( $)
41
41

ANLISIS ESTADSTICO
125 3 + 175 30 + 250 7 7375

=
= 184,375 ( $)
40
40
Finalmente, para obtener el promedio de los sueldos, se multiplica el promedio por la cantidad de
personas, y por ltimo, se divide por el total (n), de la siguiente manera:
6875
41
41 +
7375
40
40 + 225 59
140
= 196,607 ( $)
Respuesta: El sueldo promedio de los trabajadores de la Empresa es $196.607

4.5) Solucin:
100 150
150 200
200 300
Ms de 300
Utilizando formula de percentil, tenemos que:
24
68
35
13
n = 140
140
Ni
24
92
127
140
180 = 150 + 50
100
24
68
= 46,286%
Respuesta: El porcentaje de los trabajadores que se beneficiarn con la medida ser el 46,286%
4.6) Solucin: P = Pintores ; A = Albailes; A* = Albailes con bonificacin
= 32,9239
= 184,375
= 0,1786 100 = 17,86%
Por propiedad: = ; = + 20
= 41,0398 = 41,0398
= 167,6829 = 187,6829
= 0,2186 100 = 21,86%
Respuesta: La distribucin del sueldo de los pintores tiene menos dispersin (menos variabilidad, es
ms homognea) que la de los albailes bonificados, o de otra forma, La distribucin del sueldo de
los albailes bonificados tiene mayor dispersin (mayor variabilidad, ms heterognea) que la de los
pintores.
5.- Una empresa constructora de parques y plazas, ha ganado una propuesta para construir
reas verdes en plazas de una determinada regin. Las superficies sembradas, en metros
cuadrados, en 80 plazas y la mezcla de semilla de pasto utilizadas, se resumen en la siguiente
tabla:
Mezcla
Manquehue
Estadio
Ray-grass
Long Grass-Trevol
Total
Superficie sembrada
200 - 1180 1180 - 3140 3140 - 5100 5100 - 6080 ms de 6080
7
4
6
2
0
3
6
8
4
3
0
7
9
5
4
2
5
4
1
0
12
22
27
12
7
Pgina 9

ANLISIS ESTADSTICO
5.1) Clasificacin las variables involucradas segn nivel de medicin y tamao de recorrido.
5.2) Calcule las medidas marginales de posicin ms adecuadas para cada variable e
indique las correspondientes medidas de dispersin.
5.3) Construya un grfico que muestre la distribucin de las plazas sembradas segn
mezcla de semilla utilizada.
5.4) Compare la dispersin de las superficies sembradas con mezclas de Manquehue con la
dispersin de las superficies sembradas con mezcla Long Grass-Trevol.
5.1) Solucin:
Variable
Mezcla
Superficie Sembrada
5.2) Solucin:
Variable
Mezcla
Superficie Sembrada
Mezcla
Manquehue
Estadio
Ray- grass
Long grass Trevol

Nominal
Ordinal

Discreta
Discreta
Medida Marginal de Posicin

Moda
Mediana
Medida de Dispersin
No existe
Recorrido intercuartlico
Sup. Sembrada
1
200 1180
1180 3140
3140 5100
5100 6080
Ms de 6080
19
24
25
12
Tabla (i)
12
22
27
12
7
n = 80
12
34
61
73
80
Como ya sabemos que la moda corresponde a l valor con mayor frecuencia en una distribucin de
datos, por lo que slo basta reconocer cual es el que ms se repite, sin necesidad de realizar algn
clculo para determinarlo. En cambio, para poder determinar la Mediana de la Superficie Sembrada,
es necesario aplicar la frmula de Mediana para datos tabulados:
= 1 +
Lo primero ser identificar el intervalo en el cual trabajaremos, para ello debemos encontrar donde se
encuentra la mitad, para ello dividimos el tamao muestral en dos, lo que da un resultado de 40, el
que se encuentra en el intervalo: [3140 5100[, por lo que este intervalo utilizaremos para poder
conseguir los datos necesarios para obtener la mediana.
Reemplazando:
80
= 3140 + 1960
34
27
= 3.575,56 2
Respuesta: La Moda es semilla de pasto Ray- grass, y la Mediana es igual a 3.575,56 m 2
Pgina 10

ANLISIS ESTADSTICO
5.3) Solucin: Graficaremos los datos de la Tabla (i) para poder representar la distribucin de las
plazas sembradas segn mezcla de semilla utilizada
5.4) Solucin:
= Sup. Sembrada
200 1180
1180 3140
3140 5100
5100 6080
Ms de 6080
= 1747,9860
= 2598,4210
= 1462,6087
= 2854,1666
690
2160
4120
5590
Manquehue Long grass Trevol

7
2
4
5
6
4
2
1
0
0
1747,9860
100 = 67,27%
2598,4210
1462,6087
100 = 51,24%
2854,1666
Respuesta: Como () > () , la dispersin de las superficies sembradas con mezcla de

Manquehue es ms heterognea que la de las superficies sembradas con mezcla de Long grass
Trevol.
6.- La empresa de telecomunicaciones E-Box dispone de la siguiente informacin
correspondiente a ingresos (en miles de pesos) y antigedad, de todos sus empleados (en
aos), separados por gnero. Los datos se resumen en el siguiente cuadro:
I: Ingreso
Miles de $
200 a 300
300 a 400
400 a 500
500 a 600
Total
Menos de 2
H
M
6
10
2
4
0
2
0
0
8
16
A: Antigedad (aos)
2a4
4a6
H
M
H
7
3
4
7
5
2
3
0
5
0
0
4
17
8
15
6a8
M
1
1
3
0
5
H
1
1
2
3
7
Total
M
0
2
1
1
4
32
24
16
8
80
Pgina 11

ANLISIS ESTADSTICO
6.1) Construya un grfico que permita comparar la distribucin porcentual de los hombres y
de las mujeres segn antigedad.
6.2) Como la empresa ha tenido utilidades significativas, quiere compartir sus excedentes
con los empleados para lo cual entrega las siguientes propuestas:
- Propuesta A: Un reajuste del 10% de sus ingresos ms un bono de 25 mil
pesos por empleado.
- Propuesta B: Un reajuste del 8% de sus ingresos ms un bono de 32 mil pesos
por empleado.
6.2.1) Cul de estas dos propuestas generar una distribucin de los ingresos ms
homognea?
6.2.2) Suponga que cada empleado elige libremente cualquiera de las dos opciones,
tomando en consideracin aquella que le reporta mayor ingreso. Qu
porcentaje de los empleados elegirn la propuesta A?
6.3) Todo empleado que se encuentre sobre el segundo quintil de la variable antigedad
sern beneficiados con 5 das adicionales de vacaciones. Calcule la antigedad mnima
que debe tener un trabajador para optar a este beneficio.
6.4) Para los hombres con una antigedad de al menos dos aos, con un sueldo de por lo
menos $400.000 Cul es la antigedad media en la empresa?
6.1) Solucin:
Menos de 2
2a4
4a6
6a8
Total
M
8
17
15
7
33
%
17,02
36,17
31,91
14,90
H
16
8
5
4
47
%
48,49
24,24
15,15
12,12
Distribucin de la antigedad por sexo

60
Porcentaje
50
40
30
% de Hombre
20
% de Mujeres
10
0
Menos de 2
2a4
4a6
6a8
Antigedad
Pgina 12

ANLISIS ESTADSTICO
6.2.1) Solucin:
=
$
200 a 300
300 a 400
400 a 500
500 a 600
= 100
= 350
250
350
450
550
32
24
16
8
n = 80
Definimos las variables a utilizar:
= "Propuesta A" = 1,1 + 25

= "Propuesta B" = 1,1 + 32
Luego, por propiedades obtenemos los resultados correspondientes.
= 1,1 = 110
= 1,1 + 25 = 410
= 26,82%
= 1,1 = 110
= 1,1 + 32 = 417
= 26,37%
Respuesta: Al comparar ambos coeficientes de variabilidad obtenidos, concluimos que la propuesta

B entrega una distribucin levemente ms homognea que la propuesta A.
6.2.2) Solucin: Tenemos que:
= "Propuesta A" = 1,1 + 25

= "Propuesta B" = 1,1 + 32
Luego, si = , ambas opciones entregan el mismo ingreso, por lo tanto, tenemos la siguiente
igualdad:
1,1 + 25 = 1,08 + 32
= 350
En seguida buscamos un , por medio de la formula de percentil, tal que:
350 = 300 +
100
80
100
32
24
= 55%
Respuesta: El porcentaje de los empleados que elegirn la propuesta A corresponde a 55%, que
equivale a 36 empleados.
6.3) Solucin: Sabemos por definicin que el segundo Quintil, es lo mismo que decir el percentil
cuarenta, por lo que utilizaremos la frmula de percentil, donde tenemos:
40 = 2 +
80 40
100
25
24
= 2,64
Respuesta: La antigedad m nima que debe tener un trabajador para poder optar al beneficio de los
cinco das adicionales de vacaciones es 2,64 aos.
Pgina 13

ANLISIS ESTADSTICO
7.- El nmero de llamadas telefnicas de larga distancia nacional, registradas por una empresa
distribuidora durante una hora de un da determinado, se resumen en la siguiente tabla. Los
registros se realizaron en horarios normales y se consideraron llamadas de, lo ms, 3 minutos
de duracin
Carrier
Regin
188
171
123
[5 - 6]
3
7
3
4
5
2
3
7
6
40
II
IV
X
II
IV
X
II
IV
X
Total
Valor de la llamada (u.m)

(6 - 8]
(8 - 10]
(10 - 20]
8
10
4
9
10
4
7
5
5
3
9
6
5
8
3
4
7
7
4
7
8
4
4
5
7
4
3
51
64
45
Total
25
30
20
22
21
20
22
20
20
200
7.1) Clasifique las variables involucradas segn nivel de medicin y tamao de recorrido e
indique la medida marginal de tendencia central ms adecuada para el valor de la
llamada y para el carrier en la IV regin.
7.2) Qu porcentaje de llamadas son tales que superan al valor promedio de las llamadas
realizadas a travs del carrier 171?
7.3) Al mes siguiente de haber efectuado este estudio, el valor de la llamada de larga
distancia del carrier 123, aument en un 2% ms 1 u.m. por cada 3 minutos de duracin.
En qu porcentaje disminuye (aumenta) la variabilidad del valor de la llamada al mes
siguiente?
7.1) Solucin:
Variable
Carrier
Regin
Valor de llamada

Nominal
Nominal
De Razn

Discreta
Discreta
Continua
La medida marginal de tendencia central ms adecuada para el valor de la llamada es Mediana,

debido a que la variable es Asimtrica.
= Valor de la llamada
[5 6]
(6 8]
(8 10]
(10 20]
5,5
7
9
15
50200
= 8 + 2
Pgina 14
100
91
64
40
51
64
45
n = 200
= 8,28 . .
40
91
155
200
Carrier Regin IV
188
171
123
30
21
20
= 188

ANLISIS ESTADSTICO
7.2) Solucin:
= Valor de la llamada del
Carrier 171
[5 6]
(6 8]
(8 10]
(10 20]
5,5
7
9
15
11
12
24
16
n = 63
= 9,53 . .
Utilizando formula de percentil en la tabla de la pregunta a), tenemos:

200
9,53 = 8 + 2
100
91
= 69,98% = ( > )
64
Por propiedad de complemento: > = 100 = 30,02%

Respuesta: El porcentaje de llamadas que superan al valor promedio de las llamadas realizadas a
travs del carrier 171 es igual al 30,02%
7.3) Solucin:
= Valor de la llamada
del Carrier 123
[5 6]
(6 8]
(8 10]
(10 20]
5,5
7
9
15
16
15
15
16
n = 62
= 3,6596
= 9,1612
= 0,3994
Sea: = Valor de la llamada del Carrier 123 despus del aumento del 2% ms 1 u.m.
= 1,02 + 1
Luego, para ahorrar clculos utilizaremos propiedades:
= 1,02 + 1
= 1,02
= 10,3444
= 3,7327
() = 0,3608
Despus, determinaremos el porcentaje con que disminuye o aumenta la variabilidad del valor de la
llamada del Carrier 123 despus del aumento del 2% ms una u.m.
% = (0,3994 0,3608) 100 = 3,86%

Respuesta: Luego del aumento del valor de la llamada del Carrier 123 correspondiente al 2% ms
una unidad monetaria, el porcentaje con que DISMINUY la variabilidad del valor de la llamada
corresponde al 3,86%.
Pgina 15

ANLISIS ESTADSTICO
8.- Una gran empresa est constituida por tres sucursales: S 1, S2 y S3. El Gerente General de
esta empresa solicita un estudio acerca de: el nmero de artculos defectuosos producidos
diariamente y cantidad diaria de materia prima elaborada, en cada una de estas sucursales.
Para cumplir lo solicitado por la gerencia general, se registr informacin en las tres
sucursales simultneamente durante 90 das. La informacin resumida se presenta en la tabla
siguiente:
SUCURSAL N ARTICULOS CANTIDAD DE MATERIA PRIMA ELABORADA (ton)
DEFECTUOSOS
5 15
15 - 25
25 - 35
35 - 45
menos de 10
18
6
5
0
S1
10 50
10
7
10
0
ms de 50
5
7
22
0
menos de 10
0
13
4
3
S2
10 50
0
17
11
5
ms de 50
0
8
19
10
menos de 10
0
12
4
0
S3
10 50
0
20
20
0
ms de 50
0
5
29
0
8.1) Construya un grfico que le permita comparar las cantidades diarias de materia prima
elaborada en las sucursales S1 y S3. Qu puedes concluir?
8.2) La Gerencia de Produccin de esta empresa, debe estar atenta a que no haya mucha
variabilidad en la cantidad diaria de materia prima elaborada (ya que si es mucha puede
haber problemas de almacenamiento y si es poca podra no satisfacer la demanda).
Esta Gerencia declara estado de alerta siempre que el coeficiente de variacin de la
cantidad de materia prima elaborada sea superior a un 30%. Basndose en la
informacin presentada, declarara Ud. estado de alerta en la sucursal S 1.
8.3) En que % de los das, la cantidad de materia prima elaborada por S 2 supera al percentil
75 de la cantidad de materia prima elaborada por S 1?
8.1) Solucin:
70
60
hi%
50
40
30
S1
20
S2
10
0
0
10
20
30
40
Cantidad de Materia Prima Elaborada (ton)
Pgina 16

ANLISIS ESTADSTICO
33
20
37
0
= CMPE (ton)
5 15
15 25
25 35
35 45
0
37
53
0
1
%
36,7
22,2
41,9
0
3
%
0
41,1
58,9
0
Respuesta: A la conclusin que llegamos es que ambas distribuciones son asimtricas, ya que al
contraponerlas estas no coinciden.
8.2) Solucin:
= CMPE
(ton)
5 15
15 25
25 35
35 45
= 8,81
= 20,44
33
20
37
0
10
20
30
40
8,81
100 = 43,10%
20,44
Respuesta: Segn los datos obtenidos concluimos que la Gerencia debera declarar estado de
alerta, ya que el coeficiente de variacin de la cantidad de materia prima elaborada es igual a 43,1%,
lo que es superior al 30%.
8.3) Solucin:
= CMPE
(ton)
5 15
15 25
25 35
35 45
33
20
37
0
33
53
90
0
= CMPE
(ton)
5 15
15 25
25 35
35 45
0
38
34
18
0
38
72
90
Lo primero es calcular 75 de S1, lo que se hace por medio de la frmula de percentil:
75 = 25 +
9075
10
100
53
= 28,92
37
Luego, ese resultado es igualado a la frmula de percentil aplicada a la sucursal S 2, lo que queda de
la siguiente manera:
28,92 = 25 +
10
90
100
34
38
= 57%
Finalmente, por propiedad de complemento obtenemos que el resultado es el 43%.

Respuesta: En el 43% de los das, la cantidad de materia prima elaborada por S 2 supera al percentil
75 de la cantidad de materia prima elaborada por S 1.
Pgina 17

ANLISIS ESTADSTICO
9.- El responsable en control industrial de la empresa CLR, somete a un control de fiabilidad

110 bateras idnticas de celulares y anota su duracin (tiempo hasta que se descarga), en
horas. La informacin obtenida se presenta a continuacin:
Duracin (en horas)
200 300
300 400
400 500
500 600
600 700
N de bateras
4
25
60
19
2
9.1) Si se quiere garantizar a las bateras que tengan una duracin de a lo ms: . ()
Qu porcentaje de las bateras sern garantizadas?
9.2) La empresa ADA, de la competencia tiene en el mercado bateras de similares
condiciones, al tomar una muestra de bateras de igual tamao se obtuvo que la
duracin media de 400 hrs y una varianza de 6400 (hrs) 2. Para competir con la empresa
CLR, la empresa ADA decide utilizar una tecnologa que permite aumentar la
duracin de cada batera en 70 hrs.
Despus de aplicada la nueva tecnologa, En cul de estas empresas resulta ms
homognea la duracin de las bateras?
9.1) Solucin: Lo primero es determinar el valor de " 1.5 ()", lo que se desprende de la tabla que
adjunta el ejercicio.
= 440,9091
() = 78,4546 1.5 = 440,9091 1.5 78,4546 = 323,2272
Luego este valor es reemplazado en la frmula de percentil, de la siguiente manera:
110
323,2272 = 300 + 100
100
= 8,9152
25
Respuesta: El porcentaje de las bateras que sern garantizadas es del 8,9153%
9.2) Con los datos que fueron expuestos en el enunciado, hemos creado una tabla para poder tener
una mejor visin de la informacin dada:
Empresa
CLR
ADA (despus de la modificacin)
n
110
80
440,9091
470
()
78,4546
80
CV
0,1779
0,1702
Respuesta: Las bateras de la empresa ADA despus de la modificacin tienen duracin ms

homognea que las bateras de la empresa CLR.
(*)
10.- La siguiente tabla corresponde a la distribucin de una muestra de cubos de cemento,

clasificados segn: porcentaje de silicato diclcico en el cemento (X), porcentaje de
aluminioferrito tetraclcico (Z) (ambos en relacin con el peso total de la mezcla a partir de la
cual se prepar el cemento) y el calor desprendido en el fraguado (Y), en caloras por gramos
de cemento.
Pgina 18

ANLISIS ESTADSTICO
: Porcentaje
silicato diclcico
5 20
20 35
35 50
50 60
Total
Y: Calor desprendido (cal/gr)

70 85
85 100
100 115
Z < 15%
Z 15%
Z < 15%
Z 15%
Z < 15%
Z 15%
0
0
0
0
5
4
0
3
3
4
6
1
1
4
4
1
0
0
3
3
1
1
0
0
4
10
8
6
11
5
10.1) Utilizando las distribuciones del calor desprendido en el fraguado, de las muestras con
aluminioferrito tetraclcico inferior al 15% y de las que tienen a lo menos un 15%.
10.1.1) Explique cual distribucin es ms homognea.
10.1.2) Compare grficamente las dos distribuciones de los cubos de cemento en
estudio, segn calor desprendido en el fraguado. Interprete dicho grfico.
10.2) Suponiendo que existe asociacin, lineal entre el calor desprendido en el fraguado y el
porcentaje de silicato diclcico, evale con la medida adecuada si sta es fuerte o dbil y
en qu sentido lo es.
10.3) En estas muestras de cemento, tambin se midi el porcentaje de silicato triclcico (W)
encontrando que su vinculacin con el calor desprendido tiene la siguiente relacin:
= , + , . Determine el porcentaje de los cubos de cemento que en la muestra
tienen un porcentaje de silicato triclcico superior a su promedio ms una desviacin
estndar (aproxime los clculos al cuarto decimal)
10.1.1) Solucin:
77,5
92,5
107,5
TOTAL
/ < 15 / 15
4
10
8
6
11
5
23
21
. . ( < 15) =
11,4726
= 0,1182
97,0652
. . ( 15) =
12,4642
= 0,1402
88,9286
Respuesta: Como C.V. (Y/ Z < 15) < C.V. (Y/ Z 15), la distribucin del calor desprendido en el
fraguado de las muestras son alumioderrito tetraclcico inferior al 15% es ms homognea.
62,5
77,5
92,5
107,5
122,5
Z < 15
0
17,39
34,78
47,83
0,00
Z 15
0
47,62
28,57
23,81
0,00
Porcentajes Muestrales
10.1.2) Solucin:
Calor desprendido (cal/gr)
Pgina 19

ANLISIS ESTADSTICO
Respuesta: Ambas distribuciones son asimtricas (contrapuestas) teniendo menor desprendimiento

de calor las con mayor porcentaje de aluminioferrito tetraclcico.
10.2) Solucin: La medida ms adecuada es el Coeficiente de correlacin: r = - 0,7405, y los datos
utilizados fueron los siguientes:
12,5
27,5
42,5
55
TOTAL
77,5
0
3
5
6
14
92,5
0
7
5
2
14
107,5
9
7
0
0
16
TOTAL
9
17
10
8
44
Respuesta: La asociacin lineal que tienen entre el calor desprendido en el fraguado y el porcentaje
de silicato diclcico es inversa moderada, lo que se averiguo por medio del Coeficiente de correlacin
de Pearson.
10.3) Solucin: Utilizando la informacin que nos brinda el ejercicio podemos definir la siguiente
expresin:
= 55,8 + 0,8 =
69,75
0,8
Luego de esto por medio de propiedades determinamos la media y desviacin estndar
=
93,1818
69,75 = 46,7273 %
0,8
12,51
= 15,6375 %
0,8
Reemplazando:
= + = 62,3648 = 55,8 + 0,8 62,3648 = 105,6918 (/)
Finalmente, por frmula de percentil, tenemos:
15 44
105,6918 = 100 +
28 = 77,4347%
16 100
Respuesta: El porcentaje de los cubos de cemento que en la muestra tienen un porcentaje de silicato
triclcico superior a su promedio ms una desviacin estndar es igual al 22,5653%
Pgina 20
01. Estadstica Descriptiva Ejercicios Propuestos

ANLISIS ESTADSTICO
1.- Una empresa constructora con varias obras en el pas, desea efectuar un estudio sobre las
caeras hidrulicas, de una pulgada, adquiridas por la empresa. Para ello, se seleccion una
muestra de las compras efectuadas durante un mes, anotando el precio de la tira de caera, la
cantidad de tiras y el tipo de material de fabricacin. La informacin obtenida se presenta en la
siguiente tabla:
Material
P.V.C.
Fierro
Cobre
P.V.C.
Fierro
Cobre
P.V.C.
Fierro
Cobre
Cantidad
de tiras
0 10
10 20
20 y ms
Total
2300 3000
0,08
0,02
0
0,1
0,02
0
0,07
0,01
0
0,3
Precios (pes os)

3000 4500 4500 6000
0,04
0,01
0,07
0,02
0
0,09
0,02
0
0,08
0,01
0,02
0,06
0,01
0
0,03
0,01
0
0,03
0,27
0,23
6000 y ms
0
0
0,04
0
0
0,12
0
0
0,04
0,2
Total
0,13
0,11
0,13
0,12
0,11
0,2
0,08
0,05
0,07
1,00
1.1) Clasifique las variables involucradas segn nivel de medicin y tamao de recorrido. Indique las
medidas marginales de posicin y dispersin ms adecuadas.
1.2) Qu porcentaje de las compras, en las que se requieren menos de 20 tiras de caera, tienen un
precio entre 3.000 y 6.000 pesos?
1.3) Construya un grfico que muestre la distribucin de frecuencias de las compras de caeras de
P.V.C, segn precio.
1.4) Segn las condiciones de mercado, se considera que una tira de cobre es adquirida en un buen
precio si ste es inferior a $4.800. Qu porcentaje de las compras realizadas, de caera de
cobre, no se logr a buen precio?. Construya un grfico adecuado que muestre esta nueva
clasificacin.
1.5) Al mes siguiente de haber efectuado este estudio, el precio de las caeras fabricadas con fierro
subi en un 2% ms $50 por tira. En qu porcentaje disminuye la variabilidad del precio de estas
caeras al mes siguiente?
2.- Los siguientes datos corresponden a un estudio realizado en North Carolina entre 1966 y 1973,
de los accidentes ocurridos en zonas rurales, involucrando a un solo vehculo con conductor sobrio.
Los conductores fueron clasificados segn la Severidad de la Lesin (G = Grave, NG = No Grave), la
velocidad de conduccin condicin del tiempo (Buen tiempo y Mal tiempo), y el modelo (ao) del
automvil.
2.1) Clasifique segn nivel de medicin y tamao del recorrido las variables: Tiempo, Mo delo y
Velocidad, incluidos en la tabla.
2.2) Compare la dispersin de la velocidad de conduccin para los distintos grados de severidad de
las lesiones en los accidentes, en condiciones de mal tiempo.
2.3) Calcule y compare en las distintas condiciones de tiempo consideradas, la proporcin de
conductores de modelos 1970 1973 que exceden los 104 Km/hr, en la noche.
Pgina 21

ANLISIS ESTADSTICO
2.4) Construya un grfico que compare la distribucin de los conductores sobrios segn severidad de
la lesin y modelo del vehculo.
TIEMPO
MODELO (ao)
del vehculo
60
G
80
NG
VELOCIDAD Km/h
Severidad de la Lesin
80
100 100 120
G
NG
G
NG
120
G
140
NG
BUEN TIEMPO
Da
Anterior a 1967
12
26
13
31
28
12
46
21
Da
1967 - 1969
12
20
21
11
33
16
Da
1970 - 1973
15
11
14
25
35
Noche
Noche
Anterior a 1967
1967 - 1969
14
9
28
24
15
10
31
21
30
20
14
11
54
36
25
19
Noche
1970 - 1973
17
12
16
27
25
Da
Anterior a 1967
15
30
13
29
30
15
52
22
Da
Da
1967 - 1969
1970 - 1973
10
7
15
17
10
6
20
10
23
15
12
10
35
26
18
18
Noche
Anterior a 1967
17
28
15
29
33
16
45
30
Noche
1967 - 1969
14
19
12
21
26
14
26
24
Noche
1970 - 1973
21
14
17
12
27
27
MAL TIEMPO
3.- Una Compaa de seguros ofrece tres planes (T, V y S) clasifica a sus asegurados segn tres
categoras de riesgo (BAJO, MEDIO y ALTO)
En la tabla siguiente se presenta informacin referente a una muestra aleatoria de 135 asegurados de
cada Compaa clasificados segn prima mensual, tipo de plan y riesgo.
RIESGO (R)
BAJO
MEDIO
ALTO
TIPOS de
PRIMA MENSUAL (U.F.)
PLAN
Y
(X)
02 - 12
12 - 22
22 - 32
32 - 42
T
15
4
1
0
V
12
5
3
1
S
5
2
3
4
T
2
7
3
1
V
4
6
4
2
S
5
7
7
5
T
0
1
2
8
V
0
1
1
2
S
2
0
5
5
3.1) Construya un grfico que le permita comparar las distribuciones segn prima mensual de los
asegurados de ALTO riesgo con la de los asegurados de BAJO riesgo. Qu puede concluir a
partir de este grfico?
Pgina 22

ANLISIS ESTADSTICO
3.2) Construya un grfico que le permita comparar las distribuciones de los asegurados en cada
categora de riesgo, segn tipo de plan.
3.3) Se selecciona aleatoriamente a uno de estos asegurados y se observa que tom el plan T. Qu
es ms probable que la Compaa lo tenga clasificado en BAJO riesgo o en ALTO riesgo?
Justifique.
3.4) Qu porcentaje de los asegurados clasificados de BAJO riesgo contrat una prima de a lo
menos 25 UF?
3.5) La Compaa asegura reajustar las primas en un 2% ms un costo fijo de 0.12 UF
3.5.1) El coeficiente de variacin de las primas ser mayor antes o despus del reajuste?
3.5.2) Es recomendable utilizar el coeficiente variacin para comparar la homogeneidad de
las distribuciones de los asegurados segn prima mensual, antes y despus del
reajuste? Justifique
4.- La informacin que se presenta a continuacin corresponde a una muestra de trabajadores
temporeros, que se dedican a empacar manzanas en cajas, clasificados segn edad (X), en aos y
nmero de cajas empacadas diariamente (Y)
N de cajas
Edad
18 - 25
25 - 32
32 - 39
39 - 46
46 - 53
45 - 50
50 - 55
55 - 60
Desde 60
10
9
17
11
7
13
15
12
19
9
8
13
9
15
11
9
10
11
12
8
4.1) Qu porcentaje de estos temporeros empacan entre 50 y 58 cajas?

4.2) Construya un grfico que le permita comparar la cantidad de cajas empacadas entre los
temporeros con menos de 39 aos y los con a lo menos 39 aos
4.3) Los empacadores de manzanas se han clasificado en dos grupos: los que empacan menos de 55
cajas por da y los que empacan 55 o ms Cul de los dos grupos presenta un comportamiento
ms homogneo, respecto de la edad?
4.4) Si adems se dispone de la siguiente informacin
228
228
= 12555
=1
228
2 = 699212,5
= 446122,5
=1
=1
4.4.1) Indique girado de asociacin y sentido entre la edad y el nmero de cajas empacadas, en
base a la informacin
4.4.2) A raz de la gran demanda para exportar este producto se les pide a los trabajadores que
aumenten su productividad en un 10% Cul es el nmero de cajas empacadas y la varianza,
despus de la mejora en la productividad?
5.- Se realiz un experimento con 38 ladrillos de cierto tipo, para determinar si temperaturas
diferentes de coccin especfica, medidas en grados Fahrenheit, afectan la densidad de estos
ladrillos, obteniendo la informacin que se presenta en la siguiente tabla:
Pgina 23

ANLISIS ESTADSTICO
Temp F
100
125
150
175
Total
Densidad de los ladrillos

21,0 21,3 21,3 21,5 21,5 21,9
1
2
4
3
5
2
1
5
7
0
1
7
5
13
20
Total
7
10
13
8
38
5.1) Se considera la densidad de los ladrillos como ptima si flucta entre 21.25 y 21.7. Determine el
porcentaje de los ladrillos que no son considerados como ptimas entre los 30 sometidos a
temperatura de coccin de alo ms 150 grados Fahrenheit.
5.2) Construya un grfico que muestre la distribucin de los ladrillos segn densidad.
5.3) Se prueba una nueva mezcla que contiene un aditivo el cual aumenta la densidad de los ladrillos
en un 8,1% ms 0,9 unidades para cada ladrillo. Compare la dispersin en la densidad de los
ladrillos, antes y despus de usar el aditivo., Justifique su respuesta.
5.4) En los ladrillos sometidos a una temperatura de coccin de 125F, se midi la densidad resultante
y su resistencia a la ruptura, obteniendo la siguiente informacin:
Densidad
Resistencia
a la rupt ura
21,1
21,3
21,6
21,15
21,4
21,2
21,38
21,42
21,35
21,8
170
190
210
185
205
185
198
203
195
220
Determine e interprete el grado de asociacin entre Densidad y Resistencia a la ruptura, en este

tipo de ladrillos. Esboce un grfico que muestre dicha asociacin.
6.- Un proveedor de latas de aluminio utilizadas para envasar frutas en conserva est interesado en
estudiar la resistencia de estos envases, para lo cual toma muestras de latas de dos espesores
diferentes: 0.0109 y 0.0111 pulgadas y se someten a una carga axial, en libras, para medir su
resistencia.
Se considera que una lata cumple con las normas de fabricacin si soporta una carga axial de por lo
menos 230 libras.
A continuacin se presentan los resultados obtenidos:
Carga axial
(en libras)
200 - 230
230 - 260
260 - 275
275 - 290
290 - 314
Espesor de la lata (en pulgadas)

0.0109
0.0111
11
6
21
11
30
13
29
42
9
25
6.1) Determine el intervalo que incluye al 30% de las latas que soporta mayor carga, cuyo espesor es
de 0.0109
6.2) Calcule e interprete la medida de posicin ms adecuada para resumir la carga axial de las latas
con espesor igual a 0.0111.
Pgina 24

ANLISIS ESTADSTICO
6.3) El distribuidor cree que existe menor dispersin de carga axial, en las latas con espesor de 0.0109
que en las latas con espesor de 0.0111. Utilice medida(s) estadstica adecuada(s) para verificar lo
expresado por el distribuidor.
6.4) Construya un grfico que le permita comparar la distribucin de frecuencias de las latas de
aluminio que tienen un espesor de 0.0109 con las latas que tienen un espesor de 0.0111
pulgadas, segn si la lata cumple o no con las especificaciones requeridas de carga axial.
7.- Una industria metalrgica compra grandes cantidades de alambre de acero en rollos de 150
metros, hasta la fecha esta compra la realiza en la empresa Alpha. Otra empresa llamada Delta
quiere tambin vender sus productos y hace una oferta bastante interesante porque el precio de cada
rollo es muy inferior, sin embargo es importante considerar la resistencia a la traccin. Por ello se
toman muestras al azar de rollos de acero provenientes ambas empresas.
Los resultados se presentan en la tabla siguiente:
Resistencia
Alpha
Delta
2
12
14
11
5
4
6
0
17
25
11
9
9
3
(en Newton)
10,00 - 10,25
10,25 - 10,50
10,50 - 10,75
10,75 - 11,00
11,00 - 11,25
11,25 - 11,50
11,50 - 11,75
7.1) Construya un grfico que permita comparar la comparar la distribucin de los rollos de alambre
provenientes de las empresas Alpha y Delta, segn resistencia a la traccin.
7.2) Si la variabilidad de la resistencia del alambre de la empresa Delta no es superior a la de la
empresa Alpha y adems si su resistencia promedio es superior en al menos 0,5 Newton, sera
aconsejable cambiar de proveedor. Qu decisin se debera tomar en base a la informacin
obtenida? Fundamente calculando las medidas adecuadas.
7.3) Qu porcentaje de los rollos de alambre de acero de la empresa Delta tiene una resistencia que
supera la resistencia media de los rollos de alambre de la empresa Alpha?
8.- La siguiente informacin muestral los resultados correspondientes a nueve pruebas donde se
estudi el volumen de desgaste (Y) de una pieza (en (mm) 3) y la viscosidad del aceite que se utiliza
en lubricar dicha pieza (en poise).
Prueba
X
Y
1
1,60
240
2
9,40
181
3
15,5
193
4
20,0
155
5
22,0
172
6
35,5
110
7
43,0
113
8
40,5
75
9
33,0
94
8.1) Compare la dispersin entre volumen de desgaste y viscosidad del aceite utilizado
8.2) Existe relacin lineal fuerte entre las dos variables en estudio? Justifique su respuesta.
Pgina 25

ANLISIS ESTADSTICO
9.- Las materias primas empleadas en la produccin de una fibra sinttica son almacenadas en un
lugar donde no se tiene control de humedad. La siguiente tabla muestra el porcentaje diario (X) de
humead en el lugar de almacenamiento y el correspondiente porcentaje diario (Y) de humedad en la
materia prima, registrados durante 90 das.
Y
X
30 35
35 40
40 45
45 50
50 55
55 60
Total
12 16
3
9
2
1
1
0
16
16 20
1
4
18
8
1
0
32
20 24
0
2
3
9
17
2
33
24 28
0
0
1
2
0
6
9
Total
4
15
24
20
19
8
90
9.1) Se puede afirmar que existe una relacin lineal entre el porcentaje de humedad en el lugar de
almacenamiento y el porcentaje de humedad en la materia prima?
Justifique con una medida adecuada e interprete en el contexto del problema.
9.2) Para los das en que se detecta una humedad en el lugar de almacenamiento de por lo menos
45%; En qu porcentaje de ellos la humedad observada en la materia prima es inferior al 17%?
(*)
10.- Se realiza un estudio en ladrillos de arcilla, para determinar la contraccin del ladrillo despus del
proceso de moldeo y secado. Se tom una muestra de 60 ladrillos de una misma partida, de
dimensiones: 4 cm de alto; 4 cm de ancho y 8 cm de largo, los cuales se secaron en un horno durante
24 horas, a una temperatura de 150 centgrados, para eliminar la humedad. Una vez terminado el
proceso de secado se obtuvo respecto del alto y ancho, la siguiente distribucin de frecuencia
conjunta:
() ANCHO ( cm)
()
ALTO (cm)
3,7 - 3,75
3,75 - 3,80
3,80 - 3,90
3,70 - 3,74
6
2
0
3,74 - 3,78
3
12
1
3,78 - 3,82
1
4
10
3,82 - 3,86
1
6
12
3,86 - 3,90
0
0
2
10.1) Qu porcentaje de los ladrillos que presentan un ancho inferior a 3,8 cm., resultan con un alto
de al menos 3,75cm.?
10.2) Cul es el promedio y varianza de la contraccin obtenida para el alto de los ladrillos?
10.3) Compare la dispersin del: ancho, alto y largo de los ladrillos, una vez terminado el proceso, si
se sabe que: W = Largo del ladrillo, en cm.
60
60
= 468,32
=1
= 3655,6402
=1
Cul distribucin en ms homognea? Justifique su respuesta.
Pgina 26

ANLISIS ESTADSTICO
10.4) Se puede afirmar que existe una asociacin lineal directa entre el ancho y alto de los ladrillos,
despus de finalizado el proceso? Justifique estadsticamente.
10.5) Despus del proceso de secado los ladrillos se clasifican segn:
Alto:
Deficiente; Si < 3,78
Aceptable: Si 3,78 < 3,82
Bueno:
en otro caso
10.5.1)
10.5.2)
Ancho:
Desmedido, si < 3,8
Moderado: en caso contrario
Construya la distribucin de frecuencia conjunta para las nuevas variables

categorizadas.
Compare grficamente la distribucin de los ladrillos de ancho desmedido con la
de los de ancho moderado, segn la nueva variable alto.
Pgina 27

ANLISIS ESTADSTICO
Soluciones: 01. Estadstica Descriptiva

1.1) Solucin:
Material
Segn Nivel
de Medicin
Nominal
Segn Tamao
de Recorrido
Discreta
Medida Marginal
de Posicin
Moda
Cantidad de tiras
Ordinal
Discreta
Media
Precio
Ordinal
Discreta
Media
Variable
Medida de
Dispersin
No existe
Amplitud
Intercuartlica
Amplitud
Intercuartlica
1.2) Respuesta: El porcentaje de las compras, en las que se requieren menos de 20 tiras de
caera, que tienen un precio entre 3.000 y 6.000 pesos, es igual a 52,5%
1.3) Solucin:
= Precio
2300 3000
3000 4500
4500 6000
700
1500
1500
0,33
0,25 0,758
0,07 0,212
0,01 0,030
= 1500
=
0,33
1500
1,516
0,212
0,030
1.4) Solucin:
Precio del Cobre
2300 3000
3000 4500
4500 6000
6000 y ms
0
0,02
0,18
0,2
n = 0,4
0
0,02
0,20
0,40
4800 = 4500 + 1500
0,4
100
0,02
0,18
Ventas
= 14%
Buen
Precio
No a Buen
Precio
1.5) Solucin:
F = Precio del Fierro
2300 3000
3000 4500
4500 6000
2650
3750
5250
0,05
0,18
0,04
n = 0,27
= 746,37
= 0,1981
= 3768,52
= 1,02 + 25
= 761,29
= 0,1967
= 3868,36
% = 0,1981 0,1967 100 = 0,14%
Respuesta: Disminuye en un 0,14% la variabilidad del precio de las caeras de fierro, luego del
aumento del precio.
Pgina 28

ANLISIS ESTADSTICO
2.1) Solucin:
Variable
Tiempo
Modelo
Velocidad

Nominal
Ordinal
De Razn
2.2) Solucin:
21,4133
110,0813
= 0,1945

Binaria o dicotmica
Discreta
Continua
25,5357
99,63906
= 0,2368
Respuesta: > La distribucin de la velocidad de conduccin para los

distintos grados de severidad de las lesiones en los accidentes (Graves y no Graves), en
condiciones de mal tiempo, existe menos dispersin (menos variabilidad, es ms homognea) en
los accidentes con lesiones graves que con los de lesiones no graves.
2.3) Solucin:
Conductores de modelos 1970 -1973 que exceden los 104 Km/hr, en la noche:
Mal tiempo
0,3862
Buen tiempo
0,4324
Respuesta: La proporcin de conductores de modelos 1970-1973 que exceden los 104 Km/hr, en
la noche, es mayor en condiciones de buen tiempo, que en condiciones de mal tiempo.
2.4) Solucin:
ni
900
800
700
600
500
No Graves
400
Graves
300
200
100
0
Anterior a 1967
1967 - 1969
1970 - 1973
Pgina 29

ANLISIS ESTADSTICO
3.1) Solucin:
Alto
2
2
8
15
n = 27
Prima Mensual
2 12
12 22
22 32
32 42
Bajo
%
7,4
7,4
29,6
55,6
100
32
11
7
5
n = 55
%
58,2
20,0
12,7
9,1
100
Respuesta: Por medio del

grfico se puede concluir que
las
distribuciones
son
asimtricas,
ya
que
traspuestas no coinciden.
3.2) Solucin:
Tipo de
Plan
T
Riesgo
Bajo
Medio
Alto
Bajo
Medio
Alto
Bajo
Medio
Alto
20
13
11
21
16
4
14
24
12
n = 135
45,5
29,5
25,0
51,2
39,0
9,8
28
48
24
3.3) Solucin:
T: El cliente tiene plan T ; B: El cliente es de bajo riesgo ; A: El cliente es de alto riesgo
(/) =
20
44
= 0, 45
(/) =
11
44
= 0,25
Respuesta: Es ms probables que la Compaa lo tenga clasificado de bajo riesgo, que de alto
riesgo.
Pgina 30

ANLISIS ESTADSTICO
Sea: = Primas mensuales, en U.F
3.4) Solucin:
32
11
7
5
n = 55
2 12
12 22
22 32
32 42
32
43
50
55
25 = 22 +
10
55
100
43
= 82%
Respuesta: El 18% de los asegurados clasificados de

BAJO riesgo, contrat una prima de a lo menos 25 UF.
= Primas mensuales reajustadas en un 2% ms un costo fijo de 0,12 UF

= 1,02 + 0,12
7
45
= 11,358
= 0,569
17
33
= 19,963
27
29
37
28
= 1,02 = 11,585
= 0,566
n = 135
= 1,02 + 0,12 = 20,482
3.5.1) Solucin:
2 12
12 22
22 32
32 42
Respuesta: El Coeficiente de variacin es mayor antes del reajuste del 2% ms un coto fijo de
0,12 UF.
3.5.2) Respuesta: Si, es recomendable utilizar el coeficiente de variacin para comparar la
homogeneidad de las distribuciones de los asegurados segn prima mensual, antes y despus del
reajuste, ya que estamos en presencia de dos distribuciones con medias diferentes.
4.1) Solucin: Definimos:
45 50
50 55
55 60
Desde 60
54
68
56
50
n = 228
: Edad del trabajador, en aos ; : Nmero de cajas empacadas
54
122
178
228
< 39
36
40
30
30
58 = 55 + 5
68
1 = 23,68%
228 2
122
100
56
2 1 = 44,57%
2 = 68,25%
Respuesta: El porcentaje de los temporeros que empacan entre

50 y 58, es igual a 44,57%.
4.2) Solucin:
45 50
50 55
55 60
Desde 60
50 = 50 + 5
228 1
54
100
50
39
18
28
26
20
40
30
x < 39
20
x 39
10
0
45 - 50
50 - 55
55 - 60
Desde 60
Pgina 31

ANLISIS ESTADSTICO
4.3) Solucin:
= Edad
18 25
25 32
32 39
39 46
46 53
21,5
28,5
35,5
42,5
49,5
< 55
23
24
29
30
16
55
17
23
20
27
19
(/ < 55) = 9,2102

(/ < 55) = 0,2628
(/ < 55) = 35,041
(/ 55) = 9,5
(/ 55) = 0,2637
(/ 55) = 36,0283
Respuesta: La edad presenta un comportamiento ms homognea en el grupo que empacan

menos de 55 cajas, que en el grupo que empacan como mnimo 55 cajas.
4.4.1) Solucin: = 35,5 ; = 9,318 ; =
2 =
=
446122,5
228
12555
228
= 55,066
2 2 699212,5 228 55,0662

=
= 34,457 = 5,87
228
= 1956,68
, = = 1,8346
( ,)
()
= 0,0335
Respuesta: Por el signo la posible asociacin sera directa, pero el valor es aproximadamente
cero, es decir, no existe asociacin entre la edad y el nmero de cajas empacadas.
4.4.2) Solucin:
Sea:
= " 10%"
= 1,1
= 1,1 = 60,5726
= (1, 1) 2 = 1,1
2 2
1
= 41,8768
Respuesta: El nmero promedio y la varianza de cajas empacada, despus de la mejora en la

productividad, son respectivamente, 60,5726 cajas y 41,8768 (cajas) 2
5.1) Solucin: Definimos: D: Densidad del ladrillo
30 1
D
21 21,3
21,3 21,5
21,5 21,9
5
12
13
n = 30
5
17
20
21,25 = 21 + 0,3
100
5
30 2
21,7 = 21,5 + 0,4
100
17
13
1 = 13,9%
2 = 78,3%
% Densidad optima: 78,3 13,9 = 64,4%
Respuesta: El 35,6%, es el porcentaje de los ladrillos que no son considerados con una densidad
ptima
Pgina 32

ANLISIS ESTADSTICO
5.2) Solucin:
D
21 21,3
21,3 21,5
21,5 21,9
0,3
0,2
0,4
5
12
13
n = 30
16,67
60
32,5
5.3) Solucin: Definimos: = " 8,1% 0,9 . "

= 1,081 + 0,9
Respuesta: La densidad
de los ladrillos es menos
= 0,2026
D
= 0,0094
dispersa (menos variable,
= 21,525
21 21,3
5
ms homognea, menos
21,3 21,5
13
heterognea) despus de
21,5 21,9
20
= 1,08 = 0,21881
= 0,0091
n = 38 = 1,08 + 0,9 = 24,147
usar el aumento en un
8,1% ms 0,9 unidades.
5.4) Solucin:
= 4193,25
Media Desviacin Estndar
Densidad (x)
21,37
0,1992
, = = 2,593
Resistencia (y)
196,1
13,6415
,
2,593
=
=
= 0,9542 1

2,7173
Resistencia a la ruptura
230
220
Respuesta: El grado de asociacin

entre Densidad y Resistencia a la
ruptura, corresponde a una relacin
lineal directa, ya que el Coeficiente
de correlacin de Pearson toma
aproximadamente el valor de uno
210
200
190
180
170
21
21,2
21,4
21,6
21,8
22
Densidad
6.1) Solucin: Definimos: : Carga axial, libras ; : Espesor de la lata, en pulgadas

(/ = 0,0109) = 275 + 15
70 62
= 279,139 ()
29
Pgina 33

ANLISIS ESTADSTICO
Respuesta: El intervalo que incluye al 30% de las latas que soportan mayor carga, cuyo espesor
es de 0,0109, es el siguiente: [279,138; 314]
6.2) Solucin: La distribucin es asimtrica, por lo que la medida de posicin ms adecuada
corresponde a la Mediana.
48,5 30
= 275 + 15
= 281,61 ()
42
Respuesta: El 50% de las latas con espesor de 0,0111, soportan una carga axial de hasta 281,61
libras.
6.3) Solucin:
( = 0,0109) = 24,0496
( = 0,0109) = 264,455
( = 0,0109) = 0,091
( = 0,0111) = 23,36219
( = 0,0111) = 277,0876
( = 0,0111) = 0,084
Respuesta: El distribuidor no tiene la razn sobre la dispersin

6.4) Solucin:
Cumple
No
Si
0,0109
89
11
0,0111
6
91
102
100
98
96
94
92
90
88
86
84
82
No Cumple
Si Cumple
0,0109
0,0111
7.1) Solucin:
Pgina 34

ANLISIS ESTADSTICO
7.2) Solucin:
EMPRESA
Alpha
Delta
Media
10,71354
10,79730
n
48
74
Desviacin Estndar
0,32815
0,36762
C.V
0,03063
0,03405
Respuesta: Debido a que > , y la diferencia entre es igual a 0,0838, lo que es

menor a 0,5 newton, por lo tanto, no es aconsejable a cambiar de proveedor.
7.3) Solucin: = 10,71354 10,50 ; 10,75 10,71354 = 10,50 + 0,25
74
17
100
25
= 51,82973
Respuesta: El porcentaje de los rollos de alambre de acero de la empresa Delta tiene una
resistencia que supera la resistencia media de los rollos de alambre de la empresa Alpha es igual
a 48,17%
8.1) Solucin:
=
14,368
24,5
= 0,5864 ; =
53,76
148,111
= 0,3629
Respuesta: > Con esto

podemos concluir que existe una mayor
dispersin en la viscosidad del aceite, que
en el volumen de desgaste de las piezas.
8.2) Solucin:
Media
24,500
148,111
X
Y
Desviacin tpica
14,368
53,760
CV
0,5864
0,3629
SXY
r de Pearson
-724,2625
- 0,9374
Respuesta: Segn el coeficiente de correlacin lineal de Pearson es aproximadamente menos

uno, por lo que poseen una relacin lineal inversa fuerte.
9.1) Solucin:
Media
45,777
19,555
X
Y
Desviacin tpica
6,673
3,562
CV
0,1457
0,1821
SXY
r de Pearson
16,8999
0,711
Respuesta: La relacin lineal entre porcentaje de humedad en el lugar de almacenamiento y el

porcentaje de humedad en la materia prima, es una correlacin directa buena.
9.2) Solucin:
47
Y
12 16
16 20
20 24
24 28
14
18
22
26
2
9
28
8
2
11
39
47
17 = 16 + 4
100
= 9,0425%
Respuesta: Para los das en que se detecta una humedad en el

lugar de almacenamiento de por lo menos 45%, en 9,0425% de
ellos la humedad observada en la materia prima es inferior al 17%.
Pgina 35

ANLISIS ESTADSTICO
10.1) Solucin:
X : ALTO (cm)
3,7 - 3,74
3,74 - 3,78
3,78 - 3,82
3,82 - 3,86
3,86 - 3,90
ni
8
15
5
7
0
35
Ni
8
23
28
35
35
3,75 = 3,74 + 0,04
100
15
= 33.57%
Respuesta: El 66,43% de los ladrillos que tienen un ancho inferior a

3,8 cm, presentan un alto de al menos 3,75 cm.
10.2) Solucin: Sea = Contraccin en el alto del ladrillo ; = 4

= 4 = 4 3,794 = 0,206
= = 0,04469 = 0,044692
= 0,001997
10.3) Solucin:
Variable
: Alto
: Ancho
: Largo
n
60
60
60
Media
3,794
3,7971
7,8053
Desviacin
0,04469
0,04851
0,06861
C.V.
0,0118
0,0128
0,0088
Respuesta: Como < < La distribucin del largo de los ladrillos es ms

homognea, con respecto del ancho y alto.
10.4) Respuesta: Debido a que el Coeficiente de correlacin es igual a 0,633, se concluye que existe
una relacin lineal moderada directa entre el ancho y largo de los ladrillos, despus del proceso.
10.5.1) Solucin:
Ancho
Alto
Deficiente Aceptable
Bueno
Desmedido
23
Moderado
10
14
10.5.2) Solucin:
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
14
5
23
Bueno
10
Aceptable
Deficiente
1
Moderado
Desmedido
ANCHO
Pgina 36
2.- Probabilidades
Definiciones, Axiomas y Propiedades de Probabilidades
Diagrama de rbol y de Venn
Probabilidad Condicional
Teorema de la Multiplicacin
Teorema de la Probabilidad Total
Teorema de Bayes
Independencia de Eventos
Aplicaciones
2. Probabilidades Ejercicios Resueltos

ANLISIS ESTADSTICO
1.- El (la) compaero(a) que casualmente est sentado(a) detrs suyo me cont, antes de
entrar a la sala, que sufre de cierto problemilla sicolgico en las pruebas. Segn su
experiencia, el 90% de las veces que delante suyo se sent una nia, su nota fue inferior a 4,
mientras que siempre sac por lo menos 4 si delante suyo haba un varn.
1.1) Usando la informacin que usted dispone, Cul es la probabilidad de que ese(a)
compaero(a) suyo(a) saque una nota superior a 4 en esta prueba?
1.2) Si ayer su compaero(a) calcul la probabilidad de sacar una nota superior a 4,
sabiendo que en este curso hay el doble de varones que de mujeres y suponiendo que
no iba a tener la posibilidad de elegir quien se sentara delante suyo Cunto le dio
dicha probabilidad?
OJO!! SI USTED EST SENTADO EN LA LTIMA FILA, REEMPLACE LA PALABRA detrs
POR delante Y VICEVERSA.
1.1) Solucin: Con la informacin que nos otorga el ejercicio, tenemos que:
= Delante (detrs) de mi compaero se sienta nia
= Delante (detrs) de mi compaero se sienta varn
( /) = 0,9
= Mi compaero se saca nota menor a 4

= Mi compaero se saca nota mayor o igual a 4
(/) = 1
1.1) Solucin: Si me encuentro delante (detrs) de mi compaero y soy:
Nia (/) = 1 ( /) = 0,1

Varn (/) = 1
Respuesta: La probabilidad que ese(a) compaero(a) suyo(a) saque una nota superior a 4 en esta
prueba es: En el caso que sea nia: 0,1 ; y en el caso que sea varn; 1
1.2) Solucin: Sabiendo que:
El curso tiene el doble de varones que de mujeres () = 2 ()
La suma de hombres y mujeres conforman el curso () + () = 1
Concluimos que: () = 2/3 ; () = 1/3
Finalmente, por medio del teorema de la probabilidad total:
=
=1
Obtenemos: = (/) () + (/) = 0,7

Respuesta: La probabilidad es igual a 0,7
2. Los informes de inspeccin final de defectos de cierto artculo que salen de una lnea de
armado indican que existen tres tipos de defectos (A, B y C) y 10% de los artculos salen con
defecto tipo A, 9% con defecto tipo B, 8% con defecto tipo C, 6% salen con defecto A pero no
con defecto B , de los artculos con defecto C un 43,75% tienen defecto A, 4,2% salen con
defecto B y C, un 17,8% de los artculos salen por lo menos con uno de los tres defectos.
De la produccin total, se decide seleccionar al azar y en forma independiente dos artculos,
Cul es la probabilidad de que slo uno de los dos tenga los tres defectos?
Pgina 30

ANLISIS ESTADSTICO
2) Solucin: Sean:
= El artculo sale con defecto tipo A

= El artculo sale con defecto tipo B
= El artculo sale con defecto tipo C
El ejercicio nos entrega las siguientes probabilidades:

= 0,10
= 0,06
= 0,09
= 0,4375
= 0,08
= 0,042
= 0,178
Luego determinaremos las probabilidades por propiedades:

= +
=
( )
=
()
= 0,04
= 0,035
= + + + ( )
= + + +
Sea:
= 0,025
= El artculo seleccionado tiene los tres defectos

=
=
= 1,2
1 , 2 , 1 , 2 , 1 , 2 , 1 ,2
1 , 2 1 , 2
= 1 2 + 1 2 = 2 0,025 (0,975)
= 0,04875
Respuesta: La probabilidad de que slo uno de los dos tenga los tres defectos es 0,04875
3.- Una planta de concentrado de mineral, recibe diariamente material de tres diferentes minas
de cobre y se sabe que dos de estas minas producen 1% y 2% de oro. Las minas que producen
cobre y oro proporcionan, respectivamente, el 20% y 35% de concentrado diario a la planta; el
resto de la capacidad proviene de la mina de cobre. El Ingeniero Qumico toma una muestra al
azar de concentrado y encuentra en ella oro Cul es la probabilidad de que el oro encontrado
provenga de la mina que aporta el 2%?
3) Solucin: Definimos:
= El concentrado proviene de la mina " ; = 1,2,3

= La mina produce oro
Por la informacin otorgada por el ejercicio, tenemos que:

(/1 ) = 0,01
1 = 0,20
(/2 ) = 0,02
2 = 0,35
(/3 ) = 0,00
3 = 0,45
Pgina 31

ANLISIS ESTADSTICO
Luego, por propiedad de probabilidad total, tenemos que:

= (/1 ) (1 ) + (/2 ) (2 ) + (/3 ) (3 ) = 9 10 3
Adems, por teorema de Bayes:
(2 /) =
(/2 ) (2 ) 0,02 0,35

=
= 0, 77
()
9 103
Respuesta: La probabilidad de que el oro encontrado provenga de la mina que aporta el 2%, o sea la
2, es igual a 0, 77.
4.- Se sabe que 7 de cada 1000 artculos son defectuosos. Un test para detectar si un artculo
es defectuoso da un resultado positivo con una probabilidad de 0,98 de que el artculo sea
defectuoso y un resultado positivo con una probabilidad de 0,09 de que el artculo sea bueno.
Es decir, con probabilidad de 0,98 el test avisa que el artculo es defectuoso, cuando este
efectivamente lo es, y con probabilidad 0,09, el test avisa que el artculo es defectuoso cuando
efectivamente el artculo est bueno. Se elige, al azar, un artculo y se le aplica el test.
4.1) Halle la probabilidad de que:
4.4.1) El artculo sea defectuoso y el resultado sea positivo.
4.4.2) El artculo sea defectuoso y el resultado sea negativo.
4.4.3) El artculo sea bueno y el resultado sea positivo.
4.4.4) El artculo sea defectuoso sabiendo que el resultado es positivo.
4.2) Halle la proporcin de artculos que da un resultado positivo.
4.3) Se aplica un test ms exacto a todos los artculos que dan un resultado positivo en el
test anterior. El segundo test da un resultado positivo con una probabilidad de 0,99 de
que el artculo sea defectuoso y el resultado positivo con una probabilidad de 0,01 de
que el artculo sea bueno.
Halle la probabilidad de que un artculo sea defectuoso cuando el segundo test de
tambin un resultado positivo.
4) Solucin: Usaremos las notaciones
= Artculo es defectuoso
= Artculo es bueno
+ = El test avisa que el artculo es defectuoso

= El test avisa que el artculo es bueno
Con estas notaciones, las hiptesis del problema se traducen en:

= 0,007 ; (+/) = 0,98 ; (+/) = 0,09
4.1.1) Solucin:
+ = (+/) () = 0,98 0,007 = 0,00686
4.1.2) Solucin:
= (/) () = [1 (+/)] () = (1 0,98) 0,007 = 0,00014
4.1.3) Solucin: + = (+/) () = 0,09(1 ) = 0,09 0,993 = 0,08937
4.1.4) Solucin:
(/+) =
Pgina 32
(+/) ()
(+/) ()
0,00686
=
=
= 0,07129
(+)
(+/) () + (+/) () 0,00686 + 0,08937

ANLISIS ESTADSTICO
4.2) Solucin: Como + = 0,09623 =
96,23
1000
Respuesta: La proporcin de artculos que da resultado positivo en el test es 96 en 1000.

0,99
4.3) Solucin:
0,98
D
0,007
0,02
0,01
0,09
0,993
B
0,91
--
Diagrama de rbol para el test

En este caso, la probabilidad pedida es:
=
0,007 0,98 0,99

= 0,88371
0,007 0,98 0,99 + 0,993 0,09 0,01
Respuesta: La probabilidad requerida por el ejercicio es 0,88371.

