Estadística y probabilidad para ingeniería

UNIVERSIDADAUSTRALDECHILE
FACULTADDECS.ECONMICASYADMINISTRATIVAS
INSTITUTODEESTADISTICA
BAIN052
ESTADSTICA Y PROBABILIDAD PARA INGENIERA
ASIGNATURADELCURRICULUMDELASCARRERASDEINGENIERADELA
FACULTADDECIENCIASDELAINGENIERA,DELAUNIVERSIDAD
AUSTRALDECHILE
APUNTES DE CLASES
Versin
Primer Semestre 2011
Profesores
VctorFigueroaArcila
OsvaldoRojasQuintanilla
MagalyMoragaCrdenas
Abril2011
Unidad de
Aprendizaje
III
BAIN052.ESTADSTICAYPROBABILIDADPARAINGENIERA|VctorFigueroaArcila.
NOCIONES DE
PROBABILIDAD
33
I. PROBABILIDAD
21
II. VARIABLES ALEATORIAS
23
III. MODELOS DE VARIABLES ALEATORIAS
25
IV. APLICACIONES EN EL MBITO DE LA INGENIERA
30
ANEXOS
1. Valores de la funcin de distribucin normal estndar
35
2. Percentiles de la distribucin t de Student
37
3. Percentiles de la distribucin chi-cuadrado
40
4. Percentiles de la distribucin F
44
I. PROBABILIDAD
1.1 Introduccin
En ocasiones cuando se habla de probabilidad o posibilidad de que un suceso ocurra, se pierde la credibilidad acerca
del suceso en cuestin, pero es posible tener siempre la certeza total en todo proyecto o actividad que se desea
realizar?, es muy difcil tenerla, debido a que el llevar a efecto un proyecto cualquiera por ms simple que este sea,
ste est sujeto a una gran diversidad de factores que afectan su ocurrencia, entonces que es lo ms aconsejable
para predecir su ocurrencia?, la probabilidad es la que nos ayuda en estos casos, ya que basndose en
estadsticas, podemos cuantificar la posibilidad de ocurrencia de los sucesos y por consiguiente tomar una buena
decisin basados en esta informacin.
La probabilidad se encarga de evaluar todas aquellas actividades en donde se tiene incertidumbre acerca de los
resultados que se pueden esperar, esto quiere decir que la probabilidad est presente en casi en todas las
actividades que se pretenda realizar, ejemplos: -Cualquier proyecto de Ingeniera o de otras reas; -Competencias
deportivas; -Juegos de azar, etc.
1.2 Conceptos bsicos
A continuacin se definen algunas cuestiones implcitas en el clculo de probabilidades.
Espacio muestral (): Es el conjunto de todos los resultados posibles de un experimento. Es nuestro Universo.
Ejemplos:
i) Se lanza al aire un dado normal de seis caras (perfectamente equilibrado), y se observa la figura que aparece
en la cara superior del dado y luego se anota el nmero asociado a dicha figura. Enumere los posibles
resultados de este experimento. Respuesta: = {1, 2, 3, 4, 5, 6 }.
ii) Se lanza al aire dos veces una moneda normal, y se observa la figura que aparece en la cara superior. Defina
el espacio muestral correspondiente. Respuesta: = {CC, CS, SC, SS}
Sucesos: Un suceso (o evento) A es un subconjunto del espacio muestral.
Ejemplos:
i) Sea el experimento aleatorio que consiste en Lanzar un dado de seis caras una vez y observar la figura que
aparece en la cara superior del dadoyluego anotar el nmero asociado a dicha figura. El espacio muestral
correspondiente es = { / = 1,2,3,4,5,6}. Sucesos asociados a este experimento son: Registrar el
resultado cuando el nmero asociado a la cara superior es un nmero par. A = { 2, 4, 6}.
ii) Sea el experimento aleatorio Lanzar un dado de seis caras dos veces, observar las figuras que aparecen en
la cara superior de los dados y anotar los nmeros asociados a dichas figuras. El espacio muestral
correspondiente es = { (x,y) / x, y = 1,2,3,4,5,6}. Sucesos asociados a este experimento son:
A= En ambos lanzamientos aparece la misma figura. Escrbalo en notacin de conjunto.
B= Los nmeros asociados a las figuras que aparecen son ambos mayores que tres.
C= Los nmeros asociados a las figuras que aparecen son ambos impares.
D= Los nmeros asociados a las figuras que aparecen son diferentes.
E= Los nmeros asociados a las figuras que aparecen corresponden a un as.
F= Los nmeros asociados a las figuras que aparecen, por lo menos uno de ellos es un nmero par.
iii) Sea B el sucesos de que aparezcan dos caras en tres lanzamientos de una moneda normal, entonces, como
= {CCC, CCS, SCC, CSC, CSS, SCS, SSC, SSS}, se tiene que B = {CCS, SCC, CSC}.
Tipos de sucesos: Suceso simple; Suceso compuesto; Suceso imposible; Suceso seguro.
Operaciones con sucesos: Como se observa los experimentos y sucesos probabilsticos se pueden expresar
con la notacin de conjuntos y a continuacin se enumeran algunas operaciones que es posible realizar con los
sucesos.
1) AB Es el suceso que ocurre si y solo s
2) AB Es el suceso que ocurre s y solo s A y
B ocurren a un mismo tiempo.
A ocurre o B ocurre o ambos ocurren.
B
AB
UNIDADDEAPRENDIZAJEII.NOCIONESDEPROBABILIDAD|Abrilde2011
El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos resultados, dentro de un
conjunto posible de soluciones, y esto an realizando el experimento en las mismas condiciones. Por lo tanto, a
priori no se conoce cual de los resultados se va a presentar. Piense en algn ejemplo al respecto.
Hay experimentos que no son aleatorios y por lo tanto no se les puede aplicar las reglas de la probabilidad.
Piense en algn ejemplo al respecto.
34
3) A Es el complemento de A. Es el suceso
que ocurre s y solo s A no ocurre.
4) Se dice que A y B son sucesos mutuamente

