Probabilida y Estadistica191116

PROBABILIDAD Y ESTADSTICA.
APLICACIONES A LA INGENIERA
DEPOOL RIVERO, RAMN

MONASTERIO, DISCORO
PROBABILIDAD Y ESTADSTICA.
APLICACIONES A LA INGENIERA
Dr. DEPOOL RIVERO, RAMN

Profesor Titular de la Unexpo
Vicerrectorado Barquisimeto
Ing. MONASTERIO, DISCORO
Profesor Titular de la Unexpo
Vicerrectorado Barquisimeto
Primera edicin 2002

Segunda edicin 2013
Tercera edicin 2016
Depsito Legal Nmero: lfi 05120133102363
Publicado de manera gratuita por la Unexpo en la pgina
http://www.bqto.unexpo.edu.ve/
DEDICATORIA
A mi hija Mary Carlota.

Ramn Depool
A mi esposa Thais.
Discoro Monasterio
NDICE
PGINA
INTRODUCCIN
CAPTULO 1. Nociones Bsicas de Estadstica. 1

Definiciones Bsicas. Escalas de Medicin. Elaboracin de Tablas.
Representaciones Grficas de Datos. Problemas propuestos.
CAPTULO 2. Medidas Descriptivas. 26

Medidas de Tendencia Central. Medidas de Dispersin. Medidas de
Posicin. Problemas propuestos
CAPTULO 3. Probabilidades. 44
Definiciones Bsicas. Conteo de Puntos Muestrales. Probabilidad de un
Evento. Problemas propuestos.
CAPTULO 4. Distribuciones de Probabilidad. 71

Variable Aleatoria. Distribucin Discreta de Probabilidad. Distribucin
Continua de Probabilidad. Distribucin de Probabilidad Conjunta.
Problemas propuestos.
CAPTULO 5. Esperanza Matemtica. 95

Medidas de Tendencia Central. Medidas de Dispersin. Propiedades de las
Medidas de Tendencia Central y de Dispersin. Teorema de Chebychev.
CAPTULO 6. Distribucin de Probabilidad Discreta. 117

Distribucin Uniforme. Distribucin de Bernoulli. Distribucin Binomial y
Multinomial. Distribucin Hipergeomtrica. Distribucin Binomial
Negativa. Distribucin Geomtrica. Distribucin de Poisson. Teora de
Colas. Problemas propuestos.
CAPTULO 7. Distribucin de Probabilidad Continua. 144
Distribucin Normal. Aproximacin Normal a la Distribucin Binomial.
Aproximacin Normal a la Distribucin de Poisson. Distribucin
Uniforme. Distribucin Log-Normal. Distribucin ji Cuadrada.
Distribucin t de Student. Distribucin F. Distribucin Gamma.
Distribucin Exponencial. Distribucin de Weibull. Distribucin Beta.
CAPTULO 8. Distribucin de Muestreo, Estimacin Puntual y por 193

Intervalo.
Distribucin Muestral de la Media. Distribucin Muestral de la Varianza.
Distribucin Muestral del cociente de Varianzas. Inferencia Estadstica.
Estimacin Puntual. Estimacin por Intervalo. Problemas propuestos.
CAPTULO 9. Pruebas de Hiptesis. 233

Prueba de Hiptesis relacionada con Medias. Prueba de Hiptesis
relacionada con Proporciones. Prueba de Hiptesis relacionada con
Varianzas. Problemas propuestos.
ANEXO I. TABLA DE DISTRIBUCIN BINOMIAL 268
ANEXO II. TABLA DE DISTRIBUCIN DE POISSON 276
ANEXO III. TABLA DE DISTRIBUCIN NORMAL ESTNDAR 283
ANEXO IV. TABLA DE DISTRIBUCIN JI CUADRADA 286
ANEXO V. TABLA DE DISTRIBUCIN t DE STUDENT 288

ANEXO VI. TABLA DE DISTRIBUCIN F 290
RESPUESTAS A LOS PROBLEMAS IMPARES 293
BIBLIOGRAFA 304
INTRODUCCIN
El presente libro tiene como finalidad fundamental servir como soporte

bibliogrfico en un curso de Probabilidad y Estadstica para estudiantes de Ingeniera,
aunque puede ser utilizado por otros profesionales, debido a que la teora se presenta de una
manera sencilla y con muchas aplicaciones, que pueden adaptarse a otras disciplinas.
La Probabilidad y la Estadstica son dos campos distintos aunque relacionados entre
s. Utilizando la Probabilidad se obtiene la frecuencia de un suceso determinado mediante
la realizacin de un experimento aleatorio, del que se conocen todos los resultados posibles,
bajo condiciones suficientemente estables. La teora de la probabilidad se usa extensamente
en reas tales como: Fsica, Matemtica, Economa, Ingeniera y Filosofa, para obtener
conclusiones sobre la probabilidad de sucesos potenciales y la mecnica subyacente
sistemas complejos. La Estadstica es una ciencia formal que estudia la recoleccin,
anlisis e interpretacin de datos de una muestra representativa, ya sea para ayudar en
la toma de decisiones o para explicar condiciones regulares o irregulares de algn
fenmeno o estudio aplicado. Sin embargo, la Estadstica es ms que eso, es decir, es el
vehculo que permite llevar a cabo el proceso relacionado con la investigacin cientfica. La
Probabilidad y Estadstica puede utilizarse para optimizar el uso del material y la fuerza de
trabajo. Al investigar el desarrollo de nuevos productos, stas permiten comprender los
fenmenos sujetos a distintas variaciones y predecirlos, as como tambin controlarlos de
manera eficiente.
En este libro se presentan los temas, iniciando de lo ms elemental, con un breve
resumen de Estadstica General; luego se introduce la teora bsica de Probabilidad, para
entrar en el estudio, un tanto profundo, de las Distribuciones de Probabilidad para variables
continuas y discretas, con lo cual se logra tener una visin amplia del alcance, utilidad e
importancia de los conocimientos tantos de Estadsticos como de las Probabilidades.
Al principio de cada captulo se expone un pequeo comentario introductorio. Cada
teora es ilustrada con ejemplos prcticos; y se incluye una lista de problemas propuestos, al
final de cada captulo, con sus respectivas respuestas a los problemas impares.
Para dar soporte informtico al estudio de la Probabilidad y Estadstica, se hace
necesario el manejo de algn software tanto Matemtico como Estadstico, que permitan
realizar los clculos y elaborar representaciones grficas adecuadas. Para tal finalidad se
han escogido los software Matemtico Derive y GeoGebra, el software Estadstico
Statgraphics Centurion XVI (versin 16.1.15) y el programa Microsoft Office Excel.
La distribucin de libro es de manera gratuita a travs de la pgina virtual de la

Universidad Politcnica Unexpo (http://www.bqto.unexpo.edu.ve/)
CAPTULO 1
NOCIONES BSICAS DE ESTADSTICA

La estadstica, como toda ciencia, utiliza una terminologa con la cual el lector
debe estar familiarizado. En este captulo enunciaremos una serie de definiciones
bsicas; as como tambin desarrollaremos procedimientos para la elaboracin de
tablas de datos y representaciones grficas de informacin recolectadas de situaciones
particulares.
DEFINICIONES BSICAS.
DEFINICIN 1.1. Datos.
El dato es una representacin simblica (numrica, alfabtica, algortmica, entre

otros) de un atributo o caracterstica de una entidad. Los datos describen hechos
empricos, sucesos y entidades. Los datos aisladamente pueden no contener informacin
relevante. Slo cuando un conjunto de datos se examina a travs de un
enfoque, hiptesis o teora se puede apreciar la informacin contenida en dichos datos.
Los datos pueden consistir en nmeros, estadsticas o proposiciones descriptivas. Los
datos convenientemente agrupados, estructurados e interpretados se consideran que son
la base de la informacin relevante que se pueden utilizar en la toma decisiones, la
reduccin de la incertidumbre o la realizacin de clculos. Es de empleo muy comn en
el mbito informtico y, en general, prcticamente en cualquier investigacin cientfica.
En programacin, un dato es la expresin general que describe las caractersticas de las

entidades sobre las cuales opera un algoritmo.
En estructura de datos, es la parte mnima de la informacin.
Probabilidad y Estadstica Depool R.; Monasterio D.

Depsito Legal: lfi 05120133102363 Distribucin gratuita en www.bqto.unexpo.edu.ve
1
Un dato por s mismo no constituye informacin, es el procesamiento de los datos lo que
nos proporciona informacin.
DEFINICIN 1.2. Sujeto.

Es el objeto de investigacin; el cual puede ser animado o inanimado. Personas,
objetos, medidas, etc., son ejemplos de sujetos.
DEFINICIN 1.3. Poblacin.

Conjunto de sujetos que poseen una caracterstica comn observable. El
investigador debe definir la poblacin en estudio; la cual puede ser tan pequea como se
quiera.
Ejemplo 1.1. La poblacin en una empresa puede estar definida por la produccin de
tornillos en un da determinado; por el personal de guardia en un turno de trabajo; por
las rdenes de pedido de un artculo producido; por los productos defectuosos en una
produccin, etc.
DEFINICIN 1.4. Muestra.

Es un conjunto de sujetos tomados de una poblacin. Ya que la muestra es parte
de una poblacin, se debe tener cuidado que sea representativo de la poblacin, es decir
que las caractersticas esenciales de la poblacin estn reflejadas en la muestra.
Ejemplo 1.2. En relacin con ejemplo 1.1, una muestra puede ser, los tornillos con un
tipo de rosca, el personal que estaba de guardia en la entrada, los artculos de una cierta
utilidad, los que tienen un tipo definido de defecto.

Depsito Legal: lfi 05120133102363 Distribucin gratuita en www.bqto.unexpo.edu.ve 2
DEFINICIN 1.5. Variable.
Caracterstica de los sujetos que puede tomar valores diferentes. Las variables a
estudiar son las variables discretas y las continuas. Las discretas tienen como caracteriza
la existencia de saltos o discontinuidades entre un valor y otro; adems puede tomar slo
valores enteros finitos o contables. Las continuas pueden tomar todos los valores
posibles dentro de un intervalo dado.
Ejemplo 1.3. El nmero de empleados en una fbrica, la produccin de una determinada

pieza para automvil, son ejemplos de variables discretas. La longitud de una barra de
metal, el tiempo, la velocidad, la temperatura, son ejemplos de variables continuas.
DEFINICIN 1.6. Parmetro.

Son valores constantes que definen una poblacin. Los parmetros suelen notarse
con letras griegas (mu) (sigma).
Ejemplo 1.4. Supngase que se est estudiando la poblacin, constituida por la

produccin semanal de una determinada pieza; un parmetro puede ser el promedio
poblacional de produccin semanal.
DEFINICIN 1.7. Estadstico.

Valores calculados de los datos de una muestra y estiman a los parmetros de una
poblacin.
Ejemplo 1.5. El promedio muestral de produccin de una pieza determinada.
DEFINICIN 1.8. Exactitud y Precisin.

La exactitud expresa cun cerca estn las mediciones respecto al valor verdadero
o real de la magnitud que se mide. La precisin se refiere al grado con el que las
mediciones concuerdan entre s.

DEFINICIN 1.9. Estadstica y Probabilidad.
La Estadstica es una ciencia cuyo mtodo consiste en recopilar, presentar,
analizar e interpretar datos numricos extrados de hechos reales e inferir de ellos,
conclusiones lgicamente aceptables. Si el objetivo es el anlisis de la informacin de
una muestra o una poblacin, sin que ello implique alguna relacin con otras muestras o
poblaciones, la estadstica es descriptiva. Pero si se utiliza para inducir informacin
referente a otra(s) muestra(s) o poblacin(s), la estadstica es inferencial. La
Probabilidad estudia la frecuencia de un suceso determinado mediante la realizacin de
un experimento aleatorio, del que se conocen todos los resultados posibles, bajo
condiciones suficientemente estables.
DEFINICIN 1.10. Estadstica industrial
La estadstica industrial es la rama de la estadstica que busca implementar los

procedimientos probabilsticos y estadsticos de anlisis e interpretacin de datos o
caractersticas de un conjunto de elementos al entorno industrial, a efectos de ayudar en
la toma de decisiones y en el control de los procesos industriales y organizacionales.
Pueden distinguirse tres partes:
El estudio de las series temporales y las tcnicas de previsin, y la descripcin de los

pasos necesarios para el establecimiento de un sistema de previsin operativo y
duradero en una empresa;
El anlisis multivariante, necesario para la extraccin de informacin de grandes
cantidades de datos, una de las necesidades ms apremiantes;
El control de calidad y la fiabilidad. Se pueden distinguir varios aspectos:
Serie temporal o cronolgica es una secuencia de datos, observaciones o

valores, medidos en determinados momentos del tiempo, ordenados
cronolgicamente y, normalmente, espaciados entre s de manera uniforme.
El anlisis de series temporales comprende mtodos que ayudan a interpretar
este tipo de datos, extrayendo informacin representativa, tanto referente a los

orgenes o relaciones subyacentes como a la posibilidad de extrapolar y predecir
su comportamiento futuro. De hecho, uno de los usos ms habituales de las series
de datos temporales es su anlisis para prediccin y pronstico. Por ejemplo, los
datos climticos, las acciones de bolsa, o las series pluviomtricas. Resulta difcil
imaginar una rama de las ciencias en la que no aparezcan datos que puedan ser
considerados como series temporales. Son estudiadas
en estadstica, procesamiento de seales, econometra y muchas otras reas.
Control de calidad son todos los mecanismos, acciones, herramientas que se

realizan para detectar la presencia de errores. La funcin del control de calidad
existe primordialmente como una organizacin de servicio, para conocer las
especificaciones establecidas por la ingeniera del producto y proporcionar
asistencia al departamento de fabricacin, para que la produccin alcance estas
especificaciones. Como tal, la funcin consiste en la recoleccin y anlisis de
grandes cantidades de datos que despus se presentan a diferentes departamentos
para iniciar una accin correctiva adecuada. Todo producto que no cumpla las
caractersticas mnimas para decir que es correcto, ser eliminado, sin poderse
corregir los posibles defectos de fabricacin que podran evitar esos costos
aadidos y desperdicios de material. Para controlar la calidad de un producto se
realizan inspecciones o pruebas de muestreo para verificar que las caractersticas
del mismo sean ptimas. El nico inconveniente de estas pruebas es el gasto que
conlleva el control de cada producto fabricado, ya que se eliminan los
defectuosos, sin posibilidad de ser reutilizable. La funcin principal es asegurar
que los productos o servicios cumplan con los requisitos mnimos de calidad.
El trmino fiabilidad es descrito en el diccionario de la Real Academia Espaola

(RAE) como "probabilidad de buen funcionamiento de algo". Por tanto,
extendiendo el significado a sistemas, se dice que la fiabilidad de un sistema es la
probabilidad de que ese sistema funcione o desarrolle una cierta funcin, bajo
condiciones fijadas y durante un perodo determinado. Por ejemplo, condiciones
de presin, temperatura, friccin, velocidad, tensin o forma de una onda
elctrica, nivel de vibraciones. Consideramos dos aspectos: la fiabilidad de
sistemas y la fiabilidad humana. Un sistema es una coleccin de
componentes/subsistemas dispuestos de acuerdo a un diseo dado con el
propsito de lograr el cumplimiento de unas determinadas funciones con una
adecuacin y fiabilidad aceptables. El tipo de componentes, su cantidad y el
modo en que estn dispuestas tiene un efecto directo en la fiabilidad del sistema.
Se considera que el componente humano es de una complejidad mucho mayor
que cualquier otro componente y, por tanto, las tcnicas aplicables al estudio de
la fiabilidad humana o, complementariamente, del error humano son especficos
e integran aspectos psicolgicos y organizacionales a las habituales tcnicas
matemticas.
ESCALAS DE MEDICIN.
Las escalas de medicin son utilizadas para diferenciar elementos en un proceso.

Se clasifican en nominal, ordinal, intervalo y de razn. En diversos estudios, la escala a
utilizar, depende de la naturaleza del elemento o del inters del investigador.
La Escala Nominal, se utiliza cuando un objeto o evento se diferencia de otro
solamente por la nominacin con que se conoce. Se pueden utilizar numerales, letras o
cualquier otra nominacin sin que ello represente orden o continuidad; solo se pretende
clasificar. El personal de una empresa puede ser clasificado, utilizando una escala de
letras como A-B-C.
La Escala Ordinal, se utiliza de manera nominal pero para jerarquizar datos. La
produccin se puede clasificar con la escala alta, mediana y baja.
La Escala de Intervalo, esta escala posee todas las caractersticas de una escala
ordinal. Adems se conoce la distancia entre dos nmeros cualesquiera, y el valor cero
no representa ausencia de una caracterstica. La escala utilizada en los termmetros, es
de tipo por intervalo ordinal y el valor cero representa punto de congelacin, pero por
debajo de cero existen otros valores.

La Escala de Razn. Esta escala es similar a la anterior, excepto en que el cero s
representa ausencia de una caracterstica. La escala utilizada para el tiempo es de tipo
razn, ya que debajo de cero unidades de tiempo no hay valores.
ELABORACIN DE TABLAS DE DATOS.
DEFINICIN 1.11. Distribucin de frecuencias

Una distribucin de frecuencias es una tabla en la cual se agrupan en clases los
valores posibles para una variable y se registra el nmero de valores observados que
corresponde a cada clase.
DEFINICIN 1.12. Clase (x i)

La informacin recolectada puede ser presentada utilizando para ello, valores; es
decir clases.
Ejemplo 1.6. Supngase que se desea elaborar una tabla con el nmero de horas
trabajadas por 5 empleados de una empresa manufacturera. La clase se puede establecer
con una escala nominal como Trabajador 1-2-3-4-5.
DEFINICIN 1.13. Frecuencia ( fi ).
Representa el nmero de veces que un dato se repite.
Ejemplo 1.7. En el ejemplo 1.6, supngase que los empleados trabajaron 8, 11, 5, 7, 9
horas respectivamente; esta serie representa la frecuencia de horas trabajadas.
DEFINICIN 1.14. Total de datos (n).
Es la sumatoria de todos los datos.
Ejemplo 1.8. De acuerdo al ejemplo 1.7, ste sera = 40.
DEFINICIN 1.15. Frecuencia Relativa ( fr) y Frecuencia Relativa Porcentual ( fr%).
La frecuencia relativa representa el cociente entre cada frecuencia y total de
datos. En tanto que la porcentual, se obtiene convirtiendo la frecuencia relativa en
porcentaje.
%= 100

Ejemplo.1.9. De acuerdo a los ejemplos 1.6 y 1.7, se tiene que las frecuencias relativas
son: 0,2; 0,27; 0,13; 0,17; 0,23. Las frecuencias relativas porcentuales son: 20%; 27%;
13%; 17%; 23%.
DEFINICIN 1.16. Frecuencia Acumulada. ( fai ) y Frecuencia Acumulada Porcentual

( fa i %).
La frecuencia acumulada representa el nmero de datos que se acumulan al
pasar de una clase a otra. En tanto que la porcentual, se obtiene convirtiendo la
frecuencia acumulada en porcentaje.
%= 100
Ejemplo 1.10. De acuerdo al ejemplo 1.7, las frecuencias acumuladas son: 8, 19, 24, 31,
40. Las frecuencias relativas porcentuales son 20%; 47,5%; 60%; 77,5%; 100%.
La informacin anterior se puede representar por la siguiente tabla.
HORAS TRABAJADAS POR UN GRUPO DE EMPLEADOS DE UNA EMPRESA MANUFACTURERA

Trabajador N de Horas Porcentaje de N de horas Porcentaje de horas
horas trabajadas acumuladas acumuladas
1 8 20 8 20
2 11 27 19 48
3 5 13 24 60
4 7 17 31 78
5 9 23 40 100
Fig. 1.1 Tabla de frecuencia

DISTRIBUCIN DE FRECUENCIAS PARA DATOS AGRUPADOS EN
INTERVALOS DE CLASE.
Cuando se tienen datos muy numerosos es conveniente utilizar intervalos en los
cuales se agrupen clases, de tal manera de establecer una tabla ms reducida. A estos
intervalos se le denominan intervalos de clase. Por razones de clculo, generalmente es
deseable que todos los intervalos de clase, en una distribucin de frecuencia, sean de
igual amplitud. Para datos distribuidos de manera irregular, como los datos anuales de
salario para diversas ocupaciones, pueden ser convenientes los intervalos desiguales de
clase; en este caso, se utilizan intervalos de clase de mayor amplitud para los rangos de
valores en que hay relativamente pocas observaciones.
Por lo general se recomienda que el nmero de intervalos est entre 5 y 15.
Aunque existe una frmula para el clculo del nmero de intervalos, hay que hacer notar
que en algunos casos puede dar valores errados, esto sucede cuando el nmero de datos
n es muy grande; esta frmula es:
= 1 + 3,3 ( ).
El procedimiento para conformar los intervalos es el siguiente:
Calcular la amplitud de los intervalos de frecuencia para datos no agrupados
(DNA), utilizando la frmula:

=

El primer intervalo tiene como extremo izquierdo el menor valor de los datos
recolectados. El extremo derecho de este intervalo se obtiene, sumando al
menor valor la amplitud menos una unidad.
El extremo izquierdo del segundo intervalo es el nmero entero siguiente al
extremo derecho del primer intervalo. El extremo derecho se obtiene
sumndole al izquierdo la amplitud menos una unidad. Utilizando este
mecanismo, se establecen todos los restantes intervalos.

Puede suceder que al establecer los intervalos, el ltimo nmero sea inferior o
superior al valor mayor, una manera de resolver esta dificultad, es jugar con
el nmero de intervalos, o si es posible, agregar un intervalo.
Si los datos originales estn en decimales es conveniente llevarlos a nmeros
enteros; y una vez elaborada la tabla, restaurar la coma que tenan los datos
originales.
Ejemplo 1.11. La produccin de Bandas (por pares) para frenos, en 34 das, en una
pequea empresa (BANFRE) est dada por:
56 24 67 98 70 78 99 67 58
98 78 69 38 67 60 56 56 57
98 56 87 34 23 38 68 36
78 45 56 48 56 100 40 87
Elaborar una tabla de distribucin de frecuencias.
Solucin:
Para elaborar la tabla, primero hay que seleccionar el nmero de intervalos
deseado y luego calcular la amplitud.
Sea n = 6 el nmero de intervalos. De la tabla se tiene que el valor mayor es 100, y el
valor menor es 23. Utilizando la frmula para el clculo de la amplitud, se tiene que:
100 23
= = 12,83 13
6
(Se recomienda tomar un valor de amplitud impar).
El extremo derecho del primer intervalo es 23 + (13 1) = 35. El primer intervalo va
de 23 hasta 35.
El extremo izquierdo del segundo intervalo es 35 + 1 = 36. El extremo derecho es
36 + (13 1) = 48. El segundo intervalo va de 36 hasta 48.
El resto de los intervalos son: de 49 hasta 61, de 62 hasta 74, de 75 hasta 87, y de 88
hasta 100.

DEFINICIN 1.17. Lmite Inferior ( ) y superior ( ) de un Intervalo.
El lmite inferior en un intervalo de clases de frecuencias lo representa el extremo
izquierdo de cada intervalo. En tanto que el superior lo representa el extremo derecho de
cada uno.
Ejemplo 1.12. En el ejemplo 1.11, en el intervalo que va desde 23 hasta 35; = 23;
=35.
DEFINICIN 1.18. Marca de Clase. (x i).

Es el punto medio de cada intervalo. Hay que hacer notar que si se toma la
amplitud como un nmero impar, las marcas de clase darn nmeros similares a los
usados en los lmites de los intervalos.
Ejemplo 1.13. En el intervalo del ejemplo 1.12, la marca de clase xi = 29.
DEFINICIN 1.19. Lmite Real Inferior ( ). Lmite Real Superior ( ).

El lmite real inferior, en cada intervalo, se obtiene restando cinco dcimas al
lmite inferior de ste = 0,5. En tanto que el superior se obtiene, sumando
cinco dcimas al lmite superior del intervalo = + 0,5.
Ejemplo 1.14. En el intervalo del ejemplo 1.12; = 23 0,5 = 22,5; = 35 +
0,5 = 35,5.
DEFINICIN 1.20. Total de datos (n).
Es la sumatoria de las frecuencias.
Ejemplo 1.15. En el ejemplo 1.11, el total de datos es:
= = 34

DEFINICIN 1.21 Frecuencia Acumulada ( ) y Frecuencia Acumulada Porcentual
( %).
La frecuencia acumulada, representa la suma de la frecuencia en cada intervalo,
con las anteriores. En tanto que la porcentual, se obtiene convirtiendo la frecuencia
acumulada en porcentaje.
%= 100
Ejemplo 1.16. De acuerdo al ejemplo 1.11, las frecuencias acumuladas son: 3, 9, 19, 24,
29, 34; respectivamente en cada intervalo. Las frecuencias acumuladas porcentuales son:
8,8%; 26,5%; 55,9%; 71%; 85%; 100%.
FBRICA DE BANDAS DE FRENO (BANFRE)
N de N de das, en el Promedio de Acumulacin de Porcentaje

Bandas cual se bandas das. acumulado de
fabricaron fabricadas. das
23----35 3 29 3 8,8
36----48 6 42 9 26,5
49----61 10 55 19 55,9
62----74 5 68 24 71
75----87 5 81 29 85
88---100 5 94 34 100
Tabla 1.2. Tabla de Frecuencia.

Observacin 1.1. Se puede utilizar Startgraphics para elaborar una tabla de distribucin
de frecuencia para datos agrupados por intervalos. Una vez que el software proporciona
la tabla se puede copiar y pegar en Word y luego disear una tabla bien ilustrada.
Para utilizar Startgraphics:
1. Primero se tiene que escribir en la hoja de clculo que posee los datos numricos
(todos en una columna). Supongamos por ejemplo la utilizacin de los datos del
ejemplo 1.11.
2. Seguir la secuencia
Marcar lo requerido
La tabla que aparece es una tabla predeterminada. Para personalizarla en cuanto a

nmero de intervalo e inicio de primer intervalo y fin del ltimo se utiliza botn derecho
del ratn y se marca opciones de ventana. Para el ejemplo 1.11 se toman 6 intervalos
iniciando en 23 (primer intervalo) y culminando en 100 (ltimo intervalo) la tabla se
presenta as:

Tabla de Frecuencias para Col_1
Lmite Lmite Frecuencia Frecuencia Frecuencia
Clase Inferior Superior Punto Medio Frecuencia Relativa Acumulada Rel. Acum.
menor o igual 23,0 1 0,0294 1 0,0294
1 23,0 35,8333 29,4167 2 0,0588 3 0,0882
2 35,8333 48,6667 42,25 6 0,1765 9 0,2647
3 48,6667 61,5 55,0833 9 0,2647 18 0,5294
4 61,5 74,3333 67,9167 6 0,1765 24 0,7059
5 74,3333 87,1667 80,75 5 0,1471 29 0,8529
6 87,1667 100,0 93,5833 5 0,1471 34 1,0000
mayor de 100,0 0 0,0000 34 1,0000
3. Esta tabla se puede mejorar utilizando las herramientas de Word
FBRICA DE BANDAS DE FRENO (BANFRE)

N de Bandas Promedio N de das, Porcentaje Acumulacin Porcentaje
de bandas en el cual por das de das. acumulado de
fabricadas se das.
fabricaron
menor o igual 23,0 1 2,94 1 2,94
23,0 35,8333 29,4167 2 5,88 3 8,82
35,8333 48,6667 42,25 6 17,65 9 26,47
48,6667 61,5 55,0833 9 26,47 18 52,94
61,5 74,3333 67,9167 6 17,65 24 70,59
74,3333 87,1667 80,75 5 14,71 29 85,29
87,1667 100,0 93,5833 5 14,71 34 100
REPRESENTACIN GRFICA DE DATOS.
Uno de los recursos ms tiles en el momento de diagramar la informacin que

se tiene en tablas, es usar grficos. Existe una gama de stos; en este captulo se tratarn
los ms usuales y sencillos. En captulos posteriores se disearn los que se ajusten a la
teora que se trate. Los diagramas que ilustraremos fueron diseados con software para
computadoras.

DIAGRAMA POR SECTORES O PASTEL.
Destaca la informacin como porciones; los datos se tienen que transformar en
frecuencias relativas porcentuales. Esto representa una ventaja; ya que se le da un
carcter de totalidad a lo que se quiere expresar.
Ejemplo 1.17. A continuacin se presenta una tabla que establece la relacin del
personal ocupado en una Empresa.
PERSONAL OCUPADO EN UNA EMPRESA
Mes N de Tcnicos Porcentaje de Tcnicos

Enero 14 24
Febrero 10 17
Marzo 8 14
Abril 26 45
Tabla 1.4. Tabla de frecuencias
Utilizando Stargrphics, escribiendo en la hoja de clculo los datos y siguiendo la

secuencia
Aparece en la pantalla un grfico base que puede ser modificado a placer utilizando el
botn derecho del ratn. Con opciones graficas se puede modificar ttulo, leyenda etc
con opciones de ventana se puede cambiar a porcentaje o frecuencia. Se pueden mover
las figuras marcndolas y movindolas.

Los grficos quedan de la siguiente manera:
PERSONAS OCUPADAS EN UNA EMPRESA POR MES
14
26
10
Nro. de Tcnicos
Enero
Febrero
Marzo
8
Abril
Figuras 1.1 Diagrama Pastel
PERSONAS OCUPADAS EN UNA EMPRESA POR MES
24,14%
44,83%
17,24%
% de Tcnicos
Enero
Febrero
Marzo
Abril 13,79%
Grfico 1.1. Diagrama Pastel

DIAGRAMA DE BARRAS.
Utilizando la secuencia anterior, con la secuencia dada, seleccionando en tablas
y grficos Diagramas de barra el software proporciona un grfico genrico. Utilizando
el botn derecho, al igual al grfico anterior se puede modificar a gusto.
PERSONAL OCUPADO EN UNA EMPRESA
30
25
Nro. de Tcnicos
20
15
10
0
Enero Febrero Marzo Abril
Grfico 1.2. Diagrama de Barras
DIAGRAMAS DE RBOL.
Estos diagramas son utilizados con frecuencia cuando en un proceso, la
escogencia de algn elemento produce nuevas alternativas. Se construye, uniendo, a
travs de segmentos, elementos que se relacionan.

Ejemplo 1.18. El ejemplo siguiente se relaciona con el proceso de escogencia, en varios
pasos, de artculos defectuosos (D) y no defectuosos (N).
SELECCIN DE ARTCULOS EN UN PROCESO
D {D,D}
D
N {D,N}
D {N,D}
N
N {N,N}
Grfico 1.3. Diagrama de rbol

HISTOGRAMA.
Este tipo de diagrama es similar al de barras, pero difiere de ste, en que las
barras estn unidas y se utiliza para representar informacin tabulada en tablas de
distribucin de frecuencias.
Utilizando Startgraphics con la secuencia expresada el la observacin 1.1 pero
marcando e Tablas y Grficos Histograma el software proporciona un grfico
genrico que puede modificarse utilizando el botn derecho de ratn
Utilizando la informacin del ejemplo 1.11 y tabla 1.3 el grfico se presenta as:

PRODUCCIN DE BANDAS DE FRENOS EN BANFRES
10
6
34 Das
0
23 43 63 83 103
Bandas de Freno
Grfico 1.4. Histograma
POLGONO DE FRECUENCIA.
Este diagrama tiene el mismo uso que el histograma, con la diferencia que se
utilizan lneas continuas para unir los puntos.
Con la secuencia del ejemplo anterior y utilizando el botn derecho del ratn y
marcando en Opciones de Ventana cambiar a polgono y se obtiene el grfico

PRODUCCIN DE BANDAS DE FRENOS EN BANFRES
10
6
34 Das
0
0 20 40 60 80 100
Bandas de Freno
Grfico.1.5. Polgono de Frecuencia

DIAGRAMAS DE PARETO.
Los problemas que se presentan en un proceso, por lo general, dependen de la
combinacin de pocos elementos principales y muchos secundarios. Si se pueden
controlar estos elementos principales, se puede reducir la frecuencia en que ocurren. El
diagrama de Pareto, puede representar ordenadamente cada tipo de falla o defecto que se
produce en un proceso, de acuerdo con su frecuencia; lo cual ayuda al Ingeniero a
detectar defectos y las causas que lo produzca.
Sugerencias para la elaboracin de un diagrama de Pareto.
Establezca el problema a investigar. Ejemplo: Objeto defectuoso.

Qu datos necesita y cmo clasificarlos. Ejemplo: tipo de defecto.
Establezca el mtodo de recoleccin de los datos. Disee una tabla de
representacin de datos. En esta tabla liste los totales individuales, los totales
acumulados y los porcentajes acumulados. Organice los datos por orden de cantidad.
El tems otros debe ubicarse en el ltimo rengln. No es conveniente que otros
represente un porcentaje de los ms altos. Si esto ocurre debe reclasificar.
Ejemplo 1.23. En un proceso se recolectaron los datos referentes a los defectos de
fabricacin en la fabricacin de un artculo, en cuanto a: Fractura, Rayado, Mancha,
Tensin, Rajadura, Burbuja y otros. Elaborar un diagrama de Pareto.
Utilizando Startgraphics y los datos de la siguiente tabla, se puede elaborar un diagrama
de Pareto
DESCRIPCIN DE DEFECTOS EN LA FABRICACIN DE UN ARTCULO.
Tipo de Defecto N de Defecto Total Acumulado Porcentaje Acumulado

Tensin 104 104 52
Rayado 40 144 72
Burbuja 20 164 82
Fractura 15 179 89
Mancha 12 191 96
Otros 9 200 100
Siguiendo la secuencia

Con el botn derecho marcar en Opciones Grficas se puede modificar el
grfico a gusto. El grfico se muestra as:
DESCRIPCIN DE DEFECTOS EN LA FABRICACIN DE UN ARTCULO
100,00
200 95,50
89,50
Nro. de unidades defectuosas
82,00
160 72,00
120
52,00
80
40
0
Tensin Burbuja Mancha
Rayado Fractura Otros
Grfico 1.6 Diagrama de Pareto.
PROBLEMAS PROPUESTO
1. Elaborar una tabla de distribucin de Frecuencia. Los Datos representan las
mediciones de la resistencia a la ruptura (en Onzas) de una muestra de hilos de
camo.
43,6 36,8 15,2 25,0 37,5 33,5 34,6 65,1 38,6 54,9 25,9
45,8 34,7 23,5 44,7 56,8 45,7 56,8 34,8 23,6 56,9 23,5
23,6 26,9 45,8 34,9 54,9 23,7 35,8 56,8 37,9 56,8 45,8
34,9 34,7 59,9 61,0 42,4 57,8 60,8 28,0 26,0 50,8 34,8

2. Elaborar una tabla de distribucin de Frecuencia. En un estudio de tres semanas
sobre la productividad de los trabajadores, se recolect la siguiente informacin
sobre el nmero de piezas aceptables que produjeron un grupo de empleados.
56 67 89 23 78 55 56 78 34 89 23
56 34 56 78 98 23 56 78 54 45 78
56 34 58 78 98 89 67 60 20 45 26
45 78 89 45 67 89 78 90 34 67 34
45 90 56 70 56 23 78 56 79 57 24
45 76 98 45 28 44 45 56 87
3. Los datos de la siguiente tabla representan el rendimiento de gasolina en 30 viajes de

los automviles de una compaa de transporte.
RENDIMIENTO DE 30 VIAJES DE LOS AUTOMVILES
DE UNA COMPAA DE TRANSPORTE.
Kilmetros por Litro N de Viajes
10,0------12,0 6
12,1------14,1 7
14,2------16,2 12
16,3------18,3 4
18,4------20,4 2
20,5------22,5 3
Elaborar un histograma y un polgono de frecuencia.
4. En una prueba de la elasticidad de 40 vigas formadas por lminas con adhesivo, se
obtuvieron los siguientes valores de su constante elstica (en MN/m), los cuales se
representan en la siguiente tabla:
ELASTICIDAD DE 40 VIGAS FORMADAS POR LMINAS ADHESIVAS.
Valores de la constante elstica N de vigas
6,61-------6,65 9
6,66-------6,70 10

6,71-------6,75 6
6,76-------6,80 12
6,81-------6,85 3
Elaborar un histograma y un polgono de frecuencia.
5. Los datos siguientes representan la fabricacin de varios tipos de tubos plsticos en
una compaa.
FABRICACIN DE TUBOS PLSTICOS SEGN SU TIPO.
Tipo de Tubo Cantidad Producida

A 28
B 34
C 12
D 3
Elaborar un diagrama Pastel, uno de Barras y uno de Lnea.

6. Los empleados de una empresa manufacturera fueron clasificados segn la cantidad
de sujetos, con lo cual se elabor la siguiente tabla.
CLASIFICACIN DE LOS EMPLEADOS EN UNA EMPRESA MANUFACTURERA
Tipo de Empleado Cantidad
Gerente 2
Administrativos 8
Obreros 20
Mensajeros 1
Vigilantes 4
Elaborar un diagrama Pastel, uno de Barras y uno de Lnea.

7. Con las mediciones de los puntos de ebullicin de un compuesto de silicio(en
grados Celsius), que se presentan a continuacin, elabrese un diagrama de puntos
135 150 158 171
135 178 146

8. Los recipientes que contienen las reacciones en algunas plantas nucleares, consisten
en dos componentes soldados entre s. El cobre en las soldaduras podra hacer que se
volvieran frgiles despus de aos de servicio. Las muestras del material de
soldadura de una colada que se us en una planta, tuvo contenidos de cobre de:
0,27 0,34
0,36
Las muestras de la siguiente colada tuvieron valores de:
0,24 0,10 0,30
0,26 0,22 0,27
Elabrese un diagrama de puntos, que muestre las diferencias posibles en las dos
corrientes de produccin del material de soldadura.
9. Los accidentes en una empresa, que se dedica a la fabricacin de Correas para
Damas, se clasificaron de acuerdo con la zona del dao en:
Dedos 16
0jos 6
Brazos 3
Piernas 1
Elaborar un diagrama de Pareto.
10. Los daos en una fbrica del papel, (en miles de Bolvares), debidos a la ruptura de
la hoja se pueden dividir de acuerdo con el producto:
Papel higinico 123
Toallas 76
Servilletas 34
Otros productos 23
Elaborar un diagrama de Pareto.
11. En el diagrama del ejercicio 9, incluir la frecuencia porcentual acumulada.
12. En diagrama del ejercicio 10, incluir la frecuencia porcentual acumulada.

CAPTULO 2
MEDIDAS DESCRIPTIVAS
Las medidas de tendencia central, de dispersin y de posicin, son de relevante
importancia en el momento de realizar estudios estadsticos. Las medidas de tendencia
central son utilizadas para localizar el centro de un grupo de datos. La dispersin
evala la separacin o apartamiento de las medidas de los datos, respecto al centro.
Las medidas de posicin ubican un elemento en un grupo de datos respecto a otro. En
este captulo se estudiarn estas medidas para datos agrupados y no agrupados en
intervalo de frecuencia.
MEDIDAS DE TENDENCIA CENTRAL.

Cada medida de tendencia central proporciona un valor numrico, el cual es el
ms representativo de los datos, es decir, el estudio de la tendencia generalizada de que
los datos se agrupen en su mayora alrededor de un valor calculado. Entre las medidas de
tendencia central estn la media aritmtica, la mediana y la moda. Se debe hacer notar
que el valor de la medida de tendencia central calculado, no necesariamente coincide con
uno de los valores de los datos que se tienen. En este captulo se estudiar la media
aritmtica y la mediana.
DEFINICIN 2.1. Media Aritmtica.
Si los datos no estn agrupados en intervalos de frecuencia, la media aritmtica
se define como la suma de las medidas de los datos entre el nmero de datos. En el caso
de que los datos estn agrupados en intervalos de frecuencia, la media aritmtica se
define como el producto de cada frecuencia por su respectiva marca de clase, entre la
suma de las frecuencias. Si la media aritmtica es un parmetro se denota por la letra
griega , y si es un estadstico por la letra x .
Caso 1: Media aritmtica para datos no agrupados en intervalos de frecuencia.
El procedimiento que se debe utilizar es el siguiente:

Se establece la cantidad de datos (n para muestra y N para poblacin) con los
cuales se va a calcular la media o promedio.
Se suman los valores numricos de los datos.
Se divide la suma entre la cantidad de datos; obteniendo as la media o
promedio aritmtico.
Si la media es un parmetro , dado el conjunto N de datos x1 , x2 ,, x N , entonces:
Si la media es un estadstico x , dado el conjunto n de datos x1 , x 2 , , x n , entonces:

=
pequea empresa (BANFRE) est dada por:
56 24 67 98 70 78 99 67 58
98 78 69 38 67 60 56 56 57
98 56 87 34 23 38 68 36
78 45 56 48 56 100 40 87
Calcular la media aritmtica de la produccin de bandas para frenos. Exprese los

resultados como parmetro y como estadstico.
Solucin:
En el caso que la media fuese un parmetro.
= 34
= 2146
2146
= = 63,12
34
En el caso que la media fuese un estadstico.

= 34
= 2146
2146
= = 63,12
34
Este resultado se puede interpretar como que el promedio o media de la produccin es de
63,12 pares de bandas. Es de resaltar que el resultado no es entero, como los datos
iniciales; ya que la media es un valor central y no necesariamente debe ser un valor de
los que se tienen en los datos.
Caso 2: Media aritmtica para datos agrupados en intervalos de frecuencias:
El procedimiento que se debe utilizar es el siguiente:
Se suman las frecuencias.
Se multiplica cada marca clase con sus respectivas frecuencias, y se halla la
suma total. Luego se divide esta suma entre la suma de las frecuencias;
obteniendo as la media o promedio aritmtico.
Si la media es un parmetro , donde = la suma de las frecuencias y xi para
i=1, 2,..., k; las i-simas marcas de clase, entonces:

=
k
Si la media es un estadstico x , donde n f
i 1
i la suma de las frecuencias y xi para
i=1, 2,..., k; las i-simas marcas de clase. Entonces:

=
pequea empresa (BANFRE) est dada por la siguiente tabla de distribucin de
frecuencias.

N de Bandas fi
23-----35 3
36-----48 6
49-----61 10
62-----74 5
75-----87 5
88----100 5
Calcular la media aritmtica de la produccin de bandas para frenos. Exprese los

resultados como parmetro y como estadstico.
Solucin:
Se calcula la suma de las frecuencias y la suma de los productos de las frecuencias por
las marcas de clase.
N de Bandas fi xi fi.xi
23-------35 3 29 87
36-------48 6 42 252
49-------61 10 55 550
62-------74 5 68 340
75-------87 5 81 405
88-----100 5 94 470
Suma 34 2104
En el caso que la media fuese un parmetro.

= 34
= 2104
= = 61,88
En el caso que la media fuese un estadstico.
= 34
= 2104

= = 61,88
Observacin 2.1.
Este resultado difiere del calculado en el ejemplo 2.1, ya que aqu se utilizan las
marcas de clases y no los valores originales.
DEFINICIN 2.2. Mediana.
Se define como el valor que se encuentra en el punto medio o centro de un grupo
de datos ordenados de una manera creciente.
Observacin 2.2
La mediana as como la media aritmtica, proporciona un valor de tendencia
central, el cual puede coincidir o no con el de la media aritmtica. En la prctica es
preferible trabajar con la media aritmtica.
Caso 1: Mediana para datos no agrupados en intervalos de frecuencia.
Para calcular la mediana se procede de la siguiente manera:
Se ordenan los nmeros de forma creciente.
La mediana es el valor medio o el promedio de los valores medios.
Ejemplo 2.3. Calcule la mediana de los datos del ejemplo 2.1.
Solucin:
Ordenando los datos de manera creciente, se tiene:
23 24 34 36 38 38 40 45 48
56 56 56 56 56 56 57 58 60
67 67 67 68 69 70 78 78 78
87 87 98 98 98 99 100
Ya que hay 34 datos, la mediana est entre la posicin 17 y 18; es decir el valor medio
entre 58 y 60. Por lo tanto, la mediana es el promedio de estos valores:
58 + 60
= = 59
2

Caso 2: Mediana para datos agrupados en intervalos de clase.
Para calcular la mediana se procede de la siguiente manera:
Se identifica la clase mediana (esta clase contiene la mediana), la cual es la
primera cuya frecuencia acumulada iguala o excede la mitad del total de
datos. Para ubicar la clase mediana se puede utilizar la siguiente frmula
=
2
Para calcular la mediana se usa la frmula.

= + 2
c: clase mediana.
Lri: Lmite real inferior de la clase mediana.
n: Total de datos en caso de que sea una muestra y N: en caso de poblacin
faA: Frecuencia acumulada de la clase que precede a la clase que contiene la mediana.
fc: Frecuencia en la clase mediana.
i: Tamao del intervalo de clase.
Ejemplo 2.4. Calcular la mediana, utilizando la informacin del problema 2.2.
Solucin
Para identificar la clase mediana calculemos
34
= 17 =
2
Observando la columna de la frecuencia acumulada, el intervalo (49----61) contiene los
datos del 10 al 19. Por lo tanto la clase mediana se ubica en esta lnea
N de Bandas fi fa
23-----35 3 3
36-----48 6 9
49-----61 10 19
62-----74 5 24
75-----87 5 29
88----100 5 34

Sustituyendo los siguientes valores en la frmula se tiene:
Lri 48 ,5 n 34 faA 3 6 9 fc 10 i 13
34
9
= 48,5 + 2 13 = 58,9
10
Observacin 2.3. En los ejemplos anteriores se observa que la media aritmtica difiere
de la mediana. Esto es importante, ya que pueden ocurrir tres situaciones:
Si la mediana es mayor que la media, hay mayor cantidad de datos
superiores a la media que inferiores a ella.
Si la mediana es menor que la media, hay mayor cantidad de datos inferiores
a la media que superiores a ella.
Si la mediana coincide con la media, los datos estn distribuidos
equitativamente a ambos lados de la media.
MEDIDAS DE DISPERSIN.
Las medidas de tendencia central sirven para ubicar el centro de un grupo de
datos; pero no dicen cmo se reparten o dispersan los datos a uno y otro lado del centro.
Esta ltima caracterstica se denomina dispersin.
Si la dispersin es poca, indica gran uniformidad entre los valores; una gran
dispersin indica poca uniformidad; y una ausencia de dispersin es seal de
uniformidad completa, lo cual quiere decir que los datos tienen el mismo valor.
Entre las medidas de dispersin se encuentran: el rango, la desviacin media, la
varianza y la desviacin estndar. En este libro, se estudiarn las dos ltimas.
DEFINICIN 2.3. Varianza y Desviacin Estndar.

Se definen como los valores que determinan la dispersin o separacin de las
medidas de los datos, respecto a un valor central. Si la varianza y la desviacin estndar

son parmetros se denotaran por las letras griegas y respectivamente; y si son
estadsticos por las letras s 2 y s respectivamente.
Caso 1 Varianza y desviacin estndar para datos no agrupados en intervalos de
frecuencia.
Para calcular la varianza y la desviacin estndar se procede de la siguiente
manera:
Se calcula la media aritmtica.
Se eleva al cuadrado cada valor numrico y se calcula la suma total.
Se usa una de las frmulas siguientes, de acuerdo al caso.
Si se trata de un parmetro, entonces:
( )
=
=
Si se trata de un estadstico, entonces:
( )
=
1
=
Ejemplo 2.5. Utilizando la informacin del ejemplo 2.1, calcular la varianza y la

desviacin estndar, en los casos que sean parmetros o estadsticos.
Solucin:
La suma de los valores al cuadrado est dada por.
= (56) + (24) + + (87) = 151158
En el caso de parmetros
En el ejemplo 2.1 la media aritmtica es = 63,12. El total de datos N=34.
(151158) 34(63,12)
= = 461,82
34

= 461,82 = 21,49
Si se trata de un estadstico = 63,12. El total de datos n=34.
(151158) 34(63,12)
= = 476,11
34 1
= 476,11 = 21,82
Observacin 2.4.
La Media Aritmtica, la Varianza y la Desviacin Estndar, para datos no
agrupados por intervalos, se pueden calcular usando una calculadora de bolsillo; con lo
cual se puede ahorrar tiempo y esfuerzo.
Caso 2. Varianza y Desviacin Estndar para datos agrupados en intervalos de clase.
Para calcular la Varianza y la Desviacin Estndar se procede de la siguiente
manera:
Se calcula la Media Aritmtica.
Se eleva al cuadrado cada marca de clase y se multiplica por la respectiva
frecuencia, y se calcula la suma total.
Se usa de las frmulas siguientes, de acuerdo al caso.
Si se trata de un parmetro.
( )
=
=
( )
=
1
=
.

Observacin 2.5. Puede existen diferencia entre el valor de la varianza y la desviacin
estndar, cuando se trata de un parmetro o un estadstico; a medida que se aumente el
nmero de datos esta diferencia se minimiza.
Ejemplo 2.3. Utilizando la informacin del ejemplo 2.2, calcular la varianza y la

desviacin estndar, en los casos que sean parmetros o estadsticos.
Solucin:
N de Bandas fi Xi fi.Xi2
23-----35 3 29 2523
36-----48 6 42 10584
49-----61 10 55 30250
62---- 74 5 68 23120
75-----87 5 81 32805
88----100 5 94 44180
Suma 34 143462
Si se trata de un parmetro, entonces:

143462 34(61,88)
= = 390,34
34
= 390,34 = 19,76
143462 34(61,88)
= = 402,16
34 1
= 402,16 = 20,05
Observacin 2.6
Utilizando Startgraphics se puede calcular la media aritmtica de los datos no
agrupados en intervalos de frecuencia, es decir, los datos originales. Es de notar que esto
se puede realizar con Excel o una calculadora de bolsillo.
Por ejemplo utilizando los datos del ejemplo 1.11 y observacin 1.1 (reseado en
el ejemplo 2.1) sobre la elaboracin de tablas de distribucin de frecuencia, siguiendo la
secuencia:
(todos en una columna).
Marcar en Tablas y Grficos lo requerido
Aparece una tabla con la informacin, entre varias, del promedio o media artmtica y la
desviacin estndar.
Resumen Estadstico para Col_1
Recuento 34
Promedio 63,1176
Desviacin Estndar 21,8171
Coeficiente de 34,5658%
Variacin
Mnimo 23,0
Mximo 100,0
Rango 77,0
Sesgo Estandarizado 0,270114
Curtosis Estandarizada -0,825583
MEDIDAS DE POSICIN.
Estas medidas determinan la posicin que ocupa un dato, al ser comparado con el
resto. Esto permite determinar qu porcentaje de datos se encuentran por debajo y por
encima, de uno en particular. Entre las medidas de posicin se tienen los deciles,
cuartiles, percentiles y rango percentil. En este libro se estudiarn los dos ltimos, para
datos agrupados en intervalos de frecuencia.