5.- A fines de la estacin, un criadero pone a la venta diez duraznos, de los cuales se han
desprendido las tarjetas identificadoras. Se sabe que 4 de los rboles son de una variedad A y
los restantes son de la variedad B. Considere cada uno de las siguientes situaciones:
5.1) Un cliente compr 4 rboles. Cul es la probabilidad de que tres sean de una misma
variedad?
5.2) Tres clientes entran al criadero y adquieren dos rboles cada uno Cul es la
probabilidad de que el primer cliente lleve slo variedad A, el segundo cliente lleve slo
variedad B y el ltimo cliente lleve uno de cada variedad?
5) Solucin: Usaremos las notaciones:
= Duraznos de la variedad A ; = 1,2,3,4
= Duraznos de la variedad B ; = 1,2,3,4,5,6
=
4
= 0,4
10
6
= 0,6
10
5.1) Solucin: Sea: () = Probabilidad de que el cliente al comprar 4 duraznos, tres sean de la
misma variedad
4
=
1 2 3 1 + 1 2 3 1
3
Pgina 33

ANLISIS ESTADSTICO
4 4 3 2 6 6 5 4 4
+ = 0,495
3 10 9 8 7 10 9 8 7
Respuesta: La probabilidad de que al comprar 4 duraznos tres de ellos sean iguales, corresponde a
0,495
5.2) Solucin:
1 = Cliente compra dos rboles, slo de la variedad A
2 = Cliente compra dos rboles, slo de la variedad B
3 = Cliente compra dos rboles, uno de cada variedad
1 2 3 =
2
2 4 3 6 5 2 4
1 2 3 =
= 0,0381
1
1 10 9 8 7 6 5
Respuesta: La probabilidad pedida es igual 0,0381

6.- Un artefacto electrnico funciona con dos bateras de 9 volt. Para su funcionamiento se
dispone de 5 de estas bateras (de la misma marca), de las cuales dos de ellas estn
descargadas. Se eligen uno a uno bateras hasta que el instrumento funcione o hasta elegir
tres bateras.
6.1) Encuentre el espacio muestral asociado a este experimento.
6.2) Calcule la probabilidad de que el artefacto funcione.
= La batera est buena
= La batera est mala
6.1) Solucin: El espacio muestral asociado a este experimento es:

= { , ; , , ; , , ; , , ; , , ; , , }
6.2) Solucin: Sea: = El aparato electrnico funcione
= , + , , + , , =
3 2 3 2 2 2 3 2
+ + = 0,7
5 4 5 4 3 5 4 3
Respuesta: La probabilidad de que el artefacto funcione es 0,7

7.- Se realiza un Congreso de Delegados de diferentes Universidades del pas, para discutir
acerca del tema La Universidad en el prximo siglo. De acuerdo al lugar geogrfico de donde
provienen los delegados, se sabe que el 15% provienen de la zona norte, el 40% de la regin
metropolitana, el 25% de la zona central y el resto de la zona sur.
En cuanto a la distribucin por sexo, se sabe que el 15% de los delegados de la zona norte son
mujeres, el 60% de los delegados de la regin metropolitana son hombres, de la zona central
hay un 30% de mujeres y no hay delegados mujeres provenientes de la zona sur. Se elige un
delegado al azar:
7.1) Cul es la probabilidad que resulte elegida una mujer?
7.2) Si el elegido resulta ser hombre, Cul es la probabilidad de que provenga de la
zona sur?
Pgina 34

ANLISIS ESTADSTICO

= Delegado de la Zona Norte
= Delegado de la Regin Metropolitana
= Delegado de la Zona Centro
= Delegado de la Zona Sur
= Delegado sea Mujer

= Delegado sea Hombre
Adems, se expresan los datos que se nos otorgan en el problema:

(/) = 0,15
= 0,15
(/) = 0,60
= 0,40
(/) = 0,30
= 0,25
= 0,20
(/) = 0,00
(/) = 0,85
(/) = 0,40
(/) = 0,70
(/) = 1,00
7.1) Solucin: Por la Propiedad de Probabilidad Total, para el caso de las mujeres, tenemos:
= ( ) + + + ()
= 0,15 0,15 + 0,4 0,4 + 0,3 0,25 + 0 0,2 = 0,2575
Respuesta: La probabilidad que al elegir al azar un delegado resulte mujer es 0,2575
7.2) Solucin: Por propiedad de Probabilidad Total, para el caso de los hombres, tenemos:
= ( ) + + + ()
= 0,85 0,15 + 0,6 0,4 + 0,7 0,25 + 1 0,2 = 0,7425
Adems por teorema de Bayes, tenemos:
() 1 0,2
=
=
= 0,26936
()
0,7425
Respuesta: Si al elegir azar un delegado resulta ser hombre, la probabilidad de que provenga de la
zona sur es 0,26936
8.- Segn estudios de seguimientos de los Ingenieros Civiles recin egresados de una
determinada universidad, el 98% de estos jvenes encuentran trabajo en su primer intento por
trabajar.
Se realiz un estudio sobre una muestra aleatoria de 2.500 pequeas empresas, 750
grandes empresas y 30 organismos gubernamentales, encontrndose que el cabo de 5 aos
de permanencia directivo. Tambin se encontr que, de los Ingenieros Civiles egresados de la
Universidad XX, el 61% que trabajan en una pequea empresa, el 76% que trabajan en grandes
empresas y el 72% de los que trabajan en organismos gubernamentales, consiguen un puesto
en la directiva de la empresa.
En Septiembre del ao recin pasado se organiz un congreso de directivos de
empresas, que egresaron de Ingeniera Civil de la Universidad XX, con el objeto de formar la
Asociacin de Directivos. Se eligi la directiva de esta Asociacin, Cul es la probabilidad de
que su presidente trabaje en una gran empresa?
Pgina 35

ANLISIS ESTADSTICO
8) Solucin: Usaremos las siguientes notaciones:

= Pequeas empresas
= Grandes empresas
= Organismos gubernamentales
= Ingenieros Civiles Egresados de la Universidad XX
que consiguen un puesto en la directiva
2500
750
30
n = 3280
0,7622
0,2287
0,0091
Adems las probabilidades que poseemos son las siguientes:

= 0,7622 (/) = 0,61
= 0,2287 (/) = 0,76
= 0,0091 (/) = 0,72
8.1) Solucin: Por la propiedad de Probabilidad Total, tenemos:
= ( ) + + +
= 0,61 0,7622 + 0,76 0,2287 + 0,72 0,0091 = 0,6453
Luego, por Teorema de Bayes:
=
(/) () 0,76 0,2287

=
= 0,2693
()
0,6453
Respuesta: La probabilidad que el presidente de la Asociacin de Directivos trabaje en una gran

empresa es de 0,2693.
9.- En un torneo Universitario de basquetbol, el equipo A derrot al equipo B, 3 veces de cada
5 encuentros, 4 de cada 6 al equipo C, 8 de cada 10 al equipo D y el equipo C derrot a D, 3
veces de cada 8 encuentros. Para que el equipo A gane el torneo, debe derrotar a B y al
vencedor entre C y D. Cul es la probabilidad de que gane el equipo A el torneo?
9) Solucin: Utilizaremos las siguientes notaciones:
= El equipo A le gana al equipo ; = , ,
= El equipo C le gana al equipo D
= El equipo A le gana al equipo B, y al equipo vencedor entre el equipo C y D
3 3 4 3 5 8
= + () = +
= 0,45
5 8 6 5 8 10
Respuesta: La probabilidad que el equipo A gane el torneo es 0,45.
10.- Un equipo de msica con capacidad para 3 CD, tienen puesto un CD de msica clsica,
uno de msica folklrica y uno de jazz. Si una persona se dispone a escuchar msica, la
probabilidad que elija el CD de msica clsica es del 60% que escuche al menos un CD es del
90%, que elija el CD de msica clsica y folklrica es del 20%, que slo escuche el CD de jazz
es del 5%, que escuche msica clsica, folklrica y jazz es del 5%. Si escuch msica clsica,
la probabilidad que escuche un CD con msica de jazz es del 33,33%. Por otra parte si escucha
un CD con msica de jazz, la probabilidad que escuche un CD con msica folklrica es del
42,85%.
Pgina 36

ANLISIS ESTADSTICO
10.1) Calcular la probabilidad que una persona solo escuche msica folklrica.
10.2) Si una persona escuch msica de jazz, Cul es la probabilidad que escuche msica
clsica?
10.1) Solucin: Utilizaremos las siguientes notificaciones:
= CD de msica Clsica
= CD de msica folclrica
= CD de msica Jazz
Adems se extrae del enunciado, lo siguiente:
= 0,6
J = 0,9
= 0,2
= 0,05
= 0,05
= 0,3333
= 0,4285
Con la ayuda del diagrama de Venn, antes expuesto, tenemos que:

= 0,05 +
0,2 = 0,05 +
= 0,15
Adems, por propiedad tenemos que:

( ) =
( ) = 0,3333 0,6 = 0,2
= + 0,05
= 0,15
Tambin sabemos que:

= + + + 0,05
=
( )
()
0,4285 =
= 0,25
0,05 +
0,05 + 0,05 + +
Finalmente, tenemos que:

J = + + + + + 0,05 + 0,05
= 0,1
= 0,15 = P(F)
Respuesta: La probabilidad que una persona slo escuche msica folclrica es 0,15
10.2) Solucin:
=
( )
0,2
=
= 0,57
()
0,35
Respuesta: Si una persona escuch msica Jazz, la probabilidad que escuche msica clsica es
igual a 0,57.
Pgina 37

ANLISIS ESTADSTICO
11.- En una Consultora trabajan ingenieros especialistas en trnsito, construccin e

informtica. Adems se sabe que, en un ao esta Empresa se presenta a 45 propuestas en la
especialidad de trnsito, 71 en la especialidad de construccin y a 94 en la especialidad de
informtica. De aos anteriores se sabe que si se presenta a propuestas de trnsito,
construcciones e informtica, las probabilidades de adjudicrselas son 0,35; 0,72 y 0,75
respectivamente.
11.1) Si la Consultora se presenta a una propuesta y no se la adjudica, Cul es la
probabilidad de que la propuesta sea de informtica
11.2) Se estudia 4 propuestas, elegidas al azar de entre las presentadas, Cul es la
probabilidad de que en este estudio se incluya a lo ms una propuesta de
construccin?
= Propuestas en la especialidad de trnsito
= Propuestas en la especialidad de construccin
= Propuestas en la especialidad de informtica
= Que sea adjudicada la propuesta
= Que no sea adjudicada la propuesta
Luego, la informacin que se nos entrega es la siguiente:
45
71
94
0,214
0,338
0,448
= 0,35 ( ) = 0,65
= 0,72 = 0,28
= 0,25
= 0,25
11.1) Solucin: Por propiedad de Probabilidad Total:

= + +
= 0,65 0,214 + 0,28 0,338 + 0,25 0,448 = 0,3457
=

0,25 0,448
=
= 0,3239

0,3457
Respuesta: Si la Consultora se presenta a una propuesta y no se la adjudica, la probabilidad de que

sea de informtica es 0,3239.
11.2) Solucin:
= Nmero de propuestas de construccin en 4 propuestas elegidas al azar

= Estudio incluya a lo ms una propuesta de construccin
= 1 =
4

0
4
4
= 0 +
= 1
0
1
4
+

1
= 0,6624 + 4 0,338 0,6623 = 0,5484

Respuesta: Si se estudian 4 propuestas, elegidas al azar, la probabilidad de que en este estudio se
incluya a lo ms una propuesta de construccin es igual a 0,5484
Pgina 38

ANLISIS ESTADSTICO
(*)
12.- Un sistema de telecomunicaciones slo admite dos tipos de seales, codificadas como 0
(cero) y 1 (uno).
Un estudio estadstico ha establecido lo siguiente:

La probabilidad de emitir seal cero es 0,4
La probabilidad que emitida la seal cero, se produzca un error de transmisin y se
reciba un uno, es 0,1
La probabilidad que emitida la seal uno, se reciba la seal cero es 0,2
12.1) Al enviar un mensaje de 5 seales independientes, Cul es la probabilidad que slo se

reciba una seal cero?
12.2) De 14 revisiones al sistema de telecomunicaciones, se encontr que en cuatro
oportunidades el sistema present fallas. Un organismo estatal elige al azar la mitad de
las revisiones hechas al sistema, Cul es la probabilidad que entre las revisiones al
sistema elegidas, resulten ms de dos de las que presentaron fallas?
12) Solucin: Sean los sucesos:
= La seal emitida es cero

= La seal recibida es cero
Adems los datos que nos proporciona el ejercicio son:

= 0,4
= 0,1
= 0,2
= 0,6
= 0,9
= 0,8
Por complemento tenemos:
12.1) Solucin: Por propiedad de Probabilidad Total, tenemos:

= + = 0,9 0,4 + 0,2 0,6 = 0,48
Usaremos la siguiente notacin: = Solo se recibe una seal cero al enviar cinco seales
= { (1 2 3 4 5 ) (1 2 3 4 5 ) }
5
=
P P P P P A = 5 0,48 0,524 = 0,1755
1
Respuesta: Al enviar un mensaje de 5 seales independientes, la probabilidad que slo se reciba
una seal cero es igual a 0,1755
12.2) Solucin: Utilizaremos la siguiente notacin:
= En las 7 revisiones hay ms de dos de las cuatro falladas
4
= 3
10
4 10
+
4
4 3 = 840 + 120 = 0,2797
14
3432
7
Respuesta: La probabilidad que entre las revisiones al sistema elegidas, resulten ms de dos de las
que presentaron fallas es igual a 0,2797
Pgina 39

ANLISIS ESTADSTICO
(*)
13) Un ingeniero necesita seleccionar, entre dos diseos circuitos (A y B), tal que cada uno de
los componentes, (resistencias) funcionan independientemente y en forma correcta, con
probabilidad 0,9 cuando se sube el switch.
El ingeniero escoger el circuito que tenga mayor probabilidad de paso de corriente de E a S.
Figura N 1: Circuito A
Figura N 2: Circuito B
Utilizando propiedades de las probabilidades Cul de los circuitos debera elegir el

ingeniero?
Sea = el componente i funciona correctamente, i = 1, 2, 3, 4
13) Solucin: Por complemento sabemos que:
= El componente i no funciona correctamente ; i = 1, 2, 3, 4
Por lo tanto, quedan expresados de la siguiente manera los circuitos:
Circuito A:
1 3 2 4 + 1 3 2 4 + 1 3 2 4 + (1 3 2 4)
= 4 0,92 0,1 = 0,0324
Circuito B:
1 3 2 4 + 1 3 2 4 = 2 0,92 0,12 = 0,0162

Respuesta: El circuito que debera elegir el ingeniero es el Circuito A, ya que es ms probable el
paso de corriente de E a S
Pgina 40
02. Probabilidades Ejercicios Propuestos

ANLISIS ESTADSTICO
1.- Un sistema electrnico avisa peligro cuando al menos dos de sus tres componentes (A, B, C)
fallan. Suponga que la probabilidad de que falle A es 0.2, que falle B es 0.15 y que falle C es 0.2.
Asuma adems que la falla de C es independiente de las otras dos, mientras que la probabilidad de
que falle B sabiendo que ha fallado A es 0.5
1.1) Calcule la probabilidad de que el sistema avise peligro
1.2) Calcule la probabilidad de que el sistema avise peligro debido a la falla de slo dos de sus
componentes
2.- El circuito siguiente constituido por 5 dispositivos funciona si y slo si, existe una trayectoria de
dispositivos en funcionamiento, de izquierda a derecha (de E hacia S). Suponga que los dispositivos
fallan de manera independiente. En la figura siguiente se indica la probabilidad de falla de cada uno
de ellos. Cul es la probabilidad de que el circuito est en funcionamiento en
S?
1
0,01
0,01
0,1
S
0,1
0,1
3.- El MOP contempla la construccin de 4 nuevas carreteras, para lo cual llamar a 4 licitaciones.
Por las condiciones impuestas slo podran adjudicrselas, las empresas Alfa y Beta. Estas
empresas, por decisin de sus respectivos directorios, llegaron al acuerdo siguiente: si una de ellas
se adjudica dos de las carreteras en forma consecutiva, la otra no seguir participando. Por
antecedentes que se manejan, Alfa tiene una probabilidad constante de ganar en cualquiera de estas
licitaciones de 0.6 y Beta de 0.4. Cul es la probabilidad de que Beta no siga participando?
4.- Una multitienda en su Departamento de Electrnica tiene para la venta computadores que son
armados a requerimiento de los clientes. Estos computadores pueden presentar problemas en su
tarjeta de video, modem, adaptador de red, entre otros. Se sabe que la probabilidad que presente
problemas: en la tarjeta de video es 0.12; en el modem 0.08 y en el adaptador de red 0.1. La
probabilidad de que presente problema en el adaptador de red y tarjeta de video es 0.025, la
probabilidad que presente problema en el modem o en el adaptador de red es 0.15. De los
computadores que presentan problema en el modem, la probabilidad que tenga problema la tarjeta de
video es 0.625. La probabilidad de que un computador presente slo problema en la tarjeta de video
es 0.055
4.1) Un cliente compra un computador y este presenta problema en el adaptador de red Cul es
la probabilidad que tenga problema en el modem o en la tarjeta de video?
4.2) Si un cliente compra 3 computadores de los armados en la multitienda Cul es la
probabilidad que dos presenten problema solo en la tarjeta de video?
Pgina 41

ANLISIS ESTADSTICO
5.- En cierta metrpolis los motivos de viaje en da laboral corresponden a 26% por trabajo, 18% por
estudio y el resto corresponde a otros motivos. Adems, se sabe que el 38% del total de viajes se
hace caminando y el 62% corresponde a viajes realizados en algn medio motorizado (bus, auto,
metro, taxi, etc.). De los viajes realizados por motivos distintos a trabajo y estudio el 44% se efecta
caminando. De los viajes que se efectan por motivos de estudios el 58% se hace en un medio
motorizado
5.1) Cul es la probabilidad que un viaje por trabajo, se haga caminando?
5.2) Se elige aleatoriamente y en das distintos dos viajes de los que se han efectuado por motivos
de estudio, Cul es la probabilidad que slo uno de ellos se efecte en locomocin
motorizada?
6.- Niko Electronics Company es una empresa que se dedica a grabar CDs: con msica, software,
juegos, etc. Estos CDs pueden tener los siguientes tipos de defectos; los cuales son independientes
entre s: estar rayados (R), mal copiados (M) o quebrados (Q). Se sabe que el 5% de los CDs
quedan mal copiados, el 8,2935% de los CDs estn solo quebrados. De los CDs rayados, el 91% no
estn quebrados.
Cul es la probabilidad de que al elegir al azar un CD este tenga al menos uno de estos tres tipos de
defectos?
7.- Una pieza producida en una empresa puede tener dos tipos de defectos. El 8% de la produccin
presenta el defecto de tipo A, el 5% de la produccin presenta el defecto de tipo B, se supone que no
hay pieza que tengan los dos tipos de defectos y que el resto de las piezas no tienen defecto.
Despus de ser producida cada pieza es sometida de manera automtica a un test de ruptura, con
las siguientes posibilidades: Si la pieza tiene el defecto de tipo A, tiene una probabilidad de 0,90 de
romperse. Si la pieza tiene el defecto de tipo B, tiene una probabilidad de 0,95 de romperse.
Finalmente, si la pieza no tiene ningn tipo de defecto, tiene una probabilidad de 0,01 de romperse.
7.1) Cul es la probabilidad de que una pieza escogida al azar, de la produccin, se rompa
cuando es sometida al test?
7.2) Se eligen al azar y en forma independiente 3 piezas de la produccin:
7.2.1) Si las piezas elegidas resultan no rotas en la aplicacin del test, Cul es la probabilidad
de que slo una presente defecto tipo A?
7.2.2) Se define la variable aleatoria discreta:
= N de piezas que se rompen en la aplicacin del test, entre las tres piezas elegidas
Determine distribucin de probabilidad de y el nmero esperado de piezas que se
rompen en la aplicacin del test.
8.- Un prefabricado de hormign puede presentar defectos, que pueden inutilizarlo. Los defectos que
puede presentar son: no cumplir con las dimensiones requeridas; no tener la resistencia adecuada o
bien, otro defecto. El 7% de los prefabricados de hormign presenta problemas en sus dimensiones,
el 2% no tienen una resistencia adecuada y un 2,5% presenta otro tipo de defecto. Si los defectos
ocurren en forma independiente:
8.1) Qu porcentaje de los prefabricados de hormign presentan alguno de estos defectos?
Pgina 42

ANLISIS ESTADSTICO
8.2) Si se elige un prefabricado de hormign para ser inspeccionado. Cul es la probabilidad que
presente solo defecto de resistencia?
8.3) Se inspeccionan prefabricados de hormign hasta encontrar uno que presente problema de
dimensiones. Cul es la probabilidad que se hayan inspeccionados ms de 3 prefabricados?
9.- En cierta regin el mercado de telefona celular est cubierto por 3 compaas. La compaa A
cubre el 60% del mercado, la compaa B el 25% y el resto del mercado lo tiene la compaa C. De
los clientes de A el 55% est disconforme con el servicio, de los clientes de B el 50% est
disconforme y de los de C, 7 de cada 10 est disconforme. Adems, de los clientes disconformes y
que son de A, el 70% desea cambiarse de compaa. Tambin se sabe, que un 6,3% de los clientes:
estn disconformes, son de C y desean cambiarse de compaa. Mientras que, de los clientes de B
hay 40% que est disconforme y desea cambiarse de compaa. Los clientes conformes no desean
cambiarse de compaa.
9.1) Si de la regin, se elige aleatoriamente una persona que posee celular,
9.1.1) Cul es la probabilidad que est conforme con el servicio que le presta la compaa?
9.1.2) Cul es la probabilidad que desee cambiarse de compaa?
9.1.3) Cul es la probabilidad que desee cambiar de compaa sabiendo que est
disconforme y tiene celular de la compaa C?
9.2) Si de la regin se elige aleatoria e independientemente tres personas con celular, cul es la
probabilidad que a lo menos dos tengan celular de la compaa A?
10.- Para llenar de agua depsitos con superficie flexibles de forma automtica, una mquina puede
realizar el proceso a baja o alta velocidad. Cuando el proceso se realiza a baja velocidad, el 0.1% de
los depsitos tienen un volumen de llenado incorrecto. Mientras que si el proceso se realiza a alta
velocidad, el 1% de los depsitos presentan un volumen incorrecto. Se sabe que el 30% de los
depsitos se llenan a alta velocidad.
10.1) Si se inspecciona un depsito al azar y se encuentra que su volumen es incorrecto. Cul es
la probabilidad que se haya realizado a alta velocidad?
10.2) Defina los sucesos y justifique probabilsticamente su respuesta.
Se eligen al azar y en forma independiente depsitos llenados por la mquina, hasta encontrar
uno que no ha sido llenado en forma correcta. Cul es la probabilidad que se hayan tenido
que revisar cinco depsitos?
(*)
11.- En una empresa de computacin los pedidos de los insumos se realizan por tres medios:
telfono, mail, mensajero.
Se sabe que el ltimo ao: el 30% de los pedidos se realizaron por telfono, el 60% va mail y el 10
% por mensajero. De los pedidos que se hacen por telfono, el 80% llega en el tiempo establecido. El
75% llega a tiempo, si el pedido se hizo por mail. De los pedidos va mensajero, un 32% no llega a
tiempo.
11.1) Si se elige un pedido al azar de los que no llegan a tiempo. Cul es la probabilidad que se
haya realizado por mensajero o va telfono?
Pgina 43

ANLISIS ESTADSTICO
11.2) Se revisan pedidos hasta encontrar uno que haya sido realizado va mail y entregado en el
plazo estipulado. Cul es la probabilidad que se hayan revisado a lo ms 3 pedidos?
11.3) De entre 18 pedidos analizados, 5 se realizaron por telfono. Si se eligen 6 pedidos al azar, de
los analizados, cul es la probabilidad de que ms de un pedido se haya realizado por
telfono?
12.- En la red de comunicaciones de 9 componentes conectados segn la Figura 3, la probabilidad de
que funcione cada componente Ci es de p. La red funciona si entre A y B es posible encontrar un
camino de componentes que funcione. Se supone que la probabilidad de funcionar cada componente
es independiente de los dems. Cul es la probabilidad de que no haya comunicacin entre A y B?
13.- En la red de comunicaciones de 5 componentes conectados segn la Figura, la probabilidad de

que funcione el componente 1 es de 0.90, la de 2 es 0.75, la de 3 es de 0.75, la de 4 es de 0.90 y
la de 5 es de 0.90. La red funciona si entre A y B es posible encontrar un camino de componentes
que funcione. Se supone que la probabilidad de funcionar cada componente es independiente de los
dems. Cul es la probabilidad de que no haya comunicacin entre A y B?
Pgina 44

ANLISIS ESTADSTICO
Soluciones: 02. Probabilidades

1.1) 0,13
1.2) 0,11
8.1) 11,1385%
8.2) 0,018135
2) 0,01926
9.1.1) 0,44
9.1.2) 0,394
3) 0,5904
10.1) 0,8108
10.2) 0,0036
11.2) 0,833625
8.3) 0,804357
9.1.3) 0,6
9.2) 0,648
4.1) 0,45
4.2) 0,005717
11.1) 0,3802
5.1) 0,2231
5.2) 0,4872
12) 1 + 9 2 8 7 + 3 6 + 2 4 4 3
6) 0,161435
7.1) 0,1282
11.3) 0,561
13) 0,10005625
7.2.1) 0,0271
7.2.2) 0,3846
Pgina 45
3.- Variable Aleatoria Discreta y Distribuciones Discretas
Distribucin de Probabilidad
Funcin de Densidad
Funcin de Distribucin de Probabilidad
Valores esperados, varianza y propiedades
Distribucin: Binomial, Geomtrica, Hipergeometrica, Poisson
Aplicaciones
3. Variable Aleatoria Discreta y Distribuciones Discretas Ejercicios Resueltos

ANLISIS ESTADSTICO
1.- En una multitienda se realiza un estudio para analizar la cantidad de freezers de cierta
marca que se venden diariamente. Considere la siguiente funcin de distribucin de
probabilidad de la variable aleatoria X: n de freezers vendidos diariamente
()
1
0,18
2
0,23
3
0,20
4
0,15
5
0,14
6
0,10
1.1) La multitienda decide no comercializar esta marca de freezer si vende en promedio

menos de cuatro diariamente. Cul es la decisin que se toma en la multitienda?
Utilice medida estadstica adecuada.
1.2) Calcule la desviacin estndar del nmero de frezers vendidos diariamente.
1.1) Solucin: Sabemos que el valor esperado o esperanza matemtica de la variable aleatoria
discreta, se calcula por medio de la siguiente frmula:
()
=1
Por lo tanto, al reemplazar los datos otorgados por el problema, tenemos:

= 1 0,18 + 2 0,23 + 3 0,20 + 4 0,15 + 5 0,14 + 6 0,10 = 3,14
Respuesta: Debido a que el valor esperado es menor a cuatro freezers, la decisin que se toma es
no comercializar esta marca de freezer.
1.2) Solucin: Por otro lado, conocemos que la frmula de la varianza en variable aleatoria discreta,
es la siguiente:
= 2 2
Donde, 2 = 12 0,18 + 22 0,23 + 32 0,20 + 42 0,15 + 52 0,14 + 62 0,10 = 12,4
Finalmente:
= 12,4 [3,14]2 = 2,5404
= = 1,594
Respuesta: La desviacin estndar del nmero de frezers vendidos diariamente es 1,594.

2.- El ingeniero a cargo de una planta productora de circuitos integrados, preocupado por la
rentabilidad de la planta y de dar buena atencin a sus clientes, ha logrado modelar
probabilsticamente el nmero de empleados que se faltan semanalmente a la empresa por
diversos motivos (), mediante la siguiente funcin:
( = )
0
0,4
1
0,3
2
0,2
3
0,1
El ingeniero tambin ha observado que la probabilidad de que la Empresa pueda cumplir con
los requerimientos de sus clientes es 0,98, cuando no faltan empleados, 0,8 cuando falta 1
empleado 0,5 cuando faltan 2 empleados y 0,35 cuando faltan 3 empleados.
2.1) Grafique (). Calcule e interprete: (), (.), ()
Pgina 46

ANLISIS ESTADSTICO
2.2) En las semanas en que se cumple con los requerimientos de los clientes, cul es la
probabilidad de que en esas semanas falten dos o ms empleados?
2.1) Solucin: Primeramente, definimos la notacin a utilizar:
= Nmero de empleados que faltan semanalmente a la empresa por diversos motivos
Luego, pasaremos de la funcin de cuanta a una funcin de distribucin acumulada, quedando
expresado como sigue:
0
0,4
= 0,7
0,9
1,0
<0
0 <1
1 <2
2 <3
3
Despus, procedemos a calcular e interpretar lo que nos piden en el ejercicio:

1 = 0,7 Probabilidad que en una semana falte a lo ms un empleado
2,5 = 0,9 Probabilidad que en una semana falten a lo ms 2.5 empleados
8 = 1
Probabilidad que en una semana falten a lo ms 8 empleados.
2.2) Solucin: Utilizaremos las siguientes notaciones:
= Empresa cumple con los requerimientos de sus clientes
= Nmero de empleados que faltan en una semana
En seguida, plasmaremos los datos que nos otorga el problema:
= 0 = 0,98
= 1 = 0,80
= 2 = 0,50
= 3 = 0,35
Luego, por Teorema de Probabilidad Total, tenemos:

= = 0 = 0 + = 1 = 1 + =2 =2 + =3 =3
= 0,98 0,4 + 0,80 0,3 + 0,50 0,2 + 0,35 0,1 = 0,767

(/ 2) ( 2) (/ = 2) ( = 2) + (/ = 3) ( = 3)
2 =
=
()
()
0,50 0,2 + 0,35 0,1
2 =
= 0,176
0,767
Respuesta: En las semanas en que se cumple con los requerimientos de los clientes, la probabilidad
de que en esas semanas falten dos o ms empleados, corresponde a 0,176.
Pgina 47

ANLISIS ESTADSTICO
Distribucin Binomial
3.- El porcentaje de reclamos en una empresa de correos es de 15%, se realiza un seguimiento
de estos reclamos ya que esta cifra se considera excesiva. Se toma una muestra de 25
despachos. Cul es la probabilidad de que al menos dos de ellos tengan reclamos?
3) Solucin: Primeramente definimos la notacin a utilizar:
= Nmero de reclamos en una muestra
Luego, notemos que estamos en presencia de una distribucin binomial, por lo que queda expresado
de la siguiente manera:
25
0,15 0,85 25 ; = 1,2,
~ ( = 25; = 0,15)
=
0

Finalmente, calculamos la probabilidad de que al menos dos de ellos tengan reclamos:
2 = 1 < 2 = 1 = 0 + = 1
2 =1
25
0,15
0
0,85
25 +
25
1
0,15
0,85
24
= 0,907
Respuesta: La probabilidad que al menos dos de ellos tengan reclamos en una muestra de 25
despachos, corresponde a 0,907
Distribucin Hipergeomtrica
4.- Una empresa solicita a la oficina de colocaciones de una municipalidad, obreros para
realizar un trabajo de pintura exterior en un edificio. La oficina de colocaciones enva a 6
obreros con experiencia, en este tipo de trabajo y 4 sin experiencia. La empresa decide
contratar a 5 obreros.
4.1) Determine la funcin de cuanta de la variable aleatoria, : Nmero de obreros con
experiencia, dentro de los contratados.
4.2) Cul es la probabilidad que el nmero de obreros sin experiencia, que fueron
contratados sea a lo ms 2?
4.1) Solucin: Sea: : Nmero de obreros con experiencia, dentro de los contratados.
Cuya variable es una distribucin Hipergeometrica, lo que se representa como continua:
6
~ = 10; = 5; =
= 0,6
10
Pgina 48
4
5
; = 1,2, ,5
10
5
0

ANLISIS ESTADSTICO
Luego, calculamos los valores las probabilidades para = 1,2, ,5

=1 =
6 4
1 4
10
5
=2 =
6 4
2 3
10
5
= 0,2381
=3 =
6 4
3 2
10
5
= 0,4762
= 0,0238
6 4
4 1
10
5
=4 =
=5 =
6 4
5 0
10
5
= 0,2381
= 0,0238
Finalmente, la funcin de cuanta de la siguiente forma:
1
0,0238
2
0,2381
3
0,4762
4
0,2381
5
0,0238
4.2) Solucin: Sea = Nmero de obreros sin experiencia dentro de la contratacin

2 = 3 = = 3 + = 4 + = 5
2 = 0,4762 + 0,2381 + 0,0238 = 0,7381
Respuesta: La probabilidad que el nmero de obreros sin experiencia, que fueron contratados sea a
lo ms 2, es 0,7381.
5.- Una empresa exportadora empaca sus productos en cajas de 6 unidades. El encargado del
proceso de control decide revisar al azar 4 unidades de cada caja. Suponga que en cada caja
se han distribuido 2 unidades con pequeos defectos. Encuentre la probabilidad que la tercera
caja que revisa el encargado sea la primera donde la muestra contenga las dos unidades con
pequeos defectos.
5) Solucin: Definimos las notaciones a utilizar:
= Nmero de unidades con pequeos defectos en una muestra aleatoria de tamao 5
= Nmero de cajas revisadas hasta encontrar la primera de ellas donde la muestra contiene las
dos unidades con pequeos defectos.
Donde "", "", tienen una distribucin Hipergeometrica y Geomtrica, respectivamente, quedando
expresado de la siguiente manera:
~ = 6; = 4; =
4
2
4
6
4
Luego, aplicando la probabilidad para = 2

2
=2 = 2
6
4
= 0,1,2

4
2 = 0,4
Adems, tenemos:
~ = 0,4
0,4 0,6
0
= 1,2,

Pgina 49

ANLISIS ESTADSTICO
2=
= 3 = 0,4 0,6
Donde:
0,144
Respuesta: La probabilidad de que la tercera caja que revisa el encargado sea la primera donde la
muestra contenga las dos unidades con pequeas defectos, es 0,144.
Distribucin Mixta
6.- De un lote grande de artculos fabricados el 10% tiene defectos. Se extraen al azar 8
artculos.
6.1) Determine la probabilidad de que a lo ms uno de los artculos elegidos tenga defecto.
6.2) El costo (en UF) de hacer efectiva la garanta al vender estos productos est dado por
= , donde es nmero de artculos defectuosos entre los ocho vendidos Cul es el
costo esperado de hacer efectiva la garanta?
6.3) El gerente de la industria exige probar uno a uno artculos elegidos al azar de diferentes
lotes. Si el primer artculo con defecto resulta antes de la sexta prueba el gerente subir
el precio del artculo debido a la garanta. Determine la probabilidad de que se lleve a
efecto la medida propuesta por el gerente
6.4) En la industria ocurren en promedio dos accidentes laborales por semana. Determine la
probabilidad de que en las siguientes dos semanas ocurran ms de tres accidentes
laborales.
6.1) Solucin: Para comenzar definimos la siguiente notacin:
= Nmero de artculos defectuosos entre 8 elegidos independientemente
Adems, notemos que estamos en presencia de una distribucin binomial, quedando expresado de la
siguiente manera:
8
8
= 0,1,2, ,8
~ ( = 8; = 0,1)
= (0,1) (0,9)
0

En seguida procedemos a calcular la probabilidad requerida por el problema:
1 = =0 + =1
1 =
8
0
0,1
0,9
8+
8
1
0,1
0,9
= 0,8131
Respuesta: La probabilidad de que a lo ms uno de los ocho artculos tenga defecto es 0,8131
6.2) Solucin: Lo primero, ser calcular mediante formula la esperanza y varianza de , con
= 0,1 ; = 0,9 ; = 8 , lo que se expresa como sigue:
=
Adems, sabemos que = 2
= 8 0,1 = 0,8
= 8 0,1 0,9 = 0,72
2 = +
2 = 0,72 + 0,82 = 1,36
Pgina 50

ANLISIS ESTADSTICO
Luego, calculamos el costo esperado de hacer efectiva la garanta, de la siguiente manera:

= 3 2 = 3 2 = 3 1,36 = 4,08 [. ]
Respuesta: El costo esperado de hacer efectiva la garanta es 4,08 U.F.
6.3) Solucin: Utilizaremos esta notacin:
= Nmero de artculos elegidos independientemente hasta encontrar uno defectuoso
~ ( = 0,1)
1
= 1,2,3,
= 0,1 (0,9)
0

Procedemos a calcular la probabilidad que se nos pide:
< 6 = = 1 + = 2 + = 3 + = 4 + = 5
< 6 = 0,1 0,9
0+
0,1 0,9
1+
0,1 0,9
2+
0,1 0,9
3+
0,1 0,9
= 0,40951
Respuesta: La probabilidad de que el primer artculo con defecto resulte antes de la sexta prueba,
por lo tanto, que el gerente lleve a cabo la medida propuesta por el gerente, es 0,40951.
6.4) Solucin: Sea:
= Nmero de accidentes laborales en una semanas

~ ( = 2 )
Luego, utilizamos la siguiente notacin:

= Nmero de accidentes laborales en dos semanas
~ ( = 2 2 = 4 )
Tenemos:
4 (4)
, = 0,1,2,

En seguida calcularemos la probabilidad de que se nos solicita:

> 3 = 1 3 = 1 [ = 0 + = 1 + = 2 + = 3 ]
>3 =1
4 4
0!
4 4
1!
4 4
2!
4 4
3!
= 0,5665
Respuesta: La probabilidad de que en las siguientes dos semanas ocurran ms de tres accidentes
labores es 0,5665
Distribucin Poisson
7.- Una cajera de supermercado demora en promedio 100 segundos en atender a un cliente. Si
se establecen como vlidos los supuestos de Poisson:
7.1) Cul es la probabilidad que la cajera atienda a ms de un cliente en dos minutos?
7.2) Si la cajera es observada en 5 perodos diferentes de dos minutos cada uno elegidos al
azar Cul es la probabilidad que en slo uno de los perodos atienda a un cliente?
Pgina 51

ANLISIS ESTADSTICO
7.1) Solucin: Utilizamos la notacin que sigue:

= Nmero de clientes que atiende la cajera en 100 segundos
~ ( = 1 )
= Nmero de clientes que atiende la cajera en 120 segundos
120
~ ( =
= 1,2 )
100
Tenemos:
=
1,2 (1,2)
, = 0,1,2,

Luego, la probabilidad requerida:

> 1 = 1 1 = 1 [ = 0 + = 1 ]
1,2 1,2 0 1,2 1,2 1
+
= 1 0,6626 = 0,3374
0!
1!
Respuesta: La probabilidad que la cajera atienda a ms de un cliente en dos minutos, corresponde a
0,3374
> 1 = 1
7.2) Solucin: Nos encontramos frente a una distribucin binomial, por lo que utilizaremos la siguiente
notacin:
= Nmero de periodos en que la cajera atiende a un cliente en dos minutos
Aplicaremos la distribucin Poisson en = 1, para poder definir el valor de la probabilidad de xito
():
1,2 1,2 1
= =1 =
= 0,3614
1!
Por ende, queda expresado de la siguiente manera:
5
~ ( = 5; = 0,3614)
=
Finalmente, calculamos la probabilidad pedida:
5
=1 =
0,3614
1
0,3614
0,6386
0
1
0,6386
; = 1,2, . . ,5

= 0,3005
Respuesta: Si la cajera es observada en 5 periodos diferentes de dos minutos cada uno elegidos al
azar, la probabilidad de que slo uno de los periodos atienda a un cliente, corresponde a 0,3005.
8.- Un Ciber cobra $500 la hora por uso de un computador. El nmero (X) de fallas que se
pueden producir por computador, es una variable aleatoria distribuida segn una Poisson con
media 0,2 fallas por hora, mientras que el costo C, en pesos de reparacin por hora por
computador est dado por C = 700X2.
8.1) Determine la probabilidad de que en 6 horas no se produzca ninguna falla.
8.2) Calcule la utilidad esperada por hora por computador.
Pgina 52

ANLISIS ESTADSTICO
8.1) Solucin: Lo primero que haremos es definir la variable que se distribuye Poisson:
= Nmero de fallas en un computador en una hora
~ ( = 0,2 )
= Nmero de fallas en un computador en 6 horas
~ ( = 0,2 6 = 1,2 )
Tenemos:
1,2 (1,2)
, = 0,1,2,

En seguida, procedemos a calcular la probabilidad requerida:

=0 =
1,2 (1,2) 0
= 1,2 = 0,3012
0!
Respuesta: La probabilidad de que en 6 horas no se produzca ninguna falla es 0,3012

= Nmero de fallas por computador, en una hora
~ ( = 0,2 )
8.2) Solucin: Sea:
Despus, sabemos que la utilidad por hora es: = 500 = 500 700 2
Por lo tanto, la utilidad esperada queda expresada de la siguiente manera:
= 500 700 2 = 500 700 2
Tambin conocemos que:
= 2
2 = +
Como ya sabemos que corresponde a una distribucin Poisson, se desprende lo siguiente:

=
= 0,2
= 0,2
Luego, procedemos a reemplazar, quedando:

= 500 700 2 = 500 700 0,2 + 0,2
= 332 [$]
Respuesta: La utilidad esperada por hora por computador es igual $332.
Pgina 53
4.- Variable Aleatoria Continua y Distribuciones Continuas
Distribucin Uniforme
Distribucin Normal (Uso de Tabla)
Distribucin Exponencial
Aplicaciones
4. Variable Aleatoria Continua y Distribuciones Continuas Ejercicios Resueltos

ANLISIS ESTADSTICO
1.- La cantidad de lluvia cada en un ao; en cientos de cc.; en cierta ciudad, es una variable
aleatoria con funcin de densidad:
< 0
,
< 0,5
, < 1
= ,
,

Se realiza un estudio en el cual se considera el agua cada en los ltimos aos. Si se toma una
muestra aleatoria de cinco aos, Cul es la probabilidad de que por lo menos en tres de ellos
la cantidad de agua cada sea inferior a la esperada? Considere que la cantidad de lluvia
cada, en aos diferentes, son independientes.
1) Solucin: Para empezar definiremos las variables a utilizar:
= Cantidad de lluvia cada en un ao; en cientos de cc
= Nmero de aos en la muestra, en la que cae una cantidad de lluvia sea inferior a la esperada
Luego, nos enfocamos a determinar el valor de la cantidad de lluvia esperada, de la siguiente
manera:
0,5
= 1,6
1,6 +
0
(0,8) +
0,5
0,8
3 0,5
2 1
0,8
0,53 0,8 0,8 0,52
7
+ 0,8
= 1,6
+
+ 0,8 =
3
2 0,5
1
3
2
2
6
0
El siguiente paso es calcular la probabilidad de que la cantidad de lluvia sea inferior a la esperada:
7
7
0,8
0,8

= 1 >
= 1
= 1
= 0,706
6
6
3
2 2 7
7
6
6
Adems notemos que la posee una distribucin binomial, lo que se expresa de la siguiente manera:
5
5 ; = 1,2, ,5
~ = 5 ; = 0,706
= 0,706 0,294
0

Finalmente, se calcula la probabilidad que el problema nos solicita:
3 = = 3 + = 4 + = 5
3 =
5
3
0,706
0,294
5
0,706 4 0,294
4
3 = 0,845
2+
1+
5
0,706
5
0,294
Respuesta: Al tomar una muestra aleatoria de cinco aos, la probabilidad de que por lo menos en
tres de ellos la cantidad de agua cada sea inferior a la esperada, es 0,845
Pgina 56

ANLISIS ESTADSTICO
2.- Una fabricante de refrigeradores ofrece una garanta de tres aos para su producto, siendo
la vida til (en aos) modelada por la siguiente funcin de densidad de probabilidad:
=
Se toma al azar a uno de los refrigeradores fabricados, Cul es la probabilidad de que se

haya realizado uso de la garanta, con este producto?
2) Solucin: Utilizaremos la siguiente notacin:
= Vida til de los refrigeradores, en aos
En seguida, para que se haga efectiva la garanta la vida til debe ser como mximo tres, por lo que
se calcula probabilidad evaluando en estos parmetros, en la funcin de densidad de probabilidad
antes dada:
3
3 =
0
+ 10
= 0,08625
400
Respuesta: La probabilidad de que se haya realizado uso de la garanta, con este producto, es
0,08625
3.- El fabricante de cierto tipo de compresor ha encontrado que la vida til de un compresor,
en aos, se puede modelar con la siguiente funcin de densidad:
+
=
3.1) Si un cliente compr un compresor y ha estado funcionando por lo menos 6 meses Cul
es la probabilidad que falle antes de 18 meses?
3.2) Cada compresor tiene un costo de 20 u.m. y se vende en 32 u.m. y el fabricante da ciertas
garantas. Si el compresor falla antes de 3 meses se devuelve el importe de lo pagado. Si
falla entre 3 meses y 6 meses, se compromete a asumir el costo de mano de obra de la
reparacin que tiene un valor de 5 u.m. Cul es la utilidad esperada por compresor?
= Vida til de un compresor, en aos
3.1) Solucin: Procedemos a calcular la siguiente probabilidad condicional:
< 1,5 > 0,5 =
0,5 < < 1,5

0,5 < < 1,5
=
> 0,5
1 < 0,5
1,5 3+
0,5
8
0,5 3+
1 0
8
2
51
= 0,6274
64
Pgina 57

ANLISIS ESTADSTICO
Respuesta: Si el cliente compra un compresor, el que ha funcionado por lo menos seis meses, la
probabilidad de que este falle antes de los dieciocho meses es 0,6274.
3.2) Solucin: Lo que se debe hacer en este tem es definir la siguiente variable:
= Utilidad de un compresor, en u.m.
32 20 32 ; 0 < < 0,25
= 32 20 5; 0,25 < < 0,5

32 20;
0,5 < < 2
20 ; 0 < < 0,25

7; 0,25 < < 0,5
12; 0,5 < < 2
En seguida, calculamos las respectivas probabilidades:

0,25
0 < < 0,25 =

0
3+
3
2 0,25
= +
= 0,097656
8
8
16
0
0,5
0,25 < < 0,5 =

0,25
3 +
3
2 0,5
= +
= 0,105469
8
8
16
0,25
0,5 < < 2 =
3 +
3
2 2
= +
= 0,796875
8
8
16 0,5
0,5
Luego, aplicando la frmula de esperanza, para as poder calcular la utilidad esperada:

=
= 20 (0,097656) + (7) 0,105469 + 12 0,796875 = 8,348 . .

Respuesta: Segn las condiciones que posee la utilidad de los compresores, la utilidad esperada es
8,348 u.m.
4.- El tiempo de activacin de los sensores fabricados por una empresa es una variable
aleatoria con funcin de densidad:
; < < 0,5
=
; , < <

Un sensor se dice rpido si su tiempo de activacin es inferior a 0,2 segundos y lento si su
tiempo de activacin es superior a 1 segundo. Se pide:
4.1) Calcular el valor de k para que sea funcin de densidad.
4.2) Obtener la funcin de distribucin
4.3) Determinar: La esperanza, desviacin estndar y el porcentaje de variabilidad del
tiempo de activacin.
Pgina 58

ANLISIS ESTADSTICO
4.4) De los sensores con tiempo de activacin inferior a 1 segundo. Qu porcentaje supera
a su tiempo esperado?
4.5) Cul es la probabilidad de que entre 10 sensores elegidos al azar, como mnimo 3 sean
lentos?
4.6) Determinar la probabilidad de que sea necesario examinar 15 sensores para encontrar
el cuatro sensor rpido.
4.7) El costo de produccin de un sensor es de 2000 u.m. Los sensores definidos como
rpidos se venden en 5000 u.m. y los lentos en 3500 u.m. Determine la utilidad esperada
en la venta de un sensor, si los restantes se venden en 4000 u.m.
4.1) Solucin: Para calcular el valor de k, partimos con que para que sea funcin de densidad, se
debe cumplir lo siguiente:
() = 1

Por lo tanto, basndonos en esta propiedad, tenemos:

0,5
2 +
0
0,5
2
2
3
= 1
2 4 + 4 = 0
2
3
2+
0,5
2
7
=1
2
8
= 2 []
Respuesta: El valor que debe tomar son dos segundos, para que
densidad.
sea una funcin de
4.2) Solucin: Para obtener la funcin de distribucin, aplicaremos la frmula que se muestra a
continuacin:
= =
()
< 0
0 = 0
0 < 0,5
0,5 < 2
0 +
2 +
0
0 +
0,5
0,5
0,5
2 +
0
2 = 2
0 +
0,5
2
2
3
2
2
3
16 4 2 4
12
0 = 1
2
Pgina 59

ANLISIS ESTADSTICO
Finalmente, que expresa la funcin de distribucin de la siguiente manera:

0
2
= 16 4 2 4
12
1
4.3) Solucin
0,5
; <0
; 0 < 0,5
; 0,5 < 2
;
2 +
0
0,5
2
2 =
2 () =

= ()
% . =
Respuesta:
2
0,5
2
2
3
2
2
3
7
5
=
8
2
=
2
5
= 0,8333
6
7
8
13
72
13
= 0,4249
72
()
0,4249
100 =
100 = 50,99%
()
0,8333
Tiempo promedio o esperado de activacin = 0,833 segundos

Desviacin estndar = 0,4249 segundos
Porcentaje de variabilidad = 50,8099%
4.4) Solucin: Definimos la probabilidad condicional, para calcular lo requerido:

5
>6 <1 =
1
<<1
=
( < 1)
(1)
5
6
5
6
0,66667 0,54629
= 0,18056
0,66667
Luego, lo multiplicamos por cien, para as obtener el porcentaje solicitado.

Respuesta: De los sensores con tiempo de activacin inferior a 1 segundo, el porcentaje que supera
a su tiempo esperado, es igual a 18,056%.
4.5) Solucin: Definimos la siguiente variable:
= Nmero de sensores lentos en una muestra de diez sensores elegidos al azar
Luego, calculamos la probabilidad de que salga un sensor lento, o sea que su tiempo de activacin
sea superior a un segundo, como se muestra a continuacin:
> 1 = 1 1 = 1 1 = 1 0,66667 = 0,3333
Pgina 60

ANLISIS ESTADSTICO
En seguida, definimos la variable que se distribuye de forma binomial, como sigue:

~ = 10; = 0,3333
10
0,3333
0,66667
10
; = 0,1,2, ,10

Finalmente, calculamos la probabilidad pedida:

3 = 1 < 3 = 1 = 0 + = 1 + = 2
= 1 0,2992 = 0,7008
Respuesta: Al elegir al azar entre diez sensores, la probabilidad de que sean como mnimo tres
lentos, corresponde a 0,7008.
4.6) Solucin: Lo primero que debemos hacer es calcular la probabilidad de encontrar un sensor
rpido, lo que est dado por:
< 0,2 = 0,2 = 0,2
= 0,04
Sea: = Nmero de sensores examinados hasta encontrar el cuarto sensor rpido, en una muestra
de 15 sensores
Notemos que estamos en presencia de una distribucin Pascal o Binomial negativa, por lo que queda
expresada de la siguiente forma:
~ ( = 4; = 0,04)
1
3
0,04
11
0,96
; = 4,5,6,
;
En seguida, calculamos la probabilidad pedida:

= 15 =
14
3
0,04
0,96
= 0,00059
Respuesta: La probabilidad de que sea necesario examinar 15 sensores para encontrar el cuarto
sensor rpido, es igual a 0,00059
4.7) Solucin: Sabemos que la utilidad est definida por la siguiente expresin:
= =
() = {1500, 2000, 3000}
Calculamos las respectivas probabilidades:

1
25
2 1
47
= 2000 = 0,2 < < 1 = 1 0,2 =
=
3 25 75
2 1
: = 1500 = > 1 = 1 1 = 1 =
3 3
: = 3000 = > 0,2 = 0,2 =
Pgina 61

ANLISIS ESTADSTICO
Quedando distribuido de la siguiente forma:
1 3 ;
47 75 ;
1 25 ;
0
;
() =
= 1500 . .
= 2000 . .
= 3000 .

Finalmente, calculamos la utilidad esperada, de la siguiente forma:

=

1
47
1
= 1500 + 2000 + 3000
= 1873,3333 . .
3
75
25
Respuesta: La utilidad esperada en la venta de un sensor es 1873,3333 u.m.

Distribucin Exponencial:
5.- Se tiene la siguiente informacin en relacin a una tarjeta de video para PC que fabrica
cierta compaa:
- La duracin en aos de la tarjeta se distribuye exponencial.
- El 9,6% de las tarjetas fallan antes de un ao.
Determine la probabilidad de que una tarjeta de video para PC, elegida al azar, falle despus de
2 aos.
5) Solucin: Sea: = Duracin de la tarjeta de video para PC, en aos
Luego, sabemos que se distribuye de forma exponencial, lo que se expresa de la siguiente manera:
; > 0
= 1
0

~
()
En seguida, por la informacin que nos brinda el ejercicio, tenemos que:

< 1 = 0,096
1 1 = 0,096
1 = 0,904
/ ln
= ln 0,904
= 0,1
Por lo tanto, la distribucin queda como se ve a continuacin:

~
( = 0,1)
0,1 ; > 0
= 1
0

Finalmente, calculamos la probabilidad requerida:

> 2 = 1 2 = 1 1 0,12 = 0,8187
Respuesta: La probabilidad de que una tarjeta de video para PC, elegida al azar, falle despus de
dos aos, corresponde a 0,8187.
Pgina 62

ANLISIS ESTADSTICO
6.- Los tiempos de atencin, en una ventana de cajero de Banco, se distribuyen

exponencialmente con promedio 2,5 minutos.
Para un cliente que llega a la ventana del Banco a las 11:00 horas Cul es la probabilidad que
todava est a las 11:04 horas?
6) Solucin:
= Tiempo de atencin, en minutos
Definimos la variable:
Adems, sabemos que tiene una distribucin exponencial, y que la esperanza de esta, se define de la
siguiente manera:
1
1
=
2,5 =
= 0,4
Por lo tanto, que expresada la distribucin como se ve a continuacin:

~ = 0,4
1 0,4 ; > 0
0

Luego, la probabilidad de que todava est 4 minutos despus en el banco, se expresa:

> 4 = 1 < 4 = 1 1 0,4 4 = 0,2019
Respuesta: Si un cliente que llega a la ventana del banco a las 11:00 horas, la probabilidad que
todava este a las 11:04 horas, es 0,2019
7.- En una Aerolnea, el tiempo () necesario para atender los pasajeros sin boleto en el mesn,
se distribuye exponencial con media 5 minutos.
Se registra con un contador los minutos dedicados a la atencin de cada pasajero. Cul es
la probabilidad de que entre 15 pasajeros atendidos, elegidos al azar, los registros muestren
que por lo menos 14 pasajeros fueron atendidos en el mesn en menos de 7 minutos?.
Suponga que los tiempos de atencin entre un pasajero y otro son independientes.
7) Solucin: Sea: = Tiempo necesario para atender los pasajeros sin boleto en el mesn
Ya que esta variable est distribuida exponencialmente, tenemos que:
1
1
=5
=5 =
5
Por lo tanto, queda expresado de la siguiente manera la distribucin:
~ =
1
5

; > 0
= 1 5
0

Luego, calculamos la probabilidad de que sean atendidos en el mesn en menos de 7 minutos:

7
< 7 = 1 5 = 0,7534
Despus, definimos la siguiente notacin, y su respectiva distribucin:
= Nmero de pasajeros sin boleto que fueron atendidos en el mesn en menos de 7 minutos, entre
15 pasajeros elegidos al azar
Pgina 63

ANLISIS ESTADSTICO
~ ( = 15 ; = 0,7534)
15
0,7534
15
0,2466
; = 0,1,2, ,15
Finalmente, determinamos la probabilidad requerida:

14 = = 14 + = 15 =
15
14
14
0,7534
0,2466
1+
15
15
0,7534
15
= 0,0845
Respuesta: Entre 15 pasajeros atendidos elegidos al azar, la probabilidad de que los registros
muestren que por lo menos 14 pasajeros fueron atendidos en el mesn en menos de 7 minutos,
corresponde a 0,0845.
8.- La duracin, en horas, de cierto equipo electrnico, puede considerarse una variable
aleatoria distribuida exponencialmente, tal que la duracin esperada es 1000 horas.
Una empresa adquiri cuatro de estos equipos Cul es la probabilidad de que al menos tres
duren ms de 1200 horas?
8) Solucin: Lo primero ser determinar , por medio de la frmula de esperanza, quedando:
1
1
= 1000 = 1000 =
1000
En seguida definimos la variable, y su distribucin:
= Duracin de cierto equipo electrnico, en horas
~ =
1
1000
>0
= 1 1000
0

Luego, calculamos la probabilidad de que el equipo dur ms de 1200 horas:

1200
< 1200 = 1 1 1000 = 0,3012

En seguida, definimos la notacin a utilizar:
= Nmero de equipos electrnicos que duren ms de 1200 horas, en cuatro equipos elegidos al
azar
4
0,6988 4 ; = 0,1,2,3,4
~ ( = 4 ; = 0,3012)
=
0,3012
0

Finalmente, calculamos la probabilidad que nos solicitan:
3 = =3 + =4 =
4
3
0,3012
0,6988
1+
4
0,3012
4
= 0,0846
Respuesta: Al adquirir cuatro equipos al azar, la probabilidad de que al menos tres duren ms de
1200 horas, corresponde a 0,0846
Pgina 64

ANLISIS ESTADSTICO
Distribucin Uniforme
9.- La duracin del trayecto de camiones mezcladores y transportadores de concreto, que van
a la construccin de una carretera, es una variable aleatoria distribuida uniformemente en un
intervalo de 50 a 70 minutos.
Determine la probabilidad de que un camin llegue a la construccin como mximo, tres
minutos despus del tiempo esperado.
= Cantidad de tiempo que demora el camin en llegar a la construccin, en minutos
La que se distribuye uniformemente, lo que se ve como sigue:
1
~ ,
~ 50 , 70
70 50
50 < < 70

Adems, sabemos que la esperanza de la distribucin est dado por:

=
+
2
50 + 70
= 60
2
En seguida, la probabilidad que nos pide el ejercicio es:

63
+ 3 = 63 =
1
1 63 13
=
=
= 0,65
20
20
20
50
= 50
Respuesta: La probabilidad de que un camin llegue a la construccin como mximo, tres minutos
despus del tiempo esperado, corresponde a 0,65.
10.- El espesor del borde de un componente de una aeronave est distribuido de manera
uniforme entre 0,95 y 1,05 milmetros.
10.1) Calcule la proporcin de bordes cuyo espesor es mayor que 1,02 milmetros
10.2) Qu espesor est excedido por el 90% de los bordes?
10.3) Calcule la media y la varianza del espesor del borde
10.1) Solucin: Definimos la notacin a ocupar, y su distribucin:
= Espesor del borde de un componente de una aeronave
~ [0,95 ; 1,05]
1
= 0,1 ; 0,95 < < 1,05
0

Luego, nos enfocamos a calcular la probabilidad que
nos solicitan, como se muestra:
1,05
1,05
1
1
> 1,02 =
=
0,1
0,1
1,02
1,02
> 1,02 = 10,5 10,2 = 0,3
Pgina 65

ANLISIS ESTADSTICO
Respuesta: La proporcin de bordes cuyo espesor es mayor que 1,02 milmetros, corresponde a 0,3.
10.2) Solucin: Sea: = Espesor que es excedido por el 90% de los bordes
1,05
> =
1
= 0,9
0,1
1
1
1,05
= 0,9
0,1
0,1
= 0,96
Respuesta: El espesor que est excedido por el 90% de los bordes, es 0,96 milmetros.
10.3) Solucin: Por formula, determinamos la media y la varianza:
=
+ 1,05 + 0,95
=
=1
2
2

12
1,05 0,95
12
= 0,0083
Respuesta: La media y la varianza, son iguales a 1 milmetros y 0,0083 (milmetros)2,

respectivamente.
11.- El espesor de la capa de sustancia fotoprotectora que se aplica a las obleas en el proceso
de fabricacin de semiconductores en cierta rea de la oblea, tiene una distribucin uniforme
entre 0,2050 y 0,2150 micrmetros.
11.1) Calcule el porcentaje de obleas en las que el espesor de la sustancia es mayor que
0,2125 micrmetros.
11.2) Qu espesor excede el 10% de las obleas?
11.3) Calcule la media y varianza del espesor de la sustancia fotoprotectora.
11.1) Solucin: Definimos la notacin siguiente:
= Espesor de la capa de sustancia fotoprotectora que se aplica a las obleas en el proceso de
fabricacin de semiconductores en cierta rea de la oblea
~ 0,2050 ; 0,2150
1
0,01
; 0,2050 < < 0,2150
0
0,2150
> 0,2125 =
0,2125

0,2150
1
1
=
0,01
0,01
0,2125
> 0,2125 = 21,5 21,25 = 0,25

% = > 0,2125 100 = 25%
Respuesta: El porcentaje de obleas en las que el espesor de la sustancia es mayor que 0.2125, es
igual al 25%
Pgina 66

ANLISIS ESTADSTICO
11.2) Solucin: Sea = Espesor que excede el 10% de las oblea
0,2050
1
= 0,1
0,01
1
1

0,2050 = 0,1 = 0,206
0,01
0,01
Respuesta: El espesor que excede el 10% de las obleas es 0,206 micrmetros.