excluyentes o exclusivos si AB =
1.3 Enfoques para el clculo de probabilidad

Cmo podemos calcular probabilidades?. Existen distintos enfoques que pasamos a comentar a
continuacin:
Enfoque objetivo clsico (a priori De Laplace): Considera que los resultados de un Experimento Aleatorio
son igualmente posibles. Es el que se relaciona con ms frecuencia con las apuestas y juegos de azar. La
probabilidad clsica de un suceso E se determina por:
P (E) =
Ejemplo 1: Sea el experimento que consiste en lanzar un dado legal (no cargado) de 6 caras, observar la
figura que aparece en la cara superior y registrar el nmero asociado a dicha figura. Entonces el espacio
muestral est dado por = {1, 2, 3, 4, 5, 6}. Sea A el suceso que el nmero asociado a la figura que muestra
la cara superior del dado es un nmero par, A={2, 4, 6}, luego P( A) = 3/6.
Representacin grfica (diagrama de Venn).
Espacio muestral
35
m
N de casos favorables al suceso E
=
n
N total de casos posibles
5
1
3
2
Suceso A
6
Ejemplo 2: Sea el experimento aleatorio que consiste en Lanzar 2 monedas al mismo tiempo y observar las
figuras que muestran las caras superiores. Entonces el Espacio Muestral est dado por = {CC, CS, SC,
SS}. Sea el suceso Sale una cara, E={CS, SC }, entonces la probabilidad de E es igual a 2/4 = .
Enfoque objetivo de la frecuencia relativa (o a posteriori - Von Mises). Utiliza datos observados
empricamente. Registra la frecuencia con que ha ocurrido algn suceso E en el pasado y estima la
probabilidad de que el suceso ocurra nuevamente con base a los datos histricos.
P ( E) =
N de veces que ha ocurrido un suceso en el pasado

N total de observacio nes
Ejemplo 1: Ciertas pruebas muestran que 294 de 300 aislantes de cermica probados podran resistir un
choque trmico, cul es la probabilidad de que cualquiera de tales aislantes pueda resistirlo?.
P(Resistir choque trmico) =
294
= 0,98
300
Ejemplo 2: Determine la probabilidad de que en cierta lnea de produccin se manufacture un producto

defectuoso, si se toma como referencia que la produccin de la ltima semana en esta lnea fue de 1.500
productos, entre los que se encontraron 18 productos defectuosos. Entonces, P(producto defectuoso) =
Nmero de productos defectuoso/Total de productos producidos en la semana = 18 / 1.500 = 0,012
Lo anterior nos indica que es muy probable que 1,2 productos de cada 100 que se manufacturen en esa lnea
sern defectuosos.
Por qu se utiliz para calcular las probabilidades la informacin de la semana inmediata anterior?. Debido a
que esta refleja la situacin que guarda actualmente la produccin de la lnea mencionada.
Principio de la regularidad estadstica: Si repetimos un Experimento Aleatorio un nmero grande de

veces n (n ) y designamos por m las veces que ocurri un suceso E. Un hecho experimental que
se puede comprobar es que: A medida que n aumenta, el cociente m/n tiende a estabilizarse en un nmero
p.
m/n p = P(E) = Probabilidad de E.
Al valor p se llega a travs de la frecuencia relativa. (Este es el enfoque llamado frecuentista).
Ejemplo: Se lanza n veces una moneda y se anota el nmero de veces que cae cara. Las 3
personas siguientes realizaron este experimento y obtuvieron los siguientes resultados:
f(xi)
AUTOR
n
N de caras
P(CARA)
Buffon
K. Pearson
Pearson Jr.
4.040
12.000
24.000
2048
6019
12000
0,5069
0,5016
0,5005
0,50
0,50
0,50
1.4 Axiomas y teoremas

Para el clculo de probabilidades hay que tomar en cuenta los AXIOMAS Y TEOREMAS que a continuacin se
enumeran.
AXIOMAS:
1) La probabilidad de que ocurra un suceso A cualquiera se encuentra entre cero y uno. 0 P(A) 1
2) La probabilidad de que ocurra el espacio muestral es igual a 1. P() = 1
3) Si A y B son sucesos mutuamente excluyentes, entonces la P(AB) = P(A) + P(B)
Generalizando: Si se tienen n sucesos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces;
P(A1A2.........An) = P(A1) + P(A2) + .......+ P(An).
Probabilidad Conjunta: Es la probabilidad que mide la posibilidad de que 2 o ms sucesos ocurran
simultneamente y se denota por: P(A B)
TEOREMAS:
1. Si es un evento nulo o vaco, entonces la probabilidad de que ocurra debe ser cero. P() = 0.
c
2. La probabilidad del complemento de A es igual a 1 menos la probabilidad de A. P(A )= 1 P(A).
3. Si un evento A B, entonces la P(A) P(B).
c
4. La P( A B ) = P(A) P(AB).
5. Para dos sucesos A y B, P(AB) = P(A) + P(B) P(AB).
Ejemplo: La siguiente tabla entrega los datos finales sobre el hundimiento de un barco.
Hombres Mujeres Nios Nias
Sobrevivientes 332
318
29
27
Muertos
1360
104
35
18
Si selecciona al azar a uno de los pasajeros, calcule la probabilidad de que sea mujer o nia.
Si selecciona al azar a uno de los pasajeros, calcule la probabilidad de que sea un hombre o una persona
que sobrevivi al hundimiento.
Enfoque subjetivo: probabilidad subjetiva (o personal): La probabilidad de que suceda un suceso

