Professional Documents
Culture Documents
ESTADSTICA
Notas de clase
TEMA I
ANLISIS ESTADSTICO DE DATOS
MUESTRALES
INTRODUCCIN
La Probabilidad y la Estadstica son herramientas muy importantes en el desarrollo
de cualquier ingeniera. Sus aplicaciones van desde los juegos de azar hasta la
confiabilidad de sistemas, estimaciones de datos para variables inciertas, toma de
decisiones en situaciones de incertidumbre, estudio de los efectos del ruido en
sistemas electrnicos, el diseo de centrales telefnicas, etc.
Actualmente, los conceptos y mtodos bsicos de la estadstica son
indispensables para describir, comprender e intentar predecir el comportamiento
del mundo que nos rodea. La estadstica nos proporciona los elementos para
comprender la informacin y poder obtener conclusiones con un soporte
matemtico. El presente curso es un primer acercamiento al manejo de datos
estadsticos, y posteriormente se estudian las bases probabilsticas para desarrollar
en cursos posteriores todo el potencial de la inferencia estadstica.
La humanidad, desde siempre, ha estado expuesta a innumerables problemas,
lo que la ha llevado a buscar la mejor forma de resolverlos, dando origen a la
investigacin, y la forma cientfica de validar las investigaciones es a travs de la
probabilidad y la estadstica.
La palabra estadstica significa literalmente "ciencia del estado", debido a
que en sus inicios la estadstica serva para proporcionar datos que fueran de
inters para los gobernantes de una nacin. En la actualidad la estadstica es mucho
ms que eso.
La estadstica no slo proporciona informacin o datos; sino que los agrupa,
analiza, interpreta y permite generar inferencias o conclusiones de una poblacin
a partir de los datos de una muestra. Son muchas las aplicaciones de la estadstica
en la investigacin. Por ejemplo; en poltica, es deseable saber qu porcentaje de
una poblacin votar en favor de un candidato, sin tener que entrevistar a todos los
posibles votantes; en la industria, es conveniente determinar si un lote de productos
cumple con ciertos estndares de calidad o deben reprocesar las piezas; en la
educacin, qu tanto afecta la escuela de procedencia en el aprovechamiento de un
grupo de alumnos que ingresaron al nivel superior; en biologa, los resultados
sobre el crecimiento de vegetales en funcin de determinadas variables
LA POBLACIN Y LA MUESTRA
Para comprender la naturaleza de la inferencia estadstica deben distinguirse dos
grandes conjuntos: la poblacin y la muestra. La Poblacin es el conjunto de todos
los posibles resultados de un experimento, mientras que la Muestra es un
subconjunto de la poblacin que contiene los resultados observados de un
experimento. Debe entenderse que el principal objetivo de la estadstica es realizar
inferencias (o predicciones) de la poblacin a partir de los datos observados en la
muestra; la importancia de esto puede verse en los siguientes ejemplos.
Si se desea conocer el porcentaje de la poblacin que votar por un candidato
en particular, el hecho de entrevistar a todos los posibles votantes requerira de un
gran esfuerzo adems de un gran costo, por lo que debe realizarse la entrevista
solo a un grupo de los votantes (muestra).
Si se desea conocer el tiempo promedio de vida de un foco, el probar toda
la poblacin sera el equivalente a prender todos los focos y medir el tiempo que
tardan en fundirse, lo cual no permitira tener artculos para la venta, por lo cual
la prueba de vida til slo se realiza a un grupo de focos (muestra).
Los diseos muestrales (muestreo) son los procedimientos utilizados para
extraer muestras de una poblacin. La forma en la que se extrae la muestra es
muy importante, debido a que una mala muestra arrojar conclusiones
equivocadas. La probabilidad proporciona las herramientas para realizar un
muestreo justo; es decir, representativo de la poblacin.