11.3) Solucin:
=
0,2050 + 0,2150
= 0,21
2
0,2150 0,2050
12
= 8,33 106
Respuesta: La media es 0,21 micrmetros y la varianza es igual a 8,33 106 (micrmetros)2

Distribucin Normal
12.- La concentracin de hierro en el suero en hombres sanos de entre 40 y 50 aos se
distribuye normal con media 120 mg/100ml y desviacin estndar de 15 mg/100ml. Se
selecciona a un hombre de esta poblacin. Cul es la probabilidad de que tenga una
concentracin de hierro promedio superior a 112 mg/100ml?
= Concentracin de hierro en el suero en
hombres sanos de entre 40 y 50 aos
Donde nos exponen que se encuentra distribuido
normal:
~ ( = 120; 2 = 15 2 )
La probabilidad de que tenga una concentracin
de hierro promedio superior a 112 mg/100ml, est
dada por:
> 112 = 1 112
> 112 = 1
112 120
15
= 1 0,53
> 112 = 1 0,2981 = 0,7019
Respuesta: La probabilidad de que tenga una concentracin de hierro promedio superior a 112
mg/100ml, corresponde a 0,7019
13.- La cantidad semanal, en miles de pesos, que una Compaa gasta en mantenimiento y
reparaciones, es una variable aleatoria distribuida normal, con desviacin estndar igual a 20
mil pesos. La Compaa est dispuesta a aceptar un gasto mximo de 485 mil pesos, en el 90%
de las semanas que presentan menor gasto Cul debera ser el gasto medio semanal?
Pgina 67

ANLISIS ESTADSTICO
13) Solucin: Definimos la notacin a utilizar:

= Gasto semanal en mantenimiento y reparaciones de una Compaa, en miles de pesos
~ ( ; 2 = 20 2)
La informacin que nos da el problema es la siguiente:
485 = 0,90
Entonces:
485
= 0,90
20
Adems:
485
= 1,28
20
= 485 1,28 20
= 459,4
Respuesta: El gasto medio semanal debera ser 459,4 mil pesos.
14.- La resistencia de un cable elctrico de alta tensin se considera una variable aleatoria con
distribucin normal con una media de 36 (ohmios) y una varianza de 0,64 (ohmios) 2. Un cable
se considera defectuoso si su resistencia es inferior a 35 (ohmios).
14.1) De los cables que tienen una resistencia superior a 34 (ohmios) Qu proporcin de
cables se consideran defectuosos?
14.2) Se eligen al azar y en forma independiente 10 cables, Cul es la probabilidad que ms
de 2 cables resulten defectuosos?
14.1) Solucin: Utilizaremos la siguiente notacin, la que distribuye normalmente:
= Resistencia de un cable elctrico de alta tensin
~ ( = 36; 2 = 0,64)
Posteriormente, calculamos la probabilidad condicional que nos pide el ejercicio:

34 < < 35
< 35 < 34
< 35 > 34 =
=
> 34
1 < 34
=
3536
0,8
3436
0,8
3436
0,8
1,25 (2,5) 0,1057 0,0062

=
= 0,1001
1 (2,5)
1 0,0062
Respuesta: De los que tienen una resistencia superior a 34 ohmios, la proporcin de cables que se
consideran defectuosos, es 0,1001
14.2) Solucin: Definimos la variable:
= Nmero de cables defectuosos en la muestra
Pgina 68

ANLISIS ESTADSTICO
La que tiene una distribucin binomial, lo que se expresa de la siguiente manera:

~ ( = 10 ; = 0,1057) =
10
0,1057
0,8943
10
; = 0,1,2,

Determinamos la probabilidad requerida, de la siguiente manera:

< 2 = 1 2 = 1 = 0 + = 1 + = 2
10
0
= 1
0,1057
0,8943
10 +
10
1
0,1057
0,8943 9 +
10
2
0,1057
0,8943
< 2 = 0,0814
Respuesta: Al elegir 10 cables de forma aleatoria e independientemente, la probabilidad que ms de
dos cables resulten defectuosos, corresponde a 0,0814
15.- El espesor de la pelcula fotoprotectora en un proceso de fabricacin de semiconductores
se distribuye normal con media y varianza . Se sabe que el 2,28% de la pelculas
fotoprotectoras tienen un espesor superior a 13,4 micrmetros y el mismo porcentaje inferior a
8,6 micrmetros. Se considera que los semiconductores tienen una pelcula fotoprotectora de
espesor ptimo si flucta entre 9 y 13 micrmetros.
15.1) Determine los valores de la media y de la varianza del espesor de la pelcula.
15.2) Se realiza un control de calidad, Cul es la probabilidad de que se tengan que revisar a
lo ms tres semiconductores hasta encontrar el primer semiconductor con una pelcula
fotoprotectora de espesor ptimo?
= Espesor de la pelcula fotoprotectora de semiconductores
~ ( ; 2 )
Luego, la informacin que nos entrega el problema, es:
> 13,4 = 0,0228
8,6 = 0,0228
En seguida, ocupamos la informacin que nos brinda el ejercicio para obtener las ecuaciones
correspondientes:
> 13,4 = 0,0228
1 13,4 = 0,0228
13,4 = 0,9772
13,4
= 0,9772
13,4
= 2,0
+ 2 = 13,4 ()
Pgina 69

ANLISIS ESTADSTICO
8,6 = 0,0228
8,6
= 0,0228
8,6
= 2,0
2 = 8,6 ()
Despus, considerando las ecuaciones () e (), las que por medio de un sistema de ecuaciones
obtenemos los valores de e 2, que son 11 y 1,44 2, respectivamente.
Respuesta: Los valores de la media y de la varianza del espesor de la pelcula, son 11 micrmetros y
1,44 (micrmetros)2.
15.2) Solucin: Lo primero es calcular la
probabilidad de que el Espesor sea ptimo, lo
que est dado por:
9 13 = 13 ( 9)
=
13 11
9 11

1,2
1,2
= 1,67 1,67
= 0,9525 0,0475
9 13 = 0,905
Posteriormente, definimos la notacin y la distribucin de esta:
= Nmero de semiconductores revisados hasta encontrar el primer semiconductor con una pelcula
fotoprotectora de espesor ptimo.
~ ( = 0,905)
0,905 0,095
0
; = 1,2,

Finalmente, calculamos la probabilidad que nos solicita el problema:

3 = = 1 + = 2 + = 3
3 = 0,905 + 0,905 0,095
1+
0,905 0,095
= 0,999
Respuesta: La probabilidad de que se tengan que revisar a lo ms tres semiconductores hasta

encontrar el primer semiconductor con una pelcula fotoprotectora de espesor ptimo.
Pgina 70

ANLISIS ESTADSTICO
16.- Los circuitos integrados de una computadora tienen pins (patas) para conectarlos en los
enchufes que vienen en las tarjetas de la computadora. El grosor de las patas es importante
para determinar la calidad de la conexin con la tarjeta. Cuando el proceso de produccin
funciona adecuadamente, el dimetro de los pins (relativo a las especificaciones de su diseo)
es una variable aleatoria normal con media 1,000 y desviacin estndar 0,006 unidades.
Un pin har una conexin de alta calidad slo si su dimetro se encuentra entre 0,997 y 1,003
unidades. Si se seleccionan aleatoriamente los pins, Cul es la probabilidad de que se tengan
que seleccionar 5 pins para encontrar el segundo pin que no sea de alta calidad?
16) Solucin: Definimos la variable que emplearemos, y su respectiva distribucin:
~ ( = 1 ; 2 = 0,0062 )
= Dimetro de los pins

Luego, se muestra grficamente en la
distribucin normal cuando el pin har una
conexin de alta calidad.
0,997 1,003
=
1,003 1
0,997 1

0,006
0,006
= 0,5 0,5 = 0,6915 0,3085

0,997 1,003 = 0,383
Luego la probabilidad de xito que nos solicitan es cuando el pin no sea de alta calidad, lo que se
expresa de la siguiente manera:
1 0,997 1,003 = 0,617
Despus, sea:
~ ( = 2 ; = 0,617)
1
1
0,617
0,383
; = 2,3,

Y finalmente, calculamos la probabilidad pedida:

=5 =
4
0,617
1
0,383
= 0,0856
Respuesta: La probabilidad de que se tengan que seleccionar 5 pins para encontrar el segundo pin
que no sea de alta calidad, es 0,0856.
17.- La distribucin de los sueldos de los trabajadores de una industria metalrgica es
aproximadamente normal. Se sabe que el 15,87% de los trabajadores gana menos de $120.000
y que un 2,28% gana a lo menos $800.000.
Pgina 71

ANLISIS ESTADSTICO
17.1) Cul es el sueldo promedio y la varianza de los sueldos de los trabajadores?

17.2) Si en esta industria trabajan 1.000 personas Cuntas de ellas tienen un sueldo
comprendido entre $250.000 y $500.000?
17.3) Si la industria est considerando un reajuste de un 10% ms una asignacin fija de
$20.000 por trabajador, qu porcentaje de los trabajadores de esta industria quedaran
con un sueldo superior a los $400.000 despus del reajuste?
17.1) Solucin: Definimos la variable que usaremos:
= Sueldos de los trabajadores de una industria metalrgica, en pesos
Luego, ocupamos la informacin que nos brinda el problema, para calcular lo que nos piden:
< 120.000 = 0,1587
<
120.000
120.000
120.000
= 0,1587
= 0,1587
= 1
= 120.000
800.000 = 0,0228
< 800.000 = 0,9772
<
800.000
800.000
= 0,9772
800.000
= 0,9772
=2
+ 2 = 800.000 ()
Despus, ocupando la ecuacin e (), creamos un sistema de ecuaciones donde obtenemos la
media y la desviacin estndar, quedando expresado de la siguiente manera:
~ = 346.667; 2 = 226.667
Respuesta: El sueldo promedio y la varianza de los sueldos de los trabajadores , son $ 346.667 y
($226.667) 2, respectivamente.
Pgina 72

ANLISIS ESTADSTICO
17.2) Solucin: Calculamos la probabilidad que

nos pide el ejercicio
250.000 < < 500.000
=
250.000346.667
226.667
<<
500.000346.667
226.667
= 0,43 < < 0,68

250.000 < < 500.000 = 0,68 0,43
= 0,7517 0,3336 = 0,4181
En seguida, multiplicamos la probabilidad por el nmero de trabajadores, obteniendo el total de
trabajadores que cumplen con la caracterstica que nos hace referencia el ejercicio.
Respuesta: Si trabajan 1000 personas, la cantidad de personas que tienen un sueldo comprendido
entre $250.000 y $500.000, es 418.
17.3) Solucin: Definimos la notacin:
= Sueldos de los trabajadores de una industria metalrgica luego del reajuste, en pesos
= 1,1 + 20.000
Luego, por medio de propiedades, tenemos que:
= 1,1 + 20.000 = $401.333,7
= 1,1
= $249.333,7
Por ende, despus del reajuste queda expresado de la siguiente manera:

~ ( = 401.333,7; 2 = 249.333,7 2 )
> 400.000 = 1 400.000
= 1 <
400.000 401.333,7
249.333,7
= 1 0,0053
= 1 0,01
= 1 0,4960
> 400.000 = 0,504
% = > 400.000 100 = 50,4%
Respuesta: El porcentaje de los trabajadores de esta industria que quedaran con un sueldo superior
a los $400.000 despus del reajuste, es 50,4%.
Pgina 73

ANLISIS ESTADSTICO
18.- Se estima que la cantidad de cierto tipo de cemento que se utiliza en la mezcla de
comercio es una variable aleatoria distribuida normalmente con media kg y varianza (kg)2.
Se ha observado que en el 5,71% de las mezclas se debe utilizar ms de 4,87 kg de cemento, y
adems, se sabe que el 99,34% de las mezclas contiene a lo ms 6,22 kg de cemento.
18.1) Si se sabe que una mezcla contiene ms de 5 kg de cemento, Cul es la probabilidad
que tenga ms de 7 kg de cemento?
18.2) Si se debe preparar diariamente una mezcla durante un mes (de 30 das), Cul es la
probabilidad de que a lo ms una de estas mezclas preparadas contenga entre 4,87 y
6,22 kg de cemento?
18.3) Cul es la probabilidad de que la 5 mezcla preparada corresponda a la primera
mezcla que contenga menos cemento que la cantidad esperada de cemento?
18) Solucin: Utilizamos la siguiente notacin:
= Cantidad de cemento que se utiliza en la mezcla de concreto, en kg
Usando la informacin que nos entrega el problema calculamos la media y desviacin estndar:
> 4,87 = 0,0571
4,87 = 0,9429

4,87
4,87
4,87
= 0,9429
= 0,9429
= 1,58 + 1,58 = 4,87 ()
6,22 = 0,9934

6,22
6,22
6,22
= 0,9934
= 0,9934
= 2,48
+ 2,48 = 6,22
()
Despus, de hacer un sistema de ecuaciones con las ecuaciones () y (), obtenemos la media y
desviacin estndar, quedando expresado de la siguiente manera:
~ ( = 2,5; 2 = 1,52 )
Pgina 74

ANLISIS ESTADSTICO
18.1) Solucin: La probabilidad condicional que nos solicitan es:

72,5
1
> 7 > 5
>7
1 7
1,5
( > 7/ > 5) =
=
=
=
52,5
>5
>5
1 5
1
1,5
1 ( 3,00) 1 (3,00) 1 0,9987
( > 7/ > 5) =
=
=
= 0,0274
1 ( 1,67) 1 (1,67) 1 0,9525
Respuesta: Si la mezcla contiene ms de 5 kg de cemento, la probabilidad que tenga ms de 7 kg
cemento, es 0,0274.
18.2) Solucin: Definimos la siguiente variable:
= Nmero de mezclas que contienen entre 4,87 kg y 6,22 kg de cemento
Calculamos la probabilidad que el nmero de mezclas contengan entre 4,87 kg y 6,22 kg de cemento:
4,87 2,5
6,22 2,5
<<
= 1,58 < < 2,48
1,5
1,5
4,87 < < 6,22 = 2,48 1,58 = 0,9934 0,9429 = 0,0505
4,87 < < 6,22 =
En seguida, notemos que estamos en presencia de una distribucin binomial, quedando de la

siguiente manera:
30
0,9495 30 ; = 0,1,2,
~ ( = 30; = 0,0505)
=
0,0505
0

Luego, la probabilidad requerida es:
30
30
1 = =0 + =1 =
0,0505 0 0,9495 30 +
0,0505 1 0,9495 29
0
1
1 = 0,5483
Respuesta: Si se desea preparar una mezcla diaria durante un mes (30 das), la probabilidad de que
a lo ms una de estas mezclas preparadas contenga entre 4,87 y 6,22 kg de cemento.
18.3) Solucin: Sabemos que la cantidad de cemento esperado corresponde a 2,5 kg de cemento,
por lo que la probabilidad de xito corresponde a:
<
= < 2,5 = <
2,5 2,5
= < 0 = 0 = 0,5
1,5
Posteriormente, definimos la variable, y cuya distribucin es Geomtrica, como se muestra:

= Nmero de mezclas preparadas hasta encontrar la primera que tenga menor cemento del
esperado
0,5 0,5 1 ; = 1,2,
~ ( = 0,5)
=
0

Luego, calculamos:
= 5 = 0,5 05 4 = 0,03125
Respuesta: La probabilidad de que la quinta mezcla preparada corresponde a la primera mezcla que
contenga menos cemento que la cantidad esperada de cemento.
Pgina 75

ANLISIS ESTADSTICO
19.- Una importante distribuidora de productos enlatados, asegura que el monto de sus ventas
mensuales se distribuye aproximadamente normal, con media 80 millones de pesos (MM$) y
desviacin estndar igual a 25 (MM$).
Se seleccionan al azar dos meses en la distribuidora, determine la probabilidad de que:
19.1) Al menos en uno de los meses seleccionados, el monto de las ventas este comprendido
entre 70 (MM$) y 100(MM$)
19.2) El monto total de la venta, de los dos meses, sea a lo ms 180 (MM$).
19.3) La diferencia del monto de las ventas entre ambos meses, en valor absoluto, no exceda
los 15 (MM$).
19.1) Solucin: Definimos la variable a utilizar, y la distribucin que posee est:
~ ( = 80; 2 = 252 )
= Monto de las ventas mensuales (MM$)
Donde la probabilidad de que la venta este entre 70 (MM$) y 100 (MM$) es:
70 100 =
70 80
100 80
= 0,4 < < 0,8 = 0,8 0,4

25
25
70 100 = 0,7881 0,3446 = 0,4435

Luego, definimos la notacin que sigue:
= Cantidad de meses en que la venta est entre 70 (MM$) y 100 (MM$) al seleccionar dos meses
Adems, sabemos que estamos en presencia de una distribucin binomial, como se muestra:
~ ( = 2 ; = 0,4435)
0,4435
0,5565
0
Y evaluamos en la probabilidad que nos piden:
1 = 1 < 1 = 1 = 0 = 1
2
0
0,4435
; = 0,1,2,

0,5565
= 0,6903
Respuesta: Al seleccionar al azar dos meses en la distribuidora, la probabilidad de que al menos en

uno de ellos el monto de las ventas este comprendido entre 70 (MM$) y 100(MM$), es 0,6903
19.2) Solucin:
Sea:
= Monto de las ventas mes ; = 1,2
Por propiedades, tenemos que:

1 + 2 ~ 1 + 2 ; 21 + 22
1 + 2 ~ 160 ; 1250
Adems, debemos calcular que la suma de los dos meses debe ser menor a 180 (MM$):
180 160
1 + 2 180 =
= 0,57 = 0,57 = 0,7157
1250
Respuesta: Al seleccionar al azar dos meses en la distribuidora, la probabilidad de que el monto total
de la venta sea a lo ms 180 (MM$), corresponde a 0,7157.
Pgina 76

ANLISIS ESTADSTICO
19.3) Solucin: Lo primero que debemos definir es la distribucin normal de la diferencia de ambos
meses, la que est dada por propiedades de la siguiente forma:
1 2 ~ 1 2 ; 21 + 22
1 2 ~ 0 ; 1250
Luego, tenemos que calcular la probabilidad de la diferencia en valor absoluto, la que se representa
como sigue:
15 0
15 0
1 2 15 = 15 1 2 15 =
1250
1250
1 2 15 = 0,42 0,42 = 0,42 0,42 = 0,6628 0,3372 = 0,3256
Respuesta: Al seleccionar al azar dos meses de la distribuidora, la probabilidad de que la diferencia
del monto de las ventas entre ambos meses, en valor absoluto, no exceda los 15 (MM$), es 0,3256.
20.- El dimetro interior de una tuerca es una variable aleatoria que se distribuye normal con
una media de 12 mm y una desviacin estndar de 0.8 mm. Por otro lado el dimetro de los
pernos se distribuye normal con una media de 12.8 mm y una varianza de 1,0404 mm2. Se sabe
que un perno y una tuerca ajustan cuando los dimetros difieren en menos de 0.02 mm.
20.1) El 16,6% de los pernos sern retirados puestos que poseen un dimetro demasiado
grande imposible de ajustar a una tuerca. Cul es el dimetro mximo que debe tener
un perno para no ser retirado de la partida?
20.2) Si se toma un perno y una tuerca al azar Cul es la probabilidad que ajusten?
= Dimetro interior de una tuerca, en mm
= Dimetro de un perno, en mm
~ ( = 12 ; 2 = 0,82 )
~ ( = 12,8 ; 2 = 1,022 )
En seguida, debemos encontrar 0 , tal que:

> 0 = 0,166 0 = 0,834
<
0 12,8
= 0,834
1,02
0 12,8
= 0,834
1,02
0 12,8
= 0,97
1,02
0 = 13,7894
Respuesta: El dimetro mximo que debe tener un perno para no ser retirado de la partida,
corresponde a 13,7894 mm.
20.2) Solucin: Lo primero que haremos es definir la distribucin de la diferencia entre el dimetro
interior de una tuerca y el dimetro de un perno, que se expresa como sigue:
~ ; 2 + 2
~ (0,8 ; 1,6804)
Pgina 77

ANLISIS ESTADSTICO
Para que ajusten la tuerca y el perno, la diferencia entre ambos, en valor absoluto, debe ser menor a
0,02 mm, como se muestra ahora:
0,02 + 0,8
0,02 + 0,8
< 0,02 = 0,02 < < 0,02 =
<<
1,6804
1,6804
< 0,02 = 0,60 < < 0,63 = 0,63 0,60 = 0,7357 0,7257 = 0,01
Respuesta: Al tomar un perno y una tuerca al azar, la probabilidad que ajusten es 0,01.
21.- En una industria que fabrica estructuras metlicas modulares, se define la resistencia () a
la tensin y la carga () a que son sometidas, tal que e son variables aleatorias
independientes, distribuidas:
( = ; = ( ) )
( = ; = ( ))
21.1) Determine el porcentaje de estructuras metlicas modulares que pueden soportar la

carga a que son sometidas ( > ).
21.2) Se eligen al azar estructuras metlicas modulares y se someten a prueba hasta
encontrar tres estructuras con resistencia a la tensin de a lo ms 865 kg. Cul es la
probabilidad que se haya tenido que probar cinco estructuras metlicas?
21.1) Solucin: El problema nos informa de las dos variables a trabajar, las que estn distribuidas
normalmente, como sigue:
= Carga a que son sometidas las estructuras metlicas modulares
= Resistencia a la tensin que son sometidas las estructuras metlicas modulares
( = 960 ; 2 = (72 ) 2)
( = 710 ; 2 = (84 ) 2 )
En seguida, notemos que la desigualdad, que nos brinda el ejercicio, la podemos expresar de la
siguiente manera:
> < 0, entonces por medio de propiedades obtenemos, la nueva
distribucin, quedando:
~ ; 2 + 2
~ (250 ; 12240)
Luego, calculamos la probabilidad pedida:

> = <0 = <
0 + 250
12240
= < 2,26 = 2,26 = 0,9881
% = < 2,26 100 = 98,81%

Respuesta: El porcentaje de estructuras metlicas modulares que pueden soportar la carga a que
son sometidas, corresponde al 98,81%.
21.2) Solucin: Lo primero ser determinar el valor de la probabilidad de que la resistencia a la
tensin de a lo ms 865 kg, lo que se plasma a continuacin:
< 865 = <
Pgina 78
865 960
= < 1,32 = 1,32 = 0,0934
72

ANLISIS ESTADSTICO
Luego, definimos la notacin a usar:

= Numero de estructuras metlicas que se someten a prueba hasta encontrar 3 estructuras con
resistencia a la tensin de a lo ms 865 Kilogramos
Dicha notacin se encuentra distribuida binomial negativa o Pascal, como se muestra:
~ = 3 ; = 0,0934 =
1
2
0,0934
0,9066
; = 3,4,5,

A continuacin calculamos la probabilidad solicitada:

=5 =
4
2
0,0934
0,9066
= 0,00402
Respuesta: Al elegir al azar cinco estructuras metlicas modulares, la probabilidad de que esta
ltima corresponda a la tercera con resistencia a la tensin de a lo ms 865 kg, es 0,00402.
Distribucin Mixta
22.- En la red informtica de una empresa hay 3 sistemas multiusuario, que se identificarn
como , y . Las peticiones de conexin que se realizan a estos equipos se reparten de
forma que, el 60% se efectan sobre , el 30% sobre el 10% sobre .
Los tiempos de respuestas a estas peticiones son variables aleatorias, expresadas en
segundos, tal que:
i) El tiempo ( ) de respue sta de , en segundos, se di stribuye exponencialmente en media 5 seg.
ii) El tiempo ( ) de respue sta de , en segundos, se di stribuye uniforme entre 4 seg. y 8 seg.
iii) El tiempo ( ) de respue sta de , se segundos, tiene la siguiente distribucin de probabilidad:
=
= , , , ,

Si el tiempo de respuesta de una peticin de conexin supera los 7 segundos, se dice que la
peticin es fallida, y en otro caso se considera peticin atendida.
22.1) Calcule la probabilidad de que una peticin seleccionada aleatoriamente sea fallida.
22.2) En 5 peticiones de conexin al sistema S1, seleccionadas aleatoriamente y de forma
independiente entre s, determine la probabilidad de que resulten al menos cuatro
peticiones de las que se consideran atendidas.
22.1) Solucin: Definimos las siguientes notaciones a utilizar:
= Peticin de conexin que se realiza en el sistema multiusuario que se identifica como , = 1,2,3
= Tiempo de respuesta de conexin a las peticiones de conexin en el sistema multiusuario que se identifica
como , = 1,2,3"
Adems, los tiempos de respuesta se expresan de la siguiente manera, segn sus distribuciones:
1 ~ =
1
5
2 ~ 4 ; 8
Pgina 79

ANLISIS ESTADSTICO
1
1 = 1 5
0
1 > 0

2 =
4< <8

3 =
0,2
0
3 = 4,5,6,7,8

En seguida, exponemos la informacin probabilstica que nos brinda el ejercicio:

(1 ) = 0,6
(2 ) = 0,3
(3 ) = 0,1
Luego, procedemos a calculas las respectivas probabilidades de que la respuesta de una peticin de
conexin supere los 7 segundos, por lo tanto, sea fallida, como se muestra a continuacin:
1 > 7 = 1 1
7
5
= 0,2466 ;
2 > 7 =
7
1
4
= 0,25 ;
3 > 7 = 3 = 8 = 0,2
Finalmente:
= 1 1 > 7 + 2 2 > 7 + 3 3 > 7

= 0,6 0,2466 + 0,3 0,25 + 0,1 0,2 = 0,24296
Respuesta: La probabilidad de que una peticin seleccionada aleatoriamente sea fallida, es igual a
0,24296
22.2) Solucin: Sea:
= Nmero de peticiones que fueron consideradas atendidas, entre 5
peticiones de conexin al sistema 1
Adems, podemos determinar la probabilidad de que la peticin de conexin sea considerada
atendida, de la siguiente forma:
1 < 7 = 1 1 > 7 = 1 0,2466 = 0,7534
Por otro lado, notemos que la variable tiene una distribucin binomial, como se expresa en seguida:
5
0,2466 5 ; = 0,1,2,3,4,5
~ ( = 5 ; = 0,7534)
= 0,7534
0

Por ltimo, nos dirigimos a determinar la probabilidad requerida por el ejercicio:
4 =
5
4
0,7534
0,2466
5
5
0,7534
= 0,63998
Respuesta: Entre 5 peticiones de conexin al sistema 1 , seleccionadas al azar e independiente

entre s, la probabilidad de que resulten al menos cuatro peticiones de las que se consideran
atendidas, corresponde a 0,63998.
23.- Una empresa dedicada a la fabricacin de pinturas tiene su planta en una localidad rural
cerca de la ciudad, por esta razn los pedidos grandes son cargados en camiones el da
anterior a su despacho y estos se guardan en una bodega que se encuentra en la misma
ciudad.
Se ha detectado que el tiempo de desplazamiento de un camin entre la planta y la bodega se
distribuye uniformemente en el intervalo de 40 a 60 minutos.
Adems el tiempo que transcurre desde que el camin abandona la bodega hasta que llega al
destino de entrega del pedido, se distribuye segn una normal con media 2 horas y desviacin
estndar 15 minutos.
Pgina 80

ANLISIS ESTADSTICO
23.1) De cuatro camiones que salen de la planta hacia la bodega elegidos de distintos
despachos Cul es la probabilidad que al menos uno de estos camiones demoren
ms de 45 minutos?
23.2) Si el tiempo que emplea un camin en devolverse a la bodega, despus de dejar su
pedido, es un slo un 10% menor que el tiempo que emplean en ir a dejar un pedido
Qu porcentaje de los camiones se demoran en volver entre 1,5 horas y 2,0 horas?
23.3) La pintura se enva en tinetas de igual tamao y forma, etiquetadas con el tipo de
pintura que contiene. Un cliente ha solicitado que le enven un pedido que consta de
10 tinetas de pintura ltex blanco y 5 tinetas de pintura elastomrica.
23.4) Al llegar el camin con el pedido a su destino se dan cuenta que se han desprendido
las etiquetas, la persona encargada de recibir el despacho elige al azar 3 tinetas Cul
es la probabilidad que slo una de las tinetas elegidas contenga pintura elastomrica?
23) Solucin: Definimos las variables a usar:
= Tiempo de desplazamiento entre planta y bodega, en minutos
= Tiempo de desplazamiento entre bodega y destino, minutos
Adems, las variables se distribuyen de la siguiente manera:
~ = 120 ; 2 = 15
~ [40 ; 60 ]
23.1) Solucin: Sea: = Nmero de camiones que demoran ms de 45 minutos en llegar de la

planta a la bodega, entre cuatro camiones
Determinamos la probabilidad de que un camin se demore ms de 45 minutos en llegar de la planta
a la bodega, entre cuatro camiones:
60
> 45 =
45
1
1 60
=
= 0,75
20
20
45
Luego, sabemos que se distribuye de la siguiente forma:

~ ( = 4 ; = 0,75)
0,75
0,25
; = 0,1,2,3,4

Para terminar, calculamos la probabilidad que nos solicitan:

1 = 1 < 1 = 1 = 0 = 1
4
0
0,75
0,25
= 0,9961
Respuesta: De cuatro camiones que salen de la planta hacia la bodega elegidos de distintos
despachos, la probabilidad que al menos uno de estos camiones demoren ms de 45 minutos es
0,9961.
23.2) Solucin: Sea: = Tiempo que emplea un camin en devolverse a la bodega
Luego, con la informacin que nos da el ejercicio, podemos exponer la siguiente igualdad:
= 0,9
Pgina 81

ANLISIS ESTADSTICO
Donde, con ayuda de propiedades determinamos los siguientes datos:

= 0,9 = 108
= 0,9
= 182,25
En seguida, expresamos como se distribuye la variable definida con anterioridad ( ):

~ ( = 108 ; 2 = 182,25)
Calculamos la probabilidad pedida:
90 < < 120 =
=
90 108
182,25
<<
120 108
182,25
= 1,33 < < 0,89

= 0,89 1,33
= 0,8133 0,0918 = 0,7215
% = 0,7215 100 = 72,15%
Respuesta: El porcentaje de los camiones que se demoran en volver entre 1,5 horas y 2 horas, es
igual a 72,15%
23.3) Solucin: Sea: = Nmero de tinetas con pintura elastomrica en el pedido
~ = 15; = 3 ; =
5
15
10
3
15
3
= 0,1,2,3,4,5

Luego, determinamos la probabilidad preguntada:

5
=1 = 1
10
2 = 0,4945
15
3
Respuesta: Al elegir 3 tinetas al azar del pedido, la probabilidad que slo una de las tinetas elegidas
contenga pintura elastomrica, es 0,4945.
24.- La hora de salida de un tren de la estacin es una variable aleatoria X, distribuida
exponencialmente con media igual a una hora. Un viajero llega a la estacin, de salida del tren,
a una hora Y, distribuida uniformemente en el intervalo [ 0 ; ] horas. Se sabe que X e Y son
variables aleatorias independientes.
24.1) Determine la probabilidad de que el viajero tome el tren (en un viaje elegido al azar)
24.2) Determine la probabilidad de que el tren salga de la estacin despus de 30 minutos y
el viajero llegue a la estacin en sus ltimos 10 minutos.
24) Solucin: Sean:
= Hora de salida de un tren de la estacin

= Hora de llagada a tomar el tren
Pgina 82

ANLISIS ESTADSTICO
Las que se distribuyen como se ve a continuacin:

~ ( = 1)
=
; >0
0
~ 0;
=
1
2
2 ; 0 <<
2
0
Adems, como son sucesos independientes, podemos expresar ambas variables juntas:
1
2

, = 2
0
> 0; 0 < <
24.1) Solucin: Lo primero ser definir los lmites de integracin, los

que se muestran grficamente en la imagen que se encuentra a la
derecha. Luego de esto procedemos a calcular la probabilidad
requerida por el problema:
0,5
> = 1 = 1
0
0,5
=0
( + 1) = 1 2 0,5 + 1 = 0,787
= 12
0
Respuesta: En un viaje al azar, la probabilidad de que el viajero tome el tren es 0,787.

24.2) Solucin: Notemos, que los sucesos que nos plantea el ejercicio son independientes, por lo que,
para que ocurran dichos sucesos juntos se expresa de la siguiente forma:
> 0,5 ; 1 3 1 2 = > 0,5 (1/3 1/2)
1 2
=
0,5
= 0,6065 0,3333 = 0,2021
1 3
Respuesta: La probabilidad de que el tren salga de la estacin despus de 30 minutos y el viajero

llegue a la estacin en sus ltimos 10 minutos, corresponde a 0,2021
25.- La empresa GABR que se dedica a la mantencin y reparacin de semforos gan una
licitacin pblica para prestar sus servicios en un sector de la comuna de Santiago. La zona
consta de 20 semforos donde la probabilidad de falla es 0,1 para cada uno. La empresa
dispone de un equipo de tcnicos altamente calificados que darn pronta solucin a cualquier
emergencia que se presente. Si la variable se distribuye Binomial definida como el nmero
de semforos que fallan diariamente y es el tiempo que demora la empresa en reparar la falla,
distribuida normal con media de 30 minutos y desviacin estndar de 3,2 minutos, entonces:
25.1) Entre los semforos cuyo tie mpo de reparacin demora menos de 30 minutos Qu
porcentaje de ellos se repara en ms de 25 minutos?
Pgina 83

ANLISIS ESTADSTICO
25.2) La empresa GABR debe cancelar a la Municipalidad una multa M en UF, que depende
del nmero de semforos que fallan diariamente y del tiempo que demora en la
reparacin, de acuerdo al siguiente polinomio: , = + + Cuntas UF
espera cancelar la empresa diariamente?
= Nmero de semforos que fallan diariamente
= Tiempo que demora la empresa en reparar la falla
25) Solucin: Sean:
Cuyas distribuciones se expresa, como sigue:

~ = 20 ; = 0,1
~ ( = 30 ; 2 = 3,22 )
25.1) Solucin: Procedemos a calcular la probabilidad condicional, como se muestra a continuacin:

( > 25) ( < 30) (25 < < 30)
> 25 < 30 =
=
=
( < 30)
( < 30)
=
2530
<<
3,2
<
(1,56 < < 0) 0 (1,56) 0,5 0,0594

=
=
= 0,8812
( < 0)
(0)
0,5
3030
3,2
3030
3,2
Respuesta: Entre los semforos cuyo tiempo de reparacin demora menos de 30 minutos, el
porcentaje de estos se repara en ms de 25 minutos, es igual a 88,12%.
= Multa a cancelar a la municipalidad en UF
, = 2 + +
30
25.2) Solucin: Sea:
Por propiedades, tenemos:

= = 20 0,1 = 2
2 = +
= = 20 0,1 0,9 = 1,8
30
1
30
30
30
= 5,8
=1
Luego, calculamos la esperanza de la multa a cancelar a la municipalidad:

= 2 + +
= 2 + +
= 5,8 + 2 + 1 = 8,8
30
30
Respuesta: La empresa espera cancelar 8,8 UF diarias por la multa a la municipalidad.

26.- La duracin ininterrumpida de un equipo electrnico tipo A es una variable aleatoria
distribuida normalmente con media 1400 horas y varianza 800 horas 2, y la duracin
ininterrumpida de un equipo tipo B se distribuye exponencialmente con media 1500 horas.
Qu tipo de equipo es ms conveniente elegir si se necesita realizar un proceso que dure al
menos 1340 horas, sin interrupcin?
26) Solucin: Sean:
= Duracin de un equipo elctrico tipo A, en horas

= Duracin de un equipo elctrico tipo B, en horas
Pgina 84

ANLISIS ESTADSTICO
Debido a que:
= 1500
= 1500 =
1
1500
~ = 1400 ; 2 = 800
Se distribuye respectivamente:
~ =
1
1500
Luego calculamos las probabilidades de que el equipo elctrico dure a lo menos 1340 horas:
1340 1400
> 1340 = 1 1340 = 1 <
= 1 2,12
800
= 1 2,12 = 1 0,0174 = 0,9826
1340
> 1340 = 1 1 1500 = 0,4093

Respuesta: El equipo que debera elegir si se necesita realizar un proceso que dure al menos 1340
horas, sin interrupcin, corresponde al equipo A, ya que es ms conveniente.
27.- El Departamento de Produccin de una empresa de microprocesadores realiza un control
de calidad de sus productos por lo cual se estudia el tiempo de vida de los
microprocesadores. La variable tiempo de duracin (X) de microprocesadores, en aos, sigue
una distribucin exponencial con media 6 aos mientras que la velocidad (Y) se ajusta a una
variable normal con media 2,8 Ghz y desviacin estndar 0,2 Ghz. Se supone que el tiempo
de vida y la velocidad de trabajo de los microprocesadores, son variables aleatorias
independientes. Adems, un microprocesador es defectuoso si su duracin es menor a 6
meses o su velocidad es inferior a 2,4 Ghz.
27.1) Calcule la probabilidad de que un microprocesador elegido al azar, resulte defectuoso.
27.2) Un informtico compra dos microprocesadores de esta empresa. Tras someterlos a
pruebas llega a la conclusin que el primero supera, en velocidad, al segundo en ms
de 0,5 Ghz. Cul es la probabilidad de que se cumpla lo concluido?
27.3) Una persona compra 5 microprocesadores en das distintos. Cul es la probabilidad
de que ms de tres de ellos no superen la velocidad 2,7 Ghz?
= Tiempo de duracin de microprocesadores, en aos
= Velocidad de trabajo de microprocesadores, en Ghz
Distribuidos de la siguiente forma:
~ =
1
6
~ = 2,8 ; 2 = 0,22
Luego calculamos la probabilidad de que un microprocesador sea defectuoso, lo que se define de la

siguiente forma:
= < 0,5 < 2,4 = < 0,5 + ( < 2,4)
0,5
= 1 6 + <
2,4 2,8
= 0,08 + 2.0 = 0,08 + 0,0228 = 0,1028
0,2
Pgina 85

ANLISIS ESTADSTICO
Respuesta: La probabilidad de que al elegir al azar un microprocesador, este resulte defectuoso, es

0,1028.
27.2) Solucin: Lo primero que debemos hacer, es definir la diferencia de velocidades por medio de
propiedades, quedando como se ve a continuacin:
1 ~ 1 = 2,8 ; 12 = 0,22
2 ~ 2 = 2,8 ; 22 = 0,22
1 2 ~ 1 2 ; 12 + 22
1 2 ~ ( = 0 ; 2 = 0,08)
1 2 > 0,5 = 1 1 2 < 0,5 = 1 <
0,5 0
= 1 < 1,77
0,08
= 1 1,77 = 1 0,9616 = 0,0384

Respuesta: Al comprar dos microprocesadores de esta empresa tras someterlos a prueba, la
probabilidad de que el primero debe superar, en velocidad, al segundo en ms de 0,5 Ghz, es 0,0384.
27.3) Solucin: Usaremos la notacin que sigue:
= Nmero de microprocesadores con velocidad no superior a 2,7 Ghz, entre los elegidos
Calculamos la probabilidad de que supere la velocidad 2,7 Ghz:
< 2,7 = <
2,7 2,8
= < 0,5 = 0,5 = 0,3085
0,2
Notemos que la variable se posee una distribucin binomial, como se ve a continuacin:

~ = 5 ; = 0,3085
0,3085
5
4
0,6915
Finalmente:
> 3 = = 4 + = 5 =
0,3085
0,6915
; = 0,1,2,3,4,5

1+
5
5
0,3085
= 0,0341
Respuesta: La probabilidad de que ms de tres microprocesadores no superen la velocidad 2,7 Ghz,

es 0,0341, en una compra de cinco microprocesadores, efectuada por una persona.
28.- Una empresa constructora rene la informacin respecto a la cantidad de toneladas de
fierro utilizada en obras de mayor envergadura.
En la ejecucin de sus obras distingue dos etapas: la cantidad () de fierro en toneladas
utilizada en la primera etapa es una variable aleatoria distribuida N (2000; 160000) y la cantidad
de toneladas de fierro () utilizada en la segunda etapa es una variable aleatoria distribuida U
(1200; 2400), tal que e son variables independientes.
28.1) Si se eligen al azar cuatro de sus obras de gran envergadura. Cul es la probabilidad
que en dos de ellas, se haya utilizado en la primera etapa al menos 2000 toneladas de
fierro y ms de 1800 toneladas de fierro en la segunda etapa?
Pgina 86

ANLISIS ESTADSTICO
28.2) Para trabajar en una nueva obra adjudicada el Gerente de Personal de la Empresa
entrevista a diez ingenieros civiles, elegidos al azar, de entre veinte postulantes, que
cumplen con los requisitos.
Determine la probabilidad de entrevistar a ms de dos postulantes con experiencia
previa en grandes obras, si solo cuatro de los postulantes cumplen con este requisito.
= Cantidad de fierro utilizada en la primera etapa, en toneladas
= Cantidad de fierro utilizadas en la segunda etapa, en toneladas
Las que poseen una distribucin normal y uniforme, respectivamente:
~ ( = 2000; 2 = 160000)
~ U [1200; 2400]
28.1) Solucin: En seguida calculamos la probabilidad de que se cumpla que en un obra de gran
envergadura, se cumpla que en la primera etapa se utilicen menos de dos mil toneladas de fierro y en
la segunda etapa, de esta misma, se utilicen ms de mil ochocientas toneladas de fierro:
< 2000 > 1800 = < 2000 > 1800
= <
2400
2000 2000
160000
1800
1
= 0 0,5 = 0,25
1200
Sea: = Nmero de obras de gran envergadura que en la primera etapa utilicen 2000 ton. de fierro,
y en la segunda etapa utilicen 1800 ton. de fierro, en una muestra de cuatro obras elegidas al azar
~ ( = 4 ; = 0,25)
0,25
0,75
; = 0,1,2,3,4

Calculamos la probabilidad pedida:

=2 =
4
2
0,25
0,75
= 0,2109
Respuesta: En una muestra al azar de cuatro obras, la probabilidad que en dos de ellas, se haya
utilizado en la primera etapa al menos 2000 toneladas de fierro y ms de 1800 toneladas de fierro en
la segunda etapa, corresponde a 0,2109.
28.2) Solucin: Sea: = Nmero de postulantes entrevistados, con experiencia previa en grandes
obras, de una muestra de diez ingenieros civiles, elegidos al azar entre veinte postulantes
Dicha variable, posee una distribucin Hipergeomtrica, como se muestra a continuacin:
4
~ = 20; = 10; = 10
8
12
10
20
10
; = 0,1,2, ,8

Pgina 87

ANLISIS ESTADSTICO
Calculamos la probabilidad solicitada:

> 2 = 1 2 = 1 = 0 + = 1 + = 2
= 1
8
0
12
8 12
8 12
10 + 1 9 + 2 8
20
20
20
10
10
10
= 1 0,0849 = 0,9151
Respuesta: La probabilidad de entrevistar a ms de dos postulantes con experiencia previa en

grandes obras, es igual a 0,9151.
Pgina 88
04. Variable Aleatoria Di screta y continua, Di stribuciones Di scretas y continuas Ejercicios Propuestos
ANLISIS ESTADSTICO
1.- El tiempo que tarde en realizarse cierta tarea clave en la construccin de una casa es una variable
aleatoria que tiene una distribucin exponencial con una media de 10 hrs.
El costo C para completar esta tarea est relacionada con el cuadrado del tiempo que tarda en
completarse mediante la frmula.
= 100 + 40 + 3 2
Encontrar el costo esperado (costo promedio)
2.- Un comerciante compr una partida de 200 reguladores de voltaje para automviles a un costo de
320 u.m. cada una, sin garanta. Luego l las vendi en 410 u.m. cada una, otorgando una garanta
de un ao de duracin, asegurando la devolucin del total pagado, si la unidad reguladora de voltaje
dura menos de ese tiempo. Si se sabe que la duracin de una unidad reguladora de voltaje de este
tipo es una variable aleatoria distribuida exponencialmente con media 6 aos. Calcule la ganancia
esperada por este comerciante al vender las 200 unidades de este producto.
3.- El tiempo, en segundos, necesario para que un robot, dentro de una lnea de produccin ensamble
una pieza mecnica, es una variable aleatoria con funcin de distribucin de probabilidad dada por:
0
0,2 2
5
1
20
1
<0
0< 1
1 <5
5
Si el robot lleva ya ms de un segundo en el proceso de ensamblaje. Cul es la probabilidad de que

termine de ensamblar dicha pieza antes del tiempo esperado?
(*)
4.- La resistencia a la rotura de cierto tipo de cuerda de nylon es una variable aleatoria X distribuida
normal con desviacin estndar 15,6 kg/m. Se sabe que la probabilidad de que una cuerda resista
ms 235,6 kg/m es 0,1587. El nmero de imperfecciones (Y) por metro, se distribuye segn una
Poisson con media 2, imperfecciones que no afectan a la resistencia.
4.1) Cul es la mnima resistencia a la rotura del 12,8% de las cuerdas que ms resisten?
4.2) Determine la probabilidad de encontrar ms de tres imperfecciones en 4 metros de cuerda
4.3) La ganancia (en u.m.) por metro, est dada por = 50 2 2 , calcule la ganancia
esperada por metro de cuerda
5.- El taller mecnico de la marca ForSan recibe en promedio 4 vehculos diarios en das laborales de
8 horas de trabajo.
5.1) Determine la probabilidad que ningn vehculo llegue al taller en la primera hora de trabajo, de
un da laboral.
5.2) En una inspeccin al taller, se encuentra que entre diez vehculos que estn en reparacin
slo siete tienen su documentacin sin problemas.
Mientras se realiza la inspeccin se solicita el retiro de cuatro vehculos, determine la
probabilidad que por lo menos dos de los vehculos retirados tenga su documentacin con
problemas.
Pgina 89
ANLISIS ESTADSTICO
5.3) La varianza del tiempo que demora la reparacin de un vehculo es 5625 (minutos) 2. Si el
tiempo de reparacin de un vehculo, elegido al azar, es una variable aleatoria distribuida
exponencialmente, determine la probabilidad que la reparacin demore entre 2 y 2,5 horas.
6.- La resistencia a la traccin de un papel esta modelada por una distribucin Normal con media 35
libras por pulgada cuadrada y desviacin estndar de 2 libras por pulgada cuadrada.
6.1) Las especificaciones requieren que la resistencia se encuentre en un intervalo centrado en la
media y de amplitud dos desviaciones estndar. Qu porcentaje de las hojas de papel sern
rechazadas por no cumplir las especificaciones?
6.2) Cul es la resistencia mnima del 60% de los papeles que tienen mayor resistencia a la
traccin?
7.- Los cables que se utilizan en cierta computadora deben tener una resistencia entre 0,12 y 0,14 .
Las resistencias reales de los cables producidos por la compaa A tienen una distribucin de
Probabilidad Normal con una media de y una desviacin estndar de 0,005 , adems la
probabilidad que la resistencia sea mayor de 0,14 es 0,0228.
Se seleccionan uno a uno los cables de la compaa A y se les mide la resistencia.
7.1) Calcular la probabilidad que el primer cable que no tiene la resistencia adecuada se da en la
tercera seleccin.
7.2) Calcular la probabilidad que en la cuarta seleccin se d el segundo cable que tiene la
resistencia adecuada.
8.- Los conectores que se fabrican para ser utilizados en determinado sistema de cmputo, requieren
tener resistencias que varan entre 0,12 y 0,14 . Las resistencias reales medidas en los
conectores que provee la compaa, tienen una distribucin normal con una resistencia promedio de
0,13 y una desviacin estndar de 0,05 .
8.1) Si un conector seleccionado al azar, fabricado por la compaa, supera la resistencia
esperada. Encuentre la probabilidad que la resistencia de ese conector cumpla con lo
especificado.
8.2) Si en el sistema de cmputo se usan cuatro conectores, fabricados por la compaa en das
diferentes. Determine la probabilidad que los cuatro conectores cumplan con lo especificado.
9.- Se ha realizado un estudio para evaluar la seguridad y funcionalidad de un viaducto rodoviario
simtrico de hormign prensado de tres luces. Que tiene una longitud total de 60 metros, para ello se
midieron las variables: X = Resistencia del hormign a la compresin, distribuida normalmente con
media 33,0 MPa y desviacin estndar 5,016 MPa e Y= Resistencia del hormign a la traccin,
tambin distribuida normal con media 2,6 MPa y varianza (0,468 MPa)2. Siendo ambas variables
independientes.
9.1) Si la resistencia del hormign a la compresin es superior a 30,5 MPa, (situacin usual) Cul
es la probabilidad de esta sea inferior a 34,12 MPa.?
9.2) La seguridad del viaducto es ptima si la Resistencia del hormign a la compresin flucta
entre 24,7 y 41,3 MPa y la resistencia del hormign a traccin es superior a 2,85 MPa, Cul
es la probabilidad que el viaducto tenga seguridad optima?
10.- Una empresa nacional tiene la concesin de 1200 km 2 de terreno para la bsqueda de agua
subterrnea. Para el proceso de bsqueda, ha contratado una mquina de sondaje a la empresa
Pgina 90
ANLISIS ESTADSTICO
EMOS cuya estadstica seala que la distribucin de probabilidades de la profundidad del sondaje
es una variable aleatoria normal con una media de 250 metros y desviacin estndar de 20 metros
10.1) Cul es la probabilidad que la profundidad del sondaje sea superior a 230 m.?
10.2) De una muestra de 10 sondajes seleccionados al azar Cul es la probabilidad que ms de 8
sondajes tengan una profundidad superior a 230 m.?
10.3) Con el propsito de optimizar los recursos, la empresa decide realizar sondajes, en busca de
agua, slo hasta los 230 m. Cul es la probabilidad que en el quinto sondaje realizado se
encuentre agua por primera vez?
10.4) Las fallas en el cabezal de la mquina de sondaje es una variable aleatoria Poisson con
promedio una falla cada 150 metros Cul es la probabilidad que en un sondaje en particular
el cabezal presente ms de dos fallas en 200 m. de perforacin?
(*)
11.- Cierto dispositivo electrnico est formado por tres componentes C 1, C2 y C3 en serie. El
dispositivo no funciona cuando deja de funcionar cualquiera de los componentes. Los componentes
C1 y C2 tienen tiempos de vida til T1 y T2 que se distribuyen como una exponencial de media 3000
horas. La funcin de distribucin de probabilidad de la vida til T 3 del componente C3, es
3 = 1
3
2500
; 3 0
Los tiempos de vida de los tres componentes son variables aleatorias independientes.
11.1) Cul es la probabilidad que en un dispositivo el componente C 1 tenga una vida til superior a
la vida til esperada del componente C 3?
11.2) Suponga que se seleccionan dispositivos al azar y en forma independiente hasta encontrar un
dispositivo en que todos sus componentes tengan una vida til superior a 2000 horas. Cul
es la probabilidad que se deban selecciona cinco dispositivos?
(*)
12. Un estacionamiento tiene dos accesos para el ingreso de los vehculos. Se sabe que el ingreso
de vehculos al estacionamiento por el acceso A obedece a un comportamiento de tipo Poisson con
media de 3 vehculos cada minuto. Por el acceso B, la cantidad de vehculos que ingresa tambin es
modelada por una distribucin Poisson con media de 1 vehculo cada 15 segundos.
Por otro lado, el estudio arroj que el tiempo de permanencia de los vehculos en el estacionamiento
se distribuye segn una normal con media de 2 horas y desviacin estndar de 32 minutos.
12.1) Si el vehculo permanece menos de 30 minutos el estacionamiento es gratis, si permanece a
lo ms una hora en el estacionamiento el cliente paga $1.200, si permanece ms de una hora
el cliente paga $2.000. Obtenga el pago esperado por vehculo estacionado y la varianza del
pago.
12.2) Determine la probabilidad que por ambos accesos ingrese un vehculo en 10 segundos, si los
ingresos de los vehculos a los accesos del estacionamiento son independientes.
(*)
13. Una fuente sonora emite ondas cuya frecuencia es una variable aleatoria modelada por una
distribucin exponencial con media de 400 Hz Si la frecuencia supera 600 Hz, el sonido se clasifica
como ntido.
Pgina 91
ANLISIS ESTADSTICO
13.1) Se realizar un experimento emitiendo ondas sonoras hasta lograr un sonido que sea ntido.
Cul es la probabilidad que el primer sonido ntido se logra despus de realizar el tercer
intento?
13.2) El experimento considera 20 mediciones realizadas con instrumental importado y 10
mediciones con instrumental nacional. El jefe del proyecto revisar la informacin
seleccionando al azar los datos de 6 mediciones. Cul es el nmero esperado y la varianza
del nmero de mediciones con instrumental importado, que revisar el Jefe del Proyecto?
Justifique su respuesta.
Pgina 92
ANLISIS ESTADSTICO
Soluciones: 04. Variable Aleatoria Discreta y continua, Distribuciones Discretas y continuas

1) 1100
8.1) 0,1586
8.2) 0,000633
2) 15.236,67 u.m.
9.1) 0,403
9.2) 0,269
3) 0,4375
10.1) 0,8413 10.2) 0,5127 10.3) 0,0795 10.4) 0,1499
4.1) 33,043
4.2) 0,9576
4.3) 40 u.m.
11.1) 0,43460
11.2) 0,07155
5.1) 0,607
5.2) 0,333
5.3) 0,067
12.1) = $1972,92 ; = $26930,6736 12.2) 0,104
6.1) 0,3173
6.2) 34,5
7.1) 0,042
7.2) 0,006
13.1) 0,4689 13.2) = 4; = 1,1034
Pgina 93
5.- Distribucin Conjunta

Distribucin Conjunta
Distribucin Marginal
Distribucin Condicional
Independencia de Variables Aleatorias
Valores Esperados
5. Distribucin Conjunta Ejercicios Resueltos

ANLISIS ESTADSTICO
1.- Cierto supermercado tiene una caja de salida comn y una caja rpida, en que X 1 es el
nmero de clientes que estn esperando en la caja comn, en un momento particular del da, y
X2 es el nmero de clientes que estn esperando en la caja rpida, al mismo tiempo. Suponga
que la funcin de probabilidad conjunta de X1 y X2 es la siguiente:
X1 \ X2
0
1
2
3
4
0
.08
.06
.05
.00
.00
1
.07
.15
.04
.03
.01
2
.04
.05
.10
.01
.05
3
.00
.04
.06
.07
.06
1.1) Calcule la probabilidad de que haya por lo menos dos clientes ms en una lnea de espera
que en la otra.
1.2) Si se sabe que en la caja comn hay dos personas esperando, Cul es el nmero
esperado de clientes que estn en la caja rpida?
1.1) Solucin: Lo primero ser definir las variables a utilizar:
1 = Nmero de clientes que esperan caja comn
2 = Nmero de clientes que esperan caja rpida
Luego, debemos representar la probabilidad que la fila 1 tenga por lo menos dos clientes ms que la
fila 2, lo que est dado por:
1 2 + 2 = 1 = 2; 2 = 0 + 1 = 3; 2 = 0 + 1 = 4; 2 = 0 + 1 = 3; 2 = 1
+ 1 = 4; 2 = 1 + 1 = 4; 2 = 2
Y el otro caso est dado por:
1 + 2 2 = 1 = 0; 2 = 2 + 1 = 0; 2 = 3 + 1 = 1; 2 = 3 + 1 = 0; 2 = 2
Finalmente, calculando la suma de estas probabilidades, tenemos:
1 2 + 2 + 1 + 2 2 = 0,04 + 0,04 + 0,05 + 0,03 + 0,01 + 0,05 = 0,22
Respuesta: La probabilidad de que haya por lo menos dos clientes ms en una lnea de espera que
en la otra, corresponde a 0,22
1.2) Solucin:
2
(2 /1 = 2)
0
1
2
3
0,05/0,25 = 0,20
0,04/0,25 = 0,16
0,10/0,25 = 0,40
0,06/0,25 = 0,24
Luego, calculamos el valor esperado:

( 2/1 = 2) =
2 ( 2 /1 = 2)
2
( 2/1 = 2) = 0 0,20 + 1 0,16 + 2 0,40 + 3 0,24

( 2 /1 = 2) = 1,68
Respuesta: Si en la caja comn hay dos personas esperando, entonces el nmero esperado de
clientes que estn en la caja rpida es 1,68
Pgina 94

ANLISIS ESTADSTICO
2.- En una Financiera, se consideran variables aleatorias: = Nmero de prstamos solicitados

diariamente = Nmero de solicitudes rechazadas diariamente, tal que su distribucin de
probabilidad conjunta es:
0,15
0,20
0,30
0,01
0,08
0,15
0,00
0,02
0,05
0,00
0,02
0,05
0,00
0,00
0,04
1
2
3
Determine el nmero esperado de solicitudes rechazadas diariamente, cuando el nmero de

prstamos solicitados en el da es mximo.
2) Solucin: Lo primero es definir el nmero de prstamos solicitados en el da cuando este es
mximo, esto se puede definir por simple inspeccin, cuyo resultado es tres, por lo tanto, creamos
una tabla con probabilidad de nmero de prstamos solicitados diariamente, dado que el nmero de
solicitudes rechazadas diariamente sea igual a tres.
(/ = 3)
0
1
2
3
0,30/0,54
0,15/0,54
0,05/0,54
0,04/0,54
En seguida, procedemos a determinar el nmero esperado de

solicitudes rechazadas diariamente:
(/ = 3) =
(/ = 3)

(/ = 3) = 0
0,30
0,15
0,05
0,04
+ 1
+2
+3
= 0,6852
0,54
0,54
0,54
0,54
Respuesta: El nmero esperado de solicitudes rechazadas diariamente, cuando el nmero de

prstamos solicitados en el da es mximo, es igual a 0,6852
3.- Una empresa vende dos tipos de chancadoras, ligeras y pesadas. Las cantidades
vendidas mensualmente son variables aleatorias, en que e representan en nmero de
chancadoras vendidas al mes de tipo ligero y de tipo pesado respectivamente. La
correspondiente distribucin de probabilidad conjunta es la siguiente:
0
1
2
3
4
0,01
0,08
0,06
0,10
0,06
0,04
0,15
0,16
0,06
0,04
0,02
0,10
0,05
0,05
0,02
3.1) Se seleccionan al azar las ventas mensuales, en esta empresa, hasta ubicar un mes en
que la cantidad vendida de chancadoras ligeras supera a la de las pesadas. Determine la
probabilidad de tener xito despus del tercer mes elegido
3.2) La empresa tiene un costo fijo mensual de $2.000.000 y la diferencia entre el precio de
venta y el costo variable es de $1.200.000 por chancadora tipo pesada vendida y $700.000
por chancadora tipo ligera vendida. Calcule utilidad mensual esperada y su varianza en la
empresa.
Pgina 95

ANLISIS ESTADSTICO
3.1) Solucin: Lo primero que debemos hacer es definir las notaciones a utilizar:
= Nmero de chancadoras vendidas al mes de tipo ligero
= Nmero de chancadoras vendidas al mes de tipo pesado
Luego, tenemos que obtener la probabilidad correspondiente a ubicar un mes en que la cantidad
vendida de chancadoras ligeras supera a la de las pesadas, lo que se expresa de la siguiente forma:
> = = 4; = 0 + = 3; = 0 + = 2; = 0 + = 1; = 0 + = 4; = 1
+ = 3; = 1 + = 2; = 1 + = 4; = 2 + = 3; = 2
> = 0,06 + 0,10 + 0,06 + 0,08 + 0,04 + 0,06 + 0,16 + 0,02 + 0,05 = 0,63
Despus, definimos otra variable a utilizar:
= Cantidad de meses seleccionados hasta que la cantidad vendida de chancadoras ligeras,
supera a la de las pesadas
Adems, notemos que estamos en presencia de una distribucin Geomtrica, lo que se expresa de
la siguiente manera:
1 ; = 1,2,
~ ( = 0,63) = 0,63 0,37
0

Finalmente calculamos la probabilidad que nos solicita el problema:
> 3 = 1 3 = 1 [ = 1 + = 2 + = 3 ]
> 3 = 1 0,63 0,37
0+
0,63 0,37
1+
0,63 0,37
= 0,0507
Respuesta: La probabilidad de tener xito despus del tercer mes elegido, es 0,0507.
= Utilidad mensual de la empresa (MM$)
Distribuimos lo datos que nos otorga el
problema, para as, poder trabajar con ellos de
mejor manera.
Despus utilizando la frmula de esperanza,
obtenemos:
=
= 1,2 + 0,7 2
0
1
2
3
4
()
0,07
0,33
0,27
0,21
0,12
0
1
2
()
0,31
0,45
0,24
= 0 0,31 + 1 0,45 + 2 0,24 = 0,93

= 0 0,7 + 1 0,33 + 2 0,27 + 3 0,21 + 4 0,12 = 1,98

Pgina 96

ANLISIS ESTADSTICO
En seguida, por propiedades calculamos la esperanza de la Utilidad mensual de la empresa:

= 1,2 + 0,7 2 = 1,2 + 0,7 2
= 1,2 0,93 + 0,7 1,9 2 = 0,502
Por otro lado, nos solicitan la varianza de la Utilidad mensual de la empresa, por lo que calculamos lo
siguiente:
2 =
2 = 02 0,07 + 12 0,33 + 22 0,27 + 32 0,21 + 42 0,12 = 5,22

2 =
2 = 02 0,31 + 12 0,45 + 22 0,24 = 1,41

= 2
= 5,22 1,98
= 1,2996
= 2
= 1,41 0,93
= 0,5451
, = 1,67

, = = 1,67 1,98 0,93 = 0,17

Finalmente, como ya tenemos todos los valores necesarios calculamos la varianza de la Utilidad
mensual de la empresa.
= 0,7 + 1,2 2 = 0,72 + 1,22 2 0,7 1,2 ,
= 1,22 0,5451 + 0,72 1,2996 2 1,2 0,7 0,17 = 1,707
Respuesta: La Utilidad mensual esperada y la varianza, en la empresa, son respectivamente, 0,502
y 1,707.
4.- Las proporciones y , de dos sustancias que se encuentran en muestras de
insecticidas, tienen la siguiente funcin de densidad conjunta:
, =
+
.
Determine la proporcin esperada de la sustancia , cuando las muestras de insecticida

contienen 0,2 de la sustancia .
4) Solucin: Definimos la funcin marginal de 2, lo que se obtiene
integrando la funcin con respecto a 1, con los lmites de integracin
dados grficamente en la figura, como se muestra a continuacin:
1 2
2 =
1 , 2 1 =
1
2 1 = 2(1 2 )
1 = 0
Pgina 97

ANLISIS ESTADSTICO
Por lo que queda expresada la funcin marginal de 2, de la siguiente forma:

2 1 2 ; 0 2 1
0

2 =
Luego, calculamos la funcin marginal de la sustancia 1, dado que contiene 0,2 de la sustancia 2,
lo que se expresa como sigue:
1 2 = 0,2 =
1 , 2
2
1
=
=
2
2 = 0,2 2 1 2 2 = 0,2 0,8
Y la distribucin de dicha funcin marginal, se ve a continuacin:

1
1 2 = 0,2 = 0,8
0
; 0 1 0,8

En seguida calculamos la esperanza, por medio de la frmula general de esperanza, para

distribuciones continuas:
0,8
1 2 = 0,2 =
1 1 2 = 0,2 1 =
1
1 = 0
1
= 0,4
0,8 1
Anlogamente, notemos que 1 2 = 0,2, posee una distribucin uniforme, por lo que se puede
ocupar la formula de esperanza para distribuciones uniformes, quedando de la siguiente forma:
1 2 = 0,2 ~ [0; 0,8]
1 2 = 0,2 =
0+0,8
2
= 0,4
Respuesta: La proporcin esperada de la sustancia 1, cuando las muestras de insecticida contienen