DEFINICIN 2.4. Percentiles.
El percentil Px es un valor tal que p% de las medidas son menores que ese valor
calculado, y (100-p)% son mayores.
Observacin 2.7.
Si los datos estn representados en una tabla de distribucin de frecuencias. Los
percentiles dividen en 100 partes iguales la distribucin de frecuencia. Los percentiles
son 99 y se denotan por P1 , P2 , , P99 . El Percentil 25, o equivalentemente P25, establece
que el 25% de las observaciones estn por debajo de un dato. El percentil 50 es la
mediana.
El percentil para datos agrupados en intervalos de clase.
Se calcula con el siguiente procedimiento.
Se identifica la clase del percentil. Para ubicar esta clase, se puede utilizar la
frmula
=
Para calcular el percentil se usa la frmula.

= + 100
c: clase mediana.
Lri: Lmite real inferior de la clase del percentil.
n: Total de datos en caso de que sea una muestra y N: en caso de poblacin.
faA: Frecuencia acumulada de la clase que precede a la clase que contiene el percentil.
fc: Frecuencia en la clase del percentil.
i: Tamao del intervalo de clase.
Ejemplo 2.4. Utilizando la informacin del ejemplo 2.2, calcule el percentil 50 y el

percentil 45.
Solucin:

Percentil 50.
Para determinar la clase del percentil 50, sabiendo que n=34 y x=50, se tiene que:
(34)(50)
= = 17
100
La clase mediana est en el intervalo (49----61), que contiene los datos del 10 al 19.
N de Bandas fi Fa
23----35 3 3
36----48 6 9
49----61 10 19
62----74 5 24
75----87 5 29
88---100 5 34
Los elementos necesarios para aplicar la frmula son:

= 48,5 = 34 =3+6 =9 = 10 = 13
Sustituyendo
(34)(50)
9
= 48,5 + 100 13 = 58,9
10
El percentil 50 igual a 58,9, significa que el 50% de los datos se encuentran por debajo
de 58,9. Esto equivale a que el 50% de las bandas producidas estn por debajo de 58,9
pares de bandas.
Percentil 45.
Para determinar la clase del percentil 45, sabiendo que n=34 y x=45, se tiene que:
34,45
=
= 15,3 15
100
La clase mediana est ubicada en el intervalo (49----61), que contiene los datos del 10 al
19.
Para determinar la clase del percentil, sabiendo que x=45 y n=34, de tal manera que
esta clase se ubica en el dato 15,3 = (34.45/100). Este est en el intervalo (49---61), que
contiene los datos del 10 al 19. Los elementos necesarios para aplicar la frmula son:

= 48,5 = 34 = 3+6 = 9 = 10 = 13
(34)(45)
= 48,5 + 100 9 13 = 56,69
10
El percentil 45 igual a 56,69, significa que el 45% de bandas producidas se encuentran

por debajo de 56,69 pares de bandas.
Observacin 2.8
Se puede utilizar Startgraphics para determinar los valores de los percentiles.
Utilizando los datos del ejemplo 2.1, siguiendo la secuencia:
(todos en una columna).
Percentiles para Col_1

Percentiles
1,0% 23,0
5,0% 24,0
10,0% 36,0
25,0% 48,0
50,0% 59,0
75,0% 78,0
90,0% 98,0
95,0% 99,0
99,0% 100,0
Se puede leer por ejmplo, que el precentil 50 se refiere que el 50% de las bandas de
freno estn por debajo de 59.

DEFINICIN 2.5. Rango Percentil.
El Rango percentil Rpx es el porcentaje de las medidas que son menores que un
valor dado.
Observacin 2.9.
Esta medida de posicin proporciona una interpretacin similar al del percentil;
con la diferencia que se calcula es el porcentaje de observaciones que hay por debajo de
un dato dado.
El rango percentil, se calcula con el siguiente procedimiento:
Ya que el objetivo es calcular el porcentaje de valores que estn por debajo
de uno en particular, se ubica este valor en el respectivo intervalo; obteniendo
as los elementos necesarios para aplicar la frmula respectiva.
Para calcular el rango percentil se usa la frmula
= 100
Ejemplo 2.5. Utilizando la informacin del ejemplo 2.4, calcular el rango percentil
correspondiente al nmero 58,9, o equivalentemente Rp58,9.
Solucin:
Ubiquemos el valor 58,9 en los intervalos de frecuencia, que se encuentran en la tabla,
ste est en el intervalo (49----61). Los elementos para el uso de frmula del clculo del
rango percentil son:
= 48,5 = 34 = 3+6 = 9 = 10 = 13
, ,
, = 100 = 50%
El rango percentil del nmero 58,9 igual al 50%, esto significa que se produce el 50% de
bandas por debajo de 58,9 pares de bandas.

PROBLEMAS PROPUESTOS
1. Los datos representan las mediciones de la resistencia a la ruptura (en Onzas) de una
muestra de hilos de camo:
43,6 36,8 15,2 25,0 37,5 33,5 34,6 65,1 38,6 54,9 25,9
45,8 34,7 23,5 44,7 56,8 45,7 56,8 34,8 23,6 56,9 23,5
23,6 26,9 45,8 34,9 54,9 23,7 35,8 56,8 37,9 56,8 45,8
34,9 34,7 59,9 61,0 42,4 57,8 60,8 28,0 26,0 50,8 34,8
Halle:
a. La media aritmtica
b. La mediana.
c. La varianza y la desviacin estndar, si se consideran los datos como medidas de
una poblacin.
d. La varianza y la desviacin estndar, si se consideran los datos como medidas de
una muestra.
2. En un estudio de tres semanas sobre la productividad de los trabajadores, se

recolect la siguiente informacin sobre el nmero de piezas aceptables que
produjeron un grupo de empleados.
56 34 58 45 55 56 60 34 23 90 78
56 34 89 78 23 67 90 89 78 56 56
56 78 23 98 89 78 34 45 26 70 79
45 89 78 98 89 78 54 45 34 56 57
67 56 78 67 56 78 20 67 45 23 24
45 76 98 45 28 44 45 56 87
Halle:
a La media aritmtica
b La mediana.
c La varianza y la desviacin estndar, si se consideran los datos como medidas de
una poblacin.
d La varianza y la desviacin estndar, si se consideran los datos como medidas de
una muestra.
4. Los datos de la siguiente tabla representan el rendimiento de gasolina en 30 viajes de

los automviles de una compaa de transporte.

DE UNA COMPAA DE TRANSPORTE.
Kilmetros por Litro N de Viajes
10,0-----12,0 6
12,1-----14,1 7
14,2-----16,2 12
16,3-----18,3 4
18,4-----20,4 2
Halle:
b La mediana.
una poblacin.
una muestra.
e Los percentiles P50 , P30 , P75 .
f El rango percentil Rp13 , 8 .
5. En una prueba de la elasticidad de 40 vigas formadas por lminas con adhesivo, se

obtuvieron los siguientes valores de su constante elstica (en MN/m), los cuales se
representan en la siguiente tabla:

ELASTICIDAD DE 40 VIGAS FORMADAS POR LMINAS ADHESIVAS.
Valores de la constante elstica N de vigas

6,61-----6,65 9
6,66-----6,70 10
6,71-----6,75 6
6,76-----6,80 12
6,81-----6,85 3
Halle:
b La mediana.
una poblacin.
una muestra.
e P5 0 , P4 0 , P6 1
f Rp7 ,2

CAPTULO 3
PROBABILIDADES
Es comn que las personas se refieran a las probabilidades para indicar la
posibilidad de ocurrencia de un evento futuro. Esta interpretacin puede considerarse
aceptable, pero no clarifica de forma explcita de cmo se mide y de qu manera se
utilizan las probabilidades para hacer inferencias. Las probabilidades son de gran
utilidad cuando se opera con problemas fsicos que generan observaciones, las cuales
no son factibles predecir con exactitud. Por ejemplo, el nmero de artculos defectuosos
en un proceso de la fabricacin de tubos plsticos. Los eventos que poseen estas
propiedades se denominan eventos aleatorios.
En este captulo se har un enfoque de estas dos alternativas, as como tambin
la teora bsica de las probabilidades.
DEFINICIONES BSICAS.
DEFINICIN 3.1. Experimento.

Es el proceso a travs del cual se obtienen observaciones.
Ejemplo 3.1. Considere el experimento siguiente: en una empresa existe una gra que
tiene un sistema de guayas, las cuales requieren ser reemplazadas cada cierto tiempo de
uso. Para probar si se debe cambiar, se somete el sistema a una tensin exagerada, si se
rompen 2 o ms hilos, se dice que la guaya no sobrevive y por lo tanto debe ser
reemplazada. Se sabe por experiencia, que en cada tensin exagerada, se rompe a lo ms
un hilo y que la probabilidad de que se rompan ms de uno es despreciable

DEFINICIN 3.2. Espacio Muestral.
Es el conjunto de todos los posibles resultados de un experimento estadstico. El
espacio muestral suele denotarse por la letra S. Los elementos del espacio muestral, se
denominan puntos muestrales.
DEFINICIN 3.3. Espacio Muestral Discreto.

Es un espacio muestral que contiene un nmero finito o numerablemente infinito
de puntos muestrales.
Ejemplo 3.2. En el ejemplo 3.1, el espacio muestral es discreto finito. Para definir este
espacio muestral elaboraremos un diagrama de rbol. Codifiquemos como cero (0) si no
se rompe algn hilo y uno (1) si se rompe un hilo (ver grfico 3.1).
S={{0,0,0},{0,0,1},{0,1,0},{0,1,1},{1,0,0},{1,0,1},{1,1,0},{1,1,1}}.
Como puede observarse existen 8 puntos muestrales en este experimento.
R E SU L T A D O S D E L A SO B R E VIV E N C IA D E L A
G U A Y A D E UN A G RU A
0 { 0 ,0 ,0 }
0
1 { 0 ,0 ,1 }
0 { 0 ,1 ,0 }
1
0 1 { 0 ,1 ,1 }
0 { 1 ,0 ,0 }
0
1
1 { 1 ,0 ,1 }
0 { 1 ,1 ,0 }
1
1 { 1 ,1 ,1 }
Grfico 3.1.Espacio muestral.
Ejemplo 3.3. Supngase el experimento que consiste en el registro del nmero de

automviles que le suministran gasolina de un cierto octanaje, en una estacin de

servicio. El espacio muestral es discreto (numerablemente infinito). El espacio muestral
se puede definir as:
S= {0, 1, 2, 3, 4, 5,6,...}.
DEFINICIN 3.4. Espacio Muestral Continuo.

Es un espacio muestral que contiene un nmero infinito de posibilidades iguales
al nmero de puntos que existen en un segmento de lnea.
Ejemplo 3.4. Supngase el experimento que consiste en investigar la distancia que

recorrer un automvil en un trayecto de prueba prescrito con 8 litros de gasolina.
DEFINICIN 3.5. Evento.

Es un subconjunto de un espacio muestral. Debido a esto, un evento puede estar
formado por todo el espacio muestral, parte de ste o por el conjunto vaco , el cual no
contiene puntos muestrales.
Ejemplo 3.5. En el ejemplo 3.1, un evento puede estar definido por los puntos
muestrales en los cuales se rompan dos o ms hilos. Este evento se puede denotar por:
A={{0,1,1},{1,1,0},{1,0,1},{1,1,1}}.
DEFINICIN 3.6.Complemento de un Evento.

Es el conjunto de puntos muestrales, del espacio muestral, que no estn en el
evento. Si el evento lo denotamos por A, el complemento esta denotado por A.
Ejemplo 3.6. En el ejemplo 3.5, el complemento de este evento sera definido por los
puntos muestrales en los cuales se rompan menos de dos hilos. Este evento se puede
denotar por:
A={{0,0,0},{0,0,1},{0,1,0},{1,0,0}}.

DEFINICIN 3.7. Interseccin de dos Eventos.
Es el evento que contiene los puntos muestrales comunes de los dos eventos. Si
denotamos por A y por B los dos eventos, entonces la interseccin se denota por A B.
Ejemplo 3.7. Sea el evento A definido en el ejemplo 3.5 y sea el evento C definido por
los puntos muestrales de que se rompan dos hilos. Este evento se denota por:
C= {{0,1,1}, {1,0,1}, {1,1,0}}.
La interseccin de estos dos eventos sera: A C= C.
Ejemplo 3.8. La interseccin de los eventos de los ejemplos 3.5 y 3.6 sera vaca; ya
que no tienen puntos en comn. Esto se denota por A A= .
DEFINICIN 3.8. Eventos Mutuamente Excluyentes.

Se dice que dos o ms eventos son mutuamente excluyentes si no ocurren al
mismo tiempo, y adems la ocurrencia de uno de ellos impide la ocurrencia del otro. La
interseccin de estos eventos es vaca.
Ejemplo 3.9. En una sala estn reunidos 4 personas, que pertenecen respectivamente al
departamento de ventas, al departamento de compras, al departamento de produccin y
al departamento de personal de una empresa que fabrica neumticos para camiones.
Pertenecer a ventas, produccin o personal, excluye pertenecer a compras.
DEFINICIN 3.9. Eventos Independientes.

Se dice que dos eventos son independientes, si la ocurrencia de uno de ellos, no
excluye la ocurrencia del otro.
Ejemplo 3.10. De los artculos producidos por una fbrica, 40% provienen de la lnea 1
y el 60% de la lnea 2. La escogencia al azar de artculos de cada lnea, para determinar
si tienen defectos, son eventos independientes.

DEFINICIN 3.10. Unin de dos Eventos.
Es el evento formado por todos los puntos muestrales que pertenecen a uno, al
otro, o a ambos eventos. Si denotamos por A y B, dos eventos, la unin de ellos se
denota por A B.
Ejemplo 3.11. Sean los eventos A y C definidos en los ejemplos 3.5 y 3.7; la unin de
estos eventos es el evento A. Se denotan de la siguiente manera A C= A.
Observacin 3.1. Diagramas de Venn.

Estos diagramas se utilizan para verificar relaciones que se pueden establecer
entre conjuntos. El espacio muestral est representado por un rectngulo y los eventos a
travs de cualquier figura geomtrica, que se dibujan dentro del rectngulo. A
continuacin se ilustra un diagrama de Venn.
Grfico 3.2. Diagramas de Venn.
Ejemplo 3.12. Veintids automviles se sacan de una lnea de ensamblaje y se

examinan para ver si tienen defectos. Doce de los automviles no tienen defectos, nueve
tienen defectos de acabado exterior, y cuatro tienen defectos en su ensamblaje. Sea A, el
evento formado por el conjunto de automviles que tienen defectos de ensamblaje y sea

B el evento formado por el conjunto de automviles que tienen defectos en el acabado
exterior. Elabore un diagrama de Venn para simbolizar:
a) El evento formado por los automviles que tienen los dos tipos de defectos.
b) El evento formado por los automviles que tienen por lo menos un tipo de
defectos.
c) El evento formado por los automviles que no tienen defectos.
d) El evento formado por los automviles que tienen exactamente un tipo de
defecto.
Solucin:
Grfico 3.3. Diagrama de Venn.
a Los automviles con ambos tipos de defectos deben estar en A y en B; por lo

tanto, este evento se puede representar con A B Como slo 10 de los
automviles tienen defectos; y A contiene 4 con defectos y B contiene 9 con
defectos, entonces 3 automviles estn en la interseccin, es decir tienen los
dos tipos de defectos.
b Los automviles que tienen por lo menos un tipo de defecto deben tener un
defecto de ensamblaje o un defecto de acabado. Este evento est representado
por A B ; Por lo tanto existen 10 automviles que tienen por lo menos un
tipo de defecto.

c El evento representado por los automviles que no tienen defectos es el
complemento del evento de los que tienen defectos; es decir, ( A B) , por lo

c
tanto existen 12 automviles que no tienen defectos.

d El evento representado por los automviles que tienen exactamente un tipo de
defecto es ( A B ) ( A B ) , por lo tanto existen 7 automviles con un slo
tipo de defecto.
CONTEO DE PUNTOS MUESTRALES.
Teorema 3.1. Regla de la Multiplicacin.

Si una operacin puede realizarse en n1 maneras y si para cada una de stas se
puede efectuar una segunda operacin en n2 maneras, y para cada una de las dos
primeras se puede efectuar una tercera operacin en n3 formas, y as sucesivamente;
entonces la secuencia de k operaciones puede llevarse a cabo en
maneras.
Ejemplo 3.13. En un estudio sobre economa de combustible, se prueba cada uno de 5

automviles, utilizando 3 tipos de gasolina en relacin con su octanaje, en 7 lugares
geogrficos del pas. Si se utilizan 3 conductores en el estudio y las corridas de prueba se
llevan a cabo una vez bajo cada uno de los diferentes conjuntos de condiciones Cuntas
corridas de prueba se necesitan?
Solucin:
Sean las siguientes designaciones:
n1=5 Automviles n 2=3 tipos de Gasolina

n3= 7 lugares n 4=3 Conductores

Lo anterior expresa la manera en las cuales se pueden efectuar cada operacin, por lo
tanto las corridas de prueba que se necesitan son: = 5 3 7 3 = 31
DEFINICIN 3.11. Permutacin.

Es el nmero de arreglos diferentes en un orden especfico.
DEFINICIN 3.12.
El nmero de permutaciones de n objetos distintos es
! = ( 1)( 2)( 3) 1
Teorema 3.2.
El nmero de permutaciones de n objetos diferentes, tomados r a la vez es:
!
, =( )!
= , , = !
Ejemplo 3.14. Un mecanismo de control electrnico necesita 6 circuitos idnticos de

memoria De cuntas maneras se puede armar este mecanismo, usando los seis
circuitos?
Solucin:
Sea n=6 (nmero de circuitos); ya que son tomados los seis circuitos a la vez, se trata de
una permutacin, donde n= r. Por tanto, la cantidad de maneras en que puede armarse el
mecanismo es:
, = 6! = 720
Ejemplo 3.15. En relacin con ejemplo 3.14. Supngase que los circuitos son tomados
dos a la vez De cuntas maneras puede ser armado el mecanismo?
!
, =( )!
= 30

Teorema 3.3.
El nmero de permutaciones diferentes de n objetos, de los cuales n 1 son de una
clase, n2 de una segunda clase, ... , nk de una k- sima clase, es:
!
, ,, =
! ! ! !
Ejemplo 3.16. Se necesitan instalar 5 bombillos de 45 vatios, 8 bombillos de 60 vatios y

4 bombillos de 100 vatios De cuntas maneras se pueden colocar en una instalacin en
serie?
Solucin:
El total de objetos es n=17 bombillos discriminados en:
n 1=5 bombillos de 45 vatios.
n 2=8 bombillos de 60 vatios.
n2=4 bombillos de 100 vatios.
El nmero total de arreglos distintos es:
17!
= 3063060
5! 8! 4!
DEFINICIN 3.13. Combinacin.

Es el nmero de arreglos distintos en el cual no se especifica el orden o
colocacin de los elementos.
Teorema 3.4.
El nmero de combinaciones de n objetos distintos tomados r a la vez es:
!
=
! ( )!

Ejemplo 3.17. En una empresa se necesita elegir 5 obreros de un grupo de 24 obreros
De cuntas maneras diferentes se puede elegir el grupo de obreros?
Solucin:
Este ejemplo representa una combinacin, ya que los grupos formados por los mismos
obreros, no importando el orden en que se escogieron, representan el mismo grupo.
Se tiene n=24 obreros; de los cuales se van a tomar r=5.
El total de maneras diferentes es:
24 24!
= = 42504
5 5! (24 5)!
PROBABILIDAD DE UN EVENTO.
DEFINICIN 3.14.
Supngase que un espacio muestral S est asociado con un experimento. A cada
evento A definido en S, se le asigna un nmero, P(A), denominado probabilidad de A, de
tal manera que se cumplen los axiomas siguientes:
1: 0 ( ) 1
2: () = 0
3: ( )=1
DEFINICIN 3.15.
Si un experimento puede dar como resultado cualquiera de N resultados
diferentes igualmente probables, y si exactamente n de estos resultados corresponde al
evento A, entonces la probabilidad del evento A es:
( )=

Observacin 3.2.
Aunque el valor calculado de una probabilidad se encuentra en el intervalo [0,1],
tambin suele interpretarse como una proporcin (frecuencia relativa). Por ejemplo, si la
probabilidad es de 0,23, esto equivale al 23%.
Ejemplo 3.18: Un empresario desea saber la probabilidad de escoger un artculo

defectuoso en la produccin de vasos plsticos; para ello tom una muestra de 500
vasos, mediante un proceso de muestreo, y encuentra que 17 vasos tienen defectos. Con
estos datos calcul la probabilidad, quedando as:
A: El evento formado por los vasos plsticos que tienen defectos.
n=17 vasos (resultados en el evento A).
N=500 vasos (Total de resultados posibles).
( )= = 0,034
.
En conclusin, la probabilidad de escoger un artculo defectuoso en la produccin de
vasos plsticos es 0,034. Equivalentemente, en porcentaje, la probabilidad es del 3,4%.
Teorema 3.6. Reglas Aditivas.

Si A y B son dos eventos cualesquiera, entonces:
( ) = ( )+ ( ) ( )
Corolario 1.
Si A y B son mutuamente excluyentes, entonces:
( ) = ( )+ ( )
Corolario 2.
Si A1, A2, A3,..., An son mutuamente excluyentes, entonces:
( )= ( )+ ( )++ ( )

Ejemplo 3.19. Un sistema contiene dos componentes C1 y C 2 y se conecta de tal
manera que ste funciona si cualesquiera de los componentes funcionan. Se sabe que la
probabilidad de que el sistema funcione con slo el componente C1 es 0,8 y la
probabilidad de que funcione con slo el componente C2 es 0,7; y la probabilidad de
que funcione con ambos componentes es 0,71. Calcular la probabilidad de que el sistema
funcione.
Solucin:
Sea A: el evento de que el sistema funcione con slo el componente C1.
Sea B: el evento de que el sistema funcione con slo el componente C2.
Sea A B : el evento de que el sistema funcione con ambos componentes.
( ) = 0,8 ( ) = 0,7 ( ) = 0,71
Entonces:
( ) = 0,8 + 0,7 0,71 = 0,79
Ejemplo 3.20. Se tienen 8 tarjetas de computadora de la marca T1 , 5 tarjetas de la marca

T2 y 4 tarjetas de la marca T3 Cul es la probabilidad de que se escoja una tarjeta de
la marca T1 o una de la marca T 2?
Solucin:
Sea A: el evento de seleccionar la tarjeta de la marca T1.
Sea B: el evento de seleccionar la tarjeta de la marca T2.
La probabilidad de escogencia de una tarjeta de la marca T1 es
( )= = 0,47
.
La probabilidad de escogencia de una tarjeta de la marca T2 es
( )= = 0,29

Los dos eventos son mutuamente excluyentes, ya que, al tomar una tarjeta de una
marca elimina la posibilidad de escogencia de la otra.
La probabilidad de escogencia de una tarjeta de una de estas dos marcas es:
( ) = 0,47 + 0,29 = 0,76
Teorema 3.7.
Si A y A son eventos complementarios, entonces:
( ) + ( ) = 1
Ejemplo 3.21. Las probabilidades de que en una estacin de servicio sirvan gasolina a
0, 1, 2, 3, 4, 5 o ms automviles durante un perodo de 30 minutos, son de: 0,03; 0,18;
0,24; 0,28; 0,10; 0,17 respectivamente. Encuentre la probabilidad de que, en un perodo
de 30 minutos, 4 o ms automviles reciban gasolina.
Solucin:
A: es el evento de que 4 o ms automviles reciban gasolina.
A: es el complemento del evento A.
P(A)= 0,03+0,18+0,24+0,28=0,73.
P(A)=1-P (A)= 1-0,73=0,27.
DEFINICIN 3.16.
La probabilidad condicional de un evento A, dado que el evento B ha ocurrido, es
igual a:
( )
( \ )=
( )
Siempre que P(B)0. El smbolo P(A\ B) se lee la probabilidad de A dada la ocurrencia
de B.

Ejemplo 3.22. Una compaa de transporte cuenta con un grupo de camiones movidos
por gasolina o por gasoil, lleva registros anuales de las reparaciones generales de los
motores. En la tabla siguiente se representan la cantidad de kilmetros recorridos por un
camin antes de tener que ser sometido a la revisin necesaria para cada tipo de
vehculo.
KILMETROS RECORRIDOS POR UN VEHCULO ANTES DE SU REVISIN

Kilmetros recorridos Vehculos con Total
Motor de Gasolina Motor de Gasoil
0------20.000 36 11 47
20.001-------40.000 58 55 113
40.001 o ms 12 23 35
Total 106 89 195
Tabla 3.1.Distribucin de frecuencias.
De qu manera influye el tipo de motor en la probabilidad?
Solucin:
Se trata de una probabilidad condicional, ya que se desea saber la probabilidad de
que un vehculo haya tenido un determinado recorrido, antes de ser reparado, de acuerdo
al tipo de motor (a gasolina o a gasoil). Consideremos que rebasa los 40.000 km.
Sea A: el evento de que el vehculo funcione con gasolina.
Sea B: el evento de que el vehculo funcione con gasoil.
Sea C: el evento de que el vehculo que rebase 40.000 km, necesite reparacin.
La probabilidad de que un vehculo funcione con gasolina es:

( )= = 0,54

( ): Probabilidad de que el vehculo sea de gasolina y necesite ser
reparado porque rebas los 40.000 km es:
( )= = 0,06
P(C| A): Probabilidad de que el vehculo sea reparado, dado que es de gasolina
es:
,
( \ )= = 0,11
,
La probabilidad de que un vehculo funcione con gasoil es:
89
( )= = 0,46
195
P ( B C ) : Probabilidad de que el vehculo sea de gasoil y necesite ser reparado

porque rebas los 40.000 km. es:
( )= = 0,12
P(C |B): probabilidad de que el vehculo sea reparado, dado que es de gasoil
,
( \ )= = 0,26
,
Como se puede observar, la probabilidad se ve afectada por el hecho de que los

motores usan distinto tipo de combustible.
Observacin 3.3. Muestreo con reposicin

La probabilidad de un evento donde se extraen dos o ms artculos, no se ve
afectada cuando se extrae el primero y se repone al sistema de donde se extrajo.

Observacin 3.4. Muestreo sin reposicin
Al hacer un muestreo sin reposicin, el resultado de la primero extraccin
influye en los resultados posibles de la segunda. En este caso, se dice que los sucesos no
son independientes. Otro hecho importante en este tipo de muestreo es que despus de
haber obtenido un resultado en la primera extraccin, es mayor la probabilidad de cada
uno de los resultados restantes que sern seleccionados en la segunda extraccin. Debe
tenerse en cuenta que la diferencia entre el muestreo con reposicin y sin reposicin, es
despreciable cuando la poblacin es grande respecto a la muestra.
Ejemplo 3.23. En una caja se tienen 8 bujas para automviles. Es evidente que cada
buja tiene la misma probabilidad de ser seleccionada; es decir, 1/8. Supngase que se
extrae una de ellas y luego se repone a la caja, la segunda buja que se extrae tiene la
misma probabilidad que la primera; es decir 1/8. No obstante, si no se repone a la caja,
la probabilidad de la segunda buja es diferente a la de la primera; es decir, 1/7. Aqu se
evidencia que al reponer o no un artculo, puede alterarse las probabilidades.
Teorema 3.8. Reglas multiplicativas.

Si A y B son eventos en un espacio muestral S, entonces:
( )= ( ) ( \ ) ( )0
( )= ( ) ( \ ) ( )0
Corolario 1.
Si A y B son eventos independientes, entonces:
( \ )= ( )
( \ )= ( )
( )= ( ) ( )
Corolario 2.
Si en un experimento pueden ocurrir eventos , , ,, entonces:
( )
= ( ) ( \ ) ( \ ) ( \ )

Si los eventos son independientes:
( )= ( ) ( ) ( ) ( )
Ejemplo 3.24. Si elegimos al azar en sucesin dos tarjetas de vdeo para computadora
de un cargamento de 250, de los cuales, 17 estn defectuosos Cul es la probabilidad de
que ambas estarn defectuosos?
Solucin:
Sea A: el evento de que la primera unidad est defectuosa.
B: el evento de que la segunda est defectuosa.
B\ A: el evento de que la segunda unidad est defectuosa, dado que la primera lo
est.
: El evento de que la primera y segunda unidad est defectuosa.
17
( )= = 0,07
250
16
( \ )= = 0,6
249
( ) = (0,07)(0,06) = 0,004
Observacin 3.5.
En el ejercicio 3.24 se observa que el objeto es tomado sin reposicin en el lote,
esto influye en el clculo de la probabilidad de la seleccin del segundo objeto.
Ejemplo 3.25. En una fbrica existen dos trenes de produccin. Se sabe en el primero
12 de 34 piezas son defectuosas; y en el otro tren, 9 de 40 piezas son defectuosas Cul
es la probabilidad de escoger una pieza de cada tren que tenga defectos?
Solucin:
Los eventos son independientes, ya que se trata de trenes diferentes.

Sea A: el evento de seleccionar una pieza del primer tren.
Sea B: el evento de seleccionar una pieza del segundo tren.
Sea A B : el evento de seleccionar una pieza de cada tren.
12
( )= = 0,35
34
9
( )= = 0,23
40
( ) = (0,35)(0,23) = 0,08
Ejemplo 3.26. Una caja de fusibles contiene 25 piezas, de las cuales 8 estn defectuosas.
Si se seleccionan al azar tres de los fusibles y se sacan de la caja en sucesin sin
reemplazo Cul es la probabilidad de que los tres fusibles estn defectuosos?
Solucin:
Sea A: el evento de que el primer fusible est defectuoso.
Sea B: el evento de que el segundo fusible est defectuoso.
Sea C: el evento de que el tercer fusible est defectuoso.
Sea B| A: el evento de que el segundo fusible este defectuoso, dado que el
primero lo est.
Sea \ : el evento de que el tercero est defectuoso, dado que los dos
anteriores lo estn. Entonces:
( )= ( ) ( \ ) ( \ )
8 7 6
( )= = 0,32 ( \ )= = 0,29 ( \ )= = 0,26
25 24 23
( ) = (0,32)(0,29)(0,26) = 0,02
DEFINICIN 3.17. Particin de un espacio muestral.
Los eventos B1, B2, B3,..., Bk determinan una particin del espacio muestral si se
cumplen con las dos condiciones siguientes:
=

=
Teorema 3.9. Regla de eliminacin.
Si los eventos B1, B2, B3,..., Bk constituyen una particin del espacio muestral S
tal que P ( Bi ) 0 para i=1, 2,3,..., k, entonces, para cualquier evento A de S,
( )= ( )= ( ) ( \ )
Observacin 3.6.
El teorema anterior es til en los casos donde la fase intermedia admite K
alternativas, cuya incidencia se denota por B1,B2,B3,...,Bk.
La relacin se puede representar a travs de un diagrama de rbol.
B1 P(A\B 1 )
A
P(B 1 ) B2 P(A\B 2 )
A
P(B n )
A
Bn P(A\B n )
Grfico 3.4 Diagrama de rbol
Ejemplo 3.27. Una planta de ensamblado recibe sus reguladores de corriente de tres
diferentes distribuidores: 45% del distribuidor B1 , 35% del distribuidor B2, y 20% del
distribuidor B3. Si el 85% de los reguladores del distribuidor B1, el 76% de los
reguladores del distribuidor B2, y el 60% de los reguladores del distribuidor B3, tienen
un rendimiento de acuerdo con las especificaciones. Calcule la probabilidad de que
cualquier regulador de voltaje recibido por la planta d un rendimiento segn las
especificaciones.
Solucin:
B1: el evento de recibir reguladores del distribuidor B1.
A: el evento de que el regulador de voltaje recibido por la planta d un
rendimiento segn especificaciones.
A\ B1: el evento de que el regulador de voltaje recibido est bajo
especificaciones, dado que fue enviado por el distribuidor B1.
El diagrama de rbol que establece las relaciones anteriores es:
B1 P(A\B1 )=0,85
P(B1 )=0,45 A
B2 P(A\B 2)=0,76
P(B2 )=0,35
A
B3 P(A\B3 )=0,60
P(B3 )=0,20
A
Grfico 3.5 Diagrama de rbol.
( )= ( ) ( \ )+ ( ) ( \ )+ ( ) ( \ )
P(B1)=0,45 P(B2)=0,35 P(B3)=0,20
P(A\B1)=0,85 P(A\B2)=0,76 P(A\B3)=0,60.
( ) = (0,45)(0,85) + (0,35)(0,76) + (0,20)(0,60) = 0,77
En conclusin, la probabilidad de que cualquier regulador de voltaje recibido por la

planta, d un rendimiento segn las especificaciones es 0,77. Equivalentemente el 77%.

Teorema 3.10. Teorema de Bayes.
Si los eventos B1,B2,B3,...,Bk constituyen una particin del espacio muestral S tal
que P ( B k ) 0 para i=1, 2,3,..,k, entonces, para cualquier evento A de S tal que
P( A) 0 .
( ) ( ) ( \ )
( \ )= =
( ) ( ) ( \ )
= 1,2,3, ,
Observacin 3.5.
Este teorema proporciona una frmula para calcular la probabilidad de que el
efecto A fue causado por el evento Bi.
El numerador, en el teorema de Bayes, expresa la probabilidad de llegar a A por
la i- sima rama del rbol y que la expresin del denominador es la suma de las
probabilidades de llegar a A por las n ramas del rbol.
Ejemplo 3.28. En relacin con ejemplo 3.27, supngase que se desea conocer la
probabilidad de que un regulador de voltaje especfico, cuyo rendimiento corresponde a
las especificaciones, provenga del distribuidor B2.
Solucin:
El teorema de Bayes, aplicado a este ejemplo, quedara as:
( ) ( \ )
( \ )=
( ) ( \ )
(0,35)(0,76)
( \ )= = 0,35
(0,45)(0,85) + (0,35)(0,76) + (0,20)(0,60)

En conclusin, La probabilidad de que un regulador de voltaje especfico, cuyo
rendimiento corresponde a las especificaciones, provenga del distribuidor B2 es 0,35.
Equivalentemente 35%.
1. Cuatro personas, numerados como 1, 2, 3 y 4, solicitan dos puestos idnticos en una
compaa. Los puestos se otorgan seleccionando dos de los aspirantes al azar:
a Establezca el espacio muestral.
b Establezca el evento A de que si el sujeto 1 es seleccionado, el segundo sea
seleccionado del resto.
c Repita el aparte b, si el sujeto 2 sea seleccionado. Evento B
d Halle A B .
e Halle A B .
f Halle A.
.
2. Un inspector de edificios debe revisar la instalacin elctrica de un nuevo edificio de
departamentos, el Lunes, Mircoles, Viernes y Sbado; a las 9 am, 11 am y a las 2
pm. Dibuje un diagrama de rbol que represente el espacio muestral.
3. A un grupo de electricistas se le preguntan si es muy fcil, fcil, regular, difcil o

muy difcil reparar un modelo especfico de automvil; codifique las respuestas
como 1, 2, 3, 4,5, respectivamente. Si A= {1,2}, B= {3,4}, C= {4,5}. Halle:
a A B.
b A B.
c A B'.
d C' .
e Escriba con palabras el significado de cada resultado.

4. De 25 computadoras disponibles en un almacn, 10 de ellas tienen tarjetas
adaptadoras para una impresora, 5 tienen tarjetas adaptadoras para un modem, y 13
no tienen ninguna de stas. Utilizar A, para representar el evento de aquellas que
tengan tarjetas de impresora, B para representar el evento de las que tienen tarjetas
de modem y, luego, representar en un diagrama de Venn los siguientes eventos, as
como mencionar el nmero de computadoras que hay en cada uno.
a Las que tengan ambas tarjetas.
b Las que no tengan tarjetas alguna.
c Las que slo tengan tarjetas para impresora.
d Las que tengan exactamente una de las tarjetas.
5. El constructor de una Urbanizacin ofrece a sus posibles compradores viviendas las

cuales se pueden seleccionar entre 5 diseos, con tres diferentes sistemas de
calefaccin, un garaje cerrado o abierto, y un patio o un porche cubierto. De cuntas
formas diferentes estn disponibles para un comprador?
6. Un envo de 15 celulares contienen 4 defectuosos. De cuntas formas puede un

distribuidor adquirir 6 de esos aparatos y recibir cuando menos 3 de los defectuosos?
7. Una caja con 15 bateras contiene una que est defectuosa.

a En cuntas formas diferentes un supervisor puede elegir 4 de estas bateras y
obtener la defectuosa?
b En cuntas formas diferentes un supervisor puede elegir 4 de estas bateras y
obtener ninguna defectuosa?
8. Con respecto al ejercicio 7, supngase que dos bateras estn defectuosas.

a De cuntas maneras diferentes puede el supervisor escoger tres de las bateras y
obtener ninguna batera defectuosa?

b De cuntas maneras diferentes puede el supervisor escoger tres de las bateras y
obtener ambas bateras defectuosas?
c De cuntas maneras diferentes puede el supervisor escoger tres de las bateras y
obtener una defectuosa?
9. Una tienda de artculos posee en existencia 9 clases de cocinas, 7 tipos de neveras y

7 clases de televisores En cuntas formas diferentes pueden elegirse dos artculos
de cada clase?
10. Una operacin de ensamblaje en una fbrica consta de 5 pasos, que se pueden llevar
a cabo en cualquier orden. Si el fabricante quiere comparar los tiempos de
ensamblaje para cada arreglo posible de los pasos, cuntos arreglos habr en el
experimento?
11. Para usar un telecajero se requiere de la seleccin de un conjunto de cuatro dgitos en

sucesin. Supngase que no se utiliza el mismo dgito dos veces. Encuentre el
nmero total de los posibles arreglos
12. De un conjunto de 7 hombres y 6 mujeres cuntas cuadrillas de trabajadores de de

9 miembros se pueden formar si cada uno de ellos debe contener cuando menos 4
mujeres?
13. Se sacan 12 cajas recibidas en diferentes pocas de cierto proveedor. Cada caja
contiene 600 artculos con las mismas especificaciones. Al examinar el contenido de
las cajas se encuentra en cada caja el siguiente nmero de piezas con
especificaciones equivocadas, debido a errores al empacar:
{7, 4, 9, 5, 8,10,12,8,9,9,6,9} Cul es la probabilidad de encontrar una pieza con
especificaciones errneas en una caja cualquiera enviada por el proveedor?

14. Se tienen cinco Lanchas, numeradas del 1 al 5, disponibles para su uso, y la Lancha
nmero 3 tiene un defecto. Las Lanchas 1 y 3 provienen del fabricante Multilanchas
y el resto del fabricante Lanchas Lara. Supngase que se seleccionan, uno tras otro,
al azar dos Lanchas para someterlas a una prueba de velocidad. Sea A el evento en el
que se selecciona la Lancha defectuosa y B el evento en el que por lo menos una de
las Lanchas se obtuvo del fabricante Multilanchas. Halle P(A) y P(B). Sug. elabore
un diagrama de rbol.
15. Si 4 de 21 encendidos electrnicos estn defectuosos y 5 de ellos se escogen al azar,

Cul es probabilidad de que solamente uno de los defectuosos sea escogido?
16. Las probabilidades de que un producto para pulir la pintura de los automviles
califique como, muy malo, malo, regular, bueno, muy bueno, o excelente son:
{(0,08), (0,24), (0,12), (0,30), (0,06), (0,20)}, respectivamente.
a) Cules son las probabilidades de que lo califiquen como muy malo, malo,
regular o excelente?
b) Cules son las probabilidades de que lo califiquen como bueno, muy bueno,
malo?
17. Supngase que dos transformadores defectuosos han sido incluidos en un envo de
seis transformadores. El comprador empieza a probar los seis transformadores uno a
uno.
a Cul es la probabilidad de que se encuentre el ltimo transformador defectuoso
en la cuarta prueba?
b Cul es la probabilidad de que no haya necesidad de probar ms de cuatro
transformadores para encontrar los dos defectuosos?
c Dado que uno de los dos defectuosos ha sido identificado en las primeras dos
pruebas Cul es la probabilidad de que el otro defectuoso se encuentre en la
tercera o cuarta prueba?

18. Por problemas de empaquetado se mezclaron 42 tornillos de alta resistencia con 30
tornillos comunes, de igual apariencia, por lo que resulta imposible diferenciarlos. Si
se extraen dos tornillos (uno despus del otro) Cul es la probabilidad de que uno
sea de alta resistencia y el otro sea un tornillo comn?
19. Dos mquinas presentan dos componentes A y B. Las confiabilidades de que ambos
componentes trabajen de manera correcta son 0,6 y 0,8, respectivamente. Supngase
que A y B funcionan de manera independientes entre s, determine la confiabilidad
de cada sistema si,
a Ambos componentes deben funcionar correctamente para que el sistema
siguiente tambin lo haga
A B
b Los componentes estn conectados en paralelo de manera que, si cualquier

enlace A- B funciona de manera correcta, entonces el sistema siguiente tambin
lo har
A B
A B
20. Una red comunicaciones en un aeropuerto posee un sistema de seguridad contra

fallas. Si en este sistema falla la lnea A, se utiliza la lnea B como una emergencia;
si tambin falla la lnea B, se utiliza la lnea C como una desviacin. La probabilidad
de que falle cualquiera de estas lneas es 0,2 y las fallas de estas lneas son
independiente. Cul es la probabilidad de que este sistema de tres lneas no falle
totalmente?
21. En una fbrica de motores hay 3 mquinas para pistones. La mquina A produce el
50% de los pistones; la mquina B el 32% y la mquina C el resto. Se ha observado
que el 7% de los pistones producidos por la mquina A salen fuera de

especificaciones, al igual que el 8% de los producidos por la mquina B, y el 6% de
los producidos por la mquina C. Si seleccionamos al azar un pistn del lote general
de produccin de las tres mquinas Cul es la probabilidad de que este fuera de
especificaciones?
22. En una lnea de inspeccin, un supervisor, escoge las piezas las cuales deben pasar
por una inspeccin completa; 12% de todos los artculos producidos son defectuosos;
56% de todos los artculos defectuosos y 30% de los no defectuosos pasan por una
inspeccin completa Cul es la probabilidad de que un artculo sea defectuoso dado
que pas por una inspeccin completa?

CAPTULO 4
VARIABLES ALEATORIAS Y
DISTRIBUCIONES DE PROBABILIDAD
Por lo general en la teora de probabilidades slo se toman en cuenta ciertos
aspectos particulares de los resultados de algn experimento. Por ejemplo, cuando se
estudia la produccin de bombillos en gran escala, puede interesar su durabilidad, pero
no su precio; al examinar la produccin en una empresa puede importar slo el nmero
de artculos defectuosos. Estos nmeros estn asociados con elementos al azar, es decir,
con variables aleatorias. Al estudiar estas variables, tambin es indispensable
establecer las distribuciones de probabilidad.
En este captulo se realizar un estudio de las variables aleatorias y sus
distribuciones de probabilidad.
VARIABLE ALEATORIA.
DEFINICIN 4.1. Variable Aleatoria.
Es una funcin que asocia un nmero real a cada elemento del espacio muestral.
Una variable aleatoria transforma los eventos de un espacio muestral en eventos
numricos. De manera ms formal, una variable aleatoria X es una funcin que asigna
un nmero real X(s) a cada resultado s S
Observacin 4.1.
Las variables aleatorias pueden ser clasificadas en discretas y en continuas. Las
primeras pueden tomar valores enteros finitos o contables, en cambio las segundas
pueden tomar valores reales.
DEFINICIN 4.2. Espacio Muestral Discreto.

Es un espacio muestral que contiene un nmero finito de posibilidades o una
secuencia sin final con igual nmero de elementos que nmeros enteros.

DEFINICIN 4.3. Espacio Muestral Continuo. Es un espacio muestral que contiene un
nmero infinito de posibilidades iguales al nmero de puntos que se encuentran en un
segmento de lnea.
Observacin 4.2.
La variable aleatoria se denotar con letras maysculas y negrillas, por ejemplo
X; el valor de la variable por minsculas cursivas, por ejemplo x.
DISTRIBUCIN DISCRETA DE PROBABILIDAD.
DEFINICIN 4.4. Distribucin discreta de probabilidad.

El conjunto de pares (x, f (x)) es una funcin de probabilidad o una distribucin
de probabilidad de la variable aleatoria discreta X, si para cada posible resultado x:
1) ( )0
2) ( )=1
3) ( = )= ( )
Ejemplo 4.1. Un taladro puede ser clasificado de acuerdo a: su precio en barato B 1,

costoso B2; costo de reparacin, barato C1 y costoso C2; respaldo de repuestos, con
respaldo R1, sin respaldo R2. Supngase que se desea estudiar el evento constituido por
el taladro que tenga las caractersticas de barato (B 1), costoso de reparar (C2) y sin
respaldo de repuesto (R2)
A continuacin se representan, en un diagrama de rbol, los distintos elementos
del espacio muestral, sus probabilidades y valor de la variable aleatoria.

Valor de la
Probabilidades
variable a leatoria
R 0,12 1
C 1
1
R 0,15 2
2
B 2
1
R 0,06
1
C 2 3
R 0,20
2
R 0,10 0
1
C 1
R 2 0,07 1
B 2
R 0,17 1
1
C 2
2 R 2
0,13
Grfico 4.1.Diagrama de rbol

La distribucin de probabilidad se obtiene sumando los valores de probabilidad para la
variable, por ejemplo: Para = 1, ( = 1) = (1) = 0,12 + 0,07 +
0,17 = 0,36.
La distribucin de probabilidad para esta variable aleatoria viene dada por la siguiente
tabla, donde se especifica el valor de la variable en cada caso y su respectiva
probabilidad.
X 0 1 2 3
f(x) 0,10 0,36 0,34 0,20
Tabla 4.1. Distribucin de probabilidad.
La variable aleatoria relacionada con el evento asume valores finitos, es por lo

tanto una variable aleatoria discreta.
Se puede sealar que la tabla 4.1 representa una distribucin discreta de
probabilidad, debido a que cumple con las condiciones de la definicin 4.4; es decir:

Para cualquier x se tiene que:
1) ( ) 0 , por ejemplo (1) = 0,36
2)
( ) = 0,10 + 0,36 + 0,34 + 0,20 = 1
3) Para cualquier x se tiene que: ( = )= ( )

La distribucin discreta de probabilidad tambin se puede representar a travs de
un histograma de probabilidad o un diagrama de barras; esto se ilustra a continuacin:
N DE CLASIFICACIONES PREFERENTES DE UN
TALADRO
0,4
0,35
0,3
Probabilidad
0,25
0,2
0,15
0,1
0,05
0
0 1 2 3
N de clasificaciones
Grfico 4.2. Histograma de probabilidad.

N DE CLASIFICACIONES PREFERENTES DE UN
TALADRO
0,4
Probabilidad
0,3
0,2
0,1
0
0 1 2 3
N de clasificaciones
Grfico 4.3. Diagrama de barras.

DEFINICIN 4.5. Distribucin de Probabilidad Hipergeomtrica
Si una poblacin consta de N elementos de los cuales r tienen el atributo A, y
N-r tienen el atributo B, y se toman n elementos sin reposicin, el espacio muestral para
este experimento es de resultados posibles; esto es, el nmero de formas en que se
puede elegir un subconjunto de n objetos, entre un conjunto de N objetos. As mismo,
es posible elegir x elementos entre los r con el atributo A, en formas; es posible
elegir n-x elementos entre los N-r elementos con el atributo B, en formas, y toda
la muestra puede ser elegida en formas. Suponiendo que cada una de las
muestras tiene la misma probabilidad de ser elegida, la probabilidad de x xitos en n
ensayos sin reposicin es
= , = 0,1, ,
Ejemplo 4.2. Un envo de siete guayas para gras contiene dos defectuosas. Un
compaa adquiere en forma aleatoria tres de estas guayas. Si X es el nmero de guayas
defectuosas adquiridas por la compaa, elabore la distribucin discreta de probabilidad
y represntela en un histograma de probabilidad (ver ejemplo 3.1 y 3.2)
Solucin: Sea X la variable aleatoria cuyos valores x son los nmeros posibles de guayas
defectuosas adquiridas por una compaa. Entonces x puede tener valores {0,1,2}.
Donde N = 7, r = 2, n=3
Calculemos las probabilidades:
2
(0) = ( = 0) = =
7
4
(1) = ( = 1) = =
7

1
(2) = ( = 2) = =
7
La distribucin discreta de probabilidad vendra dada por:
X 0 1 2
f(x) 2/7 4/7 1/7
Tabla 4.2 Distribucin de probabilidad
La representacin de la distribucin de probabilidad sera:
GUAYAS DEFECTUOSAS
ADQUIRIDAS POR UNA COMPAA
0,6
0,5
0,4
Probabilidad
0,3
0,2
0,1
0
0 1 2
Nmero de Guayas
Grfico 4.4. Histograma de probabilidad.
DEFINICIN 4.6. Funcin de distribucin acumulada.