MUESTREO
Al recordar que la estadstica es parte de las matemticas que se encarga de
obtener informacin y conclusiones acerca de una poblacin tomando para ello
datos de una muestra, deber investigarse la mejor manera de seleccionar dichos
datos, es decir, debe buscarse una tcnica adecuada para realizar el m uestreo, a
lo que se llama diseo del experimento.
Probabilidad y Estadstica
Tema I
Pg.
ESTADSTICA DESCRIPTIVA
LA ESTADSTICA Y SUS CLASIFICACIONES
La estadstica es la rama de las matemticas que se encarga de la seleccin de
datos, su organizacin, presentacin y realizacin de las conclusiones que se
pueden obtener de dichos datos.
La estadstica puede clasificarse en: univariable y multivariable,
dependiendo de la cantidad de variables que se estn registrando. Si slo interesa
el peso de las personas, entonces se desarrollar estadstica univariable, si por el
contrario se pretende estudiar la relacin entre el peso y la estatura, entonces se
estar desarrollando estadstica multivariable.
Otra clasificacin est basada en la aplicacin de la estadstica. La estadstica
descriptiva (o deductiva) tiene como propsito la recopilacin, organizacin y
presentacin de datos para su estudio, mientras que la estadstica inferencial ( o
inductiva) tiene como objetivo obtener conclusiones con respecto a una poblacin
a partir de la informacin contenida en una muestra, cuantificando de manera
probabilstica el grado de certeza de la afirmacin. A la estadstica descriptiva se
le llama tambin deductiva, mientras que a la estadstica inferencial se le llama
inductiva.
La estadstica descriptiva utiliza grficas, tablas y parmetros numricos para
la presentacin de la informacin. La estadstica inferencial utiliza tcnicas de
probabilidad para cuantificar el grado de certidumbre de las conclusiones.
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Tema I
DISTRIBUCIN DE FRECUENCIAS
Es una tcnica de agrupacin usada en estadstica cuando se tiene un conjunto muy
grande de datos, de tal forma que el anlisis posterior: grficas y parmetros
numricos; se puede realizar de forma ms rpida. La tabla de distribucin de
frecuencias puede usarse para datos cuantitativos y para datos cualitativos. Los
datos cuantitativos son aquellos que indican cantidad, 5 personas, 2.5 Newtons,
etc.; mientras que los datos cualitativos expresan cualidades: azul, alto, sano, etc.
Existe una gran diversidad de tablas de distribucin de frecuencias; sin
embargo, aqu se estudiar una tabla terica completa. Para resumir los datos, se
utilizan intervalos, clases o categoras y posteriormente se indica la frecuencia de
cada uno de ellos. Las columnas que forman una tabla completa son:
Lmites de clase. Son los valores menor y mayor que de encontrarse como datos
en la muestra pertenecen a la clase en cuestin. Los lmites de una clase tienen la
misma aproximacin que los datos en la muestra o de la poblacin, esto es, si los
datos son enteros, entonces los lmites son enteros. Si los datos tienen
aproximacin a dcimas, entonces los lmites tendrn dcimas, y as
sucesivamente. Se denotan por
Pg.
Lmites de clase
Fronteras de clase
1 - 3
4 - 6
7 - 9
Fronteras
de clase
Marca de
1 - 3
0.5 - 3.5
4 - 6
3.5 - 6.5
7 - 9
6.5 - 9.5
Fronteras de clase. Las fronteras o lmites verdaderos de una clase, son los puntos
medios entre los lmites de intervalos consecutivos. Se denota por
, por lmite
clase,
Fronteras
de clase
Marca de
A.L.B.S./ N.M.G.