0,2 de la sustancia 2, es igual a 0,4.
5.- El Departamento de Estudios de la Superintendencia de Electricidad y Combustible (SEC)
dispone de la informacin del consumo de gas natural (X), expresada en cientos de m3,
adems del consumo de energa elctrica (Y) en cientos de KW, de un conjunto de viviendas
ubicadas en el sector sur oriente de la capital durante el mes de Abril pasado. La funcin de
densidad conjunta de dichas variables es la siguiente:
, =
+
< < 2 ; 0 < < 4
. . .
La Superintendencia tiene la intencin de revisar los medidores de aquellos hogares donde el

consumo de gas y energa elctrica no sobrepasa las respectivas cantidades esperadas.
5.1) Qu porcentaje de los hogares de este sector debera revisar la SEG?
5.2) Si se considera una revisin aleatoria de 10 hogares del sector, determine la
probabilidad de que slo en uno de ellos se revisen los medidores.
Pgina 98

ANLISIS ESTADSTICO
5.3) Si se revisan los consumos de los hogares uno a uno, Cul es la probabilidad de que
al tercer hogar revisado se encuentre el segundo hogar donde el consumo de gas y
electricidad no sobrepase lo esperado?
5.4) De los hogares con un consumo de 100 m3 mensuales en gas Qu proporcin
consume menos de 100 KW en energa elctrica?
= Consumo de gas natural, en cientos de m 3
5.1) Solucin: Sean:
= Consumo de energa elctrica, en cientos de KW

En seguida, procedemos a calcular las funciones marginales de e , respectivamente:
4
, =

=0
2
, =

=0
+
1
( + 2)
=
4 + 8 =
24
24
6
+
1
( + 1)
=
2 + 2 =
24
24
12
Luego, determinamos las esperanzas de cada una de las variables, como se muestra a continuacin:
2
=0
4
=0
+2
1
=
6
6
2 + 2 =
=0
+1
1
=
12
12
2 + =
=0
1 8
10
+4 =
6 3
9
1 64
22
+8 =
12 3
9
Posteriormente, calculamos la probabilidad de los hogares de este sector que deber a revisar el
Departamento de Estudios de la Superintendencia de Electricidad y Combustible, los que
corresponden a aquellos hogares donde el consumo de gas y energa elctrica no sobrepasa las
respectivas cantidades esperadas, por lo que los lmites de integracin estn dados entre cero y el
valor esperado de cada variable, lo que se denota de la siguiente forma:
10/9 22/9
= 10 9 ; 22 9 =
= 0 =0
+
= 0,2011
24
Finalmente, el porcentaje pedido es:

% 10 9 ; 22 9 = 0,2011 100 = 20,11%
Respuesta: El porcentaje de los hogares de este sector que debera revisar la SEG, corresponde al
20,11%
5.2) Solucin: Sea: = Nmero de hogares donde se revisan los medidores, en una revisin
aleatoria de 10 hogares del sector
Pgina 99

ANLISIS ESTADSTICO
Donde,
~ ( = 10 ; = 0,2011)
10
0,2011
0,7989
10
; = 0,1,2, ,10

Luego, calculamos la probabilidad de que a slo uno le revisen el medidor:

10
=1 =
0,2011 1 0,7989 9 = 0,2666
1
Respuesta: Si se considera una muestra aleatoria de 10 hogares del sector, la probabilidad de que
slo en uno de ellos se revisen los medidores, es igual a 0,2666.
5.3) Solucin: Sea: = Nmero de hogares revisados hasta encontrar el segundo, cuyo consumo
de gas y electricidad no sobrepase lo esperado
1
0,2011 2 0,7989 2 ; = 2,3,
1
0

2
1
0,2011
0,7989 = 0,065
Con: ~ ( = 2; = 0,2011)
2
1
Respuesta: Si se hace una revisin de los consumos uno a uno, la probabilidad de que al tercer
hogar revisado, se encuentre el segundo hogar donde el consumo de gas y electricidad no
sobrepase lo esperado, corresponde a 0,065.
=3 =
5.4) Solucin: Lo primero ser definir la funcin condicional:

,
=
=

24
+2
+
4 + 8
Luego, calculamos la funcin condicional para = 1:

=1 =
+1
12
Finalmente, determinamos el valor de la probabilidad condicional,

1
<1 =1 =
0
+ 1
1 1
1
=
+ 1 = = 0,125
12
12 2
8
Respuesta: De los hogares con un consumo de 100 m 3 mensuales en gas, la proporcin consume
menos de 100 KW en energa elctrica, corresponde a 0,125
6.- Cada neumtico delantero de un tipo particular de automvil se llenar a una presin
(requerida) de 26 lb/pulg2. Suponga que la presin de aire de cada neumtico es una variable
aleatoria, X para el neumtico derecho e Y para el izquierdo, con la siguiente funcin de
densidad conjunta:

, = +

Cul es la probabilidad de que la presin del neumtico derecho exceda a la presin del
neumtico izquierdo en al menos dos /?
Pgina 100

ANLISIS ESTADSTICO
6) Solucin: Debido a que es la presin de aire de para el neumtico derecho, en /2 , e la

presin de aire para el neumtico izquierdo, en /2, por lo tanto, la probabilidad de que la
presin del neumtico derecho exceda a la presin del neumtico izquierdo en menos de al menos
dos /2, se denota se la siguiente forma:
( 2) ,
o bien,
( + 2)
En seguida, calculamos la integral que sigue para

obtener la probabilidad requerida, donde sus lmites
estn dados grficamente por la imagen:
30
+ 2 =
,
= 22
30
+2 =
= 22
30
=
= 22
= 20
= 20
2 + 2
380000
3 18 2 + 3 2002
3804
=
95000
11875
= 0,3203
Respuesta: La probabilidad de que la presin del neumtico derecho exceda a la presin del
neumtico izquierdo en al menos dos /2, es igual a 0,3203
7.- Al estudiar el tipo de partculas que contaminan el aire de Santiago, se ha determinado que
las cantidades X e Y (en gramos) de partculas tipo A y B respectivamente, que se contabilizan
en los filtros colocados diariamente para tal efecto, son variables aleatorias con funcin de
probabilidad de densidad conjunta dada por:
, =
< < 1
.
< <1
7.1) Determine la probabilidad de que un da determinado se encuentre ms de 0.5 gramos de

partculas tipo A y menos de 0.5 gramos de partculas tipo B.
7.2) Determine la cantidad total esperada de partculas que se encuentran diariamente en el
filtro.
7.1) Solucin: Sean:
= Cantidad de partculas tipo A

= Cantidad de partculas tipo B
Pgina 101

ANLISIS ESTADSTICO
Luego, nos piden determinar la probabilidad de que se encuentre ms de 0.5 gramos de partculas
tipo A y menos de 0.5 gramos de partculas tipo B, lo que se expresada de la siguiente forma:
> 0,5; < 0,5
Cuyos lmites de integracin se ven grficamente en la
imagen, quedando de la siguiente forma:
1
> 0,5; < 0,5 =
3( + )
= 0,5 = 0
= 0,5
3 2
( 1) = 0,3125
2
Respuesta: La probabilidad de se encuentre ms de 0,5 gramos de partculas tipo A y menos de 0,5

gramos de partculas tipo B, en un determinado da es 0,3125.
7.2) Solucin: Lo primero que debemos determinar son las funciones marginales de cada variable,
como se muestra ahora:
1
, =

3( + ) =
3
1 2
2
3( + ) =
3
1 2
2
=0
1
, =

=0
Posteriormente, para determinar el valor esperado de la cantidad total de partculas, debemos

calcular los valores esperados de ambas variables, como se muestra a continuacin:
1
=0
1
=0
3
3
1 2 =
2
2
3
3
1 2 =
2
2
3 = 0,375
=0
1
3 = 0,375
=0
Finalmente, para obtener el valor esperado total de partculas que se encuentran diariamente en el
filtro, debemos sumar las esperanzas de cada variable, calculadas en el paso anterior:
+ = + = 0,375 + 0,375 = 0,75
Respuesta: La cantidad total esperada de partculas que se encuentran diariamente en el filtro, es
0,75.
Pgina 102

ANLISIS ESTADSTICO
8.- La mezcla adecuada de polvos finos y gruesos, antes de sintetizar cobre, es esencial para
lograr uniformidad en el producto terminado. La cantidad de polvos finos (X) y polvos gruesos
(Y), ambos en toneladas, utilizadas en las mezclas, son variables aleatorias modeladas por la
siguiente funcin de densidad de probabilidad conjunta:
, = +
< < 1; 1 < < 2

8.1) Se toman al azar 10 muestras de estas mezclas. Cul es la probabilidad de que en

cuatros de ellas el doble de la cantidad de polvos finos sea superior que la cantidad de
polvos gruesos?
8.2) Determine la probabilidad de que la cantidad de polvos finos sea inferior a la esperada y
la cantidad de polvos gruesos flucte entre 1,3 y 1,5 toneladas.
8.3) El nmero promedio de irregularidades que se encuentran en tubos de cobre, fabricados
con esta mezcla, es 6 por metro lineal de tubo. Se toma al azar un tubo de 90 centmetros
de largo. Cul es la probabilidad de encontrar por lo menos dos irregularidades en el
tubo? Considere vlidos los supuestos de Poisson.
= Cantidad de polvos finos, en toneladas
8.1) Solucin: Sean:
= Cantidad de polvos gruesos, en toneladas

Luego, determinamos la probabilidad de que el doble
de la cantidad de polvos finos sea superior que la
cantidad de polvos gruesos, donde los lmites de
integracin estn definidos grficamente en la
imagen:
2
2 > =
2
+ 2
7
=1 =
2
2
=
=1
9 2 + 16 + 4
1
= = 0,25
28
4
En seguida, utilizaremos la siguiente variable:

= Nmero de mezclas en el cual el doble de la cantidad de polvos finos es superior que la
cantidad de polvos gruesos de un total de diez mezclas analizadas elegidas independientemente
Cuya variable se distribuye de forma binomial, como se ve en la siguiente expresin:
~ = 10; = 0,25
10
0,25
0,75
0
10
; = 0,1,2, ,10

Pgina 103

ANLISIS ESTADSTICO
Finalmente, hacemos los clculos para = 4:

10
=4 =
0,25
4
0,75
= 0,14599
Respuesta: De una muestra de 10 mezclas, la probabilidad de que en cuatros de ellas se cumpla

que el doble de la cantidad de polvos finos sea superior que la cantidad de polvos gruesos, es igual a
0,14599.
8.2) Solucin: Notemos que debemos calcular la siguiente notacin:
( < ; 1,3 1,5)
Por lo que, lo primero que debemos hacer en este tem, es calcular la funcin marginal de , usando
la siguiente frmula:
2
, =

2
2
+ 2 = ( + 3)
7
7
Luego, la esperanza de la cantidad de polvos finos, la determinamos por frmula:

1
() =

=0
2
2
+ 3 =
7
7
2 + 3 = 0,5238
=0
En seguida, reemplazamos los valores determinados anteriormente, quedando de la siguiente forma:

1,5
0,5238
< 0,5238; 1,3 1,5 =

= 1,3 = 0
1,5
=
= 1,3
2
+ 2
7
(0.5238) 2 2.0952
+
= 0,09164
7
7
Respuesta: La probabilidad de que la cantidad de polvos finos sea inferior a la esperada y la

cantidad de polvos gruesos flucte entre 1,3 y 1,5 toneladas, corresponde a 0,09164.
8.3) Solucin: Sean las variables con sus respectivas distribuciones:
= Nmero de irregularidades en un tubo de 100 cm
6 6
; = 0,1,2,
~ ( = 6)
=
!
0
= Nmero de irregularidades en un tubo de 90 cm
5,4 5,4
6 90
; = 0,1,2,
~ =
= 5,4
=
!
100
0

Pgina 104

ANLISIS ESTADSTICO
Finalmente, calculamos la probabilidad requerida:

2 = 1 < 2 = 1 = 0 + = 1
= 1
5,4 5,40 5,4 5,41

+
= 1 [0,00452 + 0,0243] = 0,97118
0!
1!
Respuesta: La probabilidad de encontrar por lo menos dos irregularidades en el tubo de 90

centmetros de largo, es igual 0,97118
9.- Una instalacin de servicio telefnico opera con dos lneas de servicio. En un da
seleccionado aleatoriamente, considere X la proporcin de tiempo que se utiliza la primera
lnea e Y la proporcin de tiempo que se utiliza la segunda lnea. Suponga que la funcin de
probabilidad conjunta es:

+
, =
< < 1 ; 0 < < 1
9.1) Cul es la probabilidad de que un da la primera lnea est ocupada ms de la mitad del
tiempo?
9.2) Determine la probabilidad de que en un da la primera lnea se ocupe menos tiempo que
la segunda.
9.3) Si un da la segunda lnea se ocupa el 75% del tiempo, cul es la proporcin esperada
de tiempo que se ocupa la primera lnea ese da?
9.1) Solucin: Sean:
= Proporcin de tiempo que se usa en la primera lnea

= Proporcin de tiempo que se usa en la segunda lnea
En seguida, determinamos la funcin marginal de la proporcin de tiempo que se usa en la primera

lnea, lo que se ve a continuacin:
1
, =

=0
3 2
3
1
+ 2 = 2 +
2
2
3
Luego, procedemos a determinar la probabilidad que nos pide el ejercicio:

0,5
> 0,5 = 1 0,5 = 1
() = 1 0,3125 = 0,6875
=0
Respuesta: La probabilidad de que un da, la primera lnea est ocupada ms de la mitad del tiempo,
corresponde a 0,6875.
Pgina 105

ANLISIS ESTADSTICO
9.2) Solucin: La probabilidad a determinar se calcula por medio de la

funcin de densidad, con los lmites de integracin plasmados en la
imagen:
1
< =
1
,
=0 =0
=
=0 =0
3 2
+ 2 =
2
=0
3 3 3
1
+
= = 0,5
2
2
2
Respuesta: La probabilidad de que en un da, la primera lnea se ocupe menos tiempo que en la
segunda lnea, es igual a 0,5.
9.3) Solucin: Debido a que debemos calcular la proporcin esperada de tiempo que ocupa la primera
lnea, dado que la segunda lnea ocupa el 75% del tiempo, es conveniente partir por calcular la
funcin marginal de la proporcin de tiempo de la segunda lnea:
1
, =

=0
3 2
3 1
+ 2 =
+ 2
2
2 3
Luego, calculamos la funcin condicional, que se expone a continuacin:

3
2 + 0,752
,
2 + 0,5625
2
= 0,75 =
= 3 1
= 1
= 0,75
+ 0,5625
+ 0,752
3
2 3
Finalmente, determinamos la esperanza que nos solicitan:
1
= 0,75 =
= 0,75 =

=0
2 + 0,5625
1
3
+ 0,5625
0,5325
= 0,5944
0,8958
Respuesta: Si un da aleatorio, la segunda lnea se ocupa el 75% del tiempo, la proporcin esperada
de tiempo que se ocupa la primera lnea ese da, es igual a 0,5944.
10.- Un empleado cada da debe tomar dos buses del Transantiago para llegar a su trabajo:
el alimentador H-201 y el troncal 401. Los tiempos de espera de las respectivas lneas,
expresadas en minutos, son variables aleatorias independientes y , cuyas funciones de
densidad se muestran a continuacin:
< < 20
.
; =
> 0
.
Cul es la probabilidad que el empleado deba esperar mayor cantidad de minutos al bus
alimentador que al bus troncal?
Pgina 106

ANLISIS ESTADSTICO
10) Solucin: Sean:

1 = Tiempo que espera el empleado hasta que pasa el alimentador H-201
2 = Tiempo que espera el empleado hasta que pasa el troncal 401
Luego, por se 1 y 2 variables aleatorias independientes, se tiene que:
1 2 1 , 2 = 1 1 2 2
Por lo tanto, la funcin conjunta queda expresada de la siguiente forma:
1 2
20
400
0
1 2 1 , 2 =
; 0 < 1 < 20 ; 2 > 0

Entonces, calculamos la probabilidad requerida por el ejercicio, con los lmites de integraciones que
se ven en la imagen
20
1 > 2 =
12 1 , 2 2 1
1 = 0 2 = 0
20
=
1 = 0 2 = 0
1 2
20 2 1 =
400
20
1 = 0
1
1
1 20 1
20
1
20 + 20 1 + 20 = 1 = 0,3678
20
Respuesta: La probabilidad de que el empleado deba esperar mayor cantidad de minutos al bus
alimentador que al bus trocal, corresponde a 0,3678.
11.- Las piezas de metal, que tienen determinadas sillas para oficinas, llevan una capa de
nquel y sobre ella una de cromo. Ambas capas se miden en micras de milmetros. El grosor
de la capa de nquel (X) y de la capa de cromo (Y) son variables aleatorias que tienen la
siguiente funcin de densidad conjunta.
, =
< < 0,5 ; 0 < < 0,8

11.1) Cul es la probabilidad de que la capa de cromo sea ms gruesa que la capa de
nquel?
11.2) Si la capa de cromo es menor que 0,3 micras de milmetros. Cul es la probabilidad de
que la capa de nquel sea inferior a 0,2 micras de milmetros?
11.3) Se realiza control de calidad de estas sillas, se sabe que el grosor ptimo de la capa de
cromo debe ser superior a 0,6 micras de milmetros. Cul es la probabilidad de tener
que revisar a lo ms cuatro sillas hasta encontrar la segunda con un grosor ptimo de
la capa de cromo?
Pgina 107

ANLISIS ESTADSTICO
11.4) Pruebe, con una medida estadstica adecuada, si es posible afirmar que mientras mayor
es el grosor de la capa de nquel, mayor es el grosor de la capa de cromo, si las
variables estn relacionadas.
= Capa de nquel en una silla, en micras de milmetros
= Capa de cromo en una silla, en micras de milmetros
11.1) Solucin: Sean:
Procedemos a calcular la probabilidad, con los lmites de integracin

que se muestran en la imagen:
0,5
0,8
> =
0,5
0,8
(, ) =
=0 =
2 + 1
=0 =
0,5
2 2 0,4 + 1,6 =
=
=0
2
= 0,6667
3
Respuesta: La probabilidad de que la capa de cromo sea ms gruesa que la capa de nquel, es igual
a 0,6667.
11.2) Solucin: Lo primero determinamos la funcin marginal de y, como se ve a continuacin:
0,5
2 ( + 1) =

2 ( + 1) = 1,25
=0
Luego, calculamos la probabilidad condicional de la siguiente manera:

< 0,3 =
Con:
0,2
< 0,2 < 0,3

<3
0,3
< 0,2 < 0,3 =
0,2
2( + 1) =
=0 = 0
=0
0,3
< 0,3 =
0,6 + 0,6 = 0,132
0,3
() =
=0
1,25 = 0,375
=0
Por lo que, la probabilidad posee el siguiente valor:

< 0,3 =
0,132
= 0,352
0,375
Respuesta: Si la capa de cromo es menor que 0,3 micras de milmetros, la probabilidad de que la
capa de nquel sea inferior a 0,2 micras de milmetros, es igual a 0,352
Pgina 108

ANLISIS ESTADSTICO
11.3) Solucin: Lo primero que debemos hacer es determinar la probabilidad de encontrar una silla
con grosor ptimo, lo que se hace de la siguiente forma:
0,8
> 0,6 =
0,8
() =
= 0,6
1,25 =
= 0,6
1
= 0,25
4
Definimos la siguiente variable a utilizar, la que tiene una distribucin Pascal o binomial negativa,
como se ve a continuacin:
= Nmero de sillas revisadas hasta encontrar la segunda con un grosor optimo
~ ( = 2; = 0,25)
1
1
0,25
0,75
; = 2,3,4,
Finalmente, determinamos la probabilidad que nos solicitan:

4 = = 2 + = 3 + = 4
=
1
1
0,25
0,75
0+
2
0,25
1
0,75 1 +
3
0,25
1
0,75
= 0,2617
Respuesta: Al hacer un control de calidad de estas sillas, la probabilidad de tener que revisar a lo
ms cuatro sillas hasta encontrar la segunda con un grosor ptimo de la capa de cromo, es igual a
0,2617.
11.4) Solucin: En este tem, calculamos la funcin marginal de cada variable definidas
anteriormente, de la siguiente forma:
0,8
, =

2 + 1 = 1,6 + 1
=0
0,5
, =

2 + 1 = 1,25
=0
Luego, notemos que la multiplicacin de las funciones marginales son iguales a la funcin conjunta,
como se muestra:
, = 2 + 1 =
Lo que implica que ambas variables son variables aleatorias independientes, es decir la covarianza
es cero. En conclusin el Coeficiente de Pearson es igual a cero, por ende no se puede afirmar que a
mayor grosor de la capa de nquel, mayor grosor de la capa de cromo.
Pgina 109

ANLISIS ESTADSTICO
12.- Sean X e Y variables aleatorias que denotan la produccin diaria de cable (en miles de
metros) en los turnos A y B respectivamente de cierta Empresa. Por disposicin de la gerencia
de comercializacin la produccin en el turno B no debe superar a la del turno A.
El comportamiento conjunto de ambas variables se modela mediante funcin de densidad:
, = +
Las funciones de densidad para cada variable son:
La empresa clasifica su productividad diaria de acuerdo al siguiente criterio:

Nivel de
Productividad
Baja
Alta
Normal
Produccin diaria
(en miles de metros)
X 0.5 e Y 0.5
X 0.7 e Y 0.7
X > 0.5 e Y < 0.7
12.1) Cuando en el turno A se producen 800 metros de cable, Cul es la produccin esperada
en el turno B?
12.2) Cul es la probabilidad de que la produccin en el turno B supere los 600 metros de
cable?
12.3) Si el costo de producir un metro de cable es de $1800 en el turno A y de $2100 en el
turno B. Cul es el costo total esperado de la produccin diaria de cables en esta
empresa?
12.4) Al observar el consumo diario de energa elctrica para los distintos niveles de
productividad, se observ un comportamiento de tipo exponencial con media de 30, 50 y
40 Kw respectivamente. Determine la probabilidad que el consumo de energa diario, en
la empresa, sea mayor a 35 Kw.
= Produccin diaria de cable en el turno A, de cierta empresa, en miles de metros
= Produccin diaria de cable en el turno B, de cierta empresa, en miles de metros
Lo primero ser definir la funcin condicional, dado que la produccin diaria de cable sea 0,8 en el
turno A, lo que se hace con la siguiente frmula:
,
= 0,8 =
Pgina 110
=
= 0,8
2 +
3 2
=5
= 0,8
2 0,8 +
3
(0,8) 2
=1+
5
8

ANLISIS ESTADSTICO
Luego, calculamos la esperanza de la funcin que definimos en el paso anterior, de la siguiente

forma:
0,8
= 0,8 =
0,8
= 0,8 =
=0
=0
5
1+
=
8
0,8
+
=0
5 2
32
=
= 0,4267
8
75
Respuesta: Cuando en el turno A se producen 800 metros de cable, la produccin esperada en el

turno B, corresponde a 0,4267 miles de metros, o 4267 metros.
12.2) Solucin: Debido a que nos preguntan sobre la produccin en el turno B, donde esta supere los
600 metros de cable, por lo tanto, utilizaremos la funcin de densidad de la produccin diaria de cable
en el turno B, quedando de la siguiente forma:
1
> 0,6 =
=
= 0,6
= 0,6
6
148
1 + 2 2 =
= 0,2368
5
625
Respuesta: La probabilidad de que la produccin en el turno B supere los 600 metros de cable, es
igual a 0,2368
12.3) Solucin: Lo primero ser definir el costo total de la produccin diaria de cable en esta empresa,
la que por la informacin que nos suministra el ejercicio, est dada por la siguiente ecuacin:
= 1800 + 2100 ,
Luego, nos piden el valor esperado de esta ecuacin, la que por medio de propiedades nos queda
expresada de la siguiente forma:
= 1800 + 2100 = 1800 + 2100
Entonces, debemos calcular los valores esperados de la produccin diaria de cable, en el turno A y B,
respectivamente.
1
=0
1
() =
(3 2 ) =
() =
=0
1 + 2 2
5
3 3 = 0,75 = 750
=0
1
=
=0
6
+ 2 2 3 = 0,4 = 400
5
Finalmente, reemplazamos los valores obtenidos, quedando como se ve a continuacin:

= 1800 + 2100 = 1800 750 + 2100 400 = $2.190.000
Respuesta: El costo total esperado de la produccin diaria de cables en esta empresa, es
$2.190.000.
Pgina 111

ANLISIS ESTADSTICO
= Nivel de Productividad Baja

= Nivel de Productividad Alta
= Nivel de Productividad Normal
= Consumo diario de energa
Luego calculamos las probabilidades de cada nivel de produccin,

sin perder de vista que los lmites de integracin estn dados
grficamente por la imagen, lo que se realiza de la siguiente forma:
0,5
= 0,5; 0,5 =
=0 =0
1
6
(2 + ) = 0,125
5
= 0,7; 0,7 =
= 0,7 = 0,7
6
(2 + ) = 0,1404
5
= > 0,5; < 0,7 = 1 +
= 0,7346
Posteriormente, definimos las probabilidades condicionales:

~ =
~ =
~ =
1
30
1
50
1
40
35
> 35 = 30 = 0,3114
> 35 = 50 = 0,4966
> 35 = 40 = 0,4169
35
35
Finalmente, calculamos la probabilidad total de consumo diario de energa, por medio de frmulas,
quedando de la siguiente forma:
> 35 = > 35 + > 35 + > 35
> 35 = 0,3114 0,125 + 0,4966 0,1404 + 0,4169 0,7346 = 0,4149
Respuesta: La probabilidad que el consumo de energa diario, en la empresa, sea mayor a 35 Kw, es
igual a 0,4149.
13.- La cantidad de sustancia contaminante corrosiva (X) y de sustancia contaminante txica
(Y), expresadas en grs., que se encuentran al examinar las emisiones de gases, en vehculos
elegidos al azar, son variables aleatorias con funcin de densidad conjunta dada por:
, =
<<<

Si en un vehculo elegido al azar, la cantidad de la sustancia contaminante txica que emite es

de 2 grs. Calcule la probabilidad que la cantidad de sustancia contaminante corrosiva que
emite supere a 4 grs.
Pgina 112

ANLISIS ESTADSTICO
13) Solucin: Sean:
= Sustancia contaminante corrosiva, en gramos

= Sustancia contaminante txica, en gramos
Luego, debemos definir la funcin densidad de la sustancia contaminante txica, como se ve a

continuacin:
2 = 2 2
, =

En seguida, definimos la funcin condicional que nos servir para determinar la probabilidad
requerida por el ejercicio, para lo que se utiliza la siguiente frmula:
=2 =
(, )
2
=
= +
= + 2
() = 2
2 2 = 2
=2
Finalmente, calculamos la probabilidad pedida por el problema, de la siguiente forma:
>4 =2 =
+ 2 = 2 = 0,1353
= 2 =
=4
=4
Respuesta: Al elegir de forma aleatoria un vehculo, y la cantidad de sustancia contaminante txica

que emite es de 2 gramos, la probabilidad que la cantidad de sustancia contaminante corrosiva que
emite supere a 4 gramos es 0,1353.
Pgina 113
05 Distribucin Conjunta - Ejercicios Propuestos

ANLISIS ESTADSTICO
1.- En empresas que prestan servicio de soporte computacional los fines de semana, se ha estudiado
que el nmero (Y) de llamadas recibidas solicitando atencin de emergencia cada fin de semana y el
nmero (X) de especialistas disponibles, son variables aleatorias con distribucin de probabilidad
conjunta:
1
2
3
0,15
0,04
0,01
0,10
0,23
0,12
0,05
0,12
0,08
0,02
0,02
0,03
0,00
0,01
0,02
1.1) En los fines de semana en que hay dos especialistas disponibles Cul es el nmero esperado
de llamadas de emergencia recibidas?
1.2) Cul es la probabilidad que en un fin de semana el nmero de llamadas solicitando atencin de
emergencia sobrepase el nmero de especialistas disponibles?
1.3) Determine el porcentaje de variabilidad del nmero de llamadas que solicitan atencin de
emergencia los fines de semana.
2.- Un servicio de estudios econmicos, ha investigado el comportamiento de las variables: tasa de

crecimiento de las exportaciones (X), y el producto interno bruto: PIB (Y). Al analizarlas se encontr
que dichas variables se pueden describir segn la siguiente funcin de densidad conjunta,
(expresadas en porcentaje):
3
, = 2010 ; 5 20 2 6
0

2.1) Si la tasa de crecimiento de las exportaciones es de un 10% Cul es el producto interno
bruto esperado?
2.2) Calcular la probabilidad de que la tasa de crecimiento de las exportaciones sea superior a
cinco veces el producto interno bruto.
3.- Una persona tiene dos bombillas para una lmpara en particular. Sea X = La duracin de la
primera bombilla, e Y = La duracin de la segunda bombilla (ambas en miles de horas). Suponga que
X e Y son independientes y con funcin densidad conjunta dada por:
, = 3
0
1,5 +2
>0 >0

3.1) Cul es la probabilidad que la primera bombilla dure a lo sumo 1500 horas y que la segunda
tambin dure a lo sumo 1500 horas?
3.2) Cul es la probabilidad de que la duracin total, de ambas bombillas, est entre 1000 y 2000
horas?
Pgina 114

ANLISIS ESTADSTICO
3.3) En una investigacin con respecto a la duracin de la primera bombilla, un proveedor

selecciona al azar 8 bombillas de distintas partidas. Cul es la probabilidad de que por lo
menos 6 de las bombillas duren ms de 700 horas?
4.- Las variables X e Y representan los espesores, en milmetros, del tefln tipo A y B que llevan en el
interior determinadas tuberas de agua potable y cuya funcin de densidad de probabilidad conjunta
est dada por:
3 +1
> 0 ; > 0 ; + 1
, =
2
0

4.1) Calcular el espesor medio del tefln A.
4.2) Si el espesor del tefln tipo A es inferior a 0,6 milmetros Cul es la probabilidad de que el
tefln tipo B tenga un espesor inferior a 0,8 milmetros?
5.- Una empresa que exporta cierta variedad de manzanas al mercado Europeo, ha modelado el peso
(X), en cientos de gramos y el dimetro mximo (Y) de cada manzana, en decenas de centmetros.
La funcin de densidad conjunta, para estas dos variables aleatorias, es la siguiente:
+
, =
4
0
1< <2
2<<3
Adems, de acuerdo a las exigencias de los clientes, las manzanas son embaladas en bandejas de 4
unidades.
5.1) Las manzanas son clasificadas tipo A, si su dimetro mximo supera los 25 cm., y el peso es
de al menos 150 gr. Cul es la probabilidad que una bandeja contenga ms de dos unidades
del tipo A, si al momento del embalaje fueron elegidas al azar por un sistema robotizado y
colocadas en la bandeja?
5.2) En las manzanas que pesan 190 gramos. Cul es la probabilidad que tengan un dimetro
mximo superior al dimetro mximo esperado?
6.- En el proceso mecanizado de torneado de piezas, el dimetro exterior de la pieza (D, en mm) y la
velocidad de giro de ella (G, en rpm) se puede modelar por la siguiente funcin de densidad de
probabilidad conjunta:
( 2)
, =
320
0
, 2 < < 12 ; 2 < < 10

6.1) Si se elige al azar una pieza Cul es la probabilidad que el dimetro exterior supere los 10
mm y la velocidad de giro sea inferior a 6 (rpm)?
6.2) Cul es el dimetro esperado de las piezas que son sometidas al proceso de torneado?
6.3) Se elige al azar una pieza con un dimetro exterior de 10 mm Cul es la probabilidad que su
velocidad de giro sea superior a 5 rpm?
Pgina 115

ANLISIS ESTADSTICO
7.- En un experimento sobre cierto tipo de mezcla de hormign se determin que la densidad (X),
medida en kg/m 3, la fuerza compresiva (Y), medida en N/mm 2, son variables aleatorias que tienen la
siguiente funcin densidad conjunta:
1
40
2400 2500; 40 60
2000
20
, =
1
60
1
2400 2500; 60 80
2000
20
0

7.1) Determine la densidad esperada para este tipo de mezcla de hormign.
7.2) En qu porcentaje, de este tipo de mezcla de hormign, la fuerza compresiva es inferior a 45
(Kg/m 3) y la densidad es inferior a 2,480 (N/mm 2)?
(*)
8.- En cierta poblacin, se ha estudiado que el ingreso mensual (X) en millones de $ y el gasto
mensual (Y) en millones de $ de las familias, considerados variables aleatorias con funcin de
densidad conjunta:
10
0,5 < < 2 ; 0,2 < < 1,6
, = 54 +
0

8.1) Determine el gasto mensual esperado, para las familias cuyo ingreso mensual es de
$1.500.000.
8.2) Se eligen al azar y en forma independiente 10 familias de la poblacin en estudio, Cul es la
probabilidad que por lo menos en dos familias el gasto mensual sea superior al ingreso
mensual?
(*)
9. El Servicio de Meteorologa ha modelado la cantidad de agua cada (X) en milmetros y la duracin

(Y) en das, de los sistemas frontales que afectan a la zona central. De acuerdo a la informacin
histrica las variables presentan la siguiente funcin de densidad conjunta:
+
, = 5400
0
0 < < 50 ; 0 < < 4

En la zona central:
9.1) Un sistema frontal es intenso si dura ms de un da y la precipitacin es sobre 30 mm.
Determine la probabilidad que entre cinco sistemas frontales independientes, ms de uno sea
intenso.
9.2) Se sabe que el prximo sistema frontal tendr una duracin de tres das, Cul es la
probabilidad que la precipitacin sobrepase los 40 mm?
Pgina 116

ANLISIS ESTADSTICO
Soluciones: 05. Distribucin Conjunta

1.1) 1,357
1.2) 0,12
1.3) 75%
6.1) 0,05
2.1) 3,95
2.2) 0,235
7.1) 2450
7.2) 2,5%
3.1) 0,8501
3.2)
8.1) $1.085.333
8.2) 0,076
4.1) 0,375
4.2) 0,806
9.1) 0,7758
9.2) 0,3429
5.1) 0,3162
5.2) 0,507
6.2) 8,75
6.3) 0,011
Pgina 117
6.- Estimadores Puntuales

Propiedades de Insesgamiento y Varianza Menor
Estimacin de Mxima Verosimilitud
Propiedad de Invarianza
Aplicaciones
6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO
1.- La resistencia de una plancha es una variable aleatoria continua X cuya funcin de
densidad es: , = , > 0; > 0. Su funcin de distribucin de probabilidad
es: = , con desconocido. Sea ( , , ) una m.a. (n) de X, determine el

estimador mximo verosmil de .
Sobre la base de una muestra aleatoria de 5 planchas, las resistencias observadas fueron: 0,5;
0,5; 0,8; 0,9 y 1. Determine la probabilidad que una plancha, elegida al azar, tenga resistencia
inferior a 0,7.
1) Solucin: La primero que debemos hacer es calcular la funcin de verosimilitud, lo que se lleva a
cabo, por medio de la siguiente frmula:
, = 41 3 1
42 3 2
4 1 3 1
=1
4 3
1 , 2 , , , =
3
=1
Luego, tenemos que determinar el logaritmo natural de , como se muestra a continuacin:
ln 1 , 2 , , ,
= ln
4
=1
=1
ln 1 , 2 , , ,
4 + ln
= ln 4 + ln
=1
=1
En seguida, se obtiene el valor de que maximiza , lo que se logra derivando ln

respecto a los parmetros desconocidos e igualando a cero dicha derivada, es decir:
ln 1 , 2 , , ,
=0
( ln 4 + ln =1 4 + ln
3
=1 )
=0
con
4 = 0
=1
Despus, se despeja de la expresin anterior, para as obtener el estimador mximo verosmil de ,

como se ve a continuacin:
=
. . . =
4
4
=1
=1
Posteriormente, sobre la base de la muestra aleatoria de 5 planchas, calculamos el valor de
5
5
=
=
= 2,282
4
4
4
4
4
0,5 + 0,5 + 0,8 + 0,9 + 1
2,1907
Finalmente, calculamos probabilidad requerida por el ejercicio:
4
< 0,7 = = 0,7 = 1 2,282 0,7 = 0,4218

Respuesta: La probabilidad que una plancha, elegida al azar, tenga resistencia inferior a 0,7 , es igual
a 0,4218.
Pgina 118

ANLISIS ESTADSTICO
2.- En una fbrica se ha medido el tiempo X, en horas, transcurrido entre dos detenciones
provocadas por averas en las mquinas, en una muestra aleatoria se obtuvo los siguientes
tiempos: 3, 1, 7, 3, 8, 11, 7, 1, 8, 4 en horas. Se sabe que la funcin de distribucin que sigue
dicho tiempo es
= ()
~ ( = , )
2.1) Sea , , , una muestra aleatoria de X, con desconocido, determine el estimador
mximo verosmil del parmetro .
2.2) Cul la probabilidad de que en la fbrica transcurran ms de 8 horas sin averas?
2.1) Solucin: Sabemos que la derivada de la funcin de distribucin, es igual a la funcin de
densidad, es decir:
, =
, =
, = 2 2
2 2
Luego, definimos la funcin de verosimilitud:
,
=1
1 , 2 , , , = 2 21
1 2
2 22 2
2 2 1
1 2
2 2
=1
Determinamos el logaritmo natural de :
ln 1 , 2 , , ,
= ln
=1
ln 1 , 2 , , ,
= ln 2 + 2 ln
2
=1
ln
=1
Derivando con respecto a , e igualamos a cero:

ln[ 1 , 2 , , , ]
=0
2
2
2 = 0
=1
Despejamos , quedando de la siguiente forma:

2
= 2
2
=1
2 =
2
=1
2
=1
= . .
Pgina 119

ANLISIS ESTADSTICO
2.2) Solucin: Utilizando la muestra que nos proporciona el ejercicio, calculamos el Estimador Mximo
Verosmil, como se ve a continuacin:
32
+ 12
+ 72
32
+ 82
10
10
=
= 0,1616
2
2
2
2
2
+ 11 + 7 + 1 + 8 + 4
383
En seguida, determinamos la probabilidad que nos solicita el problema:

> 8 = 1 8 = 1 8 = 1 1
80,1616 2
= 0,188
Respuesta: La probabilidad de que en la fbrica transcurran ms de 8 horas sin averas, es igual a

0,188.
3.- La distancia entre un rbol cualquiera y el rbol ms prximo a l, en un bosque, sigue
una distribucin de Rayleigh con funcin de densidad:
=
=
3.1) Determine el estimador mximo verosmil , a partir de una muestra aleatoria de , de

tamao 50, obtenida la siguiente informacin.
= ,
=
3.2) Determine si el estimador
= ,
es insesgado.
3.1) Solucin: Definimos la funcin de verosimilitud, la que est dada por:
, 2
=
=1
1 , 2 , , 2 =
2
12
2
1
2
2
22
2
1 , 2 , , =
2

=1 2 2
1
2
1
2
2
2
2
2
=1
Calculamos el logaritmo natural de 1 , 2 , , 2 :

ln 1 , 2 ,
, 2
= ln
=1 2 2
2
=1
Pgina 120
1
= 2
2
=1
2 ln 2
ln
=1

ANLISIS ESTADSTICO
A continuacin, derivamos ln 1 , 2 , , 2 , con respecto a 2 e igualamos a cero, es decir:

ln 1 , 2 , , 2
2
4
=
2
2
=1
2
=1
2 =
1
=0
2 4
2
2
=1
=0
2
= . . . 2
Luego, con la informacin que nos brinda el ejercicio, calculamos el valor de 2

2 =
2
=1
510,58
= 5,1058
100
3.2) Solucin: Sabemos que para que estimador 2 sea insesgado, se debe cumplir que la esperanza
de estimador sea igual al estimador, es decir:
2
2
( )
=1
2 = 2
2 =
= =1
2
2
Luego, determinamos por medio de propiedades la esperanza de 2, de la siguiente forma:
= 2 2
2 = + 2

4 2
=
+
2
2
4 2 2 + 2
= 2 2
2
Posteriormente, calculamos la expresin antes definida:
=1
2
=1 2
2 2
= 2
2
Finalmente, como se cumple la igualdad, el estimador es insesgado.

4.- Sea , , , , muestra aleatoria de una poblacin ~ (); > 0 y desconocido:
4.1) Encuentre el estimador mximo verosmil de .
4.2) Si las observaciones de una muestra aleatoria para la variable X son: 1,1; 0,9; 1,4; 1,2;
0,7. Estime la probabilidad de que la variable aleatoria no sea inferior a 1.
4.1) Solucin: Lo primero que debemos hacer es definir la funcin exponencial con variable , la que
se expresa de la siguiente forma:
= ; > 0
Determinamos la funcin de verosimilitud:
,
=1
1 , 2 , , = 1 2 1 =
=1
Pgina 121

ANLISIS ESTADSTICO
En seguida, calculamos el logaritmo natural de 1 , 2 , , :
ln 1 , 2 , , = ln
=1
Derivando e igualando a cero:

ln 1 , 2 , ,
=0
=1
= 0
=1
1
= . .
4.2) Solucin: Utilizando los datos de la muestra aleatoria que nos entrega el problema,
determinamos el estimador puntual :
=
1
=
1 =
1
1,1+0,9+1,4+1,2+0,7
5
() =
=1
=1
1
1,06
1
1
1
1,06 = 0 1,06 = 0,3893

1,06
Respuesta: En base a la muestra aleatoria, la probabilidad estimada de que la variable aleatoria no

sea inferior a 1, es igual a 0,3893.
5.- Sea , , muestra aleatoria proveniente de una distribucin normal con media y
varianza 2, cuya funcin densidad es:
, ,
< <
Se propone a las siguientes estadsticas como estimadores de :

=
+ +
5.1) Pruebe si estos estimadores son insesgados e indique cual es ms eficiente.

5.2) Encuentre el estimador mximo verosmil de .
5.3) Compare el estimador obtenido por el mtodo de mxima verosimilitud con los dos
propuestos, Cul es mejor estimador para ? Justifique su respuesta.
Pgina 122

ANLISIS ESTADSTICO
5.1) Solucin: Lo primero que debemos corroborar es, si se cumple que la esperanza del estimador
puntual es igual al estimador puntual, sabiendo que la media y la varianza de 1 , 2 , 3 es y 2,
respectivamente, como se ve a continuacin:
1 =
1 + 2 2 + 3 3
1 + 2 2 + 3( 3 ) + 2 + 3 6
=
=
=
=
6
6
6
6
42 1
4 2 (1 ) 4 3
2 =
=
=
=
=
3
3
3
3
Es decir, ambos estimadores puntuales de son insesgados.

En seguida, debemos determinar la varianza de cada uno de los estimadores, para as ver cul de los
dos estimadores es ms eficiente:
1 =
1 + 2 2 + 3 3
(1 ) + 22 ( 2 ) + 32 ( 3) 2 + 42 + 92
7
=
=
= 2
2
6
6
36
18
2 =
4 2 1
42 2 + (1 ) 162 + 2 17 2
=
=
=
3
32
9
9
Debido a que 1 es menor que 2 , se llega a la conclusin que el estimador puntual 1 es ms

eficiente que el estimador puntual 2.
5.2) Solucin: En este tem lo primero que debemos hacer es definir la funcin de verosimilitud:
3
1 , 2, 3; =
;
=1
1 , 2 , 3 ; =
=1
1
2 2

2 2
1
2 2

3
=1 2 2
Calculamos el logaritmo natural de 1 , 2 , 3 ; :

3
ln 1 , 2 , 3 ; = ln 2 2
2
=1

2 2
Derivamos e igualamos a cero:

ln 1 , 2, 3;
=0
2
2
2
= 0
=1
= 3 =
=1
3
=1
1
2
= 0
=1
= = . . ()
Pgina 123

ANLISIS ESTADSTICO
5.3) Solucin: Empezamos por determinar si el estimador puntual de que determinamos en el tem
anterior es insesgado, lo que llevamos a cabo de la siguiente forma:
=
3
=1
3
=1 ( )
3
=
3
Por lo tanto, el estimador puntual de es insesgado, luego, determinaremos la varianza de dicho

estimador, para ver si mejor estimador, como se ve a continuacin:
=
3
=1
3
=1 )
=
32
3 2 2
=
9
3
En seguida, como la varianza de es menor en comparacin a las varianza de 1 e 2, se concluye

que el estimador puntual, , es ms eficiente, es decir, mejor.
6.- En un estacionamiento el nmero de veces () que se debe subir la barrera en un intervalo
de 10 minutos, para que pasen vehculos en un sector de alta seguridad, se considera una
variable aleatoria con distribucin de Poisson de parmetro desconocido.
6.1) En una muestra aleatoria de 8 intervalos de 10 minutos cada uno, elegidos en forma
independiente, se registra para cada intervalo el valor que toma la variable en estudio .
3
5
8
7
4
Encuentre la estimacin mximo verosmil de .
6.2) Sea ( ,, , ) una muestra aleatoria tamao n de ~ Poisson()

Si =
; =
; son estimadores del parmetro . Determine cul de ellos es
el mejor estimador del parmetro .

6.1) Solucin: Utilizaremos la siguiente variable:
= Nmero de veces que se debe subir la barrera en un intervalo de 10 minutos, para que pasen
vehculos en un sector de alta seguridad
Luego, sabemos que dicha variable tiene una distribucin de Poisson, como se muestra a
continuacin:
~ ()
, =
= 0,1,2,

En seguida, definimos la funcin de verosimilitud:
;
=1
1
2
1

1 , 2 , , =
=
1 !
2 !
1!
!
Pgina 124
=1
=1

ANLISIS ESTADSTICO
Determinamos el logaritmo natural de 1 , 2 , , :
ln 1 , 2 , , = ln
=1
=1
= + ln
=1

ln 1 , 2 , ,
=0
=1
=1
1
+
!
ln
=1
=0
= = . . ()
En seguida, utilizando la muestra aleatoria, obtenemos el valor del estimador mximo verosmil, como
se ve a continuacin:
3 + 5 + 8 + 7 + 4 + 5 + 6 + 2 40
=
=
=5
8
8
Respuesta: En una muestra aleatoria de ocho intervalos de 10 minutos cada uno, elegidos en forma
independiente, la estimacin mxima verosmil corresponde a 5.
6.2) Solucin: Lo primero que se debe hacer es determinar si estos estimadores son o no insesgados,
lo que se sabe si se cumple que la esperanza del estimador es igual al mismo estimador, es decir:
( )
=1
1 =
= =1
=
=
2 =
1 + 3
1 + 3( ) + 3 4
=
=
=
=
4
4
4
4
Por lo tanto, ambos estimadores son insesgados. Entonces, el paso a seguir es determinar la
varianza de cada estimador puntual, lo que se hace de la siguiente manera:
1 =
2 =
=1
=1
2

=
2
1 + 3
(1 ) + 32 ( ) 10 5
=
=
=
4
42
16
8
En conclusin, la efectividad de los estimadores depende del tamao de la muestra, ya que, si la

muestra es igual a uno, el estimador ms eficiente es 2 , en cambio, si la muestra es mayor a uno, el
mejor estimador es 1 .
7.- Sea , , , , una muestra aleatoria de una variable aleatoria con distribucin Normal
con media ( ) y varianza .
Se proponen los siguientes estimadores:
Determine cul es el mejor estimador para . Justifique su respuesta.

Pgina 125

ANLISIS ESTADSTICO
7) Solucin: Debemos determinar si los estimadores que nos proponen son o no insesgados, como se
muestra a continuacin:
5
1 =
= 5( 5)
=1
2 = 8 2 3 5 = 8 2 3 5 = 8 5 3 5 = 5( 5)
Debido a que ambos estimadores propuestos son sesgados, se debe determinar el sesgo o error del
estimador, lo que se calcula con la siguiente frmula:
() =
1 = 1 = 5 5 = 5 25 = 4 25
2 = 2 = 5 5 = 5 25 = 4 25
En seguida, calculamos la varianza de cada uno de lo estimadores propuestos:
5
= 5 = 5 2
1 =
=1
2 = 8 2 3 5 = 82 2 32 5 = 73 2
Finalmente, calculamos el error cuadrtico medio del estimador, para as saber cul de los dos
estimadores puntuales es mejor, lo que se realiza con la siguiente frmula:
. . = +
. . 1 = 1 + 1
. . 2 = 2 + 2
2
2
= 5 2 + 4 25
= 73 2 + 4 25
2
2
Respuesta: Debido a que el error cuadrtico medio de 1 es menor que el error cuadrtico medio
de 2, se concluye que el mejor estimador para , es 1 = 5=1 .
8.- Sea la variable aleatoria continua, que indica el tiempo de desintegracin de un tomo,
con distribucin exponencial truncada con parmetro ( > 0) es decir, que toma slo
aquellos valores de superiores a . Sea ( , , , ) una muestra aleatoria tamao n de .
8.1) Determine el estimador mximo verosmil de , si la funcin de distribucin de
probabilidad de la exponencial truncada es:
= ()
>
8.2) Encuentre la estimacin puntual del parmetro a para el valor = cuando se ha

observado los siguientes tiempos de desintegracin de un tomo (u.t.): 3, 7, 5, 8, 4, 1, 5,
2, 9 y 6.
Pgina 126

ANLISIS ESTADSTICO
8.1) Solucin: Sabemos que la derivada de la funcin de distribucin es igual a la funcin de

densidad, es decir:
=
=
1 0 = 0 ()
> 0
En seguida, definimos la funcin de verosimilitud:
,
=1
1 , 2 , , ; =
1 0
2 0
1 , 2 , , ; =
=1 0
Aplicamos logaritmo natural:

= ln
ln 1 , 2 , , ;
1 0
=1
ln 1 , 2 , , ;
= ln
0
=1

ln 1 , 2 , , ;
=0
=1
=1
0 = 0
=1
=
0

=1
1

=1
1
= . .
0
8.2) Solucin: Considerando la muestra que nos entrega el ejercicio, tenemos que:
0 = 1 ; =
3 +7 + 5+ 8 +4 +1 +5 + 2+ 9+ 6
10
Reemplazando:
=
50
10
=5
1
1
1
=
= = 0,25
0 5 1 4
Respuesta: La estimacin puntual del parmetro para el valor 0 = 1, con las diez observaciones
dadas por el problema, es igual a 0,25.
Pgina 127

ANLISIS ESTADSTICO
9.- Sea ( , , ) una muestra aleatoria de , distribuida segn , , con desconocido.

Donde representa el tiempo mximo necesario para terminar un proceso, en segundos:
; > 1
, = +

9.1) Determine el estimador mximo verosmil de .
9.2) En base a una muestra aleatoria de , determine la estimacin mximo verosmil de ,
donde la muestra est constituida por los siguientes datos: 0,7; 0,9; 0,6; 0,8; 0,9; 0,7;
0,9; 0,8. Estime la probabilidad del tiempo mximo necesario para terminar un proceso,
el cual exceda los 0,5 segundos, y a la vez no supere los 0,75 segundos.
9.3) Determine el estimador mximo verosmil de: a) + . b)
9.1) Solucin: Determinamos la funcin de verosimilitud:
,
=0
(1 , 2 , ,) = + 1 1 + 1 2 + 1 1 + 1
(1 , 2 , ,) = + 1

=0
En seguida, calculamos el logaritmo natural de (1 , 2 , , ):
ln[(1 , 2 , ,)] = ln + 1
=0
ln[(1 , 2 , , )] = ln + 1 +
ln = ln + 1 + ln
=0
=0
Derivamos e igualamos a cero:

ln[(1 , 2 , ,)]
=0
= ln
+1
+ ln
+1
=0
ln
=0
= 0
=0
1 = . . ()
9.2) Solucin: Determinamos el estimador mximo verosmil de , con los datos de la muestra que
nos entrega el ejercicio:
8
=
1
ln
(0,7 0,9 0,6 0,8 0,9 0,7 0,9 0,8)
= 4,0271 1
Pgina 128
= 3,0271

ANLISIS ESTADSTICO
Luego, estimamos que la probabilidad de ]0,25; 0,75[

0,75
0,25 < < 0,75 =
0,75
+ 1 =
, =
= 0,25
0,75
= 0,25
4,0271 3,0271
= 0,25
0,25 < < 0,75 = 0,3102

Respuesta: En base a una muestra aleatoria de , que nos otorga el ejercicio, el estimador mximo
verosmil de , corresponde a 3,0271, y al estimar que la probabilidad del tiempo mximo necesario
para terminar un proceso, exceda los 0,25 segundos, y a la vez no supere los 0,75 segundos es igual
0,3102.
9.3) Solucin: Debido a que determinamos , que corresponde al estimador mximo verosmil de ,
por lo tanto, las expresiones pedidas las calculamos por medio de propiedades:
a)
. . + 1 = . . + 1 = + 1 = 3,0271 + 1
. . + 1 = 4,0271
b)
. .
2 1
1
2.. 1
.. 1
. .
2 1
1
23,02711
3,02711
5,0542
2,0271
2 1
= 2,4933
1
Pgina 129
06. Estimadores Puntuales Ejercicios Propuestos

ANLISIS ESTADSTICO
1.- El comportamiento del esfuerzo vibratorio en la paleta de una turbina de viento, a una velocidad
particular en un tnel de viento se modela segn la distribucin de probabilidad de Rayleigh, cuya
funcin de densidad es:
2
= 2
0
> 0 > 0

2 = 2
4
2
1.1) Sea 1 , 2 , . . . , una m.a. de X. Encuentre el estimador mximo verosmil para .

1.2) Analice el insesgamiento del estimador encontrado.
2.- La vida til de las bateras de fabricacin nacional (Y) es una variable aleatoria que de acuerdo a
la informacin que se dispone presenta la siguiente funcin de densidad: funcin de densidad:
,>0
Obtenga el estimador mximo verosmil del parmetro a partir de una muestra aleatoria de tamao
n
3.- Como es sabido, el Departamento de Fiscalizacin del Ministerio de Transporte realiza controles
de opacidad (Humos) a los buses licitados, elegidos aleatoriamente en la calle. La opacidad se mide
con un instrumento (Snap), cuyas mediciones se distribuyen con la siguiente funcin de densidad:
2
2 2
= 2
0
> 0, > 0

Donde es el verdadero valor de opacidad de un microbs en particular, pero es desconocido.

Sean 1 , 2 , . . . , una muestra aleatoria de las mediciones realizadas al microbs con el instrumento.
Determine el estimador mximo verosmil para el verdadero valor de opacidad del microbs.
4.- Suponga que 1 , 2 y 3 son estimadores de . Se sabe que 1 = 2 = , 3 ,

1 = 12, 2 = 10 y 3
estimador? Justifique.
Pgina 130
= 6. Compare estos tres estimadores. Cul es el mejor

ANLISIS ESTADSTICO
5.- La variable aleatoria X tiene la siguiente funcin de cuanta:

=
4 !
= 4,5,
5.1) Obtenga el estimador mximo verosmil de basndose en una muestra aleatoria de tamao
n de .
5.2) Verifique si el estimador obtenido en 5.1) es insesgado.
6.- De acuerdo a una investigacin realizada por los ingenieros a cargo del sistema de redes, el
tiempo (X), en segundos, transcurrido entre dos peticiones de acceso consecutivas en un sistema
interconectado, es una variable aleatoria distribuida exponencialmente con media igual a 2 segundos.
6.1) El sistema de redes colapsa cuando en un intervalo de tiempo entre dos peticiones de acceso
consecutivo es inferior a 0,1 segundos. Cul es la probabilidad de que el 4 intervalo de
tiempo, entre dos peticiones de acceso, elegidos independientemente y al azar, sea el primero
en que el sistema de redes colapse?
6.2) Sea (1 , 2 , . . . , ) una muestra aleatoria de ~ exp(), con parmetro desconocido.
Determine el estimador mximo verosmil de y la estimacin mximo verosmil de ( + 0,15)
en base a una muestra aleatoria de 8 intervalos, obtenidos entre dos peticiones consecutivas
de acceso a la red, donde se registraron los siguientes tiempos: 3,0 ; 2,5 ; 4,0 ; 2,2 ; 2,8 ; 3,0 ;
1,5 ; 1,0. (en segundos).
7.- En una empresa del rubro de la construccin se ha observado el comportamiento que presenta el
nmero de vehculos que semanalmente presentan fallas mecnicas graves. La funcin de
probabilidad es:
; = 1 1 = 1,2, ; 0 < < 1
7.1) Obtenga el estimador mximo verosmil de
7.2) Al seleccionar al azar 10 semanas, el nmero total de vehculos que presentaron fallas
mecnicas graves fue de 15. Basndose en esta informacin, determine la probabilidad que
durante una semana, el nmero de vehculos que presentan fallas mecnicas graves, sean a
lo ms dos.
(*)
8.- Considere la muestra aleatoria (1 , 2 , , ) de la variable aleatoria , distribuida segn una

exponencial desplazada, con parmetro desconocido, con funcin de densidad de probabilidad:
( ) ; ; > 0; > 0
=
0

8.1) Obtenga el estimador mximo verosmil de .