La funcin acumulada F(x) de la variable aleatoria discreta X con distribucin de
probabilidad f(x) est dada por:
( )= ( )= ( ) < <

Los valores, F(x), de la funcin de distribucin de probabilidad cumple las siguientes
condiciones:
1) () = 0
2) () = 1
3) < , ( ) ( ) ,
Ejemplo 4.3. Con los datos del ejemplo 4.1 establezca la su distribucin acumulada.
Elabore una representacin grfica.
Solucin: El valor acumulado en cada intervalo se consigue aplicando la definicin 4.6,
es decir:
(2) = ( 2) = ( ) = (0) + (1) + (2) = 0,10 + 0,36 + 0,34 = 0,80
X 0 1 2 3
F(x) 0,10 0,46 0,80 1
Tabla 4.3 Distribucin Acumulada de probabilidad
Grfico 4.5. Distribucin de probabilidad acumulada

DISTRIBUCIN CONTINUA DE PROBABILIDAD.
Una variable continua tiene una probabilidad de cero de tomar exactamente

cualquiera de sus valores. En consecuencia, no es posible presentar una distribucin de
probabilidad como se hizo con las variables aleatorias discretas. Si se analiza una
variable aleatoria continua, cuyos valores estn representados por los litros de gasolina
que pueden suministrarle a un vehculo cualquiera, tomados al azar en una estacin de
servicio; la probabilidad de seleccionar, al azar, un vehculo que se le suministre
exactamente 22 litros de gasolina y no otra cantidad, del conjunto infinito de valores
cercanos a 22 litros es tan baja, que se le asigna la probabilidad de cero. Sin embargo,
no sera ste el caso si se hablara del evento de suministrarle al vehculo gasolina entre
22 litros y 25 litros. Ahora se est utilizando un intervalo en lugar de un valor puntual
para la variable aleatoria.
La definicin de probabilidad en el caso continuo supone, para cada variable
aleatoria, la existencia de una funcin, llamada funcin de densidad de probabilidad, de
tal manera que el rea debajo de la curva, representa la probabilidad de ocurrencia de un
evento, en un intervalo.
Si los valores de la variable aleatoria estuviesen en un intervalo finito, siempre es
posible ampliar el intervalo para incluir el conjunto total de nmeros reales, al definir
f(x)=0 en cualquier otro caso que este fuera del intervalo.
DEFINICIN 4.7. Funcin Densidad de Probabilidad.

La funcin f(x) es una funcin de densidad de probabilidad para la variable
aleatoria continua X, definida sobre el conjunto de los nmeros reales, R, si:

1) ( ) 0

2) ( ) =1

3) ( < < )= ( )
DEFINICIN 4.8.
Si X es una variable aleatoria continua, y a , b R , entonces
( )= ( < )= ( < < )
Ejemplo 4.4. La duracin de sardinas empaquetadas en un almacn (en horas) es una

variable aleatoria continua, cuya funcin de densidad viene expresada por:
20000
>0
( ) = ( + 100)
0
1) Verifique el aparte 2 de la definicin 4.7.

2) Determine la probabilidad de que uno de estos paquetes durar en el almacn:
a) cuando menos 150 horas.
b) a lo ms 90 horas.
c) entre 70 y 110 horas
Solucin:

1 = = ( =1
( ) ( ) ) 0
.

2 =( = 0,16
( ) ) 150

90
2 ) = ( = 0,72
( ) ) 0
110
2 ) =( = 0,12
( ) ) 70
Observacin 4.6.
En algunos casos interesa conocer la probabilidad de que el valor de una variable
aleatoria continua sea menor que o igual a algn nmero real x. Para este tipo de
problema se podra utilizar la funcin de distribucin acumulada.
DEFINICIN 4.9. Funcin de distribucin acumulada

Sea X una variable aleatoria continua, la funcin que viene dada por
( )= ( )= ( ) < <

se denomina funcin acumulada de X, donde f(t) representa el valor de la funcin de

densidad de probabilidad de X en t.
DEFINICIN 4.10.
Sea F(x) la distribucin acumulada de la variable aleatoria continua X, con
funcin de densidad f(x), entonces:
( )= ( ) ( )
a y b son dos constantes reales cualquiera con a b .
Ejemplo 4.5. El tiempo de espera (en horas) entre dos conductores de vehculo, de
manera sucesiva, que rebasan la velocidad mxima, es una variable aleatoria continua,
cuya distribucin acumulada es:
0 0
( )=
1 >0

Encuentre la probabilidad de esperar menos de 10 minutos entre dos infractores
sucesivos, utilizando la distribucin acumulada de X.
Solucin: 10 0,17 .
( 0,17) = (0,17) = 1 ( , ) = 0,64
Ejemplo 4.6. La funcin de densidad de una variable aleatoria viene dada por:
( )= 0< <1
0
1. Halle el valor de k.
2. Encuentre F(x) y utilcela para hallar P(0,3<x<0,6).

Solucin: Parte 1. De la definicin 4.7 se sabe que
( ) = 1. Entonces

2 1 2 3
( ) = = = = 1 =
3 0 3 2
La funcin de densidad es:
3
0< <1
( )= 2
Parte 2. Utilizando la definicin 4.9 se tiene que:
3 3
( )= = =
2 2
La funcin de distribucin acumulada viene dada por:

0 0
( )= 0< <1
1 1

Utilizando la definicin 4.10 se tiene que:
(0,3 < < 0,6) = (0,6) (0,3) = (0,6) (0,3) = 0,26
DISTRIBUCIN DE PROBABILIDAD CONJUNTA.
Usualmente en los experimentos se hace necesaria la utilizacin de varias

variables. Por ejemplo, puede interesar estudiar la vida til de una lmina de metal y su
revestimiento, a este experimento tambin se le puede asociar las variables costo,
calibre, etc. Para realizar este estudio se utilizan distribuciones de probabilidad conjunta.
En el caso de variables aleatorias discretas, X e Y, la distribucin de probabilidad
conjunta para la ocurrencia simultnea de eventos, se puede representar por una funcin
f(x, y); la cual establece la probabilidad de ocurrencia de los resultados x e y al mismo
tiempo.
En el caso de las variables continuas, la funcin de densidad conjunta es una
superficie sobre el plano xy; donde [( , )] , representa el volumen del cilindro
recto, limitado por la superficie y con regin de integracin A en el plano xy.
DEFINICIN 4.11. Distribucin de probabilidad conjunta.

Sean X e Y dos variables aleatorias discretas, la funcin
f ( x , y ) P ( X x , Y y ) representa una distribucin de probabilidad conjunta si
cumple con las siguientes condiciones.
1) ( , )0
2) ( , )=1
Ejemplo 4.7. Una caja de fusibles contiene 4 fusibles de 10 amperios, 3 de 15 amperios

y 2 de 20 amperios; se desea seleccionar dos fusibles. Si X es el nmero de fusibles de
10 amperios e Y es el nmero de fusibles de 15 amperios. Establezca la distribucin de
probabilidad para estas variables aleatorias discretas.

Solucin:
De N=9 fusibles se seleccionan n=2 fusibles, entonces las variables aleatorias X e Y
deben tomar los valores {0,1,2}, por lo tanto los puntos (x,y) son
(0,0),(0,1),(1,0),(1,1),(2,0),(0,2).
Ajustando la definicin 4.5 a la distribucin conjunta se tiene que:
( )
( , )=
=4 = 3 . De aqu que:
( , )=
1 8
(0,0) = = (1,0) = =
36 36 36 36
12 6
(1,1) = = (0,1) = =
36 36 36 36
6 3
(2,0) = = (0,2) = =
36 36 36 36
La tabla de distribucin de probabilidad conjunta sera:
f(x,y) X Total
0 1 2 por fila
0 1/36 8/36 6/36 15/36
Y 1 6/36 12/36 18/36
2 3/36 3/36
Total por 10/36 20/36 6/36 1
Columna
Tabla 4.4. Distribucin de probabilidad conjunta

DEFINICIN 4.12. Funcin de Densidad Conjunta.
La funcin f(x, y) es una funcin de densidad conjunta de las variables aleatorias
conjunta X e Y si cumple con las siguientes condiciones:
1) ( , )0 ( , )

2) ( , ) =1

3) [( , ) ] = ( , )
Ejemplo 4.8. Sean X e Y las proporciones de dos sustancias diferentes, que se

encuentran en una muestra de algn reactivo que se utiliza como pesticida en la siembra
de algunas frutas. Supngase que estas variables aleatorias tienen como funcin de
densidad conjunta
2 0 1; 0 1; 0 + 1
( , )=
0
Halle P ( X 0 ,2 ; Y 0 ,3)
Solucin: Utilizando la definicin 4.12 se tiene que:
, , , ,
( 0,2; 0,3) = ( , ) = 2 = 0,12

Observacin 4.7.
Utilizando la distribucin conjunta f(x, y) se puede encontrar las distribuciones de
probabilidad en una variable, es decir, g(x) y h(x).

DEFINICIN 4.13. Distribuciones Marginales.
Sean X e Y dos variables aleatorias. Sus distribuciones marginales g(x) y h (y)
vienen dadas por:
( )= ( , )
( ) = ( , )

( )= ( , )

( ) = ( , )

Ejemplo 4.9. Utilizando la distribucin de probabilidad conjunta del ejemplo 4.7; halle
las distribuciones marginales g(x) y h (y).
Solucin: Las variables aleatorias X e Y puede tomar los valores {0, 1, 2}
respectivamente, luego
1 6 3 10
(0) = ( = 0) = (0, ) = (0,0) + (0,1) + (0,2) = + + =
36 36 36 36
8 12 20
(1) = ( = 1) = (1, ) = (1,0) + (1,1) + (1,2) = + +0 =
36 36 36
6 6
(2) = ( = 2) = (2, ) = (2,0) + (2,1) + (2,2) = +0+0 =
36 36
X 0 1 2
g(x) 10/36 20/36 6/36
Tabla 4.5. Distribucin marginal de probabilidad g(x)

De manera similar se puede establecer la distribucin de probabilidad marginal h (y).
Y 0 1 2
h(y) 15/36 18/36 3/36
Tabla 4.6. Distribucin marginal de probabilidad h (y).
Ejemplo 4.10. Hay dos tipos diferentes de componentes en operaciones conjuntas, de

los cuales un sistema electrnico tiene un componente de cada tipo. Sean X e Y las
vidas aleatorias de los componentes del tipo A y del tipo B, respectivamente; entonces la
funcin de densidad de probabilidad conjunta est dada por
1
> 0; > 0
( , )= 8
0
Halle las distribuciones marginales g(x) ; h(y).

Solucin:
Utilizando la definicin 4.13 se tiene que las distribuciones marginales g(x) y h (y).

1 1
( )= ( , ) = =
8 4
Luego la distribucin marginal para la variable X viene dada por:

1
>0
( )= 4
0

1 1
( ) = ( , ) = =
8 2
Luego la distribucin marginal para la variable Y viene dada por:

1
>0
( ) = 2
DEFINICIN 4.14. Distribucin de probabilidad condicional:

Sean X e Y variables aleatorias discretas o continuas, con funcin de probabilidad
conjunta f(x, y) y distribuciones marginales g(x) y h (y); la distribucin de probabilidad
condicional:
( , )
( ) > 0
( \ )= ( )
( , )
( )>0
( \ )= ( )

0
Observacin 4.8.
Si se necesita encontrar la probabilidad de una variable aleatoria que se encuentra
entre dos valores, dado que la otra variable aleatoria toma un valor particular; se puede
proceder as:
En el caso discreto:
( < < \ = )= ( \ ) ( < < \ = )= ( \ )
En el caso continuo.
( < < \ = )= ( \ ) ( < < \ = )= ( \ )
Ejemplo 4.11. Utilizando los ejemplos 4.7 y 4.9; halle la distribucin de probabilidad
condicional para la variable aleatoria X, dado que la variable Y toma el valor y=0.
Solucin: utilizando la definicin 4.14 se tiene que:
( , 0)
( \0) =
(0)
De los ejemplos 4.7 y 4.9 se tiene que
(0\0) = = (1\0) = = (2\0) = =
X 0 1 2
f(x\0) 1/15 8/15 6/15
Tabla 4.7 Distribucin de probabilidad marginal f (x\0).
Ejemplo 4.12. Utilizando el ejemplo 4.10; halle la distribucin condicional
f (1 Y 2 ) \ X 3) .
Solucin: Utilizando la definicin 4.14 se tiene que
1
( , ) 8 1
( \ )= = =
( ) 1 2
4
1
( \ )= 2 >0
0
1
(1 2\ = 3) = ( \ ) = = 0,24
2
DEFINICIN 4.15. VARIABLES INDEPENDIENTES

Sean X e Y dos variables aleatorias discretas o continuas, cuya distribucin de
probabilidad conjunta es f(x, y) y distribuciones marginales g(x) y h (y),
respectivamente; se dice que las variables aleatorias X e Y son linealmente
independientes si se cumple que:
( , ) = ( )( ) ( , )

Ejemplo 4.13. Determine si las variables aleatorias definidas en el ejemplo 4.7 son
independientes o no.
Solucin:
Utilizando la definicin 4.14, basta verificar, para cada valor de las variables aleatorias,
que se cumple la igualdad; en caso de que para algn par (x, y) no se cumpla se dice que
no son independientes. En este ejemplo, con una inspeccin, se observa que para (x, y)=
(0,0); se tiene que:
1
(0,0) = 4.3
36
10
(0) = 4.4
36
15
(0) = 4.5
36
Como puede notarse (0,0) (0)(0). Por lo tanto las variables aleatorias no son
independientes.
Ejemplo 4.14. Determine si las variables aleatorias definidas en el ejemplo 4.10, son
independientes o no.
Solucin:
Utilizando la definicin 4.14, slo hay que verificar la igualdad.

1
> 0; > 0
( , )= 8
0
1
>0
( )= 4
0
1
>0
( ) = 2
Como puede notar f (x,y)=g(x)h(y) para x > 0 ; y > 0

En otros casos f (x,y)= 0 = g(x)h(y)
De todo lo anterior se concluye que las variables son independientes.
1. Un amplificador contiene 6 transistores, de los cuales dos estn defectuosos. Si

seleccionan al azar dos de estos transistores, extrados del amplificador, e
inspeccionados. Si X es el nmero de unidades defectuosas;
a Establezca la distribucin de probabilidad.
b Establezca la distribucin acumulada de probabilidad.
c Elabore un diagrama de barras para la distribucin de probabilidad.
d Elabore una representacin grfica para la distribucin acumulada, similar al del
ejemplo 4.3.

k
2. Sea f ( x) una distribucin de probabilidad para una variable aleatoria que
3k
puede tomar los valores x = 0, 1, 2, 3, 4; determine el valor de k.
3. Supngase un sistema de aceite que fluye a travs de una vlvula de A a B. Las

vlvulas {1, 2, 3} funcionan independientemente, y cada una se abre correctamente
mediante una seal con una probabilidad de 0,7. Encuentre la distribucin de
probabilidad para la variable aleatoria X; la cual representa el nmero de vas
abiertas de A a B despus de haber enviado la seal. La variable puede tomar los
valores {0, 1, 2}.
2 3
A B
1
Represente esta distribucin a travs de un histograma de probabilidad.
4. Un jefe de personal en una fbrica tiene 4 hombres y 4 mujeres trabajando para l.

Se desea elegir dos trabajadores para realizar un trabajo y decide seleccionarlos al
azar. Sea X el nmero de mujeres en la seleccin. Encuentre la distribucin de
probabilidad para X. Represente esta distribucin a travs de un histograma de
probabilidad.
Represente esta distribucin a travs de un diagrama de barras.
5. Sea X la variable aleatoria que representa el nmero de defectos por cada metro de
cintas de acero est dada por
X 0 1 2 3 4
f(x) 0,05 0,16 0,37 0,41 0,01

Elabore la distribucin de probabilidad acumulada. Represente grficamente esta
distribucin.
6. Defnase la funcin de distribucin acumulada para la variable aleatoria X est dada

por:
0 para x 2
1
p ara 2 x 5
3
1
F (x) pa ra 5 x 9
2
5
6 para 9 x 12

1 para x 12
Halle:
a ) P ( 3 X 6) b) P( X 9) c ) la distribucion de probabilidad de X
7. El desgaste del dibujo (en miles de kilmetros) de los cauchos para camiones es una
variable aleatoria cuya funcin de densidad de probabilidad est dada por:
1
>0
( ) = 20
0 0
Halle la probabilidad de que los cauchos se desgastarn:

a) Cuando ms a 20000 km
b) Entre 28000 y 35000 km.
c) Cuando menos a 45000 km.
d) Exactamente a los 15000 km.

8. Supngase que el error de fase de un dispositivo de rastreo es una variable aleatoria
con funcin de densidad:

sen x 0 x
f (x) 2
0 e n o tr o s c a s o s
Halle la probabilidad de que el error de esta fase est:

a) Entre 0 y /4
b) Mayor que /6.
9. La proporcin de impurezas X de determinadas muestras de mineral de oro es una

variable aleatoria cuya funcin de densidad est dada por:
1 0 x 2 (1 x ) para 0 x 2
f ( x)
0 e n o tr o s c a s o s
Si se selecciona 5 muestras de ellas en formas independientes, calcular la

probabilidad de que:
a) Exactamente una de ellas tenga una proporcin de impurezas mayor que 0,8.
b) Por lo menos una de ellas tenga una proporcin de impurezas mayor que 0,8.
10. Utilizando la definicin de la funcin de densidad del problema 8; halle la funcin

de distribucin acumulada.
11. De una caja de clavos que contiene 3 de 1 pulgada, 2 de 0,5 pulgadas y 3 de 2
pulgadas se escoge una muestra aleatoria de 4 clavos. Si X es el nmero de clavos de
1 pulgada e Y es el nmero de clavos de 0,5 pulgadas que estn en la muestra,
encuentre la distribucin de probabilidad conjunta de X e Y.
12. Utilizando la distribucin del problema 11, determine:
a) Las distribuciones marginales g(x) y h(y).
b) Si las variables son independientes.

c) La distribucin de probabilidad condicional para la variable aleatoria Y, dado
que la variable X toma el valor x=1.
13. Sea X e Y las proporciones de tiempo, en un da de trabajo, que los obreros Jos y
Pedro, respectivamente, se ocupan en realizar un trabajo. La funcin de densidad
que establece esta relacin es:
x y 0 x 1 0 y 1
f ( x, y)
0 en otros casos
a. Calcular P ( X 1 / 4, Y 1 / 4 )
b. Calcular P ( X Y 1) .
14. Utilizando los datos del problema 13.

a. Halle las funciones marginales g(x) y h(y).
b. Determine si las variables son independientes.
c. Calcule < < \ =

CAPTULO 5
ESPERANZA MATEMTICA
En el captulo 2 se estudi las medidas descriptivas y se estableci la tendencia
central de los datos a representarse por un nmero; y la dispersin de estos datos.
Considrese ahora la siguiente informacin: Se espera que un caucho dure 30000
kilmetros, esto no quiere decir que un caucho, tomado al azar y sometido a prueba, su
duracin no pueda ser 26000 km, o 34000 km.; Sino que este valor esperado es una
tendencia central de los valores de una variable aleatoria. Una forma de estudiar los
resultados de un experimento, de este tipo, es tomar en cuenta los valores que posean la
variable aleatoria, y su distribucin de probabilidad, con la finalidad de determinar el
valor que se puede esperar, que asuma la variable en un experimento.
En este captulo se estudiar el valor esperado, o en otras palabras la
Esperanza Matemtica de una variable aleatoria.
MEDIDAS DE TENDENCIA CENTRAL.
DEFINICIN 5.1. Esperanza Matemtica o la Media de la variable aleatoria X.

Si la distribucin de probabilidad de la variable aleatoria X viene dada por f(x);
entonces la media est dada por:
= ( )= ( )
Si X es una variable discreta.

= ( )= ( )

Si X es una variable continua.

Ejemplo 5.1. En el ejemplo 4.2, se plante en siguiente experimento: Un envo de siete
guayas para gras contiene dos defectuosas. Una compaa adquiere en forma aleatoria
tres de estas guayas. Si X es la variable aleatoria cuyos valores x son los nmeros
posibles de guayas defectuosas adquiridas por una compaa. La distribucin de
probabilidad es:
X 0 1 2
f(x) 2/7 4/7 1/7
Tabla 5.1.Distribucin de probabilidad.
Halle la media de la variable aleatoria.
Solucin: Utilizando la definicin 5.1, donde la variable aleatoria es discreta se tiene

que:
2 4 1
= ( )= ( )= 0 + 1 + 2 = 0,86
7 7 7
X =0,86 significa que la compaa que adquiri 3 guayas debe esperar que tengan
aproximadamente una guaya defectuosa, en promedio.
Ejemplo 5.2 En el ejemplo 4.4 se plante el siguiente experimento: La duracin de

sardinas empaquetadas, en un almacn (en horas) es una variable aleatoria continua,
cuya funcin de densidad viene expresada por:
20000
>0
( ) = ( + 100)
0

Solucin:

20000 1 100
= ( )= = 20000 + = 100
( + 100) + 100 2( + 100) 0
X =100, significa que se debe esperar que las sardinas empaquetadas en un almacn
duren en promedio 100 horas. Recuerde que este valor es una tendencia central y no
significa que todas las sardinas tienen que durar en el almacn esa cantidad de tiempo.
Observacin 5.1.
En ocasiones se necesita calcular la esperanza matemtica (la media) de una
funcin que est relacionada con una variable aleatoria.
DEFINICIN 5.2. Esperanza Matemtica (la media) de una funcin relacionada con
una variable aleatoria.
Sea X una variable aleatoria cuya distribucin de probabilidad es f(x). La
esperanza matemtica de la variable aleatoria g(X) viene dada por:
( ) = ( ) = ( ) ( )
Si X es una variable discreta.

( ) = ( ) = ( ) ( )

Si X es una variable continua.
Ejemplo 5.3. Supngase que la cantidad de kilmetros que recorre un automvil; est en
relacin con los litros que debe suministrarle, mediante la siguiente frmula + 1; por
tanto la cantidad de litros de gasolina est en funcin de la cantidad de kilmetros
que debe recorrer el automvil. Esto se puede definir por la frmula ( )= + 1.
Supngase que la distribucin de probabilidad de la variable aleatoria X, definida por la
cantidad de kilmetros que recorre un automvil viene dada por:
X 8 10 13
f(x) 0,54 0,36 0,1
Tabla 5.2. Distribucin de probabilidad
Halle la media de la variable ( ).
( ) = ( ) = ( ) ( )= ( + 1) ( )
( ) = 9(0,54) + 11(0,36) + 14(0,1) = 10,22
( ) = 10,22; Significa que se espera que el gasto en promedio de gasolina de un

automvil sea de alrededor de 10,22 litros.
Ejemplo 5.4. Sea X la variable aleatoria definida por la fraccin de tiempo que un torno
est en operacin durante una semana de trabajo de 30 horas; la funcin de densidad
viene dada por:
2 0 1
( )=
0
La ganancia semanal en Bolvares est dada por ( ) = 20000 + 60000

Solucin:

( ) = ( ) = ( ) ( ) = (20000 + 60000)2 = 73333,33


( ) = 73333,33, significa que el valor esperado en promedio de la ganancia semanal
del torno sea de 73333,33 Bs.
DEFINICIN 5.3. Esperanza Matemtica (la media) de una funcin en dos variables.
Sean X e Y dos variables aleatorias con distribucin de densidad conjunta
( , ). La esperanza matemtica para la variable aleatoria g(X, Y) viene dado por:
( , ) = ( , ) = ( , ) ( , )
Si las variables aleatorias X e Y son discretas.

( , ) = ( , ) = ( , ) ( , )

Si las variables aleatorias X e Y son continuas.
Ejemplo 5.5. Una caja de fusibles contiene 4 fusibles de 10 amperios, 3 de 15 amperios

y 2 de 20 amperios; se desea seleccionar dos fusibles. Si X es el nmero de fusibles de
10 amperios e Y es el nmero el nmero de fusibles de 15 amperios (Ver ejemplo 4.7,
captulo 4)
La tabla de distribucin de probabilidad conjunta es:
f(x,y) X Total
0 1 2 por fila
0 1/36 8/36 6/36 15/36
1 6/36 12/36 18/36
Y 2 3/36 3/36
Total por 10/36 20/36 6/36 1
Columna
Tabla 5.3. Distribucin de probabilidad conjunta

Supngase que el costo (en Bolvares) de los fusibles, ya especificados, viene dada por
la funcin: ( , ) = + 2 . Halle la media de la funcin .
Solucin: Utilizando la definicin 5.3 se tiene que.
( , ) = ( , ) = ( , ) ( , )
( , ) = ( +2 )
= (0,0) (0,0) + (0,1) (0,1) + (0,2) (0,2) + (1,0) (1,0)
+ (1,1) (1,1) + (2,0) (2,0)
1 6 3 8 12 6 84
=0 +2 +4 +1 +3 +2 = 2.33
36 36 36 36 36 36 36
( , ) = 2,33 significa que el costo en promedio de los fusibles es 2,23 Bs.
Ejemplo 5.6. Sean X e Y las proporciones de dos sustancias (A y B) diferentes que se

encuentran en una muestra de algn reactivo que se utiliza como pesticida en la siembra
de algunas frutas. Supngase que estas variables aleatorias tienen como funcin de
densidad conjunta
:
2 0 1; 0 1; 0 + 1
( , )=
0
Halle la media de la variable ( , ), si se define la funcin ( , )= + + 50

como la cantidad en metro cuadrados que abarcara la sustancia preparada.
Solucin: Utilizando la definicin 5.3 se tiene que

( , ) = ( , ) = ( , ) ( , )

= ( + + 50) ( , ) ( + + 50)2 = 102


( , ) = 102, significa que se espera que la sustancia abarque un rea de 102 m2, en
promedio.
DEFINICIN 5.4. Esperanza Matemtica (la media) de una variable aleatoria

calculada a travs de una distribucin de probabilidad marginal.
Caso 1: Si ( , ) = , la esperanza matemtica de la variable aleatoria discreta X
viene dada por:
= ( , )= ( )
Si ( ) es la distribucin de probabilidad marginal de X
Caso 2: Si ( , ) = , la esperanza matemtica de la variable aleatoria discreta Y

viene dada por:
= ( , )= ( )
Si h(y) es la distribucin de probabilidad marginal de Y.

Caso 3: Si ( , ) = , la esperanza matemtica de la variable aleatoria continua X
viene dada por:

= ( , ) = ( )

Si ( ) es la distribucin de probabilidad marginal de X
Caso 4: Si ( , ) = , la esperanza matemtica de la variable aleatoria continua Y

viene dada por:

= ( , ) = ( )

Si h(y) es la distribucin de probabilidad marginal de Y.

Ejemplo 5.7. Utilizando la distribuciones marginales de probabilidad del ejemplo 4.9
X 0 1 2
( ) 10/36 20/36 6/36
Tabla 5.4. Distribucin marginal de probabilidad ( ).
Y 0 1 2
h(y) 15/36 18/36 3/36
Tabla 5.5. Distribucin marginal de probabilidad h(x)
Halle la media de las variables aleatorias X e Y
Solucin:
32
= ( )= ( ( , )= ( )= = 0,88
36
X =0,88 Significa que se espera escoger cerca de 1 fusible de 10 amperios.

24
= ( )= ( ( , )= ( ) = = 0,66
36
Y =0,66 Significa que se espera escoger cerca de 1 fusible de 15 amperios.
Ejemplo 5.8. Hay dos tipos diferentes de componentes en operaciones conjuntas, de los
cuales un sistema electrnico tiene un componente de cada tipo. Sean X e Y las vidas
aleatorias (en aos) de los componentes del tipo A y del tipo B, respectivamente;
entonces la funcin de densidad de probabilidad conjunta est dada por
1
> 0; > 0
( , )= 8
0
(Ver ejemplo 4.10).
La distribucin marginal para la variable X viene dada por:
1
>0
( )= 4
0

La distribucin marginal para la variable Y viene dada por:
1
>0
( ) = 2
De la definicin 5.4 se tiene que la media marginal para la variable X, viene dada por:

1
= ( , ) = ( ) =4
4
= 4 Significa que la vida del componente del tipo A es en promedio 1 aos.

1
= ( , ) = ( ) =2
2
= 2 Significa que la vida del componente del tipo B es en promedio 2 aos.
MEDIDAS DE DISPERSIN.
DEFINICIN 5.5. Varianza de una variable aleatoria.

Sea X una variable aleatoria con distribucin de probabilidad f(x) y la media X ;
la varianza de la variable X viene dada por:
= (( ) )= ( ) ( )
Si la variable X es discreta.

= (( ) )= ( ) ( )

Si la variable X es continua.

Observacin 5.2.
La Varianza de una variable aleatoria X, ya sea discreta o continua, viene dada
por:
= ( )
DEFINICIN 5.6. Desviacin Estndar de una variable aleatoria.

Sea X una variable aleatoria con distribucin de probabilidad f(x) y la media X ;
la desviacin estndar de la variable X viene dada por:
= = ( )
Ejemplo 5.9. Utilizando la distribucin del ejemplo 5.3; calcule la varianza y la

desviacin estndar de la variable aleatoria X.
Solucin:
De la definicin 5.2 se tiene que
( )= ( ) = 64(0,54) + 100(0,36) + 169(0,1) = 87,46
= ( ) = 8(0,54) + 10(0,36) + 13(0,1) = 9,22
De la observacin 5.2 se tiene que

= 87,46 (9,22) = 2,45

= 2,45 = 1,57

Ejemplo 5.10. Del ejemplo 5.4 se tiene la siguiente funcin de densidad
2 0 1
( )=
0
Calcule la varianza y la desviacin estndar.
Solucin:

1
( )= ( ) = 2 =
2

2
= ( ) = 2 =
3
1 2
= = 0,056
2 3
= 0,056 = 0,24
Observacin 5.3.
Se pueden realizar comparaciones de distribuciones de probabilidad, de una variable
aleatoria (discreta o continua), tomando en cuenta:
Las medias de la variable.
Las varianza de las distribuciones.
Las desviaciones estndar de las distribuciones.

Ejemplo 5.11. Supngase que la distribucin de probabilidad del ejemplo 5.3 est dada
para un automvil A y que la siguiente distribucin es para un automvil B.
X 8 10 13
f(x) 0,46 0,26 0,28
Tabla 5.6. Distribucin de probabilidad
Compare las distribuciones de probabilidad de las tablas 5.2 y 5.6.
Solucin:
Hallemos la media, la varianza y la desviacin estndar de la distribucin de la tabla 5.6.
X 9 ,92 X2 4 ,35 X 2 ,09
2
Automvil A 9,22 2,45 1,57
Automvil. B 9,92 4,35 2,09
Tabla 5.7. Media, Varianza y Desviacin estndar.
Comparando los valores en la tabla 5.7 se puede notar que:

El promedio de recorrido del automvil B es mayor al de A.
La dispersin de los recorridos es mayor para el automvil B que para el automvil
A.
DEFINICIN 5.7. Varianza de una funcin relacionada con una variable aleatoria.
Sea X una variable aleatoria cuya distribucin de probabilidad es f(x). La
varianza de la variable aleatoria g(X) viene dada por:
( ) = ( ) ( ) = ( ) ( ) ( )
Si X es una variable aleatoria discreta.

( ) = ( ) ( ) = ( ) ( ) ( )

Si X es una variable aleatoria continua.

Observacin 5.4.
La varianza de una variable aleatoria g(X), ya sea discreta o continua, viene dada
por:
( ) = (( ( )) ) ( )
DEFINICIN 5.8. Desviacin Estndar de una variable aleatoria.

Sea X una variable aleatoria con distribucin de probabilidad f(x) y la media
( ); la desviacin estndar de la variable ( ) viene dada por:
( ) = ( ) = (( ( )) ) ( )
Ejemplo 5.12. Utilizando los datos del ejemplo 5.3; halle la varianza y la desviacin
estndar de la variable ( ).
Solucin: del ejemplo 5.3 se tiene que:
( ) = 10,22
De la definicin 5.2 se tiene que:
(( ( )) ) = ( + 1) ( ) = 81(0,54) + 121(0,36) + 196(0,1) = 106,9
( ) = 106,9 (10,22) = 2,45
( ) = 2,45 = 1,57
Ejemplo 5.13. Utilizando los datos del ejemplo 5.4; halle la varianza y la desviacin
estndar de la variable ( ).
Solucin: del ejemplo 5.4 se tiene que:

( ) = 73333,33
De la definicin 5.2 se tiene que:
(( ( )) ) = (20000 + 60000) 2 = 5,399999999 10
( ) = 5,399999999 10 (73333,33) = 2,222271111 10

( ) = 2,222271111 10 = 4714,097
COVARIANZA.
Observacin 5.5.
Se pueden establecer relaciones entre dos variables aleatorias, X e Y, a travs de lo
que se conoce como Covarianza, (XY) de tal manera de si el valor de la covarianza:
XY >0 se dice que, a mayor valor de X mayor valor de Y; y que a menor valor de X
menor valor de Y.
XY <0 se dice que, a mayor valor de X menor valor de Y; y que a menor valor de X
mayor valor de Y.
Observacin 5.6.
Si las variables aleatorias X e Y son independientes la covarianza es cero. Si la
covarianza es cero, no necesariamente las variables son independientes.
DEFINICIN 5.9. Covarianza
La covarianza de las variables aleatorias, con distribucin de probabilidad
conjunta f(x, y) viene dada por:
= ( )( ) = ( )( ) ( , )
Si las variables aleatorias X e Y son discretas.


= ( )( ) = ( )( ) ( , )

Si las variables aleatorias X e Y son continuas.
Observacin 5.7.
La covarianza de dos variables aleatorias X e Y con medias X, Y,
respectivamente, viene dada por:
= ( )
Ejemplo 5.14. Utilizando los datos del ejemplo 5.7; halle la covarianza.
Solucin:
12
( )= ( , )=
36
Del ejemplo 5.7 se tiene que

= 0,88 = 0,66

= 0,33 (0,88)(0,66) = 0.25
Significa que a medida que aumenta el nmero de fusibles de 10 amperios disminuye el
nmero de fusibles de 15 amperios y viceversa.
Ejemplo 5.15. Utilizando los datos del ejemplo 5.8; halle la covarianza.
Solucin:
= ( )


1
( )= ( , ) = =8
8
=4 =2
=842 = 0
Segn la observacin 5.6 la covarianza al ser cero, no necesariamente las variables son
independientes, la covarianza no es concluyente. Sin embargo segn definicin 4.15,
ejemplos 4.10 y 4.14 se pudo determinar que en realidad las variables son
independientes.
PROPIEDADES DE LAS MEDIDAS DE TENDENCIA CENTRAL Y LAS DE

DISPERSIN.
Propiedad 5.1.
Sean m y k dos constantes cualesquiera, entonces:
( + )= ( )+
Propiedad 5.2.
Sean ( ), ( ), ( ), , ( ) funciones de la variable aleatoria X, entonces:
( ( ) ( ) ( ) ( ))
= ( ) ( ) ( ) ( )
Propiedad 5.3.
Sean ( , ), ( , ), ( , ), , ( , ) funciones de las variables aleatorias X e Y,
entonces:
( ( , ) ( , ) ( , ) ( , ))
= ( , ) ( , ) ( , ) ( , )
Propiedad 5.4.
Si las variables aleatorias X e Y son independientes; entonces
( )= ( ) ( )

Propiedad 5.5.
Sean m y k dos constantes cualesquiera; entonces
=
Propiedad 5.6.
Sean X e Y son dos variables aleatorias cuya distribucin de probabilidad
conjunta es f(x, y); entonces
= + +2
Donde m y k son constantes.

Propiedad 5.7.
Si , , ,, son variables aleatorias independientes, entonces
= + ++
donde m1, m2,..., mk son constantes
TEOREMA DE CHEBYSHEV.
Dado la media y la desviacin estndar de una variable aleatoria, se puede
estimar la probabilidad de que el valor de la variable este en un intervalo.
Teorema 5.1.
Si X es una variable aleatoria con media X y desviacin estndar X; la
probabilidad de que la variable aleatoria tome un valor dentro de k desviaciones estndar
respecto de la media es mayor o igual a 1 es decir
1
( < < + )1
Ejemplo 5.16. Utilice el teorema de Chebyshev para estimar la probabilidad del

intervalo que contiene la variable aleatoria definida en el ejemplo 5.9.
Solucin:
= 9,92 = 1,57
Utilizando el teorema de Chebyshev se tiene que

1
9,92 (1,57) < < 9.92 + (1,57) 1
En particular si k=2, el intervalo queda as:

1
9,92 2(1,57) < < 9.92 + 2(1,57) 1
2
(6,78 < < 13,06) 0,75
Esto significa que la probabilidad de que la cantidad de kilmetros que recorre un
automvil est entre 6,78 y 13,06; con un valor dentro de 2 desviaciones estndar, es
mayor a 0,75.
Ejemplo 5.17. Utilice el teorema de Chebyshev, para estimar la probabilidad del

intervalo que contiene la variable aleatoria definida en el ejemplo 5.4 y 5.10.
Solucin:
= 0,67 = 0,24
Utilizando el teorema de Chebyshev se tiene que
1
0,67 (0,24) < < 0,67 + (0,24) 1
En particular si k=3, el intervalo queda as:

1
0,67 3(0,24) < < 0,67 + 3(0,24) 1
3
(0,05 < < 1,39) 0,67
Esto significa que la probabilidad de que la fraccin de tiempo, que un torno est en
operacin entre 0 y 1,39 durante una semana de trabajo de 30 horas, con un valor dentro
de 3 desviaciones estndar, es mayor a 0,67.

1. La distribucin de probabilidad siguiente representa las fallas de una computadora en
un da determinado.
X 0 1 2 3 4 5 6
f(x) 0,29 0,17 0,16 0,27 0,03 0,07 0,01
Halle la media, varianza y desviacin estndar.
2. El gerente del departamento de ventas de una compaa elabor una tabla de

distribucin de probabilidad para la demanda diaria para una herramienta en
particular
X 0 1 2
f(x) 0,3 0,6 0,1
a. Establezca la distribucin de probabilidad para dos das de demandas.

Sugerencia, elabore un diagrama de rbol.
b. Halle la media, varianza y desviacin estndar para la demanda de dos das.
3. El funcionamiento hasta su primera falla (en ciertos de horas) para cierta resistencia
es una variable aleatoria continua con funcin de densidad dada por
0 x0

f ( x) 2 x 2
e x0


4. El porcentaje de impurezas por unidad de produccin en cierto producto qumico es
una variable aleatoria continua con funcin de densidad dada por
12 x 2 12 x 3 0 x 1
f (x)
0 en otros casos
5. Utilizando la distribucin del ejercicio 2, sabiendo que el gerente cobra una comisin
de 300 Bs por cada herramienta despachada, halle la media, la varianza y desviacin
estndar del cobro de comisin.
6. El tiempo total, medido en unidades de 100 horas, que un operador hace funcionar
un altoparlante en un perodo de seis meses, es una variable aleatoria continua con
funcin de densidad.
x 0 x 1

f ( x ) 2 x 1 x 2
0 en otros casos

Halle la media, la varianza y la desviacin estndar de la variable aleatoria ( ) =

60 + 39 donde ( ) representa el nmero de kilovatios/hora consumidos
semestralmente.

7. Supngase que las variables aleatorias X e Y tienen distribucin de probabilidad
conjunta
X
f(x, y)
2 3 5
2 0,10 0,20 0,10
Y
3 0,15 0,30 0,15
Halle la media de la variable aleatoria ( , ) = 3 + .
8. Si la funcin de densidad conjunta de las variables aleatorias X e Y viene dada por

2
( +2 ) 0< < 1, 1< <2
( , )= 7
0
Halle la media de la variable ( , ) = + .
9. Utilizando la tabla del ejercicio 7 halle la media de la variable X.
10. Utilizando la tabla del ejercicio 7 halle la media de la variable Y.
11. Utilizando la funcin de densidad del ejercicio 8 halle la media de la variable X.
12. Utilizando la funcin de densidad del ejercicio 8 halle la media de la variable Y.
13. Utilizando la tabla del ejercicio 7, halle la covarianza.

14. Utilizando la tabla del ejercicio 8, halle la covarianza.
15. Utilice el teorema de Chebyshev para estimar la probabilidad del intervalo que
contiene la variable aleatoria definida en el ejercicio 1. Particularice para k =3.

CAPTULO 6
DISTRIBUCIONES DE PROBABLIDAD
DISCRETA
Al tratar de establecer una distribucin de probabilidad para una variable
aleatoria se puede encontrar que:
Se desconoce la probabilidad asociada a la distribucin de probabilidad.

Se conoce, por registros de procesos, que la probabilidad asociada a la
distribucin es aproximadamente igual en todos los ensayos.
Estos dos aspectos nos obligan a asumir que la probabilidad p1 ; p 2 ; p 3 ; ; p k
asignada a cada valor de la variable, es la misma; para facilitar una primera
aproximacin. Es decir, asumimos una distribucin uniforme.
Por otra parte, existen experimentos aleatorios que tienen distribuciones de
probabilidad muy sencillas, ya que slo hay dos sucesos mutuamente excluyentes. Por
ejemplos, supngase que en un proceso se requiere el estudio de los artculos
defectuosos y no defectuosos que salen de una ensambladora o que un proceso est
bajo especificaciones o no. Para normalizar la terminologa que describe estos
procesos, se definir xito y fracaso. Estos trminos slo indican los resultados y no
tienen connotacin de bondad en cuanto a los mismos. Por lo tanto, se puede utilizar el
trmino xito para definir los artculos defectuosos en un proceso.
Los dos sucesos, xito o fracaso, son de naturaleza cualitativas; no obstante se
pueden convertir estos sucesos en cuantitativos asignndoles el valor 1 al xito y 0 al
fracaso.
Supngase que una variable aleatoria X se define como el nmero de xitos y
que tiene un valor x=4; esto significa que en el ensayo ocurrieron cuatro xitos en el
nmero n de veces que se repiti el experimento 4
En este captulo se estudiarn las distribuciones con las caractersticas antes
mencionadas.

DISTRIBUCIN UNIFORME.
DEFINICIN 6.1. Distribucin de Probabilidad Uniforme.
Si una variable aleatoria X puede tomar k valores distintos con iguales
probabilidades, la distribucin es uniforme y viene dada por:
1
( )= = , , ,,
Ejemplo 6.1. El nmero X de casas que una compaa de bomberos puede atender
depende de la distancia x que un camin de bomberos puede cubrir en un periodo
especfico. Supngase que para P ( X 20 ) P ( X 27 ) 0 ; se desea establecer una
distribucin de probabilidad para x ={21, 22, 23, 24, 25, 26}. Una manera un tanto
riesgosa es asignarle a cada valor de la variable la misma probabilidad; y por tanto sera
una distribucin uniforme. Quedando definida por
x 21 22 23 24 25 26
f(x) 1/6 1/6 1/6 1/6 1/6 1/6
Tabla 6.1 Distribucin Uniforme
CASAS ATENDIDAS POR UNA

COMPAA DE BOMBEROS
0,2
Probabilidad
0,15
0,1
0,05
0
21 22 23 24 25 26
Nmeros de Casas
Grfico 6.1. Distribucin Uniforme

DISTRIBUCIONES DE BERNOULLI.
DEFINICIN 6.1. Distribucin de Bernoulli.
Sea X una variable aleatoria discreta, defnase p la probabilidad de xito y q=1-p
la probabilidad de fracaso, la distribucin de Bernoulli viene dada por
( , )= (1 ) ( , )= ( = 0) ( = 1)
Ejemplo 6.1. Supngase que la probabilidad de escoger un artculo no defectuoso es

0,67. Calcule la probabilidad de escoger uno defectuoso.
Solucin:
Sea p la probabilidad de escogencia de un artculo no defectuoso (xito) (x=1)
Sea q la probabilidad de escogencia de un artculo defectuoso (fracaso) (x=0)
Utilizando la definicin 6.1 se tiene que
( ; 0,67) = 0,67 (1 0,67)
(0; 0,67) = 0,67 (1 0,67) = 0,33
DISTRIBUCIONES BINOMIAL Y MULTINOMIAL.

Una variable aleatoria X tiene una distribucin Binomial si cumple con las
siguientes condiciones:
El experimento consiste en un nmero fijo de n ensayos repetidos.
Cada ensayo tiene slo dos resultados, xito o fracaso.
La probabilidad p permanece constante, de un ensayo a otro. Los ensayos son
independientes. Es decir, la distribucin Binomial se basa en el supuesto de que
la poblacin sea infinita y de que la muestra aleatoria se toma con reposicin
(ver observacin 3.3, cap. 3), de manera que las observaciones sean independientes
entre s; y adems la probabilidad permanece constante.

Se define a X como el nmero de xitos en n ensayos. Esto es, si x es el nmero de
xitos entonces n- x es el nmero de fracasos.
DEFINICIN 6.2. Distribucin Binomial.
Si un intento Binomial puede resultar en un xito con probabilidad p y en un
fracaso con probabilidad q=1-p, entonces la distribucin de probabilidad de la variable
aleatoria Binomial X, definida como el nmero de xitos en n ensayos independientes,
viene dada por
( ; ; )= = 0,1,2,3, ,
Observacin 6.1.
El nmero combinatorio
!
=
! ( )!
Ejemplo 6.2. En una fbrica se asegura que el 30% de las reas reducen el consumo de
energa elctrica, al realizar cambios en el sistema de iluminacin. Elabore una tabla de
distribucin Binomial. Halle la probabilidad de que 2 de 5 reas reduzcan el consumo
de energa elctrica en las reas.
Solucin: Sea X el nmero de reas que reducen el consumo de energa elctrica. El
experimento cumple con los requerimientos de una distribucin Binomial, ya que, los
ensayo son independientes (la fbrica est dividida por reas); la probabilidad
permanece constante p= 0,3; existen dos alternativas (se reduce o no se reduce el
consumo de energa elctrica).
= 0,1,2,3,4,5 =5 = 0,3 = 1 = 1 0,3 = 0,7
5
(0; 5; 0,3) = (0,3) (0,7) = 0,17
0
5
(1; 5; 0,3) = (0,3) (0,7) = 0,36
1
5
(2; 5; 0,3) = (0,3) (0,7) = 0,31
2

5
(3; 5; 0,3) = (0,3) (0,7) = 0,13
3
5
(4; 5; 0,3) = (0,3) (0,7) = 0,028
4
5
(5; 5; 0,3) = (0,3) (0,7) = 0,002
5
En particular b(2; 5; 0,3)=0,31 significa que la probabilidad de que 2 de 5 reas
reduzcan su consumo elctrico es de 0,31. Igual interpretacin se puede realizar para los
otros valores.
La distribucin de probabilidad est dada por:
X 0 1 2 3 4 5
b(x,5; 0,3) 0,17 0,36 0,31 0,13 0,028 0,002
Tabla 6.2. Distribucin Binomial
REAS DE TRABAJO DE UNA

FBRICA
0,4
0,35
probabilidad
0,3
0,25
0,2
0,15
0,1
0,05
0
0 1 2 3 4 5
Nmero de reas
Grfico 6.2. Distribucin Binomial

Observacin 6.2.
Si n es muy grande, se utiliza la frmula
( )= ( ; ; )= ( ; ; ) = 0,1,2,3, ,
La tabla 1 anexa, proporciona las probabilidades acumuladas B(x; n; p), en lugar de los
valores de b(x; n; p).

Ejemplo 6.3. Calcule P ( X 5) B ( 5; 2 0; 0 , 25) utilizando la tabla 1 anexa.
Solucin:
La tabla 1 est conformada por fila y columnas. En la primera columna se encuentran los
valores de n; en la segunda los valores de x; y en resto los valores de las probabilidades.
Para calcular la probabilidad acumulada B(5; 20; 0,25) Se ubica n=20, luego x=5,
siguiendo por la fila hasta la interseccin con la columna que contiene p=0,25; se
obtiene que B(5; 20; 0,25)=0,6172.
Observacin 6.3.
Si se desea calcular la probabilidad b(x; n; p), es decir para un valor particular,
utilizando la tabla 1, se puede aplicar la frmula.
( ; ; ) = ( ; ; ) ( 1; ; )
Ejemplo 6.4. Un fabricante de neveras afirma que solamente el 10% de las neveras
requiere reparacin dentro del perodo de garanta.
a.- Cul es la probabilidad de que a lo sumo 6 de 20 neveras fallen antes de
finalizar la garanta?
b.- Cul es la probabilidad de que fallen entre 3 y 6 (inclusive el 3 y el 6) de 20
neveras, antes de finalizar la garanta?
c.- Cul es la probabilidad de que ms de 6 neveras fallen antes de finalizar la
garanta?
d. Cul es la probabilidad de que 6 neveras fallen antes de finalizar la garanta?
Solucin: Sea X el nmero de neveras que fallen antes de finalizar la garanta.
Utilizando la tabla 1 se tiene que.
Parte a.
( 6) = (6; 20; 0,1) = (6; 20; 0,1) = 0,9976
Parte b.
(3 6) = ( 6) ( 2)
( ) 2 = (2; 20; 0,1) = 0,6769
(3 6) = 0,9976 0,6769 = 0,3207

Parte c.
( > 6) = 1 ( 6) = 1 (6; 20; 0,1) = 1 0,9976 = 0,0024
Parte d.
( = 6) = (6; 20; 0,1) = (6; 20; 0,1) (5; 20; 0,1) = 0,9976 0,9887
= 0,0089
Teorema 6.1.
La media, la varianza y la desviacin estndar de una distribucin Binomial
vienen dadas por:
= = =
Ejemplo 6.5. En relacin con ejemplo 6.4; supngase que se desea estimar la media, la
varianza y la desviacin estndar, de las neveras que fallen antes que venza su garanta,
entre un lote de 15 neveras.
Solucin:
n 15 p 0 ,1 q 1 p 0 ,9
X 15 ( 0 ,1) 1, 5
2
X 15 ( 0 ,1)( 0 , 9 ) 1, 35 X 1, 35 1,16
Observacin 6.4.
Se puede utilizar el Startgraphics para la elaboracin de la distribucin Binomial.
Utilizando los datos del ejemplo 6.4 y siguiendo la secuencia:
Seleccionando de la lista la distribucin Binomial
Escribiendo la probabilidad del evento y el nro. de ensayos

Seleccionar
Una vez que aparezca la tabla y utilizando el botn derecho del ratn cambiar en
opciones de ventana los nros. requeridos, en este caso 3 y 6

La tabla se modifica y se consigue la
informacin para dar respuesta a lo solicitado en
el ejemplo 6.4
DEFINICIN 6.3. Distribucin Multinomial.