especfico se asigna en base a cualquier informacin disponible. Se usan como soporte: La informacin
del pasado. La experiencia... etc. Se relaciona con las situaciones que slo ocurrirn una vez (o slo la
prxima vez, o para slo esa vez).
Ejemplos:
Probabilidad de que un equipo determinado gane el campeonato de futbol este ao.
Probabilidad de que ocurra un terremoto en Osorno este ao.
Dado un experimento aleatorio y un suceso E, la P(E) = p es el grado de creencia asignado a la
ocurrencia de este suceso por cierto individuo. As podemos decir que:
P(E) = 1
Certeza de que el suceso E ocurrir
0 < P(E) < 1 Grado de certeza de que el suceso E ocurrir
P(E) = 0
Certeza de que el suceso E no ocurrir
36
Si selecciona al azar a uno de los pasajeros, calcule la probabilidad de que sea una mujer o una persona
que no sobrevivi al hundimiento.
1.5 Sucesos Independientes
Son sucesos en los que la ocurrencia de uno no tiene nada que ver con la ocurrencia del otro. En trminos
probabilsticos, A y B son independientes si y solo si
P(A B) = P(A)P(B)
Indique sucesos independientes al seleccionar al azar (aleatoriamente) una muestra de 4 alumnos en el curso.
Ejemplo: Se toman, aleatoriamente porcentajes de partidas de un producto proporcionado por dos proveedores y
se clasifican de acuerdo con la forma en que se adecuan a las especificaciones. A continuacin se resumen los
resultados obtenidos con 40 productos.
Proveedor
Cumple con las

especificaciones
si
No
18
17
Sea el suceso A: el producto viene del proveedor 1 y el suceso B: el producto cumple con las
especificaciones. Determine si los sucesos A y B son independientes.
37
1.6 Probabilidad condicional

Sea un espacio muestral en donde se ha definido un suceso E, donde
P(E)>0, si deseamos determinar la probabilidad de que ocurra un suceso A
(el que tambin es definido en el mismo espacio muestral), dado que E ya
ocurri, entonces deseamos determinar una probabilidad de tipo
condicional, la que se determina como sigue:
P (A / E) =
P(A E)
P(E)
E
A
AE
Teorema General de la Multiplicacin: Si A y B son eventos en , entonces
P(A B) = P(A)P(B/A)
P(A B) = P(B)P(A/B )
Si P(A) 0
SiP(B)0
Propiedad: A y B son INDEPENDIENTES ssi P(A/B)=P(A) y P(B/A) =P(B)

Teorema de la Probabilidad Total: Si B1, B2, ..Bn son eventos mutuamente excluyentes, uno de los cuales debe
ocurrir, entonces:
Teorema de Bayes: Permite obtener la probabilidad condicional de un sucesos cuando mediante el efecto
tratamos de determinar la probabilidad de la causa.
Sea Ai un suceso que creemos se puede considerar como una posible causa de un suceso B (efecto).
P(Ai)= Probabilidad a priori. Es la probabilidad inicial con base en el nivel actual de informacin.
P(Ai/B)= Probabilidad a posteriori. Es una probabilidad condicional. Esta es una probabilidad revisada con base en
informacin adicional.Si el evento B ocurri
Cul es la probabilidad de que ocurra A1 [(P(A 1 / B)]?

Teorema: Si A1, A2, ...An son sucesos mutuamente excluyentes, uno de los cuales debe ocurrir, entonces
P(A r /B) =
P(A r )P(B/A r )
n
P(A
i =1
)P(B/A i )
Ilustracin: En el caso de 2 sucesos:

Sean A1 y A2 dos sucesos mutuamente excluyentes con probabilidades a priori dadas por P(A1) y P(A2). Sea
B otro suceso. La probabilidad a posteriori P(A1 / B) es:
P ( A1 | B) =
P( A1) * P ( B | A1)
P ( A1) * P( B | A1) + P( A2) * P ( B | A2)
Ejemplo:
Solucin:
Hay 3 sucesos bsicos A1, A2 y A3 con probabilidades a priori dadas por:
A1: Fue comprado a P1 P(A1 ) = 0,30
Hay 2 sucesos con informacin adicional:
B1: Artculo es malo.
B2: Artculo no es malo (es bueno).Probabilidades Condicionales
P(B1 |A1 ) = 0,03 = P( Artculo est malo dado que se compr a P1)
Cul es la probabilidad de que se compr al proveedor P2 dado de que es malo (defectuoso) ? P (A2 |
B1) ?A2 = Artculo comprado a P2 proveedor 2
B1 = Artculo es malo (defectuoso)
P(El proveedor es P2 / Artculo es malo) =
P (A 2 | B 1 ) = [(0,20) (0,05)] / [(0,30) (0,03) + (0,20) (0,05) + (0,50)(0,04)] = 0,01 / 0,039= 0,2564
Un artculo tiene 3 proveedores P1, P2 y P3.