8.2) Para estudiar el tiempo, expresado en segundos, entre dos vehculos que llegan a una plaza
de peaje, distribuido segn una exponencial desplazada, se toma una muestra aleatoria de
tamao seis, obteniendo los siguientes tiempos: 3.11 0.64 2.55 2.20 5.44 3.42.
Determine la estimacin mxima verosmil de , si = 0.5 segundos, que corresponde al
tiempo mnimo posible entre dos vehculos.
Pgina 131

ANLISIS ESTADSTICO
9.- El ingreso de las personas, en u.m., que viven en la ciudad A, se considera una variable aleatoria
con distribucin de Pareto, con parmetro desconocido, cuya funcin de densidad est dada, por:
500
; = 500
0
+1
> 500 > 0

En una muestra aleatoria de los ingresos, en u.m., se obtuvo:

551 556 740 606 742 2311 852 3691 592 570 724 642.
Determine la estimacin mxima verosmil del parmetro .
10.- La resistencia del material de cierto espcimen se considera una variable aleatoria X, con
distribucin de probabilidad:
= 2
0
> 0; > 0

Si se toma una muestra aleatoria de 10 especmenes y se obtienen los siguientes datos con respecto
de su resistencia.
6,11
3,20
1,86
5,23
2,76
4,12
6,79
4,43
8,56
6,82
Encuentre la estimacin mxima verosmil para .
Pgina 132

ANLISIS ESTADSTICO
Soluciones: 06. Estimadores Puntuales
2
=1
1.1) . . . =
2) . . . =
3) . . . =
2 =1
2
=1
2
2
1.2) Insesgado
6.2) . . + 0,15 = 2,65
6.1) 0,4199
=2
7.1) . . . =
8.1) . . . =
8.2) 0,417
500+ =1
4) El mejor estimador es 3
9) . . . =
5) = 4
10) . . . = +
7.2) 0,889
2
=1
= 1,9464
= 5,3711
Pgina 133
7.- Intervalo confidencial, Test de Hiptesis y Bondad de Ajuste
Estimacin por Intervalos
Pruebas de Hipotesis
Muestras Pareadas
Bondad de ajuste de distribuciones discretas y continuas
7. Intervalo confidencial, Test de Hiptesis y Bondad de Ajuste Ejercicios Resueltos

ANLISIS ESTADSTICO
1. La Oficina de Planificacin Familiar de la Municipalidad A desea determinar la proporcin

de familias con un ingreso familiar inferior a $ 200.000. En una muestra aleatoria de 90 familias
18 presentaron un ingreso familiar inferior a $ 200.000.
1.1) Estime con 98% de confianza la proporcin de familias con un ingreso familiar inferior a
$ 200.000 en la Municipalidad A.
1.2) Qu tamao muestral se requiere para asegurar con una confianza del 95% que el
error en la estimacin de la proporcin de familias con ingreso inferior a $200.000 no
exceder de 0,05?
1.1) Solucin: Sean:
= Cantidad de familias con un ingreso familiar inferior a $200.000 en Municipalidad A
~ ; 2
Debido a que el problema habla de proporcin, debemos utilizar la siguiente frmula para determinar
el intervalo confidencial:
()1 = 1
2
Con: 1 = 0,98 ; = 90 ; =
18
90
= 0,2 ; = 0,8
Nota: El valor de se calcula dividiendo la nmero de datos de la muestra que cumplen la

caracterstica que nos da el problema, en este caso, las familias con ingreso familiar inferior a
$200.000, dividido por el tamao de la muestra.
Reemplazando, obtenemos:
() 0,98 = 0,2 0,99
0,2 0,8
;
90
()0,98 = 0,2 2,33
0,99 = 2,33
0,2 0,8
90
Finalmente, el intervalo de confidencialidad queda dado por:

()0,98 = [0,102; 0,298]
Respuesta: El intervalo [0,102; 0,298] tiene un 98% de contener a la proporcin de familias con un
ingreso familiar inferior a $ 200.000 en la Municipalidad A.
1.2) Solucin: El ejercicio nos otorga los siguientes datos:
18
1 = 0,95; 0,05; = 90; = 90 = 0,2; = 0,8

Ya que estamos tratando con proporciones, utilizamos la frmula de error est dada por:
= 1
2
Pgina 134

ANLISIS ESTADSTICO
Reemplazando:
0,05 0,975
0,2 0,8
1,96
0,05
0,2 0,8 245,86 246
Respuesta: Para asegurar que el error en la estimacin de la proporcin de familias con ingreso
inferior a $200.000, no exceda a 0,05, el tamao de la muestra debe ser igual a 246, considerando
una confianza del 95%.
2.- Se realizan estudios sobre la contaminacin producida por descargas de aguas residuales,
en cuerpos fluviales cordilleranos, para medir si estos cumplen con la norma establecida por
el decreto 90/2000, que establece niveles de concentracin de Plomo de a lo ms 0.02 mg/l. En
una muestra aleatoria de tamao 20, de volmenes de agua de 50 ml. cada uno, obtenidas en
das distintos, se encontr un nivel medio de concentracin de plomo de 0,28 mg/l, con una
desviacin estndar de 0,01 mg/l.
Bajo el supuesto de que las observaciones provienen de una poblacin normal, estime el nivel
medio de concentracin de plomo en estas aguas, con una confianza del 90%. Analice los
valores estimados en funcin de la norma.
2) Solucin: Sea: = Concentracin de Plomo en cuerpos fluviales cordilleranos; ~ ; 2
Del enunciado del ejercicio se desprenden los siguientes datos:
= 20
= 0,28
= 0,01
1 = 0,90
Debido a que desconocemos la varianza de la distribucin, utilizaremos la siguiente frmula para

obtener el intervalo de confianza:
1 = 1;1
2
Reemplazando:
0,01
0,90 = 0,28 19; 0,95
; 19; 0,95 = 1,7291
20
0,01
0,90 = 0,28 1,7291
20

0,90
= 0,2761; 0,2839
Respuesta: El intervalo 0,2761; 0,2839 tiene un 90% de contener el nivel medio de concentracin de
plomo en las aguas residuales, en cuerpos fluviales cordilleranos.
Pgina 135

ANLISIS ESTADSTICO
3.- Se est estudiando la duracin de ciertos procesos productivos y se toma una muestra
aleatoria, de tamao 10. Se define como "Proceso Corto cuando su duracin es menor que 5
minutos, los datos obtenidos, en minutos, fueron:
3
10
5,5
4,2
4,5
3.1) Se pide estimar por intervalo de confianza del 98% la proporcin de Procesos Cortos.
3.2) Cul debera ser el tamao de la muestra si la proporcin estimada disminuyen en un
10% y utilizamos un 95% de confianza manteniendo el mismo error probable antes de la
modificacin?
3.3) Estimar la varianza de dichos tiempos con un nivel de confianza del 99%.
3.4) Si se realiza un ajuste tecnolgico en el proceso de fabricacin, el que reduce los
tiempos en un 15% Cul sera la estimacin de la varianza con un 97% de confianza?
3.1) Solucin: Sea:
= Muestra del tiempo de duracin de ciertos procesos productivos

~ ; 2
Debido a que el problema nos habla de proporcin, debemos utilizar la siguiente frmula para
determinar el intervalo confidencial:
()1 = 1
2
Con: 1 = 0,98 ; = 10 ; =
5
10
= 0,5 ; = 0,5
() 0,98 = 0,5 0,99
0,5 0,5
;
10
()0,98 = 0,5 2,33
0,99 = 2,33
0,5 0,5
10

()0,98 = [0,1316; 0,86848]
Respuesta: Este intervalo tiene un 98% de contener a la verdadera proporcin de Procesos cortos
3.2) Solucin: Lo primero que debemos hacer en este tem es determinar una nueva variable, como
se ve a continuacin: = "Proporcin con Procesos Cortos disminuida en un 10%
= 0,9 = 0,9 0,5 = 0,45
En seguida, calculamos el error probable de p que se mantiene, con la siguiente frmula:
= 1
2
Pgina 136
0,5 0,5
0,5 0,5
= 0,99
= 2,33
= 0,3684
10
10

ANLISIS ESTADSTICO
Luego de esto, ya tenemos lo necesario para determinar el tamao de la muestra, lo que se realiza
despejando la frmula que sigue:
= 1
2
0,45 0,55
1,96 2 0,45 (0,55)
=
= 7,005 8
0,3684 2
0,3684 = 1,96
: 1 = 0,95; = 0,3684 ; = 0,45; = 0,55; 0,975 = 1,96

Respuesta: El tamao de la muestra debe ser 8, si la proporcin disminuye en un 10% y se mantiene
el error probable antes de la modificacin, con un 95% de confianza.
3.3) Solucin: Para empezar calculamos la varianza muestral, la que determina con la siguiente
frmula:
=
322,14
52,2 2
10
= 2,3489
Debido a que el problema hace referencia a la varianza, el intervalo confidencial est dado de la
siguiente forma:
2
1 2
2
1; 1
1 2
2
1;
Con: = 10; = 2,3489; 1 = 0,99

Reemplazando:
2
0,99 =
9 2,3489
2
9 2,3489
2
9; 0,995
0,99
9; 0,005
9 2,3489
23,589
9 2,3489
1,735
= [2,1050; 28,6202]
Respuesta: Existe un 99% de que el intervalo [2,1050; 28,6202] contenga a la varianza poblacional
de los procesos productivos.
3.4) Solucin: Sea:
= Muestra reducida en un 15%
= 0,85
Por propiedades determinamos el valor de la desviacin estndar de y, la que se encuentra dada por:
= 0,85
= 0,85 2,3489 = 1,9966
Despus procedemos a definir el intervalo confidencial como se ve a continuacin:

2
1 2
2
1; 1
1 2
2
1;
Con: = 10; = 1,9966; 1 = 0,97
Pgina 137

ANLISIS ESTADSTICO
Ya que no poseemos los valores de la distribucin

determinarlos:
, tenemos que interpolar para poder
0,99 0,975
21,666 19,023
=
0,985 0,975
19,023
0,015
2,643
=
0,01
19,023
2,643 0,01
=
+ 19,023
0,015
= 20,785
2
(9; 0,985)
= 20,785
0,025 0,01 2,700 2,088

=
0,015 0,01
2,088
0,015
0,612
=
0,005 2,088
0,612 0,005
=
+ 2,088
0,015
= 2,292
2
(9; 0,015)
= 2,292
Finalmente, reemplazando obtenemos el intervalo confidencial:

2
0,97
9 1,9966
2
9; 0,985
9 1,9966
2
0,97
9; 0,015
9 1,9966
20,785
9 1,9966
2,292
= [1,7261; 15,6534]
Respuesta: Existe una probabilidad del 97% de que el intervalo [1,7261; 15,6534] contenga a la
varianza poblacional de los procesos productivos luego de reducir sus tiempos en un 15%.
4.- En cualquier proceso de enlatado, el fabricante pierde dinero si las latas contienen ms o
menos de la cantidad que se especifica en la etiqueta. Por esta razn se vigila constantemente
la cantidad de producto enlatado. Considere una compaa que produce un cemento de hule
de secado rpido en latas de aluminio etiquetadas con un peso de 32 onzas.
Se toma una muestra de 34 latas, las cuales se pesan, obteniendo un peso promedio de 31,18
onzas y una desviacin estndar de 0,645 onzas.
Considere que el peso de las latas se distribuye normal.
4.1) A un inspector de control de calidad le interesa probar si la varianza del peso de las
latas es superior a 0,4 (onzas)2. Utilice una significacin de 5%.
4.2) Cul debe ser el mnimo tamao de muestra que se debe utilizar si se desea estimar el
peso real promedio de las latas de cemento de hule? Se est dispuesto a cometer un
error mximo de 0,2 onzas con una confianza del 95%. Sabiendo por estudios anteriores
que la varianza del peso de las latas es 0,4096 (onzas) 2
Pgina 138

ANLISIS ESTADSTICO
= Cantidad de cemento en una lata, en onzas

~ ; 2
Con: = 34; = 0,645; = 0,05; 1
4.1) Solucin: Sea:
Las hiptesis que nos interesan contrastar son:

0 : 2 = 0,4
1 : 2 > 0,4
Entonces, el estadstico de prueba es:
=
1 2
0 2
34 1 0,645
0,4
= 34,3221
El Punto Crtico, se determina de la siguiente forma:

2
1; 1
(33; 0,95)
= 47,400
La Regin Crtica:
= | >
1; 1
= | > 47,400
Respuesta: Como , no se rechaza la hiptesis nula, es decir, la varianza de la cantidad de

cemento en una lata no es superior a 0,4 (onzas) 2.
4.2) Solucin: El problema nos otorga la siguiente informacin:
= 0,2;
1 = 0,95;
2 = 0,4096 ;
= 0,4096 = 0,64
Debido a que estamos trabajando con el peso real promedio de las latas de cemento de hule, y que
conocemos la varianza ( 2 ), la frmula del error est dada por:
= = 1
2
Reemplazando:
0,2 1 0,25
0,64
1,96 0,64
0,2
39,33 40
Respuesta: El mnimo tamao de la muestra que se debe utilizar si se desea estimar el peso real
promedio de las latas de cemento de hule, es igual a 40.
5.- Se requiere que la resistencia a la ruptura de una fibra sea menos de 150 psi. Se sabe que la
desviacin estndar de la resistencia a la ruptura es 3 psi. En una muestra aleatoria de 25
trozos de fibra se obtiene una resistencia media a la ruptura de 148 psi y una desviacin
estndar de 2,8 psi.
5.1) Puede considerarse aceptable este tipo de fibra? Use = 0,05.
5.2) Determine el tamao de la muestra necesario para estimar la resistencia media de este
tipo de fibra con un nivel de confianza del 95% y un error de estimacin de 0,5 psi.
Pgina 139

ANLISIS ESTADSTICO
= Resistencia a la ruptura de una fibra

~ ; 2 = 32
Con: = 25; = 148; = 2,8; = 0,05; 0 = 150
5.1) Solucin: Sea:

0 : = 150
1 : < 150
Entonces, como conocemos la varianza, el estadstico de prueba es:
0
148 150
=
=
= 3, 33
3
25

1 = 0,95 = 1,645
La Regin Crtica:
= | < 1
= | < 1,645
Respuesta: Debido a que , hay suficiente informacin para rechazar la hiptesis nula, es
decir, es aceptable este tipo de fibra, con un 5% de significacin.
5.2) Solucin: El ejercicio proporciona los siguientes datos:
= 0,5;
1 = 0,95;
=3
Como consecuencia que estamos trabajando con la resistencia media de este tipo de fibra, y que
conocemos la varianza ( 2 ), la frmula del error est dada por:
= =
Reemplazando:
0,5 =
0,975
1,96 3
0,5
= 138,3 139
Respuesta: El tamao de la muestra necesario para estimar la resistencia media de este tipo de fibra
con un nivel de confianza del 95% y un error de estimacin de 0,5 psi, es 139.
6.- El administrador de una flota de automviles est probando dos marcas de neumticos
radiales. Instala un neumtico de cada marca al azar en las ruedas traseras de 8 automviles y
los usa hasta que los neumticos se desgastan. Los datos de la duracin de los neumticos,
en kilmetros, se presentan a continuacin:
Automvil
Marca 1
Marca 2
1
36.925
34.318
2
45.300
42.280
3
36.240
35.500
4
32.100
31.950
5
37.210
38.015
6
48.360
47.800
7
38.200
37.810
8
33.500
33.215
6.1) Basndose en la informacin presentada, rechazara la hiptesis que las duraciones

promedios de ambas marcas de neumticos radiales son iguales, use = , .
6.2) Estime un nivel de confianza del 90%, la proporcin de neumticos de la Marca 1, que
presentan una duracin superior a 37.500 kilmetros.
Pgina 140

ANLISIS ESTADSTICO
6.1) Solucin: Debido a que el problema nos pide probar que ambas marcas de neumticos radiales
poseen promedios iguales, o en su defecto diferentes, utilizaremos la siguiente notacin:
= Diferencia entre la distancia que dura la Marca 1 y la Marca 2 de neumticos, en kilmetros
~ ; 2
Automvil
1
Marca 1 36.925
Marca 2 34.318
D
2.607
2
45.300
42.280
3.020
3
36.240
35.500
740
4
32.100
31.950
150
=8
= 868,375
5
37.210
38.015
- 805
6
48.360
47.800
560
7
38.200
37.810
390
8
33.500
33.215
285
= 1.290,0331

0 : = 0
1 : 0
Entonces, como desconocemos la varianza, el estadstico de prueba es:
=
868,375 0
1.290,0331
= 1,9039
1; 1
7; 0,975
= 2,3646
La Regin Crtica:
= | <
1; 1
1; 1
<
= | < 2,3646 2,3646 <
Respuesta: Debido a que , no hay suficiente informacin para rechazar la hiptesis nula, es
decir, las duraciones promedios de ambas marcas de neumticos radiales son iguales, con un 5% de
significacin.
6.2) Solucin: Sea: = Proporcin de neumticos de la Marca 1, que presentan una duracin
superior a 37.500 kilmetros
De la muestra que nos expone el ejercicio, podemos calcular el estimador , ya que tres de los ocho
automviles con los neumticos de la Marca 1 superan los 37.500 kilmetros, lo que llevado a los
nmeros es 3/8.
Debido a que el problema nos pide proporcin, debemos utilizar la siguiente frmula para determinar
el intervalo confidencial:
()1 = 1
2
Con: 1 = 0,90; = 8 ; = = 0,375 ; = 0,625

8
Pgina 141

ANLISIS ESTADSTICO
()0,90 = 0,375 0,95
0,375 0,625
;
8
()0,90 = 0,375 1,645
0,95 = 1,645
0,375 0,625
8

()0,90 = [0,093; 0,656]
Respuesta: El intervalo [0,093; 0,656] tiene un 90% de contener la proporcin de neumticos de la
Marca 1, que presentan una duracin superior a 37.500 kilmetros.
7.- En un estudio realizado en el Departamento de Silvicultura y Fauna de una universidad del
extremo sur del pas, se examin la influencia de un frmaco sobre los niveles de andrgenos
en la sangre de huemules salvajes. Se capturaron 15 ejemplares y se les inyect el frmaco,
extrayndoles una muestra de sangre cinco minutos despus de la captura, y luego se les
extrajo una segunda muestra despus de 30 minutos, posteriormente se liberaron los
ejemplares. Se midieron los niveles de andrgenos en la sangre de cada muestra y los datos
aparecen en la siguiente tabla (Suponga distribucin normal)
7.1) Se pide ensayar con 6% de significacin si el nivel de andrgenos se altera despus de
30 minutos de encierro.
7.2) Ensayar con un 5% de significacin si la proporcin de animales que presentaron nivel
de andrgenos superior a 15,00 despus del encierro, supera al 25%
Nmero de
ejemplares
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Nivel Primero
(5 minutos)
2,76
5,18
2,68
3,05
4,10
7,05
6,60
4,79
7,39
7,30
11,78
3,90
26,00
67,48
17,04
Nivel Segundo
(30 minutos)
7,02
3,10
5,44
3,99
5,21
10,26
13,91
18,53
7,91
4,85
11,10
3,74
94,03
94,03
41,70
7.1) Solucin: Lo primero ser definir la variable a utilizar, la cual se muestra a continuacin:
= Diferencia entre el Nivel Primero y Nivel Segundo
~ ; 2
Pgina 142

ANLISIS ESTADSTICO
Ya que nos preguntan si el nivel de andrgenos se altera, nuestras hiptesis a contrastar son:
0 : = 0
1 : 0
En seguida calculamos , como se muestra a continuacin:
Nmero de
ejemplares
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Nivel
Primero
(5 minutos)
2,76
5,18
2,68
3,05
4,10
7,05
6,60
4,79
7,39
7,30
11,78
3,90
26,00
67,48
17,04
Nivel
Segundo
(30 minutos)
7,02
3,10
5,44
3,99
5,21
10,26
13,91
18,53
7,91
4,85
11,10
3,74
94,03
94,03
41,70
(Diferencia)
- 4,26
2,08
- 2,76
- 0,94
- 1,11
- 3,21
- 7,31
- 13,74
- 0,52
2,45
0,68
0,16
- 68,03
- 26,55
- 24,66
El punto crtico est dado por:
1;1
Luego, de la cuarta columna se calcula la

media y desviacin estndar de :
= 9,848
= 18,4736
En seguida, como desconocemos la
varianza, el estadstico de prueba es:
=
Reemplazando:
=
9,848 0
18,4736
= 2,065
15
14;0,97
Ya que este valor no se encuentra explcitamente en la tabla, tenemos que interpolar:

0,975 0,95 2,1448 1,7613
=
0,97 0,95
1,7613
0,025
0,3835
=
0,02
1,7613
=
0,3835 0,02
+ 1,7613
0,025
= 2,068
La Regin Crtica:
= | <
14;0,97
>
14;0,97
14;0,97
= 2,068
= | < 2,068 > 2,068
decir, el nivel de andrgenos no se altera despus de 30 minutos de encierro, con un 6% de
significacin.
Pgina 143

ANLISIS ESTADSTICO
7.2) Solucin: De la muestra que nos expone el ejercicio, podemos calcular el estimador , ya que
cuatro de los quince ejemplares presentan niveles de andrgenos superiores a 15,00 despus del
encierro.
Las hiptesis que interesan contraponer son:
0 : = 0,25
1 : > 0,25
Luego, para determinar el estadstico de prueba, tenemos:

4
0,25
0
15
=
=
= 0,1491
La Regin Crtica (Con = 0,05):

= | > 1
0 0
0,250,75
15
= | > 0,95
= | > 1,645
decir, la proporcin de animales que presentaron nivel de andrgenos superior a 15,00 despus de
encierro, supera al 25%, con un 5% de significacin.
8.- En la manufactura de semiconductores, es comn el uso de un proceso de grabado por
remojo qumico para eliminar el silicio de la parte posterior de las obleas antes de la
metalizacin. La rapidez de grabado es una caracterstica importante en este proceso y se
sabe que es una variable aleatoria con distribucin normal. Se compararon dos soluciones de
grabado diferentes, usando dos muestras aleatorias de obleas, una para cada solucin. La
rapidez de grabado (milipulgadas/minuto), observada fue la siguiente:
Solucin 1
Solucin 2
9,9
9,4
9,3
9,6 10,2 10,6 10,3 10,0 10,3 10,1
10,2 10,6 10,7 10,4 10,5 10,0 10,2 10,7 10,4 10,3
8.1) Apoyan los datos la afirmacin de que la rapidez media de grabados es la misma para
ambas soluciones, use = 0,05
8.2) Estime con un nivel de confianza del 90% la rapidez media de grabado para la solucin
1.
8.1) Solucin: Sea: = Rapidez de grabado de la Solucin 1, en milipulgadas/minuto; ~ ; 2
= Rapidez de grabado de la Solucin 2, en milipulgadas/minuto; ~ ; 2
Lo primero ser determinar el tamao de la muestra, la media y desviacin estndar de ambas
muestras:
= 10
= 9,97
= 0,4218
= 10
= 10,4
= 0,2309
En seguida, debemos contrastar las siguientes hiptesis, para determinar si estas muestras poseen
varianzas poblacionales iguales o diferentes:
0 : 2 = 2
1 : 2 2
Pgina 144

ANLISIS ESTADSTICO

=
2
2
0,42182
= 3,3371
0,23092
Los puntos crticos estn dados por ( = 0,05):
1; 1;
La Regin Crtica:
= | <
1; 1; 1
>
9; 9; 0,05
9; 9; 0,05
1
= 0,248
9; 9; 0,975
4,026
= 9; 9; 0,975 = 4,026
=
9; 9; 0,95
= | < 0,248 > 4,026
Resultado: Debido a que , no hay informacin suficiente para rechazar la hiptesis nula, es
decir, las varianzas poblacionales de ambas soluciones son iguales.
Continuando con el desarrollo del ejercicio, procedemos a contrastar las siguientes hiptesis:
0 : =
1 :
1 2 + 1 2
+ 2
=
10 1 0,42182 + 10 1 0,23092
= 0,34
10 + 10 2
=
10,4 9,97
0,34
1
10
= 2,83
10
Finalmente, la Regin Crtica:

= | >
; 1
= + 2
= | > (18; 0,975)
= | > 2,1009
Respuesta: Como , en conclusin hay informacin suficiente para rechazar la hiptesis nula,
es decir, la rapidez media de grabado es la misma, con = 0,05.
8.2) Solucin: Debido a que el problema nos pregunta por la media de grabado para la Solucin 1,
debemos utilizar la siguiente frmula para determinar el intervalo confidencial:
Con: 1 = 0,90; = 10 ; = 0,4218 ; = 9,97
()1 =
1; 1
Pgina 145

ANLISIS ESTADSTICO
() 0,90 = 9,97
9; 0,95
0,4218
10
()0,90 = 9,97
9; 0,95
9; 0,95
= 1,8331
0,4218
10

()0,90 = [9,7255; 10,2145]
Respuesta: El intervalo [9,7255; 10,2145] tiene un 90% de contener la rapidez media de grabado
para la solucin 1.
9.- La resistencia mnima especificada, transcurridos 28 das, de un hormign para pavimento
de 20 cm de espesor es de 250 kg/cm. En dosificaciones con materiales provenientes de la
cantera A y B, las resistencias se distribuyen aproximadamente normal.
Se realizan 16 ensayos con materiales de la cantera A y 32 ensayos de la cantera B,
obteniendo al trmino del tiempo especificado, en pruebas de roturas a la compresin, las
siguientes resistencias:
Resistencia Cantera A
200 - 218
2
218 - 236
4
236 - 254
5
254 - 272
4
272 - 290
1
Resistencias Cantera B
218 220 225 230 235 237 241 245 269 270 270 272 272 274 276 278
250 254 255 258 260 262 264 268 280 285 289 290 290 290 295 300
Ayuda: = ; =
9.1) El ingeniero sospecha que la resistencia media de las dosificaciones proveniente de la
cantera A est muy por debajo de la resistencia media de aquellas dosificaciones
provenientes de la cantera B. Qu concluira usted respecto a la sospecha del
Ingeniero, con = 0,01?
9.2) Con nivel de significacin del 2,5%, Puede usted afirmar que las dosificaciones cuyo
material proviene de la cantera B que est bajo la resistencia mnima especificada es de
un 20%?
9.1) Solucin: Sea:
= Resistencia de los Materiales provenientes de la cantera A

= Resistencia de los Materiales provenientes de la cantera B
~ ; 2
Pgina 146
~ ; 2

ANLISIS ESTADSTICO
Lo primero ser determinar el tamao de la muestra, la media y desviacin estndar de ambas

muestras:
Para A:
Para B:
8422
1
=
=
= 263,1875
32
200 218
209
2
[218 236]
236 254
254 272
[272 290]
227
245
263
281
= 242,75 ;
4
5
4
1
= 16
2 2
=
1
2232454
31
= 20,6543
84222
32
= 22,6394
0 : 2 = 2
1 : 2 2
=
2
2
1; 1;
La Regin Crtica:
= | <
1; 1; 1
15; 31; 0,005
1
= 0,271
3,6867
31; 15; 0,995
30; 15; 0,995
= 15; 31; 0,995 15; 30; 0,995 = 3,0057
15; 31; 0,005
>
22,63942
= 1,2015
20,65432
15; 30; 0,995
= | < 0,271 > 3,0057
decir, las varianzas poblacionales de ambas muestras son iguales.
0 : =
1 : <
1 2 + 1 2
+ 2
=
16 1 20,65432 + 32 1 22,63942
= 22,0118
16 + 32 2
Pgina 147

ANLISIS ESTADSTICO
242,75 263,1875
22,0118
1
16
= 3,0324
32

= | < ( ; 1 )
= | < (46; 0,99)
= + 2 = 46
= | < 2,4102
es decir, se concluye que lo sospechado por el Ingeniero es real, o sea, la resistencia media de A
est muy debajo de la resistencia media de B.
9.2) Solucin: Sabemos que la resistencia mnima especificada es 250 kg/cm, por ende, podemos
calcular el estimador , o sea, la proporcin de la muestra de los materiales provenientes de la
cantera B, que cumplen la condicin de ser inferiores a la resistencia mnima especificada. Lo que
llevndolo a nmeros es igual a = 8/32
Las hiptesis a contrastar son:
0 : = 0,20
1 : 0,20

0
8
=
: =
= 0,25; = 32
0 0
32
0,25 0,20
0,200,80
= 0,7071
32

= | < 1
2
= | < 0,9875
= | < 2,24
decir, las dosificaciones que estn bajo la resistencia mnima, en la cantera B, representan el 20%.
10.- La utilizacin de materiales sintticos tales como nylon, polister y ltex en la produccin
de telas, ha provocado debates acerca de la calidad y resistencia de estas fibras comparadas
con las fibras naturales.
Un fabricante de una nueva fibra sinttica asegura que en promedio su producto (Y) posee una
mayor resistencia a la traccin que las fibras naturales (X). Para tal efecto se seleccionan al
azar 10 fibras sintticas y 12 fibras naturales, a cada una de las cuales se les midi la
resistencia a la traccin. Los resultados muestrales obtenidos se dan a continuacin:
= ; = ; = ; =
Confirman estos datos lo asegurado por el fabricante? Fundamente adecuadamente su
respuesta y use = , ?
10) Solucin: Sean: = Resistencia a la traccin de las fibras naturales, en Kg; = 12
= Resistencia a la traccin de la nueva fibra sinttica, en Kg; = 10
~ ; 2
~ ; 2
Pgina 148

ANLISIS ESTADSTICO
0 : 2 = 2
1 : 2 2
2
2
=
1; 1;
La Regin Crtica:
= | <
11; 9; 0,025
1636
= 0,8647
1892
1
= 0,278
9; 11; 0,975
3,5879
= 11; 9; 0,975 = 3,9117
11; 9; 0,025
1; 1; 1
>
11; 9; 0,975
= | < 0,278 > 3,9117
0 : =
1 : <
Luego, para determinar el estadstico de prueba, tenemos la siguiente expresin:

1 2 + 1 2
+ 2
=
12 1 1636 + 10 1 1892
= 41,8473
12 + 10 2
=
272 335
41,8473
1
12
= 3,5460
10
Finalmente, la Regin Crtica (Con = 0,05):

= | < ( ; 1 )
= | < (20; 0,95)
= + 2 = 20
= | < 1,7247
Pgina 149

ANLISIS ESTADSTICO
Respuesta: Como , en conclusin existe suficiente informacin para rechazar la hiptesis nula
con un 10% de significacin, es decir, podramos concluir que el fabricante estara en lo cierto, ya que
la nueva fibra sinttica posee mayor resistencia a la traccin que las fibras naturales.
11.- En una planta industrial se quiere determinar cul de dos tipos de fuentes de energa, gas
o electricidad, produce ms energa til a menor costo. Una medida de la produccin
econmica de energa, llamada inversin de planta por quad suministrado, se calcula
dividiendo la cantidad de dinero (en dlares) invertida por la planta en la fuente de energa en
cuestin y la cantidad suministrada de energa (en quads, miles de billones de unidades
trmicas britnicas [BTU]). Cuanto menor sea este cuociente, menos pagar una planta
industrial por la energa suministrada. Se seleccionaron muestras aleatorias de 11 plantas que
utilizan electricidad y 16 plantas que utilizan gas y se calcul la inversin de la planta por quad
para cada una. Los datos se presentan en la tabla:
ELECTRICIDAD
GAS
14,15
9,57
7,76
9,72
5,35
8,46
7,78
4,38
9,28
8,60
17,13
16,66
10,14
9,18
10,11
8,45
7,91
11,03
10,70
15,05
18,22
12,50
9,40
9,67
9,21
15,3
12,1
Asumiendo normalidad en la inversin por quad suministrado

11.1) Se podra afirmar que existe diferencia significativa entre los promedios de inversin
de planta por quad suministrado para estos dos tipos de fuentes de energa, con un
nivel de significacin de 0,10?
11.2) Estime con una confianza del 99% la proporcin de plantas de gas que invierten ms de
10 [BTU].
11.1) Solucin: Sean: = Inversin de una planta elctrica por quad suministrado; ~ ; 2
= Inversin de una planta a gas por quad suministrado;
~ ; 2
Lo primero ser determinar el tamao de la muestra, la media y desviacin estndar de cada
muestra:
= 11
= 9,289
= 3,616
= 16
= 11,602
= 3,112
0 : 2 = 2
1 : 2 2
=
Pgina 150
2
2
3,6162
= 1,35
3,1122

ANLISIS ESTADSTICO
1; 1;
La Regin Crtica:
= | <
10; 15; 0,05
1; 1; 1
>
1
= 0,351
15; 10; 0,95
2,8450
= 10; 15; 0,95 = 2,5437
=
10; 15; 0,05
10; 15; 0,95
= | < 0,351 > 2,5437
Continuando con el desarrollo del ejercicio, tenemos que contrastar las siguientes hiptesis:
0 : =
1 :

1 2 + 1 2
+ 2
=
11 1 3,6162 + 16 1 3,1122
= 3,323
11 + 16 2
=
9,289 11,602
3,323
1
11
= 1,777
16

= | < ( ; 1 )
= + 2 = 25
= | < (25; 0,95)
= | < 1,7081
con un 10% de significacin, es decir, se puede afirmar que existe una diferencia significativa en el
promedio de inversin de planta por quad suministrado por estos dos tipos de energa.
11.2) Solucin: Lo primero, ser determinar el estimador , el que corresponde al nmero de plantas
a gas que invierten ms de 10 quad, en la muestra, dividido en el tamao de la muestra, que llevado
a los nmeros es igual a 10 16 .
Luego, el intervalo confidencial est dado por:
()1 = 1
2
Con: 1 = 0,99; = 16 ; =
10
16
= 0,625; = 0,375
Pgina 151

ANLISIS ESTADSTICO
()0,99 = 0,625 0,995
0,625 0,375
;
16
()0,99 = 0,625 2,575
0,995 = 2,575
0,625 0,375
16

0,90
= 0,313; 0,937
Respuesta: El intervalo 0,313; 0,937 tiene un 90% de probabilidad de contener a la proporcin de

plantas de gas que invierten ms de 10 [BTU].
12.- El PM10 (material particulado respirable), son partculas de dimetro menor o igual a 10
micrones. Por su tamao, el PM10 es capaz de ingresar al sistema respiratorio del ser humano;
mientras menor es el dimetro de estas partculas mayor es el potencial dao en la salud; es
por esta razn, que diariamente se monitorea la calidad del aire,
3
C
M
calculando un ndice de calidad de Aire (AQI por sus siglas en AQI (g/m )
0 50
2
5
Ingls). Un AQI de 100 para PM10, corresponde a un nivel de 150
50 100
9
5
PM10 en microgramos por metro cbico (promediado en 24
100 150
11
11
horas).
Se toman muestras aleatorias independientes del AQI, de tamao
150 200
15
13
40, correspondientes a dos comunas C y M, del Gran Santiago, en
200 300
3
4
meses de invierno, obteniendo la siguiente informacin:
300 550
0
2
Suponiendo vlidos los supuestos necesarios:
12.1) Estime el mnimo tamao de muestra que se debe considerar para estimar el AQI
3
promedio en la comuna M, considerando un error de estimacin de a lo ms 18 g/m y

una confianza de 95%, si de estudios previos se sabe que la desviacin estndar del
3
AQI es de 110 g/m .

12.2) Es posible asegurar que el porcentaje de episodios en que el AQI es de al menos 200
(episodio daino para la salud) es superior al 4% en la comuna C, con 5% nivel de
significacin?
12.3) Es posible, afirmar que no existen diferencias significativas en el ndice de calidad
medio del aire en ambas comunas en estudio, con un nivel de significacin del 1%?
12.1) Solucin: Sean: = Cantidad de material particulado en la comuna C; ~ ; 2
= Cantidad de material particulado en la comuna M; ~ ; 2
El enunciado del problema nos otorga la siguiente informacin:
18;
Pgina 152
1 = 0,95;
= 110

ANLISIS ESTADSTICO
Ya que el conocemos la varianza, y estamos estimando el AQI promedio en la comuna, la frmula del
error est dada por:
= 1
2
Reemplazando:
110
110
18 0,975
1,96
143,46 144
18
Respuesta: El tamao de la muestra debe ser como mnimo de 144.

12.2) Solucin: Con los datos entregados por la tabla, podemos determinar el estimador , que
corresponde a la cantidad de episodios de la muestra, en que el AQI es de al menos 200, dividido en
el tamao de la muestra, lo que llevado a los nmeros es igual a 3 40.
Luego, las hiptesis a contrastar son:
0 : = 0,04
1 : > 0,04
El estimador de prueba a utilizar es:
0
3
0,075 0,04
=
: =
= 0,075; = 40 =
= 1,1296
0 0
40
0,040,96
40

= | < 1
= | < 0,95
= | < 1,645
Respuesta: Como , en conclusin no existe suficiente informacin para rechazar la hiptesis

nula con un 5% de significacin, es decir, se puede afirmar que el porcentaje o proporcin de
episodios en que el AQI es de al menos 200, es equivalente o menor al 4% en la Comuna C.
12.3) Solucin: Para este tem lo primero que debemos hacer es calcular el tamao de la muestra, la
media y desviacin estndar, de cada muestra:
3
AQI (g/m )
0 50
50 100
100 150
150 200
200 300
300 550
25
75
125
175
250
425
2
9
11
15
3
0
= 40
5
5
11
13
4
2
= 40
= 40
= 136,875
= 55,7546
= 40
= 150
= 89,5144
0 : 2 = 2
1 : 2 2
Pgina 153

ANLISIS ESTADSTICO

2
1; 1;
2
1
= 0,435
39; 39; 0,995
40; 40; 0,995
2,2958
= 39; 39; 0,995 40; 40; 0,995 = 2,2958
39; 39; 0,005
1; 1; 1
89,51442
= 2,5777
55,75462
La Regin Crtica:
= | <
39; 39; 0,005
>
39; 39; 0,995
= | < 0,435 > 2,2958
Resultado: Debido a que , hay informacin suficiente para rechazar la hiptesis nula, es decir,
las varianzas poblacionales de ambas soluciones son diferentes.
Continuando con el desarrollo del ejercicio, tenemos que contrastar las siguientes hiptesis:
0 : =
1 :
150 136,875
55,75462
40
89,51442
= 0,7871
40
Despus para calcular los grados de libertad tenemos la siguiente frmula:

2
2
2
2
2
55,75462
40
55 ,75462
40
401
89,51442
40
89 ,51442
40
2
2
= 65,3016 65
401

= | < (; 1 )
2
= | < (65; 0,995)
= | < 2,6536

nula con un 1% de significacin, es decir, se puede afirmar que no existen diferencias significativas
en el ndice de calidad medio del aire en ambas comunas en estudio.
13.- Para comparar la capacidad de produccin de calor del carbn proveniente de dos minas,
se obtuvo una muestra aleatoria de 35 especmenes de carbn de la mina 1 y otra muestra de
25 especmenes de carbn de la mina 2, obteniendo los siguientes resultados de la capacidad
de produccin de calor, en miles de millones de caloras por tonelada:
Pgina 154

ANLISIS ESTADSTICO
Mina 1
Capacidad calrica promedio
Mina 2
Desviacin estndar capacidad calrica
0,1255
Especmenes con capacidad

mayor a 8,3 mM de cal/ton.
10
25
25
8,23
2=
= 204,85
1680,76
=1
=1
Suponiendo que las poblaciones muestreadas tienen distribucin normal:

13.1) Estime con 95% de confianza la proporcin de carbn con capacidad calrica de a lo
ms 8,3 miles de millones de caloras en la mina 1.
13.2) Que tamao de muestra sera necesario para estimar la capacidad calrica promedio
del carbn de la mina 2 con 98% de confianza y un error en la estimacin que no supere
los 0,1 miles de millones de caloras por tonelada, si en estudios anteriores se obtuvo
una varianza de la capacidad calrica igual a 0,09 (miles de millones de caloras por
tonelada)2?
13.3) Verifique, con 5% de significacin, si la capacidad calrica promedio del carbn de la
mina 1 es superior a la capacidad calrica promedio del carbn de la mina 2.
13.4) Se afirma que la capacidad calrica del carbn de la mina 1 es de a lo menos 8,3 miles
de millones de caloras por tonelada. Qu opina usted con 5% nivel de significacin?
13.1) Solucin: Sea: = Capacidad de produccin de calor del carbn proveniente de la mina 1
= Capacidad de produccin de calor del carbn proveniente de la mina 2
~ ; 2
~ ; 2
Ya que el problema habla de proporcin, debemos utilizar la siguiente frmula para determinar el
intervalo confidencial:
()1 = 1
2
Con: 1 = 0,95 ; = 35 ; =
()0,95
25
=
0,975
35
()0,95
25
35
;=
10
35
25 10
35 35
35
25
=
1,96
35
0,975 = 1,96
25 10
35 35
35

()0,98 = [0,5846; 0,840]
Respuesta: El intervalo [0,5846; 0,840] tiene un 98% de probabilidad de contener a la proporcin de
carbn con capacidad calrica de a lo ms 8,3 miles de millones de caloras en la mina 1.
Pgina 155

ANLISIS ESTADSTICO
13.2) Solucin: El problema nos proporciona la siguiente informacin:

1 = 0,98; 0,1; 2 = 0,09; = 0,3
Ya que estamos tratando con proporciones, utilizamos la frmula de error est dada por:
= 1
2,33
0,3
48,86 49
0,1
Reemplazando, tenemos:
0,1 0,99
0,3
Respuesta: El tamao necesario para el problema es como mnimo 49.

13.3) Solucin: Procedemos a determinar el tamao de la muestra, la media y desviacin estndar de
ambas muestras:
= 35;
Para Mina I:
= 8,23 ;
= 25;
Para Mina II:
204,85
25
= 0,12553
= 8,194
1680,76
204,852
24
25
= 0,304
En seguida, debemos contrastar las siguientes hiptesis, para determinar si estas muestras
poseen varianzas poblacionales iguales o diferentes:
0 : 2 = 2
1 : 2 2
2
0,3042
= 2
=
= 5,8648
0,125532
1; 1;
La Regin Crtica:
= | <
1; 1; 1
24; 34; 0,025
1
= 0,452
34; 24; 0,975
30; 24; 0,975
2,2090
= 24; 34; 0,975 24; 30; 0,975 = 2,1359
24; 34; 0,025
>
24; 34; 0,975
= | < 0,452 > 2,1359
Resultado: Debido a que , hay informacin suficiente para rechazar la hiptesis nula, es decir,
las varianzas poblacionales de ambas muestras son diferentes.
Continuando con el desarrollo del ejercicio, contrastamos las siguientes hiptesis:
0 : =
1 : >
Pgina 156

ANLISIS ESTADSTICO

=
8,23 8,194 0
0,125532
35
0,3042
= 0,5590
25
Despus para calcular los grados de libertad tenemos la siguiente frmula:

2
2
2
0,125532
2
35
0,125532
35
351
0,3042
25
0,3042
25
2
2
= 29,89 29
251

= | > (; 1 )
= | > (29; 0,95)
= | > 1,6991

nula con un 5% de significacin, es decir, se puede afirmar que la capacidad calrica del carbn de la
mina 1 no supera a la capacidad calrica del carbn de la mina 2.
13.4) Solucin: Las hiptesis a contrastar son:
0 : 8,3
1 : < 8,3
Luego, como desconocemos la varianza el estadstico de prueba se determina de la siguiente forma:
=
: = 35; = 8,23 ; = 0,12553

= | < 1; 1
8,23 8,3
0,1255
= 3,3
35
= | < (34; 0,95)
= | < 1,6909
Respuesta: Debido a que , existe suficiente informacin para rechazar la hiptesis nula, con
un 5% de significacin, es decir, la capacidad calrica del carbn de la mina 1 es inferior a 8,3 mil
millones de caloras por tonelada.
14.- Una empresa de telecomunicaciones realiz un estudio a fin de comparar el trfico
mensual de los clientes que han tomado los planes A B y conocer la opinin de stos
respecto de los servicios prestados por la empresa.
Para este efecto, tom de cada plan, una muestra aleatoria de 121 clientes. La informacin
recolectada, se presenta a continuacin:
Plan A
Tiempo (min)
60 a 100
100 a 140
140 a 180
180 a 220
220 a 260
N de clientes
13
32
30
27
19
Pgina 157

ANLISIS ESTADSTICO
Tiempo (min)
N de clientes
Plan B
156 a 192
192 a 228
26
33
120 a 156
20
228 a 264
30
264 a 300
12
Adems 98 clientes del plan A y 80 del plan B evaluaron satisfactoriamente los servicios
prestados por la empresa.
14.1) Estime, con un nivel de confianza del 95% el tiempo medio de trfico de los clientes del
plan B.
14.2) Con un nivel de significacin del 5%, Aceptara Ud. La hiptesis que la diferencia de
los tiempos medios de trfico, de los clientes del plan B con respecto a los clientes del
plan A, supere los 30 minutos?
14.3) Si el Gerente de la empresa se plante la hiptesis: el porcentaje de clientes que
evala satisfactoriamente los servicios prestados por la empresa es igual en ambos
planes, Qu concluye, si utiliz un nivel de significacin del 1%?
14.4) Docime la hiptesis de que el tiempo de trfico de los clientes del plan A, es una v.a.
con distribucin normal de varianza 2500 (min2).
14.1) Solucin:
Sea: = Tiempo trfico mensual de los clientes que han tomado el plan A, en minutos
= Tiempo trfico mensual de los clientes que han tomado el plan B, en minutos
~ ; 2
~ ; 2
Lo primero ser calcular el tamao, media y desviacin estndar de cada muestra dada:
80
120
160
200
240
60 100
100 140
140 180
180 220
220 260
Para A
= 162,3140
13
32
30
27
19
= 121
138
174
210
246
282
120 156
156 192
192 228
228 264
264 300
Para B
= 206,4296
= 49,8792
20
26
33
30
12
= 121
= 44,4336
Dado que el problema nos pide estimar el tiempo medio de trfico de los clientes del plan B,
utilizaremos la siguiente frmula para poder determinarlo
( )1 =
1;1
Evaluando:
( )0,95 = 206,4296
120;0,975
44,4336
121
( )0,95 = 206,4296 1,9799

Pgina 158
0,95
: 1 = 0,95
120;0,975
= 1,9799
44,4336
121
= 198,4319; 214,4272

ANLISIS ESTADSTICO
Respuesta: El intervalo 198,4319; 214,4272 tiene un 95% de probabilidad de contener el tiempo

medio de trfico de los clientes del plan B.
14.2) Solucin: En seguida, debemos contrastar las siguientes hiptesis, para determinar si estas
muestras poseen varianzas poblacionales iguales o diferentes:
0 : 2 = 2
1 : 2 2
2
49,87922
= 2
=
= 1,2601
44,43362
1; 1;
La Regin Crtica:
= | <
120; 120; 0,025
1; 1; 1
1
= 0,697
120; 120; 0,975
1,4327
= 120; 120; 0,975 = 1,4327
>
120; 120; 0,025
120; 120; 0,975
= | < 0,697 > 1,4327
Continuando con el desarrollo del ejercicio, contrastamos las siguientes hiptesis:
0 : 30
1 : > 30
=
1 2 + 1 2
+ 2
=
120 44,43362 + 120 49,87922

= 47,235
121 + 121 2
=
206,4296 162,3140 30
47,235
1
121
= 2,3244
121

= | > ( ; 1 )
= + 2 = 240
= | > (240; 0,95)
Pgina 159

ANLISIS ESTADSTICO
Ya que este valor no se encuentra explcitamente en la tabla, tenemos que interpolar:

1,6499 1,6525 1,6525
=
300 200
240 200
0,0026 1,6525
=
100
40
0,0026 40
=
+ 1,6525
100
= 1,6515
(240; 0,95) = 1,6515
= | > (240; 0,95)
= | > 1,6515
con un 5% de significacin, es decir, se puede afirmar que la diferencia media de los tiempos de
trfico de los clientes del plan B con respecto a los clientes del plan A, supera los 30 minutos.
14.3) Solucin: Ya que el ejercicio nos entrega la cantidad de clientes, de cada plan, que evala
satisfactoriamente los servicios prestados por la empresa, podemos determinar las proporciones
respectivas de las muestras:
=
98
121
80
98 + 80
178
=
=
= 0,7355
121
121 + 121 242
Definimos las hiptesis a contrastar
0 : =
1 :
El estadstico de prueba est dado por:

=
98
121
80
121
0,7355 (0,2645)
1
121
= 2,6234
121
1 = 0,995 = 2,575
El Punto Crtico corresponde a:

= | < 1 > 1
2
= | < 2,575 > 2,575
Respuesta: Como , se llega a la conclusin que existe suficiente informacin para rechazar la
hiptesis nula con un 1% de significacin, o sea, el gerente de la empresa no se encontraba en lo
correcto cuando planteaba que el porcentaje de clientes que evala satisfactoriamente los servicios
prestados por la empresa es igual en ambos casos.
14.4) Solucin: Sea: = Tiempo trfico mensual de los clientes que han tomado el plan A, en min.
Con: = 162,31 ;
Pgina 160
2 = 2500; = 50

ANLISIS ESTADSTICO
0 : ~ (; 2 = 2500)
1 : ~ (; 2 = 2500)
Nota: Debido a que el ejercicio no nos entrega los grados de libertad se = 0,05
Luego, se crea una tabla con los intervalos que abarcan todos los nmeros del conjutno de los reales,
es decir, desde el al +, donde tambin se adiciona la frecuencia absoluta y la probabilidad de
cada uno de ellos:
1
<
60
60 100
13
100 140
32
140 180
30
180 220
27
220 260
19
60162,31
>
2,05; 1,25
1,25; 0,45
0,45; 0,35
0,35; 1,15
1,15; 1,95
260162,31
> 1,95
50
= 121
(2,05)
= 0,0202
1,25 2,05
= 0,1056 0,0202
0,45 1,25
= 0,3264 0,1056
0,35 0,45
= 0,6368 0,3264
1,15 0,35
= 0,8749 0,6368
1,95 1,15
= 0,9744 0,8749
1 1,95
= 1 0,9744
< 2,05
50
60 162,31 100 162,31

;
50
50
100 162,31 140 162,31
;
50
50
140 162,31 180 162,31
;
50
50
180 162,31 220 162,31
;
50
50
220 162,31 260 162,31
;
50
50
260

0,0202
2,44
0,0854
10,33
0,2208
26,72
0,3104
37,56
0,2381
28,81
0,0995
12,04
0,0256
3,1
121
En seguida, como se debe cumplir que > 5, se procede a modificar la tabla, lo que se lleva a cabo
sumando las dos primeras filas y las dos ltimas filas, quedando expresado de la siguiente forma:
13
32
30
27
19
= 121

0,3062
0,2208
0,3104
0,2381
0,1251
=1
=
12,77
26,72
37,56
28,81
15,14
= 121
Posteriormente, se aplica la frmula para calcular el estadstico de prueba:

2
13 12,77
12,77
32 26,72
26,72
2
30 37,56
37,56
>
2
1 ;
Con:
27 28,81
28,81
19 15,14
15,14
= 3,667
Adems, la regin crtica est definida de la siguiente forma:

= |
= 1
=
=
Debido a que ocupamos el estimador de la media, el valor de es igual a uno y el nmero de filas
despus de la modificacin es cinco, por lo tanto, reemplazando tenemos:
= |
>
2
1 ; 3
Pgina 161

ANLISIS ESTADSTICO
Ya que el valor del nivel de confianza no es entregado por el ejercicio, tenemos que interpolar para
determinarlo:
0,75 0,25 4,108 1,213
=
0,25
3,667 1,213
0,50
2,895
=
0,25 2,454
=
0,50 2,454
+ 0,25
2,895
= 0,69
1 = 0,69
Resultados:
2
Caso 1:
La hipotesis nula se rechaza si
Caso 2:
La hipotesis nula no se rechaza si
1 < 0,69 > 0,31

1 > 0,69 < 0,31
Considerando que el nivel de significacin debe ser el menor posible para que la estimacin sea
adecuada, por lo que es correcto elegir el caso 2, ya que as se cumple lo antes expuesto.
Respuesta: Ya que 2
1 > 0,69, es decir, no existe informacin suficiente para
rechazar la hipotesis nula, por lo tanto, el tiempo de trfico de los clientes del plan A se distribuye
normalmente con varianza igual a 2500 min2.
15.- En el mercado existen dos tipos de plsticos (A y B), los que son utilizados en la
fabricacin de diversos artculos. Una variable importante que se maneja es su tensin de
ruptura (en psi) y por lo tanto se ha diseado un experimento para medir la variable en ambos
tipos. Los resultados en 41 ensayos de plstico A fueron los siguientes:
Tensin de Ruptura
144 a 150
5
150 a 156
12
156 a 162
16
162 a 168
8
Por otro lado, en 25 ensayos realizados para registrar la tensin a la ruptura en el plstico B,
se obtuvo un promedio de 154 psi con desviacin estndar de 5,2 psi.
15.1) Considerando un nivel de significacin del 5% y la informacin que entregan los datos.
Hay evidencia suficiente para cuestionar lo especificado por el fabricante, quin
seala que el valor medio de la tensin a la ruptura del plstico A es de 155,5 psi?
15.2) El ingeniero de procesos tiene la sospecha que el plstico A tiene una tensin media a
la ruptura ms alta de lo que se observa para el plstico B. Admitiendo como vlidos
los supuestos de normalidad de las variables en estudio y considerando un niel de
significacin del 5% Qu puede concluir usted respecto de la sospecha del ingeniero
de procesos?
15.3) Con un nivel de significacin del 2,5% Muestran los datos la evidencia suficiente para
corroborar que efectivamente la distribucin de probabilidad de la tensin a la ruptura
del plstico tipo A es de tipo normal con media 155,5 psi y varianza 25 (psi) 2.
15.4) Con un 5% de nivel de significacin, es posible corroborar que ms de un 30% de las
unidades del plstico A presentan una tensin a la ruptura superior a 160 psi?
Pgina 162

ANLISIS ESTADSTICO
15.1) Solucin: Sea: = Tensin de ruptura del tipo de plsticos A, en psi; ~ ; 2

= Tensin de ruptura del tipo de plsticos B, en psi; ~ ; 2
1
144 150
150 156
156 162
162 168
147
153
159
165
5
12
16
8
= 41
Para :
= 156,95
= 5,63
= 41
Para :
= 154
= 5,2
= 25

0 : = 155,5
1 : 155,5
Luego, como desconocemos la varianza el estadstico de prueba se determina de la siguiente forma:
=
: = 41; = 156,95 ; = 5,63
156,95 155,5
5,63
= 1,65
41

= | <
1; 1
= | < (40; 0,975)
= | < 2,0211
Respuesta: Debido a que , no existe suficiente informacin para rechazar la hiptesis nula, es
decir, no hay evidencia suficiente para cuestionar lo especificado por el fabricante, el que seal que
el valor medio de la tensin a la ruptura del plstico A es de 155,5 psi, con un 5% de significacin.
15.2) Solucin: Debemos contrastar las siguientes hiptesis, para determinar si estas muestras
poseen varianzas poblacionales iguales o diferentes:
0 : 2 = 2
1 : 2 2
2
= 2
5,632
= 1,1722
5,22
1; 1;
La Regin Crtica:
= | <
40; 24; 0,025
1
= 0,4928
24; 40; 0,975
2,0069
= 40; 24; 0,975 = 2,1460
40; 24; 0,025
1; 1; 1
>
40; 24; 0,975
= | < 0,4928 > 2,1460
Pgina 163

ANLISIS ESTADSTICO
0 : =
1 : >

1 2 + 1 2
+ 2
41 1 5,632 + 25 1 5,22
= 5,4727 ; =
41 + 25 2
156,95 154
5,4727
1
41
= 2,1243
25

= | > ( ; 1 )
= | > (64; 0,95)
= + 2 = 64
= | > 1,6690
es decir, las sospechas del ingeniero de proceso estn en lo correcto, ya que por los resultados
obtenidos el plstico A tiene una tensin media a la ruptura ms alta de lo que se observa para el
plstico B.
15.3) Solucin: Las hiptesis a contrastar son (Con = 0,025):
0 : ~ ( = 155,5; 2 = 25)
1 : ~ ( = 155,5; 2 = 25)
Luego, como queremos probar que se distribuye normalmente, se crea una tabla con los intervalos
que abarcan todos los nmeros del conjunto de los reales, es decir, desde el al +, donde
tambin se adiciona la frecuencia absoluta y la probabilidad de cada uno de ellos:
1
144
144 150
150 156
12
156 162
16
162 168
168
= 41
Pgina 164

1
144 155,5
<
< 2,3
5
144 155,5 150 155,5
;
2,3; 1,1
5
5
150 155,5 156 155,5
;
1,1; 0,1
5
5
156 155,5 162 155,5
0,1; 1,3
;
5
5
162 155,5 168 155,5
1,3; 2,5
;
5
5
168 155,5
>
> 2,5
5

(2,3)
= 0,0107
1,1 2,3
= 0,1357 0,0107
0,1 1,1
= 0,5398 0,1357
1,3 0,1
= 0,9032 0,5398
2,5 1,3
= 0,9938 0,9032
1 2,5
= 1 0,9938
=
0,011
0,45
0,125
5,13
0,404
16,56
0,363
14,88
0,091
3,73
0,006
0,25
41

ANLISIS ESTADSTICO
En seguida, se sabe que cuando estamos haciendo bondad de ajuste se debe cumplir que > 5, por
lo tanto, se procede a modificar la tabla, lo que se lleva a cabo sumando las dos primeras filas y las
tres ltimas filas, quedando expresado de la siguiente forma:
5
12
24
= 41

0,136
0,368
0,496
=1
=
5,58
16,56
18,86
= 41

2
5 5,58
5,58
12 16,56
16,56
24 18,86
18,86
= 2,717

= |
>
2
1 ;
Con:
= 1
=
=
Debido a que no se utiliza ningn estimador, el valor de es igual a cero y el nmero de filas
despus de la modificacin corresponde a tres, por lo tanto, reemplazando tenemos:
= |
>
2
0,975;2
= |
> 7,378
Respuesta: Como , se concluye que no existe evidencia suficiente para rechazar que la
tensin a la ruptura del plstico tipo A se distribuye normalmente con una media de 155,5 psi y una
varianza de 25 psi2, con un nivel de significacin de 0,025.
15.4) Solucin: Sea: = Proporcin de las unidades del plstico A que presentan una tensin a la
ruptura superior a 160 psi
Estimaremos el valor de , lo que lo llevamos a cabo por medio de frmula de percentil, como se ve a
continuacin:
1
= 1 + 100
1
144 150
5
5
41
150 156
12
17
17
160 = 156 + 6 100
= 67,48%
156 162
16
33
16
162 168
8
41
= 41
100 67,48
=
= 0,3252
100
Luego, las hiptesis a contrastar son:
0 : = 0,3
1 : > 0,3
Pgina 165

ANLISIS ESTADSTICO
El estadstico de prueba est dado por:

0
=
0 0
0,3252 0,3

= | > 1
0,30,7
= 0,7266
41
= | > 0,95
= | > 1,645
Respuesta: Como , no existe suficiente informacin para rechazar la hiptesis nula con un 5%
de significacin, es decir, no se puede corroborar que ms de un 30% de las unidades del plstico
tipo A presentan una tensin a la ruptura superior a 160 psi.
16.- En un hospital, el nmero de nacimientos observados para cada mes de cierto ao, fueron
los siguientes:
Enero
95
Febrero
105
Julio
105
Agosto
110
Marzo
95
Septiembre
105
Abril
105
Mayo
90
Junio
95
Octubre
100
Noviembre
95
Diciembre
100
Si = , , Existe alguna razn para creer que el nmero de nacimietnos no se encuentra

distribuido en forma uniforme durante todo los meses del ao?
16) Solucin: Sea: = Mes en que ocurre el nacimiento en un hospital
Las hipotesis a contrastar son:
0 : ~ [1; 12]
1 : ~ [1; 12]
La frecuencia esperada se calcula con la siguiente frmula:

1
1
= = 1200 ; = =
12
= 100

2
2
95 100 2
105 100 2
95 100 2
105 100 2
90 100 2
95 100
=
+
+
+
+
+
100
100
100
100
100
100
105 100 2
110 100 2
105 100 2
100 100 2
95 100 2
100 100 2
+
+
+
+
+
+
=4
100
100
100
100
100
100

2
= | 2 > 1;
Con: 1 = 0,99;
= 1
=
=
Debido a que no ocupamos algn estimador, el valor de es igual a cero, por lo tanto, reemplazando
tenemos:
= | 2 > 20,99; 11
= | 2 > 24,725
Pgina 166

ANLISIS ESTADSTICO
Respuesta: Como 2 , por lo tanto no existe evidencia suficiente para rechazar la hipotesis
nula, es decir, se concluye que no existe razn para rechazar que el nmero de nacimientos se
encuentra distribuido en forma uniforme durante todo los meses del ao.
17.- El encargado de control de calidad de una empresa exportadora revis al azar un conjunto
de 700 cajas, registrando el nmero de unidades defectuosas encontradas en cada caja,
obteniendo la siguiente informacin:
N de defectuosos
N de cajas
542
140
10
Si histricamente la cantidad de defectuosos por caja, se ha comportado de acuerdo a un

modelo binomial de parmetros = y = , . Evale usted si la evidencia muestral
permite corroborar que la variable en cuestin persiste en comportarse de acuerdo al modelo
histrico, con nivel de significacin igual a 0,05.
17) Solucin: Sea: = Nmero de unidades defectuosas por caja
0 : ~ = 3; = 0,08
1 : ~ = 3; = 0,08
Con = 0,05
Luego, la probabilidad se determina de la siguiente manera, ya que se quiere probar si se distribuye

de forma binomial, como se ve a continuacin:

3
0,92 3 ; = 0,1,2,3
; = 0,1,2,3
=
= 0,08
0

0

3
0,08 0 0,92 3 = 0,7787
0
542
545,09
0
3
0,08 1 0,92 2 = 0,2031
1
140
142,17
1
3
0,08 2 0,92 1 = 0,0177
2
10
12,39
2
3
0,08 3 0,92 0 = 0,0005
3
8
0,35
3
= 700
1
700
En seguida, como se debe cumplir que > 5, se procede a modificar la tabla, lo que se hace
sumando las dos ltimas filas, como se muestra ahora:
542
140
18
= 700

0,7787
0,2031
0,0182
=1
=
545,09
142,17
12,74
= 700
Pgina 167

ANLISIS ESTADSTICO

2
542 545,09
545,09
140 142,17
142,17
18 12,74
12,74
= 2,2223

= |
Con: 1 = 0,95;
>
2
1;
= 1
=
=
Debido a que no ocupamos ningn estimador, el valor de es igual a cero, y el nmero de filas
despus de la modificacin es tres, por lo tanto, reemplazando tenemos:
= |
>
2
0,95;2
= |
> 5,991
Respuesta: Como 2 , en consecuencia no existe evidencia suficiente para rechazar que la

cantidad de defectuosos por caja sigue el modelo histrico, o sea, distribucin binomial con tamao
de la muestra 3, y probabilidad de xito igual a 0,08, con un nivel de significacin de 0,05.
18.- En una empresa de acuicultura se quiere hacer un estudio sobre el nivel de parsitos en la
produccin de doradas. Para ello, se tom una muestra de 5 individuos cada da, repitiendo el
experimento durante 550 das. De cada muestra se analizaron los pece s determinando cuantos
de ellos contenan parsitos. Se ajusta a un modelo de distribucin Binomial con 5% de
significacin?
= N de individuos con parsitos
Frecuencia Observada
18) Solucin: Sea:
0
17
1
81
2
152
3
180
4
104
5
16
= Nmero de individuos con parsitos
Luego, como el ejercicio no nos entrega el valor de , procedemos estimar el valor:

=
0 27 + 1 81 + 2 152 + 3 180 + 4 104 + 5 16 1421

=
=
= 2,584
550
550
Adems, de la tabla de distribuciones discretas sabemos que la media de la distribucin binomial est
dada por la siguiente frmula, teniendo cuidado con el es el nmero de veces que se repite el
experimento, es decir, en este caso toma el valor de 5:
= =
2,584
=
= 0,517

0 : ~ = 5; = 0,517
1 : ~ = 5; = 0,517
Con = 0,05
Pgina 168

ANLISIS ESTADSTICO
Luego, la probabilidad se determina de la siguiente manera, ya que se quiere probar si se distribuye

de forma binomial, como se ve a continuacin:

5
0,483 5 ; = 0,1,2, ,5
; = 0,1,2, ,5
=
= 0,517
0

0

17
81
152
180
104
16
5
0
5
1
5
2
5
3
5
4
5
5
= 550
0,483
= 0,026
=
14,3
0,483
= 0,141
77,55
0,517
0,483
= 0,301
165,55
0,517
0,483
= 0,322
177,1
0,517
0,483
= 0,173
95,15
0,517
0,483
= 0,037
20,35
0,517
0,517
=1
= 550
Ya que todos los sucesos cumplen con > 5, la tabla no se modifica.