Frecuencia
1 - 3
0.5 - 3.5
4 - 6
3.5 - 6.5
7 - 9
6.5 - 9.5
clase,
S)))))))))))))))))))))))))))))))))))))))
Probabilidad y Estadstica
Tema I
Pg.
o por
intervalos.
frecuencia acumulada entre el nmero de datos, esto es:
Lmites
de clase
Fronteras
de clase
Marca
de
clase,
frecuencia
Frecuencia
acumulada
1 - 3
0.5 - 3.5
4 - 6
3.5 - 6.5
6+3=9
7 - 9
6.5 - 9.5
6+3+5=14
. Considerando
Fronteras
de clase
Marca de
1 - 3
0.5 - 3.5
0.06
0.06
4 - 6
3.5 - 6.5
0.03
0.09
7 - 9
6.5 - 9.5
14
0.05
0.014
clase,
o por
Fronteras de
clase
Marca de
clase,
frecuencia Frecuencia
acumulada
frecuencia
relativa
1 - 3
0.5 - 3.5
6/100=0.06
4 - 6
3.5 - 6.5
3/100=0.03
7 - 9
6.5 - 9.5
14
5/100=0.05
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Intervalo
Tema I
Pg.
frecuencia
Marca de
clase,
[1,4)
2.5
[4 , 7 )
5.5
[7 , 10)
8.5
Ejemplo 1.1
Los siguientes valores representan el tiempo diario de transporte de una
muestra de 50 alumnos de cierta universidad al sur de Copilco.
69
79
73
30
45
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
56
72
70
40
43
73
82
64
80
77
66
77
56
49
49
64
71
31
59
46
44
48
62
60
42
36
49
56
76
63
69
49
55
67
41
76
60
51
30
64
53
67
45
72
79
29,
Probabilidad y Estadstica
Marca de
Tema I
Lmites de
clase
Fronteras
de clase
29 - 36
28.5 -36.5
32.5
0.08
0.08
37 - 44
36.5-44.5
40.5
0.1
0.18
45 - 52
44.5 -52.5
48.5
18
0.18
0.36
53 - 60
52.5-60.5
56.5
26
0.16
0.52
61 - 68
60.5-68.5
64.5
34
0.16
0.68
69 - 76
68.5-76.5
72.5
10
44
0.2
0.88
77 - 84
76.5-84.5
80.5
50
0.12
clase,
Pg.
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Tema I
Pg.
Polgono de Frecuencias
Ojiva
La ojiva es tambin una grfica poligonal, pero se dibuja utilizando las fronteras
contra las frecuencias acumuladas (o acumuladas relativas). La ojiva indica, para
cada frontera, los elementos (o proporcin de elementos), que son menores o
iguales que dicha frontera. Si se utiliza la frecuencia acumulada relativa se llama
ojiva porcentual. A la ojiva tambin se le llama en ocasiones polgono de
frecuencias acumuladas
La ojiva para los datos del ejemplo 1.1 se muestra en la siguiente figura.
Figura 4. Ojiva
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Tema I
Pg.
En resumen:
.
Para los datos del ejemplo 1.1 se tiene:
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
,y
Probabilidad y Estadstica
Tema I
Pg.
puesto que el nmero de datos es par, se toman los 2 valores centrales ( 60 y 60),
Para los datos del ejemplo 1.1 se tiene:
Con la hoja de clculo Excel, es muy fcil calcular las medias para datos sin
agrupar utilizando los comandos promedio(Rango de celdas), media.geom(Rango
de celdas) y media.armo(Rango de valores). Para datos agrupados deben utilizarse
el comando sumaproducto(Rango de celdas 1, Rango de celdas 2), para facilitar
las operaciones.
Mediana. La mediana de un conjunto de datos ordenados, es el valor que divide
al conjunto en dos conjuntos de igual tamao, o bien, es el promedio de los dos
valores centrales. Se denota por
28.5 - 36.5
36.5 - 44.5
44.5 - 52.5
18
52.5 - 60.5
26
60.5 - 68.5
34
68.5 - 76.5
44
76.5 - 84.5
50
Frecuencia acumulada
.