El P1 provee el 30% (malos el 3%).
El P2 provee el 20% (malos el 5%)
El P3 provee el 50% (malos el 4%).
Se selecciona un artculo y resulta malo (defectuoso). Cul es la probabilidad de que provenga del proveedor P2?
38
DIAGRAMA DEL RBOL

A PRIORI
CONDICIONAL
CONJUNTA----
P(A i )
P(B1 /Ai )
P(Ai y B1)
Causa
Ai
Probabilidad a
Priori
P(A i )
Probabilidad
Condicional
P(B1 /Ai )
Probabilidad
Conjunta
P(Ai y B1)
Probabilidad a
Posteriori
P(Ai /B1 )
P(Causa / Efecto)
De Bayes
A1
A2
A3
0,30
0,20
0,50
0,03
0,05
0,04
0,300,03=0,009
0,200,05=0,01
0,500,04=0,02
0,039
0,009/0,039=0,2308
0,001/0,039=0,2564
0,002/0,039 =0,5128
1
P(B1 / A1)=0,03
39
A POSTERIORI
DE BAYES
P(Ai /B1 )
A1
P( A 1 ) = 0,30
P( A 2 ) = 0,20
A2
B1= Malo
P(A1 Y B1 )= 0,300,03
= 0,009
P(A1 Y B1 ) = 0,009 / 0,039

= 0,2308
P(B2 / A1 ) = 0,97
B2= Bueno
P(B1 / A2 )=0,05
B1= Malo
P(B2 / A2)=0,95
P(A1 Y B2 )= 0,300,97
= 0,291
P(A2 Y B1 )= 0,200,05 P(A2 Y B1 ) =0,001 / 0,039

= 0,01
= 0,2564
B2= Bueno
P(A2 Y B2 )= 0,200,95
= 0,19
B1= Malo
P(A3 Y B1 )= 0,500,04
= 0,02
P( A 3 ) = 0,50
P(B1 / A3 )=0,04
A3
P(B2 / A3 )=0,96
B2= Bueno
P(A3 Y B1 ) = 0,002 / 0,039

= 0,5128
P(A3 Y B2 )= 0,500,96
= 0,48
Ejercicio :
1) Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de los productos producidos en
una fbrica. Los porcentajes de produccin defectuosa de estas mquinas son del 3%, 4% y 5%.
i) Se selecciona un producto al azar. Calcule la probabilidad de que sea defectuoso.
ii) Suponga que tomamos, al azar, un producto y resulta ser defectuoso. Calcule la probabilidad de que haya sido
producida por la mquina B.
iii) Qu mquina tiene la mayor probabilidad de haber producido el citado producto defectuoso?
II. VARIABLES ALEATORIAS

2.1 Variable aleatoria y distribucin de probabilidad
El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numrica. En estos
casos aparece la nocin de variable aleatoria: funcin que asigna a cada suceso un nmero.
Las variables aleatorias pueden ser discretas o continuas (tal como ya se estudi en el primer tema del curso).
En las siguientes lneas vamos a recordar conceptos de temas anteriores, junto con su nueva designacin, los
nombres son nuevos, los conceptos no.
Una distribucin de probabilidad es un modelo matemtico que relaciona el valor de la variable con la probabilidad
de ocurrencia de este valor en la poblacin.
0,45
0,4
En otras palabras, es posible visualizar el precio de las acciones de
0,35
0,3
las empresas del mbito informtico como una variable aleatoria (de
0,25
0,2
azar), porque toma valores diferentes en la poblacin conforme algn
0,15
0,1
mecanismo fortuito, y entonces la distribucin de probabilidad de los
0,05
precios describe la probabilidad de ocurrencia de cualquier valor en
0
-6,035
11,065
27,565
44,065
60,565
77,065
93,565
110,065
-0,05
la poblacin.
2.2 Tipos de distribuciones de probabilidad
Hay dos tipos de distribuciones de probabilidad:
o Distribucin discreta
Cuando la variable que se mide solamente puede tomar ciertos valores, como los nmeros enteros 1, 2, 3,- - - , la
distribucin de probabilidad se denomina distribucin discreta.
0,450
Por ejemplo, la distribucin del nmero de clientes que llegan a
0,400
0,350
una tienda, en un determinado perodo de tiempo, sera una
0,300
0,250
distribucin discreta.
0,200
El aspecto de una distribucin discreta es el de una serie de
0,150
0,100
trazos verticales, con la altura de cada trazo proporcional a la
0,050
probabilidad.
0,000
0
1
2
3
4
5
o Funcin de Cuantia
Asigna a cada posible valor de una variable discreta su
probabilidad. (recuerde los conceptos de frecuencia relativa y
diagrama de barras). Ejemplo: Nmero de hermanos de los
alumnos presentes en la sala de clases.
La probabilidad de que la variable aleatoria x tome un valor
especfico xi se expresa como:
1. - p(x i ) 0, i, i = 1,..., k
P[X = xi] = p(xi)
2. p(x i ) = 1
i =1
o Valor esperado y varianza de una variable aleatoria

La distribucin de probabilidad de una variable aleatoria proporciona un modelo para la distribucin terica de la
variable. La distribucin de probabilidad de una poblacin es anloga a la distribucin de frecuencias
relativa de los datos (muestra), luego es de esperarse que cada distribucin de probabilidad tenga asociada
unos resmenes numricos similares a los estadgrafos descriptivos que se han sealado para los datos
muestrales (tratados en el Captulo I del Programa) y que ahora pasarn a llamarse parmetros.
Por ejemplo: La media terica que desempea o equivale al
concepto de promedio o media aritmtica de los datos, recibe el