2
17 14,3
14,3
81 77,55
77,55
152 165,55
165,55
2
180 177,1
177,1
104 95,15
95,15
16 20,35
20,35
= 3,573

2
= | 2 > 1;
Con: 1 = 0,95;
= 1
=
=
Debido a que utilizamos el estimador de , el valor de es igual a uno, y el nmero de filas es seis,
por lo tanto, reemplazando tenemos:
= | 2 > 20,95; 4
= | 2 > 9,488
Respuesta: Como 2 , en consecuencia no existe evidencia suficiente para rechazar la
hipotesis nula, es decir, el nmero de individuos con parsitos se distribuye en forma binomial, con un
nivel de significacin de 0,05.
19.- Se propone que el nmero de defectos en las tarjetas de circuito impreso sigue una
distribucin Poisson. Se rene una muestra aleatoria de 60 tarjetas de circuito impreso y se
observa el nmero de defectos. Los resultados obtenidos son los siguientes:
= Nmero de defectos
0
1
2
3 o ms
Frecuencias observadas
32
15
9
4
Pgina 169

ANLISIS ESTADSTICO
Evale si estos datos muestran suficiente evidencia para decir que provienen de una
distribucin Poisson, con un nivel de significacin igual a 0,05.
19) Solucin:
Sea: = Nmero de defectos en las tarjetas de circuito impreso
0 : ~ ()
1 : ~ ()
Ya que el ejercicio no nos entrega el valor de lambda, procedemos a estimarlo a partir de los datos
tabulados:
0 32 + 1 15 + 2 9 + 3 4 3
==
=
= = 0,75
60
4
Luego, la probabilidad se determina de la siguiente manera, ya que se quiere probar si tiene una
distribucin Poisson, como se ve a continuacin:

; = 0,1,2,
=
!
0

0,75 (0,75)
; = 0,1,2,
=
!
0

0,75
32
15
4
= 60
(0,75) 0
28,344
= 0,4724
0!
0,75 (0,75) 1
= 0,3543
1!
0,75 (0,75) 2
= 0,1329
2!
1 < 3 = 0,0404
=1
21,258
7,974
2,424
= 60
Puesto que la frecuencia esperada en la ltima celda es menor que 5, se combinan las dos ltimas
filas.
0
32
28,344
1
15
21,258
2
13
10,398
= 60
= 60
2
32 28,344
28,344
15 21,258
21,258
13 10,398
10,398
= 2,965

= |
Pgina 170
>
2
1;

ANLISIS ESTADSTICO
Con: 1 = 0,95;
= 1
=
=
Debido a que ocupamos el estimador , el valor de es igual a uno, y el nmero de filas despus de
la modificacin es tres, por lo tanto, reemplazando tenemos:
= |
>
2
0,95;1
= |
> 3,841
Respuesta: Como 2 , se concluye que no existe evidencia suficiente para rechazar que el
nmero de defectos en las tarjetas de circuito impreso sigue una distribucin Poisson.
Pgina 171
07. Intervalo confidencial, Test de Hiptesis y Bondad de Ajuste Ejercicios Propuestos

ANLISIS ESTADSTICO
1.- Las ventas diarias de una gran tienda comercial es una v.a. con distribucin aproximadamente
normal. Al seleccionar al azar 25 das, se observaron las ventas siguientes:
Ventas (millones $)
N de das
7
2
10
5
13
7
16
8
19
2
22
1
1.1) El gerente comercial de la tienda estim el promedio de las ventas diarias en 12 millones de
pesos. Mediante un intervalo de confianza del 95%, seale usted si la estimacin del gerente
se puede validar con la informacin muestral obtenida.
1.2) Estime la variabilidad de las ventas diarias, con un nivel de confianza del 95%.
2.- Un informe obtenido por la Direccin de Obras de cierta Municipalidad, sobre la base de una
muestra de 65 viviendas, report informacin respecto al dao causado por el terremoto de febrero
del ao 2010 en ellas.
El siguiente grfico muestra el resultado obtenido:
2.1) De acuerdo a la informacin disponible y considerando una confianza del 95%, estime la
proporcin de viviendas de la comuna que han sufrido dao grave.
2.2) En otra comuna se pretende realizar el mismo estudio, pero con un error de estimacin de
0,05 y una confianza del 95,44%. Cuntas viviendas de esa comuna deben ser
seleccionadas para realizar la estimacin, de la proporcin de viviendas con dao grave, si no
se tiene informacin respecto de los daos ocasionados por el terremoto, en esta comuna?
3.- Una constructora debe comprar una gran cantidad de acero, para una nueva obra. Analizando
este producto en el mercado se encontr que existan dos tipos de acero que cumplan con las
caractersticas de pureza que necesitaban: acero de alta pureza y acero comercial. Para tomar una
decisin se toma una muestra aleatoria de 31 especmenes de acero de alta pureza, la cual mostr
una resistencia media a la fractura de 60.6 kilos y una desviacin estndar de 1.2 kilos. En cambio al
tomar una muestra aleatoria de 41 especmenes del acero comercial, se obtuvo una resistencia
media a la fractura de 59.8 kilos y una desviacin estndar de 1.1 kilos.
Pgina 172

ANLISIS ESTADSTICO
3.1) El acero de alta pureza es ms caro que el acero comercial. La constructora est dispuesta a
asumir este costo siempre que la resistencia media a la ruptura del acero de alta pureza
supere a la resistencia media del acero comercial. Con un nivel de significacin de 0.1, Qu
decisin debera tomar la constructora?
3.2) Estime con un nivel de confianza del 95%, la varianza de la resistencia a la ruptura del acero
de alta pureza.
4.- Una industria desea instalar sus nuevas dependencias en cierta ciudad. La comisin nacional del
medio ambiente (CONAMA) exige que la cantidad media de partculas contaminante que se emite
diariamente en cierto proceso de combustin debe ser inferior a 10 ppm. Una vez instalada la
industria, se monitorea durante 30 das, escogidos al azar, registrndose una cantidad media de
partculas contaminantes de 8.7 ppm, y una desviacin estndar de 3.2 ppm
Con un nivel de significacin de 0.01, Concluira usted que la industria est cumpliendo con la
exigencia de CONAMA?
5.- A continuacin se presentan los sueldos anuales (en miles de dlares), de una muestra aleatoria
de 20 empleados de una gran Empresa.
X: sueldo anual del empleado a su ingreso a la Empresa; e
Y: sueldo anual del empleado al cabo de dos aos en esta Empresa,
Empleado
X
Y
1
27
57
2
19
40
3
12
21
4
13
22
5
21
45
6
14
32
7
19
36
8
10
22
9
13
28
10
14
24
11
17
30
12
12
28
13
14
28
14
17
35
15
14
27
16
15
41
17
14
46
18
14
42
19
12
26
20
15
39
5.1) Se puede concluir, con un nivel de significacin del 5%, que al cabo de dos aos el sueldo
medio anual de los empleados de esta Empresa aumenta en ms de 15 mil dlares?
5.2) Estime con un nivel de confianza del 99%, la proporcin de empleados de esta. Empresa que
al cabo de 2 aos aumentan sus ingresos anuales en ms de 20 mil dlares.
5.3) El estadstico de la Gerencia de Recursos Humanos de la Empresa, entreg al Gerente el
siguiente intervalo de confianza respecto de la proporcin de empleados de la Empresa que
aumentaron su ingreso anual al cabo de 2 aos, en ms de 20 mil dlares [0.141 ; 0.559]
Qu nivel de confianza utiliz este estadstico, para realizar la estimacin?
6.- En una empresa computacional dedicada a la fabricacin de memorias para P.C. el protocolo de
calidad establece los dos siguientes criterios:
A: Al menos el 95% de los circuitos fabricados de la memoria no debe tener ningn defecto.
B: El tiempo medio de acceso a una celda no debe superar los 100 ns.
El ltimo mes se ha realizado un muestreo de 400 circuitos, de los cuales 30 han presentado
defectos. En la muestra, los tiempos de acceso a una celda tienen una media de 105 ns. y una
desviacin estndar de 20 ns.
Suponiendo validos los supuestos necesarios
6.1) Los datos muestrales dan evidencias de que no se cumple el criterio A, con = 0,01, en el
ltimo mes?
Pgina 173

ANLISIS ESTADSTICO
6.2) Puede Ud. concluir que no se cumple el criterio B, con = 0,01, en el ltimo mes?
6.3) Para estimar el porcentaje de clientes que estaran dispuesto a adquirir un nuevo tipo de
memoria, la empresa realizara una encuesta. A cuntos clientes se debera encuestar, si no
existen antecedentes de estos clientes, si se desea una confianza del 98% y un error de
estimacin no superior a 0,01?
7.- Una lnea area internacional, est considerando pintar sus aviones con nuevos colores, sus
ingenieros afirman que pintar el exterior del avin afecta su velocidad de vuelo, reducindola en forma
significativa La empresa decide realizar una prueba y toma una muestra de 8 aviones de su flota y
registra la velocidad mxima en un vuelo corto, antes y despus de ser pintados:
Avin
Sin pintar
Con pintura
1
426.1
416.7
2
418.4
403.2
3
424.4
426.1
4
438.5
431.0
5
440.6
432.6
6
421.8
404.2
7
412.2
398.3
8
409.8
405.4

7.1) Realice una dcima que le permita verificar la afirmacin de los ingenieros, con un nivel de
significacin de 0.01.
7.2) En los aviones que fueron pintados, estime con un 95% de confianza la proporcin de aviones
que disminuyeron su velocidad mxima en por lo menos 10 nudos.
8.- El desbordamiento de un ro se mide por sus descargas (pies 3/seg). Se decide analizar el
comportamiento de dos ros de cierta zona, para lo cual se toman muestras de los desbordamientos
que han ocurrido en los ltimos aos, obtenindose:
Ro A:
Ro B:
= 11 = 5090 () = 2568.404
4710
1970
8220
4530
6560
7500
15000
6340
5780
15100
Si las descargas del ro se distribuyen en forma normal

8.1) Se puede afirmar que la descarga promedio del ro A difiere de la descarga promedio del ro
B, en 2000 (pies 3/seg), con = 0.05?
8.2) Si de estudios anteriores, se sabe que la desviacin tpica de las descargas que afectan al ro
A es de 2000
8.2.1) Construya un intervalo de confianza del 95%, para estimar la descarga promedio del ro A.
8.2.2) Cul debera ser el tamao de muestra, si se permite un error de estimacin igual a la
mitad del obtenido en el intervalo anterior y un nivel de confianza del 81.98%?
9.- Se est investigando el tiempo de secado de una pintura tapa poros. Suponiendo que dicho
tiempo se distribuye normal, se disea un experimento en que se mide el tiempo de secado de 10
paredes, de similares caractersticas, resultando un tiempo promedio de secado de la pintura de 121
minutos, con una desviacin estndar de 8.38 minutos.
9.1) Basndose en la evidencia presentada se puede afirmar, con un error tipo I igual a 0,05, que
el tiempo medio de secado es mayor a 115 minutos? A partir de qu nivel de significacin se
rechaza la hiptesis nula?
Pgina 174

ANLISIS ESTADSTICO
9.2) En estudios anteriores se obtuvo una desviacin estndar para el tiempo de secado de las
paredes igual a 8 minutos. Determine el tamao de muestra para estimar el tiempo medio de
secado, con una confianza del 99% y un error de estimacin no superior a 4,8577 minutos.
10.- Una Compaa fabrica propulsores para uno de sus motores de turbina. Una de las operaciones
consiste en esmerilar una superficie particular con una aleacin de titanio. Para esta operacin
pueden utilizarse dos procesos de esmerilado y se cree que ambos pueden producir partes que
tienen la misma rugosidad superficial.
El Ingeniero encargado selecciona una muestra aleatoria para cada uno de los procesos y registra la
rugosidad superficial en micropulgadas (mp), estas fueron:
Proceso I
Proceso II
3,2
4,2
4,6
4,6
5,3
3,8
4,9
3,5
4,4
4,0
5,6
4,3
5,0
4,4
4,5
3,9
10.1) La Compaa preferira utilizar el proceso I, pues es menos costoso de realizar, pero lo
seleccionar siempre que la variabilidad de la rugosidad, obtenida con este proceso, no son
superior a la obtenida con el proceso II.
Con un nivel de significacin del 5%, Qu procesos selecciona la Compaa?
10.2) Docime la hiptesis de que la rugosidad superficial promedio es la misma en ambos procesos.
Use = 0,05
10.3) Si la rugosidad de una superficie es superior a 4,4 micropulgadas, esta debe ser reprocesada.
Estime con un nivel de confianza del 90% el porcentaje de las superficies que sometidas al
proceso I deberan ser reprocesadas
11. En el mercado existe una gran variedad de cables elctricos de uso industrial. Dependiendo de su
uso, los compradores consideran entre otras variables: el nmero de barras de cobre que poseen, si
tienen capa protectora aislante y la corriente mxima que es capaz de soportar, en amperes. Para los
cables con capa protectora aislante y con cuatro barras de cobre se toma una muestra aleatoria,
obteniendo la siguiente informacin respecto a la corriente mxima que soportan.
Corriente mxima
26627 27289
27289 27951
27951 28613
28613 29275
29275 29937
N de cables
10
20
33
25
12

11.1) Estime, con un 99% de confianza, la varianza de la corriente mxima que soportan los cables
con capa protectora aislante con cuatro barras de cobre.
11.2) Los cables que soportan una corriente mxima inferior a 26958 amperes se consideran
defectuosos. Una empresa dedicada a la minera desea realizar una gran compra de este tipo
de cables, siempre que le demuestren que el porcentaje de cables no defectuosos es superior
al 90%. Con un nivel de significacin de 0.07. Realice una docima que le ayude a tomar una
decisin a la empresa.
Pgina 175

ANLISIS ESTADSTICO
12. En el mercado existe una gran variedad de cables elctricos de uso industrial. Dependiendo de su
uso los compradores consideran entre otras variables: el nmero de barras de cobre que pos een, si
tienen capa protectora aislante y su grosor. Se toman muestras aleatorias de cables con capa
protectora aislante que poseen cuatro y cinto barras de cobre y se mide el grosor de cada cable (en
mm), obtenindose:
N de cables
Con cinco barras
0
8
14
11
7
3
Grosor cables en mm
1,2 1,4
1,4 1,6
1,6 1,8
1,8 2,0
2,0 2,2
2,2 2,4
N de cables
Con cuatro barras
9
11
13
17
6
0

12.1) Una norma ISO exige un grosor entre 1,45 a 2,2 mm en los cables con cinco barras. Estime
con una confianza del 95% la proporcin de cables con cinco barras que cumplan con la
norma ISO.
12.2) Es posible concluir con 5% nivel de significacin, que el grosor medio de los cables en cinco
barras es superior al grosor medio de los cables con cuatro barras?
12.3) Se desea estimar el grosor medio de los cables con cuatro barras, con error de estimacin de
0,03 mm y una confianza de 90%, De qu tamao debe ser la muestra, si existen
antecedentes respecto de que la varianza poblacional de los cables es de 0,06 (mm) 2?
13.- Un operario (A) recibe 80 artculos defectuosos, de los cuales es capaz de identificar slo 10.
Otro operario (B) tambin recibe 80 unidades defectuosas, de las cuales identifica 15 correctamente.
Antes de la realizacin de esta prueba, se afirmaba que el operario B tiene mayor capacidad de
detectar unidades defectuosas.
13.1) Con esta informacin y un = 5%, cul sera su conclusin?
13.2) Cuntos artculos defectuosos debera revisar el operario A, para estimar con un nivel de
confianza del 90% y un margen de error no superior a un 4%, el porcentaje de artculos que es
capaz de identificar correctamente?
13.3) El tiempo promedio utilizado por el operario A en clasificar una unidad fue de 30 segundos con
una desviacin estndar de 6 segundos. Para el operario B, el tiempo promedio utilizado fue
de 25 segundos.
Existe una diferencia significativa entre los tiempos medios utilizados por estos operarios?
( = 1%)
(*) 14.- El ao 2012 se realiz un estudio sobre los costos operacionales anuales, en millones de
dlares, en empresas de dos rubros (A; B). Se tomaron muestras aleatorias de 15 empresas del rubro
A y 12 empresas del rubro B, obtenindose:
Rubro A
Rubro B
Pgina 176
5,3
3,5
4,4
4,5
2,8
4,1
7,5
3,6
4,5
5,2
4,2
4,6
3,9
2,9
5,3
4,0
2,7
4,7
8,2
5,5
3,9
2,9
4,2
5,9
5,2
4,4
6,2

ANLISIS ESTADSTICO

14.1) Estime con una confianza del 95% los costos operacionales de todas las empresas del rubro
A. Qu debera modificar usted para mejorar la precisin del intervalo, si se mantiene
constante el tamao de la muestra?. Justifique su respuesta.
14.2) Si se dispone de la informacin del ao 2012, Cul debe ser el m nimo tamao de muestra
necesario para estimar la proporcin de empresas del rubro B que generan costos
operacionales superiores a 5 millones de dlares anuales, si se considera un error mximo de
4% y una confianza del 98%?
14.3) La junta directiva de las empresas del rubro A est preocupada por las fluctuaciones de la
bolsa, que repercuten en las fluctuaciones de los costos operacionales. Histricamente la
varianza de los costos operacionales no supera los 3 (millones de dlares) 2, pero tienen la
sospecha que el ao 2012 s los supera. Qu puede usted concluir respecto de lo
sospechado, para el ao 2012, con un nivel de significacin del 5%?
14.4) Es correcto afirmar que los costos operacionales promedio de las empresas del rubro B son
significativamente inferiores a los de las empresas del rubro A? Utilice una significacin de
10%.
15.- Se utilizan dos mquinas diferentes de moldeo por inyeccin para la fabricacin de piezas de
plstico. Una pieza se considera defectuosa si tiene un encogimiento excesivo o si le falta color. Se
toman dos muestras aleatorias, cada una de de tamao 300, y se encuentran 15 piezas defectuosas
en la muestra de la mquina 1, mientras que slo ocho en la mquina 2.
Concluya con un nivel de significacin del 2% si la proporcin de piezas defectuosas producidas por
la mquina 2 es inferior a la producida por la mquina 1.
Recordar algunas frmulas: Para 0 : 1 2 = 0
=
1 2

1
1
~ 0,1
1 1 + 2 2
;
1 + 2
= < 1 > 1
2
16.- Para controlar las mediciones del ngulo de ruptura de la torsin de alambres de acero en dos
maquinas similares (I y II) se tomo una muestra de 10 pares de alambre, cada par del mismo tipo,
obtenindose los siguientes resultados:
Tipo de alambre
Maquina I (1)
Maquina II (2)
1
32
30
2
35
33
3
38
39
4
28
26
5
40
37
6
42
31
7
36
37
8
29
30
9
33
30
10
37
32
Existe evidencia estadstica, con un nivel de significacin del 5% que permita concluir que en las
maquinas I y II las mediciones del ngulo de ruptura promedio difieren?
17.- Un artculo publicado en el Journal of Strain Analysis (2003 Vol. 18 N 2) compara dos mtodos
para medir la resistencia al corte de vigas de placa de acero. Se toma una muestra aleatoria de nueve
vigas, y se mide en cada una de ellas la resistencia al corte, por el mtodo Karlsube y el mtodo
Lehigh, en Kp, obteniendo la siguiente informacin:
Pgina 177

ANLISIS ESTADSTICO
Viga
Karlsrube
Lehigh
1
1,18
1,16
2
1,15
1,25
3
1,32
1,30
4
1,34
1,33
5
1,20
1,18
6
1,40
1,31
7
1,37
1,34
8
1,54
1,59
9
1,56
1,45
Existe diferencia significativa, en la resistencia promedio al corte de las vigas, entre estos dos
mtodos? Utilice un nivel de significacin del 5%.
18.- A continuacin se presenta una muestra de 100 conductores electrnicos, a los cuales se les
midi su resistencia (X), en .
Resistencia (X)
Menos de 10
10 12
12 14
14 16
16 18
18 y ms
Total
N de conductores
11
18
24
21
16
10
100
100
= 1386
=1
100
2 = 20084
=1
18.1) Pruebe si la resistencia de los conductores elctricos tiene un comportamiento Normal con
media y varianza 7.84 (2 ), con un nivel de significacin igual a 0.05.
18.2) Estime con 95% de confianza la proporcin de conductores que tienen una resistencia
superior a 13
19.- El nmero de autos de lujo que vende diariamente cierta automotora (X), se modela mediante la
siguiente funcin:
2
= 6 ! = 1,2,3,4
0

Para analizar si este modelo ha cambiado, debido a la fuerte baja del dlar, se observan las ventas
realizadas durante 90 das tomados en forma aleatoria. Se obtuvo:
Nmero de autos vendidos (X)
1
2
3
4
Total
Nmero de das
25
34
22
9
90
Con un nivel de significacin del 5%, concluira usted que el modelo ha cambiado?
20.- Una racha de lluvias es un perodo de das consecutivos de lluvias donde el da inmediatamente
anterior a la racha es seco y el da inmediatamente posterior tambin es seco. Es importante el
estudio de la rachas de lluvias para la planificacin vial, estudios de la calidad de aire, entre otros. La
tabla siguiente presenta la distribucin de las rachas, segn N de das con lluvia hasta que llega el
ltimo da de lluvia en la racha.
Pgina 178

ANLISIS ESTADSTICO
1
2
3
4
5 y ms
Total
Nmero de rachas
194
101
66
30
26
417
Si la distribucin de probabilidades de : Nmero de das con lluvia hasta que llega el ltimo da de
lluvia en la racha se modela mediante una Distribucin Geomtrica, con parmetro p.
20.1) A partir de una muestra aleatoria de tamao n de , determine el Estimador Mximo Verosmil
para p, desconocido.
20.2) Pruebe, con un 5% nivel de significacin, que los datos de la muestra provienen de una
Distribucin de Probabilidad Geomtrica, con parmetro conocido p = 0,45.
21.- Una empresa de hardware que fabrica chips, todos los das realiza un control sobre su producto,
que consiste en revisar chips hasta encontrar dos defectuosos.
La persona encargada de este control afirma que el procedimiento se puede modelar mediante la
siguiente distribucin de probabilidad:
=
1
1
0,1
0,9
2;
= 2,3,4,5,6,7,8,9,

Para estar seguro decide tomar una muestra aleatoria de 280 das, la cual mostr los siguientes
resultados:
N de chips revisados
N de das
4 y menos
6
5
9
6
12
7
14
8 y ms
239
Basndose en la muestra y con un nivel de significacin de 0.025 Qu le respondera Ud. a la

empresa?
22.- La tabla siguiente muestra los registros de 300 das del control de calidad de los extintores de
cierta fbrica. Se tomaron diariamente al azar 4 extintores de la produccin diaria y se sometieron a
prueba, registrndose el nmero de extintores defectuosos (X).
Nmero de extintores defectuosos (X)
0
1
2
3
4
Total
N de das
233
57
7
2
1
300
Con un nivel de significacin del 5%, se puede afirmar que el nmero de extintores defectuosos se
distribuye segn el modelo Binomial?
Pgina 179

ANLISIS ESTADSTICO
23.- En la fabricacin de semiconductores, para quitar el silicio de la parte trasera de las placas, antes
de la metalizacin, se prueban dos sustancias qumicas A y B.
Para evaluar el tiempo de reaccin, en ms, se toma una muestra aleatoria de 25 placas tratadas con
la sustancia A, obteniendo un tiempo medio de reaccin de 10,5 ms y una desviacin estndar de 0,8
ms. En una muestra aleatoria de 49 placas tratadas con la sustancia B, se obtiene la siguiente
informacin:
Tiempo de reaccin sustancia B, en ms Nmero de placas
Menos de 8,0
2
8,0 9,3
8
9,3 10,6
19
10,6 11,9
16
11,9 y ms
4
Total
49
En que =10,38 ms
=1,1 ms

23.1) Aportan los datos de las muestras, suficiente evidencia para concluir que el tiempo medio de
reaccin de la sustancia A es superior al de la sustancia B, con un nivel de significacin del
5%?
23.2) Determine el tamao de muestra para estimar, con una confianza del 95% y un error de
estimacin igual a 0,06, la proporcin de placas tratadas con la sustancia B que reaccionan
antes de 9,5 ms.
23.3) Con = 0,05 Es posible concluir que el tiempo de reaccin de la sustancia B, es una variable
aleatoria proveniente de una distribucin distribuida ; 1,21 .
Pgina 180

ANLISIS ESTADSTICO
Soluciones: 07. Intervalo confidencial, Test de Hiptesis y Bondad de Ajuste

1.1) ()0,95 = [12,1916; 15,2484]
Respuesta: No se puede validar la estimacin del

gerente, debido a que la venta diaria estimada igual a 12
millones de pesos no se encuentra dentro del intervalo
1.2) ( 2 )0,95 = [8,3578; 26,5333]

2.1) ()0,95 = [0,7027 ; 0,8972]
2.2)
Respuesta: La cantidad de viviendas de esa comuna que deben ser seleccionadas para
realizar la estimacin son 400.
3.1) 0 : 2 = 2
2
= 0,5581
3.1)
; = 2 = 1,0909 ; (30;40;0,05)
2
2
1 :
(30;40;0,95) = 1,7444
0 : =
; = 1,1439;
1 : >
Resultado: Las varianzas

poblacionales son iguales.
= 2,9384
(70;0,90) = 1,2938
Respuesta: Existe informacin suficiente para rechazar la hiptesis nula, es decir, la

resistencia media a la ruptura del acero de alta pureza supera a la resistencia media del acero
comercial, por lo que la empresa est dispuesta a asumir el costo del acero dl acero de alta
pureza, con = 0,10
3.2) ( 2 )0,95 = [0,9196 ; 2,5728]
= 15,6272
4) : = 10
2) 0
;
1 : < 10 (29;0,99) = 2,4620
Respuesta: Existe informacin suficiente para

rechazar la hiptesis nula, se concluye que la industria
est cumpliendo con la exigencia de CONAMA.
5.1)
=
5.1) 0 : = 15
=2
;
1 : > 15 (19;0,95) = 1,7291

rechazar la hiptesis nula, por lo que el sueldo medio
anual de los empleados de esta Empresa no aumenta
en ms de 15 mil dlares, con = 0,05.
5.2) ()0,99 = [0,0754; 0,6246]

6.1)
4.1)
0 : 0,95
= 2,2942
;
1 : < 0,95 0,99 = 2,33
: 100
=5
6.2)
4.2) 0
;
1 : > 100 (399;0,99) 2,3357
5.3) Nivel de confianza igual al 95%

Respuesta: No existe informacin suficiente
para rechazar la hiptesis nula, es decir, los datos
muestrales dan evidencias de que no se cumple el
criterio A, con = 0,01, en el ltimo mes.
rechazar la hiptesis nula, es decir, podemos concluir
que no se cumple el criterio B, con = 0,01, en el ltimo
mes.
Pgina 181

ANLISIS ESTADSTICO
Respuesta: No existe informacin suficiente

para rechazar la hiptesis nula, por lo que es correcta la
afirmacin de los ingenieros, con un nivel de
significacin del 1%.
=
5.1) : = 0
= 4,1925
7.1) 0
;
1 : > 0 (7;0,99) = 2,9980
7.2) ()0,95 = [0,0395 ; 0,7105]
= 3,7790
2
8.1) 0 : 2 = 2
6.1)
;
=
= 2,8103 ; (9;10;0,975)
2
1 : 2 2
(10;9;0,025) = 0,2646

= 2,8607
0 : = 2000
; 15 ;
1 : 2000
(15;0,975) = 2,1315
Respuesta: Existe informacin suficiente para rechazar la hiptesis nula, es decir, no se
puede afirmar que la descarga promedio del ro A difiere de la descarga promedio del ro B, en
2000 (pies 3/seg), con = 0.05
8.2.1) ( )0,95 = [3908,076 ; 6271,924]
9.1) 0 : = 115
= 2,2642
;
1 : > 115
(9;0,95) = 1,8331
9.2)
8.2.2) = 590,962 ; 0,9099 = 1,34 ; 21
Respuesta: No se puede afirmar, con = 0,05,

que el tiempo medio de secado es mayor a 115 minutos,
adems se rechaza la hiptesis nula a partir de = 0,025.
Respuesta: El tamao de la muestra debe ser de 18 muros.
10.1) 0 : 2 2
2
;
=
= 4,1507 ; (7;7;0,95) = 3,7870
2
1 : 2 > 2
Respuesta: Existe informacin suficiente para rechazar la hiptesis nula, por lo que la
Compaa seleccionar el proceso II.
10.2) 0 : 2 = 2
2
(7;7;0,975) ) = 4,9949
;
=
2 = 4,1507 ;
2
2
1 :
(7;7;0,025) = 0,2002

= 2,099
0 : =
; = 0,5717 ;
1 :
(14;0,975) = 2,1448
Respuesta: No existe informacin suficiente para rechazar la hiptesis nula, es decir, se
concluye con un 5% de significacin que la rugosidad superficial promedio es la misma en ambos
procesos
10.3) ()0,90 = [0,4981 ; 1,0018]
8.1) ( 2 )0,99 = [548,829 ; 1138,644]
11.1)
Pgina 182

ANLISIS ESTADSTICO
Respuesta: No existe informacin suficiente para

rechazar la hiptesis nula, es decir, se demuestra que el
porcentaje de cables no defectuosos no es superior al 90%,
con = 0.07
11.2) 0 : 0,90
= 1,667
8.2)
;
1 : > 0,90 0,93 = 1,475
12.1) ()0,95 = [0,7879 ; 0,9795]

12.2) 0 : 2 = 2
2
(55;42;0,975) 1,8178
;
=
2 = 1,1605 ;
2
2
1 :
(55;42;0,025) 0,5645

0 : =
= 2,4238
; = 0,2460 ;
1 :
(97;0,95) = 1,6607
concluye con un 5% de significacin que el grosor medio de los cables con cinco barras es
superior al grosor medio de los cables de cuatro barras.
12.3)
Respuesta: El tamao de la muestra de cables deben ser de 181.

Respuesta: La afirmacin no es correcta, ya
que ambos operarios tienen igual capacidad para
detectar los artculos defectuosos.
13.1) 0 : = ; = 1,0887
0,95 = 1,645
1 : >
13.2)
Respuesta: El Operario A debera revisar 185 artculos defectuosos como mnimo.
13.3) 0 : 2 = 2
1,8096
2
; = 2 = 1,44 ; (79;79;0,995)
2
2
1 :
(79;79;0,005) 0,5526

0 : =
= 5,7259
; = 5,5227 ;
1 :
(158;0,995) 2,6090
Respuesta: Existe informacin suficiente para rechazar la hiptesis nula, es decir, existe
una diferencia significativa entre los tiempos medios utilizados por los operarios A y B, con =
0.01
14.1) ( )0,95 = [4,002 ; 5,692]
14.2)
Respuesta: Para mejorar la precisin del intervalo se debe

aumentar el nivel de confianza.
Respuesta: El mnimo tamao de la muestra de empresas del rubro B debe ser 637
14.3) 0 : 2 3
;
1 : 2 > 3
= 10,8672
2
(14; 095) = 23,685
Respuesta: No existe informacin suficiente para

rechazar la hiptesis nula, por lo que la varianza de los
costos no superarn los 3 (millones de dlares) 2, es decir,
la sospecha es incorrecta, con = 0,05.
Pgina 183

ANLISIS ESTADSTICO
2
2
2
14.4) 0 : = ; = 2 = 2,4924 ; (14;11;0,95) = 2,7383
2
2
1 :
(14;11;0,05) = 0,3898

= 1,112
0 : =
; = 1,3096 ;
1 : >
(25;0,90) = 1,3163
Respuesta: No existe informacin suficiente para rechazar la hiptesis nula, es decir,
los costos operacionales promedios de las empresas del rubro B no son significativamente
inferiores a los de las empresas del rubro A, con = 0,10
= 1,4641
15) 0 : 1 = 2
; = 0,0385 ;
1 : 1 > 2
0,98 = 2,055
Respuesta: No existe informacin suficiente para rechazar la hiptesis nula, por lo que
la proporcin de piezas defectuosas producidas por la mquina 2 no es inferior a la producida por
la mquina 1, con un nivel de significacin del 2%.
con = 0,10
= 3,7790
2
16) 0 : 1 2 = 2 2
10)
; = 12 = 1,2696 ; (9;9;0,975)
2
2
2
1 : 1 2
(9;9;0,025) = 0,2646
0 : = 0
;
1 : 0
= 1,3006
(18;0,975) = 2,1009
= 4,298;

puede concluir que en las maquinas I y II las mediciones del ngulo de ruptura promedio no
difieren, con = 0.05
= 0,7828
: =0
17)
3) 0
;
1 : 0 (8;0,975) = 2,3060
18.1)

rechazar la hiptesis nula, por lo que se concluye que existe
diferencia significativa en la resistencia promedio al corte de
las vigas, entre estos dos mtodos
2
0 : ~ (; 2 = 7,84)
;
1 : ~ (; 2 = 7,84)
= 6,078
= 9,488
2
(0,95; 4)
Respuesta: 2 No existe informacin suficiente para rechazar la hiptesis nula, es decir,

se puede concluir que la resistencia de los conductores elctricos tiene un comportamiento Normal
con media y varianza 7.84 (2 ), con un nivel de significacin igual a 0.05.
18.2) ()0,95 = [0,4936 ; 0,6864]
19) 0 : ~
1 2.
;
1 : ~
= 1,667
= 7,815
2
(0,95; 3)

se puede concluir que el modelo no ha cambiado, con un nivel de significacin igual a 0.05.
Pgina 184

ANLISIS ESTADSTICO
20.1) =
20.2) 0 : ~ ( = 0,45)
1. 2)
;
1 : ~ ( = 0,45)
= 5,6897
2
(0,95; 4)
= 9,488

los das con lluvia hasta que llega el ltimo da de lluvia en la racha se distribuye geomtricamente
con p = 0,45, con un nivel de significacin igual a 0.05.
: ~
121)
2. 0
;
1 : ~
= 7,7384
= 11,143
2
(0,975; 4)

efectivamente el procedimiento se modela mediante el modelo dado por el encargado que realiza
el control, con un nivel de significacin de 0,025
n igual a 0.05.
22) 0 : ~ ( = 4; = 0,068);
1 : ~ ( = 4; = 0,068)
= 2,2032
= 3,841
2
(0,95; 1)
Respuesta: 2 No existe informacin suficiente para rechazar la hiptesis nula, por lo

que se puede afirmar que el nmero de extintores defectuosos, se distribuye segn el modelo
Binomial, con un nivel de significacin de 0,05
2 = 2
n igual
:a0.05.
2
(48;24;0,025) = 0,5143
23.1)
10) 0 2
;
=
2 = 1,375 ;
2
1 :
(48;24;0,975) = 2,1130
0 : =
;
1 : >
= 1,001;

= 0,4878
(72;0,95) = 1,6663

puede concluir que el tiempo medio de reaccin de la sustancia A es superior al de la sustancia B,
con un nivel de significacin del 5%
23.2)
Respuesta: El tamao de la muestra de sustancias B debe ser de 208.
2
23.3) 0 : ~ (; = 1,21);
2
1 : ~ (; = 1,21)
= 1,4597
= 3,841
2
(0,95; 1)

se puede concluir que el tiempo de reaccin de la sustancia B se distribuye normalmente con
media y varianza 1,21 (2 ), con un nivel de significacin igual a 0.05.
Pgina 185
8.- Regresin y Correlacin Lineal Simple

Estimacin de los parmetros de Modelo de Regresin
Prueba de Hiptesis e Intervalos de Confianza
Coeficiente de Determinacin (R2 )
Aplicaciones
08. Regresin y correlacin lineal simple Ejercicios Resueltos

ANLISIS ESTDISTICO
1. En la produccin de herramientas, el mtodo para deformar acero a temperatura normal

mantiene una relacin lineal con la dureza del mismo ya que, a medida que la deformacin
crece, se ve afectada la dureza del acero. Para investigar esta relacin se evaluaron 12
muestras de acero, los resultados obtenidos se muestran a continuacin:
Muestra
Deformacin (en mm)
Dureza Brinell (en
kg/mm2)
1
6
68
2
9
67
3
10
66
4
11
53
5
13
52
6
15
50
7
18
48
8
22
44
9
26
40
10
28
37
11
33
34
12
35
32
Suponiendo validos los supuestos necesarios, estime con 90% de confianza, la dureza Brinell
media del acero, cuando la deformacin del acero es de 26 mm.
1) Solucin: Sean: = Deformacin, en mm; = Dureza Brinell, en kg/mm 2
= 0 + 1 0 = 72,407; 1 = 1,229 = 72,407 1,229
La frmula para determinar el intervalo confidencial:
( . )1 = 0 + 1
2;
1
2
1
+
2
2
Con: = 26; 1 = 0,90; = 12; = 9,8057; = 12,6644; = 18,8333

. =
1
12 1
2 1 2 2 =
12,66442 1,2292 9,80572 = 4,0830
2
12 2
= 26 18,8333
.
0,90
= 51,3616 ;
= 72,407 1,229 26
10;0,95
= 1,8125;
= 1 2 = 11 9,80572 = 1057,6693
10;0,95
0,90
4,0830
1
51,3616
+
12 1057,6693
= [37,7654; 43,1406]
Respuesta: El intervalo [37,7654; 43,1406] contiene la dureza Brinell media del acero, cuando la
deformacin del acero es de 26 mm, con un 90% de confianza.
2. En la produccin de herramientas, el mtodo para deformar acero a temperatura normal
mantiene una relacin lineal con la dureza del mismo ya que, a medida que la deformacin
crece, se ve afectada la dureza del acero. Para investigar esta relacin se evaluaron 12
muestras de acero, los resultados obtenidos se muestran a continuacin:
Muestra
Deformacin (en mm)
1
6
2
9
3
10
4
12
5
14
6
15
7
18
8
22
9
26
10
28
11
33
12
35
Dureza Brinell (en kg/mm2) 70
68
66
55
52
50
48
44
40
37
35
30
Suponiendo validos los supuestos necesarios, estime con 95% de confianza, la dureza Brinell
media del acero, cuando la deformacin del acero es de 33 mm.
Pgina 182

ANLISIS ESTDISTICO
2) Solucin: Sean: = Deformacin, en mm; = Dureza Brinell, en kg/mm 2

= 0 + 1 0 = 74,6589; 1 = 1,3198 = 74,6589 1,3198
( . )1 = 0 + 1
2;
1
2
2
2
1
+
Con: = 33; 1 = 0,95; = 12; = 9,6859; = 13,2833; = 19

. =

1
2 1 2 2 =
2
= 33 19
= 196 ;
12 1
13,28332 1,31982 9,68592 = 3,7858
12 2

= 1 2 = 11 9,68592 = 1031,9832
= 74,6589 1,3198 33
0,90

10;0,975
= 2,2281;
10;0,975
0,95
3,7858
1
196
+
12 1031,9832
= [26,6961; 35,5149]
Respuesta: El intervalo [26,6961; 35,5149] contiene la dureza Brinell media del acero, cuando la
deformacin del acero es de 33 mm, con un 95% de confianza.
3. Se ha encontrado la siguiente informacin entre la concentracin de cierta sustancia,
expresada en porcentaje, y la lectura en el colormetro, para una muestra aleatoria de tamao
6.
CONCENTRACIN (X)
LECTURA (Y)
4
80
5
170
6
260
7
330
8
390
9
430
Bajo el supuesto que existe una relacin lineal entre las variables. Encuentre un intervalo
con una confianza del 95%, para estimar la lectura promedio en el colormetro de todas las
sustancias que tengan una concentracin de 5.5 por ciento.
3) Solucin: Sea: = Concentracin, en porcentaje; = Lectura en el colormetro
= 0 + 1
0 = 138,9048; 1 = 70,8571 = 138,9048 + 70,8571

( . )1 = 0 + 1
2;
1
2
1
+
2
2
Con: = 5,5; 1 = 0,95; = 6; = 1,8708; = 133,8158; = 6,5

Pgina 183

ANLISIS ESTDISTICO
. =

1
6 1
2 1 2 2 =
133,81582 70,85712 1,87082 = 20,4529
2
6 2
2=
5,5 6,5
0,95
2=
1 ;
= 1 2 = 5 1,87082 = 17,4995
= 138,9048 + 70,8571 5,5
= 2,7764;
4;0,975
4;0,975
0,95
20,4529
1
1
+
6 17,4995
= [223,9448; 277,6737]
Respuesta: El intervalo [223,9448; 277,6737] contiene la lectura promedio en el colormetro de las

sustancias que tengan una concentracin de 5,5%, con una confianza del 95%.
4. Se ha encontrado la siguiente informacin entre la concentracin de cierta sustancia,
expresada en porcentaje, y la lectura en el colormetro, para una muestra aleatoria de tamao
8.
CONCENTRACIN (X)
LECTURA (Y)
4
80
5
170
5
200
6
260
7
330
7
334
8
390
9
430
Bajo el supuesto que existe una relacin lineal entre las variables. Encuentre un intervalo con
una confianza del 95%, para estimar la lectura en el colormetro de todas las sustancias que
tengan una concentracin de 6.5 por ciento.
4) Solucin: Sean: = Concentracin, en porcentaje; = Lectura en el colormetro
= 0 + 1
0 = 168,7925; 1 = 69,4969 = 168,7925 + 69,4969

()1 = 0 + 1
2; 1
2
1
1+ +
2
2
Con: = 6,5; 1 = 0,95; = 8; = 1,6850; = 118,7142; = 6,375

. =
1
8 1
2 1 2 2 =
118,71422 69,49692 1,68502 = 21,0588
2
8 2
= 6,5 6,375
0,95
= 0,0156 ;
= 168,7925 + 69,4969 6,5

6;0,975
= 2,4469;
= 1 2 = 7 1,68502 = 19,8746
6;0,975
0,95
1 0,0156
21,0588 1 + +
8 19,8746
= [228,2638; 337,6109]
Respuesta: El intervalo [228,2638; 337,6109] contiene la lectura en el colormetro de todas las

sustancias que tengan una concentracin de 6,5%, con una confianza del 95%.
Pgina 184

ANLISIS ESTDISTICO
5. Se desea estudiar si la resistencia de una mezcla de cemento es explicada por el nmero de

das de frage de dicha mezcla. Para ello se tom una muestra de 12 mezclas, obtenindose la
siguiente informacin.
Mezcla
Das de frage
Resistencia
1
1
13
2
3
4
5
6
7
8
9
10
2
3
7
2
3
7
7
3
2
21,9 29,8 32,4 24,5 24,2 30,4 34,5 26,2 24,5
11
1
13
12
10
42,6
Suponiendo validos los supuestos necesarios Es posible concluir que existe una relacin
lineal directa entre las variables en estudio, con un 5% de nivel de significacin?
5) Solucin: Sean: = Nmero de das de frage; = Resistencia de una mezcla de cemento
Debemos contrastar las siguientes hiptesis, para determinar si estas muestras estn relacionadas
linealmente:
0 : = 0
1 : 0
: = 0,9027; = 12
2
0,9027 12 2
=
=
= 6,6344
1 2
1 0,90272
La Regin Crtica ( = 0,05):
= | <
2; 1
>
2; 1
= | <
10; 0,975
>
10; 0,975
= | < 2,2281 > 2,2281
es decir, existe una relacin lineal directa entre las variables en estudio, con = 0,05.
6. Se desea estudiar si la resistencia de una mezcla de cemento es explicada por el nmero de
das de frage de dicha mezcla. Para ello se tom una muestra de 10 mezclas, obtenindose la
siguiente informacin.
Mezcla
Das de frage
Resistencia
1
1
13
2
2
21,9
3
3
29,8
4
7
32,4
5
2
24,5
6
3
24,2
7
7
30,4
8
7
34,5
9
3
26,2
10
2
24,5
Suponiendo validos los supuestos necesarios Es posible concluir que existe una relacin
lineal directa entre las variables en estudio, con un 5% de nivel de significacin?
6) Solucin: Sean: = Nmero de das de frage; = Resistencia de una mezcla de cemento
Debemos contrastar las siguientes hiptesis, para determinar si estas muestras estn relacionadas
linealmente:
0 : = 0
1 : 0
: = 0,9027; = 10
Pgina 185

ANLISIS ESTDISTICO

2
0,8371 10 2
=
=
= 4,3281
2
1
1 0,83712
La Regin Crtica ( = 0,05):
= | <
>
2; 1 2
= | <
2; 1 2
8; 0,975
>
8; 0,975
= | < 2,3060 > 2,3060
es decir, existe una relacin lineal directa entre las variables en estudio, con = 0,05.
7. Los datos que se presentan a continuacin muestran el contenido de carbono (%) y la
resistencia a la traccin de cierto tipo de barra de acero
Barra
Carbono (%)
Resistencia
1
2,0
43
2
2,4
46
3
2,2
45
4
2,3
44
5
2,5
45
6
2,8
48
7
2,2
43
8
2,7
47
9
2,4
44
10
2,3
45
11
2,0
42
12
2,2
44
En base a informacin obtenida, y suponiendo validos los supuestos necesarios:

7.1) Estime la ecuacin de regresin lineal que permita predecir la resistencia a la traccin
de las barras de este tipo de acero a partir del contenido de carbono.
7.2) Es posible concluir con 5% de nivel significacin que el contenido de carbono de las
barras de este tipo de acero se asocia linealmente con la resistencia a la traccin?
7.1) Solucin: Sean: = Contenido de carbono, en porcentaje; = Resistencia a la traccin
= 0 + 1
0 = 29,85; 1 = 6,35 = 29,85 + 6,35
7.2) Solucin: Las hiptesis que nos interesan contrastar son:

0 : = 0
1 : 0
2
=
1 2
0,9071 12 2
1 0,90712
Con: = 12; = 0,9071
= 6,8149

= | <
2; 1
>
2; 1
= | <
10; 0,975
>
10; 0,975
= | < 2,2281 > 2,2281

Respuesta: Como , no se rechaza la hiptesis nula, es decir, con 5% de significacin, existe
asociacin lineal entre el contenido de carbono de las barras de este tipo y la resistencia a traccin.
Pgina 186

ANLISIS ESTDISTICO
8. Los datos que se presentan a continuacin muestran el contenido de carbono (%) y la

resistencia a la traccin de cierto tipo de barra de acero
Barra
Carbono (%)
Resistencia
1
2,4
46
2
2,2
45
3
2,3
44
4
2,5
45
5
2,8
48
6
2,2
43
7
2,7
47
8
2,4
44
9
2,3
45
10
2,0
42

8.1) Estime la ecuacin de regresin lineal que permita predecir la resistencia a la traccin
de las barras de este tipo de acero a partir del contenido de carbono.
8.2) Es posible concluir con 10% de nivel significacin que el contenido de carbono de las
barras de este tipo de acero se asocia linealmente con la resistencia a la traccin?
8.1) Solucin: Sean: = Contenido de carbono, en porcentaje; = Resistencia a la traccin
= 0 + 1 0 = 28,85; 1 = 6,74 = 28,85 + 6,74
8.2) Solucin: Las hiptesis que nos interesan contrastar son:
0 : = 0
1 : 0
Con: = 10; = 0,9012

=
2
1
0,9012 10 2
1 0,90122
= 5,88

= | <
2; 1
>
2; 1
= | <
8; 0,95
>
8; 0,95
= | < 1,8595 > 1,8595

Respuesta: Como , se rechaza la hiptesis nula, es decir, con 10% de significacin, no existe
asociacin lineal entre el contenido de carbono de las barras de este tipo y la resistencia a traccin.
Pgina 187
08. Regresin y Correlacin Lineal Simple Ejercicios Propuestos

ANLISIS ESTDISTICO
1.- En una muestra aleatoria de 12 operarios, que realizan horas extras, durante un mismo mes, con
el propsito de mejorar su productividad, respecto de la cantidad (X) de horas extras en el mes y el
total de unidades (Y) elaboradas por el operario en dicho mes, se obtuvo la siguiente informacin:
X: N de hrs. extras
Y: Unid. Elaboradas
1.1)
1.2)
1.3)
8
23
8
24
9
25
8
20
9
26
12
27
10
25
11
26
12
25
13
26
12
26
8
18
Encuentre la recta de regresin estimada. Interprete en el contexto del problema el intercepto

y la pendiente.
Con un nivel de significacin del 5%, permiten los datos concluir que la productividad
mensual se asocia linealmente con la cantidad de horas extras?
Construya un intervalo con un 95% de confianza para estimar la cantidad media de unidades
mensuales elaboradas por los operarios que realizan 12 horas extras en el mes.
2.- Para el apoyo de su gran flotilla, cierta lnea area mantiene un inventario de refacciones extenso.
El nmero de alerones necesarios en inventario para reemplazar los daados cada mes depende en
parte del nmero de horas de vuelo de la flota ese mes, puesto que el incremento del uso aumenta
las posibilidades de dao.
Los siguientes datos corresponden al nmero (X) de miles de horas de vuelo de la flotilla completa y
al nmero (Y) de alerones necesarios, en cada uno de los meses recientes.
X: Horas de vuelo (miles)
Y: N alerones necesarios
2.1)
2.2)
2.3)
162
12
149
9
185
13
171
14
138
10
154
11
Encuentre la ecuacin de regresin lineal. Interprete cada uno de los coeficientes encontrados
Construir e interpretar un intervalo de confianza para la pendiente, con una confianza del 95%.
Interprete el resultado
Encontrar el porcentaje de la variacin de la cantidad de alerones necesarios en inventario
que no es explicado por el nmero mensual de horas de vuelo
3.- Los datos de la produccin de trigo en toneladas (X) y el precio del kilo de harina en pesetas (Y)
en la dcada de los 80 en Espaa fueron:
Produccin de trigo
Precio de la harina
30
25
28
30
32
27
25
40
25
42
25
40
22
50
24
45
35
30
40
25
Suponiendo validos los supuestos necesarios, estime con 90% de confianza, el precio medio de la
harina, cuando la produccin de trigo es de 18 toneladas.
4.- De una determinada empresa textil se conocen los siguientes datos, los que corresponden al
volumen de ventas (Y), en millones de dlares, y al gasto en publicidad (X), en miles de dlares, en
los ltimos 7 aos:
Volumen de ventas
Gastos Publicidad
Pgina 188
10
16
15
32
20
48
22
56
30
64
32
80
36
87

ANLISIS ESTDISTICO
Suponiendo validos los supuestos necesarios, estime con un 5% de significacin, el volumen de

ventas de la empresa textil en un ao, cuando se gasta en publicidad 60000 dlares.
5.- La Organizacin Mundial de la Salud (OMS) realiz un estudio en algunos pases desarrollados,
donde se registro el consumo anual de vino, en litros por habitante, y el nmero de muertes por
enfermedades cardacas por 100.000 habitantes.
Pas
Consumo
anual de
vino
Australia
Austria
Blgica
Canad
Dinamarca
Finlandia
Francia
Islandia
Irlanda
Italia
2,5
3,9
2,9
2,4
2,9
0,8
9,1
0,8
0,7
7,9
5.1)
5.2)
5.3)
Nmero de
muertes por
enfermedades
cardiacas
211
167
188
191
190
247
71
250
243
93
Pas
Consumo
anual de
vino
Pases Bajos
Nueva Zelanda
Noruega
Espaa
Suecia
Suiza
Reino Unido
Estados Unidos
Alemania
1,8
1,9
0,8
6,5
1,6
5,8
1,3
1,2
2,7
Nmero de
muertes por
enfermedades
cardiacas
213
214
227
109
207
115
222
227
186
Encuentre la recta de regresin estimada. Interprete en el contexto del problema el intercepto

y la pendiente.
Es posible afirmar que a mayor consumo de vino menor nmero de muertes por enfermedad
cardiaca?
Encuentre un intervalo con una confianza del 95%, para estimar el nmero de muertes por
enfermedades cardacas por 100.000 habitantes de un pas que tenga un consumo de 2,2
litros anuales de vino.
6.- Se ha solicitado a un grupo de 50 individuos informacin sobre el nmero de horas que dedican
diariamente a dormir y ver la televisin. La clasificacin de las respuestas ha permitido elaborar la
siente tabla:
N de horas dormidas
N de horas de televisin
Frecuencias absolutas
6
4
3
7
3
16
8
3
20
9
2
10
10
1
1
6.1) Encuentre la recta de regresin estimada. Interprete en el contexto del problema el intercepto
y la pendiente.
6.2) Es posible concluir que existe una relacin lineal directa entre las variables en estudio, con
un 10% de nivel de significacin?
6.3) Bajo el supuesto que existe una relacin lineal entre las variables. Encuentre un intervalo con
una confianza del 95%, para estimar el nmero de horas que ve televisin un individuo, el cual
duerme ocho horas y media.
Pgina 189

ANLISIS ESTDISTICO
7.- Se realiz un experimento con 10 ladrillos de cierto tipo, para determinar la densidad resultante y
su resistencia a la ruptura, obteniendo la siguiente informacin:
Densidad
Resistencia a la ruptura
21,1
170
21,3
190
21,6
210
21,15
185
21,4
205
21,2
185
21,38
198
21,42
203
21,35
195
21,8
220

7.1) Estime la ecuacin de regresin lineal que permita predecir la resistencia a la ruptura de un
ladrillo a partir de la densidad resultante.
7.2) Es posible concluir que existe una relacin lineal directa entre las variables en estudio, con un
10% de nivel de significacin?
8.- En un macizo rocoso fracturado se quiere excavar un talud de 150 (m) de altura e inclinacin de
50, el macizo rocoso est compuesto por areniscas con un GSI de 25, de donde se obtienen valores
de los esfuerzos principales (3 y 1) a partir de la envolvente de falla de Hoek and Brown, los cuales
se muestran a continuacin:
3 (Mpa)
0
1
2
3
4
1 (Mpa)
0,83
10,37
15,22
19,18
22,68

8.1) Encuentre la recta de regresin estimada. Interprete en el contexto del problema el intercepto
y la pendiente.
9.- Se ha realizado un ensayo de resistencia en compresin uniaxial con deformacin sobre una
probeta de roca intacta, basndose en la Norma internacional ASTM D5731. Donde se registraron
las deformaciones axiales (Y), en , adems de la carga ejercida (X), en KN, de 7 probetas del tipo
Bq, los cuales se muestran a continuacin:
Carga
Def. Axial
15,8
111
18,4
187
20,4
254
22,1
315
16,4
127
23,5
363
25,7
450

9.2) Encontrar el porcentaje de la variacin de las deformaciones axiales que no son explicados por
la carga ejercida sobre la probeta.
9.3) Bajo el supuesto que existe una relacin lineal entre las variables. Encuentre un intervalo con
una confianza del 95%, para estimar la deformacin de todas las probetas que sean sometidas
a una carga de 17,6 KN.
Pgina 190

ANLISIS ESTDISTICO
Soluciones: 08. Regresin y Correlacin Lineal Simple

1.1) = 0 + 1
0 = 14,5; 1 = 0,975 = 14,5 + 0,975
Respuesta: 0 = 14,5, significa que cuando el operario no realiza horas extras, el nmero
estimado de unidades elaboradas en el mes sera 14,5 unidades , por otro lado, 1 = 0,975,
representa que por cada hora extra adicional que mensualmente realiza el operario, su
productividad aumenta en 0,975 unidades
= 3,0013
: = 0
1.2)
1.2) 0
; = 0,6884;
1 : 0
(10;0,975) = 2,2281
Respuesta: Existe informacin suficiente para concluir que la productividad mensual se
asocia linealmente con la cantidad de horas extras, con = 0,05
1.3)
2 . = 4,2225;
= 4;
.
2.1) = 0 + 1

0,95
= 39,9989; (10;0,975) = 2,2281
= [24,2396; 28,1604]
0 = 3,3820; 1 = 0,0931 = 3,3820 + 0,0931
Respuesta: El intercepto (-3,3820) no tendra sentido prctico, ya que el nmero de alerones debe
ser positivo. La pendiente indica que por cada mil horas de vuelo adicional en l, se requiere
0,0931 alerones en inventario para reemplazar los daados.
2.2)
2 . = 1,3612; 1 = 0,0313; (4;0,975) = 2,7765

1
= [0,0062; 0,1800]
0,95
Respuesta: Con 95% de confianza se podra afirmar que el nmero de alerones adicionales por
cada 1000 horas de vuelo en el mes estara contenido en el intervalo (0,0062; 0,1800)
2.3) 1 2 = 0,3110
Respuesta: El 31,1% de variabilidad de la cantidad de alerones necesarios en inventario est
explicada por el azar.
3) = 0 + 1
0 = 74,1151; 1 = 1,3537 = 74,1151 1,3537
. = 5,0979;
= 112,36;
.
4) = 0 + 1
0,90
= 288,4019; (8;0,95) = 1,8595
= 43,1156; 56,3814
0 = 3,3378; 1 = 0,3698 = 3,3378 + 0,3698
. = 1,7904;
= 27,9388;
0,90
= 27,9388; (5;0,975) = 2,5706
= 20,5899; 30,4617
Pgina 191

ANLISIS ESTDISTICO
5.1) = 0 + 1
0 = 251,571; 1 = 21,0235 = 251,571 21,0235
Respuesta: El intercepto (251,571) tiene sentido, ya que el nmero de muertes por enfermedades
cardacas por 100.000 habitantes es positivo, lo que significa que en un pas desarrollado, donde
no se consume vino, tendr 251,571 muertes por enfermedades cardacas por 100.000 habitantes.
La pendiente indica que por cada mil litros de vino consumidos anualmente por habitante de un
pas desarrollado disminuirn en 21023,5 las muertes por enfermedades cardacas por 100.000
habitantes.
5.2) = 0,9734
Respuesta: Debido a que la pendiente de la regresin es negativa, y que el coeficiente de
determinacin es muy cercano a 1, es posible afirmar que a mayor consumo de vino menor
nmero de muertes por enfermedades cardiacas, ya que se est en presencia de una relacin
directa positiva.
5.3) . = 8,9798;
= 0,6828;

6.1) = 0 + 1

0,95
= 113,3747; (17;0,975) = 2,1098
= 185,826; 224,8126
0 = 7,071; 1 = 0,545 = 7,071 0,545
Respuesta: El intercepto (7,071) tiene sentido, ya que el nmero de horas que dedican
diariamente a ver televisin es positivo, lo que significa que cuando el nmero de horas dedicadas
diariamente a dormir es nulo, el nmero de horas que se dedican a ver televisin diariamente es
7,071. La pendiente indica que por cada hora dedicada diariamente a dormir, dis minuir en 0,545
horas el tiempo diario dedicado a ver televisin
6.2)
0 : = 0
= 12,7655
; = 0,8789;
1 : 0
(48;0,95) = 1,6772
Respuesta: Existe informacin suficiente para concluir que existe una relacin lineal
directa entre las variables en estudio, con = 0,10
6.3) . = 0,2699;
= 0,49;
7.1) = 0 + 1
7.2)
0,95
= 39,9993; (48;0,975) = 2,0106
= 1,8872; 2,9898
0 = 18,6375; 1 = 0,0139 = 18,6375 + 0,0139
= 6,2319
0 : = 0
; = 0,9106;
1 : 0
(48;0,95) = 1,8595
directa entre las variables en estudio, con = 0,10
Pgina 192

ANLISIS ESTDISTICO
8.1) = 0 + 1
0 = 3,1540; 1 = 5,2510 = 3,1540 + 5,2510
Respuesta: El intercepto (3,1540) tiene sentido, ya que el esfuerzo principal 3 es positivo, lo que
cuando el esfuerzo principal 1 es nulo, el esfuerzo principal 3 es 3,1540. La pendiente indica que
por MPa de esfuerzo principal 3, aumentar en 5,2510 MPa el esfuerzo principal 1
8.2)
= 7,6964
0 : = 0
; = 0,9756;
1 : 0
(3;0,995) = 5,8409
directa entre las variables en estudio, con un 1% de significacin
9.1) = 0 + 1
0 = 434,0201; 1 = 34,0488 = 434,0201 + 34,0488
0 : = 0
= 45,6025
; = 0,9988;
1 : 0
(5;0,995) = 4,0321
directa entre las variables en estudio, con un 1% de significacin
9.2) 1 2 = 0,0024
Respuesta: El 0,24% de variabilidad de las deformaciones axiales estn explicadas por otros
factores.
9.3) . = 6,8082;
= 7,4451;

0,95
= 81,7143; (5;0,975) = 2,5706
= 593,9475; 610,8782
Pgina 193
USACH
Facultad de Ciencia
Dpto. Matemtica y CC.
rea de Estadsticas
ALGUNOS MODELOS DE VARIABLES ALEATORIAS DISCRETAS

MODELO
(Parmetros)
(*2)
BERNOULLI
()
FUNCIN DE CUANTA
ESPERANZA
[]
VARIANZA
[]
= 1,2,
)(
)
() =
( )
() = 1
= 0,1
BINOMIAL
(, )
+
() = ( )
= 0, ,
GEOMTRICA
()
() = 1
ASIMETRA
3 []
CURTOSIS
4 []
1 2
1 2
F.GEN.M.
[]
3+
[1 6]
( + )
3+
[1 6]
( + )
2
9+
HIPERGEOMETRICA
(, , )
, +
{0, } min {, }
. 115
PASCAL
(, )
+
POISSON
()
>0
(*2)
(*1)
1
() = (
)
1
= , + 1, + 2,