Si un ensayo puede conducir k resultados A1 , A2 , , Ak , con probabilidades
p1 , p2 , , p k respectivamente, entonces la distribucin de probabilidad multinomial de
las variables aleatorias X 1 , X 2 , , X k en n ensayos independientes viene dada por
( , ,, ; , ,, ; )=
, ,,
= =1
Teorema 6.2.
La media, la varianza, la desviacin estndar y la covarianza de una distribucin
Multinomial, de las variables X 1 , X 2 , , X k . Para los ensayos los k resultados
A1 , A2 , , Ak , con probabilidades p1 , p 2 , , p k vienen dadas por:

= (1 )
= = 1,2,3, , =
Observacin 6.5.
La expresin
!
=
, ,, ! ! !
Ejemplo 6.6. Un distribuidor recibe un lote de lmparas para retroproyector con las
siguientes especificaciones: la probabilidad de que dure menos de 50 horas con uso
continuo es 0,29; la probabilidad de que dure entre 50 y 75 horas con uso continuo es
0,55; la probabilidad de que dure ms de 75 horas con uso continuo es 0,22.
a Calcule la probabilidad de que 7 lmparas duren menos de 50 horas, 4 duren
entre 50 y 75 horas y 2 duren ms de 75 horas.
b Calcular el promedio de lmparas que duren menos de 50 horas.
c Calcular la varianza y la desviacin estndar de las lmparas que duren menos de
50 horas.
d Calcular la covarianza de las lmparas que duren menos de 50 horas y las que
duren entre 50 y 75 horas.
Solucin:
Parte a)
X 1 : el nmero de lmparas que duran menos 50 horas de uso continuo;
X 2 : el nmero de lmparas que duran entre 50 y 75 horas;
X 3 : el nmero de lmparas que duran ms de 75 horas de uso continuo.
= 7 + 4 + 2 = 13
= 7; = 4; =2
= 0,29 = 0,55 = 0,22
13 13!
= = 25740
7,4,2 7! 4! 2!

(7; 4; 2; (0,29); (0,55); (0,22); 13) = 25740(0,29) (0,55) (0,22) = 0,0197
Parte b)
= = 13(0,29) = 3,77
Parte c)
= (1 ) = 13(0,29)(1 0,29) = 2,68
= 2,68 = 1,64
Parte d)
= = 13(0,29)(0,55) = 207
DISTRIBUCIN BINOMIAL NEGATIVA

En una distribucin Binomial se calcula la probabilidad de que un determinado
nmero de xitos ocurra en un determinado nmero de ensayos. En otros experimentos
con las caractersticas de una distribucin Binomial, puede interesar la probabilidad de
que el k -simo xito ocurra en el x simo ensayo. A este tipo de experimento se le
denomina distribucin Binomial negativa. En la distribucin Binomial la variable
aleatoria X representa el nmero de xitos. En sta la X representa el nmero de ensayos
necesarios para producir k xitos.
DEFINICIN 6.4. Distribucin Binomial Negativa.
En un experimento cuyos ensayos son repetidos e independientes, produciendo
un xito con probabilidad p y un fracaso con probabilidad 1-p, la distribucin de
probabilidad de la variable X, la cual representa el nmero de ensayos en el cual se
produce el k simo xito, est dada por
(
1
; ; )= = , + 1, + 2,
1
Teorema 6.3.
La media, la varianza y la desviacin estndar de una distribucin Binomial
Negativa vienen dadas por:
( )
= = =

Ejemplo 6.7. Supngase que el 15% de Licuadoras en determinada lnea de ensamblaje
tienen defectos. Si se seleccionan al azar las Licuadoras, una tras otra y se someten a
prueba para luego devolverlas a la lnea
a. Calcular la probabilidad de que se encuentre la segunda Licuadora defectuosa en el
cuarto ensayo.
b. Calcular la media, varianza y desviacin estndar.
Solucin:
Sea X el nmero de ensayos en el cual hay dos Licuadoras defectuosas.
Parte a: De la definicin 6.6, se tiene que
p 0,15 q 1 p 0,85
k=2 significa la segunda Licuadora defectuosa
x=4 significa el cuarto ensayo en el cual se encuentra la segunda Licuadora defectuosa

3
4; 2; (0,15) = (0,15) (0,85) = 0,049
1
Parte b: Utilizando el teorema 6.4 se tiene que
( , )
= = 13,3 = ( , )
= 7,56 = 7,56 = 8,69
,
Este resultado significa que se deben efectuar un promedio de 13,3 ensayos con una
desviacin estndar de 8,69 para lograr dos Licuadoras defectuosas.
Observacin 6.6.
Para el clculo de la distribucin Binomial negativa se puede utilizar la frmula
( ; ; )= ( ; ; )
Que proporciona mejores resultados al momento de utilizar Startgraphics.

DISTRIBUCIN GEOMTRICA.
Como un caso particular de la distribucin Binomial Negativa se tiene la
distribucin Geomtrica; tomando k=1.
DEFINICIN 6.5. Distribucin Geomtrica.
En un experimento cuyos ensayos son repetidos e independientes, produciendo
un xito con probabilidad p y un fracaso con probabilidad 1-p, la distribucin de
probabilidad Geomtrica de la variable X, la cual representa el nmero de ensayos en el
cual se produce el primer (k=1) xito, est dada por
( , )= = 1,2,3,
Teorema 6.4.
La media, la varianza y la desviacin estndar de una distribucin Geomtrica,
vienen dadas por:
( )
= = =
Ejemplo 6.8. Si 0,08 es la probabilidad de que cierto instrumento de medicin de

intensidad de luz sufra una desviacin excesiva,
a. Cul es la probabilidad de que el sexto de los instrumentos sometidos a prueba sea
el primero en mostrar esa desviacin?
b. Calcular la media, varianza y desviacin estndar.
Solucin:
Sea X el nmero de ensayos en el cual se produce el primer (k=1) instrumento que
muestra una desviacin excesiva.
Parte a:
x=6 es el nmero de instrumentos sometidos a prueba,
= 0,08 =1 = 0,92
(6; 0,08) = (0,08)(0,92) = 0,053
Parte b:
( , )
= ,
= 12,5 = ( , )
= 143,75 = 143,75 = 11,98

DISTRIBUCIN HIPERGEOMTRICA.
Cuando la poblacin es finita y la muestra aleatoria se toma sin reposicin, la
probabilidad cambiar para cada ensayo. En este tipo de problema se aplica una
distribucin Hipergeomtrica. De resto esta distribucin coincide con la Binomial.
DEFINICIN 6.6. Distribucin Hipergeomtrica. Sea X la variable aleatoria definida

como el nmero de xitos en una muestra aleatoria de tamao n, seleccionada de N
resultados de los cuales k son xitos y N- k son fracasos; la distribucin
Hipergeomtrica de la variable aleatoria X viene dada por
( ; ; ; ) = = 0,1,2, ,
Ejemplo 6.9. Un lote de 30 computadoras contiene 6 defectuosas. Si 12 de ellas, se

escogen al azar, y se revisan una tras otra Cul es la probabilidad de que 3 estn
defectuosas?
Solucin:
Sea X el nmero de computadoras defectuosas en una muestra de 12.
Ya que las computadoras son revisadas una tras otras, los ensayos son hechos sin
reposicin, por lo tanto las probabilidades varan de un ensayo a otro. De esto se
desprende que la distribucin es Hipergeomtrica.
=3 = 30 = 12 =6
(20)(1307504)
(3; 30; 12; 6) = = = 0,3
86493225
Teorema 6.5.
La media, la varianza y la desviacin estndar de una distribucin
Hipergeomtrica son:
= = 1 =
Ejemplo 6.10. En relacin con ejemplo 6.9; supngase que se desea estimar la media, la
varianza y la desviacin estndar del nmero de computadoras defectuosas en la muestra
de 12 de ellas escogidas al azar, sin reposicin.
Solucin:
( )( )
= = 2,4 = 12 1 = 1,19 = 1,19 = 1,09
Observacin 6.7.
En la medida en que n sea extremadamente ms pequea que N, la probabilidad,
de un ensayo a otro, cambiar ligeramente. Por lo tanto, se puede realizar una
aproximacin a una distribucin Hipergeomtrica, utilizando una Binomial con p= k/N.
Ejemplo 6.11. Un fabricante de puertas de metal seala que en un despacho de 6000
puertas enviadas a una ferretera, 300 estas ligeramente daadas. Si un comprador
adquiere 9 de estas puertas, seleccionadas al azar Cul es la probabilidad de que
exactamente 4 estn daadas?
Solucin:
Sea X el nmero de puertas defectuosas en una muestra de 9 puertas.
Ya que n=9 es muy pequea en relacin con N=6000; utilizando la observacin 6.5,
donde = = 0,05 se tiene que
9
(4; 6000; 9; 300) 4; 9; (0,05) = (0,05) (0,95) = 0,00061
4
Observacin 6.8.
Se puede utilizar el Startgraphics para la elaboracin de la distribucin Hipergeomtrica.
Seleccionando de la lista la distribucin Hipergeomtrica

Escribiendo la probabilidad (p= k/N=6/30=0,2 ) del evento, el nro. de ensayos y el
tamao poblacional

Seleccionar
opciones de ventana el nro. requerido, en este caso 3

el ejemplo 6.9
.
DEFINICIN 6.7. Distribucin Hipergeomtrica Multivariada.
Si N resultados se pueden repartir en k grupos A1 , A2 , , Ak con c1 , c 2 , , c k
elementos, respectivamente, entonces la distribucin de probabilidad Hipergeomtrica
Multivariada de las variables aleatorias X 1 , X 2 , , X K que define el nmero de
elementos seleccionados de A1 , A2 , , Ak en una muestra aleatoria de tamao n viene
dada por

( , ,, ; , ,, ; ; )=
= =
Ejemplo 6.12. En una convencin anual de una empresa estn presentes 2 gerentes, 3
accionistas, 5 administradores y 2 dirigentes sindicales. Si se selecciona al azar un
equipo de 4 personas, calcule la probabilidad de que todos los grupos estn
representados.
Solucin:

Sea X1 el nmero de gerentes seleccionados. Sea X2 el nmero de accionistas
seleccionados. Sea X3 el nmero de administradores seleccionados. Sea X4 el nmero de
dirigentes sindicales seleccionados. Para formar una muestra de tamao 4.
Ya que hay 4 grupos se debe escoger uno de cada uno, por lo tanto
x1 x 2 x 3 x 4 1 .
Nmero de elementos por grupo c 1 2 , c 2 3 , c 3 5 , c 4 2

El total de elementos N=12.
La muestra n=4.
(1,1,1,1, ; 2,3,5,2; 12; 4) = = 0,12
DISTRIBUCIN DE POISSON.
La distribucin de Poisson representa la probabilidad de que un evento aislado
ocurra un nmero especfico de veces en un intervalo de tiempo o espacio dado. La
ocurrencia de eventos slo se ver afectada por la casualidad o por el azar; por lo tanto,
la posicin de un evento no servir para predecir la localizacin de cualquier otro
evento especfico. Adems, los datos acerca de un intervalo de tiempo o espacio
tampoco facilitan la prediccin del nmero de eventos que se presentarn en otro evento.
Un experimento de Poisson tiene las siguientes caractersticas.
a. El nmero de resultados que ocurren en un intervalo de tiempo o espacio, es
independiente del nmero que se tiene en cualquier otro intervalo.
b. La probabilidad de que un solo resultado ocurra durante un lapso muy corto o en
una pequea regin, es proporcional a la magnitud del intervalo de tiempo o espacio,
y no depende del nmero de resultados que se produzcan fuera del intervalo
considerado.
c. La probabilidad de que ocurra ms de un resultado en ese breve lapso o de que caiga
en un pequeo espacio resulta despreciable.

DEFINICIN 6.8. Distribucin de Poisson.
Sea X la variable aleatoria que representa el nmero de resultados que se
producen en un intervalo de tiempo o espacio dado; la distribucin de Poisson est dada
por
( ; )= = 0,1,2,
!
Representa la media de resultados que ocurren en un intervalo de tiempo o espacio.

El valor de e 2,72 .
Teorema 6.6.
La media, la varianza y la desviacin estndar de una distribucin de Poisson
vienen dadas por:
= =
Ejemplo 2.13. En el departamento de mantenimiento de mquinas se recibe un

promedio de 6 solicitudes de servicio por da.
a. Cul es la probabilidad de que se reciban exactamente 3 solicitudes por da?
b. Estimar la media, la varianza y la desviacin estndar.
Solucin:
Sea X el nmero de solicitudes de servicio por da, que recibe el departamento de
mantenimiento.
Parte a: Utilizando la definicin 6.8 se tiene que
6
= 6; = 3 (3; 6) = = 0,089
3!
Parte b: Utilizando el teorema 6.6 se tiene que
=6= = = 6 = 2,45
Ejemplo 2.14. En promedio, cada rollo de 400 metros de aluminio laminado tiene tres
defectos Cul es la probabilidad de que un espacio de 100 metros no tenga ningn
defecto?
Solucin:
Sea X el nmero de defectos que puede tener el laminado por espacio.
Ya que el promedio por cada 400 metros es 3, entonces por 100 metros ser
( )
= = 0,75 ( )
( ) , (0,75)
= (0,75); = 0 (0; 0,75) = = 0,47
0!
Observacin 6.6.
Si n es muy grande, se utiliza la frmula
( )= ( ; )= ( ; )
La tabla 2 anexa, proporciona las probabilidades acumuladas P(x; ) en lugar de los

valores de p(x; ).
Observacin 6.7. Si se desea calcular la probabilidad p(x; ), es decir para un valor

particular, utilizando la tabla 2, se puede aplicar la frmula.
( ; ) = ( ; ) ( 1; )
Ejemplo 2.15. Al examinar la aplicacin de estao por un proceso electroltico

continuo, se descubren en promedio 0,3 imperfecciones por minuto.
a. Cul es la probabilidad de encontrar 3 imperfecciones en 4 minutos?
b. Cul es la probabilidad de que hayan ms de 4 imperfecciones en 6
minutos?
c. Cul es la probabilidad de a lo sumo 6 imperfecciones en 15 minutos?
Solucin:

Sea X el nmero de imperfecciones por un espacio de tiempo.
Parte a: Utilizando la observacin 6.6 y 6.7 se tiene que
0,3 imperfecciones por minuto equivalen a (0,3)4 = 1,2 imperfecciones en 4 minutos.
= 1,2; = 3 (3; 1,2) = (3; 1,2) ( (2; 1,2) = 0,966 0,879 = 0,087
Parte b: Utilizando la observacin 6.6 se tiene que

0,3 imperfecciones por minuto equivalen a 1,8 imperfecciones en 6 minutos. Dado que
se quiere calcular que hayan ms de 4 infectados, se tiene que calcular ( > 4) o
equivalente 1 ( 4)
= 1,8; = 4 1 ( 4) = 1 (4; 1,8) = 1 0,964 = 0,036.
Parte c: Utilizando la observacin 6.6 se tiene que

0,3 imperfecciones por minuto equivalen a 4,5 imperfecciones en 15 minutos.
= 4,5; = 6 ( 6) = (6; 4,5) = 0,831
El valor 0,831 es un promedio de los valores entre = 4,4 y = 4,6

Observacin 6.8.
Se puede utilizar la distribucin de Poisson para hallar una aproximacin de la
distribucin Binomial; cuando n es muy grande y p se aproxima a cero, esto es, cuando
la distribucin Binomial es muy sesgada; tomando =np. Usualmente esta
aproximacin es satisfactoria cuando n 20 y p 0,05 ; y excelente cuando
n 100 y np 10 . En el caso en que p este cerca de 1, se puede utilizar la

distribucin de Poisson para aproximar la Binomial intercambiando las definiciones de
lo que se considera xito y fracaso.
Teorema 6.7. Aproximacin de la distribucin Binomial a travs de la de Poisson.
Sea X una variable aleatoria con distribucin Binomial b(x; n, p). Cuando n es
muy grande y = np permanece constante,
( ; ; ) ( ; )
Ejemplo 6.16. En un proceso de fabricacin de botellas para refrescos presentan
defectos de rajaduras que no son aceptadas por los compradores. Se sabe que en
promedio 1 de cada 1000 de estos artculos tienen 2 o ms rajaduras Cul es la
probabilidad de que en una muestra de 9000 botellas se encuentren a lo sumo 8 botellas
con defectos?
Solucin:
En las condiciones en que est planteado el problema, se trata de una distribucin
Binomial. Pero se puede realizar una aproximacin utilizando Poisson; ya que,
1
= 9000 100; = 0,05; = 9 10
1000
Sea X el nmero de botellas con defectos.
Utilizando el teorema 6.7, donde x=8, se tiene que
( 8) = (8; 9000; 0,001) (8; 9) = 0,456
Observacin 6.9.
Se puede utilizar el Startgraphics para la elaboracin de la distribucin de Poisson.
Seleccionando de la lista la distribucin de Poisoon
Escribiendo la media aritmtica
Seleccionar
opciones de ventana el nro. requerido, en este caso 3

el ejemplo 6.13
TEORA DE COLAS.
Se pueden presentar problemas que tienen las caractersticas de un proceso de
Poisson donde se relacionan nmeros de unidades (automviles, clientes, etc.) que son
atendidos o que esperan ser atendidos en un lapso de tiempo muy breve.
DEFINICIN 6.9.
Supngase que es la tasa promedio de las unidades que son atendidas y es la
tasa promedio de las unidades que esperan; o es la tasa promedio de las unidades que
esperan y es la tasa promedio de las unidades que son atendidas; de tal manera que
< . Donde la variable aleatoria representa el nmero de unidades que esperan o son
atendidas.
a) Su distribucin de probabilidad est dada por
( )= 1 = 0,1,2,
b) El nmero promedio de unidades atendidos o en espera esta dado por
c) El nmero promedio de unidades que esperan esta dado por
( )
d) El tiempo promedio de espera esta dado por
( )

Ejemplo 6.17. El arribo de automviles a una estacin de servicio de gasolina es un
proceso de Poisson cuya tasa promedio de llegada de 2 por minuto. Los automviles
son atendidos con una tasa promedio de 3 por minuto; este servicio continua
ininterrumpidamente hasta que todos los automviles sean atendidos.
a) Cul es la probabilidad de que no haya automviles es la cola?
b) Cul es el promedio de automviles que son atendidos o que esperan ser
atendidos?
c) Cul es el promedio de automviles en la cola?
d) Cul es el tiempo promedio de clientes que esperan ser atendidos?
Solucin: X es el nmero de automviles que esperan son atendidos en una estacin de
servicio de gasolina.
Parte a: Utilizando la definicin 6.9 parte a) donde =2, =3 y x=0. Se tiene que la
probabilidad de que no haya automviles en la cola es.
0
2 2
(0) 1 0,33
3 3
Parte b: Utilizando la definicin 6.9 parte b) donde =2 y =3. Se tiene que el
promedio de automviles que son atendidos o que esperan ser atendidos es.
2
1
3 2
Parte c: Utilizando la definicin 6.9 parte c) donde =2 y =3. Se tiene que el
promedio de automviles de automviles en la cola es
22
1,33
33 2
Parte d: Utilizando la definicin 6.9 parte d) donde =2 y =3. Se tiene que el tiempo
promedio (en minutos) de clientes que esperan ser atendidos es.
2
= 0,67
3(3 2)

1. Un obrero es seleccionado de un grupo de 12, para realizar un trabajo, extrayendo un
nmero al azar de una caja que contiene 12 nmeros, numerados del 1 al 12.
a. Qu tipo de distribucin representa el problema anterior?
b. Obtenga la distribucin de probabilidad.
c. Cul es la probabilidad de que el nmero extrado sea menor que 4?
2. Al someter a prueba un tipo de caucho para camiones sobre terreno mojado, se
observ que el 30 % de los camiones no terminaron la prueba por deslizamientos de
stos. De los siguientes 16 camiones sometidos a prueba,
a. Halle la probabilidad de que exactamente 6 camiones no finalicen la prueba.
b. Halle la probabilidad de que de 4 a 8 camiones no finalicen la prueba.
c. Halle la probabilidad de que menos de 5 camiones no finalicen la prueba.
d. Halle la probabilidad de que ms de 7 no finalicen la prueba.
3. Una compaa distribuidora de gas suministra a 10 establecimientos su producto. La
probabilidad de que cualquiera de los establecimientos llame y haga un pedido es de
0,2, y es la misma para los otros establecimientos.
a. Halle la probabilidad de que exactamente 4 establecimientos soliciten gas.
b. Halle la probabilidad de que de 2 a 8 establecimientos soliciten gas.
c. Halle la probabilidad de que menos de 5 establecimientos soliciten gas.
d. Halle la probabilidad de que ms de 7 establecimientos soliciten gas.
4. Se construye un sistema elctrico con determinado nmero de componentes de
respaldo en sus subsistemas. Un subsistema tiene 5 componentes idnticos, y cada
uno tiene probabilidad 0,3 de fallar en menos de 1000 horas. Si se supone que los
componentes trabajan de manera independientes, calcular la probabilidad de que
a. Exactamente dos de los cuatro componentes duren ms de 1000 horas.
b. El subsistema trabaje ms de 1000 horas.
c. Halle la media, varianza y la desviacin estndar del evento que consiste en que
el subsistema funcione.

5. La probabilidad de que el nivel de ruido de un torno exceda 3 dB es 0,06.
a. Halle la probabilidad de que entre 11 de estos tornos el nivel de ruido en uno
exceda 3 dB.
b. Halle la probabilidad de que entre 11 de estos tornos el nivel de ruido a lo ms en
dos se exceda 3 dB.
c. Halle la probabilidad de que entre 11 de estos tornos el nivel de ruido en dos o
ms se exceda 3 dB.
d. Halle la media, varianza y la desviacin estndar.
6. El departamento de bomberos de una ciudad informa que entre los incendios en
casas, un 72% aproximadamente se dan en casas solas, un 21% en apartamentos y el
7% restantes se presenta en otros tipos de vivienda. Si en un determinado da se
informa independientemente de 4 incendios, calcular la probabilidad de que 2 sean
en casas solas, 1 en un apartamento y 1 en otro tipo de vivienda.
7. Los vehculos que llegan a un cruce pueden virar hacia la izquierda o a la derecha, o
continuar de frente. En un estudio sobre los patrones del trnsito en este cruce,
realizado durante un largo perodo, los inspectores han observado que el 45% de los
vehculos da vuelta a la izquierda, el 20% a la derecha y el resto continan de frente.
a. Calcular la probabilidad de que, para los siguientes 6 automviles que lleguen al
cruce, uno d vuelta a la izquierda, dos a la derecha, y tres continen de frente.
b. Determinar la probabilidad de que, de los siguientes 4 vehculos que lleguen al
cruce, por lo menos uno d vuelta a la derecha.
c. Calcular la media la varianza y la desviacin estndar del nmero de vehculos
que dan vuelta a la izquierda, si llegan 100 vehculos al cruce.
8. Un cargamento de 100 alarmas contra incendios contiene 6 defectuosas. Si tres de
ellas son seleccionadas aleatoriamente y embarcadas para un comprador,
a. Calcular la probabilidad de que al cliente le toque una defectuosa. Utilice
Distribucin Hipergeomtrica y luego la Distribucin Binomial como una
aproximacin.
b. Calcule la media, varianza y desviacin estndar.

9. Entre los 350 empleados de una compaa, 255 estn sindicalizados mientras que los
otros no. Si se escogen 9 por sorteo para integrar un comit que administre el fondo
de jubilaciones,
a. Calcule la probabilidad de que 6 estn sindicalizados mientras que otros no,
utilizando la Distribucin Hipergeomtrica y luego la Distribucin Binomial
como una aproximacin.
10. Se regresan mquinas impresoras al proveedor para que las limpie y las devuelva, de
acuerdo a la garanta. No se llevan a cabo las reparaciones principales y, como
resultado, algunos clientes reciben mquinas que trabajan mal. Entre 9 impresoras
usadas que se suministran ahora, 3 funcionan mal. Un cliente desea rentar 3
mquinas de stas en forma inmediata. Por lo tanto, se seleccionan 3 mquinas
rpidamente y se le mandan, sin verificar,
a. Calcular la probabilidad de que el cliente reciba todas las mquinas que
funcionen.
b. Calcular la probabilidad de que el cliente reciba por lo menos una mquina
defectuosa.
c. Calcular la probabilidad de que el cliente reciba tres mquinas que funcionen
mal.
d. Calcule la media, varianza y desviacin estndar.
11. Una encuesta nacional revela que de 18000 personas casi el 69% desaprueban el
fumar diario. Si 19 de estas personas seleccionadas al azar y se les pide su opinin,
a. Calcular la probabilidad de que ms de 9 pero menos de 15 desaprueben dicho
hbito.
b. Calcular la probabilidad de que ms de 10 desaprueben dicho hbito.
c. Calcule la media, varianza y desviacin estndar.
12. Una agencia de ventas de carros de varias marcas tiene para la venta 5 Ford, 7
Chevrolet, 4 Fiat, 3 Dodge y 4 Toyotas. Si la agencia selecciona al azar 9 de estos

automviles para darles servicio. Calcule la probabilidad de que 2 Ford, 3 Chevrolet,
1 Dodge, 1 Fiat y 2 Toyota sean sometidos a servicio.
13. Una empresa que solicita personal encuesta que el 35% de los aspirantes tienen
conocimientos de manejo de computadoras. Supngase que se tienen cuatro puestos
en los que se necesitan conocimiento de manejo de computadoras,
a. Calcule la probabilidad de que se encuentre al cuarto aspirante calificado en la
sexta entrevista, si se seleccionan los solicitantes uno a uno y al azar.
14. En una fbrica de cemento se examinan los empleados para detectar si tienen
cemento en los pulmones. Se pide a la fbrica que enve a 4 empleados, cuyos
resultados fueron positivos, a una clnica para mayores exmenes. Si el 40% de los
empleados tuvieron resultados positivos en la deteccin de cemento en los pulmones,
calcular la probabilidad de que se deba analizar a 11 empleados para encontrar a
cuatro con cemento en los pulmones.
15. Una compaa que perfora pozos de agua explora cierta rea para encontrar un pozo
productivo. La probabilidad de que tenga xito en una prueba es 0,25.
a. Cul es la probabilidad de que el primer pozo productivo sea el cuarto pozo
perforado?
b. Cul es la probabilidad de que el explorador no vaya a encontrar un pozo
productivo si solamente puede perforar a ms 11 pozos?
c. Calcule la media, varianza y la desviacin estndar.
16. El nmero de accidentes graves en una empresa manufacturera es de 11 por ao, de

manera tal que el ingeniero de seguridad industrial instituye un plan que considera
efectivo para reducir el nmero de accidentes graves. Un ao despus de poner en
prctica el plan, slo han ocurrido cinco accidentes Qu probabilidad hay de
ocurran cinco o menos accidentes por ao, si la frecuencia promedio sigue siendo de
11?

17. El nmero de nudos en un tipo de madera tiene un promedio de 1,8 nudos por metro
cbico. Encuentre la probabilidad de que un metro cbico de madera tenga a lo ms
un nudo.
18. Se encuentra que slo un carburador de cada mil est defectuoso, despus de ser
ensamblado en una fbrica, y los carburadores defectuosos se distribuyen de manera
aleatoria.
a. Cul es la probabilidad de que un embarque de 500 carburadores no tenga
ningn carburador defectuoso?
b. Cul es la probabilidad de que un embarque de 100 carburadores incluya
cuando menos un carburador defectuoso?
19. Un inspector de trnsito destacado en un puesto de vigilancia impone en promedio 7
boletas por infraccin por mes.
a. Calcule la probabilidad de que en un mes cualquiera imponga exactamente 10
boletas por infraccin.
b. Calcule la probabilidad de que en un mes cualquiera imponga menos de 7 boletas
por infraccin.
c. Calcule la probabilidad de que en un mes cualquiera imponga por lo menos 2
boletas por infraccin.
20. La llegada de gandolas a un puesto de carga tiene un promedio de tres por hora. La
gandolas se descargan con un promedio de cuatro por hora y el proceso de descarga
continua ininterrumpidamente hasta que todas las gandolas han sido descargadas.
a. Cul es el promedio de gandolas que estn siendo descargadas o que esperan ser
descargadas?
b. Cul es el promedio de gandolas en la cola?
c. Cul es el tiempo promedio que una gandola debe esperar en la cola?
d. Cul es la probabilidad de que no haya gandolas en espera de ser descargadas?

CAPTULO 7
DISTRIBUCIN DE PROBABILIDAD
CONTINUA
Retomando la teora sobre las distribuciones de probabilidad continua, se
estudiarn distribuciones de gran uso en la Ingeniera como son: la Distribucin
Normal, Uniforme, Beta, Gamma, Exponencial y Weibull.
Es de hacer notar que cuando se calculan probabilidades utilizando estas

distribuciones, pueden suceder, que los resultados difieran, esto es porque algunas se
ajustan ms a la realidad de los valores de la variable aleatoria; por tanto, se tiene que
tener cuidado de escoger la distribucin que se ajuste ms a los datos. La experiencia
del Ingeniero en el tratamiento del fenmeno y el conocimiento de las aplicaciones de
estas distribuciones juega un papel importante.
DISTRIBUCIN NORMAL.
Se pueden mencionar tres importantes aplicaciones de la distribucin normal.
Primera, se pueden obtener aproximacin de la distribucin binomial.
Segunda, se ha observado, que muchos fenmenos, tales como la resistencia de
piezas, tienen una distribucin normal.
Tercera, distribuciones que no son normales, pueden ser normalizadas a travs del
Teorema Central del Lmite.
Se debe tener cuidado al aplicar modelos de Probabilidad Normal, a situaciones
dadas, sin previa comprobacin. Suponer de manera errada una Distribucin Normal
puede llevar a errores muy serios. La grfica de esta distribucin, es una curva
denominada Curva Norma Estndar; la cual tiene forma de campana, como se muestra a
continuacin:

Grfico 7.1. Curva Normal
La variable aleatoria continua X con Distribucin Normal se denomina variable
aleatoria normal.
DEFINICIN 7.1. Distribucin Normal.

La funcin de densidad normal de la variable aleatoria normal X, con media y
desviacin estndar es
1
( ; ; )= < <
2
Las caratersticas de la Distribucin Normal son las siguientes:
a) La curva es simtrica con recpecto a la recta = . Se suele decir que es
simtrica respecto a la media.
b) La distribucin depende de la media y de la desviacin estndar. Esto es muy
importante, ya que podemos comparar poblaciones o muestras, comparado
sus medias y sus desviaciones estndar.
En el caso de dos poblaciones con desviaciones iguales, pero medias
diferentes, las dos curvas son de forma idntica, pero estn centradas en
distintas posiciones sobre una recta horizontal

Grfico 7.2. Comparacin de Curvas Normales con medias diferentes y desviaciones
estandar iguales..
En el caso de dos poblaciones con desviaciones diferentes, y las medias
iguales; las curvas estn centradas en la misma posicin, pero una de ellas
es ms achatada y extendida que la otra. La que tiene mayor desviacin es
la ms achatada y extendida.
Grfico 7.3. Comparacin de Curvas Normales con la misma media y diferentes

desviaciones.
En el caso de dos poblaciones con desviaciones y medias diferentes, las
curvas estn centradas en posiciones deferentes y una de ellas es ms
achatada y extendida que la otra. La que tiene mayor desviacin, es la ms
achatada y extendida.

Grfico 7.4. Comparacin de Curvas Normales con medias y desviaciones diferentes .
c) Por la simtrica de la curva, el rea de la regin bajo la curva en el intervalo (, ),
es igual a 0,5; que corresponde a ( ) = 0,5. Igual en el intervalo ( , ). Se
suele decir que del lado izquierdo de la media se encuentra el 50% de los datos, as
como del lado derecho; tambin se puede mencionar que la probabilidad del lado
izquierdo o derecho de la media es de 0,5. En definitiva el rea total bajo la curva es
igual a 1.
DEFINICIN 7.2. Distribucin Normal Estndar.

Es la distribucin de probabilidad de la variable aleatoria Z. Esta distribucin
tiene media = y desviacin estndar = .
DEFINICIN 7.3. Curva Normal Estndar.
Es la curva que representa la Distribucin Normal estndar.
Observacin 7.1.
El clculo de reas bajo la curva, utilizando la definicin 7.1, resulta muy
tedioso, por lo que es conveniente aplicar una tabla estandarizada, convirtiendo los
valores de la variable aleatoria X en valores Z, a travs de la frmula

=
Observacin 7.2.
La tabla 3 anexa, establece la Distribucin Normal Estndar. Los valores de la
tabla estn colocados formando una matriz de filas y columnas. En la primera columna
se encuentran los valores z hasta las dcimas; en la primera fila las centsimas. La tabla

proporciona el rea bajo la curva calculada de izquierda a derecha. As si se desea
calcular la probabilidad P ( Z 2,43) se localiza en la primera columna 2,4, siguiendo
por la fila 12, en interseccin con la columna 5 se encuentra el nmero 0,0075 que
corresponde a la probabilidad deseada.
Dado que se trata de una funcin de densidad con variable continua y se calcula
el rea bajo la curva, el tomar o no el extremo del intervalo proporciona el mismo valor
del rea.
Se utilizar el Startgraphics para calcular la probabilidad, lo cual ayudara a
simplificar el trabajo del uso de la tabla y mejorara la precisin del valor de
probabilidad.
Ejemplo 7.1. Una mquina que expende bebidas en vasos esta calibrada de modo que
descarga el producto con un promedio de 250 mililitros por vaso. Si la cantidad de
lquido est distribuida normalmente con una desviacin estndar de 14 mililitros.
a. Qu porcentaje de vasos contendr menos de 240 ml?
b. Qu porcentaje de vasos contendr ms de 256 ml?
c. Qu porcentaje de vasos contendr entre 240 y 256 ml?
d. Si se usan vasos de 240 ml, cuntos de los siguientes 500 vasos, se derramarn?
e. Bajo qu valor estar el 30% de los vasos con menos contenido?
f. Bajo qu valores est el 50% de los valores centrales?
Solucin:
Parte a. Para hallar P(X<240) transformemos el valor X en valores Z, utilizando la
observacin 7.1. Ver grfico 7.5 a.
= 250; = 14; = 240
240 250
= = 0,71
14
( < 240) ( < 0,71)
En la tabla 3 anexa ( < 0,71) = 0,2389 23,89%.

Parte b. Para hallar P(X>256) transformemos el valor X en valores Z, utilizando la
observacin 7.1. Ver grfico 7.5 b.
= 250; = 14; = 256
256 250
= = 0,43
14
( > 256) = 1 ( 256) 1 ( 0,43)
En la tabla 3 anexa 1 ( 0,43) = 1 0,6664 = 0,3336 33,36%. Esto quiere
decir que el porcentaje de vasos que contendr ms de 256 ml es el 33,36%.

Parte c: Utilizando la parte a y b, ver grfico 7.5 c, se tiene que
(240 < < 256) (0,71 < < 0,43) = ( < 0,43) ( < 0,71)
= 0,6664 0,2389 = 0,4275

Esto quiere decir que el porcentaje de vasos contendr entre 240 y 250 ml es el 42,75%.
Parte d: El vaso se derramar si el lquido que se vierte en l supera los 240 ml, por lo
tanto calculemos el porcentaje de vasos que supera esta cantidad y multipliquemos el
resultado por 500. Ver grfico 7.5 d. ( > 240) = 1 ( 240) = 1 0,2389 =
0,7611 76,11%. Multiplicando por 500 se tiene que 380,55 o aproximadamente 381
vasos se derramarn.
Parte e: Para hallar la cantidad de mililitros que contiene el 30% de los vasos con
menos contenido, se debe calcular P ( Z z ) 0,30 el valor 0,30 est en la fila 30 entre
las columnas 4 y 5; para decidir qu valor de z tomar, se puede asumir varios criterios,
uno de ellos puede ser tomar un promedio entre los valores de z, o tomar el valor ms
cercano a 0,30 y luego ubicar el valor z. Tomemos un promedio, luego
, ( , )
= = 0,525 despejando x de la frmula de la observacin 7.1 se tiene
que = + = 250 + (0,525)14 = 242,65. Es decir 242,65 ml tendrn el
30% de los vasos con menos contenido. Ver grfico 7.5 e.

Parte f: Para hallar los valores entre los cuales se encuentra el 50% de los valores
centrales, es decir ( < < )= ( < ) ( < ) = 0,75 0,25
ver grfico 7.5 f, para ello se ubican los valores z en la tabla 3 correspondientes a 0,25 y
0,75. Estos son -0,675 (promedio entre -0,68 y -0,67) y por la simetra de la curva
respecto a Z=0 se obtiene el valor 0,675; utilizando el despeje de la x de la frmula de
la observacin 7.1 se tiene que,
= 250 + (0,675)14 = 240,55
= 250 + (0,675)14 = 259,45
Por lo tanto, los valores entre los cuales se encuentra el 50% de los valores centrales son
241 y 259 ml aproximadamente.
Grfico 7.5 a. ( < 0,71) Grfico 7.5 b. ( < 0,43)
Grfico 7. c. (0.71 < < 0,43) Grfico 7.5 d. ( > 0.71)

Grfico 7.5 e. ( < ) = 0,30) Grfico 7.5 f. ( < < ) = 0,50
Observacin 7.3.
Usando Startgraphics
Para calcular la probabilidad para la distribucin normal usando Startgraphics se procede
de la siguiente manera:
Se marca en la ventana de Describir luego distribucin de probabilidad.
En la ventana de Distribucin de Probabilidad se escoge la distribucin Normal
En opciones Normal se escribe la media aritmtica y la desviacin estndar

En Tablas y grficos seleccionas lo que requieras
Aparecer la informacin deseada
Normal
Marca en la tabla con el botn derecho del ratn en
la opciones de ventana y agrega el valor de la 0,03 Media,Desv. Est.
variable buscado 250,14
0,025
0,02
densidad
0,015
0,01
0,005
0
180 210 240 270 300 330
x
Con esta informacin se puede responder a lo requerido en el ejemplo 7.1
Ejemplo 7.2. Supngase que el voltaje medido en un circuito elctrico tiene

Distribucin Normal con media 110 voltios y desviacin estndar 1,5 voltios. Si se
toman cuatro mediciones independientes del voltaje Cul es la probabilidad de que las
cuatro mediciones estn entre 106 y 108 voltios?
Solucin: Para hallar la probabilidad pedida se debe encontrar (106 < < 108) y
luego elevarlo a la cuatro, ya que los cuatro eventos son independientes (ver corolarios 1
y 2 pag. 59).
Hallemos los valores equivalentes de z para = 106 y para = 108

106 110
= = 2,67
1,5
= 110; = 1,5;
108 110
= = 1,33
1,5
(2,67 < < 1,33) = ( < 1,33) ( < 2,67) = 0,0918 0,0038
= 0,088
La probabilidad de que las cuatro mediciones estn entre 106 y 108 voltios, est dada
por (0,088) = 0,00006.
APROXIMACIN NORMAL A LA DISTRIBUCIN BINOMIAL.

En el captulo 6, se estableci la aproximacin de una Distribucin Binomial a
travs de una Distribucin de Poisson; Ahora utilizaremos la Distribucin Normal para
hallar esta aproximacin.
Los criterios que establecen cundo esta aproximacin es aceptable son:
Cuando n es muy grande.
Cuando np y nq sean mayores que 5.
Ya que se trabaja con una variable discreta, y se utiliza una distribucin que
corresponde a una variable continua, hay que aplicar una correccin por continuidad,
la cual est dada por ( ) ( 0,5 + 0,5) donde X ' es
la variable transformada.
Cuando p=q=1/2, o cuando el valor de estas probabilidades es cercano a 1/2, la
aproximacin es excelente. Pero si p o q se alegan de 1/2 (es decir, cuando la
distribucin es sesgada), se requieren poblaciones o muestras ms grandes para
obtener una buena aproximacin.

DEFINICIN 7.4. Aproximacin Normal a la Distribucin Binomial.
Si X es una variable aleatoria discreta con Distribucin Binomial, con =np y
varianza 2= npq, donde n entonces se puede aproximar a travs de la Normal;
donde los valores z vienen dados por

=
Ejemplo 7.3. Un gerente de almacn en una empresa informa que existe una
probabilidad de 0,09 de que un artculo especfico no est en existencia. Si un embarque
cubre los pedidos para 130 artculos distintos,
a. Cul es la probabilidad de que 16 a ms de ellos no se encuentren en existencia?
b. Cul es la probabilidad de que haya entre 14 y 20 artculos (incluidos 14 y 20) no se
encuentren en existencia?
c. Cul es la probabilidad de que de 12 o menos de ellos no se encuentren en
existencia?
Solucin: la variable aleatoria X definida por el nmero de artculos en existencia en un
almacn, es discreta, no obstante se puede aproximar, la probabilidad, a travs de la
distribucin normal; ya que, si n = 130, p = 0,09, q = 0,91 entonces
= = 130 0,09 = 11,7 = = 130 0,09 0,91 = 3,2629
Parte a. La P ( X 16 ) es equivalente, segn la correccin por continuidad a
P ( X ' 15,5) este intervalo contiene el 16.
( 16) = (
15,5) = 1 ( < 15,5)
Hallemos el valor z equivalente de 15,5

15,5 130(0,09)
= = 1,16
130(0,09)(0,91)
Utilizando la tabla 3 anexa, se tiene que
(
< 15,5) = ( < 1,16) = 0,877
( 16) = (
15,5) = 1 ( < 15,5) = 1 0,877 = 0,123

Parte b. La (14 20) es equivalente, segn la correccin por continuidad a
(13,5 20,5) este intervalo contiene el 14 y el 20.
(13,5 20,5) = ( 20,5) (13,5 ).
Encontremos los valores de z equivalente de 13,5 y 20,5.
13,5 130(0,09)
= = 0,55
130(0,09)(0,91)
Utilizando la tabla 3 anexa se tiene que
( 13,5) = ( 0,55) = 0,7088
20,5 130(0,09)
= = 2,70
130(0,09)(0,91)
Utilizando la tabla 3 se tiene que

( 20,5) = ( 2,70) = 0,9965
(14 20) = (13,5 20,5) = 0,9965 0,7088 = 0,2877
Parte c. La ( 12) es equivalente, segn la correccin por continuidad, a (

12,5) este intervalo contiene el 12.
Hallemos el valor z equivalente de
12,5 130(0,09)
= = 0,25
130(0,09)(0,91)

( 12) = ( 12,5) = ( 0,25) = 0,5987

APROXIMACIN NORMAL A LA DISTRIBUCIN DE POISSON.
La Distribucin de Poisson puede ser calculada a travs de una Distribucin
Normal; un criterio utilizado para realizar tal clculo es determinar si la media aritmtica
, de los datos, es mayor que 10, es decir ( > 10).
DEFINICIN 7.5. Aproximacin Normal a la Distribucin de Poisson.
Sea X la variable aleatoria discreta con Distribucin de Poisson, donde la media
es suficientemente grande, entonces se puede aproximar a travs de la Normal, donde los
valores de z vienen dados por

=

Ejemplo 7.4. El promedio de solicitudes de servicio que recibe un departamento de

mantenimiento en una empresa por cada turno de trabajo es 12 Calcular la probabilidad
de que se reciban ms de 17 solicitudes?
Solucin: la variable aleatoria X definida por el nmero de solicitudes que recibe un
departamento de mantenimiento de una empresa, es discreta, no obstante se puede
aproximar, la probabilidad, a travs de la distribucin normal; para Poisson
= ; = de aqu que = 12 > 10; = 12 3,4641
La ( > 17) = ( > 16,5) = 1 ( 16,5)
Hallemos el valor z equivalente de 16,5.
16,5 12
= = 1,30
12

( > 17) = 1 (
16,5) = 1 ( 1,30) = 1 0,9032 = 0,0968

DISTRIBUCIN UNIFORME.
Los eventos en los cuales la variable aleatoria asume valores en un intervalo
finito, de manera que stos se encuentran distribuidos de manera uniforme sobre un
intervalo, responden a distribuciones uniformes.
DEFINICIN 7.6. Distribucin Uniforme.

Sea X una variable aleatoria distribuida uniformemente sobre un intervalo (a, b).
Su funcin de densidad viene dada por
1

( )=
DEFINICIN 7.7. Distribucin Uniforme Acumulada.

Sea X una variable aleatoria distribuida uniformemente sobre un intervalo (a, b).
Su funcin de densidad acumulada viene dada por
0 <

1 ( )
( )= ( )= =
( )

1 >
Observacin 7.4.
Para cualquier subintervalo (a1, b 1) de (a, b) se tiene que

( ) = ( ) ( )=

DEFINICIN 7.8. Media, Varianza y Desviacin Estndar de una Distribucin
Uniforme.
La media, la varianza y la desviacin estndar de una distribucin Uniforme
vienen dadas por
= = ( ) =

Ejemplo 7.5. Un sistema computarizado se detiene cuando uno de sus circuitos deja de
funcionar. El tiempo que se tarda en que el departamento de mantenimiento compre el
circuito daado, est distribuido uniformemente en un intervalo de 1 a 6 das.
a. Definir la funcin de densidad.
b. Definir la funcin de densidad acumulada.
c. Calcular la probabilidad de que el tiempo de entrega sea mayor o igual a 2 das.
d. Calcular la probabilidad de que el tiempo de entrega este entre 2 y 5 das (inclusive).
e. Calcule la media, varianza y desviacin estndar de la distribucin.
Solucin: Sea X la variable aleatoria que representa el tiempo que tarda el departamento
de mantenimiento en adquirir el circuito integrado.
Parte a. Ya que el tiempo X est distribuido uniformemente de uno a seis das, segn la
definicin 7.6, la funcin de densidad es
1 1
= 1 6
( )= 61 5
0
Parte b. La funcin de densidad acumulada, segn la definicin 7.7, es
0 <1

1 1
( )= = 1 6
6 1 5

1 >6
Parte c. Segn definicin 7.7, la
1 4
( 2) = =
5 5
Parte d. Segn la observacin 7.3, la probabilidad
52 3
P(2 X 5) F (5) F (2)
6 1 5
Parte e. Segn la definicin 7.8, la media, varianza y desviacin estndar son

= = = 3,5 = (6 1) = = 2,08 = = 1,44
DISTRIBUCIN LOG-NORMAL.
Este tipo de distribucin se utiliza cuando el logaritmo de la variable aleatoria
posee una Distribucin Normal.
DEFINICIN 7.9. Funcin de densidad Log- Normal.
Sea X una variable aleatoria continua. La funcin de densidad Log- Normal est
dada por
( )
1 ;

( )= 2

0
DEFINICIN 7.10.
Sea X una variable aleatoria continua con funcin de densidad log- normal. La
probabilidad de que la variable aleatoria tome un valor entre a y b, con = y =
viene dada por

Donde F es la distribucin normal estndar.

DEFINICIN 7.11. Media, Varianza y Desviacin Estndar de una Distribucin Log-
Normal.
La media, varianza y la desviacin estndar de una distribucin Log-Normal, vienen
dadas por
= = =

Ejemplo 7.6. Una comisin de anlisis de riesgo, estudia el riesgo en una planta
elctrica, sugiere que se deben modelar la resistencia de los soportes de los generadores,
en funcin de su capacidad para resistir a la aceleracin mxima producida por los
temblores. La opinin de los Ingenieros sugiere que la distribucin se ajusta a la log-
normal con =3 y 2=0,07.
a. Cul es la probabilidad de que los soportes resistan una aceleracin mxima entre
30 y 35?
b. Cul es la probabilidad de que los soportes resistan una aceleracin mxima
superior a 35?
c. Halle la media, varianza y desviacin estndar.
Solucin:
Sea X la variable aleatoria que representa la aceleracin mxima.
Parte a. Utilizando la definicin 7.10, con ==3 y ==0,26, se tiene que
35 3 30 3
(30 < < 35) = ( < 35) ( < 30) =
0,26 0,26
= (2,14) (1,54)
Utilizando la tabla de la distribucin normal (tabla 3) se tiene que
(2,14) (1,54) = 0,9838 0,9382 = 0,0456
Parte b. Utilizando la definicin 7.10, con ==3 y ==0,26, se tiene que
( > 35) = 1 ( 35) = 1 (2,14) = 1 0,9838 = 0,0162
Parte c. La media, la varianza y la desviacin estndar viene dada por
( , )
= = 20,77
( , ) ( , )
= = 431,57 = 431,57 = 20,77

DISTRIBUCIN JI O CHI CUADRADA.
La Distribucin (de Pearson), llamada Ji O chi cuadrado, es una distribucin

de probabilidad continua con un parmetro (nu) que representa los grados de
libertad de la variable aleatoria.
DEFINICIN 7.12. Distribucin ji Cuadrada.
La funcin de densidad para la Distribucin ji Cuadrada o viene dada por:
1
>0
2
( ; )= 2

0
Donde :
Grfico 7.6. Distribucin (de Pearson) con diferentes grados de libertad.
Ejemplo 7.7. Halle la distribucin de probabilidad con 29 grados de libertad.

Calcule la ( > 42,557)
Solucin
= 29
Si consideramos la funcin de densidad, sta vendra siendo

1
>0
29
( ; = 29) = 2 2

0
El grfico fue hecho con el software libre GeoGebra.
Grfica 7.7 Distribucin con = 29

1
( > 42,557) = = 0,05
29
, 2 2
Observacin 7.5.
Para efectos del uso de este tipo de distribucin en ocasiones es recomendable la

aplicacin de la tabla 4 anexa, contiene los valores de ji Cuadrada para los
diferentes grados de libertad, de tal manera que el rea bajo la curva a derecha del
valor de la variable aleatoria es el valor de probabilidad .
La primera fila de la tabla contiene valores particulares de probabilidad . La
primera columna contiene los grados de libertad.
Cada fila representa una distribucin particular con su grado de libertad, valores
particulares de la variable aleatoria, y valores particulares de probabilidad. Por
ejemplo, en relacin al problema 7.7 para grados de libertad = 29, con valor de la
variable 42,557 la probabilidad es 0,05 (fila 1, columna 6). Que representa el rea en
el intervalo ((42,557), ).
Observacin 7.6.
Para calcular la probabilidad para la distribucin ji cuadrada usando Startgraphics se
procede de la siguiente manera:
Se siguen los pasos descritos en la observacin 7.3 y en la tabla de distribuciones se
selecciona Chi cuadrada en la ventana de Opciones Chi cuadrada se escribe los grados
de libertad (G.L). En el ejemplo 7.7 sera 29 grados de libertad.
Marca en la tabla con el botn derecho del ratn en la

opciones de ventana y agrega el valor de la variable
buscado

DISTRIBUCIN t DE STUDENT
La Distribucin t (de Student) surge del problema de estimar la media de una
poblacin normalmente distribuida cuando el tamao es pequeo. Se suele decir que una
poblacin se considera pequea cuando es menor de 30 sujetos.
DEFINICIN 7.13. Distribucin t de Student.
Sea Z una variable aleatoria normal estndar y sea una variable aleatoria ji-
cuadrada con grados de libertad, ambas independientes. Entonces la Distribucin de
Est dada por
+1

2
( )= 1+ < <
2
Grfico 7.7. Distribucin t de Student con diferentes grados de libertad.
Ejemplo 7.8
Halle la distribucin de probabilidad t con 7 grados de libertad. Calcule la

( > 1,895).