Frontera
Frecuencia
acumulada
52.5
18
60.5
26
Con los datos del ejemplo 1.1, y al ordenar los valores se tiene:
30,
45,
56,
64,
73,
30,
46,
56,
66,
73,
31,
48,
56,
67,
76,
36,
49,
59,
67,
76,
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Interpolando se obtiene:
Probabilidad y Estadstica
Tema I
Pg.
10
, o en ocasiones
Donde:
Es la frontera inferior del intervalo con mayor frecuencia.
Es el exceso de la frecuencia modal sobre la frecuencia de la clase inmediata
anterior.
Es el exceso de la frecuencia modal sobre la frecuencia de la clase inmediata
posterior.
Es la longitud de la clase.
se denotan
Para los datos del ejemplo 1.1, sin agrupar, el valor que ms se repite es el
49, con 4 repeticiones, por lo que la moda es 49, esto es:
y
,
, y el segundo
,
, y el
Para los datos agrupados la moda puede obtenerse con la marca de clase del
intervalo modal, por lo que se obtiene:
es la marca de clase del intervalo con lmites 69-76, y con la mxima frecuencia
observada,
, o simplemente por
. Para datos
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Tema I
Para los datos del ejemplo 1.1 se tienen los siguientes resultados.
Pg.
11
En resumen
y para datos agrupados, se utiliza la media de datos agrupados, las marcas de clase
y la frecuencia, por lo que:
o por
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
(se
Probabilidad y Estadstica
Tema I
Pg.
12
Cuando los datos agrupados tienen una distribucin que se aproxima a una
campana, entonces la desviacin estndar puede aproximarse mediante el rango
dividido entre 4, esto es:
o bien:
Para los datos del ejemplo 1.1 se tiene:
, cuando
. Con los
, y puede utilizarse un
o por
, dependiendo de si se
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Tema I
variancia
Pg.
13
momentos con respecto al origen, al desarrollar las sumas. Las primeras relaciones
son:
Medidas de forma
Sesgo. El sesgo de un conjunto de datos es una medida del grado de simetra (o
Las medidas de forma de un conjunto de datos son el sesgo y la curtosis. Para
poder definir a las medidas de forma, es necesario definir primero los momentos.
o por
, y se define mediante:
donde
es la desviacin
estndar.
El sesgo se compara con cero. Cuando el coeficiente de sesgo es menor que
cero se dice que los datos tienen una distribucin sesgada a la izquierda o con
sesgo negativo. Cuando el coeficiente de sesgo es positivo, se dice que los datos
tienen una distribucin sesgada a la derecha o con sesgo positivo. Si el coeficiente
de sesgo es cero, entonces los datos tienen una distribucin simtrica o insesgada.
Y el r-simo momento con respecto a la media se define mediante:
media
es la
es la
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Tema I
Pg.
14
En resumen:
, puesto que
, o
Sesgo positivo:
Sesgo negativo:
Insesgado:
donde
es la desviacin
estndar.
Para los datos de ejemplo 1.1 se tiene, para datos sin agrupar:
La curtosis se compara contra tres, porque tres es la curtosis de la
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Tema I
Pg.
15
Con los valores del ejemplo 1.1 se tiene, para datos sin agrupar:
Puede observarse que los datos del ejemplo 1.1 tienen una distribucin
mesocrtica.
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.2
Los datos siguientes sealan el tiempo de funcionamiento (en das) hasta que
Figura 9. Distribucin mesocrtica
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
radio transmisores-receptores:
Probabilidad y Estadstica
a)
b)
Tema I
16
224
16
80
96
536
400
80
392
576
128
56
656
224
40
32
358
384
256
246
328
464
448
716
304
16
72
80
72
56
608
108
194
136
224
80
16
424
264
156
216
168
184
552
72
184
240
438
120
308
32
272
152
328
480
60
208
340
104
72
168
40
152
360
232
40
112
112
288
168
352
56
72
64
40
184
264
96
224
168
168
114
280
152
208
160
176
Pg.