!
= 0,1,2,
() =
3+
2 6 + 6
3+
1)
En todos los modelos con parmetro , se verifica 0 < < 1; = 1
[] = 2
3 [] =
[( [])3 ]
3
4 [] =
[( [])3 ]
3
[] = [ ]
Alejandro Gonzlez Tapia - Ing. Civil en Minas
ALGUNOS MODELOS DE VARIABLES ALEATORIAS CONTINUAS

(*1) MODELO
(Parmetros)
(*2)
FUNCIN DE DENSIDAD
() = 1 (1 )1
BETA
(, )
> 0, > 0
01
CHI-CUADRADO
()
>0
() =
>0
2
>2
2 2 ( + 2)
( 2)2 ( 4)
() = 21 (1 + )
>0
() =
(*3)
(*5)
()
()
<
1
2
(1 )
6
3+
<
>4
1 2
)
2(
() =
2
1 ln()
(
)
2
() = ()1
(+2
2
>0
: (, ) =
()()
( + )
+
( 2 ) 2
( )
( ) ( )
2
2
: =
[( + 1)/2]
(/2)
()
2
>2
+
2
( )2
12
(1 + 1 )
1
(1 )
<
1
(+ 2 2)
2
3 [] =
[( [])3 ]
3
(*4)
3( 2)
4
9
5
>0
[] = 2
2)
+1
2
(1 2)2
12
3+
22
< <
UNIFORME
(, )
<
(*1)
F.GEN.M.
[]
(*2)
< <
1
() =
WEIBULL
(, )
> 0, > 0
CURTOSIS
4 []
2
() = (1 + )
(*5) T-STUDENT
()
>0
(*2)
( + )2 ( + + 1)
>0
(*4) LOGNORMAL
(, 2 )
< < ; > 0
(*6)
() =
NORMAL
(, 2 )
< < ; > 0
ASIMETRA
3 []
GAMMA
(, )
> 0, > 0
VARIANZA
[]
21 2
() =
22 ( )
2
>0
EXPONENCIAL
()
>0
(*3) F-SNEDECOR
(, )
> 0, > 0
ESPERANZA
[]
4 [] =
() = 1
0
(*4)
(*6)
0
(*6)
[( [])3 ]
3
[] = [ ]

( )
() = ( 1)!
> 0
[ ] = ( + )/( + + )
=0
: = [ (2+ ) ][ 1]
: =
(1+21 )2 (1+1 )
2
[ ] =
2 2/2
[ ] =
(1+)
INTERVALOS CONFIDENCIALES MS USUALES

Intervalo Confidencial del (1 ) 100%
Situacin
Parmetro
Estimador
X v.a. normal, una m.a.
(( 1) 2 2 (1;1) ,
( 1
( (1;1)
12
22
12
22
1 2
1 2
1 2
1 2

2 conocido

2 desconocido
X v.a. Bernoulli ()
m.a. de tamao n
X v.a. normal
dos m.a. independientes
( 1) 22 (1;) )
+ 1
+ (1;1)

( 1
,

+ 1 )
12
,
22 (21; 11;2 )
12
)
22 (21; 11;1 2 )
X v.a. normal
1
1
1 2 1 +
1 2
2
12 = 22 = 2 conocida
X v.a. normal
1 2 (
12 = 22 = 2 desconocida
;1 2 )
Con = 1 + 2 2;
X v.a. normal
1 2
1 2 (
1 2
12 22 = 2 desconocida
Con
1
1
+
1 2
(11)12+(21)22
12

;1 )
1
2
1+22
22
2
g.l. (ver reverso)
X v.a. normal
dos m.a. pareadas
( (1;1)
(1;)
(X,Y) ~ normal bivar.
= 0 + 1 +
(1 (2;1)1 ,
1 + (2;1) 1 )
(0 (2;1)0 ,
0 + (2;1) 0 )
..
0 + 1
( )2
1
0 + 1 (2;1) .. +
( )2
2
0 + 1
( )2
1
0 + 1 (2;1).. 1 + +
( )2
2
= 1 2
Usar grfico ad_hoc
~ (0, 2 )
() 2 .. =
1 2
( 12 2 )
2
1 =
..
( )2
1
2
0 = .. +
( )2
DOCIMAS (BILATERALES) MS USUALES

Situacin
Hip. Nula
2 = 02
Estadstica
=
( 1) 2
02

2 conocido
= 0
= 0

2 desconocido
X v.a. Bernoulli ()
=
= 0
m.a. de tamao n
< 2 (1;)
< 1
> 1
< (1;1)
> (1;1)
< 1
0
/
0
0 0 /
> 2 (1;1)
X v.a. normal
12 = 22
Regin Crtica
12
22
< (
11; 21; 2 )
> 1
2
> (
11; 2 1;12 )
X v.a. normal
12
22
1 = 2
1 = 2
1 2 (1 2 )
= conocidas
X v.a. normal
1 2 (1 2 )
< (
1/1 + 1/2

12
< 1
1/1 + 1/2
;1 2 )
> 1
> (
= 22 = 2 desconocidas
Con = 1 + 2 2;
X v.a. normal
=

12 22 desconocidas
1 = 2
(Problemas de Berens-Fisher)
X v.a. normal
dos m.a. pareadas
= 0
= 1 2
(X,Y) ~ normal bivar.
=0
< (
1 2 (1 2 )
12 22
1 + 2
;1 )
2
Con
< (2;1)
1 = 0
1 ()
1
< (2;1)
~ (0, 2 )
0 = 0
0 ()
0
< (2;1)
1 2
( 12 2 )
2
1 =
..
( )2
> (1;1)
> (2;1)
2
= 0 + 1 +
() 2 .. =
;1 )
2
> (
1+22
2 2
2
1 + 2 )
1
2
2
2
2
2
( 1)
( 2)
1
2
+
11
21
< (1;1)
1 2
(11)12+(21)22
1 2
;1 2 )
> (2;1)
2
> (2;1)
2
1
2
0 = .. +
( )2
UNIVERSIDAD DE SANTIAGO DE CHILE

FACULTAD DE CIENCIA
DEPTO. MAT y CIENCIA de la COMP
AREA de ESTADISTICA
Variables Aleatorias Bidimensionales

Definicin: Sean (X, Y) dos variables aleatorias discretas, entonces existe:
, (, ) = ( = , = ); (, ) (, ) llamada Distribucin de Probabilidad Conjunta de (X, Y)
o funcin de cuanta conjunta de (X, Y) tal que cumple con:
1. 0 (, ) 1 (, ) (, )
2. (, ) = 1

Definicin: Sean (X,Y) dos variables aleatorias continuas, entonces existe:

, (, ) llamada funcin de densidad conjunta de (X, Y), tal cumple con:
1. (, ) 0; (, ) (, )
2.
(, ) = 1
3. ( ; ) =
(, )
= =
Definicin: Sean X e Y dos variables aleatorias discretas, tal que P(x,y) es su funcin de probabilidad
conjunta, entonces:
( = ) = , (, ) ; ()
Distribucin de probabilidad Marginal de X
( = ) = , (, ) ; ()
Distribucin de probabilidad Marginal de Y
(/ ) =
, (, )
; (, ) (, )
(, )
Distribucin de probabilidad de X condicionada por Y
(/ ) =
, (, )
; (, ) (, )
(, )
Distribucin de probabilidad de Y condicionada por X
( = ) = ( )
Esperanza de X condicionada por Y =
( = ) = ( 2 = ) [( = )]
Varianza de X condicionada por Y =
(, ) = {[ ()][ ()]} = () ()()

() = , (, )
Covarianza de X, Y
Esperanza conjunta de (X, Y)
(, ) =
(, )
; 1 (, ) 1 Coeficiente de correlacin de Pearson de (X, Y)
() ()
( = ) =
( , = )
( = )
Si X e Y son Variables aleatorias Discretas
Definicin: Sean X e Y dos variables aleatorias continuas, tal que f(x,y) es su funcin de densidad conjunta,
entonces:
(, ) ; () Funcin de densidad Marginal de X
() =
(, ) ; () Funcin de densidad Marginal de Y
() =
( ) =
(, )
|
() =
() Funcin de densidad de X condicionada por =
() Funcin de densidad de Y condicionada por =
(, )
|
() =
Por lo tanto:
( ) =
(, ) = () ( ) = () (/)
( = ) =
( = )
=
( = ) =
( = )
Esperanza de X condicionada por =
( = ) = ( 2 = ) [( = )]
() =
(, )
Varianza de X condicionada por =
Esperanza conjunta de (X, Y)
Propiedades de Covarianza
1. (, ) = ();
(, ) = ()
2. ( + , + ) = (, ) , , ,
3. ( + , + ) = () + () + ( + )(, ) , , ,
Definicin: Se dice que (X,Y) son variables aleatorias Independientes si y solo si:
( = , = ) = ( = )( = ) (, ) (, ) Si X e Y son v. a. Discretas
(, ) = ()() (, ) (, ) Si X e Y son v. a. Continuas
Consecuencias: Si X e Y son variables aleatorias Independientes, entonces:
( + ) = () + ()
() = ()()
( + ) = () + () + 2(, ) = () + ()
(, ) = 0
(, ) = 0
( ) = () + () 2(, ) = () + ()
(/) = ()
; (/) = ()
(/) = (); (/) = ()

~ (1 ; 12 ) y sea ~ (2 ; 22 ) entonces:
+ ~ (1 + 2 ; 12 + 22 )
~ (1 2 ; 12 + 22 )
Profesoras: Alma Placencia

Rosa Montao
Ayudante: Alejandro Gonzlez
TABLA D
Valores de la funcin de distribucin acumulativa normal estndar
< = ; , =
TABLAS DE ESTADIST1CA
$150.- CODIGO VENTA 381

Profesor: SEGUNDO KARL B.