Solucin
7+1
2
( )= 1+
7 7
7 2
6
( )= 1+
7 7
7 2

6
( > 1,895) = 1+ = 0,05
7 7
, 7 2
Ver grfica 7.8 a, en donde se representa la funcin y la regin cuya rea es 0,05
Observacin 7.7

aplicacin de la tabla 5 anexa
La tabla proporciona el valor de la probabilidad para valores particulares el cual es
el rea bajo la curva en el intervalo (0, ), para estos valores. Valores a la derecha
de t. ver grfico 7.8a
La primera fila de la tabla contiene valores particulares de probabilidad La
primera columna contiene los grados de libertad.
Cada fila representa una distribucin particular con su grado de libertad, valores
particulares de la variable aleatoria, y valores particulares de probabilidad. Por
ejemplo, si se desea calcular P(t > 1,895), se ubica el valor 1,895 en la fila 8,
columna 3. Los grados de libertad es =7 y el valor de la probabilidad = 0,05.
Que representa el rea en el intervalo ((1,895), ). Ver grfico 7.8 a
La curva es simtrica respecto la recta = 0. Por tanto P(t < 1,8951) es tambin
= 0,05. Ver grfico 7.8 b.

Los grficos fueron hechos con el software libre GeoGebra.
Grfico 7.8 a. Distribucin t, con =7
Grfico 7.8 b. Distribucin t con =7
Observacin 7.8.
Para calcular la probabilidad para la distribucin t usando Startgraphics se procede de la
siguiente manera:
Se siguen los pasos descritos en la observacin 7. y en la tabla de distribuciones se
selecciona t de Student en la ventana de Opciones t de Student se escribe los grados
de libertad (G.L). En el ejemplo 7.8 sera 7 grados de libertad.

Marca en la tabla con el botn derecho del

ratn en la opciones de ventana y agrega el
valor de la variable buscado
DISTRIBUCIN F DE SNEDECOR
DEFINICIN 7.14. Distribucin F.
La Distribucin F es una distribucin de probabilidad continua. Tambin se le conoce

como Distribucin F de Snedecor (por George Snedecor) o como Distribucin F de
Fisher-Snedecor, se define de la siguiente manera:
Sea y variables aleatorias independientes ji Cuadrada con y grados
de libertad, respectivamente. Defnase = , la funcin de densidad para F, viene
dada por:
+
2
( )
1 >0
( )= 2 2

0

Tambin se puede definir como
1 >0
,
( )=

0
Donde B es la funcin Beta.
Grfico 7.9. Distribucin F con diferentes grados de libertad.
Ejemplo 7.9
Halle la Distribucin de Probabilidad F con =4y = 18 grados de libertad. Calcule
la ( > 2,93).
Solucin
1
1 >0
+ +
( )= 2, 2

0
1 4 4
1 >0
4 18 4 + 18 4 + 18
( )= 2, 2

0

1 4 4
1 >0
( )= (2,9) 4 + 18 4 + 18

0
El grfico fue hecho con el software libre GeoGebra.
Grfico 7.10. Distribucin F con =4y = 18

1 4 4
( > 2,93) = 1 = 0,05
, (4,9) 4 + 18 4 + 18
Observacin 7.9

aplicacin de la tabla 6 anexa, contiene los valores de F para los diferentes pares de
grados de libertad, de tal manera que el rea bajo la curva a derecha del valor de la
variable aleatoria es el valor de probabilidad .
La tabla proporciona los valores de probabilidad = 0,01 y = 0,05.
La primera fila de la tabla contiene valores particulares y la primera columna
contiene los valores de los grados de libertad.
Cada par de valores ( , ) corresponde a una distribucin F en particular.

Cada valor que se encuentra en la interseccin de fila por columna es un valor de F
cuya probabilidad es = 0,01 = 0,05 segn sea el caso. Equivalentemente al rea
bajo la curva a la derecha del valor de F.
En ejemplo 7.8, para =4y = 18 grados de libertad. la ( > 2,93) = 0,05
Observacin 7.10
Para calcular la probabilidad para la distribucin F usando Startgraphics se procede de
la siguiente manera:
selecciona F (Razn de Varianzas en la ventana de Opciones F Razn de Varianzas se
escribe los grados de libertad del numerador y del denominador. En el ejemplo 7.9
seran 4 y 18 grados de libertad respectivamente.

ratn en la opciones de ventana y agrega
el valor de la variable buscado

DISTRIBUCIN GAMMA.
Este tipo de distribucin es utilizada, por ejemplo, en el clculo de
probabilidades relativas a la duracin de partes elctricas, las cuales, pocas veces tienen
vidas muy cortas, muchas tienen vidas cercanas al promedio, y muy pocas vidas bastante
largas. Otro ejemplo es el de una pieza metlica cuando es sometida a cierta fuerza de
compresin, hasta romperse, por lo tanto el tiempo que transcurre antes que la pieza se
rompa, puede asociarse a una Distribucin Gamma.
DEFINICIN 7.15. Distribucin Gamma.
Sea X una variable aleatoria continua. La funcin de densidad Gamma con
parmetros > 0; > 0 est dada por:
( )
>0
( ; )= ( )

0
La media y la desviacin estndar viene dada por

= =
Observacin 7.11.
A continuacin se presentan algunas grficas de Distribuciones Gamma segn
los valores de y La cual puede tener forma de J invertida o de curva con
concavidades diferentes.
Grfico 7.11. Distribuciones Gamma con distintos parmetros de forma y escala

Ejemplo 7.10. Supngase que el intervalo de tiempo X necesario para efectuar una
comprobacin peridica de mantenimiento, de acuerdo a la experiencia, en un dictfono,
sigue una Distribucin Gamma con =3 y =2 (minutos). Calcule la probabilidad de
que un mecnico necesite entre 1 y 4 minutos, para revisar un dictfono.
Solucin:
X: Intervalo de tiempo necesario para efectuar una comprobacin peridica de
mantenimiento, de acuerdo a la experiencia, en un dictfono.
Establezcamos la funcin Gamma con los parmetros dados,
( )
2 ( )
>0 4 >0
( 3 ; 2) = ( 3 ; 2) =
0 0
Grfico 7.12. Representacin de la Distribucin Gamma
(1 4) = 4 = 0.6629224484

Teorema 7.1.
Si las variables X 1 , X 2 , , X K son independientes y si Xi tiene una Distribucin
Gamma con parmetro i y (i=1, ..., k), entonces la suma X 1 X 2 X K tiene
una Distribucin Gamma con parmetros 1 2 k y .

DISTRIBUCIN EXPONENCIAL.
En el caso de que =1 la Distribucin Gamma se transforma en una Distribucin
Exponencial. La grfica de esta distribucin tiene la forma de J invertida.
DEFINICIN 7.16.
Sea X una variable aleatoria continua. La funcin de densidad Exponencial est
dada por:
> 0; >0
( 1 ; ) =
0
>0
La media y la desviacin estndar viene dada por
1
= =
Ejemplo 7.11. Una refinadora de azcar tiene cinco plantas de proceso y todas reciben
azcar blanca a granel. La cantidad de azcar que puede procesar una planta en un da se
puede representar mediante una funcin de densidad exponencial con =3, para cada una
de las cinco plantas. Si las plantas trabajan en forma independiente, calcular la
probabilidad de que sean exactamente dos de las cinco plantas las que procesen ms de 4
toneladas en un da determinado.
Solucin:
X: La cantidad de azcar que puede procesar una planta en un da determinado.
La funcin de densidad Exponencial con el parmetro =3 viene dada por

3 >0
( 1 ; 3) =
0
Grfico 7.13. Representacin de la Distribucin Exponencial

( > 4) = 3 = 0,000006144212353
Esta es la probabilidad para una panta. La probabilidad para dos plantas, que funcionan
de manera independientes es: (0,000006144212353) 0,0000000000377513
Teorema 7.2.
Si las variables X 1 , X 2 , , X K constituyen una muestra aleatoria de una
Distribucin Exponencial con parmetro , entonces la distribucin
Y min { X 1 , X 2 , , X K } tiene una Distribucin Exponencial con parmetros n .
Teorema 7.3.
Si las variables X 1 , X 2 , , X K son independientes y si Xi tiene una distribucin
exponencial con parmetro i (i=1,...,k), entonces Y min { X 1 , X 2 , , X K } tiene una
distribucin exponencial con parmetros 1 2 k .
Observacin 7.12.
Para calcular la probabilidad para la distribucin Gamma usando Startgraphics se

selecciona Gamma en la ventana de Opciones Gamma se escribe los nmeros de
Forma y Escala que corresponde a los parmetros de respectivamente que se
expresan en la definicin. En el ejemplo 7.10 seran 3 y 2 respectivamente.
Marca en la tabla con el botn derecho del ratn

en la opciones de ventana y agrega el valor de
la variable buscado

(1 4) = 0,986246 0,323324 = 0,662922
Observacin 7.13
Para elaborar la distribucin exponencial (caso particular de la Gamma) se puede

seguir un procedimiento similar al expuesto en la observacin 7.12 considerando
=1 o directamente seleccionando la distribucin exponencial en la tabla de
distribuciones.

DISTRIBUCION DE WEIBULL.
En teora de la probabilidad y estadstica, la Distribucin de Weibull es
una distribucin de probabilidad continua. Recibe su nombre de Waloddi Weibull, que
la describi detalladamente en 1951, aunque fue descubierta inicialmente por Frchet
(1927) y aplicada por primera vez por Rosin y Rammler (1933) para describir la
distribucin de los tamaos de determinadas partculas.
Esta distribucin es utilizada como modelo para situaciones del tipo tiempo- falla
y con el objetivo de lograr una amplia variedad de componentes mecnicos y elctricos.
DEFINICIN 7.17.
Sea X una variable aleatoria continua. La funcin de densidad de Weibull est
dada por:
>0
( ; )=

0
> 0; >0
La media y la varianza de la distribucin de Weibull viene dada por.
1
= 1+
2
= 1+ ( )
Ejemplo 7.12. La vida de servicio de un determinado tipo de termistor produce

resistencias dentro de sus especificaciones sigue una Distribucin de Weibull con =2 y
=40 (mediciones en miles de horas) Cul es la probabilidad de que uno de esos
termistores, que se ha de instalar en un sistema, trabaje en forma adecuada durante ms
de 10000 horas?
Solucin: X: Vida de servicio de un determinado tipo de termistor.

La funcin de densidad viene dada por:
2
>0
( 2 ; 40) = (40)
Grfico 7.14. Representacin de la Distribucin Weibull

2
( > 10) = = 0,9394
(40)
Observacin 7.14
Para calcular la probabilidad para la distribucin de Weibull usando Startgraphics se
selecciona Weibull en la ventana de Opciones Weibull se escribe los nmeros de
Forma y Escala que corresponde a los parmetros de respectivamente que se
expresan en la definicin. En el ejemplo 7.12 seran 2 y 40 respectivamente.


ratn en la opciones de ventana y agrega el
valor de la variable buscado
DISTRIBUCIN BETA.
La Distribucin Beta se utiliza para representar variables fsicas cuyos valores se
encuentran acotados por un intervalo de longitud finita y para encontrar ciertas
cantidades que se conocen como lmites de tolerancia
DEFINICIN 7.18.
Sea X una variable aleatoria continua. La funcin de densidad Beta est dada
por:
( + )
(1 ) 0< < 1; > 0; >0
( ; ) = ( )( )
0
;
La media y la varianza de la distribucin Beta viene dada por.
= =
+ ( + ) ( + + 1)

Observacin 7.15.
Debido a que los valores para la variable aleatoria, en esta distribucin, deben
estar entre 0 y 1, algunas veces hay que convertir los valores que se tienen a esta escala.
Ejemplo 7.13. Un distribuidor de gasolina tiene tanques de almacenamiento con un

aprovisionamiento fijo. Los tanques se llenan cada martes. Para el distribuidor es
importante la proporcin de este volumen que se vende durante la semana. Durante
varias semanas se ha observado que esa proporcin se asemeja a una distribucin de
densidad Beta con =5 y =3 Cul es la probabilidad de que se venda por lo menos el
80% de su capacidad en una semana determinada?
Solucin:
X: la proporcin de este volumen de gasolina que se vende durante la semana.
La funcin de densidad Beta viene dada por:
(5 + 3)
(1 ) 0< <1
( 5 ; 3) = (5)(3)
105 (1 ) 0< <1

( 5 ; 3) =
0
Grfico 7.15. Representacin de la Distribucin Beta
( > 0,8) = 35 (1 ) = 0,1480319999

,

Observacin 7.16

selecciona Beta en la ventana de Opciones Beta se escribe los nmeros de Forma y
Escala que corresponde a los parmetros de respectivamente que se expresan en
la definicin. En el ejemplo 7.13 seran 5 y 3 respectivamente.

ratn en la opciones de ventana y agrega
el valor de la variable buscado

RESOLUCIN DE PROBLEMAS CORRESPONDIENTES A DATOS
PARTICULARES
A continuacin se expone un problema que pudiera provienir de una muestra o
poblacin en donde no se conocen los parmetros para definir la expresin algebraica de
la funcin de densidad y as establecer la distribucin de probabilidades. Una gran
ventaja de este procedimiento es que estima valores de gados de libertad requeridos en
algunas distribuciones, as como tambin la Forma () y Escala () en otras.
Observacin 7.17
A continuacin se exponen la elaboracin de las distribuciones Normal, t de

Student, F, Gamma y Weibull. Es de notar que el mismo procedimiento se puede
aplicar al resto de las distribuciones.
Ejemplo 7.14. En un experimento sobre reaccin nuclear se mide los intervalos de

tiempo entre las emisiones de un ciento tipo de partcula (40 mediciones).
0,991 2,27 0,424 0,14 0,159 0,527 0,431 0,162 0,919 0,994
0,061 0,09 0,216 0,06 0,082 1,033 0,092 0,076 0,900 0,149
0,186 0,14 0,579 0,75 1,653 2,863 0,830 0,107 0,093 0,866
0,311 0,08 0,429 0,19 2,010 0,365 1,718 0,278 0,041 0,054
Los tiempos vienen dados en milisegundos.

Utilizando Startgraphics determine (0,34 < < 0,67)
Solucin:
Una vez abierto el software, en la hoja de clculo que se muestra se debe escribir en una
de las columnas los datos recolectados.
Se selecciona de la barra de herramientas la parte Describir y luego Ajuste de
Distribucin y seguido ajuste de Datos No Censurados

En la ventana que se despliega seleccionar en Datos la columna en estudio y se pulsa
Aceptar
En la ventana Opciones Ajuste de distribucin se selecciona la distribucin Normal de
En Tablas y Grficos selecciona
Aparece la informacin requerida. Se deben cambiar los valores de la variable para

ajustar la distribucin al problema.
Histograma para Col_1
20 Distribucin
Normal
16
frecuencia
12
0
-0,2 0,8 1,8 2,8 3,8
Col_1
La (0,34 < < 0,67) = 0,551051 0,360077 = 0,190974
Se puede observar que la curva de la distribucin no se ajusta lo suficiente a los

datos. Es posible que otro tipo de distribucin si lo haga.

Utilizando los valores dados por el Startgraphics de media y desviacin se puede
definir la una aproximacin de la funcin de densidad de la distribucin normal.
Hay que hacer la la acotacin de que estos valores son de una muestra, en la
medida que la muestra o muestras tomadas sean representativas de la poblacin,
esta aproximacin ser ms confiable y se pudiese utilizar para estimar
probabilidades para poblaciones similares.
La distribucin normal para este ejemplo sera.
1
( ; ; )= < <
2
1 ,
( ; 0,582975; 0,678232) = , < <
2 0,678232
Utilizando la distribucin t de Student (Se tiene que tener cuidado de desactivas la

distribucin normal), con el procedimiento anterior se tiene:
20 Distribucin
t de Student
16
frecuencia
12
0
0 1 2 3 4
Col_1
La (0,34 < < 0,67) = 0,74454 0,631206 = 0,113334

La distribucin t de Student para este ejemplo sera.
+1

( )= 2 1+ < <

2
18,9974 + 1 ,
2
( )= 1+
18,9974 18,9974
18,9974 2
= 18,9974 < <
Utilizando la distribucin F, con el procedimiento anterior se tiene:
20 Distribucin
F (razn de varianzas)
16
frecuencia
12
0
0 1 2 3 4
Col_1
La (0,34 < < 0,67) = 0,524339 0,343691 = 0,180648

Utilizando la distribucin Gamma, con el procedimiento anterior se tiene:
20 Distribucin
Gamma
16
frecuencia
12
0
-0,2 0,8 1,8 2,8 3,8
Col_1
La (0,34 < < 0,67) = 0,686864 0,458759 = 0,228105
La distribucin Gamma para este ejemplo sera.
( )
>0
( ; )= ( )

0
(1,544912 ) ,
1,544912 , >0
( 0,9031 ; 1,544912) = (0,9031)

0

Utilizando la distribucin de Weibull, con el procedimiento anterior se tiene:
20 Distribucin
Weibull
16
frecuencia
12
0
-0,2 0,8 1,8 2,8 3,8
Col_1
La (0,34 < < 0,67) = 0,695793 0,475157 = 0,220636
>0
( ; )=

0
,
0,90373 ,
,
, >0
( 0,90373 ; 0,552665) = 0,552665
Observacin 7.18
Se puede observar que las distribuciones Gamma y Weibull son las que se ajustan a
los datos del problema.
Observacin 7.19
Para datos comprendidos entre 0 y 1 se puede utilizar la distribucin Beta

Ejemplo 7.15. Se desea estudiar la vida til (en cientos de horas) de una muestra de 50
bateras; los resultados se presentan a continuacin:
0,0637 0,1601 0,0828 0,0715 0,2186 0,1668 0,1313 0,2535 0,2868 0,0914
0,1531 0,0152 0,1184 0,0474 0,1228 0,1232 0,0542 0,1793 0,1493 0,1952
0,0733 0,1826 0,0484 0,1525 0,2006 0,0577 0,1823 0,2741 0,1709 0,0984
0,2256 0,1868 0,1207 0,1709 0,1032 0,1274 0,088 0,8342 0,0872 0,2119
0,2364 0,1126 0,0719 0,1305 0,1802 0,1623 0,1526 0,1360 0,1032 0,0431
Halle (0,06 < < 0,12).

Solucin:
Siguiendo el procedimiento del problema anterior se tiene que
18 Distribucin
Beta
15
12
frecuencia
0
0 0,2 0,4 0,6 0,8 1
Col_1
La (0,06 < < 0,12) = 0,41288 0,157794 = 0,255086

La distribucin Beta para este ejemplo sera.
( + )
(1 ) 0< < 1; > 0; >0
( ; ) = ( )( )
0
( 1,87333 ; 9,73985)
( 1,87333 + 9,73985) , ,
(1 ) 0< <1
= (1,87333)(9,73985)
1. Una mquina que expende bebidas gaseosas est calibrada de modo que descargue un
promedio de 150 mililitros por vaso. Si la cantidad de lquido est distribuida
normalmente con una desviacin estndar igual a 12 ml.
a. Qu porcentaje de vasos contendr ms de 180 ml?

b. Cul es la probabilidad de que un vaso contenga entre 140 y 170 ml?
c. Si se usan vasos de 160ml, cuntos de los siguientes 900 vasos se derramarn?
d. Bajo qu valor estar el 20% de los vasos con menos contenido?
2. El dimetro interior de un anillo para mbolo se distribuye normalmente con una

media de 9 cm y una desviacin estndar de 0,2 cm.
a. Qu proporcin de los anillos para mbolo tendr un dimetro interior que

exceda de 9,61 cm?
b. Cul es la probabilidad de que un anillo tendr un dimetro interior entre 8,97
cm y 9,56 cm?
c. Bajo qu valor de dimetro interior estar el 13% de los anillos?
3. La vida media de cierto tipo de motor es de 9 aos, con una desviacin estndar de
1,5 aos. El fabricante repone los motores que resulten daados, siempre que estn
dentro de la garanta. Si piensa reponer el 2,8% de los motores Cunto tiempo
debe estimar la garanta? La vida til de los motores se considera distribuidos
normalmente.
4. El tiempo requerido para ensamblar una pieza mecnica es una variable aleatoria
cuya distribucin es aproximadamente normal, con media 11,59 min y desviacin
estndar de 1,8 min. Cul es la probabilidad de que el ensamblado de la pieza tarde
a. al menos 10,60 min?

b. Entre 10,70 y 12,9 min?
5. Una mquina troqueladora produce tapas, cuyos dimetros estn normalmente
distribuidos, con una desviacin estndar de 0,02 pulg En qu dimetro promedio
debe ajustarse la mquina de tal manera que no ms del 4% de las tapas producidas
tengan dimetros que excedan las 2 pulg?
6. Los tiempos de la primera avera de una impresora de inyeccin a tinta tienen
distribuciones normales con un promedio de 1400 horas y una desviacin estndar
de 180 horas.
a. Qu fraccin de esas impresoras fallarn antes de 900 horas?

b. Cul debe ser el tiempo de garanta para estas impresoras s el fabricante desea
que slo presente averas el 4% de las impresoras dentro del tiempo de garanta?
7. Se estableci una restriccin para el mximo de personas que pueden subir a un
ascensor. Un estudio realizado indic que si 9 personas ocupan el ascensor, la
distribucin de probabilidad del peso total de las 9 personas tiene una media de

1100 libras y una varianza de 9700 libras Cul es la probabilidad de que el peso
total de nueve personas exceda de 1200 libras? Suponer la distribucin normal.
8. En un proceso industrial se producen 11% de artculos defectuosos. Si 102 de ellos
se seleccionaron al azar.
a. Cul es la probabilidad de que el nmero de defectuosos exceda de 14?

b. Cul es la probabilidad de que el nmero de defectuosos sea menor que 9?
9. La confiabilidad de un fusible elctrico es la probabilidad de que un fusible,
escogido al azar de una produccin, funcionar segn las condiciones para las
cuales fue diseado. Se prob una muestra aleatoria de 980 fusibles y se observaron
29 defectuosos. Calcular la probabilidad de tener 29 o ms defectuosos, si se supone
que la confiabilidad del fusible es 0,97.
10. Un fabricante sabe que, en promedio, 3% de las tostadoras de pan que se producen
requerirn reparacin en los 80 das siguientes a su venta. Utilizando una
aproximacin normal a la binomial determine la probabilidad de que entre 1100 de
las tostadoras de pan al menos 38 requieran reparacin en los 80 das despus de su
venta.
11. Un ingeniero de seguridad industrial cree que 28% de todos los accidentes
industriales en su planta se deben a que los empleados no siguen las disposiciones
de seguridad. Si esta apreciacin es correcta, calclese aproximadamente la
probabilidad de que, entre 80 accidentes industriales, de 19 a 28 se deban a eso.
12. Si 70% de todas las nubes impregnadas con yoduro de plata muestran un
crecimiento espectacular Cul es la probabilidad de que entre 39 nubes
impregnadas con yoduro de plata a lo sumo 19 muestren un crecimiento
espectacular?
13. Los siguientes datos son los tiempos de ignicin de ciertos materiales de tapicera
expuestos al fuego, dados a la ms cercana centsima de segundo:

2,58 7,6 2,51 8,79 4,04 5,92 6,43 9,65 1,58 5,09
4,79 11,25 6,2 3,9 1,52 5,33 1,38 8,64 3,87 7,41
5,5 3,78 5,92 3,75 4,56 3,1 2,46 6,43 6,9 1,7
6,75 4,9 5,84 3,49 8,8 6,77 7,4 5,62 4,72 9,7
2,65 5,21 7,86 1,76 4,71 9,2 6,25 1,2 9,45 6,85
4,32 4,54 1,47 3,62 12,8 4,11 7,95 6,4 5,11 2,8
Utilizando la distribucin log -Normal calcule la probabilidad

a. De que el tiempo de ignicin este entre 2,55 y 4,99
b. De que el tiempo de ignicin sea mayor de 5,31.
14. La carga sostenida en una zapata de concreto de un edificio en proyecto es una

variable aleatoria. Supngase que la carga muerta tiene una distribucin gamma con
=8 y =2. Las unidades son miles de libras.
a. Establecer la distribucin gamma segn estos datos.

b. Calcular la probabilidad de que la carga sostenida est entre 12 y 18.
15. En cierta ciudad, el consumo de energa elctrica, en millones de kilowatt-horas, es

una variable aleatoria que tiene una distribucin gamma con =2 y =3. Si la planta
de energa tiene una capacidad de produccin diaria de 11 millones de kilowatt-
horas Cul es la probabilidad de que este suministro de energa sea insuficiente en
un da cualquiera?
16. La duracin en aos de cierto interruptor elctrico tiene una distribucin

exponencial con una rapidez de falla de = 3. Si 104 de dichos interruptores se
instalan en diferentes sistemas Cul es la probabilidad de que, como mximo,
fallen 10 durante el primer ao.

17. Un operador de estacin de bombeo de gasolina observa que la demanda en
determinada hora del da se puede expresar con una distribucin exponencial cuyo
promedio es de 100 pies/min.
a. Calcular la probabilidad de que la demanda sea mayor de 200 pies en un da

escogido al azar.
b. Cul es la capacidad mxima de suministro de agua que debera conservar en
circulacin en esa hora para que la demanda sea mayor que la capacidad de
suministro con una probabilidad de 0,01?
18. La proporcin de hierro puro en determinadas muestras de mineral tiene una
distribucin beta con =4 y =2.
a. Estimar la probabilidad de que una de esas muestras tenga ms del 50% de hierro
puro.
b. Calcular la probabilidad de que dos de estas muestras tengan menos que el 28%
de hierro puro.
19. El tiempo necesario para lograr una mezcla correcta de polvos de cobre antes de
sinterizarlos tiene una distribucin de Weibull con =2 y =4. Calcular la
probabilidad de que un mezclado adecuado tome menos de 2 minutos.
20. Se desea estudiar la vida til (en cientos de horas) de una muestra de 50 bateras;
los resultados se presentan a continuacin:
0,637 1,601 0,828 0,715 2,186 1,668 1,313 2,535 2,868 0,914
1,531 0,152 1,184 0,474 1,228 1,232 0,542 1,793 1,493 1,952
0,733 1,826 0,484 1,525 2,006 0,577 1,823 2,741 1,709 0,984
2,256 1,868 1,207 1,709 1,032 1,274 0,88 0,578 0,872 2,119
2,364 1,126 0,719 1,305 1,802 1,623 1,526 1,36 1,032 0,431
a. Utilice Startgraphics para calcula los parmetros y para las distribuciones

Gamma y Weibull.
b. Halle P (0,6 X 1, 2) utilizando estas distribuciones.

CAPTULO 8
DISTRIBUCIN DE MUESTREO,
ESTIMACIN PUNTUAL Y POR INTERVALO
La Inferencia Estadstica es parte importante de nuestro estudio, por tanto vale
la pena ejemplificar tal concepto: supngase en una empresa se desea estudiar una
caracterstica especfica de la fabricacin de un artculo; por lo general se hace
dificultoso el detallar cada uno de los artculos, no obstante si se toma una muestra de
ellos se podra realizar una estimacin del comportamiento de todos, es decir, de la
Poblacin.
Es claro que de una Poblacin dada, se pueden tomar una considerable cantidad
de muestras de un cierto tamao. Es usual que muestras diferentes den resultados
diferentes para un estadstico muestral. Es de esperar que un estadstico muestral pueda
tener muchos valores diferentes. La distribucin de las probabilidades de los valores de
un estadstico muestral se denomina Distribucin Muestral; lo cual es de real
importancia en el campo de la Inferencia Estadstica.
DISTRIBUCIN MUESTRAL DE LA MEDIA.

Para ilustrar el concepto de Distribucin Muestral consideremos el siguiente
ejemplo: supngase que una variable aleatoria asume los valores 3, 5, 7, 9. Estos cuatro
valores se pueden usar para simular una Poblacin infinita si se toman muestras sin
remplazo. Supngase tambin que se toman muestras de tamao 2; de tal manera que
una muestra puede estar constituida por los valores 3 y 9, y otra por los valores 5 y 7 u
otras combinaciones. Es relevante conocer todas las muestras que pueden resultar de un
experimento. En la tabla 8.1 siguiente se describen las 16 posibles muestras diferentes
que pueden formarse; por otra parte se pueden obtener un nmero infinito de muestras,
pero solamente 16 son diferentes, el resto coincidiran con alguna de stas.

La tabla contiene la media X de cada muestra. Esta asume los siguientes valores
x siguientes 3, 4, 5, 7, 8 y 9. En la tabla 8.2 se presentan estos valores en
correspondencia con su frecuencia y la probabilidad respectiva.
Ahora bien, la probabilidad de obtener una media muestral de 3 es 1/16, la de 4
es 2/16, y as sucesivamente. Esto no quiere decir que de 1600 muestras que se tomen,
100 muestras tengan media 3 y 200 muestras tengan media 4. Tampoco que de
1.600.000 de muestras se obtendr 100.000 con media 3, y 200.000 con media 4. No
obstante, si se toman 1.600 millones de muestras, el nmero de ellas con media se
acercar a 100 millones, es decir, la razn ser aproximadamente 1/16. Esto quiere decir
que la distribucin de probabilidades es la distribucin de la frecuencia relativa, y
solamente se le puede aproximar a travs de un nmero infinitamente grande. En la
prctica, no es necesario tomar tal cantidad de muestras, sino que se selecciona una
muestra en particular y se realiza una inferencia acerca de las caractersticas de la
distribucin.
X1 X2 Media muestral
Muestra
1 3 3 3
2 3 5 4
3 3 7 5
4 3 9 6
5 5 3 4
6 5 5 5
7 5 7 6
8 5 9 7
9 7 3 5
10 7 5 6
11 7 7 7
12 7 9 8
13 9 3 6
14 9 5 7
15 9 7 8
16 9 9 9
TABLA 8.1. Muestras de tamao 2 de una variable X.

Media Muestral N de Probabilidad
x Muestras Px
3 1 1/16
4 2 2/16
5 3 3/16
6 4 4/16
7 3 3/16
8 2 2/16
9 1 1/16
Total 16 1
TABLA 8.2. Distribucin de la media muestral X con
Muestras de tamao 2.
El estadstico muestral es una variable aleatoria, y por lo tanto es importante
calcular su media y su dispersin
DEFINICIN 8.1. Distribucin de Muestreo de la Media Muestral X
Supngase que se selecciona una muestra aleatoria de n mediciones de una

poblacin con media y desviacin estndar , la distribucin de muestreo de la media
muestral tiene:
Media y desviacin estndar
= =
Ejemplo 8.1. Utilizando la Poblacin definida anteriormente como los nmeros 3, 5, 7,

9; halle el promedio poblacional, la desviacin estndar poblacional y comprelo con la
media de la distribucin muestral y la desviacin estndar muestral.
Solucin:
Segn la definicin 2.1 se tiene que la media poblacional es
3+5+7+9
= =6
4
Segn la definicin 2.3 se tiene que la desviacin estndar poblacional es

164 4(36)
= = 5 = 2,236
4
Segn las definiciones 5.1 y 8.1 se tiene que la media muestral es
1 2 3 4 3 2 1 96
= =3 +4 +5 +6 +7 +8 +9 = =6=
16 16 16 16 16 16 16 16
Segn la observacin 5.6
Donde
1 2 3 4 3 2 1 616
=9 + 16 + 25 + 36 + 49 + 64 + 81 = = 38,5
16 16 16 16 16 16 16 16
= 38,5 36 = 2,5 = 1,581
De la definicin 8.1 se tiene que la desviacin estndar muestral es
5
= = = 1,581
2
De aqu que
= =

Observacin 8.1.
Analizando la relacin entre la desviacin estndar poblacional, el tamao

muestral y la desviacin estndar muestral se puede sealar que: si el tamao muestral es
1 la desviacin estndar muestral es igual a la desviacin estndar poblacional; si el
tamao muestral es 4 la desviacin estndar muestral es la mitad de la desviacin
estndar poblacional. Si el tamao muestral se hace infinitamente grande, la desviacin
estndar muestral tiende a cero, lo cual significa que la media muestral se puede
considerar igual a la media poblacional. Como se ha sealado anteriormente, en la

prctica resulta imposible tomar todas las combinaciones de muestras de tamao n para
establecer la distribucin muestral; de tal manera de estimar el promedio poblacional a
travs de una muestra; para lograr esta informacin lo que hay que hacer es tratar de
disminuir la desviacin estndar muestral (utilizando la definicin 8.1 de la desviacin
estndar) aumentando considerablemente el tamao de la muestra.
Observacin 8.2.
Si el tamao de la muestra es suficientemente grande, la distribucin muestral de X ser

aproximadamente normal, con media y desviacin estndar
Este resultado es una consecuencia del teorema, denominado, Teorema del Lmite
Central
Teorema 8.1. Teorema del Lmite Central.
Si x es la media de una muestra aleatoria de tamao n tomado de una poblacin

con media y desviacin estndar , entonces:
Representa el valor de una variable aleatoria Z, cuya funcin de distribucin se aproxima

a la distribucin normal estndar, cuando n .
Observacin 8.3.
La aproximacin normal para X ser aceptable cuando n 30 , y si n 30 esta

aproximacin es aceptable si la poblacin est distribuida normalmente.
Ejemplo 8.2. Una empresa que fabrica bombillas que tienen una duracin distribuida en
forma aproximadamente normal, con media igual a 700 horas y desviacin estndar de
35 horas. Obtenga la probabilidad de que una muestra aleatoria de 38 bombillas tenga
una vida media menor que 685 horas.

Solucin:
__
X : Promedio de duracin de las bombillas.
Segn el teorema 8.1 se tiene que:
= 685 = 700 = 35 = 38
685 700
= = = 2,64
35
38
685 = ( 2,64) = 0,0041
Observacin 8.4.
La aplicacin de la teora anterior requiere del conocimiento del valor de la

desviacin estndar poblacional. Si no se conoce este valor, es recomendable, utilizar la
desviacin estndar de la muestra, si n 30 es grande. Si el tamao de la muestra es
n 30 , se puede aplicar la distribucin t de Student (Ver cap. 7)
DEFINICIN 8.2.
Si x es la media de una muestra aleatoria de tamao n, tomada de una poblacin

normal con media y s es el valor de la desviacin estndar de la muestra, la cual es
una estimacin de desviacin estndar poblacional , y t es el valor de una variable
aleatoria con distribucin t de Student y grados de libertad = 1, entonces:

, =

Ejemplo 8.3. Un fabricante de fusibles asegura que con una sobrecarga del 22%, sus
fusibles se fundirn al cabo de 11,30 minutos en promedio. Para probar esta afirmacin,
se tom una muestra de 18 de los fusibles y se sometieron a prueba aplicndoles una
sobrecarga del 22%, y los tiempos que tardaron en fundirse tuvieron una media de 10,38
minutos y una desviacin estndar de 2,84 minutos. Si se supone que las poblaciones se
distribuyen normalmente Este resultado refuta o apoya la afirmacin del fabricante?

Solucin:
X : Promedio del tiempo que tardan en fundirse, los fusibles sometidos a una sobrecarga
del 22%.
Segn la definicin 8.2 se tiene que:
= 10,38 = 11,30 = 2,84 = 18 = 18 1 = 17

, ,
= , = 1,37 > 10,38 = ( > 1,37) 0,905745

Si se usa Startgraphics se tiene
Distribuciones de Probabilidad
Distribucin: t de Student
Parmetros: G. L.
Dist. 1 17
Dist. 2
rea Cola Superior (>)

Variable Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
-1,37 0,905745
Dado que la probabilidad ( > 10,38) = 0,950035 es significativamente alta, es

muy probable refutar la afirmacin del fabricante.
Observacin 8.5.
Supngase que se tienen dos poblaciones, la primera con media y varianza
12 , para cual se establece el estadstico X 1 que representa la media de una muestra de

tamao n1 de esta poblacin; y la segunda poblacin con media y varianza 22 , para
cual se establece el estadstico X 2 que representa la media de una muestra de tamao n2
de esta poblacin. Entonces la distribucin muestral de la diferencia X 1 X 2 para

muestras repetidas de tamao n 1 y n 2 se aproximar cada vez ms, a medida de se
aumente los tamaos muestrales. Esta observacin nos lleva a establecer el siguiente
teorema.

Teorema 8.2.
Si muestras independientes de tamaos n 1 y n 2 son tomadas de dos poblaciones
que tienen medias 1 , 2 y varianzas 12 y 22 respectivamente, la distribucin muestral
de las diferencias de las medias X 1 X 2 , es aproximadamente normal, con media y

varianza muestral dadas por:
=
= +
Y por lo tanto:
( )( )
=
Representa el valor z de la variable aleatoria Z con distribucin normal estndar.
Ejemplo 8.4. Los cinescopios (Tubo de rayos catdicos utilizado en los monitores de
televisin. Basado en el hecho de que la incidencia de electrones sobre un material
excita sus tomos y provoca la emisin de su luz propia (luminiscencia inducida) ) para
receptores de televisin que son producidos por una compaa A tienen una media de 5,6
aos, con una desviacin estndar de 0,8 aos, mientras que los que fabrica una
compaa B tienen una vida media de 4,5 aos, con una desviacin estndar de 0,7 aos
Cul es la probabilidad de que una muestra aleatoria de 40 cinescopios de la compaa
A tenga una vida media que sea por lo menos un ao mayor que la vida media de una
muestra de 50 cinescopios de la compaa B?
Solucin:
X 1 : Promedio muestral de vida de los cinescopios para receptores de televisin

producidos por la compaa A.
X 2 : Promedio muestral de vida de los cinescopios para receptores de televisin
producidos por la compaa B.
Los valores correspondientes a la media poblacional, desviacin estndar poblacional y

tamao muestral de cada poblacin vienen dados por:
= 5,6 = 4,5
= 0,8 = 0,7
= 40 = 50
Se quiere determinar 1 . Hallemos el valor de Z. Utilizando el teorema 8.2

se tiene que:
( )( ) 1 (5,6 4,5)
= = = 0,63
(0,8) (0,7)
40 + 50
+
y por tanto, La tabla 3
1 = ( 0,63) = 1 ( < 0,63) = 1 0,2643 = 0,7357
Usando Startgraphics para la distribucin normal estndar
Distribucin: Normal
Parmetros: Media Desv. Est.
Dist. 1 0 1
Dist. 2

-0,63 0,735654

DISTRIBUCIN MUESTRAL DE LA VARIANZA.
Para complementar el estudio de la distribucin muestral, es importante el

estudio de su varianza; para ello utilizamos la distribucin ji cuadrada.
DEFINICIN 8.3. Distribucin ji Cuadrada.
Si s 2 es la varianza de una muestra aleatoria de tamao n, la cual es tomada de

una poblacin normal cuya varianza es entonces:
( 1)
=
Es un valor de una variable aleatoria que tiene la distribucin ji cuadrada con n 1

grados de libertad.
Ejemplo 8.5. Una ptica adquiere cristales, y se sabe que la varianza del ndice de
refraccin de esta clase de cristales es 1,36 10 . Ya que se necesita que los diversos
cristales tengan un ndice de refraccin muy parecido, la ptica rechaza uno de los
cargamentos si la varianza muestral de 30 cristales, escogidos al azar exceda a
2,02 10 . Suponiendo que los valores muestrales pueden considerarse como una
muestra aleatoria de una poblacin normal Cul es la probabilidad de que un
cargamento sea rechazado a pesar que la varianza es de 1,36 10 ?
Solucin:
= 30 = 2,02 10 = 1,36 10
(30 1)2,02 10
= = 43,07
1,36 10
Usando la tabla 4 Con = 1 = 29, la probabilidad (recuerde que la tabla da el

rea a la derecha del valor de ji cuadrada). El valor 43,07 se encuentra entre los valores
42,557 y 45,772.

Utilizando Stargraphics se puede calcular con mayor precisin el valor requerido
Distribucin: Chi-Cuadrada
Parmetros: G. L.
Dist. 1 29
43,07 0,0448551
Dist. 2
( > 43,07) 0,0448551
Por lo tanto la probabilidad de un cargamento sea rechazado es muy baja.
INFERENCIA ESTADSTICA.
La inferencia estadstica consiste en los mtodos por los cuales se realizan
inferencias o generalizaciones sobre una poblacin. La inferencia estadstica se puede
dividir en dos partes, la teora de estimacin y las pruebas de hiptesis; en este captulo
se tratar la estimacin y en el siguiente captulo las pruebas de hiptesis.
ESTIMACIN POR INTERVALOS.

La estimacin por intervalo es la referente a los parmetros: media, proporcin,
varianza y razn de varianzas.
INTERVALO DE CONFIANZA PARA CON CONOCIDA.

El intervalo proporciona dos extremos entre los cuales se debe encontrar la media
poblacional, con nivel de confianza o certeza de (1-) (en la escala del 0 al 1) o
(1-)100%; para hallar estos extremos se utiliza la media de una muestra de la
poblacin, el valor de z que delimita un rea 2 a su derecha en la distribucin normal
estndar (ver tabla 3 anexa); la varianza de la poblacin y el tamao de la muestra. Es de
hacer notar que este tipo de intervalo es recomendable cuando n 30. En el caso de no
conocer la desviacin poblacional se puede utilizar la desviacin s, estimada de la
muestra.

DEFINICIN 8.4. INTERVALO DE CONFIANZA PARA ; CON CONOCIDA.
Si x es la media de una muestra aleatoria de tamao n de una poblacin con
varianza conocida, un intervalo de confianza de (1 ) para est dado por
< < +

Donde es el valor de z que delimita el rea bajo la curva normal estndar en el
intervalo ,
Observacin 8.6.
El teorema siguiente se refiere al error muestral, el cual acota la diferencia entre
la media muestral y la poblacional.
TEOREMA 8.3.
Si se utiliza x como una estimacin de , se puede tener entonces una confianza

de ( ) de que el error e muestral esta dado por:

| | =

Ejemplo 8.6. En una semana determinada se elige al azar una muestra de 200 empleados
de una poblacin que se dedica al trabajo a destajo, y se encuentra que el promedio de
pago por pieza trabajada es 1700 Bs, con una desviacin estndar muestral de 140 Bs.
a) Halle el intervalo de confianza del 95% para el promedio poblacional de pago
por pieza trabajada.
b) Calcular el error muestral.
Solucin:
: Promedio poblacional de pago por pieza trabajada.
= 1700 = 140 = 200

Para un nivel de confianza es (1 ) = , 95 donde = 0,025, luego 1 =
0,975 . Usando la tabla 3 el valor de = 1,96. Esto significa que la probabilidad

de 0,975 se encuentra en el valor de Z de 1,96.
Usando Stargraphics se selecciona en Tablas y Grficos Distribuciones Acumuladas
Inversas. Ya que dado la probabilidad se quiere saber el valor de Z.
De la definicin 8.6 se tiene que el intervalo de confianza esta dado por:
(1,96)(140) (1,96)(140)
1700 < < 1700 +
200 200
1680,6 < < 1719,4
Interpretacin: Se espera que el promedio poblacional de pago por pieza trabajada, este
entre 1680,6 Bs y 1719,4 Bs, con un nivel de confianza del 95%.
Del teorema 8.4 se tiene que el error muestral esta dado por:
(1,96)(140)
= = 19,4
200
Interpretacin: El nivel de error muestral no exceder de 19,4. Es decir que la diferencia,

en valor absoluto, entre la media muestral y la poblacional no exceder de 19,4 Bs.
Observacin 8.7.
Con frecuencia se desea saber qu tan grande deber ser la muestra, para
asegurar que el error al estimar el parmetro ser menor que una cantidad especfica e.

DEFINICIN 8.5.
Si se utiliza x como una estimacin de , se puede tener entonces una confianza
de (1 ) de que el error ser menor que una cantidad especfica e cuando el
tamao de la muestra n, segn sea el caso, venga dada por la respectiva frmula.
a) Si el tamao poblacional N es desconocido

=
b) Si el tamao poblacional N (poblacin grande) es conocido.

=
+
c) Si el tamao poblacional N (poblacin pequea) es conocido.

=
+ ( 1)
Observacin 8.8.
A medida que se aproxime a 1, se considera la poblacin grande. Este
criterio no es tan preciso. Sera preferible calcular dos valores expresados en los apartes
b y c y mencionar que la muestra puede estar entre un valor y otro.
Ejemplo 8.7. Un gerente quiere determinar el tiempo que un mecnico tarda en
intercambiar los neumticos de un automvil, y adems desea poder asegurar con un
nivel de confianza del 95% que la media de su muestra sea a lo sumo de 0,4 minutos. Se
sabe que la desviacin estndar es de 1,4 minutos.
a) Qu tan grande debe ser el tamao de la muestra si se desconoce el tamao
poblacional?
b) Qu tan grande debe ser el tamao de la muestra si el tamao poblacional es de 200
horas?
c) Qu tan grande debe ser el tamao de la muestra si el tamao poblacional es de 40
horas?
Solucin:

: Promedio poblacional del tiempo que un mecnico tarda en intercambiar los
neumticos de un automvil.
Utilizando la tabla 3 anexa, se tiene que:
(1 ) = 0,95 = 1,96
= 0,4; = 1,4.
a) Utilizando la definicin 8.5 a, se tiene que:
(1,96)(1,4)
= = 47
0,4
Interpretacin: Se requiere de una muestra de 47 horas para estimar el promedio

poblacional del tiempo que un mecnico tarda en intercambiar los neumticos de un
automvil, con un nivel de confianza de 95% y un error muestral de 0,4 horas. Sin
conocer el tamao poblacional.
b) Utilizando la definicin 8.5 b, se tiene que:

(1,96) 200(1,4)
= = 38,095
(1,96) (1,4) + 200(0,4)
Interpretacin: Se requiere de una muestra de 38,095 horas para estimar el promedio

automvil, con un nivel de confianza de 95% y un error muestral de 0,4 horas. Si se sabe
que el tamao poblacional es de 200 horas.
c) Utilizando la definicin 8.5 c, se tiene que:
(1,96) 40(1,4)
= = 21,873
(1,96) (1,4) + (40 1)(0,4)
Interpretacin: Se requiere de una muestra de 21,873 horas para estimar el promedio


automvil, con un nivel de confianza de 95% y un error muestral de 0,4 horas. Si se sabe
que el tamao poblacional es de 40 horas.
INTERVALO DE CONFIANZA PARA MUESTRAS PEQUEAS PARA ; CON

DESCONOCIDO.
En el caso de que el tamao muestral sea n 30 , se recomienda utilizar la

distribucin t de Student para establecer el intervalo de confianza. Suponiendo que la
poblacin est distribuida normalmente.
DEFINICIN 8.6. INTERVALO DE CONFIANZA PARA MUESTRAS PEQUEAS
PARA ; CON DESCONOCIDO.
Si x y s son la media y la desviacin estndar de una muestra aleatoria de
tamao < 30, tomada de una poblacin aproximadamente normal con varianza
desconocida 2, un intervalo de confianza (1 ) para estar dada por:
< < +

Donde es el valor t, con = n-1 grados de libertad. Este valor delimita el rea
bajo la curva en el intervalo ,

Ejemplo 8.8. La vida til promedio de una muestra aleatoria de 20 focos es 4500 horas,
con una desviacin estndar muestral de 250 horas. Se supone que la vida til de los
focos tiene una distribucin aproximadamente normal. Halle el intervalo de confianza
del 95%; para el promedio poblacional de vida de los focos.
Solucin:
: Promedio poblacional de vida de los focos.
Utilizando Startgraphics con Distribuciones Acumuladas Inversas
= 4500 = 250 = 20 = 1 = 19
(1 ) = , 95 1 2 = 0,975

= , 2,093
Utilizando la definicin 8.6 se tiene que el intervalo de confianza esta dado por:
250 250
4500 2,09303 < < 4500 + 2,09303
20 20
4383 < < 4617
Interpretacin: Se espera que el promedio poblacional de vida de los focos, este entre
4383 horas y 4617 horas, con un nivel de confianza del 95%.
INTERVALO DE CONFIANZA PARA ; con y CONOCIDAS
Para muestras independientes a partir de poblaciones normales, si n1 y n2 son

mayores de 30, se puede establecer un intervalo de confianza para la diferencia de
medias poblacionales , con lo cual se pueden establecer comparaciones entre estas
poblaciones.
DEFINICIN 8.7. INTERVALO DE CONFIANZA PARA ; CON 12 y 22
CONOCIDAS.
Sean y las medias de muestras aleatorias independientes de tamao n 1 y
n 2, a partir de poblaciones con varianzas conocidas 12 y 22 , respectivamente, un
intervalo de confianza de (1 ) para est dado por:
( ) + < <( )+ +
intervalo ,

Ejemplo 8.9. Un fabricante de equipos agrcolas desea comparar el tiempo muerto
diario promedio para dos mquinas troqueladora de lminas, que se encuentran en dos
compaas distintas. Para ello se tomaron, de los registros, una muestra de 150 das,
seleccionados al azar, para cada una de las compaas; obtenindose los siguientes
resultados: la mquina 1 tuvo un promedio de 15 minutos de tiempo muertos, con una
varianza de 5 minutos; en tanto que la mquina 2 tuvo un promedio de 10 minutos de
tiempo muerto, con una varianza de 4 minutos. Calcule el intervalo de confianza para la
diferencia de los promedios poblacionales del tiempo muerto de las dos mquinas, con
un nivel de confianza del 90%.
Solucin:
Promedio poblacional del tiempo muerto de la mquina troqueladora nmero 1.
Promedio poblacional del tiempo muerto de la mquina troqueladora nmero 2.
= 15 =5 = 150 = 10 =4 = 150
(1 ) = , 90 2 = 0,05 . = 1,645
5 4 5 4
(15 10) 1,645 + < < (15 10) + 1,645 +
150 150 150 150
4,597 < < 5,403
Interpretacin: Se estima que la diferencia de los promedios poblacionales del tiempo

muerto diario de las dos mquinas est entre 4,55 minutos y 5,45 minutos. Adems se
puede concluir de la muestra, que el promedio poblacional de la mquina 1 es mayor que
el de la mquina 2.