E[X ] = x p(x), si X es una v.a. discreta
nombre de valor esperado o esperanza matemtica de una
x
variable aleatoria X, Se representa mediante E[X] , y se
calcula como:
2
2
Varianza: Se representa mediante VAR[x] o , es el equivalente a la varianza muestral S . La varianza terica se
2
define como: VAR (X) = E ( X E(X)) .
Distribuciones discretas
40
OBSERVACIN: De esta forma se pueden definir el equivalente poblacional (parmetros) de todos los estadgrafos
vistos en el Captulo I.
2
Ejemplo: a) Determine el valor de c de manera que la funcin f(x) = c(x + 4), para x = 0, 1, 2 y 3, pueda servir como
funcin de cuantia de la variable aleatoria X. b) Grafquela. c) Encuentre P( X < 2). d) Determine el Valor esperado y
la varianza de dicha variable.
Distribuciones continuas
Cuando la variable que se mide se expresa en una escala continua, su distribucin de probabilidad se llama
distribucin continua. La distribucin de probabilidad de los precios de las acciones de una empresa es continua.
El aspecto de una distribucin continua es de una curva alisada, con el rea bajo la curva igual a la probabilidad,
de manera que la probabilidad de que x se encuentre en el intervalo de a a b se expresa como:
o Funcin de Densidad
Es una funcin no negativa de
1. - f(x) 0, x, - < x <
integral 1.
+
Penselo como la generalizacin
2.
f(x) dx = 1
del histograma con frecuencias

a
b
relativas
para
variables
continuas.
PARA QU LA VOY A USAR? Nunca la vamos a usar
0,45
directamente, sus valores no representan probabilidades. Muchos
0,4
0,35
procesos aleatorios vienen descritos por variables de forma que
0,3
0,25
son conocidas las probabilidades en intervalos. La integral
0,2
0,15
definida de la funcin de densidad en dichos intervalos coincide
0,1
0,05
con la probabilidad de los mismos. Es decir, identificamos la
0
-6,035
11,065
27,565
44,065
60,565
77,065
93,565
110,065
-0,05
probabilidad de un intervalo con el rea bajo la funcin de
densidad.
o Valor esperado y varianza de una variable aleatoria continua
varianza
valor esperado
P(a X b) = ab f(x)dx
41
E[X ] =
x f(x) dx, si X es una v.a. continua
VAR (X) = E ( X E(X))2
Ejemplo: Una variable aleatoria X que puede tomar valores entre 2 y 3, tiene una funcin de densidad definida
por f(x) = . a) Compruebe que dicha funcin es realmente una funcin de densidad. b) Encuentre P(2 < X <2.5);
c) Encuentre P(X 1.6); d) Determine el valor esperado y la varianza de esta variable.
Variables aleatorias discretas y continuas
o Funcin de distribucin
Es la funcin que asocia a cada valor de una variable, la probabilidad
acumulada de los valores inferiores o iguales. Penselo como la
generalizacin de las frecuencias acumuladas. Diagrama integral.
A los valores extremadamente bajos les corresponden valores de la
funcin de distribucin cercanos a cero. A los valores extremadamente
altos les corresponden valores de la funcin de distribucin cercanos a
uno. La encontraremos en las aplicaciones y publicaciones en forma de
p-valor, significacin,Conforme avancemos les ir sonando cada vez
ms este concepto.
o Para qu sirve la funcin de distribucin?
Contrastar lo anmalo de una observacin concreta. S que una persona de altura 210cm es anmala porque la
funcin de distribucin en 210 es muy alta. S que una persona adulta que mida menos de 140cm es anmala
porque la funcin de distribucin es muy baja para 140cm. S que una persona que mida 170cm no posee una
altura nada extraa pues su funcin de distribucin es aproximadamente 0,5. Relacinelo con la idea de
cuantil. En otro contexto (Pruebas (o contrastes) de hiptesis) podremos observar unos resultados
experimentales y contrastar lo anmalos que son en conjunto con respecto a una hiptesis determinada.
Revisite este punto cuando hayamos visto el tema de contrastes de hiptesis.
III. MODELOS DE VARIABLES ALEATORIAS

Hay variables aleatorias que aparecen con frecuencia en las ciencias de la Ingeniera, de all surgen determinados
modelos especficos tales como:
Distribuciones discretas: Experimentos dicotmicos: Bernoulli. Contar xitos en experimentos dicotmicos
repetidos: Hipergeomtrica; Binomial; Poisson (sucesos raros) y otras.
Distribuciones continuas: Distribucin normal (gaussiana, campana,); Distribucin exponencial; Distribuciones
2
derivadas de la normal (x (chi cuadrado), t de student, F); y otras
3.1 Distribuciones discretas
i) Distribucin Binomial: X ~ b (n, p)
Las caractersticas de esta distribucin son: a) En los experimentos que tienen este tipo de distribucin, siempre
se esperan dos tipos de resultados. Ejemplo: Defectuoso, no defectuoso, pasa, no pasa, etc, denominados
arbitrariamente xito (que es lo que se espera que ocurra) o fracaso (lo contrario del xito). b) Las
probabilidades asociadas a cada uno de estos resultados son constantes, es decir no cambian. c) Cada uno de
los ensayos o repeticiones del experimento son independientes entre s. d) El nmero de ensayos o repeticiones
del experimento (n) es constante.
Si X es la variable aleatoria que representa el nmero de xitos encontrados en la muestra de tamao n,
entonces La distribucin de probabilidad Binomial sigue el siguiente modelo:
Alguien no entiende esta frmula? Vamos a tratar de explicarla
con un ejemplo. Ejemplo: Se lanza al aire una moneda normal 3
veces, determine la probabilidad de que aparezcan 2 caras.
2
Media y varianza de una variable con Distribucin Binomial: Media: = n p; Varianza = n p q