401
451
501
551
601
651
701
450
500
550
600
650
700
750
400.5
450.5
500.5
550.5
600.5
650.5
700.5
450.5
500.5
550.5
600.5
650.5
700.5
750.5
425.5
475.5
525.5
575.5
625.5
675.5
725.5
3
2
1
2
1
1
1
16
0.034
0.023
0.011
0.023
0.011
0.011
0.011
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.3
Resolucin
a)
Utilizando la frmula par aproximar el rango se tiene:
b)
La tabla queda:
Lmites
Fronteras
1 - 50
51 - 100
101 - 150
151 - 200
201 - 250
251 - 300
301 - 350
351 - 400
0.5 - 50.5
50.5 - 100.5
100.5 - 150.5
150.5 - 200.5
200.5 - 250.5
250.5 - 300.5
300.5 - 350.5
350.5 - 400.5
Marcas de
clase
25.5
75.5
125.5
175.5
225.5
275.5
325.5
375.5
frecuencia
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
11
16
8
15
10
6
5
6
frecuencia
relativa
0.125
0.182
0.091
0.170
0.114
0.068
0.057
0.068
Obtener:
a)
La media, la mediana y la moda.
b)
La variancia.
c)
Con los resultados obtenidos en el inciso (a), indicar si la distribucin
de las calificaciones tiene un sesgo positivo, negativo o no tiene
sesgo.
Resolucin
a)
La media es
Probabilidad y Estadstica
Tema I
Pg.
17
de donde
a)
b)
8.7
8.4
9.3
8.7
8.3
9.0
9.2
8.2
8.6
8.8
9.0
8.6
9.4
8.3
8.2
8.3
9.1
8.9
8.5
8.7
8.5
9.5
8.4
8.6
8.6
8.7
9.2
8.5
8.1
9.8
8.9
9.6
8.8
8.6
8.2
8.5
8.6
8.8
8.8
8.7
8.7
8.5
9.0
8.5
8.9
9.3
8.3
8.7
9.2
8.5
8.6
8.5
9.1
8.5
9.0
8.7
9.2
9.0
8.4
8.9
Construir una tabla de frecuencias de la duracin de los viajes, con 6
intervalos.
Dibujar el histograma de frecuencias relativas.
Calcular la media.
Calcular la mediana.
Calcular la moda.
Calcular la desviacin estndar.
Investigar si la distribucin emprica es o no simtrica.
Clasificar la distribucin emprica por su grado de aplanamiento.
b)
c)
d)
e)
f)
g)
h)
Resolucin
a)
por lo que
se tiene:
c)
Puesto que la
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.4
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
y comenzando en 8.05,
Probabilidad y Estadstica
Lm ites
8.1
8.4
8.7
9.0
9.3
9.6
8.3
8.6
8.9
9.2
9.5
9.8
Tema I
Fronteras
8.05
8.35
8.65
8.95
9.25
9.55
8.35
8.65
8.95
9.25
9.55
9.85
M arca de
clase
frecuencia
8.2
8.5
8.8
9.1
9.4
9.7
8
19
16
11
4
2
frecuencia
relativa
Frec.
relat.
acum .
0.1333
0.3166
0.2666
0.1833
0.0666
0.0334
0.1333
0.4499
0.7165
0.8998
0.9664
1
Pg.
f)
Datos agrupados:
g)
b)
Datos agrupados:
c)
Datos agrupados:
d)
Ligeramente platicrtica.
27
30
8.95
43
De donde
e)
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
18
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.5
Determinar cmo se relacionan la media y la mediana muestrales de las
con las
Probabilidad y Estadstica
a)
Tema I
Pg.
en una muestra,
a)
dando
19
b)
Si cada
a)
Resolucin
Para la media
, dando
Para la mediana
b)
Para la media
Y la variancia muestral es
Para la mediana
de donde
y
S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.6
Los valores observados de las cantidades
en el estudio
de la vida til, en horas, de las bateras de litio para cierta calculadora son:
y
a)
b)
S))))))))))))))))))))))))))))))))))))))
, el valor de
muchas variables
ejemplo:
Resolucin
Para estudiar estos casos, se utiliza el anlisis de regresin.