Ayudante: ALEJANDRO GONZLEZ
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
-3.5
-3.4
-3.3
-3.2
-3.1
-3.0
0.0002
0.0003
0.0005
0.0007
0.0010
0.0013
0.0002
0.0003
0.0005
0.0007
0.0009
0.0013
0.0002
0.0003
0.0005
0.0006
0.0009
0.0013
0.0002
0.0003
0.0004
0.0006
0.0009
0.0012
0.0002
0.0003
0.0004
0.0006
0.0008
0.0012
0.0002
0.0003
0.0004
0.0006
0.0008
0.0011
0.0002
0.0003
0.0004
0.0006
0.0008
0.0011
0.0002
0.0003
0.0004
0.0005
0.0008
0.0011
0.0002
0.0003
0.0004
0.0005
0.0007
0.0010
0.0002
0.0002
0.0003
0.0005
0.0007
0.0010
-2.9
-2.8
-2.7
-2.6
-2.5
-2.4
-2.3
-2.2
-2.1
-2.0
0.0019
0.0026
0.0035
0.0047
0.0062
0.0082
0.0107
0.0139
0.0179
0.0228
0.0018
0.0025
0.0034
0.0045
0.0060
0.0080
0.0104
0.0136
0.0174
0.0222
0.0018
0.0024
0.0033
0.0044
0.0059
0.0078
0.0102
0.0132
0.0170
0.0217
0.0017
0.0023
0.0032
0.0043
0.0057
0.0075
0.0099
0.0129
0.0166
0.0212
0.0016
0.0023
0.0031
0.0041
0.0055
0.0073
0.0096
0.0125
0.0162
0.0207
0.0016
0.0022
0.0030
0.0040
0.0054
0.0071
0.0094
0.0122
0.0158
0.0202
0.0015
0.0021
0.0029
0.0039
0.0052
0.0069
0.0091
0.0119
0.0154
0.0197
0.0015
0.0021
0.0028
0.0038
0.0051
0.0068
0.0089
0.0116
0.0150
0.0192
0.0014
0.0020
0.0027
0.0037
0.0049
0.0066
0.0087
0.0113
0.0146
0.0188
0.0014
0.0019
0.0026
0.0036
0.0048
0.0064
0.0084
0.0110
0.0143
0.0183
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1.0
0.0287
0.0359
0.0446
0.0548
0.0668
0.0808
0.0968
0.1151
0.1357
0.1587
0.0281
0.0351
0.0436
0.0537
0.0655
0.0793
0.0951
0.1131
0.1335
0.1562
0.0274
0.0344
0.0427
0.0526
0.0643
0.0778
0.0934
0.1112
0.1314
0.1539
0.0268
0.0336
0.0418
0.0516
0.0630
0.0764
0.0918
0.1093
0.1292
0.1515
0.0262
0.0329
0.0409
0.0505
0.0618
0.0749
0.0901
0.1075
0.1271
0.1492
0.0256
0.0322
0.0401
0.0495
0.0606
0.0735
0.0885
0.1056
0.1251
0.1469
0.0250
0.0314
0.0392
0.0485
0.0594
0.0721
0.0869
0.1038
0.1230
0.1446
0.0244
0.0307
0.0384
0.0475
0.0582
0.0708
0.0853
0.1020
0.1210
0.1423
0.0239
0.0301
0.0375
0.0465
0.0571
0.0694
0.0838
0.1003
0.1190
0.1401
0.0233
0.0294
0.0367
0.0455
0.0559
0.0681
0.0823
0.0985
0.1170
0.1379
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
-0.0
0.1841
0.2119
0.2420
0.2743
0.3085
0.3446
0.3821
0.4207
0.4602
0.5000
0.1814
0.2090
0.2389
0.2709
0.3050
0.3409
0.3783
0.4168
0.4562
0.4960
0.1788
0.2061
0.2358
0.2676
0.3015
0.3372
0.3745
0.4129
0.4522
0.4920
0.1762
0.2033
0.2327
0.2643
0.2981
0.3336
0.3707
0.4090
0.4483
0.4880
0.1736
0.2005
0.2297
0.2611
0.2946
0.3300
0.3669
0.4052
0.4443
0.4840
0.1711
0.1977
0.2266
0.2578
0.2912
0.3264
0.3632
0.4013
0.4404
0.4801
0.1685
0.1949
0.2236
0.2546
0.2877
0.3228
0.3594
0.3974
0.4364
0.4761
0.1660
0.1922
0.2206
0.2514
0.2843
0.3192
0.3557
0.3936
0.4325
0.4721
0.1635
0.1894
0.2177
0.2483
0.2810
0.3156
0.3520
0.3897
0.4286
0.4681
0.1611
0.1867
0.2148
0.2451
0.2776
0.3121
0.3483
0.3859
0.4247
0.4641
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7703
0.7995
0.8264
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345
0.9463
0.9564
0.9649
0.9719
0.8461
0.8686
0.8888
0.9066
0.9222
0.9357
0.9474
0.9573
0.9656
0.9726
0.8485
0.8708
0.8907
0.9082
0.9236
0.9370
0.9484
0.9582
0.9664
0.9732
0.8508
0.8729
0.8925
0.9099
0.9251
0.9382
0.9495
0.9591
0.9671
0.9738
0.8531
0.8749
0.8944
0.9115
0.9265
0.9394
0.9505
0.9599
0.9678
0.9744
0.8554
0.8770
0.8962
0.9131
0.9279
0.9406
0.9515
0.9608
0.9686
0.9750
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418
0.9525
0.9616
0.9693
0.9756
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429
0.9535
0.9625
0.9699
0.9761
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441
0.9545
0.9633
0.9706
0.9767
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9783
0.9830
0.9868
0.9898
0.9922
0.9941
0.9956
0.9967
0.9976
0.9982
0.9788
0.9834
0.9871
0.9901
0.9925
0.9943
0.9957
0.9968
0.9977
0.9983
0.9793
0.9838
0.9875
0.9904
0.9927
0.9945
0.9959
0.9969
0.9977
0.9984
0.9798
0.9842
0.9878
0.9906
0.9929
0.9946
0.9960
0.9970
0.9978
0.9984
0.9803
0.9846
0.9881
0.9909
0.9931
0.9948
0.9961
0.9971
0.9979
0.9985
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
3.0
3.1
3.2
3.3
3.4
3.5
0.9987
0.9990
0.9993
0.9995
0.9997
0.9998
0.9987
0.9991
0.9993
0.9995
0.9997
0.9998
0.9987
0.9991
0.9994
0.9995
0.9997
0.9998
0.9988
0.9991
0.9994
0.9996
0.9997
0.9998
0.9988
0.9992
0.9994
0.9996
0.9997
0.9998
0.9989
0.9992
0.9994
0.9996
0.9997
0.9998
0.9989
0.9992
0.9994
0.9996
0.9997
0.9998
0.9989
0.9992
0.9995
0.9996
0.9997
0.9998
0.9990
0.9993
0.9995
0.9996
0.9997
0.9998
0.9990
0.9993
0.9995
0.9997
0.9998
0.9998
Pg. 2
VALORES PERC ENTILES ,
, DE LA DIS TRIBUC IN
CON GRADOS DE LIBERTAD
0.005
0.01
0.025
0.05
0.10
0.25
0.75
0.90
0.95
0.975
0.99
0.995
1
2
3
4
5
0.010
0.072
0.207
0.412
0.020
0.115
0.297
0.554
0.001
0.051
0.216
0.484
0.831
0.004
0.103
0.352
0.711
1.145
0.016
0.211
0.584
1.064
1.610
0.102
0.575
1.213
1.923
2.675
1.329
2.773
4.108
5.385
6.626
2.706
4.605
6.251
7.779
9.236
3.841
5.991
7.815
9.488
11.071
5.024
7.378
9.348
11.143
12.833
6.635
9.210
11.345
13.277
15.086
7.879
10.597
12.838
14.860
16.750
6
7
8
9
10
0.676
0.989
1.344
1.735
2.156
0.872
1.239
1.646
2.088
2.558
1.237
1.690
2.180
2.700
3.247
1.635
2.167
2.733
3.325
3.940
2.204
2.833
3.490
4.168
4.865
3.455
4.255
5.071
5.899
6.737
7.841
9.037
10.219
11.389
12.549
10.645
12.017
13.362
14.684
15.987
12.592
14.067
15.507
16.919
18.307
14.449
16.013
17.535
19.023
20.483
16.812
18.475
20.090
21.666
23.209
18.548
20.278
21.955
23.589
25.188
11
12
13
14
15
2.603
3.074
3.565
4.075
4.601
3.053
3.571
4.107
4.660
5.229
3.816
4.404
5.009
5.629
6.262
4.575
5.226
5.892
6.571
7.261
5.578
6.304
7.042
7.790
8.547
7.584
8.438
9.299
10.165
11.037
13.701
14.845
15.984
17.117
18.245
17.275
18.549
19.812
21.064
22.307
19.675
21.026
22.362
23.685
24.996
21.920
23.337
24.736
26.119
27.488
24.725
26.217
27.688
29.141
30.578
26.757
28.299
29.819
31.319
32.801
16
17
18
19
20
5.142
5.697
6.265
6.844
7.434
5.812
6.408
7.015
7.633
8.260
6.908
7.564
8.231
8.907
9.591
7.962
8.672
9.390
10.117
10.851
9.312
10.085
10.865
11.651
12.443
11.912
12.792
13.675
14.562
15.452
19.369
20.489
21.605
22.718
23.828
23.542
24.769
25.989
27.204
28.412
26.296
27.587
28.869
30.144
31.410
28.845
30.191
31.526
32.852
34.170
32.000
33.409
34.805
36.191
37.566
34.267
35.718
37.156
38.582
39.997
21
22
23
24
25
8.034
8.643
9.260
9.886
10.520
8.897
9.542
10.196
10.856
11.524
10.283
10.982
11.689
12.401
13.120
11.591
12.338
13.091
13.848
14.611
13.240
14.042
14.848
15.659
16.473
16.344
17.240
18.137
19.037
19.939
24.935
26.039
27.141
28.241
29.339
29.615
30.813
32.007
33.196
34.382
32.671
33.924
35.172
36.415
37.652
35.479
36.781
38.076
39.364
40.646
38.932
40.289
41.638
42.980
44.314
41.401
42.796
44.181
45.559
46.928
26
27
28
29
30
11.160
11.808
12.461
13.121
13.787
12.198
12.879
13.565
14.257
14.954
13.844
14.573
15.308
16.047
16.791
15.379
16.151
16.928
17.708
18.493
17.292
18.114
18.939
19.768
20.599
20.843
21.749
22.657
23.567
24.478
30.435
31.528
32.620
33.711
34.800
35.563
36.741
37.916
39.087
40.256
38.885
40.113
41.337
42.557
43.773
41.923
43.194
44.461
45.722
46.979
45.642
46.963
48.278
49.588
50.892
48.290
49.645
50.993
52.336
53.672
31
32
33
34
35
14.458
15.134
15.815
16.501
17.192
15.655
16.362
17.074
17.789
18.509
17.539
18.291
19.047
19.806
20.569
19.281
20.072
20.867
21.664
22.465
21.434
22.271
23.110
23.952
24.797
25.390
26.304
27.219
28.136
29.054
35.887
36.973
38.058
39.141
40.223
41.422
42.585
43.745
44.903
46.059
44.985
46.194
47.400
48.602
49.802
48.232
49.480
50.725
51.966
53.203
52.191
53.486
54.776
56.061
57.342
55.003
56.328
57.648
58.964
60.275
36
37
38
39
40
17.887
18.586
19.289
19.996
20.707
19.233
19.960
20.691
21.426
22.164
21.336
22.106
22.878
23.654
24.433
23.269
24.075
24.884
25.695
26.509
25.643
26.492
27.343
28.196
29.051
29.973
30.893
31.815
32.737
33.660
41.304
42.383
43.462
44.539
45.616
47.212
48.363
49.513
50.660
51.805
50.998
52.192
53.384
54.572
55.758
54.437
55.668
56.896
58.120
59.342
58.619
59.892
61.162
62.428
63.691
61.581
62.883
64.181
65.476
66.766
41
42
43
44
45
21.421
22.138
22.859
23.584
24.311
22.906
23.650
24.398
25.148
25.901
25.215
25.999
26.785
27.575
28.366
27.326
28.144
28.965
29.787
30.612
29.907
30.765
31.625
32.487
33.350
34.585
35.510
36.436
37.363
38.291
46.692
47.766
48.840
49.913
50.985
52.949
54.090
55.230
56.369
57.505
56.942
58.124
59.304
60.481
61.656
60.561
61.777
62.990
64.201
65.410
64.950
66.206
67.459
68.710
69.957
68.053
69.336
70.616
71.893
73.166
46
47
48
49
50
25.041
25.775
26.511
27.249
27.991
26.657
27.416
28.177
28.941
29.707
29.160
29.956
30.755
31.555
32.357
31.439
32.268
33.098
33.930
34.764
34.215
35.081
35.949
36.818
37.689
39.220
40.149
41.079
42.010
42.942
52.056
53.127
54.196
55.265
56.334
58.641
59.774
60.907
62.038
63.167
62.830
64.001
65.171
66.339
67.505
66.617
67.821
69.023
70.222
71.420
71.201
72.443
73.683
74.919
76.154
74.437
75.704
76.969
78.231
79.490
51
52
53
54
55
28.735
29.481
30.230
30.981
31.735
30.475
31.246
32.018
32.793
33.570
33.162
33.968
34.776
35.586
36.398
35.600
36.437
37.276
38.116
38.958
38.560
39.433
40.308
41.183
42.060
43.874
44.808
45.741
46.676
47.610
57.401
58.468
59.534
60.600
61.665
64.295
65.422
66.548
67.673
68.796
68.669
69.832
70.993
72.153
73.311
72.616
73.810
75.002
76.192
77.380
77.386
78.616
79.843
81.069
82.292
80.747
82.001
83.253
84.502
85.749
56
57
58
59
60
32.490
33.248
34.008
34.770
35.534
34.350
35.131
35.913
36.698
37.485
37.212
38.027
38.844
39.662
40.482
39.801
40.646
41.492
42.339
43.188
42.937
43.816
44.696
45.577
46.459
48.546
49.482
50.419
51.356
52.294
62.729
63.793
64.857
65.919
66.981
69.919
71.040
72.160
73.279
74.397
74.468
75.624
76.778
77.931
79.082
78.567
79.752
80.936
82.117
83.298
83.513
84.733
85.950
87.166
88.379
86.994
88.236
89.477
90.715
91.952
Valores Percentiles,
1
, de la Distribucin
Pg. 3
. (Continuacin).
0.005
0.01
0.025
0.05
0.10
0.25
0.75
0.90
0.95
0.975
0.99
0.995
1
61
62
63
64
65
36.300
37.068
37.838
38.610
39.383
38.273
39.063
39.855
40.649
41.444
41.038
42.126
42.950
43.776
44.603
44.038
44.889
45.741
46.776
47.450
47.342
48.226
49.111
49.996
50.883
53.232
54.171
55.110
56.050
56.990
68.043
69.104
70.165
71.225
72.285
75.514
76.630
77.745
78.860
79.973
80.232
81.381
82.529
83.675
84.821
84.476
85.654
86.830
88.004
89.177
89.591
90.802
92.010
93.217
94.422
93.186
94.419
95.649
96.878
98.105
66
67
68
69
70
40.158
40.935
41.713
42.494
43.275
42.240
43.038
43.838
44.639
45.442
45.431
46.261
47.092
47.924
48.758
48.305
49.162
50.020
50.879
51.739
51.770
52.659
53.548
54.438
55.329
57.931
58.872
59.814
60.756
61.698
73.344
74.403
75.461
76.519
77.577
81.085
82.197
83.308
84.418
85.527
85.965
87.108
88.250
89.391
90.531
90.349
91.519
92.689
93.856
95.023
95.626
96.828
98.028
99.228
100.425
99.330
100.554
101.776
102.996
104.215
71
72
73
74
75
44.058
44.843
45.629
46.417
47.206
46.246
47.051
47.858
48.666
49.475
49.592
50.428
51.265
52.103
52.942
52.600
53.462
54.325
55.189
56.054
56.221
57.113
58.006
58.900
59.795
62.641
63.585
64.528
65.472
66.417
78.634
79.690
80.747
81.803
82.858
86.635
87.743
88.850
89.956
91.061
91.670
92.808
93.945
95.081
96.217
96.189
97.353
98.516
99.678
100.839
101.621
102.816
104.010
105.202
106.393
105.432
106.648
107.862
109.074
110.286
76
77
78
79
80
47.997
48.788
49.582
50.376
51.172
50.286
51.097
51.910
52.725
53.540
53.782
54.623
55.466
56.309
57.153
56.920
57.786
58.654
59.522
60.391
60.690
61.586
62.483
63.380
64.278
67.362
68.307
69.252
70.198
71.145
83.913
84.968
86.022
87.077
88.130
92.166
93.270
94.374
95.476
96.578
97.351
98.484
99.617
100.749
101.879
101.999
103.158
104.316
105.473
106.629
107.583
108.771
109.958
111.144
112.329
111.495
112.704
113.911
115.117
116.321
81
82
83
84
85
51.969
52.767
53.567
54.368
55.170
54.357
55.174
55.993
56.813
57.634
57.998
58.845
59.692
60.540
61.389
61.261
62.132
63.004
63.876
64.749
65.176
66.076
66.976
67.876
68.777
72.091
73.038
73.985
74.933
75.881
89.184
90.237
91.289
92.342
93.394
97.680
98.780
99.880
100.980
102.079
103.010
104.139
105.267
106.395
107.522
107.783
108.937
110.090
111.242
112.393
113.512
114.695
115.876
117.057
118.236
117.524
118.726
119.927
121.126
122.325
86
87
88
89
90
55.973
56.777
57.582
58.389
59.196
58.456
59.279
60.103
60.928
61.754
62.239
63.089
63.941
64.793
65.647
65.623
66.498
67.373
68.249
69.126
69.679
70.581
71.484
72.387
73.291
76.829
77.777
78.726
79.675
80.625
94.449
95.497
96.548
97.599
98.650
103.177
104.275
105.372
106.469
107.565
108.648
109.773
110.898
112.022
113.145
113.544
114.693
115.841
116.989
118.136
119.414
120.591
121.767
122.942
124.116
123.522
124.718
125.913
127.106
128.299
91
92
93
94
95
60.005
60.815
61.625
62.437
63.250
62.581
63.409
64.238
65.068
65.898
66.501
67.356
68.211
69.068
69.925
70.003
70.882
71.760
72.640
73.520
74.196
75.100
76.006
76.912
77.818
81.574
82.524
83.474
84.425
85.376
99.700
100.750
101.800
102.850
103.899
108.661
109.756
110.850
111.944
113.038
114.268
115.390
116.511
117.632
118.752
119.282
120.427
121.571
122715
123.858
125.289
126.462
127.633
128.803
129.973
129.491
130.681
131.871
133.059
134.247
96
97
98
99
100
64.063
64.878
65.694
66.510
67.328
66.730
67.562
68.396
69.230
70.065
70.783
71.642
72.501
73.361
74.222
74.401
75.282
76.164
77.046
77.929
78.725
79.633
80.541
81.449
82.358
86.327
87.278
88.229
89.181
90.133
104.948
105.997
107.045
108.093
109.141
114.131
115.223
116.315
117.407
118.498
119.871
120.990
122.108
123.225
124.342
125.000
126.141
127.282
128.422
129.561
131.141
132.309
133.476
134.642
135.807
135.433
136.619
137.803
138.987
140.169
102
104
106
108
110
68.965
70.606
72.251
73.899
75.550
71.737
73.413
75.092
76.774
78.458
75.946
77.672
79.401
81.133
82.867
79.697
81.468
83.240
85.015
86.792
84.177
85.998
87.821
89.645
91.471
92.038
93.944
95.850
97.758
99.666
111.236
113.331
115.424
117.517
119.608
120.679
122.856
125.035
127.211
129.385
126.574
128.804
131.031
133.257
135.480
131.838
134.111
136.382
138.651
140.917
138.134
140.459
142.780
145.099
147.414
142.532
144.891
147.247
149.599
151.948
112
114
116
118
120
77.204
78.862
80.522
82.185
83.852
80.146
81.836
83.529
85.225
86.923
84.604
86.342
88.084
89.827
91.573
88.570
90.351
92.134
93.918
95.705
93.299
95.128
96.958
98.790
100.624
101.575
103.485
105.396
107.307
109.220
121.699
123.789
125.878
127.967
130.055
131.558
133.729
135.898
138.066
140.233
137.701
139.921
142.138
144.354
146.567
143.180
145.441
147.700
149.957
152.211
149.727
152.037
154.344
156.648
158.950
154.294
156.637
158.977
161.314
163.648
122
124
126
128
130
85.520
87.192
88.866
90.543
92.222
88.624
90.327
92.033
93.741
95.451
93.320
95.070
96.822
98.576
100.331
97.493
99.283
101.074
102.867
104.662
102.458
104.295
106.132
107.971
109.811
111.133
113.046
114.961
116.876
118.792
132.142
134.228
136.313
138.398
140.482
142.398
144.562
146.724
148.885
151.045
148.779
150.989
153.198
155.405
157.610
154.464
156.714
158.962
161.209
163.453
161.250
163.548
165.841
168.133
170.423
165.980
168.308
170.634
172.957
175.278
132
134
136
138
140
93.904
95.588
97.275
98.964
100.655
97.163
98.878
100.595
102.314
104.034
102.089
103.848
105.609
107.372
109.137
106.459
108.257
110.056
111.857
113.659
111.652
113.495
115.338
117.183
119.029
120.708
122.625
124.543
126.461
128.380
142.566
144.649
146.731
148.813
150.894
153.204
155.361
157.518
159.673
161.827
159.814
162.016
164.216
166.415
168.613
165.696
167.936
170.175
172.412
174.648
172.711
174.996
177.280
179.561
181.840
177.597
179.913
182.226
184.538
186.847
142
144
146
148
150
102.348
104.044
105.741
107.441
109.142
105.757
107.482
109.209
110.937
112.668
110.903
112.671
114.441
116.212
117.985
115.463
117.268
119.075
120.883
122.692
120.876
122.724
124.574
126.424
128.275
130.299
132.219
134.140
136.061
137.983
152.975
155.055
157.134
159.213
161.291
163.980
166.132
168.283
170.432
172.581
170.809
173.004
175.198
177.390
179.581
176.882
179.114
181.344
183.573
185.800
184.118
186.393
188.666
190.938
193.208
189.154
191.458
193.761
196.062
198.360
200
250
300
400
500
152.241
196.161
240.663
330.903
422.303
156.432
200.939
245.972
337.155
429.388
162.728
208.098
253.912
346.482
439.936
168.279
214.392
260.878
354.641
449.147
174.835
221.806
269.068
364.207
459.926
186.172
234.577
283.135
380.577
478.323
213.102
264.697
316.138
418.697
520.950
226.021
279.050
331.789
436.649
540.930
233.994
287.882
341.395
447.632
553.127
241.058
295.689
349.874
457.305
563.852
249.445
304.940
359.906
468.724
576.493
255.264
311.346
366.844
476.606
585.207
600
700
800
900
1000
514.529
607.380
700.725
794.475
888.564
522.365
615.907
709.897
804.252
898.912
534.019
628.577
723.513
818.756
914.257
544.180
639.613
735.362
831.370
927.594
556.056
652.497
749.185
846.075
943.133
576.286
674.413
772.669
871.032
969.484
622.988
724.861
826.604
928.241
1029.790
644.800
748.359
851.671
954.782
1057.724
658.094
762.661
866.911
970.904
1074.679
669.769
775.211
880.275
985.032
1089.531
683.516
789.974
895.984
1001.630
1106.969
692.982
800.131
906.786
1013.036
1118.948
0.90
3.0777
1.8856
1.6377
1.5332
1.4759
1.4398
1.4149
1.3968
1.3830
1.3722
1.3634
1.3562
1.3502
1.3450
1.3406
1.3368
1.3334
1.3304
1.3277
1.3253
1.3232
1.3212
1.3195
1.3178
1.3163
1.3150
1.3137
1.3125
1.3114
1.3104
1.3095
1.3086
1.3077
1.3070
1.3062
1.3055
1.3049
1.3042
1.3036
1.3031
1.3025
1.3020
1.3016
1.3011
1.3006
0.75
1.0000
0.8165
0.7649
0.7407
0.7267
0.7176
0.7111
0.7064
0.7027
0.6998
0.6974
0.6955
0.6938
0.6924
0.6912
0.6901
0.6692
0.6884
0.6676
0.6870
0.6864
0.6858
0.6853
0.6848
0.6844
0.6840
0.6837
0.6834
0.6830
0.6828
0.6825
0.6822
0.6820
0.6818
0.6816
0.6814
0.6812
0.6810
0.6808
0.6807
0.6805
0.6804
0.6802
0.6801
0.6800
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
1
1
1.6829
1.6820
1.6811
1.6802
1.6794
1.6883
1.6871
1.6860
1.6849
1.6839
1.6955
1.6939
1.6924
1.6909
1.6896
1.7056
1.7033
1.7011
1.6991
1.6973
1.7207
1.7171
l.7139
1.7109
1.7081
1.7459
1.7396
1.7341
1.7291
1.7247
1.7959
1.7823
1.7709
1.7613
1.7531
1.9432
1.8946
1.8595
1.8331
1.8125
6.3138
2.9200
2.3534
2.1318
2.0150
0.95
2.0195
2.0181
2.0167
2.0154
2.0141
2.0281
2.0262
2.0244
2.0227
2.0211
2.0395
2.0369
2.0345
2.0322
2.0301
2.0555
2.0518
2.0484
2.0452
2.0423
2.0796
2.0739
2.0687
2.0639
2.0595
2.1199
2.1098
2.1009
2.0930
2.0860
2.2010
2.1788
2.1604
2.1448
2.1315
2.4469
2.3646
2.3060
2.2622
2.2281
12.706
4.3027
3.1824
2.7764
2.5706
0.975
2.4208
2.4185
2.4163
2.4141
2.4121
2.4345
2.4314
2.4286
2.4258
2.4233
2.4528
2.4487
2.4448
2.4411
2.4377
2.4786
2.4727
2.4671
2.4620
2.4573
2.5177
2.5083
2.4999
2.4922
2.4851
2.5835
2.5669
2.5524
2.5395
2.5280
2.7181
2.6810
2.6503
2.6245
2.6025
3.1427
2.9980
2.8965
2.8214
2.7638
31.3207
6.9646
4.5407
3.7469
3.3649
0.99
2.7012
2.6981
2.6951
2.6923
2.6896
2.7195
2.7154
2.7116
2.7079
2.7045
2.7440
2.7385
2.7333
2.7284
2.7238
2.7787
2.7707
2.7633
2.7564
2.7500
2.8314
2.8188
2.8073
2.7969
2.7874
2.9208
2.8982
2.8784
2.8609
2.8453
3.1058
3.0545
3.0123
2.9768
2.9467
3.7074
3.4995
3.3554
3.2498
3.1693
63.6574
9.9248
5.8409
4.6041
4.0322
0.995
86
87
88
89
90
81
82
83
84
85
76
77
78
79
80
71
72
73
74
75
66
67
68
69
70
61
62
63
64
65
56
57
58
59
60
51
52
53
54
55
46
47
48
49
50
1
1
0.6774
0.6773
0.6773
0.6773
0.6772
0.6775
0.6775
0.6775
0.6774
0.6774
0.6777
0.6777
0.6776
0.6776
0.6776
0.6779
0.6779
0.6779
0.6778
0.6778
0.6782
0.6782
0.6781
0.6781
0.6780
0.6785
0.6785
0.6784
0.6783
0.6783
0.6789
0.6788
0.6787
0.6787
0.6786
0.6793
0.6792
0.6791
0.6791
0.6790
0.6799
0.6797
0.6796
0.6795
0.6794
0.75
1.2915
1.2914
1.2912
1.2911
1.2910
1.2921
1.2920
1.2918
1.2917
1.2916
1.2928
1.2926
1.2925
1.2924
1.2922
1.2936
1.2934
1.2933
1.2931
1.2929
1.2945
1.2943
1.2941
1.2939
1.2938
1.2956
1.2954
1.2951
1.2949
1.2947
1.2969
1.2966
1.2963
1.2961
1.2958
1.2984
1.2980
1.2977
1.2974
1.2971
1.3002
1.2998
1.2994
1.2991
1.2987
0.90
1.6628
1.6626
1.6624
1.6622
1.6620
1.6639
1.6636
1.6634
1.6632
1.6630
1.6652
1.6649
1.6646
1.6644
1.6641
l.6666
1.6663
1.6660
1.6657
1.6654
1.6683
1.6679
1.6676
1.6672
1.6669
1.6702
1.6698
1.6694
1.6690
1.6686
1.6725
1.6720
1.6716
1.6711
1.6706
1.6753
1.6747
1.6741
1.6736
1.6730
1.6787
1.6779
1.6772
1.6766
1.6759
0.95
1.9879
1.9876
1.9873
1.9870
1.9867
1.9897
1.9893
1.9890
1.9886
1.9883
1.9917
1.9913
1.9908
1.9905
1.9901
1.9539
1.9935
1.9930
1.9925
1.9921
1.9966
1.9960
1.9955
1.9949
1.9944
1.9996
1.9990
1.9983
1.9977
1.9971
2.0032
2.0925
2.0017
2.0010
2.0003
2.0076
2.0066
2.0057
2.0049
2.0040
2.0129
2.0117
2.0106
2.0096
2.0086
0.975
2.3705
2.3700
2.3695
2.3690
2.3685
2.3733
2.3727
2.3721
2.3716
2.3710
2.3764
2.3758
2.3751
2.3745
2.3739
2.3800
2.3793
2.3785
2.3778
2.3771
2.3842
2.3833
2.3824
2.3816
2.3808
2.3890
2.3880
2.3870
2.3860
2.3851
2.3948
2.3936
2.3924
2.3912
2.3901
2.4017
2.4002
2.3988
2.3974
2.3961
2.4102
2.4083
2.4066
2.4049
2.4033
0.99
2.6342
2.6335
2.6329
2.6322
2.6316
2.6379
2.6371
2.6364
2.6356
2.6349
2.6421
2.6412
2.6403
2.6395
2.6387
2.6469
2.6459
2.6449
2.6439
2.6430
2.6524
2.6512
2.6501
2.6490
2.6479
2.6589
2.6575
2.6561
2.6549
2.6536
2.6665
2.6649
2.6633
2.6618
2.6603
2.6757
2.6737
2.6718
2.6700
2.6682
2.6870
2.6846
2.6822
2.6800
2.6778
0.995
Pg. 4
0.90
1.2909
1.2908
1.2907
1.2906
1.2905
1.2904
1.2903
1.2902
1.2902
1.2901
1.2899
1.2897
1.2996
1.2894
1.2893
1.2892
1.2890
1.2889
1.2888
1.2886
1.2885
1.2884
1.2883
1.2882
1.2881
1.2880
1.2879
1.2878
1.2877
1.2876
1.2875
1.2875
1.2874
1.2873
1.2872
1.2858
1.2844
1.2837
1.2832
1.2830
1.2828
1.2826
1.2825
1.2824
1.2816
0.75
0.6772
0.6772
0.6771
0.6771
0.6771
0.6771
0.6770
0.6770
0.6770
0.6770
0.6769
0.6769
0.6768
0.6768
0.6767
0.6767
0.6766
0.6766
0.6766
0.6765
0.6765
0.6765
0.6764
0.6764
0.6764
0.6764
0.6763
0.6763
0.6763
0.6762
0.6762
0.6762
0.6762
0.6762
0.6761
0.6757
0.6753
0.6751
0.6750
0.6749
0.6748
0.6748
0.6748
0.6747
0.6745
91
92
93
94
95
96
97
98
99
100
102
104
106
108
110
112
114
116
118
120
122
124
126
128
130
132
134
136
138
140
142
144
146
148
150
200
300
400
500
600
700
800
900
1000
1
1
1.6470
1.6468
1.6465
1.6464
1.6449
1.6525
1.6499
1.6487
1.6479
1.6474
1.6557
1.6555
1.6554
1.6552
1.6551
1.6565
1.6563
1.6561
1.6560
1.6558
1.6574
1.6572
1.6570
1.6568
1.6567
1.6586
1.6583
1.6581
1.6579
1.6577
1.6599
1.6596
1.6594
1.6591
1.6588
1.6609
1.6607
1.6606
1.6604
1.6602
1.6618
1.6616
1.6614
1.6612
1.6611
0.95
1.9634
1.9629
1.9626
1.9623
1.9600
1.9719
1.9679
1.9659
1.9647
1.9639
1.9768
1.9766
1.9763
1.9761
1.9759
1.9781
1.9778
1.9776
1.9773
1.9771
1.9796
1.9793
1.9790
1.9787
1.9784
1.9814
1.9810
1.9806
1.9803
1.9799
1.9835
1.9830
1.9826
1.9822
1.9818
1.9850
1.9847
1.9845
1.9842
1.9840
1.9864
1.9861
1.9858
1.9855
1.9853
0.975
2.3317
2.3310
2.3305
2.3301
2.3263
2.3451
2.3388
2.3357
2.3338
2.3326
2.3529
2.3525
2.3522
2.3518
2.3515
2.3549
2.3545
2.3541
2.3537
2.3533
2.3573
2.3568
2.3563
2.3558
2.3554
2.3601
2.3595
2.3589
2.3584
2.3578
2.3635
2.3627
2.3620
2.3614
2.3607
2.3658
2.3654
2.3650
2.3646
2.3642
2.3680
2.3676
2.3471
2.3667
2.3662
0.99
2.5829
2.5820
2.5813
2.5806
2.5758
2.6006
2.5923
2.5882
2.5857
2.5840
2.6109
2.6104
2.6099
2.6095
2.6090
2.6136
2.6130
2.6125
2.6119
2.6114
2.6167
2.6161
2.6154
2.6148
2.6142
2.6204
2.6196
2.6189
2.6181
2.6174
2.6249
2.6239
2.6230
2.6221
2.6213
2.6280
2.6275
2.6269
2.6264
2.6259
2.6309
2.6303
2.6297
2.6291
2.6286
0.995
Pg. 5
Valores Percentiles
Pg. 6
, , de la Distribucin F. (Continuacin)
10
11
12
.500
.750
.900
.950
.975
.990
.995
1.0000
5.8285
39.864
161.45
647.79
4052.2
16211
1.5000
7.5000
49.500
199.50
799.50
4999.5
20000
1.7092
8.1999
53.593
215.71
864.16
5403.3
21615
1.8227
8.5810
55.883
224.58
899.58
5624.6
22500
1.8937
8.8198
57.241
230.16
921.85
5763.7
23056
1.9422
8.9833
58.204
233.99
937.11
5859.0
23437
1.9774
9.1021
58.906
236.7 7
948.22
5928.3
2373 5
2.0041
9.1922
59.439
238.88
956.66
5981.1
23925
2.0250
9.2631
59.858
240.54
963.28
6011.5
24091
2.0419
9.3202
60.195
241.88
968.63
6055.8
24224
2.0558
9.3672
60.473
242.99
973.04
6083.3
24334
2.0574
9.4064
60.705
243.91
976.71
6106.3
24426
.500
.750
.900
.950
.975
.990
.995
.66667
2.5714
8.5263
18.513
38.506
98.503
198.50
1.0000
3.0000
9.0000
19.000
39.000
99.000
199.00
1.1349
3.1534
9.1618
19.164
39.165
99.166
199.17
1.2071
3.2320
9.2434
19.247
39.248
99.249
199.25
1.2519
3.2799
9.2926
19.296
39.298
99.299
199.30
1.2824
3.3121
9.3255
19.330
39.331
99.332
199.33
1.3045
3.3352
9.3491
19.353
39. 355
99.356
199.36
1.3213
3.3526
9.3668
19.371
39.373
99.374
199.37
1.3344
3.3661
9.3805
19.385
39.387
99.388
199.39
1.3450
3.3770
9.3916
19.396
39.398
99.399
199.40
1.3537
3.3859
9.4006
19.405
39.407
99.408
199.41
1.3610
3.3934
9.4081
19.413
39.415
99.416
199.42
.500
.750
.900
.950
.975
.990
.995
.58506
2.0239
5.5383
10.128
17.443
34.116
55.552
.88110
2.2798
5.4624
9.5521
16.044
30.817
49.799
1.0000
2.3555
5.3908
9.2766
15.439
29.457
47.467
1.0632
2.3901
5.3427
9.1172
15.101
28.710
46.195
1.1024
2.4095
5.3092
9.0135
14.885
28.237
45.392
1.1289
2.4218
5.2847
8.9406
14.735
27.911
44.838
1.1482
2.4302
5.2662
8.8868
14.624
27.672
44.434
1.1627
2.4364
5.2517
8.8452
14.540
27.489
44.126
1.1741
2.4410
5.2400
8.8123
14.473
27.345
43.882
1.1833
2.4447
5.2304
8.7855
14.419
27.229
43.686
1.1909
2.4476
5.2223
8.7632
14.374
27.132
43.523
1.1972
2.4500
5.2156
8.7446
14.337
27.052
43.387
.500
.750
.900
.950
.975
.990
.995
.54863
1.8074
4.5448
7.7086
12.218
21.198
31.333
.82843
2.0000
4.3246
6.9443
10.649
18.000
26.284
.94054
2.0467
4.1908
6.5914
9.9792
16.694
24.259
1.0000
2.0642
4.1073
6.3883
9.6045
15.977
23.155
1.0367
2.0723
4.0506
6.2560
9.3645
15.522
22.456
1.0617
2.0766
4.0098
6.1631
9.1973
15.207
21.975
1.0797
2.0790
3.9790
6.0942
9.0741
14.976
21 .622
1.0933
2.0805
3.9549
6.0410
8.9796
14.799
21.352
1.1040
2.0814
3.9357
5.9988
8.9047
14.659
21.139
1.1126
2.0820
3.9199
5.9644
8.8439
14.546
20.967
1.1196
2.0823
3.9066
5.9357
8.7933
14.452
20.824
1.1255
2.0826
3.8955
5.9117
8.751 2
14.574
20.705
.500
.750
.900
.950
.975
.990
.995
.52807
1.6925
4.0604
6.6079
10.007
16.258
22.785
.79877
1.8528
1.7797
5.7861
8.4336
13.274
18.314
.90715
1.8843
3.6195
5.4095
7.7636
12.060
16.530
.96456
1.8927
3.5202
5.1922
7.3879
11.392
15.556
1.0000
1.8947
3.4530
5.0503
7.1464
10.967
14.940
1.0240
1.8945
3.4045
4.9503
6.9777
10.672
14.513
1.0414
1.8935
3.3679
4.8759
6.8531
10.456
14.200
1.0545
1.8923
3.3393
4.8183
6.7572
10.289
13.961
1.0648
1.8911
3.3163
4.7725
6.6810
10.158
13.772
1.0730
1.8899
3.2974
4.7351
6.6192
10.051
13.618
1.0798
1.8987
3.2815
4.7038
6.5676
9.9623
13.490
1.0855
1.8877
3.2652
4.6777
6.5246
9.8883
13.384
.500
.750
.900
.950
.975
.990
.995
.51489
1.6214
3.7760
5.9874
8.8131
13.745
18.635
.77976
1.7622
3.4633
5.1433
7.2598
10.925
14.544
.88578
1.7844
3.2888
4.7571
6.5988
9.7795
12.917
.94191
1.7872
3.1808
4.5337
6.2272
9.1483
12.028
.97654
1.7852
3.1075
4.3874
5.9876
8.7459
11.464
1.0000
1.7821
3.0546
4.2839
5.8197
8.4661
11.073
1.0169
1.7789
3.0145
4.2066
5.6955
8.2600
10.786
1.0298
1.7760
2.9830
4.1468
5.5996
8.1016
10.566
1.0398
1.7733
2.9577
4.0990
5.5234
7.9761
10.391
1.0478
1.7708
2.9369
4.0600
5.4613
7.8741
10.250
1.0545
1.7686
2.9193
4.0272
5.4094
7.7891
10.132
1.0600
l.7668
2.9047
3.9999
5.3662
7.7183
10.034
.500
.750
.900
.950
.975
.990
.995
.50572
1.5732
3.5894
5.5914
8.0727
12.246
16.236
.76655
1.7010
3.2574
4.7374
6.5415
9.5466
12.404
.87095
1.7169
3.0741
4.3468
5.8598
8.4513
10.882
.92619
1.7157
2.9605
4.1203
5.5226
7.8467
10.050
.96026
1.7111
2.8833
3.9715
5.2852
7.4604
9.5221
.98334
1.7059
2.8274
3.8660
5.1186
7.1914
9.1554
1.0000
1.7011
2.7849
3.7870
4.9949
6.9928
8.8854
1.0126
1.6969
2.7516
3.7257
4.8994
6.8401
8.6781
1.0224
1.6931
2.7247
3.6767
4.8232
6.7188
8.5138
1.0304
1.6898
2.7025
3.6365
4.7611
6.6201
8.3803
1.0369
1.6868
2.6837
3.6028
4.7091
6.5377
8.2691
1.0423
1.6843
2.6681
3.5747
4.6658
6.4691
8.1764
.500
.750
.900
.950
.975
.990
.995
.49898
1.5384
3.4579
5.3177
7.5709
11.259
14.688
.75683
1.6569
3.1131
4.4590
6.0595
8.6491
11.042
.86004
1.6683
2.9238
4.0662
5.4160
7.5910
9.5965
.91464
1.6642
2.8064
3.8378
5.0526
7.0060
8.8051
.94831
1.6575
2.7265
3.6875
4.8173
6.6318
8.3018
.97111
1.6508
2.6683
3.5806
4.6517
6.3707
7.9520
.98757
1.6448
2.6241
3.5005
4.5286
6. 1776
7.6942
1.0000
1.6396
2.5893
3.4381
4.4332
6.0289
7.4960
1.0097
1.6350
2.5612
3.3881
4.3572
5.9106
7.3386
1.0175
1.6310
2.5380
3.3472
4.2951
5.8143
7.2107
1.0239
1.6274
2.5184
3.3127
4.2431
5.7338
7.1039
1.0293
1.6244
2.5020
3.2840
4.1997
5.6668
7.0149
.500
.750
.900
.950
.975
.990
.995
.49382
1.5121
3.3603
5.1174
7.2093
10.561
13.814
.74938
1.6236
3.0065
4.2565
5.7147
8.0215
10.107
.85168
1.6315
2.8129
3.8626
5.0781
6.9919
8.7171
.90580
1.6253
2.6927
3.6331
4.7181
6.4721
7.9559
.93916
1.6170
2.6106
3.4817
4.4844
6.0569
7.4711
.96175
1.6091
2.5509
3.3738
4.3197
5.8018
7.1338
.97805
1.6022
2.5053
3.2927
4.1971
5.6129
6.8849
.99037
1.5961
2.4694
3.2296
4.1020
5.4671
6.6933
1.0000
1.5909
2.4403
3.1789
4.0260
5.3511
6.5411
10077
1.5863
2.4163
3.1373
3.9639
5.2565
6.4171
1.0141
1.5822
2.3959
3.1022
3.9117
5.1774
6.3136
1.0194
1.5788
2.3789
3.0729
3.8682
5.1114
6.2274
10
.500
.750
.900
.950
.975
.990
.995
.48973
1.4915
3.2850
4.9646
6.9367
10.044
12.826
.74349
1.5975
2.9245
4.1028
5.4564
7.5394
9.4772
.84508
1.6028
2.7277
3.7083
4.8256
6.5523
8.0807
.89882
1.5949
2.6053
3.4780
4.4683
5.9943
7.3428
.93193
1.5853
2.5216
3.3258
4.2361
5.6363
6.8723
.95436
1.5765
2.4606
3.2172
4.0721
5.3858
6.5446
.97054
1.5688
2.4140
3.1355
3.9498
5.2001
6.3025
.98276
1.5621
2.3772
3.0717
3.8549
5.0567
6.1159
.99232
1.5563
2.3473
3.0204
3.7790
4.9424
5.9676
1.0000
1.5513
2.3226
2.9782
3.7168
4.8492
5.8467
1.0063
1.5468
2.3016
2.9426
3.6645
4.7710
5.7456
1.0116
1.5430
2.2841
2.9130
3.6209
4.7059
5.6613
11
.500
.750
.900
.950
.975
.990
.995
.48644
1.4749
3.2252
4.8443
6.7241
9.6460
12.226
.73872
1.5767
2.8595
3.9823
5.2555
7.2057
8.9122
.83973
1.5798
2.6602
3.5674
4.6300
6.2167
7.6004
.89316
1.5704
2.5362
3.3567
4.2751
5.6683
6.8809
.92608
1.5598
2.4512
3.2039
4.0440
5.3160
6.4217
.94837
1.5502
2.3891
3.0946
3.8807
5.0692
6.1015
.96445
1.5418
2.3416
3.0123
3.7586
4.8861
5.8648
.97661
1.5346
2.3040
2.9480
3.6638
4.7445
5.6821
.98610
1.3284
2.2735
2.8962
3.5879
4.6315
5.5368
.99373
1.5230
2.2482
2.8536
3.5257
4.5393
5.4182
.99999
1.5181
2.2267
2.8176
3.4733
4.4619
5.3190
1.0052
1.5140
2.2087
2.7876
3.4296
4.3974
5.2363
12
.500
.750
.900
.950
.975
.990
.995
.48369
1.4613
3.1765
4.7472
6.5538
9.3302
11 .754
.73477
1.5595
2.8065
3.8853
5.0959
6.9265
8.5095
.83530
1.5609
2.6055
3.4903
4.4742
5.9526
7.2258
.88848
1.5503
2.4801
3.2592
4.1212
5.4119
6.5211
.92124
1.5389
2.3940
3.1059
3.8911
5.0643
6.0711
.94342
1.5286
2.3310
2.9961
3.7283
4.8206
5.7570
.95943
1 .5197
2.2828
2.9134
3.6065
4.6395
5.5245
.97152
1.5120
2.2446
2.8486
3.5118
4.4994
5.3451
.98097
1.5054
2.2135
2.7964
3.4358
4.3875
5.2021
.98856
1.4996
2.1878
2.7534
3.3736
4.2961
5.0855
.99480
1.4945
2.1658
2.7170
3.3211
4.2193
4.9888
1.0000
1.4902
2.1474
2.6866
3.2773
4.1553
4.9063
Valores Percentiles
, de la Distribucin F. (Continuacin)
Pg. 7
10
11
12
13
.500
.750
.900
.950
.975
.990
.995
.48141
1.4500
3.1362
4.6672
6.4143
9.0738
11.374
.73145
1.5452
2.7632
3.8056
4.9653
6.7010
8.1865
.83159
1.5451
2.5603
3.4105
4.3472
5.7394
6.9257
.88454
1.5336
2.4337
3.1791
3.9959
5.2053
6.2335
.91718
1.5214
2.3467
3.0254
3.7667
4.8616
5.7910
.93926
1.5105
2.2830
2.9153
3.6043
4.6204
5.4819
.9.5520
1.5011
2.2341
2.8321
3.4827
4.4410
5.2529
.96724
1.4931
2.1953
2.7669
3.3880
4.3021
5.0761
.97665
1.4861
2.1638
2.7144
3.3120
4.1911
4.9351
.98421
1.4801
2.1376
2.6710
3.2497
4.1003
4.8199
.99042
1.4746
2.1152
2.6343
3.1971
4.0239
4.7234
.99560
1.4701
2.0966
2.6037
3.1532
3.9603
4.6429
14
.500
.750
.900
.950
.975
.990
.995
.4 7944
1.4403
3.1022
4.6001
6 .2979
8 .8616
11.060
.72862
1.5331
2.7265
3.7389
4.8567
6.5149
7.9216
.82842
1.5317
2.5222
3.3439
4.2417
5.5639
6.6803
.88119
1.5194
2.3947
3.1122
3.8919
5.0334
5.9984
.91371
1.5066
2.3069
2.9582
3.6634
4.6950
5.5623
.93573
1.4952
2.2426
2.8477
3.5014
4.4558
5.2574
.95161
1.4854
2.1931
2.7642
3.3799
4.2779
5.0313
.96360
1.4770
2.1539
2.6987
3.2853
4.1399
4.8566
.97298
1.4697
2.1220
2.6458
3.2093
4.0297
4.7173
.98051
1.4634
2.0954
2.6021
3.1469
3.9394
4.6034
.98670
1.4577
2.0727
2.5651
3.0941
3.8634
4.5078
.99186
1.4530
2.0537
2.5342
3.0501
3.8001
4.4281
15
.500
.750
.900
.950
.975
.990
.995
.47775
1.4321
3.0732
4.5431
6 .1995
8.6831
10.798
.72619
1.5227
2.6952
3.6823
4.7650
6.3589
7.7008
.82569
1.5202
2.4898
3.2874
4.1528
5.4170
6.4760
.87830
1.5071
2.3614
3.0556
3.8043
4.8932
5.8029
.91073
1.4938
2.2730
2.9013
3.5764
4.5556
5.3721
.93267
1.4820
2.2081
2.7905
3.4147
4.3183
5.0708
.94850
1.4718
2.1582
2.7066
3.2934
4.1415
4.8473
.96046
1.4631
2.1185
2.6408
3.1987
4.0045
4.6743
.96981
1.4556
2.0862
2.5876
3.1227
3.8948
4.5364
.97732
1.4491
2.0593
2.5437
3.0602
3.8049
4.4236
.98349
1.4432
2.0363
2.5064
3.0073
3.7292
4.3288
.98863
1.4383
2.0171
2.4753
2.9633
3.6662
4.2498
16
.500
.750
.900
.950
.975
.990
.995
.47628
1.4249
3.0481
4.4940
6.1151
8.5310
10.575
.72406
1.5137
2.6682
3.6337
4.6867
6.2262
7.5138
.82330
1.5103
2.4618
3.2389
4.0768
5.2922
6.3034
.87578
1.4965
2.3327
3.0069
3.7294
4.7726
5.6378
.90812
1.4827
2.2438
2.8524
3.5021
4.4374
5.2117
.93001
1.4705
2.1783
2.7413
3.3406
4.2016
4.9134
.94580
1.4601
2.1280
2.6572
3.2194
4.0259
4.6920
.95773
1.4511
2.0880
2.5911
3.1248
3.8896
4.5207
.96705
1.4433
2.0553
2.5377
3.0488
3.7804
4.3838
.97454
1.4366
2.0281
2.4935
2.9862
3.6909
4.2719
.98069
1.4309
2.0048
2.4560
2.9332
3.6155
4.1778
.98582
1.4255
1.9854
2.4247
2.8590
3.5527
4.0994
17
.500
.750
.900
.950
.975
.990
.995
.4799
1.4386
3.0262
4.4513
6.0420
8.3997
10.384
.72219
1.5057
2.6446
3.5915
4.6189
6.1121
7.3536
.82121
1.5015
2.4374
3.1968
4.0112
5.1850
6.1556
.87357
1.4873
2.3077
2.9647
3.6648
4.6690
5.4967
.90584
1.4730
2.2103
2.8100
3.4379
4.3359
5.0746
.92767
1.4605
2.1524
2.6987
3.2767
4.1015
4.7789
.94342
1.4497
2.1017
2.6143
3.1556
3.9267
4.5594
.95532
1.4405
2.0613
2.5480
3.0610
3.7910
4.3893
.96462
1.4325
2.0284
2.4943
2.9849
3.6822
4.2535
.97209
1.4256
2.0009
2.4499
2.9222
3.5931
4.1423
.97823
1.4194
1.9773
2.4122
2.8691
3.5179
4.0488
.98334
1.4142
1.9577
2.3807
2.8249
3.4552
3.9709
18
.500
.750
.900
.950
.975
.990
.995
.47385
1.4130
3.0070
4.4139
5.9781
8.2854
10.218
.72053
1.4988
2.6239
3.5597
4.5597
6.0129
7.2148
.81936
1.4938
2.4160
3.1599
3.9539
5.0919
6.0277
.87161
1.4790
2.2858
2.9277
3.6083
4.5790
5.3746
.90381
1.4644
2.1958
2.7729
3.3820
4.2479
4.9560
.92560
1.4516
2.1296
2.6613
3.2209
4.0146
4.6627
.94132
1.4406
2.0785
2.5767
3.0999
3.8406
4.4448
.95319
1.4312
2.0379
2.5102
3.0053
3.7054
4.2759
.96247
1.4230
2.0047
2.4563
2.9291
3.5971
4.1410
.96993
l.4159
1.9770
2.4117
2.8664
3.5082
4.0305
.97606
1.4095
1.9532
2.3737
2.8132
3.4331
3.9374
.98116
1.4042
1.9333
2.3421
2.7689
3.3706
3.8599
19
.500
.750
.900
.950
.975
.990
.995
.47284
1.4081
2.9899
4.3808
5.9216
8.1850
10.073
.71906
1.4925
2.6056
3.5219
4.5075
5.9259
7.0935
.81771
1.4870
2.3970
3.1274
3.9034
5.0103
5.9161
.86987
1.4717
2.2663
2.8951
3.5587
4.5003
5.2681
.90200
1.4568
2.1760
2.7401
3.3327
4.1708
4.8526
.92375
1.4437
2.1094
2.6283
3.1718
3.9386
4.5614
.93944
1.4325
2.0580
2.5435
3.0509
3.7653
4.3448
.95129
1.4228
2.0171
2.4768
2.9563
3.6305
4.1770
.96056
1.4145
1.9836
2.4227
2.8800
3.5225
4.0428
.96800
1.4073
1.9557
2.3779
2.8173
3.4338
3.9329
.97411
1.4008
1.9317
2.3598
2.7640
3.3589
3.8403
.97920
1.3953
1.9117
2.3080
2.7186
3.2965
3.7631
20
.500
.750
.900
.950
.975
.990
.995
.47192
1.4037
2.9747
4.3513
3.8715
8.0960
9.9439
.71773
1.4870
2.5893
3.4928
4.4613
5.8489
6.9865
.81621
1.4808
2.3801
3.0984
3.8587
4.9382
5.8177
.86830
1.4652
2.2489
2.8661
3.5147
4.4307
5.1743
.90038
1.4500
2.1582
2.7109
3.2891
4.1027
4.7616
.92210
1.4366
2.0913
2.5990
3.1283
3.8714
4.4721
.93776
1.4252
2.0397
2.5140
3.0074
3.6987
4.2569
.94959
1.4153
1.9985
2.4471
2.9128
3.5644
4.0900
.95884
1.4069
1.9649
2.3928
2.8365
3.4567
3.9564
.96626
1.3995
1.9367
2.3479
2.7737
3.3682
3.8470
.97237
1.3928
1.9125
2.3096
2.7203
3.2934
3.7548
.97746
1.3873
1.8924
2.2776
2.6758
3.2311
3.6779
21
.500
.750
.900
.950
.975
.990
.995
.47108
1.3997
2.9609
4.3248
5.8266
8.0166
9.8295
.71653
1.4820
2.5746
3.4668
4.4199
5.7804
6.8914
.81487
1.4753
2.3649
3.0725
3.8188
4.8740
5.7304
.86688
1.4593
2.2333
2.8401
3.4754
4.3688
5.0911
.89891
1.4438
2.1423
2.6848
3.2501
4.0421
4.6808
.92060
1.4302
2.0751
2.5727
3.0895
3.8117
4.3931
.93624
1.4186
2.0232
2.4876
2.9686
3.6396
4.1789
.94805
1.4086
1.9819
2.4205
2.8740
3.3056
4.0128
.95728
1.4000
1.9480
2.3661
2.7977
3.3981
3.9799
.96470
1.3925
1.9197
2.3210
2.7348
3.3098
3.7709
.97079
1.3857
1.8953
2.2825
2.6813
3.2351
3.6790
.97587
1.3801
1.8750
2.2504
2.6368
3.1729
3.6024
22
.500
.750
.900
.950
.975
.990
.995
.47033
1.3961
2.9486
4.3009
5.7863
7.9454
9.7271
.71545
1.4774
2.5613
3.4434
4.3828
5.7190
6.8064
.61365
1.4703
2.3512
3.0491
3.7829
4.8166
5.6524
.86559
1.4540
2.2193
2.8167
3.4401
4.3134
5.0168
.89759
1.4382
2.1279
2.6613
3.2152
3.9880
4.6088
.91924
1.4244
2.0605
2.5491
3.0546
3.7583
4.3225
.93486
1.4126
2.0084
2.4638
2.9338
3.5867
4.1094
.94665
1.4025
1.9668
2.3965
2.8392
5.4530
3.9440
.95588
1.3937
1.9327
2.3419
2.7628
3.3458
3.8116
.96328
1.3861
1.9043
2.2967
2.6998
3.2576
3.7030
.96937
1.3792
1.8798
2.2580
2.6463
3.1830
3.6114
.97444
1.3735
1.8593
2.2258
2.6017
3.1209
3.5350
23
.500
.750
.900
.950
.975
.990
.995
.46965
1.3928
2.9374
4.2793
5.7498
7.8811
9.6348
.71446
1.4733
2.5493
3.4221
4.3492
5.6637
6.7300
.81255
1.4657
2.3387
3.0280
3.7505
4.7649
5.5823
.86442
1.4491
2.2065
2.7955
3.4083
4.2635
4.9500
.89638
1.4331
2.1149
2.6400
3.1835
3.9392
4.5441
.91800
1.4191
2.0472
2.5277
3.0232
3.7102
4.2591
.93360
1.4072
1.9949
2.4422
2.9024
3.5390
4.0469
.94538
1.3969
1.9531
2.3748
2.8077
3.4057
3.8822
.95459
1.3880
1.9189
2.3201
2.7313
3.2986
3.7502
.96199
1.3803
1.8903
2.2747
2.6682
3.2106
3.6420
.96807
1.3733
1.8656
2.2359
2.6146
3.1361
3.5506
.97313
1.3675
1.8450
2.2036
2.5699
3.0740
3.4745
24
.500
.750
.900
.950
.975
.990
.995
.46902
1.3898
2.9271
4.2597
5.7167
7.8229
9.5513
.71356
1.4695
2.5383
3.4028
4.3187
5.6136
6.6609
.81153
1.4615
2.3274
3.0088
3.7211
4.7181
5.5190
.86335
1.4447
2.1949
2.7763
3.3194
4.2184
4.8898
.89527
1.4285
2.1030
2.6207
3.1548
3.8951
4.4857
.91687
1.4143
2.0351
2.5082
2.9946
3.6667
4.2019
.93245
1.4022
1.9826
2.4226
2.8738
3.4959
3.9905
.94422
1.3918
1.9407
2.3551
2.7791
3.3629
3.8264
.95342
1.3826
1.9063
2.3002
2.7027
3.2560
3.6949
.96081
1.3750
1.8775
2.2547
2.6396
3.1681
3.5870
.96688
1.3680
1.8526
2.2158
2.5859
3.0936
3.4959
.97194
1.3621
1.8319
2.1834
2.5412
3.0316
3.4199
Valores Percentiles
Pg. 8
1
10
11
12
25
.500
.750
.900
.950
.975
.990
.995
.46844
1.3870
2,9177
4.2417
5.6864
7.7698
9.4753
.71272
1.4661
2.5283
3.3852
4.2909
5.5680
6.5982
.81061
1.4577
2.3170
2.9912
3.6943
4.6755
5.4615
.86236
1.4406
2.1843
2.7587
3.3530
4.1774
4.8351
.89425
1.4242
2.0922
2.6030
3.1287
3.8550
4.4327
.91583
1.4099
2.0241
2.4904
2.9685
3.6272
4.1500
.93140
1.3976
1.9714
2.4047
2.8478
3.4568
3.9394
.94315
1.3871
1.9292
2.3371
2.7531
3.3239
3.7758
.95234
1.3780
1.8947
2.2821
2.6766
3.2172
3.6447
.95972
1.3701
1.8658
2.2365
2.6135
3.1294
3.5370
.96579
1.3630
1.8409
2.1974
2.5597
3.0551
3.4461
.97084
1.3570
1.8200
2.1649
2.5149
2.9931
3.3704
26
.500
.750
.900
.950
.975
.990
.995
.46793
1.3845
2.9091
4.2252
5.6586
7.7213
9.4059
.71195
1.4629
2.5191
3.3690
4.2655
5.5263
6.5409
.80975
1.4542
2.3075
2.9751
3.6697
4.6366
5.4091
.86145
1.4368
2.1745
2.7426
3.3289
4.1400
4.7852
.89331
1.4203
2.0822
2.5868
3.1048
3.8183
4.3844
.91487
1.4058
2.0139
2.4741
2.9447
3.5911
4.1027
.93042
1.3935
1.9610
2.3883
2.8240
3.4210
3.8928
.94217
1.3828
1.9188
2.3205
2.7293
3.2884
3.7797
.95135
1.3737
1.8841
2.2655
2.6528
3.1818
3.5989
.95872
1.3656
1.8550
2.2197
2.5895
3.0941
3.4916
.96478
1.3584
1.8299
2.1805
2.5357
3.0198
3.4008
.96983
1.3524
1.8090
2.1479
2.4909
2.9579
3.3252
27
.500
.750
.900
.950
.975
.990
.995
.46744
1.3822
2.9012
4.2100
5.6331
7.6767
9.3423
.71124
1.4600
2.5106
3.3541
4.2421
5.4881
6.4885
.80894
1.4510
2.2987
2.9604
3.6472
4.6009
5.3611
.86061
1.4334
2.1655
2.7278
3.3067
4.1056
4.7396
.89244
1.4166
2.0730
2.5719
3.0828
3.7848
4.3402
.91399
1.4021
2.0045
2.4591
2.9228
3.5580
4.0594
.92952
1.3896
1.9515
2.3732
2.8021
3.3082
3.8501
.94126
1.3788
1.9091
2.3053
2.7074
3.2558
3.6875
.95044
1.3696
1.8743
2.2501
2.6309
3.1494
3.5571
.95779
1.3615
1.8451
2.2043
2.5676
3.0618
3.4499
.96385
1.3542
1.8199
2.1650
2.5137
2.9875
3.3594
.96889
1.3481
1.7989
2.1323
2.4688
2.9256
3.2839
28
.500
.750
.900
.950
.975
.990
.995
.46697
1.3800
2.8939
4.1960
5.6096
7.6336
9.2838
.71059
1.4573
2.5028
3.3404
4.2205
5.4529
6.4403
.80820
1.4480
2.2906
2.9467
3.6264
4.5681
5.3170
.85983
1.4302
2.1571
2.7141
3.2863
4.0740
4.6977
.89164
1.4133
2.0645
2.5581
3.0625
3.7539
4.2996
.91317
1.3986
1.9959
2.4453
2.9027
3.5276
4.0197
.92869
1.3860
1.9427
2.3593
2.7820
3.3581
3.8110
.94041
1.3752
1.9001
2.2913
2.6872
3.2259
3.6487
.94958
1.3658
1.8652
2.2360
2.6106
3.1195
3.5186
.95694
1.3576
1.8359
2.1900
2.5473
3.0320
3.4117
.96298
1.3502
1.8106
2.1507
2.4934
2.9578
3.3213
.96802
1.3441
2.7895
2.1179
2.4484
2.8959
3.2460
29
.500
.750
.900
.950
.975
.990
.995
.46654
1.3780
2.8671
4.1830
5.5878
7.3976
9.2297
.70999
1.4547
2.4995
3.3277
4.2006
5.4205
6.3958
.80733
1.4452
2.2831
2.9340
3.6072
4.5378
5.2764
.85911
1.4272
2.1494
2.7014
3.2674
4.0449
4.6591
.89089
1.4102
2.0566
2.5454
3.0438
3.7254
4.2622
.91741
1.3953
1.9878
2.4324
2.8840
3.4995
3.9830
.92791
1.3826
1.9345
2.3463
2.7633
3.3302
3.7749
.93963
1.3717
1.8918
2.2782
2.6686
3.1982
3.6130
.94879
1.3623
1.8568
2.2229
2.5919
3.0920
3.4832
.95614
1.3541
1.8274
2.1768
2.5286
3.0045
3.3765
.96218
1.3468
1.8020
2.1374
2.4745
2.9303
3.2863
.96722
1.3404
1.7808
2.1045
2.4295
2.8685
3.2111
30
.500
.750
.900
.950
.975
.990
.995
.46616
1.3761
2.8807
4.1709
5.5675
7.5625
9.1797
.70941
1.4524
2.4887
3.3158
4.1821
5.3903
6.3547
.80689
1.4426
2.2761
2.9223
3.5894
4.5097
5.2388
.85844
1.4244
2.1422
2.6896
3.2499
4.0179
4.6233
.89019
1.4073
2.0492
2.5336
3.0265
3.6990
4.2276
.91169
1.3923
l.9803
2.4205
2.8667
3.4735
3.9492
.92719
1.3795
1.9269
2.3343
2.7460
3.3045
3.7416
.93889
1.3685
1.8841
2.2662
2.6513
3.1726
35801
.94805
1.3590
1.8490
2.2107
2.5746
3.0665
3.4503
.95540
1.3507
1.8195
2.1646
2.5112
2.9791
3.3440
.96144
1.3432
1.7940
2.1251
2.4571
2.9049
3.2538
.96647
1.3369
1.7727
2.0921
2.4120
2.8431
3.1787
40
.500
.750
.900
.950
.975
.990
.995
.46330
1.3626
2.8354
4.0848
5.4239
7.3141
8.8278
.70531
1.4355
2.4404
3.2317
4.0510
5.1785
6.0664
.80228
1 .4239
2.2261
2.8387
3.4633
4.3126
4.9759
.85357
1.4045
2.0909
2.6060
3.1261
3.8283
4.3738
.08516
1.3863
1.9960
2.4495
2.9037
3.5138
3.9860
.90654
1.3706
1.9269
2.3359
2.7444
3.2910
3.7129
.92197
1.3571
1.8725
2.2490
2.6238
3.1238
3.5088
.93361
1.3455
1.8289
2.1802
2.5289
2.9930
3.3498
.94272
1.3354
1.7929
2.1240
2.4519
2.8876
3.2270
.95003
1.3266
1.7627
2.0772
2.3862
2.8005
3.1167
.95604
1.3186
1.7365
2.0370
2.3337
2.7265
3.0275
.96104
l.3119
l.7146
2.0035
2.2882
2.6648
2.9531
48
.500
.750
.900
.950
.975
.990
.995
.46192
1.3560
2.8134
4.0430
5.3548
7.1956
8.6612
.70327
1.4272
7.4168
3.1911
3.9882
5.0780
5.9307
.79999
1.4147
2.2018
2.7984
3.4029
4.2193
4.8525
.85115
1.3947
2.0660
2.5656
3.0669
3.7387
4.2569
.88267
1.3760
1.9713
2.4089
2.8450
3.4264
3.8730
.90399
1.3599
1.9008
2.2950
2.6859
3.2049
3.6024
.91938
1.3460
1.8460
2.2078
2.5653
3.0384
3.4000
.93100
1.3341
1.8019
2.1386
2.4703
2.9082
3.2421
.94008
1.3237
1.7655
2.0821
2.3932
2.8031
3.1132
.94737
1.3146
1.7349
2.0349
2.3292
2.7162
3.0105
.95336
1.3063
1.7082
1.9943
2.2744
2.6421
2.9216
.95835
1.2995
1.6860
1.9605
2.2287
2.5805
2,8475
60
.500
.750
.900
.950
.975
.990
.995
.46053
1.3493
2.7914
4.0012
5.2857
7.0771
8.4946
.70122
1.4188
2.3933
3.1504
3.9253
4.9774
5.7950
.79770
1.4055
2.1774
2.7581
3.3425
4.1259
4.7290
.84873
1.3848
2.0410
2.5252
3.0077
3.6491
4.1399
.88017
1.3657
1.9457
2.3683
2.7863
3.3389
3.7600
.90144
1.3491
1.8747
2.2540
2.6274
3.1187
3.4918
.91679
1.3349
1.8194
2.1665
2.5068
2.9530
3.2911
.92838
1.3226
1.7748
2.0970
2.4117
2.8233
3.1344
.93743
1.3119
1.7380
2.0401
2.3344
2.7185
3.0083
.94471
1.3026
1.7070
1.9926
2.2702
2.6318
2.9042
.95068
1.2941
1.6799
1.9516
2.2151
2.5578
7.8157
.95566
1.2870
1.6574
1.9174
2.1692
2.4961
2.7419
80
.500
.750
.900
.950
.975
.990
.995
.45914
1.3428
2.7696
3.9607
5.2191
6.964l
8.3368
.69920
1.4106
2.3703
3.1111
3.8650
4.8820
5.6672
.79542
1.3964
2.1537
2.7192
3.2848
4.0375
4.6132
.84633
1.3751
2.0167
2.4862
2.9510
3.5644
4.0303
.87769
1.3555
1.9208
2.3292
2.7302
3.2562
3.6541
.89891
1.3385
1.8493
2.2145
2.5714
3.0373
3.3884
.91422
1.3239
1.7935
2.1266
2.4508
2.8724
3.1893
.92578
1.3113
1.7484
2.0567
2.3556
2.7431
3.0337
.93481
1.3003
1.7112
1.9995
2.2781
2.6386
2.9083
.94207
1.2907
1.6797
1.9516
2.2136
2.5520
2.8047
.94803
1.2819
1.6522
1.9101
2.1582
2.4779
2.7164
.95299
1.2745
1.6293
1.8756
2.1120
2.4162
2.6429
.500
.750
.900
120 .950
.975
.990
.995
.45774
1.3362
2.7478
3.9201
3.1524
6.8510
8.1790
.69717
1.4024
2.3473
3.0718
3.8046
4.7865
5.5393
.79314
1.3873
2.1300
2.6802
3.2270
3.9491
4.4973
.84392
1.3654
1.9923
2.4472
2.8943
3.4796
3.9207
.87521
1.3453
1.8959
2.2900
2.6740
3.1735
3.5482
.89637
1.3278
1.8238
2.1750
2.5154
2.9559
3.2849
.91164
1.3128
1.7675
2.0867
2.3948
2.7918
3.0874
.92318
1.2999
1.7220
2.0164
2.2994
2.6629
2.9330
.93218
1.2886
1.6843
1.9588
2.2217
2.5586
2.8083
.93943
1.2787
1.6524
1.9105
2.1570
2.4721
2.7052
.94937
1.2696
1.6245
1.8686
2.1013
2.3980
2.6172
.95032
1.2621
1.6012
1.8337
2.0548
2.3363
2.5439
.500
.750
.900
.950
.975
.990
.995
.45494
1.3233
2.7055
3.8415
5.0239
6.6349
7.8794
.69313
1.3863
2.3026
2.9957
3.6889
4.6052
5.2983
.78866
1.3694
2.0838
2.6049
3.1161
3.7816
4.2794
.83918
1.3463
1.9449
2.3719
2.7858
3.3192
3.7151
.87029
1.3251
1.8473
2.2141
2.5663
3.0173
3.3499
.89135
1.3068
1.7741
2.0986
2.4082
2.8020
3.0913
.90654
1.2910
1.7167
2.0096
2.2875
2.6393
2.8968
.91802
1.2774
1.6702
1.9384
2.1918
2.5113
2.7444
.92698
1.2654
1.6315
1.8799
2.1136
2.4073
2.6210
.93418
1.2549
1.5987
1.8307
2.0483
2.3209
2.5188
.94010
1.2452
1.5698
1.7879
1.9918
2.2467
2.4313
.94503
1.2371
1.5458
1.7522
1.9447
2.1846
2.3583
Valores Percentiles
Pg. 9
13
14
15
18
20
24
30
40
48
60
120
.500
.750
.900
.950
.975
.990
.995
2.0773
9.4399
60.903
244.69
979.85
6123.9
24504
2.0858
9.4685
61.073
245.37
982.54
6142.7
24572
2.0931
9.4934
61.220
245.95
984.87
6157.3
24630
2.1104
9.5520
61.567
247.32
990.36
6191.6
24767
2.1190
9.5813
61.740
248.01
993.10
6208.7
24836
2.1321
9.6255
62.002
249.05
997.25
6234.6
24940
2.1452
9.6698
62.265
250.09
1001.4
6260.7
25044
2.1584
9.7144
62.529
251. 14
1005.6
6286.8
25148
2.1650
9.7368
62.662
251.67
1007.7
6299.9
25201
2.1716
9.7591
62.794
252.20
1009.8
6313.0
25253
2.1848
9.8041
63.061
253.25
1014.0
6339.4
25359
2.1981
9.8492
63.328
254.32
1018.3
6366.0
22463
.500
.750
.900
.950
.975
.990
.995
1.3672
3.3997
9.4145
19.419
39.421
99.422
199.42
1.3725
3.4051
9.4200
19.424
39.426
99.427
199.43
1.3771
3.4098
9.4247
19.429
39.431
99.432
199.43
1.3879
3.4208
9.4358
19.440
39.442
99.443
199.44
1.3993
3.4263
9.4413
19.446
39.448
99.449
199.45
1.4014
3.4365
9.6496
19.454
39.456
99.458
199.46
1.4096
3.4428
9.4579
19.462
39.465
99.466
199.47
1.4178
3.4511
9.4662
19.471
39.473
99.474
199.47
1.4220
3.4553
9.4705
19.475
39.477
99.478
199.47
1.4261
3.4594
9.4746
19.479
39.481
99.483
199.48
1.4344
3.4677
9.4829
19.487
39.490
99.491
199.49
1.4427
3.4761
9.4913
19.496
39.495
99.499
199.51
.500
.750
.900
.950
.975
.990
.995
1.2025
2.4520
5.2097
8.7286
14.305
26.983
43.271
1.2071
2.4537
5.2047
8.7148
14.277
26.923
43.171
1.2111
2.4552
5.2003
8.7029
14.253
26.872
43.085
1.2205
2.4585
5.1898
8.6744
14.196
26.751
47.880
1.2252
2.4602
5.1845
8.6602
14.167
26.690
42.778
1.2322
2.4626
5.1764
8.6385
14.124
26.598
42.622
1.2393
2.4650
5.1681
8.6166
14.081
26.505
42.466
1.2464
2.4674
5.1597
8.5944
14.037
26.41 1
42.308
1.2500
2.4686
5.1555
8.5832
14.015
26.364
42.229
1.2536
2.4697
5.1512
8.5720
13.992
26.316
42.149
1.2608
2.4720
5.1425
8.5494
13.947
26.221
41.989
1.2680
2.4742
5.1337
8.5265
13.902
26.125
41.829
.500
.750
.900
.950
.975
.990
.995
1.1305
2.0827
3.8553
5.8910
8.7148
14.306
20.602
1.1349
2.0828
3.8765
5.8732
8.6836
14.248
20.514
1.1386
2.0829
3.8689
5.8578
8.6565
14.198
20.438
1.1473
2.0828
3.8525
5.8209
8.5921
14.079
20.257
1.1517
2.0828
3.8443
5.8025
8.5599
14.020
20.167
1.1583
2.0827
3.8310
5.7744
8.5109
13.929
20.030
1.1649
2.0825
3.8174
5.7459
8.4613
13.838
19.892
1.1716
2.0821
3.8036
5.7170
8.4111
13.745
19.752
1.1749
2.0819
3.7966
5.7024
8.3858
13.699
19.682
1.1782
2.0817
3.7896
5.6878
8.3604
13.652
19.611
1.1849
2.0812
3.7753
5.6581
8.3092
13.558
19.468
1.1916
2.0806
3.7607
5.6281
8.2573
13.463
19.325
.500
.750
.900
.950
.975
.990
.995
1.0903
1.8867
3.2566
4.6550
6.4873
9.8244
13.292
1.0944
1.8858
3.2466
4.6356
6.4554
9.7697
13.214
1.0980
1.8851
3.2380
4.6188
6.4277
9.7222.
13.146
1.1064
1.8830
3.2171
4.5783
6.3616
9.6092
12.984
1.1106
1.8820
3.2067
4.5581
6.3285
9.5527
12.903
1.1170
1.8802
3.1905
4.5272
6.2780
9.4665
12.780
1.1234
1.8784
3.1741
4.4957
6.2269
9.3793
12.656
1.1297
1.8763
3.1573
4.4638
6.1751
9.2912
12.530
1.1329
1.8753
3.1488
4.4476
6.1488
9.2466
12.466
1.1361
1.8742
3.1402
4.4314
6.1225
9.2020
12.402
1.1426
1.8719
3.1228
4.3984
6.0693
9.1118
12.274
1.1490
1.8694
3.1050
4.3650
6.0153
9.0204
12.144
.500
.750
.900
.950
.975
.990
.995
1.0647
1.7650
2.8918
3.9761
5.3287
7.6570
9.9494
1.0687
1.7634
2.8808
3.9558
5.2966
7.6045
9.8769
1.0722
1.7621
2.8712
3.9381
3.2687
7.5590
9.8140
1.0804
1.7586
2.8479
3.8955
5.2018
7.4502
9.6639
1.0845
1.7569
2.8363
3.8742
5.1684
7.3938
9.5888
1.0907
1.7540
2.8183
3.8415
5.1172
7.3127
9.4741
1.0969
1.7510
2.8000
3.8082
5.0652
7.2285
9.3583
1.1031
1.7477
2.7812
3.7743
5.0125
7.1432
9.2408
1.1062
1.7460
2.7716
3.7571
4.9857
7.1000
9.1814
1.1093
1.7443
2.7620
3.7398
4.9589
7.0568
9.1219
1.1156
1.7407
2.7423
3.7047
4.9045
6.9690
9.0015
1.1219
1.7368
2.7222
3.6688
4.8491
6.8501
8.8793
.500
.750
.900
.950
.975
.990
.995
1.0469
1.6819
2.6543
3.5501
4.6281
6.4096
8.0962
1.0509
1.6799
2.6425
3.5291
4.5958
6.3585
8.0274
1.0543
1.6781
2.6322
3.5108
4.5678
6.3143
7.9678
1.0624
1.6735
2.6072
3.4666
4.5004
6.2004
7.8253
1.0664
1.6712
2.5947
3.4445
4.4667
6.1554
7.7540
1.0724
1.6675
2.5753
3.4105
4.4150
6.0743
7.6450
1.0785
1.6635
2.5555
3.3758
4.3624
5.9921
7.5345
1.0846
1.6593
2.5351
3.3404
4.3089
5.9084
7.4225
1.0877
1.6571
2.5247
3.3224
4.2817
5.8660
7.3657
1.0908
1.6548
2.5142
3.3043
4.2544
5.8236
7.3088
1.0969
1.6502
2.4928
3.2674
4.1989
5.7372
7.1933
1.1031
1.6452
2.4708
3.2298
4.1423
5.6495
7.0760
.500
.750
.900
.950
.975
.990
.995
1.00339
1.6216
2.4875
3.2588
4.1618
5.6085
6.9377
1.0378
1.6191
2.4750
3.2371
4.1293
5.5584
6.8716
1.0412
1.6170
2.4642
3.2184
4.1012
5.5151
6.8143
1.0491
1.6115
2.4378
3.1730
4.0334
5.4111
6.6769
1.0531
1.6088
2.4246
3.1503
3.9995
5.3591
6.6082
1.0591
1.6043
2.4041
3.1152
3.9472
5.2793
6.5029
1.0651
1.5996
2.3830
3.0794
3.8940
5.1981
6.3961
1.0711
1.5945
2.3614
3.0428
3.8398
5.1136
6.2875
1.0741
1.5919
2.3503
3.0241
3.8121
5.0736
6.2324
1.0771
1.5692
2.3391
3.0053
3.7844
5.0316
6.1772
1.0832
1.5836
2.3162
2.9669
3.7279
4.9460
6.0649
1.0893
1.5777
2.2926
2.9276
3.6702
4.8588
5.9505
.500
.750
.900
.950
.975
.990
.995
1.0239
1.5756
2.3638
3.0472
3.8302
5.0540
6.1524
1.0278
1.5729
2.3508
3.0252
3.7976
5.0048
6.0882
1.0311
1.5705
2.3396
3.0061
3.7694
4.9621
6.0325
1.0390
1.5642
2.3121
2.9597
3.7011
4.8594
5.8987
1.0429
1.5611
2.2983
2.9365
3.6669
4.8080
5.8318
1.0489
1.5560
2.2768
2.9005
3.6142
4.7290
5.7292
1.0548
1.5506
2.2547
2.8637
3.5604
4.6486
5.6248
1.0608
1.5450
2.2320
2.8259
3.5055
4.5667
5.5186
1.0638
1.5420
2.2203
2.8066
3.4774
4.5249
5.4645
1.0667
1.5389
2.2085
2.7872
3.4493
4.4831
5.4104
1.0727
1.5325
2.1843
2.7475
3.3918
4.3978
5.3001
1.0788
1.5257
2.1592
2.7067
3.3329
4.3105
5.1875
10
.500
.750
.900
.950
.975
.990
.995
1.0161
1.5395
2.2685
2.8868
3.5827
4.6491
5.5880
1.0199
1.5364
2.2551
2.8644
3.5500
4.6004
5.5252
1.0232
1.5338
2.2435
2.8450
3.5217
4.5582
5.4707
1.0310
1.5269
2.2150
2.7977
3.4530
4.4563
5.3396
1.0349
1.5235
2.2007
2.7740
3.4186
4.4054
5.2740
1.0408
1.5179
2.1784
2.7372
3.3654
4.3269
5.1732
1.0467
1.5119
2.1554
2.6996
3.3110
4.2469
5.0705
1.0526
1.5056
2.1317
2.6609
3.2554
4.1653
4.9659
1.0556
1.5023
2.1195
2.6410
3.2269
4.1236
4.9126
1.0585
1.4990
2.1072
2.6211
3.1984
4.0819
4.8592
1.0645
1.4919
2.0818
2.5801
3.1399
3.9965
4.7501
1.0705
1.4843
2.0554
2.5379
3.0798
3.9090
4.6385
11
.500
.750
.900
.950
.975
.990
.995
1.0097
1.5102
2.1927
2.7611
3.3913
4.3411
5.1642
1.0135
1.5069
2.1790
2.7383
3.3584
4.2928
5.1024
1.0168
1.5041
2.1671
2.7186
3.3299
4.2509
5.0489
1.0245
1.4967
2.1377
2.6705
3.2607
4.1496
4.9198
1.0284
1.4930
2.1230
2.6464
3.2261
4.0990
4.8352
1.0343
1.4869
2.1000
2.6090
3.1725
4.0209
4.7557
1.0401
1.4805
2.0762
2.5705
3.1176
3.9411
4.0543
1.0460
1.4737
2.0516
2.5309
3.0613
3.8596
4.5508
1.0490
1.4701
2.0389
2.5105
3.0324
3.8179
4.4979
1.0519
1.4664
2.0261
2.4901
3.0035
3.7761
4.4450
1.0578
1.4587
1.9997
2.4480
2.9441
3.6904
4.3367
1.0637
1.4504
1.9721
2.4045
2.8828
3.6025
4.2256
12
.500
.750
.900
.950
.975
.990
.995
1.0044
1.4861
2.1311
2.6598
3.2388
4.0993
4.8352
1.0082
1.4826
2.1170
2.6358
3.2038
4.0512
4.7742
1.0115
1.4796
2.1049
2.6169
3.1772
4.0096
4.7214
1.0192
1.4717
2.0748
2.5680
3.1076
3.9088
4.5937
1.0231
1.4678
2.0597
2.5436
3.0728
3.8584
4.5299
1.0289
1.4613
2.0360
2.5055
3.0187
3.7805
4.4315
1.0347
1.4544
2.0115
2.4663
2.9633
3.7008
4.3309
1.0405
1.4471
1.9861
2.4259
2.9063
3.6192
4.2282
1.0435
1.4432
1.9729
2.4051
2.8771
3.5774
4.1756
1.0464
1.4393
1.9597
2.3842
2.8478
3.5355
4.1229
1.0523
1.4310
1.9323
2.3410
2.7874
3.4494
4.0149
1.0582
l.4221
1.9036
2.2962
2.7249
3.3608
3.9039
Valores Percentiles
Pg. 10
13
14
15
18
20
24
30
40
48
60
120
13
.500
.750
.900
.950
.975
.990
.995
1.0000
1.4658
2.0799
2.5765
3.1145
3.9046
4.5726
1.0038
1.4622
2.0656
2.5583
3.0814
3.8568
4.5123
1.0071
1.4590
2.0532
2.5331
3.0527
3.8154
4.4600
1.0148
1.4507
2.0224
2.4836
2.9827
3.7149
4.3333
1.0186
1.4465
2.0070
2.4589
2.9477
3.6646
4.2703
1.0243
1.4397
1.9827
2.4202
2.8932
3.5868
4.1726
1.0301
1.4924
1.9576
2.3803
2.8373
3.5070
4.0727
1.0360
1.4247
1.9315
2.3397
2.7797
3.4253
3.9704
1.0389
1.4206
1.9179
2.9179
2.7501
3.3833
3.9180
1.0418
1.4164
1.9043
2.2966
2.7204
3.3413
3.8655
1.0476
1.4075
1.8759
2.2524
2.6990
3.2348
3.7577
1.0935
1.3980
1.8462
2.2064
2.5955
3.1654
3.8485
14
.500
.750
.900
.950
.975
.990
.995
.99626
1.4485
2.0367
2.5063
3.0113
3.7446
4.3584
1.0000
1.4447
2.0221
2.4833
2.9781
3.6970
4.2986
1.0033
1.4414
2.0095
2.4630
2.9493
3.6557
4.2468
1.0109
1.4327
1.9782
2.4129
2.8789
3.5554
4.1213
1.0147
1.4284
1.9625
2.3879
2.8437
3.5052
4.0585
1.0205
1.4212
1.9377
2.3487
2.7888
3.4274
3.9614
1.0263
1.4136
1.9119
2.3082
2.7324
3.3476
3.8619
1.0321
1.4055
1.8852
2.2664
2.6747
3.2656
3.7600
1.0350
1.4011
1.8712
2.2447
2.6442
3.2235
3.7077
1.0379
1.3967
1.8572
2.2230
2.6142
3.1813
3.6553
1.0437
1.3874
1.8280
2.3778
2.5519
3.0942
3.5473
1.0495
1.3772
1.7973
2.1307
2.4872
3.0040
3.4359
15
.500
.750
.900
.950
.975
.990
.995
.99300
1.4337
1.9998
2.4477
2.9244
3.6108
4.1806
.99675
1.4297
1.9850
2.4240
2.8910
3.5633
4.1212
1.0000
1.4263
1.9722
2.4033
2.8623
3.5222
4.0698
1.0076
1.4172
1.9403
2.3528
2.7913
3.4220
3.9450
1.0114
1.4127
1.9243
2.3275
2.7559
3.9789
3.8826
1.1720
1.4052
1.8990
2.2678
2.7006
3.2940
3.7859
1.0229
1.3973
1.8728
2.2468
2.6437
3.2141
3.6867
1.0287
1.3888
1.8454
2.2065
2.5850
3.1319
3.5850
1.0316
1.3847
1.8311
2.1022
2.5546
3.0895
3.5327
1.0345
1.3796
1.8168
2.1601
2.5242
3.0471
3.4803
1.0403
1.3698
1.7867
2.1141
2.4611
2.9505
3.3722
1.0461
1.3591
1.7551
2.0656
2.3953
2.8684
3.2602
16
.500
.750
.900
.950
.975
.990
.995
.99018
1.4207
1.9679
2.3968
2.8500
3.4500
4.0306
.99392
1.4166
1.9529
2.3729
2.8165
3.4500
3.9716
.99716
1.4130
1.9399
2.3522
2.7875
3.4089
3.9205
1.0048
1.4037
1.9075
2.3011
2.7164
3.3088
3.7963
1.0086
1.3990
1.8913
2.2756
2.6808
3.2588
3.7342
1.0143
1.3913
1.8656
2.2354
2.6252
3.1808
3.6378
1.0200
1.3630
1.8388
2.1938
2.5678
3.1007
3.5388
1.0258
1.3742
1.8108
2.1507
2.5085
3.0182
3.4372
1.0287
1.3694
1.7962
2.1283
2.4778
2.9756
3.3848
1.0315
1.3646
1.7816
2.1058
2.4471
2.9330
3.3324
1.0373
1.3543
1.7507
2.0589
2.3831
2.8447
3.7240
1.0431
1.3432
1.7182
2.0096
2.3163
2.7528
3.1115
17
.500
.750
.900
.950
.975
.990
.995
.98769
1.4093
1.9400
2.3526
2.7857
3.4000
3.9024
.99143
1.4051
1.9248
2.3286
2.7521
3.3527
3.8438
.99466
1.4014
1.9117
2.3077
2.7230
3.3117
3.7929
1.0022
1.3917
1.8788
2.2562
2.6515
3.2116
3.6692
1.0060
1.3869
1.8624
2.2304
2.6158
3.1615
3.6073
1.0117
1.3790
1.6362
2.1898
2.5598
3.0835
3.5112
1.0174
1.3704
1.8090
2.1477
2.5021
3.0032
3.4124
1.0232
1.3613
1.7805
2.1040
2.4422
2.9205
3.3107
1.0261
1.3564
1.7656
2.0812
2.4112
2.8777
3.2483
1.0289
1.3514
1.7506
2.0584
2.3801
2.8348
3.2058
1.0347
1.3406
1.7191
2.0107
2.3157
2.7459
3.0971
1.0403
1.3290
1.6456
1.9604
2.2474
2.6530
2.9839
18
.500
.750
.900
.950
.975
.990
.995
.98550
1.3992
1.9154
2.3138
2.7296
3.3153
3.7917
.98922
1.3948
1.9001
2.2896
2.6959
3.2682
3.7333
.99245
1.3911
1.8868
2.2686
2.6667
3.2273
3.6827
1.0000
1.3812
1.8533
2.2166
2.5949
3.1272
3.5594
1.0038
1.3762
1.8368
2.1906
2.5590
3.0771
3.4977
1.0095
1.3680
1.8103
2.1497
2.5027
2.9990
3.4017
1.0152
1.3592
1.7827
2.1071
2.4445
2.9185
3.3030
1.0209
1.3497
1.7537
2.0629
2.3842
2.8354
3.2014
1.0238
1.3446
1.7385
2.0398
2.3528
2.7924
3.1488
1.0267
1.3395
1.7232
2.0166
2.3214
2.7493
3.0962
1.0324
1.3284
1.6910
1.9681
2.2558
2.6597
2.9871
1.0382
1.3262
1.6567
1.9168
2.1869
2.5660
2.8732
19
.500
.750
.900
.950
.975
.990
.995
.95354
1.3901
1.8936
2.2796
2.6602
3.2414
3.6952
.98725
1.3857
1.8781
2.2552
2.6464
3.1942
3.6370
.99047
1.3819
1.8647
2.2341
2.6171
3.1593
3.5866
.99802
1.9717
1.8310
2.1817
2.5450
3.0532
3.4633
1.0018
1.3666
1.8142
2.1555
2.5089
3.0031
3.4020
1.0075
1.3582
1.7873
2.1141
2.4523
2.9249
3.3062
1.0132
1.3492
1.7592
2.0712
2.3937
2.8442
3.2075
1.0189
1.3394
1.7298
2.0264
2.3329
2.7608
3.1058
1.0218
1.3342
1.7143
2.0030
2.3012
2.7173
3.0531
1.0246
1.3289
1.6988
1.9796
2.2693
2.6742
3.0004
1.0304
1.3174
1.6659
1.9302
2.2032
2.5839
2.8908
1.0361
1.3048
1.6308
1.8780
2.1333
2.4893
2.7762
20
.500
.750
.900
.950
.975
.990
.995
.98178
1.3820
1.8741
2.2490
2.6363
3.1761
3.6102
.98549
1.3775
1.8585
2.2245
2.6024
3.1289
3.5523
.98870
1.3736
1.5449
2.2033
2.5731
3.0880
3.5020
.99623
1.3632
1.8108
2.1506
2.5007
2.9878
3.3792
1.0000
1.3580
1.7938
2.1242
2.4645
2.9377
3.3178
1.0057
1.3494
1.7667
2.0825
2.4076
2.8594
3.2220
1.0114
1.3401
1.7382
2.0391
2.3486
2.7785
3.1234
1.0171
1.3301
1.7083
1.9938
2.2873
2.6947
3.0215
1.0200
1.3247
1.6926
1.9701
2.2554
2.6512
2.9687
1.0228
1.3193
1.6768
1.9464
2.2234
2.6077
2.9159
1.0285
1.3074
1.6433
1.8963
2.1562
2.5168
2.8058
1.0343
1.2943
1.6074
1.8432
2.0853
2.4212
2.6904
21
.500
.750
.900
.950
.975
.990
.995
.98019
1.3747
1.8566
2.2217
2.5972
3.1179
3.5349
.98389
1.3701
1.6409
2.1970
2.5632
3.0708
3.4771
.98710
1.3661
1.8272
2.1757
2.5338
3.0299
3.4270
.99462
1.3555
1.7928
2.1226
2.4611
2.9297
3.3044
.99838
1.3502
1.7756
2.0960
2.4247
2.8796
3.2431
1.0040
1.3414
1.7481
2.0540
2.3675
2.8011
3.1474
1.0097
1.3319
1.7193
2.0102
2.3082
2.7200
3.0488
1.0154
1.3217
1.6890
1.9645
2.2465
2.6359
2.9467
1.0183
1.3161
1.6730
1.9495
2.2142
2.5922
2.8938
1.0211
1.3105
1.6569
1.9165
2.1819
2.5484
2.8408
1.0268
1.2983
1.6228
1.8657
2.1141
2.4568
2.7302
1.0326
1.2848
1.5862
1.8127
2.0422
2.3603
2.6140
22
.500
.750
.900
.950
.975
.990
.995
.97875
1.3680
1.8408
2.1970
2.5620
3.0659
3.4677
.98245
1.3634
1.8249
2.1722
2.5279
3.0188
3.4100
.98565
1.3593
1.8111
2.3508
2.4984
2.9780
3.3600
.99316
1.3485
1.7764
2.0974
2.4255
2.8776
3.2376
.99692
1.3431
1.7590
2.0707
2.3890
2.8274
3.1764
1.0026
1.3341
1.7312
2.0283
2.3315
2.7488
3.0807
1.0082
1.3245
1.7021
1.9842
2.2718
2.6675
2.9821
1.0139
1.3140
1.6714
1.9380
2.2097
2.5831
2.8799
1.0168
1.3083
1.6552
1.9138
2.1772
2.5391
2.8268
1.0196
1.3025
1.6389
1.8895
2.1446
2.4951
2.7736
1.0253
1.2900
1.6042
1.8380
2.0760
2.4029
2.6625
1.0311
1.2761
1.5668
1.7831
2.0032
2.3055
2.5455
23
.500
.750
.900
.950
.975
.990
.995
.97744
1.3620
1.8263
2.1746
2.5301
3.0190
3.4073
.98113
1.3572
1.8103
2.1497
2.4960
2.9719
3.3498
.98433
1.3531
1.7964
2.1282
2.4665
2.9311
3.2999
.99183
1.3422
1.7614
2.0745
2.3933
2.8307
3.1776
.99558
1.3366
1.7439
2.0476
2.3567
2.7805
3.1165
1.0012
1.3275
1.7159
2.0050
2.2989
2.7017
3.0208
1.0069
1.3176
1.6864
1.9605
2.2389
2.6202
2.9221
1.0126
1.3069
1.6554
1.9139
2.1763
2.5355
2.8198
1.0155
1.3011
1.6389
1.8894
2.1435
2.4913
2.7665
1.0183
1.2952
1.6224
1.8649
2.1107
2.4471
2.7132
1.0240
1.2824
1.5871
1.8128
2.0415
2.3542
2.6016
1.0297
1.2681
1.5490
1.7570
1.9677
2.2559
2.4837
24
.500
.750
.900
.950
.975
.990
.995
.97624
1.3564
1.8131
2.1543
2.5013
2.9766
3.3529
.97993
1.3516
1.7970
2.1293
2.4671
2.9295
3.2954
.98312
1.3474
1.7031
2.1077
2.4374
2.8887
3.2456
.99061
1.3363
1.7478
2.0537
2.3640
2.7882
3.1235
.99436
1.3307
1.7302
2.0267
2.3273
2.7380
3.0624
1.0000
1.3214
1.7019
1.9838
2.2693
2.6591
2.9667
1.0057
1.3113
1.6721
1.9390
2.2090
2.5773
2.8679
1.0113
1.3004
1.6407
1.8920
2.1460
2.4923
2.7654
1.0142
1.2945
1.6240
1.8672
2.1130
2.4479
2.7120
1.0170
1.2885
1.6073
1.8424
2.0799
2.4035
2.6585
1.0227
1.2754
1.5715
1.7897
2.0099
2.3099
2.5463
1.0284
1.2607
1.5327
1.7331
1.9353
2.2107
2.4276
Valores Percentiles
Pg. 11
13
14
15
18
20
24
30
40
48
60
120
25
.500
.750
.900
.950
.975
.990
.995
.97514
1.3513
1.8011
2.1357
2.4749
2.9381
3.3034
.97882
1.3464
1.7849
2.1106
2.4407
2.8910
3.2460
.98201
1.3422
1.7708
2.0889
2.4110
2.8502
3.1963
.98950
1.3309
1.7353
2.0346
2.3373
2.7496
3.0743
.99324
1.3252
1.7175
2.0075
2.3005
2.6993
3.0133
.99887
1.3158
1.6890
1.9643
2.2422
2.6203
2.9176
1.0045
1.3056
1.6589
1.9192
2.1816
2.9383
2.8187
1.0102
1.2945
1.6272
1.8718
2.1183
2.4530
2.7160
1.0131
1.2884
1.6103
1,8468
1.0850
2.4084
2.6624
1.0159
1.2823
1.5934
1.8217
2.0517
2.3637
2.6088
1.0219
1.2689
1.5570
1.7684
1.9811
2.2695
2.4960
1.0273
1.2538
1.5176
1.7110
1.9055
2.1694
2.3765
26
.500
.750
.900
.950
.975
.990
.995
.97412
1.3466
1.7900
2.1186
2.4508
2.9029
3.2584
.97780
1.3417
1.7737
2.0934
2.4165
2.8558
3.2011
.98099
1.3374
1.7596
2.0716
2.3667
2.8150
3.1515
.98846
1.3259
1.7238
2.0171
2.3128
2.7143
3.0295
.99220
1.3202
1.7059
1.9898
2.2759
2.6640
2.9685
.99783
1.3106
1.6771
1.9464
2.2174
2.5848
1.8728
1.0035
1.3002
1.6468
1.9010
2.1565
2.5026
2.7738
1.0091
1.2886
1.6147
1.8533
2.0928
2.4170
2.6709
1.0120
1.2827
1.5876
1.8280
2.0593
2.3722
2.6171
1.0148
1.2765
1.5805
1.8027
2.0257
2.3273
2.5633
1.0205
1.2628
1.5437
1.7488
1.9545
2.2325
2.4501
1.0262
1.2474
1.5086
1.6906
1.8781
2.1315
2.3297
27
.500
.750
.900
.950
.975
.990
.995
.97318
1.3423
1.7798
2.1029
2.4286
2.8706
3.2172
.97685
1.3372
1.7634
2.0777
2.3942
2.8235
3.1600
.98004
1.3329
1.7492
2.0558
2.3644
2.7827
3.1104
.98751
1.3213
1.7131
2.0010
2.2903
2.6820
2.9885
.99125
1.3155
1.6951
1.9736
2.2533
2.6316
2.9275
.99687
1.3058
1.6662
1.9299
2.1946
2.5522
2.8328
1.0025
1.2953
1.6356
1.8842
2.1334
2.4699
2.7327
1.0082
1.2838
1.6032
1.8361
2.0693
2.3840
2.6296
1.0110
1.2775
1.5859
1.8106
2.0356
2.3389
2.5757
1.0138
1.2712
1.5686
1.7851
2.0018
2.2938
2.5217
1.0195
1.2572
1.5313
1.7307
1.9299
2.1984
2.4078
1.0252
1.2414
1.4906
1.8717
1.8527
2.0965
2.2867
28
.500
.750
.900
.950
.975
.990
.995
.97231
1.3382
1.7703
2.0884
2.4082
2.8409
3.1793
.97598
1.3332
1.7538
2.0630
2.3737
2.7938
3.1222
.97917
1.3288
1.7395
2.0411
2.3438
2.7530
3.0727
.98663
1.3171
1.7033
1.9861
2.2695
2.6521
2.9508
.99036
1.3112
1.6852
1.9586
2.2324
2.6017
2.8899
.99598
1.3013
1.6560
1.9147
2.1735
2.5223
2.7941
1.0016
1.2906
1.6252
1.8687
2.1121
2.4397
2.6949
1.0073
1.2790
1.5925
1.8203
2.0477
2.3535
2.5916
1.0101
1.2726
1.5750
1.7946
2.0137
2.3082
2.5875
1.0129
1.2662
1.5575
1.7689
1.9796
2.2629
2.4834
1.0286
1.2519
1.5198
1.7138
1.9072
2.1670
2.3689
1.0243
1.2358
1.4754
1.6541
1.8291
2.0642
2.2469
29
.500
.750
.900
.950
.975
.990
.995
.97180
1.3344
1.7615
2.0749
2.3892
2.8135
3.1445
.97517
1.3293
1.7449
2.0495
2.3547
2.7664
3.0874
.97835
1.3249
1.7306
2.0275
2.3248
2.7256
3.0379
.98581
1.3130
1.6941
1.9722
2.2503
2.6247
2.9160
.98954
1.3071
1.6759
1.9446
2.2131
2.5742
2.8551
.99515
1.2971
1.6465
1.9005
2.1540
2.4946
2.7594
1.0008
1.2863
1.6155
1.8543
2.0926
2.4118
2.6601
1.0064
1.2745
1.5825
1.8055
2.0276
2.3253
2.5565
1.0093
1.2680
1.5649
1.7796
1.9934
2.2799
2.5022
1.0121
1.2615
1.5472
1.7537
1.9591
2.2344
2.4479
1.0177
1.2470
1.5090
1.6981
1.8691
2.1378
2.3330
1.0234
1.2306
1.4670
1.6377
1.6072
2.0342
2.2102
30
.500
.750
.900
.950
.975
.990
.995
.97075
1.3309
1.7533
2.0624
2.3717
2.7881
3.1122
.97441
1.3258
1.7367
2.0369
2.3371
2.7410
3.0551
.97759
1.3213
1.7223
2.0148
2.3072
2.7002
3.0057
.98504
1.3093
1.6856
1.9594
2.2325
2.5992
2.8839
.98877
1.3033
1.6673
1.9317
2.1952
2.5487
2.8230
.99438
1.2933
1.6377
1.8874
2.1359
2.4689
2.7272
1.0000
1.2823
1.6065
1.8409
2.0739
2.3860
2.6278
1.0056
1.2703
1.5732
1.7918
2.0089
2.2992
2.5241
1.0085
1.2637
1.5554
1.7657
1.9745
2.2536
2,4996
1.0113
1.2571
1.5376
1.7396
1.9400
2.2079
2.4151
1.0170
1.2424
1.4989
1.6835
1.8664
2.1107
2.7997
1.0226
1.2256
1.4564
1.6223
1.7867
2.0062
2.1760
40
.500
.750
.900
.950
.975
.990
.995
.96530
1.3055
1.6945
1.9731
2.2473
2.6097
2.8869
.96895
1.3000
1.6773
1.9471
2.2123
2.5625
2.8302
.97952
1.2823
1.6624
1.9245
2.1819
2.5216
2.7811
.97952
1.2823
1.6243
1.8674
2.1058
2.4198
2.6593
.98323
1.2758
1.6052
1.8389
2.0677
2.3689
2.5984
.98880
1.2649
1.5741
1.7929
2.0069
2.2880
2.5020
.99440
1.2529
1.9411
1.7444
1.9429
2.2034
2.4015
1.0000
1.2397
1.5056
1.6928
1.8752
2.1142
2.2958
1.0028
1.2323
1.4864
1.6651
1.8390
2.0668
2.2398
1.0056
1.2249
1.4672
1.6373
1.8028
2.0194
2.1838
1.0113
1.2080
1.4248
1.5766
1.7742
1.9172
2.0635
1.0169
1.1803
1.3769
1.5089
1.6871
1.8047
1.9318
48
.500
.750
.900
.950
.975
.990
.995
.96260
1.2928
1.6656
1.9297
2.1875
2.5293
2.7815
.96624
1.2871
1.6481
1.9033
2.1522
2.4780
2.7249
.96939
1.2822
1.6329
1.8005
2.1216
2.4370
2.6758
.97678
1.2687
1.5939
1.8225
2.0446
2.3346
2.5538
.98048
1.2620
1.5744
1.7935
2.0061
2.2834
2.4928
.98604
1.7505
1.5424
1.7465
1.9443
2.2017
2.3959
.99162
1.2379
1.5083
1.6968
1,8791
2.1160
2.2945
.99721
1.2239
1.4715
1.6436
1.8096
2.0251
2.1874
1.0000
1.2160
1.4513
1.6147
1.7722
1.9765
2.1302
1.0028
1.2081
1.4312
1.5858
1.7348
1.9279
2.0730
1.0085
1.1898
1.3862
1.5220
1.6526
1.8218
1.9488
1.0141
1.1679
1.3342
1.4491
1.5597
1.7027
1.8102
60
.500
.750
.900
.950
.975
.990
.995
.95990
1.2801
1.6366
1.8862
2.1277
2.4408
2.6760
.96352
1.2742
1.6188
1.8595
2.0921
2.3934
2.6195
.96667
1.2691
1.6034
1.8364
2.0613
2.3523
2.5705
.97404
1.2551
1.3635
1.7775
1.9834
2.2493
2.4483
.97773
1.2481
1.5435
1.7480
1.9445
2.1978
2.3872
.98328
1.2361
1.5107
1.7001
1.8817
2.1154
2.2898
.98884
1.2229
1.4755
1.6491
1.8152
2.0285
2.1874
.99441
1.2081
1.4373
1.5943
1.7440
1.9360
2.0789
.99721
1.1997
1.4163
1.5643
1.7054
1.8862
2.0706
1.0000
1.1912
1.3952
1.5343
1.6668
1.8363
1.9622
1.0056
1.1715
1.3676
1.4673
1.5810
1.7263
1.8341
1.0112
1.1474
1.2915
1.3893
1.4822
1.6006
1.6885
80
.500
.750
.900
.950
.975
.990
.995
.95722
1.2674
1.6081
1.8440
2.0701
2.3607
2.5770
.96084
1.7613
1.5899
1.8169
2.0343
2.3131
2.5205
.96398
1.2560
1.5742
1.7935
2.0037
2.2719
2.4716
.97133
1.2414
1.5333
1.7374
1.9242
2.1681
2.3490
.97501
1.2341
1.5128
1.7034
1.8847
2.1162
2.2877
.98054
1.2215
1.4790
1.6543
1.8707
2.0327
2.1894
.98609
1.2075
1.4475
1.6017
1.7526
1.9443
2.0857
.99164
1.1917
1.4025
1.5448
1.6791
1.8494
1.9749
.99443
1.1025
1.3801
1.5132
1.6387
1.7977
1.9147
.99722
1.1734
1.3578
1.4817
1.5984
1.7460
1.8546
1.0028
1.1515
1.3061
1.4096
1.5069
1.6297
1.7198
1.0084
1.1231
1.2471
1.3216
1.3963
1.4906
1.5598
120
.500
.750
.900
.950
.975
.990
.995
.95454
1.2547
1.5796
1.8017
2.0126
2.2806
2.4781
.95815
1.2483
1.5611
1.7743
1.9764
2.2329
2.4216
.96128
1.2428
1.5430
1.7505
1.9450
2.1915
2.3727
.96861
1.2276
1.5031
1.6893
1.8649
2.0869
2.2496
.97228
1.2200
1.4821
1.6587
1.8249
2.0346
2.1881
.97780
1.2068
1.4472
1.6084
1.7597
1.9500
2.0890
.98333
1.1921
1.4094
1.5543
1.6899
1.8600
1.9839
.98887
1.1752
1.3676
1.4952
1.6141
1.7628
1.8709
.99165
1.1654
1.3440
1.4621
1.5720
1.7093
1.8089
.99443
1.1555
1.3203
1.4290
1.5299
1.6557
1.7469
1.0000
1.1314
1.2646
1.3519
1.4328
1.5330
1.6099
1.0056
1.0987
1.1926
1.2539
1.3104
1.3805
1.4311
.500
.750
.900
.950
.975
.990
.995
.94922
1.2291
1.5232
1.7192
1.9016
2.1285
2.2923
.95282
1.2222
1.5039
1.6909
1.8646
2.0803
2.2358
.95593
1.2163
1.4871
1.6664
1.8376
2.0385
2.1868
.96327
1.1997
1.4428
1.6025
1.7499
1.9317
2.0621
.96687
1.1914
1.4206
1.5705
1.7085
1.8783
1.9998
.97236
1.1767
1.3832
1.5173
1.6402
1.7908
1.8983
.97787
1.1600
1.3419
1.4591
1.5660
1.6964
1.7891
.98339
1.1404
1.2951
1.3940
1.4835
1.5923
1.6691
.98615
1.1284
1.2676
1.3560
1.4359
1.5327
1.6008
.98891
1.1164
1.2400
1.3180
1.3883
1.4730
1.5325
.99445
1.0838
1.1686
1.2214
1.2684
1.3246
1.3637
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000

Análisis de variables para el estudio de la ganadería bobina en el estado de Trujillo

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Análisis de variables para el estudio de la ganadería bobina en el estado de Trujillo

Uploaded by

Copyright:

Available Formats

1

Prof: Ana Maria Diaz

ESTADSTICA INDUCTIVA Y DEDUCTIVA

Estadstica Descriptiva se refiere a la recoleccin, presentacin, descripcin, anlisis e

Estadstica Inferencial se refiere al proceso de lograr generalizaciones acerca de las

Marco de Muestreo: Totalidad de unidades de muestreo de las cuales se seleccionar la

Peso de un objeto, en gramos.

Estatura de una persona, en metros

Distancia que recorre un auto con un galn de bencina.

Nmero de integrantes en una

Discreta: La variable se mueve en un conjunto finito o infinito numerable.

Continua: La variable se mueve en un conjunto infinito no numerable.

Ttulo de la Tabla. En el se debe incluir la informacin que contiene: que se esta

Variable: El nombre de la variable o alguna sigla que la identifique.

Ana Mara Daz A.

Frecuencia Relativa [hi = fi = pi ] : Es la razn entre la frecuencia absoluta y el

Frecuencia Absoluta Acumulada [ Ni ]: Nos indica el nmero de datos que se tiene

Frecuencia relativa Acumulada [ Hi = Fi = Pi ] Es la suma hasta la i-sima

En cuntos das se registr una temperatura mxima de 31 ?

Cul es la unidad de Observacin y la unidad de medicin?

En el 87.1% de los das de enero, se

Ana Mara Daz A.

Comente que tipo de tabla de frecuencias debera

Tabla de frecuencias para variable continua.

Se recomienda que no sea menor que 4 y mayor que 15 ( en muestras grandes).

Ana Mara Daz A.

Se han seleccionado 100 estudiantes universitarios y se les ha clasificado segn las

1.- Elija dos variables y confeccione una tabla de frecuencias.

Ana Mara Daz A.

Ser sencillos y auto explicativos.

Se debe elegir el grfico adecuado, dependiendo de la informacin que se tenga

1.- BARRAS SEPARADAS.

Ana Mara Daz A.

3.- BARRAS AGRUPADAS.

Ana Mara Daz A.

4.- BARRAS DIVIDIDAS

Ana Mara Daz A.

Ejemplo2.Se tienen las ventas mensuales de ciertas empresas, en unidades monetarias.

Ana Mara Daz A.

6.- POLIGONO DE FRECUENCIAS

Ana Mara Daz A.

Ana Mara Daz A.

9.- Tallo y Hoja

Stem-and-leaf plot for edad (Edad en aos)

Ana Mara Daz A.

1.1.- Medidas de tendencia central.

En el caso que los datos estn agrupados en una tabla de frecuencias,

Encuentre el costo promedio de entrega de los pequeos pedidos.

Encuentre e interprete la media aritmtica.

, las medias de cada uno de los estratos y

n1, n2,nk el nmero de observaciones en cada estrato, entonces la media

Cul es el promedio de notas de los 3 cursos?

Nota: Cuando n es par, cualquier valor comprendido entre X n/2 y X(n/2)+1,

1.1.3 MODA (M0 )

M0 ( grado de inters) = Interesado

1.2.- MEDIDAS DE POSICIN DE TENDENCIA NO CENTRAL

Datos sin tabular

Encuentre e interprete P30 y P75.

Encuentre el percentil 80.

P80 ( gasto )= 50 + 10 * ( 32 -26) / 4 = 65 u.m.

Si la distribucin de frecuencias de la variable es simtrica, las tres medidas de

Si la distribucin es unimodal y presenta una Asimetra Negativa, entonces:

1.- Rango, Amplitud o Recorrido.