Casos Especiales:
1.- Caso particular: Distribucin de Bernoulli Se presenta cuando el nmero de ensayos o repeticiones del
experimento es igual a 1 (es decir cuando n = 1).
2.- Generalizacin: Distribucin Multinomial - Se presenta cuando en el experimento sean posibles ms de
dos tipos de resultados.
ii) Distribucin Hipergeomtrica: X ~ H (N, k, n)
Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas: a) Al realizar un
experimento con este tipo de distribucin, se esperan dos tipos de resultados; b) Las probabilidades asociadas a
cada uno de los resultados no son constantes; c) Cada ensayo o repeticin del experimento no es independiente
de los dems; d) El nmero de repeticiones del experimento (n) es constante.
Ejemplo: En una partida de un determinado producto hay un total de N unidades, entre los cuales hay una
cantidad K de unidades que son defectuosas (xitos). Si se seleccionan de esta partida n unidades al azar, y sin
reemplazo, cul es la probabilidad de obtener x unidades defectuosas (xitos).?
Si X es la variable aleatoria que representa el nmero de xitos encontrados en la muestra de tamao n,
entonces la distribucin hipergeomtrica sigue el siguiente modelo:
k

x
P(X = x) =
N K
n x
N

n
Ejemplo: Una compaa manufacturera utiliza un

; para x= 0,1, 2,., Min(K, n).
esquema para la aceptacin de los artculos producidos
antes de ser embarcados. Se preparan cajas de 25
artculos para embarque y para verificar si tienen algn
artculo defectuoso se selecciona de cada una de ellas
una muestra de 3 artculos.
Si se encuentra un artculo defectuoso, la caja entera se regresa para verificarla al 100%. Si no se encuentra ningn
artculo defectuoso, la caja se embarca. a) Cul es la probabilidad de que se embarque una caja que tiene tres
n
P[ X = x] = p k q n k , 0 x n
x
42
artculos defectuosos?, b) Cul es la probabilidad de que una caja que contiene solo un artculo defectuoso se
regresa para verificacin?.
iii) Distribucin Hipergeometrica Generalizada: Caractersticas: a) Al realizar un experimento con este tipo de
distribucin, se esperan ms de dos tipos de resultados; b) Las probabilidades asociadas a cada uno de estos
resultados no son constantes; c) Los ensayos o repeticiones del experimento no son independientes entre s; d)
El nmero de repeticiones del experimento n, es constante.
iv) Aproximacin de la Distribucin Binomial a la Hipergeomtrica: Muestreo con reemplazo.
v) Distribucin de Poisson: X ~ P ( )
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc.
2
Ejemplos: - Nmero de defectos de una tela por m ; - Nmero de aviones que aterrizan en un aeropuerto por da,
2
hora, minuto, etc, etc.; -Nmero de bacterias por cm de cultivo; - Nmero de llamadas telefnicas a un
conmutador por hora, minuto, etc, etc.; - Nmero de llegadas de embarcaciones a un puerto por da, mes, etc,
etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula
a utilizar sera:
P(X = x) = e-
43
x
x!
; para x = 1, 2, 3,P(X = x) = P(x, ) = probabilidad de que ocurran x xitos,
cuando el nmero promedio de ocurrencia de ellos es ; = media o promedio de xitos por unidad de tiempo,
rea o producto. En esta distribucin la Media y la Varianza son iguales e iguales a .
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o
producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como
cada rea es independiente de otra rea dada y cada producto es independiente de otro producto dado.
Ejemplo: En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2
imperfecciones en promedio por minuto. Determine las probabilidades de identificar a) una imperfeccin en 3
minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15 minutos.
vi) Aproximacin de la Distribucin de Poisson a la Binomial
En este caso se determinarn probabilidades de experimentos Binomiales, pero que dadas sus caractersticas, es
posible aproximarlas con la distribucin de Poisson, estas caractersticas son, n tienda a infinito ( n es muy
grande) y p tienda a cero (p es muy pequea), por lo que: = np = nmero esperado de xitos = tasa promedio
de xitos, donde n = nmero de repeticiones del experimento y p = probabilidad de xito = p(xito). Una regla
general aceptable es emplear esta aproximacin si n 20 y p 0,05: s n 100, la aproximacin es generalmente
excelente siempre y cuando np 10.
Ejemplo: En un proceso de manufactura, en el cual se producen piezas de vidrio, ocurren defectos o burbujas,
ocasionando que la pieza sea indeseable para la venta. Se sabe que en promedio 1 de cada 1000 piezas tiene
una o ms burbujas. Cul es la probabilidad de que en una muestra aleatoria de 8000 piezas, menos de 3 de
ellas tengan burbujas?
3.2 Distribuciones continuas
En esta seccin trataremos las siguientes distribuciones:
1.
Distribucin Uniforme; 2. Distribucin Exponencial; 3. Distribucin Normal; 3. Aproximacin de la Normal a la

Binomial; 4.Distribuciones asociadas a la Normal.
i) Distribucin Uniforme: X ~ U (a, b)

Es la distribucin que se asocia a una variable aleatoria que slo puede tomar valores en el intervalo [a,b], de
modo que todos los valores son equiprobables.
Funcin de densidad:
1
;
f (x) = b a
0 ;
para a x b
en otro caso
a+b
2
(a - b)
V[X ] =
12
PARMETROS:
E[X ] =
Funcin de distribucin: determinarla.