INTERVALO DE CONFIANZA DE PARA MUESTRAS PEQUEAS.
En el caso de que no se conozca las dispersiones de la poblacin, las muestras
sean pequeas (se consideran pequeas cuando son menores de 30) y las poblaciones
estn distribuidas aproximadamente normal, en conveniente el uso de los dos tipos de
intervalos que se describen a continuacin.
DEFINICIN 8.8. INTERVALO DE CONFIANZA PARA MUESTRAS PEQUEAS

PARA ; con = PERO DESCONOCIDAS.
Si y son las medias de muestras aleatorias pequeas independientes, de
tamao n1 y n 2, respectivamente , a partir de poblaciones aproximadamente normales
con varianzas desconocidas pero iguales, un intervalo de confianza de (1-para
est dado por
1 1 1 1
( ) + < <( )+ +
Donde
( 1) + ( 1)
=
+ 2
es la estimacin conjunta de la desviacin estndar de la poblacin, y es el

valor t con = + 2 grados de libertad. Este valor delimita el rea bajo la
curva en el intervalo ,
Ejemplo 8.10. Se mide la porosidad (fraccin de volumen hueco) de un metal que se
produce por sintetizar (calentamiento sin fusin completa) un polvo en ciertas
condiciones, en un determinado laboratorio. Se tom una primera muestra de 5
mediciones independientes de porosidad con la cual se obtuvo un promedio de 0,20 con
un varianza de 0,0011. En una segunda muestra, se repite el mismo proceso con un

polvo idntico y se obtiene para 6 mediciones independientes el promedio fue de 0,16,
con una varianza de 0,0024. Estimar el intervalo de confianza para la diferencia de los
promedios poblacionales de la porosidad del metal, con un nivel de confianza del 95%.
Supngase que las poblaciones estn distribuidas normalmente y que sus dispersiones
son iguales.
Solucin:
Promedio poblacional de la porosidad de un metal, de acuerdo a la muestra 1.
Promedio poblacional de la porosidad de un metal, de acuerdo a la muestra 2.
= 0,20 =5 = 0,011 = 0,20 =5 = 0,0024
(1 ) = , 95 1 2 = 0,975
= + 2=5+62=9
= 2,26216
Utilizando la definicin 8.11, se tiene que:
(5 1)(0,0011) + (6 1)(0,024)
= = 0,043
5+62
1 1
(0,20 0,16) (2,26216)(0,043) + <
5 6
1 1
< (0,20 0,16) (2,26216)(0,043) +
5 6
0,0189 < < 0,0989
Interpretacin: Se estima que la diferencia entre los promedios poblacionales de la

porosidad del metal este entre 0,0189 y 0,0989, con nivel de confianza del 95%. Es de

hacer notar, que el valor negativo del extremo izquierdo significa que el segundo
promedio poblacional supera al del primero, y el valor positivo del extremo derecho,
significa que el primer promedio poblacional supera al del segundo. Adems existe la
posibilidad de que los promedios poblacionales de porosidad del metal sean iguales, ya
que el valor cero pertenece al intervalo correspondiente a la diferencia de las medias
DEFINICIN 8.9. INTERVALO DE CONFIANZA PARA MUESTRAS PEQUEAS DE

; con Y DESCONOCIDAS.
Sean y ; y son las medias las varianzas respectivas de muestras
aleatorias pequeas independientes, de tamao n1 y n 2, respectivamente, a partir de
poblaciones aproximadamente normales con varianzas diferentes y desconocidas, un
intervalo de confianza de (1-para est dado por
( ) + < <( )+ +
es el valor t con
+
=
1+ 1
Grados de libertad. Este valor delimita el rea bajo la curva en el intervalo
Observacin 8.11.
En el caso de que el valor de grado de confianza no sea entero, se recomienda

tomar como valor de ste, el entero superior

Ejemplo 8.11. Una compaa de transporte trata de decidir la compra de cauchos de
marca A o de la marca B para sus vehculos. Para decidir la compra realiza el siguiente
experimento: se toman 10 cauchos de cada marca y s hacer rodar hasta su desgaste
total. Obteniendo los siguientes resultados; la marca A recorri 40000 km en promedio,
con una desviacin estndar de 5500 km; en tanto para la marca B recorri 41000 km,
con una desviacin estndar 6000 km. Con estos resultados estimar un intervalo de
confianza para la diferencia de promedios poblacionales de recorrido de los cauchos, con
un nivel de confianza del 95% Cul es la marca de cauchos que se puede seleccionar?
Supngase las poblaciones distribuidas normalmente, con dispersiones diferentes.
Solucin:
Rendimiento promedio poblacional de los cauchos de la marca A.
Rendimiento promedio poblacional de los cauchos de la marca B.
= 40000 = 10 = 5500 = 41000 = 10 = 6000
(1 ) = , 95 1 2 = 0,975
Utilizando la definicin 8.11 se tiene que:
(5500) (6000)
10 + 10
= 17,86 18
(5500) (6000)
10 10
10 1 + 10 1
Utilizando Startgraphics con Distribuciones Acumuladas Inversas con

= 18 = 2,10093
El intervalo de confianza es:

(5500) (6000)
1000 (2,10093) + <
10 10
(5500) (6000)
< 1000 + (2,10093) +
10 10
6407,78 < < 4407,78
Interpretacin: Se estima que la diferencia entre los promedios poblacionales de

rodamiento de los cauchos est entre 6407,78 y 4407,78, con nivel de confianza del
95%. Es de hacer notar, que el valor negativo del extremo izquierdo significa que el
segundo promedio poblacional supera al del primero, y el valor positivo del extremo
derecho, significa que el primer promedio poblacional supera al del segundo. Ya que la
marca B supera en mayor rodamiento a la marca A, se recomienda seleccionar la marca
B (ver extremo izquierdo del intervalo).
INTERVALO DE CONFIANZA PARA PROPOROCIONES, A PARTIR DE UNA

MUESTRA GRANDE.
En problemas de Ingeniera se manejan proporciones, probabilidades y
porcentajes. En el proceso de muestreo puede interesar la proporcin de unidades
defectuosas en un tren de produccin, y en pruebas de vida til se puede necesitar
conocer el porcentaje de tiempo durante el cual ciertos componentes tendrn un
rendimiento segn sus especificaciones o la probabilidad de que un componente dado
dure por lo menos un nmero determinado de horas. Estos ejemplos evidencias que los
problemas referentes a porcentajes, proporciones y probabilidades son equivalentes. La
estimacin puntual de una proporcin suele ser la proporcin muestral p=x/n, es decir,
la proporcin de las veces que el evento ocurri en realidad. Siempre que los n ensayos
satisfagan los condiciones de un experimento Binomial. Si no se espera que la
proporcin desconocida est demasiado cerca de 0 o 1, puede establecerse un intervalo
de confianza. Aunque la distribucin aplicable a las proporciones es la binomial, suele
utilizarse la distribucin normal estndar para aproximar la Binomial al construir los

intervalos de confianza para proporciones. Esta aproximacin es aceptable cuando n 30
y tanto np 5, como nq 5.
DEFINICIN 8.10. INTERVALO DE CONFIANZA PARA P, A PARTIR DE UNA
MUESTRA GRANDE.
Si p es la proporcin de xitos en una muestra aleatoria de tamao n, y q= 1-p,
un intervalo de confianza aproximado de (1-para el parmetro Binomial P est dado
por
< < +
intervalo ,
Observacin 8.12.
El teorema siguiente se refiere al error muestral, el cual acota la diferencia entre
la proporcin muestral y la poblacional.
TEOREMA 8.4.
Si se utiliza p como una estimacin de P, se puede tener entonces una confianza
de (1-de que el error e no exceder de
| | =
Ejemplo 8.12. En el estudio de una muestra aleatoria de 90 mayoristas que comprar

tubos galvanizados, se obtuvo el resultado siguiente: 40 plantean incrementar sus
compras el prximo ao. Estimar el intervalo de confianza del 95% de la proporcin
poblacional de los mayoristas de este material que planean incrementar sus compras el
ao prximo. Establecer el error muestral.
Solucin:
P: proporcin poblacional de compras de los mayoristas de tubos galvanizados
que planean incrementar sus compras el ao prximo.
40
= 0,44 =1 = 1 0,44 = 0,56
90
(1 ) = , 95 2 = 0,025 . = 1,96
(0,44)(0,56) (0,44)(0,56)
0,44 (1,96) < < 0,44 + (1,96)
90 90
0,34 < < 0,54
Interpretacin: Se estima que la proporcin poblacional de compras de los mayoristas de

tubos galvanizados que planean incrementar sus compras el ao prximo est entre 0,34
y 0,54 o equivalentemente entre 34% y 54%.
Del teorema 8.4 se tiene que el error muestral esta dado por:
(0,44)(0,56)
= (1,96) = 0,10
90
Interpretacin: El nivel de error muestral no exceder de 0,10, o equivalentemente el

10% Es decir que la diferencia, en valor absoluto, entre la proporcin muestral y la
poblacional no exceder de 0,10.
Observacin 8.13.
Con frecuencia se desea saber qu tan grande deber ser la muestra para asegurar
que el error al estimar el parmetro P ser menor que una cantidad especfica e.
DEFINICIN 8.11.
Si se utiliza p como una estimacin de P, se puede tener entonces una confianza
de (1-de que el error ser menor que una cantidad especfica e cuando el tamao de
la muestra n es
a) Si no se conoce el tamao poblacional N
b) Si se conoce el tamao poblacional N (poblacin grande)


=
+
c) Si se conoce el tamao poblacional N (poblacin pequea).

=
+ ( 1)
Observacin 8.14. : Si se desconoce la proporcin muestral se puede tomar p=q=1/2

Observacin 8.15. A medida que se aproxime a 1, se considera la poblacin grande.
Este criterio no es tan preciso. Sera preferible calcular dos valores expresados en los
apartes b y c y mencionar que la muestra puede estar entre un valor y otro.
Ejemplo 8.13. En una Universidad, un grupo de pasantes desea realizar una
investigacin referida a la posible influencia de la industria petrolera en la escogencia de
las carreras de especializacin. Calcular el tamao de la muestra con un nivel de
confianza del 95% y con margen de error permitido del 3%; en las siguientes
condiciones:
a) Se desconoce el tamao poblacional.

b) Se sabe que la poblacin es de 1500 sujetos.
c) Se sabe que la poblacin es de 80 sujetos.
Solucin:
P: Proporcin poblacional de los sujetos influenciados por la industria petrolera

para la escogencia de las carreras de especializacin.
Como se desconoce la proporcin muestral se puede tomar p= q=1/2=0,5.
Usando Stargraphics se selecciona en Tablas y Grficos Distribuciones Acumuladas

Inversas.
(1 ) = , 95 1 2 = 0,975 , = 1,96.
El nivel de error muestral es = 3% 0,03

a) Utilizando la definicin 8.13 a, se tiene que:
(1,96) (0,5)(0,5)
= = 1067,11 1067
(0,03)
Interpretacin: Se requiere de una muestra de 1076 sujetos para estimar la proporcin
poblacional de los sujetos influenciados por la industria petrolera para la escogencia de
las carreras de especializacin; con un nivel de confianza de 95% y un error muestral del
3%. Sin conocer el tamao poblacional.
b) Utilizando la definicin 8.13 b, se tiene que:
(1,96) (0,5)(0,5)
= = 623,53 624
(1,96) (0,5)(0,5) + 1500(0,03)

3%. Si el tamao poblacional es conocido.
c) Utilizando la definicin 8.13 c, se tiene que:
(1,96) (0,5)(0,5)
= = 74,4 75
(1,96) (0,5)(0,5) + (80 1)(0,03)

3%. Si el tamao poblacional es conocido.
INTERVALO DE CONFIANZA PARA P1-P2, A PARTIR DE MUESTRAS

GRANDES.
Si se desea estimar la diferencia entre dos proporciones poblacionales, se puede

utilizar la distribucin normal estndar para lograr este intervalo; as como se explic en
la seccin anterior.

DEFINICIN 8.12.
Si P1 y P2 son las proporciones de xitos en muestras aleatorias de tamaos n1 y

n 2, respectivamente, y q1= 1-p 1 y q2= 1-p2, un intervalo de confianza aproximado de
(1-) para la diferencia de dos parmetros Binomiales P1-P2 est dado por:
( ) + < <( )+ +
intervalo ,
Ejemplo 8.14. Se desea comparar la proporcin de piezas defectuosas que se producen

en dos turnos de trabajo. Se seleccionan 50 piezas producidas en el primer turno y 40 del
segundo turno. Result que 4 piezas del primer turno eran defectuosas, y 6 de la
produccin del segundo turno tambin lo estn. Estimar el intervalo de confianza de la
diferencia entre las proporciones de piezas defectuosas, con nivel de confianza del 95%.
Solucin:
P1: Proporcin poblacional de piezas defectuosas que se producen en el primer turnos de

trabajo.
P2: Proporcin poblacional de piezas defectuosas que se producen en el segundo turnos

de trabajo.
4
= 50 = = 0,08 =1 = 1 0,08 = 0,92
50
6
= 40 = = 0,15 =1 = 1 0,15 = 0,85
50
(1 ) = , 95 1 2 = 0,975 , = 1,96.
Utilizando la definicin 8.14, se tiene que el intervalo de confianza esta dado por:

(0,08)(0,92) (0,15)(0,85)
(0,08 0,15) 1,96 + <
50 40
(0,08)(0,92) (0,15)(0,85)
< (0,08 0,15) + 1,96 +
50 40
0,06 < < 0,2
Interpretacin: Ya que el intervalo contiene el cero, existe la posibilidad de que no haya

diferencia entre las cantidades de piezas defectuosas en los dos turnos.
INTERVALO DE CONFIANZA PARA
Se ha destacado en las secciones anteriores la importancia que tiene una

estimacin de la varianza poblacional con respecto a los procedimientos para hacer
inferencias acerca de medias de una poblacin. En la prctica existen situaciones donde
es el objetivo principal de una investigacin, y por tanto adquiere mayor relevancia
que la media de una poblacin.
En general, es vital mantener una variabilidad mnima en las mediciones de las
caractersticas de calidad de un producto industrial para lograr el control de calidad del
proceso y con ello minimizar el porcentaje de productos de baja calidad.
A continuacin se establece el intervalo de confianza para estimar la y , a
partir de una muestra aleatoria de tamao n, y utilizando la distribucin ji cuadrada; en
el caso de muestras pequeas, y la distribucin normal en el caso de muestras grandes.
DEFINICIN 8.13. INTERVALO DE CONFIANZA PARA TOMANDO

MUESTRAS PEQUEAS.
Si s2 es la varianza de una muestra aleatoria de tamao n de una poblacional
normal, un intervalo de confianza de (1-para est dado por:
( 1) ( 1)
< <


Donde y son valores de la variable aleatoria con distribucin con =
n-1 grados de libertad. Estos valores delimita las reas bajo la curva en los intervalos
, y ,
Ejemplo 8.15. Un Ingeniero encargado del control de calidad en una fbrica est
convencido que la balanza para pesar materia prima vara segn una desviacin estndar
de 1,8 libras. Con el fin de someter a prueba el equipo se tom una muestra de pesos
obteniendo los siguientes resultados:
104,1 110,2 109 103,3 108,1 107,6 105,7 111

104 108 109,6 103,2 105,7 108,7 109,7 103,6
107,5 105 109,7 108,5 104,8 108,7 109,8 105,9
Obtenga el intervalo de confianza del 90% para y , determinar si el supuesto es

vlido.
Solucin:
: Varianza poblacional de las mediciones realizadas por una balanza para pesar
materia prima en una fbrica.
: Desviacin estndar poblacional de las mediciones realizadas por una balanza para
pesar materia prima en una fbrica.
El supuesto es que = 1,8 = (1,8) = 3,24
De la tabla anterior se calcula
= 24; = 2,47 = 6,1
(1 ) = , 90 2 = 0,05 ; 1 2 = 0,95
= 1 = 24 1 = 23

= , = 35,172
= , = 13,091
Utilizando la definicin 8.14 (muestra pequea) se tiene que el intervalo de confianza

para est dado por:
(24 1)(6,1) (24 1)(6,1)

< <
35,172 13,091
3,99 < < 10,72
Utilizando la observacin 8.16 se tiene que el intervalo de est dado por:
1,997 < < 3,27

Interpretacin: Se estima que la desviacin estndar en las mediciones de la balanza est
entre 1,997 y 3,27. Por lo tanto, segn esta muestra, se puede concluir que el ingeniero
debe reconsiderar el valor supuesto, ya que el estimado supera al valor que se tena.
Sera recomendable tomar otras muestras para analizar si se siguen manteniendo estos
resultados.
DEFINICIN 8.14. INTERVALO DE CONFIANZA PARA TOMANDO

MUESTRAS GRANDES.
Si s2 es la varianza de una muestra aleatoria de tamao n de una poblacional
normal, un intervalo de confianza de (1-para est dado por:
< <

1+ 1
2 2
intervalo ,
Observacin 8.16. Para establecer el intervalo para la desviacin estndar se debe
calcular la raz cuadrada de los extremos.

Ejemplo 8.15. La desviacin estndar de la duracin de una muestra de 250 bombillas
fue de 130 horas. Estimar el intervalo de confianza del 95% para la varianza y la
desviacin estndar de duracin de las bombillas que forman la poblacin.
Solucin:
: Varianza poblacional de la duracin de las bombillas.
: Desviacin estndar poblacional de la duracin de las bombillas.
= 250 = 130 = 16900
(1 ) = , 95 2 = 0,025 ; 1 2 = 0,975
, = 1,96
Utilizando la definicin 8.15 (muestra grande) se tiene que el intervalo de confianza para
est dado por:
(130) (130)
< <
1,96 1,96
1+ 1
2(250) 2(250)
14285,82 < < 20303,33
Utilizando la observacin 8.16 se tiene que el intervalo de est dado por:
119,52 < < 142,48
Interpretacin: Se estima que la varianza de la duracin de las bombillas este entre

14285,82 y 20303,33 horas, con nivel de confianza del 95%. La desviacin estndar de
la duracin de las bombillas este entre 119,52 y 142,48 horas, con un nivel de confianza
del 95%.

INTERVALO DE LA RAZN DE DOS VARIANZAS.
Resulta frecuente la necesidad de comparar la precisin de un instrumento de

medicin con la de otro, la estabilidad de un proceso de manufactura con la de otro, etc.
Para ello, se puede utilizar un intervalo de confianza de la razn de varianzas, de tal
manera que si los extremos incluyen al 1, a medida que se acerquen a ste, es seal de
que las dos poblaciones tienen dispersiones similares; en cambio si los extremos son
mayores o menores de 1, evidencian diferencias de las varianzas de las poblaciones.
DEFINICIN 8.16. INTERVALO DE LA RAZON DE DOS VARIANZAS.
Si s21 y s22 son las varianzas de dos muestras independientes de tamaos n1 y n 2,

respectivamente, seleccionadas de poblaciones normalmente distribuidas, se tiene que un
intervalo de confianza con nivel de confianza (1-para la razn 21/ 22 est dado por:
1
< < ( ; )
( ; )
Donde y ( ; ) son valores de f (Distribucin F) con 1=n1-1 y

( ; )
2= n2-1 grados de libertad.
Ejemplo 8.17. La variabilidad en la cantidad de impurezas presentes en un lote de

productos qumicos, utilizados en un proceso, depende del tiempo que tarda el proceso.
Una fbrica que tiene dos lneas de produccin, realiza un pequeo ajuste a la segunda
lnea; tratando de reducir la variabilidad de impurezas en los productos qumicos. Se
tomaron dos muestras, 21 mediciones de la primera lnea y 25 mediciones de la segunda
lnea; obtenindose varianzas s21 = 1,05 y s22 = 0,57, respectivamente. Estimar el
intervalo de confianza de la razn de varianzas, con un nivel de confianza del 90%.
Solucin:
21/ 22 : Razn de las varianzas de la cantidad de impurezas presentes en un lote de

productos qumicos, utilizados en un proceso.

Las varianzas y tamao muestral son:
= 1,05 = 0,57 = 21 = 25
(1 ) = 0,90 2 = 0,05; 1 2 = 0,95
= 1 = 21 1 = 20; = 1 = 25 1 = 24
( ; )= , (20; 24) = 2,02666
( ; )= , (24; 20) = 2,08245
Utilizando la definicin 8.16 se tiene que le intervalo de confianza esta dado por:
1,05 1 1,05
< < (2,08245)
0,57 2,02666 0,57
0,907 < < 3,83
Interpretacin: Ya que el intervalo para la razn de las varianzas contiene el valor 1, es

de esperar que el ajuste hecho no altere la variabilidad en la cantidad de impurezas
presentes en el lote de productos qumicos.

1. Una fbrica de bombillas que tienen una duracin distribuida normalmente, con una
desviacin estndar de 35 horas. Si una muestra de 100 bombillos tiene una vida
promedio de 540 horas, obtenga un intervalo de confianza del 89% para la media de
la poblacin de todos los bombillos producidos por la fbrica.
2. Una mquina expendedora de bebidas en vasos se regula de modo que la cantidad de

lquido que sirve est distribuida normalmente, con una desviacin estndar igual a
0,13 decilitros. Una muestra de 40 vasos contiene un promedio de 3,25 decilitros.
Estime un intervalo de confianza del 90% para la media de todas las bebidas
despachadas.
3. Se selecciona una muestra de 50 Ingenieros de una compaa de exploracin

petrolera. Para cada ingeniero se determinaron las horas trabajadas en una semana
determinada. Obtenindose un promedio de 40 horas con y una desviacin estndar
de 2,5 horas. Estime un intervalo de confianza del 96% para la media de las horas
trabajadas por todos los ingenieros de la compaa.
4. Se desea determinar el tiempo promedio que le toma a un trabajador hacer 4 agujeros

en una abrazadera metlica. Calcular el tamao de la muestra con un nivel de
confianza del 90%, si la media de la muestra est dentro de 20 segundos respecto de
la media verdadera, y la desviacin estndar poblacional es de 40 segundos. En las
a. No se conoce el tamao poblacional.
b. Se sabe que la poblacin es de 100 segundos.
c. Se sabe que la poblacin es de 60 segundos.

5. Se desea estimar el nmero promedio de horas de uso continuo antes de que cierto
tipo de computadora requiera una reparacin inicial. Si suponemos que la desviacin
estndar poblacional es de 50 horas Cul debe ser el tamao de la muestra a fin de
asegurar con un nivel de confianza del 92% que el error es a lo ms 10 das? En las
a. No se conoce el tamao poblacional.
b. Se sabe que la poblacin es de 120 das.
c. Se sabe que la poblacin es de 48 das.
6. Una muestra aleatoria de doce cojinetes fabricados en una compaa, tiene un

dimetro promedio de 0,650 cm, con una desviacin estndar de 0,006 cm.
Supngase que la poblacin tiene distribucin normal. Estime un intervalo de
confianza del 95% para el dimetro promedio de los cojinetes fabricados.
7. Se selecciona una muestra aleatoria de 20 resistores de un tren de produccin, que

supuestamente produce resistores con una resistencia de 11 ohm. Estos 15 resistores
mostraron una resistencia de 10,8 ohm y una desviacin estndar de 0,6 ohm.
Estimar el intervalo de confianza del 90% para la resistencia promedio de los
resistores producidos. Supngase que la poblacin est distribuida normalmente.
8. De una mquina que fabrica piezas cilndricas; se selecciona una muestra aleatoria
de piezas, cuyos dimetros(en centmetros) son:
1,01 0,97 1,03 1,05 0,98 0,98 1,04

1,09 0,78 1,05 1,02 0,98 0,67 0,54
0,89 0,56 1,01 1,12 1,05 1,07 1,03
Estime el intervalo de confianza del 98% para el dimetro promedio de piezas

fabricadas, si la poblacin est distribuida normalmente.

9. Se comparan dos tipos de tornillo para ver su resistencia a la tensin. Se prueban 80
piezas de cada tipo. La marca A tuvo una resistencia promedio a la tensin de 88,4
kg con una desviacin estndar de 6,5 km, mientras la marca B tuvo una resistencia
promedio a la tensin de 79,4 kg con una desviacin estndar de 5,7 kg. Estime un
intervalo de confianza del 90% para la diferencia de las resistencias promedio, a la
tensin de los dos tipos de tornillos.
10. Se comparan tipos distintos de recubrimientos para tubos, en cuanto a su tolerancia a

la corrosin. La cantidad de corrosin en una muestra de tubo se cuantifica midiendo
la profundidad mxima de las picaduras. Para el recubrimiento A, 40 muestras
mostraron una profundidad mxima promedio de 0,25 cm con una desviacin
estndar de 0,03 cm. Para el recubrimiento B, las profundidades mximas de
picaduras en 56 muestras tuvieron un promedio de 0,31 cm y desviacin estndar de
0,02 cm. Estimar la diferencia entre profundidades promedio en un intervalo de
confianza del 95% Cul de los dos recubrimientos es mejor?
11 Una proceso de ensamblaje en una planta manufacturera requiere de un periodo de

entrenamiento de aproximadamente un mes para que un nuevo operario alcance la
mxima eficiencia. Se plantea el uso de un nuevo mtodo; para someter a prueba ste
se toman dos grupos de 12 empleados cada uno, durante tres semanas. Se le aplica al
primer grupo, el nuevo mtodo; y al segundo, el mtodo existente. Se midieron los
tiempos, en minutos, que tarda cada trabajador en montar el dispositivo al final de
tres semanas; los cuales fueron:
Mtodo nuevo
33 35 30 28 33 31
27 28 29 31 32 34
Mtodo existente
30 31 32 27 26 31
28 29 31 30 33 35

Estimar el intervalo de confianza del 90% para la diferencia de los promedios
poblacionales del tiempo que tarda un operario en montar el dispositivo al final del
periodo de tres semanas. En las siguientes condiciones:
a) Las poblaciones estn distribuidas normalmente, con dispersiones iguales.
b) Las poblaciones estn distribuidas normalmente, con dispersiones diferentes.
12 Un circuito elctrico contiene dos resistores, cada una de tipo diferente. Las pruebas
en 12 piezas del tipo 1 mostraron una resistencia promedio de 10,1 ohm, con una
desviacin estndar de 0,3 ohm. En tanto que 12 de los de tipo 2 su promedio de
resistencia fue de 13,3 ohm y desviacin estndar de 0,5 ohm. Estimar el intervalo de
confianza del 95% para la diferencia de los promedios poblacionales de las
resistencias de los resistores. En las condiciones siguientes:
a) Las poblaciones estn distribuidas normalmente, con dispersiones iguales.
b) Las poblaciones estn distribuidas normalmente, con dispersiones diferentes.
13. En una muestra de 290 controles remotos, 7 fallaron durante el periodo de garanta
de 80 das. Estime el intervalo de confianza del 90% para la proporcin de controles
remotos. Suponer que la poblacin est distribuida normalmente.
14 Se recibe un lote de 5000 artculos provenientes de un fabricante que asegura que el

porcentaje de artculos defectuosos en la produccin es de 1,5%. Al seleccionar una
muestra aleatoria de 250 artculos y despus de inspeccionarlos, se descubren 12
defectuosos. Estimar el intervalo de confianza del 95% para la proporcin de
artculos defectuosos en el proceso de manufactura del fabricante Qu se puede
concluir en relacin a la afirmacin del fabricante?
15. Se desea estimar la proporcin de controles remotos que fallan durante la garanta de
80 das Cul debe ser el tamao de la muestra a fin de asegurar con un nivel de
confianza del 92% que el error es a lo ms 0,5%? En las siguientes condiciones:

a) No se conoce el tamao poblacional.
b) Se sabe que la poblacin es de 1200 das.
c) Se sabe que la poblacin es de 50 das.
16 Se desea estimar la proporcin de artculos defectuosos provenientes de un

fabricante Cul debe ser el tamao de la muestra a fin de asegurar con un nivel de
confianza del 90% que el error es a lo ms 1%? En las siguientes condiciones:
d) No se conoce el tamao poblacional.
e) Se sabe que la poblacin es de 8200 das.
f) Se sabe que la poblacin es de 7 0 das.
17 Una muestra de 300 cerrojos producidos por una mquina mostr que 20 eran
defectuosos, mientras que de 150 cerrojos de otra mquina 17 eran defectuosos.
Estimar la diferencia de las proporciones de los cerrojos defectuosos producidos por
las dos mquinas; con un nivel de confianza del 95%.
18 Se est considerando un cambio en un procedimiento de fabricacin de determinadas
partes componentes. Se seleccionan muestras utilizando el procedimiento existente y
el procedimiento nuevo, a fin de tomar una decisin si el nuevo procedimiento da
mejores resultados. Si 95 de 1800 partes manufacturadas con el procedimiento
existente y 90 de 2300 fabricados con el nuevo, resultaron con defectos, estime el
intervalo de confianza para la diferencia de las proporciones de partes defectuosas
producidas por los dos procedimientos.
19 El gerente de una fbrica de bateras afirma que stas durarn en promedio 2 aos,
con una varianza de un ao. Si 6 de estas bateras tienen tiempos de duracin de 1,9,
2,5, 3,1 y 4,5 aos, estime el intervalo de confianza del 95% para la varianza y
decida si es vlida la afirmacin del gerente. Supngase la poblacin distribuida
normalmente.

20 La desviacin estndar de la resistencia a la rotura de 160 cables producidos por una
compaa fue de 150 libras. Estimar el intervalo de confianza del 90% para la
varianza y la desviacin estndar de la resistencia a la rotura de los cables que
forman la poblacin.
21 De acuerdo a los registros, cierto tipo de lmpara elctrica, tiene una varianza en el
tiempo de encendido de 8000 horas. Se observ en una muestra de 30 lmparas de
un nuevo tipo tiene una varianza de 12000 horas. Determine si difieren o no las dos
varianzas, al nivel de confianza del 89%.
21 La variabilidad en la cantidad de impurezas presentes en un lote de productos

qumicos, utilizada en un proceso, depende del tiempo que tarda el proceso. Un
laboratorio que emplea dos lneas de produccin, hizo un ajuste al segundo proceso,
con la finalidad de reducir la variabilidad. Se tom una muestra de 25 mediciones de
la primera lnea, y 24 mediciones de la segunda, obtenindose las varianzas 1,05 y
0,54 respectivamente. Estimar el intervalo de confianza del 99% para la razn de las
varianzas.
21 La estabilidad de las caractersticas de un producto manufacturado es importante

para mantener su calidad. El ingeniero encargado del control de calidad, sospecha
que una de sus lneas de produccin est fabricando bombillas con una alta variacin
en su vida til. Se tom una muestra de 60 bombillas de la lnea que supuestamente
no trabaja bien, y 45 de una lnea control; obtenindose las varianzas 94000 y 38700,
respectivamente. Estimar el intervalo de confianza del 90% para la razn de
varianzas.

CAPTULO 9
PRUEBA DE HIPTESIS
En el captulo anterior se estudi la estimacin de parmetros a travs de
intervalos de confianza; lo cual resulta relevante si se quiere tener informacin entre
qu valores se encuentra estos parmetros. En ocasiones lo que interesa no es esto,
sino, la formulacin de ciertas reglas que nos lleve a la aceptacin o rechazo de
algunas aseveraciones o hiptesis relacionadas con una poblacin. Un Ingeniero, por
ejemplo, puede tener que decidir, basado en muestras, si existe diferencia en la
exactitud de dos mediciones estandarizadas; o bien, si en un proceso, la media ha
permanecido inalterable o si ha cambiado a tal grado que el proceso est fuera de
control y tengan que hacerse ajustes. Los procedimientos que conlleve a la aceptacin o
rechazo de una hiptesis estadstica conforman la parte esencial de la inferencia
estadstica. A continuacin definamos lo que se entiende por hiptesis estadstica.
DEFINICIN 9.1. Hiptesis Estadstica.
Es una conjetura o aseveracin relacionada con una o ms poblaciones. En la

mayora de procesos no es posible trabajar con toda la poblacin y por tanto se realizan
los estudios utilizando muestras. Los datos obtenidos se utilizan para establecer la
falsedad o veracidad de la hiptesis. Los datos de la poblacin que sean inconsistencia
con la hiptesis establecida determinan su rechazo, en tanto que los que la apoyan su
aceptacin.
Las hiptesis estadsticas que estudiaremos son: la hiptesis nula, la cual es la

que se plantea, con la esperanza de ser rechazada y se denota por Ho; y la hiptesis
alterna la cual es la que se acepta una vez rechazada la nula, y se denota por H1. La
hiptesis nula referente a un parmetro de una poblacin se enuncia de manera que
especifique un valor exacto del parmetro, en tanto que la alterna permite la posibilidad
de muchos valores. Por ejemplo, si en un experimento binomial, la hiptesis nula es p=
0,6 la alterna es p<0,6; p>0,6; o bien p 0,6. Se debe tener presente que el hecho de

aceptar una hiptesis estadstica nula es el resultado de no tener los argumentos
suficientes para rechazarla y no quiere decir que sea necesariamente verdadera.
Al estudiar estas hiptesis se pueden cometer los siguientes errores: rechazar la

hiptesis nula cuando en realidad es verdadera, con lo cual se comete un error tipo I,
denotado por ; o aceptar la hiptesis nula cuando en realidad es falsa, cometiendo un
error tipo II, denotado por . Los valores de y se expresan en trminos de
probabilidades y determinan niveles de significacin; se pueden representar como reas
bajo una curva simtrica o asimtrica, segn sea el caso. El investigador podr y deber
escoger el nivel de significacin , pero no el de ; teniendo en cuenta lo siguiente:
A medida que aumenta el valor , disminuye el valor de ; y viceversa.

Los valores ms usados para son 0,05 o 0,01, equivalentemente al 5% y al
1%. El nivel de significacin =5% significa que hay un riesgo no mayor del
5% de cometer un error tipo I, o equivalentemente a una certeza del 95% de
acierto en nuestra hiptesis.
Una manera de disminuir los dos tipos de errores, es aumentando el tamao
de la muestra.
Para decidir el rechazo o aceptacin de la hiptesis nula, en relacin a un
nivel de significacin , se utilizan valores de distribuciones Z, t, F.
Una vez establecido el nivel de significacin , la regin bajo la curva queda
dividida en dos parte, cada una con su correspondiente valor de rea. Al utilizar
un tipo de distribucin de probabilidad, por ejemplo la distribucin Z.
o La regin de rechazo de la hiptesis nula puede ser de una cola o
unilateral, si la regin queda del lado derecho de un valor referencial (ver
grfico 9.1 a) o del lado izquierdo de ese valor (ver grfico 9.1 b). Se
suele decir que est del lado derecho o izquierdo de la curva.
o La regin de rechazo de la hiptesis nula puede ser de dos colas o
bilateral, si la regin est del lado derecho o izquierdo de un valor

referencial (ver grfico 9.1 c). Se suele decir que est de ambos lados de
la curva.
Grfico 9.1 a. Regin de rechazo (una cola) de la en color azul
Grfico 9.1 b. Regin de rechazo (una cola) de la en color azul
Grfico 9.1 c. Regin de rechazo (dos colas) de la en color rojo
PRUEBA DE HIPTESIS RELACIONADAS CON MEDIAS.
Pruebas para una media problacional

En los problemas relacionados con una poblacin lo que se quiere probar es si la
media poblacin , con conocida, es igual a un valor especfico , en contra de la
alternativa que sean diferentes, tomando muestras de tamao n.
Si la prueba es de una cola o unilateral, las hiptesis se expresan como sigue:

Si la regin de rechazo est del lado izquierdo de la curva.
: =
: <
Si la regin de rechazo est del lado derecho de la curva.
: =
: >
Si la prueba es de dos colas, las hiptesis se expresan como sigue:
Si la regin de rechazo esta a ambos lados de la curva.
: =
:
El estadstico de prueba que se debe calcular, para este caso, con valor de la
media muestral ; y tamao de la muestra n, viene dado por alguna de las siguientes
frmulas, segn sea el caso.
Frmula 9.1. Con conocida con . Utilizando la distribucin Z.
Frmula 9.2. Con = n-1 grados de libertad desconocida con < 30. Utilizando la
distribucin t de Student.
Ejemplo 9.1. En una planta elctrica se supone que la presin en cierta lnea se mantiene
a un promedio de 102 lb/pulg2 en un perodo de cuatro horas con una desviacin
estndar de 3 lb/pulg2. Si la presin media es mayor que 102 lb/pulg2 durante un perodo
de 5 horas, podran surgir problemas graves. Durante un perodo de 5 horas, se toman 40
mediciones al azar, obteniendo una presin media de 105 lb/pulg 2. Con base a estas

mediciones Es probable que se presenten problemas graves en el funcionamiento de la
planta elctrica, a un nivel de significacin del 5%?
Solucin:
Se debe someter a prueba la hiptesis nula de que la media se mantenga en 102 lb/pulg 2,
en contraposicin a la alterna de que sea mayor a 102 lb/pulg2. La prueba a aplicar es de
una cola o unilateral.
: = 102
: > 102
= 5% = 0,05
Regin crtica. Para calcular esta regin se aplica el estadstico de prueba Z, ya que el
tamao de la muestra es de 40 mediciones y desviacin estndar conocida ( = 40
30). Utilizando Startgraphics con Distribuciones Acumuladas Inversas para =0,05.
Dado que se trata del rea en la cola izquierda de la curva se debe calcular con el valor
de 1-=0,95 el valor de Z sera z1- =z0,95 =1,645. Esto delimita el rea en

dos partes, a la izquierda de 1,645; la cual es el rea de aceptacin de la hiptesis nula y
el rea a la derecha que representa el rea de rechazo de la hiptesis nula. Ver grfico
9.2.
Aplicando la frmula 9.1; sabiendo que:
= 105 = 40 =3
105 102
= = 6,32
3
40
. El valor de Z calculado z = 6,32 es mayor al valor z =1,645; por tanto cae en la

regin de rechazo; con lo cual se rechaza la hiptesis nula y se acepta la alterna, la cual
argumenta que la presin en lnea en cuestin ser mayor a 102 lb/pulg2; con nivel de
significacin del 5%. Por tanto, es probable que surjan problemas graves.
Grfico 9.2. Regin Crtica del problema 9.1.
Ejemplo 9.2. Un fabricante de neumticos desea saber, si el promedio de vida til de
ciertos tipos de neumticos es inferior a 30.000 millas. Para verificar esto, se instalan 50
neumticos en sus vehculos y se obtuvo una vida til promedio de 29.461 millas con
una desviacin estndar de 1.342 millas. En base a esta informacin Se puede concluir
que la vida de los neumticos ha disminuido? Tomar un nivel de significacin del 1%.
Solucin:
Se debe someter a prueba la hiptesis nula de que la media se mantenga en 30.000

millas, en contraposicin a la alterna de que sea inferior a 30.000 millas. La prueba a
aplicar es de una cola o unilateral.
: = 30000
: < 30000
= 1% = 0,01
Regin crtica. Para calcular esta regin se aplica el estadstico de prueba Z, ya que el
tamao de la muestra es de 50 neumticos ( = 50 30), su desviacin estndar se
puede aproximar a travs de la muestra; es decir s 1342 millas . Utilizando
Startgraphics con Distribuciones Acumuladas Inversas. Dado que se trata del rea en
la cola izquierda de la curva se debe calcular con el valor de =0,01 .

= , = 2,33. Esto delimita el rea en dos partes, a la derecha de 2,33; la cual
es el rea de aceptacin de la hiptesis nula y el rea a la izquierda que representa el rea
de rechazo de la hiptesis nula. Ver grfico 9.3.
= 29461 = 50 = 1342
29461 30000
= = 2,84
1342
50
.. El valor de Z calculado z = -2,84 es menor al valor z = - 2,33; por tanto cae en la

es que la vida til de los neumticos a disminuido; con nivel de significacin del 1%.
Grfico 9.3 Regin Crtica del problema 9.2.

Ejemplo 9.3. Un fabricante de automviles de cierta marca, manifiesta que stos
consumen 13 litros de gasolina, en promedio, por cada 90 kilmetros. Para comprobar
esta aseveracin se realiza una prueba con 39 de estos automviles y se encontr que el
promedio de consumo de esta muestra es de 13,75 litros por cada 90 kilmetros, con una
desviacin estndar de 2 litros. De acuerdo con este resultado Habra razn para
asegurar que el consumo de gasolina es diferente al que menciona el fabricante, a un
nivel de significacin del 5%?
Solucin:
Se debe someter a prueba la hiptesis nula de que la media de mantenga en 13 litros de

gasolina por cada 90 kilmetros, en contraposicin a la alterna de que sea diferente de
13 litros por cada 90 kilmetros. La prueba a aplicar es de dos colas o bilateral.
: = 13
: 3

= 5% = 0,05
Regin crtica. Para calcular esta regin se aplica el estadstico se prueba Z, ya que el
tamao de la muestra es de 39 automviles ( = 39 30), su desviacin estndar se
puede aproximar a travs de la muestra; es decir = 2. Utilizando Startgraphics
con Distribuciones Acumuladas Inversas Dado que se trata del rea dos colas en la
curva se debe calcular para valores /2=0,025 y 1- /2=0,975
= , = 1,96 = , = 1,96. Esto delimita el rea en tres partes, un

rea entre 1,96 y 1,96; la cual es el rea de aceptacin de la hiptesis nula y el rea a la
izquierda de 1,96 y a la derecha de 1,96 que representa el rea de rechazo de la
hiptesis nula. Ver grfico 9.4.
= 13,75 =3 =2
13,75 13
= = 2,34
2
39
. El valor de Z calculado z = 2,34 es mayor al valor z =1,96; por tanto cae en la

es, que el consumo de gasolina es diferente de 13 litros de gasolina por cada 90
kilmetros; con nivel de significacin del 5%.

Ejemplo 9.4. Un tipo de fusible est diseado para fundirse cuando la corriente llega a
20 amperios. Se toma una muestra de 25 fusibles de un lote de 1000 y se encuentra que
el punto promedio de fusin de esta muestra es 20,8 amperios, con una desviacin
estndar de 1,5 amperios A qu conclusin se puede llegar, con respecto a las
especificaciones del lote, a un nivel de significacin del 1%? (utilice una prueba de dos
colas o bilateral).
Solucin:
Se debe someter a prueba la hiptesis nula de que la media de fusin de los fusibles se
mantiene en 20 amperios, en contraposicin a la alterna de que sea diferente de 20
amperios. La prueba a aplicar es de dos colas o bilateral.
: = 20
: 20
= 1% = 0,01
Regin crtica. Para calcular esta regin se aplica el estadstico de prueba t, ya que el
tamao de la muestra es de 25 fusibles ( = 25 < 30), su desviacin estndar es s =
1,5 amperios y =n-1=25-1=24 grados de libertad. Utilizando Startgraphics con
Distribuciones Acumuladas Inversas
Dado que se trata del rea dos colas en la curva se debe calcular para valores /2=0,005
y 1- /2=0,995 = = 2,797 = , = 2,797
Esto delimita el rea en tres partes, un rea entre 2,797 y 2,797; la cual es el rea de
aceptacin de la hiptesis nula y el rea a la izquierda de 2,797 y a la derecha de 2,797
que representa el rea de rechazo de la hiptesis nula. Ver grfico 9.5.
= 20,8 = 25 = 1,5

20,8 20
= = 2,67
1,5
25
El valor de t calculado es 2,67 el cual es menor al valor t =2,797; por tanto cae
en la regin de aceptacin; con lo cual se acepta la hiptesis nula. Recuerde que no
significa que sea cierta, sino que no hay evidencias suficientes para rechazarla a un
nivel de significacin del 1%.

Se recomienda aumentar el tamao de la muestra o considerar un nivel de
significacin mayor. Por ejemplo si el nivel de significacin =5% o equivalente a
=0,05. Utilizando Startgraphics se tiene que
El valor de t calculado es 2,67 el cual es mayor al valor t =1,71089; por tanto cae en la
regin de rechazo; con lo cual se acepta la hiptesis alterna.
Pruebas para dos medias poblacionales
En los problemas en donde tenemos muestras independientes, tomadas de dos

poblaciones con medias y 2 y sus respectivas varianzas, la hiptesis estadsticas
relacionadas con diferencias de medias poblacionales vienen expresadas como sigue:

Si la regin de rechazo est del lado izquierdo de la curva
: =
:
: <
Si la regin de rechazo est del lado derecho de la curva
: =
: >
: =
:
Pruebas para diferencias de medias poblacionales en relacin a medias muestrales
El estadstico de prueba relacionado con diferencias de medias poblacionales,

con valores de medias muestrales y tamaos de muestras y y sus
respectivas varianzas; viene dado por alguna de las siguientes frmulas, segn sea el
caso.
Frmula 9.3. Con y conocidas. Utilizando la distribucin Z.
( )
=
Frmula 9.4. Con = + 2 grados de libertad, = desconocidas.

Utilizando la distribucin t de Student.
( ) ( ) ( )
= =

Frmula 9.5. Con grados de libertad , . Utilizando la
distribucin t de Student
( )
= =
Ejemplo 9.5. Un fabricante afirma que la resistencia de un alambre elctrico puede

reducirse en ms de 0,060 ohm mediante aleaciones. Para probar esta afirmacin se
toman 35 valores obtenidos de alambre ordinario cuyo promedio fue de 0,14 ohm y
desviacin estndar de 0,002 ohm; y 36 valores obtenidos con el alambre fabricado a
base de aleaciones, cuyo promedio fue de 0,079 ohm y desviacin estndar 0,003 ohm
A qu conclusin se puede llegar, con relacin a la afirmacin del fabricante, a un nivel
de significacin de 5%?
Solucin:
Se debe someter a prueba la hiptesis nula de que la diferencia de las medias

poblacionales de los dos tipos de alambre se mantenga en 0,060 ohm, en contraposicin
a la alterna de que la diferencia sea mayor a 0,060 ohm. La prueba a aplicar es de una
cola o unilateral.
Sea 1: El promedio de resistencia del alambre elctrico ordinario.
2: El promedio de resistencia del alambre elctrico sometido a aleacin.
: = 0,060
: > 0,060
= 5% = 0,05

Regin crtica. Para calcular esta regin se aplica el estadstico de prueba Z
( = 35 30; = 36 30). Igual al problema 9.2 el valor de Z sera z1- =z0,95
=1,645. Esto delimita el rea en dos partes, a la izquierda de 1,645; la cual es el rea de
aceptacin de la hiptesis nula y el rea a la derecha que representa el rea de rechazo de
la hiptesis nula.
= 0,14 = 0,079 = 35 = 36 = 0,002 = 0,003
(0,14 0,079) 0,060

= = 1,657
(0,002) (0,003)
35 + 36
El valor de Z calculado z = 1,657 es mayor al valor z =1,645; por tanto cae en la

regin de rechazo; con lo cual se rechaza la hiptesis nula y se acepta la alterna. La cual
es, que la resistencia del alambre elctrico se puede disminuir en ms de 0,060 ohm; a
un nivel de significacin del 5%.
Ejemplo 9.6. Un vendedor de mquinas troqueladoras de lmina, afirma que su mquina

puede trabajar con cierto producto con ms rapidez que la mquina que est instalada en
una fbrica. Se realizaron 10 ensayos independientes troquelando el mismo artculo en
cada mquina y se obtuvo que con la mquina instalada el promedio de troquelado fue
de 34,21 segundos con una desviacin estndar de 4,81 segundos; en tanto que con la
nueva mquina fue de 32,56 segundos con una desviacin estndar de 4,47 segundos.
Utilizando un nivel de significacin del 5% Se puede respaldar la afirmacin del
vendedor? Suponer que las desviaciones estndar poblacionales, son iguales.
Solucin:
Se debe someter a prueba la hiptesis nula de que la diferencia de las medias

poblacionales de las dos mquinas troqueladoras sean iguales o equivalentemente que la

diferencia es igual a cero, en contraposicin a la alterna de que la diferencia sea mayor a
cero. La prueba a aplicar es de una cola o unilateral.
Sea 1: El promedio de troquelado de la maquina instalada.
2: El promedio de troquelado de la mquina nueva.
: =0
: >0
= 5% = 0,05
Regin crtica. Para calcular esta regin se aplica el estadstico de prueba t ( = =
10 < 30), con desviaciones estndar poblacionales iguales y grados de libertad ( +
2 = 18) . Utilizando Startgraphics con Distribuciones Acumuladas Inversas
Dado que se trata del rea en la cola derecha de la curva se debe calcular con el valor de
1-=0,95 = , = 1,734
Esto delimita el rea en dos partes, un rea a la izquierda de 1,734 la cual es el

rea de aceptacin de la hiptesis nula y una a la derecha de 1,734 que representa el rea
de rechazo de la hiptesis nula
= 38,21 = 32,56 = = 10 = 4,81 = 4,47
9(4,81) + 9(4,47)
= = 4,643
18
(38,21 32,56) 0
= = 2,721
1 1
(4,643) +
10 10
El valor de t calculado t = 2,721 es mayor al valor t =1,734; por tanto cae en la regin de
rechazo; con lo cual se rechaza la hiptesis nula a un nivel de significacin del 5%.
Pruebas para medias poblacionales con anlisis de mediciones en pareja

Existen problemas en donde se hacen observaciones repetidas en la misma
unidad de muestreo y por lo tanto se debe idear un mecanismo de anlisis de mediciones
que se presentan por parejas.
: =
<
: >

Donde D: significa promedio de la diferencia por parejas.
Frmula 9.6. Utilizando la distribucin t de Student
Donde d es el promedio de las diferencias de las mediciones muestrales y sd es la

desviacin estndar de estas diferencias. Con = 1 grados de libertad
Ejemplo 9.7. A fin de determinar si el uso de empaques de caucho entre las probetas de
concreto y la platina de la mquina de prueba afecta la resistencia observada, se hacen
dos probetas a partir de seis lotes de concreto. De cada par de probetas, una fue
sometida a prueba con el empaque y otra, sin l Existe una diferencia significativa entre
las resistencias obtenidas por ambos mtodos de prueba? Utilice nivel de significacin
del 1%
RESISTENCIA A LA TENSIN MN/m2.
Lote N Con empaque Sin empaque

1 3,76 3,48
2 3,72 3,00
3 3,65 3,28
4 3,62 3,10
5 3,96 3,38
6 3,48 3,18

Solucin:
Se debe someter a prueba la hiptesis nula de que no hay diferencia en la resistencia a la

tensin, al usar o no empaques de caucho, entre las probetas de concreto y la platina de
una mquina; utilizando mediciones muestrales en parejas; en contraposicin a la alterna
de que si hay diferente. La prueba a aplicar es de dos colas o bilateral.
: =0
: 0
= 1% = 0,01
Regin crtica. Para calcular esta regin se aplica el estadstico de prueba t con
grados de libertad =n-1=6-1=5
Utilizando Startgraphics con Distribuciones Acumuladas Inversas Dado que se trata

del rea dos colas en la curva se debe calcular para valores /2=0,005 y 1- /2=0,995
= , = 4,032 = , = 4,032
Esto delimita el rea en tres partes, un rea entre 4,032 y 4,032; la cual es el rea de
aceptacin de la hiptesis nula y el rea a la izquierda de 4,032 y a la derecha de 4,032
que representa el rea de rechazo de la hiptesis nula
Utilizando la tabla, calculemos la diferencia por parejas, la media y la desviacin

estndar de estas diferencias.
Lote N Con empaque Sin empaque di

1 3,76 3,48 0,28
2 3,72 3,00 0,72
3 3,65 3,28 0,37
4 3,62 3,10 0,52
5 3,96 3,38 0,58
6 3,48 3,18 0,30

d 0,46 sd 0,174
= 0,46 =6 = 0,174
0,46 0
= = 6,48
0,174
6
El valor de t calculado es 6,48 el cual es mayor al valor t = 4,032; por tanto cae
en la regin de rechazo; con lo cual se rechaza la hiptesis nula; aceptando la alterna, es
decir que la utilizacin de empaques si afecta significativamente la resistencia a la
tensin.
Utilizando Startgraphics cargados los datos en la hoja de clculo. Con la secuencia
Pulsando botn derecho del ratn

Cambiando las opciones y descartando la parte de ji o chi cuadrada
se tiene
Lo que ratifica el resultado anterior.
PRUEBA DE HIPOTESIS RELACIONADAS CON PROPORCIONES.
En algunos problemas puede interesar el estudio de las proporciones relacionadas

con alguna poblacin. Por ejemplo, se puede requerir determinar si 0,03 es la
proporcin verdadera de piezas defectuosas que salen de una planta de ensamblaje.
En los problemas relacionados con una poblacin lo que se quiere probar es si la

proporcin poblacional P, es igual a un valor especfico p , en contra de la alternativa
que sean diferentes. Tomando muestras de tamao n.
Pruebas para una proporcin con muestras menores a 30 sujetos.
Si la prueba se basa en muestras pequeas, o menor de 30 elementos, se procede as:
El estadstico de prueba a utilizar es la variable binomial X con P=p0 .