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Tema I
Regresin simple
Regresin mltiple
de donde
donde
o bien:
, se escribe
obteniendo el mnimo de
en funcin de
se tiene:
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Pg.
20
Probabilidad y Estadstica
Tema I
Pg.
21
Covariancia
La covariancia de dos conjuntos de datos, es una medida de la dispersin promedio
entonces:
, y se define mediante:
donde
Coeficiente de determinacin
Diagrama de Dispersin
Una vez que se ha determinado la ecuacin de regresin, es til la representacin
grfica de los puntos de datos en el plano
El coeficiente de determinacin
de la muestra es:
dispersin. Cuando la regresin aplicada es lineal, los puntos deben mostrar esa
tendencia, aunque no debe esperarse que los puntos se ubiquen exactamente en una
recta.
y proporciona el porcentaje de explicacin de una variable en trminos de la otra.
De un conjunto de datos muestrales apareados
se puede obtener un
ajuste por mnimos cuadrados, pero qu tan bueno es el ajuste? Qu tanto sirve
para explicar el comportamiento de
independiente de la
cada valor real
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
el saber el valor de
? Si el valor de
sera
es
, y para
Probabilidad y Estadstica
Tema I
Pg.
22
Es claro que
, entonces
y los puntos
entonces
y la
Definicin
El coeficiente de determinacin muestral
se obtiene mediante
Cuando
es cercana a 0,
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
Probabilidad y Estadstica
Tema I
Pg.
Coeficiente de correlacin
El coeficiente de correlacin proporciona el grado de asociacin lineal de las
variables
tipo simple, es decir, considera solo dos variables asociadas en forma lineal.
Fig 12. Correlacin Positiva
El coeficiente de correlacin
de la muestra es:
donde
Por la relacin que guardan las variables, existen tres tipos de correlacin:
Correlacin directa o positiva: Se obtiene cuando al aumentar (disminuir) el valor
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
23
Probabilidad y Estadstica
Tema I
Pg.
24
S))))))))))))))))))))))))))))))))))))Q
Figura 14. Correlacin Negativa
Ejemplo 1.7
Emplear el mtodo de mnimos cuadrados para ajustar los siguientes puntos
a una recta.
a)
b)
Obtener el coeficiente de correlacin.
Resolucin
a)
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
de mnimos cuadrados?
Probabilidad y Estadstica
Tema I
Pg.
a)
b)
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 1.8
Los siguientes datos representan el nmero de horas de estudio ( ) y la
calificacin obtenida ( ) en un examen para una muestra de 6 estudiantes.
a)
b)
c)
d)
Estudiante
Horas
12
Calificacin
71
71
74
80
80
86
Representar los datos en un diagrama de dispersin.
Ajustar a los datos un modelo lineal de regresin empleando el
criterio de mnimos cuadrados.
Si estudia 5 horas, cul calificacin esperara?
Calcular la covariancia y el coeficiente de correlacin. Interpretar los
resultados de la relacin de las variables.
Resolucin
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.
71
71
5041
71
142
5041
74
16
296
5476
80
16
320
6400
80
49
560
6400
12
86
144
1032
7396
Sumas
30
De donde:
462
230
2421
35754
25
Probabilidad y Estadstica
Tema I
Pg.
26
d)
Por lo que:
S))))))))))))))))))))))))))))))))))))))
BIBLIOGRAFA
Spiegel, Murray R.- Estadstica.- McGraw-Hill.- Segunda edicin.- Mxico, 1991.
Devore, Jay. L.- Probabilidad y Estadstica para ingeniera y ciencias.- Cengage.Sptima edicin.- Mxico, 2008.
Bonilla, Gildaberto,- Mtodos Prcticos de Inferencia Estadstica.- Trillas.Mxico, 1991.
S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.