APLICACIN: . Las tablas de nmero aleatorios se basan en esta distribucin, y tambin las funciones de
aleatorizacin que se utiliza en programas computacionales.
Ejemplo: Sea X una variable aleatoria con distribucin uniforme en el intervalo (a, b). Si E(X) = 10 y Var(X) = 12,
determine los valores de los parmetros a y b.
Distribucin Exponencial: X ~ Exp()
ii)
Es la distribucin que se asocia a una variable aleatoria que slo puede tomar valores mayores o iguales a cero.
Funcin de densidad:
e - x
f(x) =
0 ;
para x 0

en otro caso
PARMETROS:
E[X ] =
V[X ] =
APLICACIN: Tiempo que transcurre hasta la primera ocurrencia de un proceso de Poisson.

Ejemplo: El tiempo de atencin al cliente en un servicio de informacin de una biblioteca sigue una distribucin
exponencial, con un tiempo de servicio medio de 5 minutos, Cul es la probabilidad de que una consulta de un
cliente dure ms de 10 minutos?.
2
iii) Distribucin Normal: X ~ N ( , )

Caractersticas:
a) Es generada por una variable de tipo continuo, denominada x; -< x <
b) La funcin de densidad que nos define esta distribucin es:
f ( x; , ) =
2
1
2
1 x 2
)
(
2
para -< x <
2
Al dar a la funcin de densidad valores especficos para , y valores a x, obtendremos la distribucin en

cuestin, la que tiene forma de campana, por lo que tambin se le conoce como campana de Gauss. Hay un
nmero infinito de funciones de densidad Normal, una para cada combinacin de y . La media entrega la
ubicacin de la distribucin y la desviacin estndar entrega su dispersin. Es el modelo de distribucin
ms utilizado en la prctica, ya que multitud de fenmenos se comportan segn una distribucin normal.
Funcin de distribucin:
44
c)
d)
e)
f)
Es simtrica con respecto a su eje vertical.

Es asinttica con respecto a su eje horizontal; esto quiere decir que jams va a tocar el eje de las equis.
El rea total bajo la curva es 1.
S sumamos a , se observar que aproximadamente el 68.26% de los datos se encuentran bajo la curva,
si sumamos a 2, el 95.44% de los datos estar entre esos lmites y si sumamos a 3, entonces el
99.74% de los datos caer dentro de esos lmites. Esta caracterstica es a la vez una forma emprica y rpida
de demostrar si los datos que se analizan tienen una distribucin Normal; ya que para trabajar los datos con
esta distribucin, debe verificarse que efectivamente as se distribuyen, ya que de no hacerlo, las decisiones
que en un momento dado se tomarn de un anlisis de los datos con la distribucin Normal, seran errneas.
Casos particulares: Distribucin Normal Estndar: Z ~ N (0 , 1).
2
Esta distribucin surge al hacer = 0 y = 1. La funcin de distribucin

( ) de una variable Z con distribucin Normal Estndar ha sido tabulada,
es decir la integral respectiva se encuentra ya calculada, de tal forma que
para calcular cualquier probabilidad relacionada con esta distribucin,
simplemente se recurre a las Tablas de la Distribucin Normal
Estndar. (Ver hoja adjunta)
Ejemplo: Si Z ~ N (0 , 1), calcule: a) P(Z < 1);
b) P(Z 0); c) P(Z > 1); d) P(-1 Z1); e) P(-2 Z2); f) P(-3 Z3)
Cmo se determinan probabilidades relacionadas con cualquier distribucin Normal (X ~ N ( , ))?
45
a
0 a
(a) = P (Z a ) = f (z; 0, 1) dx
Por tratarse de distribuciones de probabilidad continuas, lo ms lgico es que la

2
funcin f(x, , ), se integre entre los lmites de la variable x; esto es,
b
P(a x b) = f ( x; , 2 )dx
a
La integral anterior nos dar el rea bajo la curva de la funcin, desde

a hasta b, que corresponde o es igual a la probabilidad buscada.
Debido a la dificultad que se presenta para integrar esta funcin cada vez que sea necesario, lo que se hace es
tipificar el valor de la variable x, es decir, llevarla a una distribucin Normal Estndar para poder utilizar las
Tablas, esto es, x se transforma en un valor de z, de la siguiente manera:
z =
= valor
Este valor de z es buscado en una tabla donde vienen reas asociadas a