Se identifica el valor x, el nmero de xitos y se calcula el valor de probabilidad
apropiado, utilizando la distribucin binomial.
Se rechaza la hiptesis nula si el valor calculado es menor o igual al nivel de
significacin . De lo contrario se acepta.

En el caso de que
: =
: <
La probabilidad a calcular con la Distribucin Binomial viene dada por:
Frmula 9.7 ( )= ( ; ; )
En el caso de que
: =
: >
La probabilidad a calcular con la Distribucin Binomial, viene dada por:
Frmula 9.8
( )=1 ( ; ; )
: =
:
En este caso la probabilidad a calcular con la distribucin binomial viene dada por:
Frmula 9.9
2 ( )=2 ( ; ; ) <
Frmula 9.10
2 ( )= 2 1 ( ; ; ) >
Ejemplo 9.8. Una empresa fabricante de equipos mecnicos patrocina un curso de

adiestramiento para su personal de venta y servicio. El historial del curso demuestra que

un 64% de los participantes aprueban el curso. Se efectan ciertos cambios en el
programa de adiestramiento, con objeto de mejorarlo y al ao siguiente de 29 alumnos
del curso, 23 aprueban A nivel de significacin de = 10% = 0,1 podra
considerarse este hecho como una demostracin de la efectividad de las reformas
introducidas en el programa?
Solucin:
Se debe someter a prueba la hiptesis nula de que la proporcin poblacional es de 0,64;

en contraposicin a la alterna de que sea diferente. La prueba que se aplicar es de una
cola o unilateral.
: = = 0,64
= 0,1
: > = 0,64
Calculemos el valor de probabilidad, utilizando la distribucin binomial; sabiendo que:
= 23 = 29 = 0,64
Utilizando la frmula 9.10 se tiene que: ( )=1 ( ; ; ) (esta frmula se

utiliza en el caso de aplicar la tabla 1 anexa. Si se utilizando Startgraphics para
distribucin binomial dara directamente el valor requerido).
( 23) = 0,0360302 + 0,0236134 = 0,0596436
Ya que el valor calculado es 0,0596436 <0,10, se rechaza la hiptesis nula, es decir a

nivel de significacin del 10% se puede decir que el curso de adiestramiento a mejorado.
Pruebas para proporciones con muestras mayores o iguales a 30 sujetos.

Si la prueba se basa en muestras donde n 30, y tanto np 0 5 y n(1-p 0) 5. Se puede
aproximar el valor Binomial con la distribucin normal. Donde el valor de Z se calcula
por la siguiente frmula:
Frmula 9.11. Utilizando la distribucin Z.

=
(1 )
Ejemplo 9.9. Un jefe de control de calidad, se plantea la hiptesis de que no ms del

7% de las refacciones que se fabrican en un proceso de manufactura tienen defectos.
Para una muestra aleatoria de 90 refacciones, se encuentra que 11 estn defectuosas.
Someta a prueba esta hiptesis a un nivel de significacin del 5%.
Solucin:
Se debe someter a prueba la hiptesis nula de que la proporcin poblacional es de 0,07;

en contraposicin a la alterna de que sea mayor a 0,07. La prueba a aplicar es de una
cola o unilateral.
: = = 0,07
= 5% = 0,05
: > = 0,07
Regin crtica. Para calcular esta regin, se aplica el estadstico de prueba Z, ya que
= 90 30 = 90(0,07) = 6,3 5 (1 ) = 90(1 0,07) = 83,7 5).
Usando la tabla 3 anexa o usando Startgraphics con distribucin acumulas inversas, el

valor de Z sera z1- =z0,95 =1,645, Esto delimita el rea en dos partes, a la izquierda de
1,645; la cual es el rea de aceptacin de la hiptesis nula y a la derecha que es la de
rechazo de hiptesis nula
= 11 = 90 = 0,07

11 90(0,07)
= = 1,94
90(0,07)(1 0,07)
El valor de Z calculado z = 1,94 es mayor al valor z =1,645; por tanto cae en la

es que la proporcin de las refacciones que se fabrican en un proceso de manufactura es
mayor al 7%; con nivel de significacin del 5%.
Pruebas para dos proporciones

En los problemas en donde se desea probar la hiptesis nula de que dos
proporciones poblacionales P1 y P2 son iguales o difieren en algn valor especfico, en
contraposicin a que sean diferentes o que su diferencia es distinta a un valor especfico,
utilizando muestras grandes, se plantean as:
Si la regin de rechazo est del lado izquierdo de la curva
: =
: <
: =
: >
: =
:
El estadstico de prueba relacionado con proporciones poblacionales, con valores

de proporcin muestral = = ; viene dado por la frmula.

Frmula 9.12. Utilizando la distribucin Z.

=
+
Ejemplo 9.10. Un fabricante est evaluando dos tipos de equipo para fabricar un
artculo. Se obtiene una muestra aleatoria de n 1=60 para la primera marca de equipo y se
encuentra que 8 de ellos tienen defectos. Se obtiene una muestra aleatoria de n2=90 para
la segunda marca y se encuentra que 9 de ellos tienen defectos. Pruebe si existe
diferencia significativa entre los dos tipos de equipo para fabricar un artculo. Utilice un
Solucin:
Se debe someter a prueba la hiptesis nula de que la diferencia de las proporciones

poblacionales de artculos defectuosos producidos por los dos equipos, son iguales; en
contraposicin a la alterna de que son diferentes. La prueba a aplicar es de dos colas o
bilateral.
Sea P1: La proporcin de artculos defectuosos, utilizando la primera marca.
P2: La proporcin de artculos defectuosos, utilizando la segunda marca.
: =0
: 0
Aplicando el estadstico de prueba Z
Regin crtica: Usando Startgraphics con distribucin acumulas inversas, el valor de Z

sera / = , = 1,95997, / = , = 1,95997. Esto delimita el rea en
tres partes, a la izquierda de -195997, otra a la derecha de 1,95997 (rea de rechazo de la

hiptesis nula) y otra entre estos valores; la cual es el rea de aceptacin de la hiptesis
nula
El estadstico de prueba relacionado con proporciones poblacionales, con valores

de proporcin muestral
8 9
= = = 0,13 = = = 0,1
60 90
viene dado por:
0,13 0,1 0
= = 0,56
(0,13)(0,87) (0,1)(0,9)
60 + 90
El valor de Z calculado z = 0,56 es menor al valor z =1,95997; por tanto cae en la

regin de aceptacin; con lo cual se acepta la hiptesis nula o equivalentemente que no
hay razones suficientes para rechazarla; a un nivel de significacin del 5%. Se sugiere
aumentar el tamao de la muestra o considerar un nivel de significacin mayor.
PRUEBA DE HIPTESIS RELACIONADAS CON VARIANZAS.
Se pueden destacar varias razones por las cuales es relevante probar hiptesis
relacionadas a las varianzas de poblaciones. En relacin a aplicaciones directas, por
ejemplo, un fabricante que requiere cumplir especificaciones, tendr que realizar pruebas
de variabilidad de un producto; las pruebas de varianzas a menudo son requisitos de
pruebas concernientes a otros parmetros. Es decir, interesa la prueba de hiptesis
relacionadas con la uniformidad de una poblacin o, quizs, la comparacin de la
uniformidad de una poblacin con la de otra segunda poblacin.
Pruebas para una varianza poblacional
Consideremos el problema de probar la hiptesis nula de que la varianza de

poblacin 2 es igual a un valor especfico o2 en contra de una sean diferentes. Las
hiptesis estadsticas vienen dadas por:

Si la regin de rechazo est del lado Izquierdo de la curva
: =
: <
: =
: >
: =
:
Frmula 9.13. Utilizando la Distribucin ji Cuadrada.
( 1)
=
Donde s2 es la varianza muestral y n es tamao muestral.
La regin crtica: Una vez establecido el valor de significacin y los grados de

libertad n-1; se determina la regin crtica en los siguientes trminos:
En el caso que se utiliza de tabla 4 para distribucin ji o chi Cuadrada, se calcula de la

siguiente manera:
Para la alternativa Unilateral < , la regin de rechazo de la hiptesis nula es

todo valor < . De lo contrario se acepta la hiptesis nula.

Para la alternativa Unilateral > , la regin de rechazo de la hiptesis nula es
todo valor > . De lo contrario se acepta la hiptesis nula.
Para la alternativa bilateral , la regin de rechazo de la hiptesis nula es
todo valor < > . De lo contrario se acepta la hiptesis nula.
En el caso se usar Startgraphics con Distribuciones Acumuladas Inversas, se calcula

de la siguiente manera

todo valor > . De lo contrario se acepta la hiptesis nula.
Para la alternativa Unilateral < , la regin de rechazo de la hiptesis nula es
todo valor < . De lo contrario se acepta la hiptesis nula.
Para la alternativa bilateral , la regin de rechazo de la hiptesis nula es
todo valor > < . De lo contrario se acepta la hiptesis nula.
Ejemplo 9.11. Basado en las especificaciones dadas por un ingeniero, se plantea la

hiptesis de que la desviacin estndar de los dimetros de ciertas piezas es diferente de
4 mm. Para una muestra de 15 piezas, se encontr una desviacin estndar muestral de
5,2 mm Se puede afirmar que existe variacin significativa en la dispersin de los
dimetros de las piezas? Use un nivel de significacin del 5%.
Solucin:
Se debe someter a prueba la hiptesis nula de que = = 16; en contraposicin a la

alterna de que sea diferente. La prueba a aplicar es de una cola o unilateral.
: = = 16 : = =4

: 16 : 4
=% = 0,05
Regin crtica. Para calcular esta regin se aplica el estadstico de prueba ,

Utilizando Startgraphics con Distribuciones Acumuladas Inversas con n-1=15-
1=14 grados de libertad se tiene que:

el valor a la izquierda de = , = 5,629 y a la derecha de
= , = 26,1189 representa el rea de rechazo de la hiptesis nula y los
valores intermedios los de aceptacin. Ver Grfico 9.6
= 15 = 33,64
(15 1)33,64
= = 29,44
16
El valor calculado de 2 = 29,44 es mayor al valor = , =26,119; por tanto
cae en la regin de rechazo; con lo cual se rechaza la hiptesis nula y se acepta la

alterna, la cual es que la dispersin poblacional es significativamente diferente a 4 mm;
con nivel de significacin del 5%.
Grfico 9.6 Regin crtica del problema 9.11.
Pruebas para dos varianzas poblacionales
Ahora consideremos el problema de probar la hiptesis nula de que las varianzas

de dos poblaciones sean iguales, en contra de que sean diferentes. Las hiptesis
estadsticas vienen dadas por:
Si la regin de rechazo est del lado Izquierdo de la curva.

: =
: <
Si la regin de rechazo est del lado derecho de la curva
: =
.
: >
Si la regin de rechazo esta a ambos lados de la curva
: =
:
Frmula 9.14. Utilizando la distribucin F
Donde s12 y s 22 son las varianzas muestrales.
La regin crtica: Una vez establecido el valor de significacin y los grados de

libertad = 1y = 1;
Las regiones crticas seran:

todo valor > ( , ). De lo contrario se acepta la hiptesis nula.
Para la alternativa Unilateral, < la regin de rechazo de la hiptesis nula es
todo valor < ( , ). De lo contrario se acepta la hiptesis nula.
Para la alternativa bilateral, la regin de rechazo de la hiptesis nula es todo
valor > ( , ) o < ( , ). De lo contrario se acepta la hiptesis
nula.

Ejemplo 9.12. Supngase que queremos comparar la variacin de los dimetros de una
pieza para un tipo de motor que fabrican dos compaas. Se tomaron muestras de piezas
de cada compaa y los resultados fueron: para la primera compaa se midieron 19
piezas y se obtuvo una varianza de 0,0002; en tanto que para la segunda compaa 11
piezas tuvieron una varianza de 0,0004 Presentan los datos suficiente informacin para
indicar que la variacin de los dimetros de la pieza fabricada por la primera compaa
es menor a la fabricada por la segunda compaa? Usar el nivel de significacin del 5%.
Solucin:
Se debe someter a prueba la hiptesis nula de que las varianzas poblacionales son
iguales; en contraposicin a la alterna de que la varianza de los dimetros de las piezas
fabricados por la primera compaa, sea menor que la varianza de los dimetros de las
piezas fabricadas por la segunda compaa. La prueba a aplicar es de una cola o
unilateral.
: =
: <
= 5% = 0,05
Regin crtica. Para calcular esta regin se aplica el estadstico de prueba F,

= 1 = 19 1 = 18 = 1 = 11 1 = 10
( ; )= , (18; 10) = 0,41
El valor a la izquierda de 0,41, representa el rea de rechazo de la hiptesis nula y los

valores a la derecha la aceptacin.

= 0,0002 = 0,004
0,0002
= = 0,5
0,0004
El valor calculado de F=0,5 es mayor al valor 0,41; por tanto cae en la regin de
aceptacin; con lo cual se acepta la hiptesis nula; a un nivel de significacin del 5%.
Equivalente a que no suficientes razones para rechazarla, se sugiere aumentar el tamao
de la muestra.
Se puede modificar el nivel de significacin a un mayor nivel de error. Para el valor

calculado de F=0,5 se puede escoger, por ejemplo =0,1 equivalente al 10% y por tanto
el valor F=0,5 sera menor que 0,505822 dado en la tabla siguiente; en consecuencia
caera en la regin de rechazo de la hiptesis
1. El fabricante de un automvil afirma que el automvil rendir cuando menos 10
kilmetros por litro, en promedio. En 50 ensayos de prueba, el promedio de
rendimiento de gasolina de los automviles fue de 9,86 kilmetros por litro, con una
desviacin estndar de 0,049 kilmetros por litro Puede rechazarse la afirmacin
del fabricante con un nivel de significacin del 5%? Use prueba Unilateral.
2. En una muestra aleatoria de seis varillas de acero se obtuvo una resistencia media a
la compresin de 52256 psi (libras por pulgada cuadrada) con una desviacin
estndar de 648 psi. Pruebe si la media de la resistencia real a la comprensin del

acero del cual proviene esta muestra es 57000 psi. Use un nivel de significacin del
1%, y prueba bilateral.
3. La tensin de salida de determinado circuito elctrico debe ser 120, de acuerdo con
las especificaciones. Una muestra de 50 mediciones de la tensin de este circuito dio
un promedio de 120,8 y una desviacin de 2,1. Pruebe si la tensin ha aumentado.
Use un nivel de significacin del 5%.
4. Se ha ajustado una mquina llenadora de botellas para que introduzca 5 litros de
lquido en cada recipiente. Se encuentra que, para una muestra de 15 botellas, la
cantidad promedio de lquido introducido es 5,06 litros, con una desviacin estndar
de 0,12 litros. Se supone que las cantidades con las que se llenan las botellas tienen
distribucin normal. Quiere decir esto que la mquina esta fuera de control. Use
5. La resistencia de determinado plstico a la fatiga debe ser, 25 lb/pulg 2. Los
resultados de 12 piezas de plstico muestran un promedio de 25,4 lib/pulg2 y una
desviacin estndar de 1,3 lb/pulg2. Pruebe si la resistencia del plstico ha
aumentado. Use nivel de significacin del 1%.
6. Un fabricante afirma que la resistencia media de un resistor de 240 . Un comprador
pone a prueba 12 y observa los valores siguientes:
256 261 239 255 242
235 231 266 245 234
266 241 256 234 267
El lote cumple las especificaciones a un nivel de significacin del 10%?
7 Un fabricante afirma que el coeficiente a la tensin de una fibra A excede el
coeficiente promedio a la tensin de una fibra B a lo sumo en 12 kilogramos. Para
probar tal afirmacin se someten a prueba 60 piezas de cada tipo de fibra bajo
condiciones similares. La fibra de tipo A tiene un coeficiente promedio a la tensin
de 78,9 kilogramos, con una desviacin estndar de 5,8 kg; mientras que la fibra de
tipo B tiene un coeficiente promedio a la tensin de 66,2 kg, con desviacin estndar
de 4,67 kg. Probar la afirmacin del fabricante, utilizando un nivel de significacin
del 1%.

8 Un estudio sobre reparaciones de dos tipos de fotocopiadoras revel que 70 fallas
del primer tipo de equipo fueron reparadas en un tiempo promedio de 82,5 minutos
con una desviacin estndar de 18,9 minutos; mientras que 80 fallas del equipo del
segundo tipo fueron reparadas en un tiempo de 93 minutos, con una desviacin
estndar de 21,2 minutos. Pruebe si existe diferencia significativa entre los
promedios poblacionales de los tiempos de reparacin de los dos tipos de equipo.
9 Los valores de la resistencia (en ohm) de 40 resistores, indicados por dos fabricantes,
se presentan en la tabla siguiente.
FABRICANTE A
6040 7000 7160 8000 7360 6800 5680 6320
7240 6160 6120 8240 7760 7040 6720 6920
7600 6600 6920 7280 6400 6200 8120 8000
7800 7320 7560 7200 7560 7520 7689 7869
6640 7178 7234 6680 7040 7688 6456 6000
FABRICANTE B
7520 7520 6320 5680 7440 6960 8920 8600
8520 8880 8440 8400 7320 8800 7800 7720
7659 7569 7720 7840 7600 7345 7360 7320
7240 7240 8640 7456 7320 7080 7320 7720
6680 6600 6040 6080 6720 5960 7040 6280
Pruebe si hay diferencia significativa entre los valores medios de los grupos A y B.
10 Una compaa tiene que decidir si el uso de neumticos radiales en vez de
neumticos normales favorece el ahorro de combustible. Se equiparon 15
automviles con neumticos radiales y se hicieron rodar; luego los mismos
automviles se le colocaron neumticos normales y se hicieron rodar, obteniendo los
siguientes resultados:
Automviles Kilmetros por litro
Neumticos Radiales Neumticos Normales
1 5,2 6,1
2 4,9 7,4
3 6,0 5,7

4 4,5 6,7
5 7,0 6,6
6 7,0 6,6
7 4,7 4,2
8 4,9 6,0
9 4,7 6,9
10 5,8 5,7
11 4,4 6,8
12 6,9 6,2
13 4,9 4,1
14 4,6 6,7
15 6,9 5,6
Con un nivel de significacin de 5%, es posible concluir que los automviles con
neumticos normales economizan ms que aquellos equipados con neumticos
radiales? Suponga que las desviaciones poblacionales son diferentes.
11 Se comparan dos procedimientos de sinterizacin de cobre, aplicando cada
procedimiento en 7 tipos de polvo. La medicin de inters es la porosidad de cada
elemento de prueba. Los resultados de las pruebas son los siguientes:
Polvo Procedimiento A Procedimiento B
1 18 23
2 27 26
3 22 16
4 26 24
5 19 21
6 20 23
7 23 25
Hay evidencia de que existe diferencia entre las mediciones de porosidad promedio
para dos tipos de procedimientos? Use un nivel de significacin del 10%. Prueba por
parejas.
12 Se tiene que reparar una mquina en cierta fbrica si produce ms de 12% de
artculos defectuosos del lote producido en un da. Una muestra de 150 artculos de
la produccin diaria contiene 20 defectuosos, el jefe de control de calidad decide
que debe reparar la mquina Es acertada su decisin? Use nivel de significacin
del 1%.

13 En un estudio para investigar si ciertos detonadores empleados con explosivos en
una mina de carbn cumplen con los requerimientos de que al menos el 86%
encender el explosivo al ser detonado, se encontr que 167 de 199 detonadores
funcionaron de manera adecuada. Pruebe si la proporcin de detonadores que
encendern los explosivos al ser detonados es inferior a 86%, a un nivel de
significacin del 5%.
14 Un fabricante de bombas de pozo profundo asegura que el 30% de sus bombas
requieren reparaciones en los primeros 4 aos. Si en una muestra de 110 bombas se
tiene que 46 requirieron reparacin en los primeros 4 aos. Pruebe si la proporcin
de bombas difiere del 30%. Use nivel de significacin del 5%.
15 Si 28 de 178 neumticos de la marca A y 24 de 180 neumticos, no duraron 15000
millas. Pruebe si hay diferencia significativa entre los rendimientos de los dos tipos
de neumticos. Use un nivel de significacin del 5%.
16 Un estudio seala que 14 de 150 tractores producidos en una lnea de ensamblado
requieren ajustes minuciosos antes de ser embarcados, y lo mismo sucede con 15 de
380 tractores producidos en otra lnea de ensamblado. Con un nivel de significacin
del 1%, apoya esto la afirmacin de que la segunda lnea de produccin efecta un
trabajo superior?
17 Un fabricante de cascos de seguridad, desea cuidar la media y la varianza de las
fuerzas que trasmiten los cascos a los obreros al ser sometidos a una fuerza externa.
El fabricante quiere que la fuerza media trasmitida por los cascos sea de 830
libras(o menos), y que su desviacin estndar que sea menor a 40 libras. Se tom una
muestra de 40 cascos, y se encontr que la media fue de 900 libras y su varianza fue
de 2450 libras. Proporcionan los datos razones suficientes que indique que la fuerza
media trasmitida por los cascos, al ser sometidos a una fuerza externa excede de 830
libras y que la desviacin estndar excede de 40 libras? Use un nivel de significacin
del 5%.
18 Se asegura que las medidas de los dimetros de ciertos tipos de pernos, tienen una
desviacin estndar de 0,016 pulg. Se tom una muestra y se encontr que 16 pernos

produjeron una varianza de 0,00014 pulg. Hay suficientes razones para asegurar
que la desviacin estndar es diferente a 0,016 pulg? Use un nivel de significacin
del 1%.
19 Dos procesos de alumbrado se comparan midiendo la intensidad de la luz en puntos
determinados, situados en reas iluminadas de acuerdo a cada proceso. Si en 18
mediciones, en la primera rea, se obtuvo una desviacin estndar de 2,9 bujas por
pie cuadrado; mientras 23 mediciones en la segunda rea su desviacin estndar fue
de 4,1 bujas por pie cuadrado Se puede concluir que el alumbrado de la segunda
rea tiene mayor variabilidad? Use un nivel de significacin del 1%.
20 La calidad de un producto depende, en parte, de mantener la estabilidad de las
mediciones de sus caractersticas. Un fabricante de lmparas sospecha que una de
sus lneas de produccin est fabricando bombillas con una alta variacin en su vida
til. Se tom una muestra de 50 lmparas de la lnea que supuestamente esta fuera de
control, obteniendo una varianza de 94000; y 50 lmparas de una lnea que est bajo
control, cuya varianza fue de 39000 Proporciona los datos evidencia suficiente para
indicar que las bombillas, producidas por la lnea que esta fuera de control posee
mayor variabilidad, en la vida til, que la que est bajo control? Use un nivel de
significacin del 5%.

ANEXO 1
FUNCIN DE DISTRIBUCIN BINOMIAL
x
P ( X x ) B ( x ; n; p ) b ( k ; n; p ) donde x 0,12 ,3, , n
k 0
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
2 0 0,9025 0,8100 0,7225 0,6400 0,5625 0,4900 0,4225 0,3600 0,3025 0,2500 0,2025 0,1600 0,1225 0,0900 0,0625 0,0400 0,0225 0,01 0,0025
1 0,9975 0,9900 0,9775 0,9600 0,9375 0,9100 0,8775 0,8400 0,7975 0,7500 0,6975 0,6400 0,5775 0,5100 0,4375 0,3600 0,2775 0,1900 0,0975
3 0 0,8574 0,7290 0,6141 0,5120 0,4219 0,3430 0,2746 0,2160 0,1664 0,125 0,0911 0,0640 0,0429 0,0270 0,0156 0,0080 0,0034 0,0010 0,0001
1 0,9927 0,9720 0,9393 0,8960 0,8434 0,7840 0,7183 0,6480 0,5748 0,5000 0,4252 0,3520 0,2818 0,2160 0,1563 0,1040 0,0607 0,0280 0,0073
2 0,9999 0,9990 0,9966 0,9920 0,9844 0,9730 0,9571 0,9360 0,9089 0,8750 0,8336 0,7840 0,7254 0,6570 0,5781 0,4880 0,3859 0,2710 0,1426
4 0 0,8145 0,6561 0,5220 0,4096 0,3164 0,2401 0,1785 0,1296 0,0915 0,0625 0,0410 0,0256 0,0150 0,0081 0,0039 0,0016 0,0005 0,0001 0,0000
1 0,9860 0,9477 0,8905 0,8192 0,7383 0,6517 0,5630 0,4752 0,3910 0,3125 0,2415 0,1792 0,1265 0,0837 0,0508 0,0272 0,1200 0,0037 0,0005
2 0,9995 0,9963 0,9880 0,9728 0,9492 0,9163 0,8735 0,8208 0,7585 0,6875 0,6090 0,5248 0,4370 0,3483 0,2617 0,1880 0,1095 0,0523 0,0140
3 1,0000 0,9999 0,9995 0,9984 0,9961 0,9919 0,9850 0,9744 0,9590 0,9375 0,9085 0,8704 0,8215 0,7599 0,6836 0,590 0,4780 0,3439 0,1855
5 0 0,7738 0,5905 0,4437 0,3277 0,2373 0,1681 0,1160 0,0778 0,0503 0,0313 0,0185 0,0102 0,0053 0,0024 0,0010 0,0003 0,0001 0,0000 0,0000
1 0,9774 0,9185 0,8352 0,7373 0,6328 0,5282 0,4284 0,3370 0,2562 0,1875 0,1312 0,0870 0,0540 0,0308 0,0156 0,0067 0,0022 0,0005 0,0000
2 0,9988 0,9914 0,9734 0,9421 0,8965 0,8369 0,7648 0,6826 0,5931 0,5000 0,4069 0,3174 0,2352 0,1631 0,1035 0,0579 0,0266 0,0086 0,0012
3 1,0000 0,9995 0,9978 0,9933 0,9844 0,9692 0,9460 0,9130 0,8388 0,8125 0,7438 0,6630 0,5716 0,4718 0,3672 0,2627 0,1648 0,0815 0,0226
4 1,0000 1,0000 0,9999 0,9997 0,9990 0,9976 0,9947 0,9898 0,9815 0,9688 0,9497 0,9222 0,8840 0,8319 0,7627 0,6723 0,5563 0,4095 0,2262
6 0 0,7351 0,5314 0,3771 0,2621 0,1780 0,1176 0,0754 0,0467 0,0277 0,0156 0,0083 0,0041 0,0018 0,0007 0,0002 0,0001 0,0000 0,0000 0,0000
1 0,9672 0,8857 0,7765 0,6554 0,5339 0,4202 0,3191 0,2333 0,1636 0,1094 0,0692 0,0410 0,0223 0,0109 0,0046 0,0016 0,0004 0,0001 0,0000
2 0,9978 0,9841 0,9527 0,9011 0,8306 0,7443 0,6471 0,5443 0,4415 0,3438 0,2553 0,1792 0,1174 0,0705 0,0376 0,0170 0,0059 0,0013 0,0001

3 0,9999 0,9987 0,9941 0,9830 0,9624 0,9295 0,8826 0,8208 0,7447 0,6563 0,5585 0,4557 0,3529 0,2557 0,1694 0,0989 0,0473 0,0158 0,0022
4 1,0000 0,9999 0,9996 0,9984 0,9954 0,9891 0,9777 0,9590 0,9308 0,8906 0,8364 0,7667 0,6809 0,5798 0,4661 0,3446 0,2235 0,1143 0,0328
5 0,1000 1,0000 1,0000 0,9999 0,9998 0,9993 0,9982 0,9959 0,9917 0,9844 0,9723 0,9533 0,9246 0,8824 0,8220 0,7379 0,6229 0,4686 0,2649
7 0 0,6983 0,4783 0,3206 0,2097 0,1335 0,0824 0,0490 0,0280 0,0152 0,0078 0,0037 0,0006 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9556 0,8503 0,7166 0,5767 0,4449 0,3294 0,2338 0,1586 0,1024 0,0625 0,0357 0,0188 0,0900 0,0038 0,0013 0,0004 0,0001 0,0000 0,0000
2 0,9962 0,9743 0,9262 0,8520 0,7564 0,6471 0,5323 0,4199 0,3164 0,2266 0,1529 0,0963 0,0556 0,0288 0,0129 0,0047 0,0012 0,0002 0,0000
3 0,9998 0,9973 0,9879 0,9667 0,9294 0,8740 0,8002 0,7102 0,6083 0,5000 0,3917 0,2898 0,1998 0,1260 0,0706 0,0333 0,0121 0,0027 0,0002
4 0,1000 0,9998 0,9988 0,9953 0,9871 0,9712 0,9444 0,9037 0,8471 0,7734 0,6836 0,5801 0,4677 0,3529 0,2436 0,1480 0,0738 0,0257 0,0038
5 1,0000 1,0000 0,9999 0,9996 0,9987 0,9962 0,9910 0,9812 0,9643 0,9375 0,8976 0,8414 0,7662 0,6706 0,5551 0,4233 0,2834 0,1497 0,0444
6 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9994 0,9984 0,9963 0,9922 0,9848 0,9720 0,9510 0,9176 0,8665 0,7903 0,6794 0,5217 0,3017
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
8 0 0,6634 0,4305 0,2725 0,1678 0,1001 0,0576 0,0319 0,0168 0,0084 0,0039 0,0017 0,0007 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9556 0,8503 0,7166 0,5767 0,4449 0,3294 0,2338 0,1586 0,1024 0,0625 0,0357 0,0188 0,0090 0,0038 0,0013 0,0004 0,0001 0,0000 0,0000
2 0,9942 0,9619 0,8948 0,7969 0,6785 0,5518 0,4278 0,3154 0,2201 0,1445 0,0885 0,0498 0,0253 0,0113 0,0042 0,0012 0,0002 0,0000 0,0000
3 0,9996 0,9950 0,9786 0,9437 0,8862 0,8059 0,7064 0,5941 0,4770 0,363 0,2604 0,1737 0,1061 0,0580 0,0273 0,0104 0,0029 0,0004 0,0000
4 1,0000 0,9996 0,9971 0,9896 0,9727 0,9420 0,8939 0,8263 0,7396 0,6367 0,5230 0,4059 0,2936 0,1941 0,1138 0,0563 0,0214 0,0050 0,0004
5 1,0000 1,0000 0,9998 0,9988 0,9958 0,9887 0,9747 0,9502 0,9115 0,8555 0,7799 0,6846 0,5722 0,4482 0,3215 0,2031 0,1052 0,0381 0,0058
6 1,0000 1,0000 1,0000 0,9999 0,9996 0,9987 0,9964 0,9915 0,9819 0,9648 0,9368 0,8936 0,8309 0,7447 0,6329 0,4967 0,3428 0,1869 0,0572
7 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9993 0,9983 0,9961 0,9916 0,9832 0,9681 0,9424 0,8999 0,8322 0,7275 0,5695 0,3366
9 0 0,6302 0,3874 0,2316 0,1342 0,0751 0,0404 0,0207 0,0101 0,0046 0,0020 0,0008 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9288 0,7748 0,5995 0,4362 0,3003 0,1960 0,1211 0,0705 0,0385 0,0195 0,0091 0,0038 0,0014 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000
2 0,9916 0,9470 0,8591 0,7382 0,6007 0,4628 0,3373 0,2318 0,1495 0,0898 0,0498 0,0250 0,0112 0,0043 0,0013 0,0030 0,0000 0,0000 0,0000
3 0,9994 0,9917 0,9661 0,9144 0,8343 0,7297 0,6089 0,4826 0,3614 0,2539 0,1658 0,0994 0,0536 0,0253 0,0100 0,0031 0,0006 0,0001 0,0000
4 1,0000 0,9991 0,9944 0,9804 0,9511 0,9012 0,8283 0,7334 0,6214 0,5000 0,3786 0,2666 0,1717 0,0988 0,0489 0,0196 0,0056 0,0009 0,0000
5 1,0000 0,9999 0,9994 0,9969 0,9900 0,9747 0,9464 0,9006 0,8342 0,7461 0,6386 0,5174 0,3911 0,2703 0,1657 0,0856 0,0339 0,0083 0,0000
6 1,0000 1,0000 1,0000 0,9997 0,9987 0,9957 0,9888 0,9750 0,9502 0,9102 0,8505 0,7682 0,6627 0,5372 0,3993 0,2618 0,1409 0,0530 0,0084
7 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9986 0,9962 0,9909 0,9805 0,9615 0,9295 0,8789 0,8040 0,6997 0,5638 0,4005 0,2252 0,0712
8 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9992 0,9980 0,9954 0,9899 0,9793 0,9596 0,9249 0,8658 0,7684 0,6126 0,3698
10 0 0,5987 0,3487 0,1969 0,1074 0,0563 0,0282 0,0135 0,0060 0,0025 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,9139 0,7361 0,5443 0,3758 0,2440 0,1493 0,0860 0,0464 0,0233 0,0107 0,0045 0,0017 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000

2 0,9885 0,9298 0,8202 0,6778 0,5226 0,3828 0,2616 0,1673 0,0996 0,0547 0,0274 0,0123 0,0048 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000
3 0,9990 0,9872 0,9500 0,8791 0,7759 0,6496 0,5138 0,3823 0,2660 0,1719 0,1020 0,0548 0,0260 0,0106 0,0035 0,0009 0,0001 0,0000 0,0000
4 0,9999 0,9984 0,9901 0,9672 0,9219 0,8497 0,7515 0,6331 0,5044 0,3770 0,2616 0,1662 0,0949 0,0473 0,0197 0,0064 0,0014 0,0001 0,0000
5 1,0000 0,9999 0,9986 0,9936 0,9803 0,9527 0,9051 0,8338 0,7384 0,6230 0,4956 0,3669 0,2485 0,1503 0,0781 0,0328 0,0099 0,0016 0,0001
6 1,0000 1,0000 0,9999 0,9991 0,9965 0,9894 0,9740 0,9452 0,8980 0,8281 0,7340 0,6177 0,4862 0,3504 0,2241 0,1209 0,0500 0,0128 0,0010
7 1,0000 1,0000 1,0000 0,9999 0,9996 0,9984 0,9952 0,9877 0,9726 0,9453 0,9004 0,8327 0,7384 0,6172 0,4744 0,3222 0,1798 0,0702 0,0115
8 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9983 0,9955 0,9893 0,9767 0,9536 0,9140 0,8507 0,7560 0,6242 0,4557 0,2639 0,0861
9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9990 0,9975 0,9940 0,9865 0,9718 0,9437 0,8926 0,8031 0,6513 0,4013
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
11 0 0,5688 0,3138 0,1673 0,0859 0,0422 0,0198 0,0088 0,0036 0,0014 0,0005 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8981 0,6974 0,4922 0,3221 0,1971 0,1130 0,0606 0,0302 0,0139 0,0059 0,0022 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9848 0,9104 0,7788 0,6174 0,4552 0,3127 0,2001 0,1189 0,0652 0,0327 0,0148 0,0059 0,0020 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
3 0,9984 0,9815 0,9306 0,8389 0,7133 0,5696 0,4256 0,2963 0,1911 0,1133 0,0610 0,0293 0,0122 0,0043 0,0012 0,0002 0,0000 0,0000 0,0000
4 0,9999 0,9972 0,9841 0,9496 0,8854 0,7897 0,6683 0,5328 0,3971 0,2744 0,1738 0,0994 0,0501 0,0216 0,0076 0,0020 0,0003 0,0000 0,0000
5 1,0000 0,9997 0,9973 0,9883 0,9657 0,9218 0,8513 0,7535 0,6331 0,5000 0,3669 0,2465 0,1487 0,0782 0,0343 0,0117 0,0027 0,0003 0,0000
6 1,0000 1,0000 0,9997 0,9980 0,9924 0,9784 0,9499 0,9006 0,8262 0,7256 0,6029 0,4672 0,3317 0,2103 0,1146 0,0504 0,0159 0,0028 0,0001
7 1,0000 1,0000 1,0000 0,9998 0,9988 0,9957 0,9878 0,9707 0,9390 0,8867 0,8089 0,7037 0,5744 0,4304 0,2867 0,1611 0,0694 0,0185 0,0016
8 1,0000 1,0000 1,0000 1,0000 0,9999 0,9984 0,9980 0,9941 0,9852 0,9673 0,9348 0,8811 0,7999 0,6873 0,5448 0,3826 0,2212 0,0896 0,0152
9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9993 0,9978 0,9941 0,9861 0,9698 0,9394 0,8870 0,8029 0,6779 0,5078 0,3026 0,1019
10 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9995 0,9986 0,9964 0,9912 0,9802 0,9578 0,9141 0,8327 0,6862 0,4312
12 0 0,5404 0,2824 0,1422 0,0687 0,0317 0,0138 0,0057 0,0022 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8816 0,6590 0,4435 0,2749 0,1584 0,0850 0,0424 0,0196 0,0083 0,0032 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9804 0,8891 0,7358 0,5583 0,3907 0,2528 0,1513 0,0834 0,0421 0,0193 0,0079 0,0028 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9978 0,9744 0,9078 0,7946 0,6488 0,4925 0,3467 0,2253 0,1345 0,0073 0,0356 0,0153 0,0056 0,0017 0,0004 0,0001 0,0000 0,0000 0,0000
4 0,9998 0,9957 0,9761 0,9274 0,8424 0,7237 0,5833 0,4382 0,3044 0,1938 0,1117 0,0573 0,0255 0,0095 0,0028 0,0006 0,0001 0,0000 0,0000
5 1,0000 0,9995 0,9954 0,9806 0,9456 0,8822 0,7873 0,6652 0,5269 0,3872 0,2607 0,1582 0,0846 0,0386 0,0143 0,0039 0,0007 0,0001 0,0000
6 1,0000 0,9999 0,9993 0,9961 0,9857 0,9614 0,9154 0,8418 0,7393 0,6128 0,4731 0,3348 0,2127 0,1178 0,0544 0,0194 0,0046 0,0005 0,0000
7 1,0000 1,0000 0,9999 0,9994 0,9972 0,9905 0,9745 0,9427 0,8883 0,8062 0,6956 0,5618 0,4167 0,2763 0,1576 0,0726 0,0239 0,0043 0,0002
8 1,0000 1,0000 1,0000 0,9999 0,9996 0,9983 0,9944 0,9847 0,9644 0,9270 0,8655 0,7747 0,6533 0,5075 0,3512 0,2054 0,0922 0,0256 0,0022
9 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9992 0,9972 0,9921 0,9807 0,9579 0,9166 0,8487 0,7472 0,6093 0,4417 0,2642 0,1109 0,0196
10 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9989 0,9968 0,9917 0,9804 0,9576 0,9150 0,8416 0,7251 0,5565 0,3410 0,1184
11 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9992 0,9978 0,9943 0,9862 0,9683 0,9313 0,8578 0,7176 0,4596

13 0 0,5133 0,2542 0,1209 0,0550 0,0238 0,0097 0,0037 0,0013 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8646 0,6213 0,3983 0,2336 0,1267 0,0637 0,0296 0,0126 0,0049 0,0017 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9755 0,8661 0,6920 0,5017 0,3326 0,2025 0,1132 0,0579 0,0269 0,0122 0,0041 0,0013 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9969 0,9658 0,8820 0,7473 0,5843 0,4206 0,2783 0,1686 0,0929 0,0461 0,0203 0,0078 0,0025 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000
4 0,9997 0,9935 0,9658 0,9009 0,7940 0,6543 0,5005 0,3530 0,2279 0,1334 0,0698 0,0321 0,0126 0,0040 0,0010 0,0002 0,0000 0,0000 0,0000
5 1,0000 0,9991 0,9925 0,9700 0,9198 0,8346 0,7159 0,5744 0,4268 0,2905 0,1788 0,0977 0,0462 0,0182 0,0056 0,0012 0,0002 0,0000 0,0000
6 1,0000 0,9999 0,9987 0,9930 0,9757 0,9376 0,8705 0,7712 0,6437 0,5000 0,3563 0,2288 0,1295 0,0624 0,0243 0,0070 0,0013 0,0001 0,0000
7 1,0000 1,0000 0,9998 0,9988 0,9944 0,9818 0,9538 0,9023 0,8212 0,7095 0,5732 0,4256 0,2841 0,1654 0,0802 0,0300 0,0075 0,0009 0,0000
8 1,0000 1,0000 1,0000 0,9998 0,9990 0,9960 0,9874 0,9679 0,9302 0,8666 0,7721 0,6470 0,4995 0,3457 0,2060 0,0991 0,0342 0,0065 0,0003
9 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9975 0,9922 0,9797 0,9539 0,9071 0,8314 0,7217 0,5794 0,4157 0,2557 0,1180 0,0342 0,0031
10 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9987 0,9959 0,9888 0,9731 0,9421 0,8868 0,7975 0,6674 0,4983 0,4983 0,3080 0,0245
11 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9983 0,9951 0,9874 0,9704 0,9363 0,8733 0,7664 0,6017 0,3787 0,1354
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9987 0,9963 0,9903 0,9762 0,9450 0,8791 0,7458 0,4867
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
14 0 0,4877 0,2288 0,1028 0,0440 0,0178 0,0068 0,0024 0,0008 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8470 0,5846 0,3567 0,1979 0,1010 0,0475 0,0205 0,0081 0,0029 0,0009 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9699 0,8416 0,6479 0,4481 0,2811 0,1608 0,0839 0,0398 0,0170 0,0065 0,0022 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9958 0,9559 0,8535 0,6982 0,5213 0,3552 0,2205 0,1243 0,0632 0,0287 0,0114 0,0039 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9996 0,9908 0,9533 0,8702 0,7415 0,5842 0,4227 0,2793 0,1672 0,0898 0,0426 0,0175 0,0060 0,0017 0,0003 0,0000 0,0000 0,0000 0,0000
5 1,0000 0,9985 0,9885 0,9561 0,8883 0,7805 0,6405 0,4859 0,3373 0,2120 0,1189 0,0583 0,0243 0,0083 0,0022 0,0004 0,0000 0,0000 0,0000
6 1,0000 0,9998 0,9978 0,9884 0,9617 0,9067 0,8164 0,6925 0,5461 0,3953 0,2586 0,1501 0,0753 0,0315 0,0103 0,0024 0,0003 0,0000 0,0000
7 1,0000 1,0000 0,9997 0,9976 0,9897 0,9685 0,9247 0,8499 0,7414 0,6047 0,4539 0,3075 0,1836 0,0933 0,0383 0,0166 0,0022 0,0002 0,0000
8 1,0000 1,0000 1,0000 0,9996 0,9978 0,9917 0,9757 0,9417 0,8811 0,7880 0,6627 0,5141 0,3595 0,2195 0,1117 0,0439 0,0115 0,0015 0,0000
9 1,0000 1,0000 1,0000 1,0000 0,9997 0,9983 0,9940 0,9825 0,9574 0,9102 0,8328 0,7207 0,5773 0,4158 0,2585 0,1298 0,0467 0,0092 0,0004
10 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9989 0,9961 0,9836 0,9713 0,9368 0,8757 0,7795 0,6448 0,4787 0,3018 0,1465 0,0441 0,0042
11 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9978 0,9935 0,9830 0,9602 0,9161 0,8392 0,7189 0,5519 0,3521 0,1584 0,0301
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9991 0,9971 0,9919 0,9795 0,9525 0,8990 0,8021 0,6433 0,4154 0,1530
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9992 0,9976 0,9932 0,9822 0,9560 0,8972 0,7712 0,5123
15 0 0,4633 0,2059 0,0874 0,0352 0,0134 0,0047 0,0016 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8290 0,5490 0,3186 0,1671 0,0353 0,0142 0,0052 0,0017 0,0005 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000

2 0,9638 0,8159 0,6042 0,3980 0,2361 0,1268 0,0617 0,0271 0,0107 0,0037 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9945 0,9444 0,8227 0,6482 0,4613 0,2969 0,1727 0,0905 0,0424 0,0176 0,0063 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9994 0,9873 0,9873 0,9383 0,8358 0,6865 0,5155 0,3519 0,2173 0,1204 0,0592 0,0255 0,0093 0,0028 0,0007 0,0001 0,0000 0,0000 0,0000
5 0,9999 0,9977 0,9832 0,9389 0,8516 0,7216 0,5643 0,4032 0,2608 0,1509 0,0769 0,0338 0,0124 0,0037 0,0008 0,0001 0,0000 0,0000 0,0000
6 1,0000 0,9997 0,9964 0,9819 0,9434 0,8689 0,7548 0,6098 0,4522 0,3036 0,1818 0,0950 0,0422 0,0152 0,0042 0,0008 0,0001 0,0000 0,0000
7 1,0000 1,0000 0,9994 0,9958 0,9827 0,9500 0,8868 0,7869 0,6535 0,5000 0,3465 0,2131 0,1132 0,0500 0,0173 0,0042 0,0006 0,0000 0,0000
8 1,0000 1,0000 0,9999 0,9992 0,9958 0,9848 0,9578 0,9050 0,8182 0,6964 0,5478 0,3902 0,2452 0,1311 0,0566 0,0181 0,0036 0,0003 0,0000
9 1,0000 1,0000 1,0000 0,9999 0,9992 0,9963 0,9876 0,9662 0,9231 0,8491 0,7392 0,5968 0,4357 0,2784 0,1484 0,0611 0,0168 0,0022 0,0001
10 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9972 0,9907 0,9745 0,9408 0,8796 0,7827 0,6481 0,4845 0,3135 0,1642 0,0617 0,0127 0,0006
11 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9972 0,9907 0,9745 0,9408 0,8796 0,7827 0,6481 0,4845 0,3135 0,1642 0,0617 0,0127 0,0006
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9989 0,9963 0,9893 0,9729 0,9383 0,8732 0,7639 0,6020 0,3958 0,1841 0,0362
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9983 0,9948 0,9858 0,9647 0,9198 0,8329 0,6814 0,4510 0,1710
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9984 0,9953 0,9866 0,9648 0,9126 0,7941 0,5367
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
16 0 0,4401 0,1853 0,0743 0,0281 0,0100 0,0033 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,8108 0,5147 0,2839 0,1407 0,0635 0,0261 0,0098 0,0033 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9571 0,7892 0,5614 0,3518 0,1971 0,0994 0,0451 0,0183 0,0066 0,0021 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9930 0,9316 0,7899 0,5981 0,4050 0,2459 0,1339 0,0651 0,0281 0,0106 0,0035 0,0009 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9991 0,9830 0,9209 0,7982 0,6302 0,4499 0,2892 0,1666 0,0853 0,0384 0,0149 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9999 0,9967 0,9765 0,9183 0,8103 0,6598 0,4900 0,3288 0,1976 0,1051 0,0486 0,0191 0,0062 0,0016 0,0003 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9995 0,9944 0,9733 0,9204 0,8247 0,6881 0,5272 0,3660 0,2272 0,1241 0,0583 0,0229 0,0071 0,0016 0,0002 0,0000 0,0000 0,0000
7 1,0000 0,9999 0,9989 0,9930 0,9729 0,9256 0,8406 0,7161 0,5629 0,4018 0,2559 0,1423 0,0671 0,0257 0,0075 0,0015 0,0002 0,0000 0,0000
8 1,0000 1,0000 0,9988 0,9985 0,9925 0,9743 0,9329 0,8577 0,7441 0,5982 0,4371 0,2839 0,1594 0,0744 0,0271 0,0070 0,0011 0,0001 0,0000
9 1,0000 1,0000 1,0000 0,9998 0,9984 0,9929 0,9771 0,9417 0,8759 0,7728 0,6340 0,4728 0,3119 0,1753 0,0796 0,0267 0,0056 0,0005 0,0000
10 1,0000 1,0000 1,0000 1,0000 0,9997 0,9984 0,9938 0,9809 0,9514 0,8949 0,8024 0,6712 0,5100 0,3402 0,1897 0,0817 0,0235 0,0033 0,0000
11 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9987 0,9951 0,9851 0,9616 0,9147 0,8334 0,7108 0,5501 0,3698 0,2018 0,0791 0,0170 0,0000
12 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9991 0,9965 0,9894 0,9719 0,9349 0,8661 0,7541 0,5950 0,4019 0,2101 0,0684 0,0070
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9979 0,9934 0,9817 0,9549 0,9006 0,8029 0,6482 0,4386 0,2108 0,0429
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9990 0,9967 0,9902 0,9739 0,9365 0,8593 0,7161 0,4853 0,1892
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9990 0,9967 0,9900 0,9719 0,9257 0,8147 0,5599
17 0 0,4181 0,1668 0,0631 0,0225 0,0075 0,0023 0,0007 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7922 0,4818 0,5250 0,1182 0,0501 0,0193 0,0067 0,0021 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000

2 0,9497 0,7618 0,5198 0,3096 0,1637 0,0774 0,0327 0,0132 0,0041 0,0012 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9912 0,9174 0,7556 0,5489 0,3530 0,2019 0,1028 0,0464 0,0184 0,0064 0,0019 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9988 0,9779 0,9013 0,7582 0,5739 0,5739 0,3887 0,2348 0,1260 0,0245 0,0086 0,0025 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9999 0,9953 0,9681 0,8943 0,7653 0,5968 0,4197 0,2639 0,1471 0,0717 0,0301 0,0106 0,0030 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9992 0,9917 0,9623 0,8929 0,7752 0,6188 0,4478 0,2902 0,1662 0,0826 0,0348 0,0120 0,0032 0,0006 0,0001 0,0000 0,0000 0,0000
7 1,0000 0,9999 0,9983 0,9891 0,9598 0,8954 0,7872 0,6405 0,4743 0,3145 0,1834 0,0919 0,0383 0,0127 0,0031 0,0005 0,0000 0,0000 0,0000
8 1,0000 1,0000 0,9997 0,9974 0,9876 0,9597 0,9006 0,8011 0,6626 0,5000 0,3374 0,1989 0,0994 0,0403 0,0124 0,0026 0,0003 0,0000 0,0000
9 1,0000 1,0000 1,0000 0,9995 0,9969 0,9873 0,9617 0,9081 0,8166 0,6855 0,5257 0,3595 0,2128 0,1046 0,0402 0,0109 0,0017 0,0001 0,0000
10 1,0000 1,0000 1,0000 0,9999 0,9994 0,9968 0,9880 0,9652 0,9174 0,8338 0,7098 0,5522 0,3812 0,2248 0,1071 0,0377 0,0083 0,0008 0,0000
11 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9997 0,9894 0,9699 0,9283 0,8529 0,7361 0,5803 0,4032 0,2347 0,1057 0,0319 0,0047 0,0001
12 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9975 0,9914 0,9755 0,9404 0,8740 0,7652 0,6113 0,4261 0,2418 0,0987 0,0221 0,0012
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9981 0,9936 0,9816 0,9536 0,8972 0,7981 0,6470 0,4511 0,2444 0,0826 0,0088
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9988 0,9959 0,9877 0,9673 0,9226 0,8363 0,6904 0,4802 0,2382 0,0503
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9979 0,9933 0,9807 0,9499 0,8818 0,7475 0,5182 0,2078
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9993 0,9977 0,9925 0,9775 0,9369 0,8332 0,5819
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
18 0 0,3972 0,1501 0,0536 0,0180 0,0056 0,0016 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7735 0,4503 0,2241 0,0991 0,0395 0,0142 0,0046 0,0013 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9419 0,7338 0,4797 0,2713 0,1353 0,0600 0,0236 0,0082 0,0025 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9891 0,9018 0,7202 0,5010 0,3057 0,1646 0,0783 0,0328 0,0120 0,0038 0,0010 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9985 0,9718 0,8794 0,7164 0,5187 0,3327 0,1816 0,0942 0,0411 0,0154 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9998 0,9936 0,9581 0,8671 0,7175 0,5344 0,3550 0,2088 0,1077 0,0481 0,0183 0,0058 0,0014 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9988 0,9882 0,9487 0,8610 0,7217 0,5491 0,3743 0,2258 0,1189 0,0537 0,0203 0,0062 0,0014 0,0002 0,0000 0,0000 0,0000 0,0000
7 1,0000 0,9998 0,9973 0,9837 0,9431 0,8593 0,7283 0,5634 0,3915 0,2403 0,1280 0,0576 0,0212 0,0061 0,0012 0,0002 0,0000 0,0000 0,0000
8 1,0000 1,0000 0,9995 0,9957 0,9807 0,9404 0,8609 0,7368 0,5778 0,4073 0,2527 0,1347 0,0597 0,0210 0,0054 0,0009 0,0001 0,0000 0,0000
9 1,0000 1,0000 0,9999 0,9991 0,9946 0,9790 0,9403 0,8653 0,7473 0,5927 0,4222 0,2632 0,1391 0,0596 0,0193 0,0043 0,0005 0,0000 0,0000
10 1,0000 1,0000 1,0000 0,9998 0,9988 0,9939 0,9788 0,9424 0,8720 0,7597 0,6085 0,4366 0,2717 0,1407 0,0569 0,0163 0,0027 0,0002 0,0000
11 1,0000 1,0000 1,0000 1,0000 0,9998 0,9986 0,9938 0,9797 0,9463 0,8811 0,7742 0,6257 0,4509 0,2783 0,1390 0,0513 0,0118 0,0012 0,0000
12 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9986 0,9942 0,9817 0,9519 0,8923 0,7912 0,6450 0,4656 0,2825 0,1329 0,0419 0,0064 0,0002
13 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9987 0,9951 0,9846 0,9589 0,9058 0,8114 0,6673 0,4813 0,2836 0,1206 0,0282 0,0015
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9990 0,9962 0,9880 0,9672 0,9217 0,8354 0,6943 0,4990 0,2798 0,0982 0,0109
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9975 0,9918 0,9764 0,9400 0,8647 0,7287 0,5203 0,2662 0,0581
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9987 0,9954 0,9858 0,9605 0,9009 0,7759 0,5497 0,2265

17 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9998 0,9944 0,9820 0,9464 0,8499 0,6028
19 0 0,3774 0,1351 0,0456 0,0144 0,0042 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7547 0,4203 0,1985 0,0829 0,0310 0,0104 0,0031 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9335 0,7054 0,4413 0,2369 0,1113 0,0462 0,0170 0,0055 0,0015 0,0004 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9868 0,8850 0,6841 0,4551 0,2631 0,1332 0,0591 0,0230 0,0077 0,0022 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9980 0,9648 0,8556 0,6733 0,4654 0,2822 0,1500 0,0696 0,0280 0,0096 0,0028 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9998 0,9914 0,9463 0,8369 0,6678 0,4739 0,2968 0,1629 0,0777 0,0318 0,0109 0,0031 0,0007 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9983 0,9837 0,9324 0,8251 0,6655 0,4812 0,3081 0,1727 0,0835 0,0342 0,0116 0,0031 0,0006 0,0001 0,0000 0,0000 0,0000 0,0000
7 1,0000 0,9997 0,9959 0,9767 0,9225 0,8180 0,6656 0,4878 0,3169 0,1796 0,0871 0,0352 0,0114 0,0028 0,0005 0,0000 0,0000 0,0000 0,0000
8 1,0000 1,0000 0,9992 0,9933 0,9713 0,9161 0,8145 0,6675 0,4940 0,3238 0,1841 0,0885 0,0347 0,0105 0,0023 0,0003 0,0000 0,0000 0,0000
9 1,0000 1,0000 0,9999 0,9984 0,9911 0,9674 0,9125 0,8139 0,6710 0,5000 0,3290 0,1861 0,0875 0,0326 0,0089 0,0016 0,0001 0,0000 0,0000
10 1,0000 1,0000 1,0000 0,9997 0,9977 0,9895 0,9653 0,9115 0,8159 0,6762 0,5060 0,3325 0,1855 0,0839 0,0287 0,0067 0,0008 0,0000 0,0000
11 1,0000 1,0000 1,0000 1,0000 0,9995 0,9972 0,9886 0,9648 0,9129 0,8204 0,6831 0,5122 0,3344 0,1820 0,0775 0,0233 0,0041 0,0003 0,0000
12 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9969 0,9884 0,9658 0,9165 0,8273 0,6919 0,5188 0,3345 0,1749 0,0676 0,0163 0,0017 0,0000
13 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9969 0,9891 0,9682 0,9223 0,8371 0,7032 0,5261 0,3322 0,1631 0,0537 0,0086 0,0002
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9994 0,9972 0,9904 0,9720 0,9304 0,8500 0,7178 0,5346 0,3267 0,1444 0,0352 0,0020
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9978 0,9923 0,9770 0,9409 0,8668 0,7369 0,5449 0,3159 0,1150 0,0132
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9985 0,9945 0,9830 0,9538 0,8887 0,7631 0,5587 0,2946 0,0665
17 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9992 0,9969 0,9896 0,9690 0,9171 0,8015 0,5797 0,2453
18 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9997 0,9989 0,9958 0,9856 0,9544 0,8649 0,6226
n x 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
20 0 0,3585 0,1216 0,0388 0,0115 0,0032 0,0008 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,7358 0,3917 0,1756 0,0692 0,0243 0,0076 0,0021 0,0005 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,9245 0,6769 0,4049 0,2061 0,0913 0,0355 0,0121 0,0036 0,0009 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3 0,9841 0,8670 0,6477 0,4114 0,2252 0,1071 0,0444 0,0160 0,0049 0,0013 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
4 0,9974 0,9598 0,8298 0,6296 0,4148 0,2375 0,1182 0,0510 0,0189 0,0059 0,0015 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
5 0,9997 0,9887 0,9327 0,8042 0,6172 0,4164 0,2454 0,1256 0,0553 0,0207 0,0064 0,0016 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
6 1,0000 0,9976 0,9781 0,9133 0,7858 0,6080 0,4166 0,2500 0,1299 0,0577 0,0214 0,0065 0,0015 0,0003 0,0000 0,0000 0,0000 0,0000 0,0000
7 1,0000 0,9996 0,9941 0,9679 0,8982 0,7723 0,6010 0,4159 0,2520 0,1316 0,0580 0,0210 0,0060 0,0013 0,0002 0,0000 0,0000 0,0000 0,0000
8 1,0000 0,9999 0,9987 0,9900 0,9591 0,8867 0,7624 0,5956 0,4143 0,2517 0,1308 0,0565 0,0196 0,0051 0,0009 0,0001 0,0000 0,0000 0,0000
9 1,0000 1,0000 0,9998 0,9974 0,9861 0,9520 0,8782 0,7553 0,5914 0,4119 0,2493 0,1275 0,0532 0,0171 0,0039 0,0006 0,0000 0,0000 0,0000
10 1,0000 1,0000 1,0000 0,9994 0,9961 0,9829 0,9468 0,8725 0,7507 0,5881 0,4086 0,2447 0,1218 0,0480 0,0139 0,0026 0,0002 0,0000 0,0000
11 1,0000 1,0000 1,0000 0,9999 0,9991 0,9949 0,9804 0,9435 0,8692 0,7483 0,5857 0,4044 0,2376 0,1133 0,0409 0,0100 0,0013 0,0001 0,0000

12 1,0000 1,0000 1,0000 1,0000 0,9998 0,9987 0,9940 0,9790 0,9420 0,8684 0,7480 0,5841 0,3990 0,2277 0,1018 0,0321 0,0059 0,0004 0,0000
13 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9985 0,9935 0,9786 0,9423 0,8701 0,7500 0,5834 0,3920 0,2142 0,0867 0,0219 0,0024 0,0000
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9984 0,9936 0,9793 0,9447 0,8744 0,7546 0,5836 0,3828 0,1958 0,0673 0,0113 0,0003
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9985 0,9941 0,9811 0,9490 0,8818 0,7625 0,5852 0,3704 0,1702 0,0432 0,0026
16 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9987 0,9951 0,9840 0,9556 0,8929 0,7748 0,5886 0,3523 0,1330 0,0159
17 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9991 0,9964 0,9879 0,9645 0,9087 0,7939 0,5951 0,3231 0,0755
18 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9995 0,9979 0,9924 0,9757 0,9308 0,8244 0,6083 0,2642
19 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9992 0,9968 0,9885 0,9612 0,8784 0,6415

ANEXO II
FUNCIN DE DISTRIBUCIN DE POISSON
x
P ( X x ) P ( x; ) p ( k ; )
k 0
x 0 1 2 3 4 5 6 7 8 9 10 11

0,02 0,980 1,000
0,04 0,961 0,999 1,000
0,06 0,942 0,998 1,000
0,08 0,923 0,997 1,000
0,10 0,905 0,995 1,000
0,15 0,861 0,990 1,000

0,20 0,819 0,982 0,999 1,000
0,25 0,779 0,974 0,998 1,000
0,30 0,741 0,963 0,996 1,000
0,35 0,705 0,951 0,994 1,000

0,40 0,670 0,938 0,992 0,999 1,000
0,45 0,638 0,925 0,989 0,999 1,000
0,50 0,607 0,910 0,986 .998 1,000
0,55 0,577 0,894 0,982 0,998 1,000

0,60 0,549 0,878 0,977 0,997 1,000
0,65 0,522 0,861 0,972 0,996 0,999 1,000
0,70 0,497 0,844 0,966 0,994 1,000 1,000

0,75 0,472 0,827 0,959 0,993 0,999 1,000
0,80 0,449 0,809 0,953 0,991 0,999 1,000

0,85 0,427 0,791 0,945 0,989 0,998 1,000
0,90 0,407 0,772 0,937 0,987 0,998 1,000
0,95 0,387 0,754 0,929 0,984 0,997 1,000
1,00 0,368 0,736 0,920 0,981 0,996 0,999 1,000
1,10 0,333 0,699 0,900 0,974 0,995 0,999 1,000

1,20 0,301 0,663 0,879 0,966 0,992 0,998 1,000
1,30 0,273 0,627 0,857 0,957 0,989 0,998 1,000
1,40 0,247 0,592 0,833 0,946 0,986 0,997 0,999 1,000
1,50 0,223 0,558 0,809 0,934 0,981 0,996 0,999 1,000
1,60 0,202 0,525 0,783 0,921 0,976 0,994 0,999 1,000

1,70 0,183 0,493 0,757 0,907 0,970 0,992 0,998 1,000
1,80 0,165 0,463 0,731 0,891 0,964 0,990 0,997 0,999 1,000
1,90 0,150 0,434 0,704 0,875 0,956 0,987 0,997 0,999 1,000
2,00 0,135 0,406 0,677 0,857 0,947 0,983 0,995 0,999 1,000
2,20 0,111 0,355 0,623 0,819 0,928 0,975 0,993 0,998 1,000
2,40 0,091 0,308 0,570 0,779 0,904 0,964 0,988 0,997 0,999 1,000
2,60 0,074 0,267 0,518 0,736 0,877 0,951 0,983 0,995 0,999 1,000
2,80 0,061 0,231 0,469 0,692 0,848 0,935 0,976 0,992 0,998 0,999 1,000
3,00 0,050 0,199 0,423 0,647 0,815 0,916 0,966 0,988 0,996 0,999 1,000
3,20 0,041 0,171 0,380 0,603 0,781 0,895 0,955 0,983 0,983 0,994 0,998 1,000

x 0 1 2 3 4 5 6 7 8 9 10 11

3,40 0,033 0,147 0,340 0,558 0,744 0,871 0,942 0,977 0,992 0,997 0,999 1,000
3,60 0,027 0,126 0,303 0,515 0,706 0,844 0,927 0,969 0,988 0,996 0,999 1,000
3,80 0,022 0,107 0,269 0,473 0,668 0,816 0,909 0,960 0,984 0,994 0,998 0,999
4,00 0,018 0,092 0,092 0,238 0,433 0,629 0,785 0,949 0,979 0,992 0,997 0,999
4,20 0,015 0,078 0,210 0,395 0,590 0,753 0,867 0,936 0,972 0,989 0,996 0,999
4,40 0,012 0,066 0,185 0,359 0,551 0,720 0,844 0,921 0,964 0,985 0,997 0,999
4,20 0,015 0,078 0,210 0,395 0,590 0,753 0,867 0,936 0,972 0,989 0,996 0,999
4,40 0,012 0,066 0,185 0,359 0,551 0,720 0,844 0,921 0,964 0,985 0,997 0,999
4,60 0,010 0,056 0,163 0,326 0,513 0,686 0,818 0,905 0,955 0,980 0,992 0,997
4,80 0,008 0,048 0,143 0,294 0,476 0,651 0,791 0,887 0,944 0,975 0,990 0,996
5,00 0,007 0,040 0,125 0,265 0,440 0,616 0,762 0,867 0,932 0,968 0,986 0,995
5,20 0,006 0,034 0,109 0,238 0,406 0,581 0,732 0,845 0,918 0,960 0,982 0,997
5,40 0,005 0,029 0,095 0,213 0,373 0,546 0,702 0,822 0,903 0,951 0,977 0,990
5,60 0,004 0,024 0,082 0,191 0,342 0,512 0,67 0,797 0,886 0,941 0,972 0,988
5,80 0,003 0,021 0,072 0,170 0,313 0,478 0,638 0,771 0,867 0,929 0,965 0,984
6,00 0,002 0,017 0,062 0,151 0,285 0,446 0,606 0,744 0,847 0,916 0,957 0,980
6,20 0,002 0,015 0,054 0,134 0,259 0,414 0,574 0,716 0,826 0,902 0,949 0,975
6,40 0,002 0,012 0,046 0,119 0,235 0,384 0,542 0,687 0,803 0,886 0,939 0,969
6,60 0,001 0,010 0,040 0,105 0,213 0,355 0,511 0,658 0,780 0,869 0,927 0,963
7,00 0,001 0,007 0,030 0,082 0,173 0,301 0,450 0,599 0,729 0,830 0,901 0,947
7,20 0,001 0,006 0,025 0,072 0,156 0,276 0,420 0,569 0,703 0,810 0,887 0,937

x 12 13 14 15 16 17

3,80 1,000
4,00 1,000
4,20 1,000
4,40 0,999 1,000
4,60 0,999 1,000
4,80 0,999 1,000
5,00 0,998 0,999 1,000
5,20 0,997 0,999 1,000

5,40 0,996 0,999 1,000
5,60 0,995 0,998 0,999 1,000
5,80 0,099 0,997 0,999 1,000
6,00 0,991 0,996 0,999 0,999 1,000
6,20 0,989 0,995 0,998 0,999 1,000

6,40 0,986 0,994 0,997 0,999 1,000
6,60 0,982 0,992 0,997 0,999 0,999 1,000
6,80 0,978 0,990 0,996 0,998 0,999 1,000
7,00 0,973 0,987 0,994 0,998 0,999 1,000
7,20 0,967 0,984 0,993 0,997 0,999 1,000
0 1 2 3 4 5 6 7 8 9 10 11

7,4 0,001 0,005 0,022 0,063 0,140 0,253 0,392 0,539 0,676 0,788 0,871 0,926
7,6 0,001 0,004 0,019 0,055 0,125 0,231 0,365 0,510 0,648 0,765 0,854 0,915
7,8 0,000 0,004 0,016 0,048 0,112 0,210 0,338 0,481 0,620 0,741 0,835 0,902
8,0 0,000 0,003 0,014 0,042 0,100 0,191 0,313 0,453 0,593 0,717 0,816 0,888

8,5 0,000 0,002 0,009 0,030 0,074 0,150 0,256 0,386 0,523 0,653 0,763 0,849
9,0 0,000 0,001 0,006 0,021 0,055 0,116 0,207 0,324 0,456 0,587 0,706 0,803
9,5 0,000 0,001 0,004 0,015 0,040 0,089 0,165 0,269 0,392 0,522 0,645 0,752
10,0 0,000 0,000 0,003 0,010 0,029 0,067 0,130 0,220 0,333 0,458 0,583 0,697
10,5 0,000 0,000 0,002 0,007 0,021 0,050 0,102 0,179 0,279 0,397 0,521 0,639
11,0 0,000 0,000 0,001 0,005 0,015 0,038 0,079 0,143 0,232 0,341 0,460 0,579
11,5 0,000 0,000 0,001 0,003 0,011 0,028 0,060 0,144 0,191 0,289 0,402 0,520
12,0 0,000 0,000 0,001 0,002 0,008 0,020 0,046 0,090 0,155 0,242 0,347 0,462
12,5 0,000 0,000 0,000 0,002 0,005 0,015 0,035 0,070 0,125 0,201 0,297 0,406
13,0 0,000 0,000 0,000 0,001 0,004 0,011 0,026 0,054 0,100 0,166 0,252 0,353
13,5 0,000 0,000 0,000 0,001 0,003 0,008 0,019 0,041 0,079 0,135 0,211 0,304
14,0 0,000 0,000 0,000 0,000 0,002 0,006 0,014 0,032 0,062 0,109 0,176 0,260
14,5 0,000 0,000 0,000 0,000 0,001 0,004 0,010 0,024 0,048 0,088 0,015 0,220
15,0 0,000 0,000 0,000 0,000 0,001 0,003 0,008 0,018 0,037 0,070 0,118 0,185
x 12 13 14 15 16 17 18 19 20 21 22 23

7,4 0,961 0,980 0,991 0,996 0,998 0,999 1,000
7,6 0,954 0,976 0,989 0,995 0,998 0,999 1,000
7,8 0,945 0,971 0,986 0,993 0,997 0,999 1,000
8,0 0,936 0,966 0,983 0,992 0,996 0,998 0,999 1,000
8,5 0,909 0,949 0,973 0,986 0,993 0,997 0,999 0,999 1,000
9,0 0,876 0,926 0,959 0,978 0,989 0,995 0,998 0,999 1,000
10,0 0,792 0,864 0,917 0,951 0,973 0,986 0,993 0,997 0,998 0,999 1,000
10,5 0,742 0,825 0,888 0,932 0,960 0,978 0,988 0,994 0,997 0,999 0,999 1,000
11,0 0,689 0,781 0,854 0,907 0,944 0,968 0,982 0,991 0,995 0,998 0,999 1,000
11,5 0,633 0,733 0,815 0,878 0,924 0,954 0,974 0,986 0,992 0,996 0,998 0,999
12,0 0,576 0,682 0,772 0,844 0,899 0,937 0,963 0,979 0,983 0,991 0,995 0,998
12,5 0,519 0,628 0,725 0,806 0,869 0,916 0,948 0,969 0,983 0,991 0,995 0,998
13,0 0,463 0,573 0,675 0,764 0,835 0,890 0,930 0,957 0,975 0,986 0,992 0,996
13,5 0,409 0,518 0,623 0,718 0,798 0,861 0,908 0,942 0,965 0,980 0,989 0,994

14,0 0,358 0,464 0,570 0,669 0,756 0,827 0,883 0,923 0,952 0,971 0,983 0,991
14,5 0,311 0,413 0,518 0,619 0,711 0,79 0,853 0,901 0,936 0,96 0,976 0,986
15,0 0,268 0,363 0,466 0,568 0,664 0,749 0,819 0,875 0,917 0,947 0,967 0,981
x 24 25 26 27 28 29

11,5 1,000
12,0 0,999 1,000
12,5 0,999 0,999 1,000
13,0 0,998 0,999 1,000
13,5 0,997 0,998 0,999 1,000
14,0 0,995 0,997 0,999 0,999 1,000
15,0 0,989 0,994 0,997 0,998 0,999 1,000
4 5 6 7 8 9 10 11 12 13 14 15 16
0,000 0,001 0,004 0,010 0,022 0,043 0,077 0,127 0,193 0,275 0,368 0,467 0,566
0,000 0,001 0,002 0,005 0,013 0,026 0,049 0,085 0,135 0,201 0,281 0,371 0,468
0,000 0,000 0,001 0,003 0,007 0,015 0,030 0,055 0,092 0,143 0,208 0,287 0,375
0,000 0,000 0,001 0,000 0,004 0,009 0,018 0,035 0,061 0,098 0,150 0,215 0,292
0,000 0,000 0,000 0,001 0,002 0,005 0,011 0,021 0,039 0,066 0,105 0,157 0,221
0,000 0,000 0,000 0,000 0,001 0,003 0,006 0,013 0,025 0,043 0,072 0,111 0,163
0,000 0,000 0,000 0,000 0,001 0,002 0,004 0,008 0,015 0,028 0,048 0,077 0,117
0,000 0,000 0,000 0,000 0,000 0,001 0,002 0,004 0,009 0,017 0,031 0,052 0,082
0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,003 0,005 0,011 0,020 0,034 0,056
0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,001 0,003 0,006 0,012 0,022 0,038

x 17 18 19 20 21 22 23 24 25 26 27 28 29
16,0 0,659 0,742 0,812 0,868 0,911 0,942 0,963 0,978 0,987 0,993 0,996 0,998 0,999
17,0 0,564 0,655 0,736 0,805 0,861 0,905 0,937 0,959 0,975 0,985 0,991 0,995 0,997
18,0 0,469 0,562 0,651 0,731 0,799 0,855 0,899 0,932 0,955 0,972 0,983 0,990 0,994
19,0 0,378 0,469 0,561 0,647 0,725 0,793 0,849 0,893 0,927 0,951 0,969 0,980 0,988
20,0 0,297 0,381 0,470 0,559 0,644 0,721 0,787 0,843 0,888 0,922 0,948 0,966 0,978
21,0 0,227 0,302 0,384 0,471 0,558 0,640 0,716 0,782 0,838 0,883 0,917 0,944 0,963
22,0 0,169 0,232 0,306 0,387 0,472 0,556 0,637 0,712 0,777 0,832 0,877 0,913 0,940
23,0 0,123 0,175 0,238 0,310 0,889 0,472 0,555 0,635 0,708 0,772 0,827 0,873 0,908
24,0 0,087 0,128 0,180 0,243 0,314 0,392 0,473 0,554 0,632 0,704 0,768 0,823 0,868
25,0 0,060 0,092 0,134 0,185 0,247 0,318 0,394 0,473 0,553 0,629 0,700 0,763 0,818
x 30 31 32 33 34 35 36 37 38 39 40 41 42
16,0 0,999 1,000

17,0 0,999 0,999 1,000
18,0 0,997 0,998 0,999 1,000
19,0 0,993 0,996 0,998 0,999 0,999 1,000
20,0 0,987 0,992 0,995 0,997 0,999 0,999 1,000

21,0 0,976 0,985 0,991 0,994 0,997 0,998 0,999 0,999 1,000
22,0 0,959 0,973 0,983 0,989 0,994 0,996 0,998 0,999 0,999 1,000
23,0 0,936 0,956 0,971 0,981 0,998 0,993 0,996 0,997 0,999 0,999 1,000
24,0 0,904 0,932 0,953 0,969 0,979 0,987 0,992 0,995 0,997 0,998 0,999 1,000
25,0 0,863 0,900 0,929 0,950 0,966 0,978 0,985 0,991 0,994 0,997 0,998 0,999 1,000

ANEXO III
REA BAJO LA CURVA NORMAL
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,80 0,09
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,9 0,0019 0,0018 0,0017 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,8 0,0026 0,0024 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,7 0,0035 0,0034 0,0030 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,004 0,0039 0,0038 0,0037 0,0036
-2,5 0,0062 0,006 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,1 0,0179 0,0179 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,025 0,0244 0,0239 0,0233
-1,8 0,0359 0,0352 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,5 0,0668 0,0655 0,0643 0,0630 0,6180 0,0606 0,0594 0,0582 0,0571 0,0559

-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0722 0,0708 0,0694 0,0681
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,9 0,1871 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,3 0,3821 0,3721 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389

1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,898 , 8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9278 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,994 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,996 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9938 0,9969 0,997 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,998 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998

ANEXO IV
VALORES CRTICOS DE LA DISTRIBUCIN JI CUADRADA.

0,995 0,99 0,975 0,95 0,05 0,025 0,001 0,005
1 0,0000393 0,000157 0,000982 0,00393 3,841 5,024 6,635 7,879

2 0,01 0,0201 0,0506 0,0103 5,991 7,378 9,21 10,597
3 0,0717 0,115 0,216 0,352 7,815 9,348 11,345 12,838
4 0,207 0,297 0,484 0,711 9,488 11,143 13,277 14,860
5 0,412 0,554 0,831 1,145 11,07 12,832 15,056 16,750
6 0,676 0,872 1,237 1.,635 12,592 14,449 16,812 18,548

7 0,989 1,239 1,690 2,167 14,067 16,013 18,475 20,278
8 1,344 1,646 2,180 2,733 15,507 17,535 20,09 21,955
9 1,735 2,088 2,700 3,325 16,919 19,023 21,666 23,589
10 2,156 2,558 3,247 3,940 18,307 20,483 23,209 25,0188
11 2,603 3,053 3,816 4,575 19,675 21,92 24,725 26,757

12 3,074 3,571 4,404 5,226 21,026 23,337 26,217 28,300
13 3,565 4,107 5,009 5,892 22,362 24,736 27,688 29,819
14 4,075 4,60 5,629 6,571 23,685 26,119 29,141 31,319
15 4,601 5,229 6,262 7,261 24,996 27,488 30,578 32,801
16 5,142 5,812 6,908 7,962 26,296 28,845 32 34,267

17 5,697 6,408 7,564 8,672 27,587 30,191 33,409 35,718

19 6,844 7,633 8,907 10,117 30,144 32,852 36,191 38,582
20 7,434 8,26 9,591 10,851 31,41 34,170 37,566 39,997
21 8,034 8,897 10,283 11,591 32,671 35,479 38,932 41,401

22 8,643 9,542 10,982 12,338 33,924 36,781 40,289 42,796
23 9,26 10,196 11,689 13,091 35,172 38,076 41,638 44,181
24 9,886 10,856 12,401 13,484 36,415 39,394 42,98 45,558
25 10,52 11,524 13,120 14,611 37,652 40,646 44,314 46,928
26 11,16 12,198 13,844 15,379 38,885 41,923 45,642 48,290

27 11,808 12,879 14,573 16,151 40,113 43,194 46,963 49,645
28 12,461 13,565 15,308 16,928 41,337 44,461 48,278 50,993
29 13,121 14,256 16,047 17,708 42,557 45,772 49,588 52,336
30 13,787 14,953 16,791 18,493 43,773 46,979 50,892 53,672
40 40,706 22,164 24,433 26,509 55,758 29,342 63,691 66,766
50 27,991 29,707 32,357 34,764 67,505 71,42 76,154 79,49

60 35,535 37,485 40,482 43,118 79,082 83,298 88,379 91,952
70 43,275 45,442 48,758 51,739 90,531 95,023 100,425 104,215
80 51,172 53,54 57,153 60,391 101,879 106,629 112,329 116,321
90 59,196 61,754 65,646 69,126 113,145 118,136 124,116 128,299
100 67,328 70,065 74,222 77,929 124,324 129,561 135,807 140,169

ANEXO V
VALORES CRTICOS DE LA DISTRIBUCIN t DE STUDENT
0,10 0,05 0,025 0,010 0,005
1 3,078 6,314 12,706 31,821 63,657

2 1,886 2,920 4,303 6,965 9,925
3 1,638 2,353 3,182 4,541 5,841
4 1,533 2,132 2,776 3,747 4,604
5 1,476 2,015 2,571 3,365 4,032
6 1,440 1,943 2,447 3,143 3,707

7 1,415 1,895 2,365 2,998 3,499
8 1,397 1,860 2,306 2,896 3,355
9 1,383 1,833 2,262 2,821 3,250
10 1,372 1,812 2,228 2,764 3,169
11 1,363 1,796 2,201 2,718 3,106

12 1,356 1,782 2,179 2,681 3,055
13 1,350 1,771 2,160 2,650 3,012

14 1,345 1,761 2,145 2,624 2,977
15 1,341 1,753 2,131 2,602 2,947
16 1,337 1,746 2,120 2,583 2,921

17 1,333 1,740 2,110 2,567 2,898
18 1,330 1,734 2,101 2,552 2,878
19 1,328 1,729 2,093 2,539 2,861
20 1,325 1,725 2,086 2,528 2,845
21 1,323 1,721 2,080 2,518 2,831

22 1,321 1,717 2,074 2.,508 2,819
23 1,319 1,714 2,069 2,500 2,807
24 1,318 1,711 2,064 2,492 2,797
25 1,316 1,708 2,060 2,485 2,787
26 1,315 1,706 2,056 2,479 2,779

27 1,314 1,703 2,052 2,473 2,771
28 1,313 1,701 2,048 2,467 2,763
29 1,311 1,699 2,045 2,462 2,756
Inf 1,282 1,645 1,960 2,326 2,576

ANEXO VI
VALORES CRTICOS DE LA DISTRIBUCIN F
F0,05 1:Grados de libertad para el numerador 2 :Grados de libertad para el denominador

1 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 inf
2
1 161 200 216 225 230 234 237 239 241 242 244 246 248 249 250 251 252 253 254
2 18,5 19 19,2 19,2 19,3 19,3 19,4 19,4 19,4 19,4 19,4 19,4 19,4 19,5 19,5 19,5 19,5 19,5 19,5
3 10,1 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,7 8,66 8,64 8,59 8,62 8,57 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,8 5,77 5,75 5,72 5,69 5,66 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53 4,5 4,46 4,43 4,4 4,37
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,7 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,40

12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,38 2,38 2,30 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,40 2,33 2,29 2,25 2,20 2,16 2,11 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
17 3,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,93
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,15 2,07 2,03 1,98 1,94 1,89 1,84 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,13 2,05 2,01 1,96 1,91 1,86 1,81 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73
25 4,24 3,39 2,99 2,76 2,60 2,49 2,4 2,34 2,28 2,24 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,01 1,93 1,89 1,84 1,74 1,74 1,68 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2 ,25 2,18 2,12 2,08 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58 1,51
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39
120 3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,83 1,75 1,66 1,61 1,55 1,50 1,43 1,35 1,25
inf 3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,75 1,67 1,57 1,52 1,46 1,39 1,32 1,22 1,00
F0,01 1:Grados de libertad para el numerador 2 :Grados de libertad para el denominador

1 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 inf
2
1 4,052 5,000 5,403 5,625 5,764 5,859 5,928 5,982 6,023 6,056 6,106 6,157 6,209 6,235 6,261 6,287 6,313 6,339 6,366
2 98,50 99,00 99,20 99,20 99,30 99,30 99,40 99,40 99,40 99,40 99,40 99,40 99,40 99,50 99,50 99,50 99,50 99,50 99,50
3 34,10 30,80 29,50 28,70 28,20 27,90 27,70 27,50 27,30 27,20 27,10 26,90 26,70 26,60 26,50 26,40 26,30 26,20 26,10
4 21,20 18,00 16,70 16,00 15,50 15,20 15,00 18,80 14,70 14,50 14,40 14,20 14,00 13,90 13,80 13,70 13,70 13,60 13,50
5 16,30 13,30 12,10 11,40 11,00 10,70 10,50 10,30 10,20 10,10 9,89 9,72 9,55 9,47 9,38 9,29 9,20 9,11 9,02

6 13,70 10,90 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,72 7,56 7,40 7,31 7,23 7,14 7,06 6,97 6,88
7 12,20 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,47 6,31 6,16 6,07 5,99 5,91 5,82 5,74 5,65
8 11,30 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,92 5,81 5,67 5,52 5,36 5,28 5,20 5,12 5,03 4,95 4,83
9 10,60 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,11 4,96 4,81 4,73 4,65 4,57 4,48 4,40 4,31
10 10,00 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,71 4,56 4,41 4,33 4,25 4,17 4,08 4,00 3,91
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,40 4,25 4,10 4,02 3,94 3,86 3,78 3,69 3,60
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,16 4,01 3,86 3,78 3,70 3,62 3,54 3,45 3,36
13 9,07 6,70 5,74 5,12 4,86 4,62 4,44 4,30 4,19 4,10 3,96 3,82 3,66 3,59 3,51 3,43 3,34 3,25 3,17
14 8,86 6,51 5,56 5,04 4,70 4,46 4,28 4,14 4,03 3,94 3,80 3,66 3,51 3,43 3,35 3,27 3,18 3,09 3,00
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,67 3,52 3,37 3,29 3,21 3,13 3,05 2,96 2,87
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,55 3,41 3,26 3,18 3,10 3,02 2,93 2,84 2,75
17 8,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,46 3,31 3,16 3.,08 3,00 2,92 2,83 2,75 2,65
18 8,29 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,60 3,51 3,37 3,23 3,08 3,00 2,92 2,84 2,75 2,66 2,57
19 8,19 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,30 3,15 3,00 2,92 2,84 2,76 2,67 2,58 2,49
20 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,23 3,09 2,94 2,86 2,78 2,69 2,61 2,52 2,42
21 8,02 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,40 3,31 3,17 3,03 2,88 2,80 2,72 2,64 2,55 2,46 2,36
22 7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,12 2,98 2,83 2,75 2,67 2,58 2,50 2,40 2,31
23 7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 3,07 2,93 2,78 2,70 2,62 2,54 2,45 2,35 2,26
24 7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 3,03 2,89 2,74 2,66 2,58 2,49 2,40 2,31 2,21
25 7,77 5,57 4,68 4,18 3,86 3,63 3,46 3,32 3,22 3,13 2,99 2,85 2,70 2,62 2,53 2,45 2,36 2,27 2,17
30 7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07 2,98 2,84 2,70 2,55 2,47 2,39 2,30 2,21 2,11 2,01
40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,66 2,52 2,37 2,29 2,20 2,11 2,02 1,92 1,80
60 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,50 2,35 2,20 2,12 2,03 1,94 1,84 1,73 1,60
120 6,85 4,79 3,95 3,48 3,17 2,96 2,79 2,66 2,56 2,47 2,34 2,19 2,03 1,95 1,86 1,76 1,66 1,53 1,38
inf 6,63 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,18 2,04 1,88 1,79 1,70 1,59 1,47 1,32 1,00

RESPUESTAS A PROBLEMAS PROPUESTOS

RESPUESTAS A LOS PROBLEMAS DEL CAPTULO 1
1-
RESISTENCIA A LA RUPTURA DE HILOS
DE CAMO
Resistencia (Onzas) N de hilos de Promedio de N de hilos
camo resistencia acumulados
15,2....25,6 7 20,4 7
25,7....36,1 13 30,9 20
36,2....46,6 10 41,4 30
46,7....57,1 10 51,9 40
57,2....67,6 4 62,4 44
3
RENDIMIENTO DE 30 VIAJES DE LOS
AUTOMVILES DE UNA COMPAA DE
TRANSPORTE
14
12
N de viajes
10
8
6
4
2
0
11 13,1 15,2 17,3 19,4 21,5
kilmeros/litro

DE UNA COMPAA DE TRANSPORTE
14
12
N de viajes
10
8
6
4
2
0
8,9 11 13,1 15,2 17,3 19,4 21,5 23,6
Kilmetros/litro
294
Probabilidad y Estadstica
Depool R.; Monasterio D.
5.-
FABRICACIN DE TUBOS PLSTICOS
SEGN SU TIPO
D
C 4%
16% A
36%
B
44%
FABRICACIN DE TUBOS PLSTICOS

SEGN SU TIPO
40
cantidad producida
30
20
10
0
A B C D
Tipo de tubos
295
7.
9)y 11)

1.-
Parte a) 40,72.
Parte b) 37,7
Parte c) 2=170,82
=13,07.
Parte d) s2=174,76
s=13,22.
3.-
Parte a) 14,45.
Parte b) 14,58.
Parte c) 2 =5,7
=2,39.
296
P
arte d) s2=5,89
s=2,43.
Parte e) P50=14,58
P30=13,04
P75=15,94
Parte f) Rp 13,8=38,17%.

1.- Parte a) S={{1,2},{1,3},{1,4},{2,3},{2,4},{3,4}}.
Parte b) A={{1,2},{1,3},{1,4}}.
Parte c) B={{2,3},{2,4}}.
Parte d) A B ={{1,2},{1,3},{1,4},{2,3},{2,4}}.
Parte e) A B .
Parte f) A={{2,3},{2,4},{3,4}}.
3.- Parte a) A B ={1,2,3,4}
Parte b) A B .
Parte c) B={1,2,4,5}. A B ' ={1,2,4,5}=B.
Parte d) C={1,2,3,4}= A B .
5.- 60.
7.- Parte a) 364.
Parte b) 1365.
9.- 15876.
11.- 5040.
13.- 0,013 1,3%.
15.- 0,45.
1
17.- Parte a)
5
2
Parte b)
5
4
Parte c)
15
19.- Parte a) 0,48.
Parte b) 0,7296.
21.- 0,0714
1.- Parte a:
x 0 1 2
Probabilidad 2/5 8/15 1/15
297
Parte b:
0 x 0
2
0 x 1
5
F (x)
14 1 x 2
15
1 x 2

Parte c:
N DE TRANSISTORES DEFECTUOSOS DE
UN AMPIFICADOR
0,6
Probabilidad
0,4
0,2
0
0 1 2
N de unidades defectuosas
Parte d:
N D E T RANS IS T O RES
D EFEC T UO S OS D E UN
P ro b ab ilid ad
A cu m u lad a AM P L IF IC AD O R
1 -
0 ,8 -
0 ,6 -
0 ,4 -
0 ,2 -
0 1 2
N d e u n id ad es
3.-Parte a:
x 0 1 2
Probabilidad 0,6381 0,0189 0,343
298
Parte b:
El N DE VAS ABIERTAS DE A a
B EN UN SISTEMA DE FLUJO DE
ACEITE
0,7
Probabilidad 0,6
0,5
0,4
0,3
0,2
0,1
0
0 1 2
N de vas abiertas
5.-
0 x 0
0 ,0 5 0 x 1

0 ,2 1 1 x 2
F (x)
0 ,5 8 2 x 3
0 ,9 9 3 x 4

1 x 4
7.-Parte a: 0,095.
Parte b: 0,073.
Parte c: 0,105.
.....Parte d: 0
9.- Parte a: 0,36925.

Parte b: 0,47971.
299
11.-
x
f (x ,y ) 2 To tal
0 1 3
0 0 3 /7 0 9 /7 0 3 /7 0 1 5/70
y 1 2 /7 0 1 8/70 1 8/70 2 /7 0 4 0/70
2 3 /7 0 9 /7 0 3 /7 0 0 1 5/70
To tal 5 /7 0 3 0/70 3 0/70 5 /7 0 1
13.-Parte a: 0,1319.
Parte b: 1/3.
X 1,83
1. X2 2 , 4811
X 1,575
X 0 ,56
3. X2 0 , 24587
X 0 , 4958
g ( X ) 240
5. g2 ( X ) 36180
g ( X ) 190 , 21
7. g ( X ,Y ) 46 ,1
9. X 3, 25
11
11. X
21
13. XY 0
1
15. P(1,83 k (1,575) X 1,83 k (1,575)) 1
k2
P ( 2,895 X 6,555 ) 0,89
1
17. P(0,5642 k (0,24587) X 0,5642 k (0,24587)) 1
k2
P ( 0,173 X 1,3) 0,89
300
1. Parte b
x 1 2 3 4 5 6 7 8 9 10 11 12
f(x) 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12
3. Parte a. 0,088.
Parte b. 0,6242
Parte c. 0,9804.
Parte d. 0,0001.
5. Parte a. 0,36.
Parte b. 0,9476.
X 0,66
Parte c. X 0,6204
2
X 0,788
7. Parte a. 0,046.
Parte b. 0,985.
X 40
Parte c. X 24
2
X 4,899
9. Parte a. 0,2544.
Parte b. 0,2502.
11. Parte a. 0,6852.

Parte b. 0,9161.
X 13,11
Parte c. X 4,06
2
X 2,01
13. Parte a. 0,063.

X 11,43
Parte b. X 21,22
2
X 4,61
301
15. Parte a. 0,105.
X 4
Parte b. X 12
2
X 3,46
17. Parte a. 0,463.
19. Parte a. 0,071.

Parte b. 0,45.
Parte c. 0,993.
1 a) 0,62%
b) 0,7492.
c) 183 vasos
d) 140 vasos.
3) 6,14 aos.
5) 1,965 pulg.
7) 0,1562.
9) 0,5679.
11) 0,7697.
13 a) 0,0308.
b) 0,9236
15) 0,0341.
17) 0,407.
19) 0,982.

1. 534 ,54 545, 46 .
3 39, 27 40,73
15 a) n=76,56 das
b) n=46,74 das.
c) n=29,74 das.
302
7 10,57 11,03 .
9 0,07 0,049
11 a) 1,94 1 2 3,28 .
b) 1,94 1 2 3,282 .
13 0, 0215 P 0,0745 .
15 a) n=30625 das.
b) n=1154,75 das.
c) n=49,92 das.
17 0 ,104 P1 P2 0 ,012
19 0,3979 2
17,22 .
21 8177,27 2
19652,13 .
12
23 0,148 <3,862
2
2

1 Se rechaza la hiptesis nula.
5 Se acepta la hiptesis nula.
17 Se rechaza la hiptesis nula. (Hiptesis referente a la media).
Se acepta la hiptesis nula. (Hiptesis referente a varianza).
303
BIBLIOGRAFA
CHAO, C. (1985). Estadstica para las Ciencias Administrativas. McGRAW-HILL.
DEVORE, J. (2008). Probabilidad y Estadstica para Ingenieros y Ciencias. Cergage
Learning Editors S.A.
FREUND, J. (2002). Probabilidad y Estadstica para Ingenieros. Revert.
GOMEZ, F. (1993). Estadstica Metodolgica. Fragor. 1993.
JOHNSON, R. (2012). Probabilidad y Estadstica para Ingenieros. Pearson Education.
KAZMIER, L.; DIAZ A. (1991). Estadstica Aplicada a Administracin y Economa.
Mc GRAW HILL.
KENNEDY, J.; NEVILLE, A. (1974). Estadstica para Ciencias e Ingeniera. Harla.
MAISEL, L. (1973). Probabilidad y Estadstica. Fondo Educativo Interamericano.
MENDENHALL, W.; SCHEFFER, R.; WACKERLY, D. (1986). Estadstica Matemtica
con Aplicaciones. Grupo Editorial Iberoamericano.
MENDELHALL W. (1990). Estadstica para la Administracin. Grupo Editorial
Iberoamericano.
MENDELHALL W. (2007). Introduccin a la Probabilidad y Estadstica. Cergage
Learning Editors S.A.
MILLER, I.; FREUND, J.; JOHNSON, R. (1992). Probabilidad y Estadstica para
Ingenieros. Prestice Hall.
PROAO, H. (1975). Estadstica Aplicada a la Mercadotecnia. Diana
SCHEAFFER, R.; McCLAVE, J. (1990). Probabilidad y Estadstica para Ingeniera.
Grupo Editorial Iberoamericano.
TRIOLA, M. (2007). Probabilidad y Estadstica. Pearson Education.
VELASCO, G. (2001). Probabilidad y Estadstica para Ingenieros. I.T.P. Latn Amrica.
WALPOLE, R.; MYERS, R. (2007). Probabilidad y Estadstica para Ingenieros. Pearson
Education.
304

Probabilida y Estadistica191116

Cargado por

Copyright:

Formatos disponibles

Probabilida y Estadistica191116

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Probabilida y Estadistica191116

Cargado por

Copyright:

Formatos disponibles

PROBABILIDAD Y ESTADSTICA.

DEPOOL RIVERO, RAMN

Dr. DEPOOL RIVERO, RAMN

Primera edicin 2002

A mi hija Mary Carlota.

CAPTULO 1. Nociones Bsicas de Estadstica. 1

CAPTULO 2. Medidas Descriptivas. 26

CAPTULO 4. Distribuciones de Probabilidad. 71

CAPTULO 5. Esperanza Matemtica. 95

CAPTULO 6. Distribucin de Probabilidad Discreta. 117

CAPTULO 8. Distribucin de Muestreo, Estimacin Puntual y por 193

CAPTULO 9. Pruebas de Hiptesis. 233

ANEXO I. TABLA DE DISTRIBUCIN BINOMIAL 268

ANEXO II. TABLA DE DISTRIBUCIN DE POISSON 276

ANEXO III. TABLA DE DISTRIBUCIN NORMAL ESTNDAR 283

ANEXO IV. TABLA DE DISTRIBUCIN JI CUADRADA 286

ANEXO V. TABLA DE DISTRIBUCIN t DE STUDENT 288

RESPUESTAS A LOS PROBLEMAS IMPARES 293

El presente libro tiene como finalidad fundamental servir como soporte

La distribucin de libro es de manera gratuita a travs de la pgina virtual de la

NOCIONES BSICAS DE ESTADSTICA

DEFINICIN 1.1. Datos.

El dato es una representacin simblica (numrica, alfabtica, algortmica, entre

En programacin, un dato es la expresin general que describe las caractersticas de las

En estructura de datos, es la parte mnima de la informacin.

Probabilidad y Estadstica Depool R.; Monasterio D.

DEFINICIN 1.2. Sujeto.

DEFINICIN 1.3. Poblacin.

DEFINICIN 1.4. Muestra.

Probabilidad y Estadstica Depool R.; Monasterio D.

Ejemplo 1.3. El nmero de empleados en una fbrica, la produccin de una determinada

DEFINICIN 1.6. Parmetro.

Ejemplo 1.4. Supngase que se est estudiando la poblacin, constituida por la

DEFINICIN 1.7. Estadstico.

Ejemplo 1.5. El promedio muestral de produccin de una pieza determinada.

DEFINICIN 1.8. Exactitud y Precisin.

Probabilidad y Estadstica Depool R.; Monasterio D.

DEFINICIN 1.10. Estadstica industrial

La estadstica industrial es la rama de la estadstica que busca implementar los

Pueden distinguirse tres partes:

El estudio de las series temporales y las tcnicas de previsin, y la descripcin de los

Serie temporal o cronolgica es una secuencia de datos, observaciones o

Probabilidad y Estadstica Depool R.; Monasterio D.

Control de calidad son todos los mecanismos, acciones, herramientas que se

El trmino fiabilidad es descrito en el diccionario de la Real Academia Espaola

Las escalas de medicin son utilizadas para diferenciar elementos en un proceso.

Probabilidad y Estadstica Depool R.; Monasterio D.

ELABORACIN DE TABLAS DE DATOS.

DEFINICIN 1.11. Distribucin de frecuencias

DEFINICIN 1.12. Clase (x i)

Probabilidad y Estadstica Depool R.; Monasterio D.

DEFINICIN 1.16. Frecuencia Acumulada. ( fai ) y Frecuencia Acumulada Porcentual

HORAS TRABAJADAS POR UN GRUPO DE EMPLEADOS DE UNA EMPRESA MANUFACTURERA

Probabilidad y Estadstica Depool R.; Monasterio D.

Probabilidad y Estadstica Depool R.; Monasterio D.

Probabilidad y Estadstica Depool R.; Monasterio D.

DEFINICIN 1.18. Marca de Clase. (x i).

Ejemplo 1.13. En el intervalo del ejemplo 1.12, la marca de clase xi = 29.

DEFINICIN 1.19. Lmite Real Inferior ( ). Lmite Real Superior ( ).