este valor, y haciendo uso de los valores tabulados, se determina la
probabilidad requerida.
Ejemplo: una variable aleatoria sigue el modelo de una distribucin normal con media 10 y varianza 4.
Transformarla en una normal tipificada.
X ~ N (10, 4). Para transformarla en una normal tipificada se crea una nueva variable (Z) que ser igual a la
anterior (X) menos su media y dividida por su desviacin estndar (que es la raz cuadrada de la varianza):
Z=
(X )
(X 10)
. En el ejemplo, la nueva variable sera: Z =
Esta nueva variable se distribuye como una normal tipificada, permitindonos, por tanto, conocer la probabilidad
acumulada en cada valor. Z ~ N (0, 1).
Calcule: a) P(X 8); b) P(X 6); c) P(X 4); d) P(8 X 12); e) P(6 X 14); f) P(4 X 16)
DISTRIBUCIONES ASOCIADAS A LA NORMAL
Dependiendo del problema, podemos encontrar otras distribuciones asociadas:
- t de STUDENT;
- F de FISHER
2 (CHI CUADRADO);
Estas distribuciones resultan directamente de operar con distribuciones normales. Tpicamente aparecen como
distribuciones de ciertos estadsticos.
En el captulo correspondiente a distribuciones muestrales estudiaremos algunas propiedades que tienen estas
distribuciones, sobre todo nos interesar saber qu valores de dichas distribuciones son atpicos (significacin,
p-valores).
iv) Distribucin Chi Cuadrado: X ~ 2 (n)
Si X1, X2, X3, _ _ _,Xn son variables aleatorias independientementes con distribucin normal con media cero y
2
2
2
varianza uno, entonces la variable aleatoria: 2
n = X1 + X2 + + Xn tendr una distribucin chi cuadrado con n
grados de libertad.
Funcin de densidad:
Funcin de distribucin: Se encuentra tabulada
n
f Y ( y) =
y2 e
P 2 (n) valor tabulado =
y
2
para y > 0;
n
2
2
n
2
0.75 0.90
20
0.95
0.975 0.99 0.995
2 (20)
31.410
Valor tabulado
v) Distribucin t de Student: X ~
t (n)
2 (n)
n
Funcin de densidad:
n + 1 t
1 +
n
2
f T (t ) =
n
n
2
2
Parmetros:
P[t(n) valor tabulado] =
n +1
0.75
0.90
0.95
0.975
0.99
0.995
t(20)
para -<t<;
20
1.7247
n
E[X] = 0 ; V[X ] =
n2
Valor tabulado
Aplicacin:Inferencia Estadstica.
vi) Distribucin F: X ~ F (m , n)
Si X e Y son d os variables aleatorias chi cuadrado independientes, con m y n grados de libertad,
respectivamente, entonces la razn,
X
Fm,n = m
Y
n
se distribuye como una F con m grados de libertad en el
numerador y n grados de libertad en el denominador.
Parmetros:
m
E[X ] =
n2
V [X ] =
2n (m + n 2)
m(n 2) 2 (n 4)
2
Aplicacin:Inferencia Estadstica.
P[F(m, n) valor tabulado] =
20
F(20, 10)
0.90
0.95
0.975
0.99
0.995
2.77
10
Valor tabulado
SiXeYsonvariablesaleatoriasindependientes,normalestndarychicuadrado,respectivamente,entoncesla
variablealeatoria:
tieneunaDistribucintconngradosdelibertad.
t = X
46
IV. APLICACIONE EN EL MBITO DE LA INGENIERA

1.
Aparear cada una de las siguientes probabilidades con cada una de las sentencias dadas:
0
0,01
0,3
0,6
0,99
El suceso es imposible. Nunca puede ocurrir.

El suceso es cierto, va a ocurrir en cada repeticin de un fenmeno aleatorio.
Este suceso es muy poco posible, pero ocurrir una vez cada tanto en una larga secuencia de
experimentos.
d) Este suceso ocurrir ms frecuentemente de lo que no ocurrir.
D un ejemplo para cada una de las sentencias anteriores.
a)
b)
c)
47
2.
Se lanza una moneda 4 veces y se observa el resultado de cada lanzamiento:

a) Realice una lista de los puntos muestrales para este experimento.
b) Sea el suceso A que consiste que el experimento produzca exactamente 3 caras, realice una lista de los
puntos muestrales de A.
c) Si la moneda est equilibrada, encontrar P(A).
3.
Un experimento genera un espacio muestral que contiene ocho sucesos E1,...,E8, con p(Ei)=1/8, i=1,...,8. Los
sucesos A y B se definen as: A: E1,E4,E6;
B: E3,E4,E5,E6,E7. Encuentre:
a) P(A);
(b) P(A');
(c) P(A U B);
(d) P(AB);
(e) P(A/B)
(f) Son los sucesos A y B mutuamente excluyentes? Por qu?
(g) Son los sucesos A y B independientes? Por qu?
4.
Si A y B son sucesos mutuamente excluyentes, P(A)= 0.29 y P(B)=0.43, determine, a) P(A), b) P(AB), c)
P(AB), d) P(AB). (Respuestas: a) 0.71 b) 0.72 c) 0.29 d) 0.28).
5.
A) Considere la siguiente tabla referente a la produccin de procesadores para el armado de PC. Se

inspeccionan 200 unidades del tipo A y B, 300 del tipo C y 400 del tipo D, a continuacin se presentan los
resultados obtenidos en la inspeccin;
Si se selecciona una unidad de procesadores al
Tipos de procesador
azar de esta partida, a) cul es la probabilidad de
TOTAL
que el producto seleccionado sea del Tipo D?, b)
DEFECTO
A
B
C
D
cul es la probabilidad de que sea del Tipo A o del
Tipo B?, c) cul es la probabilidad de que el
I
54
23
40
15
132
producto seleccionado sea del Tipo B y tenga el
Defecto II?, d)cul es la probabilidad de que el
II
28
12
14
5
59
producto seleccionado no sea defectuoso?, e)
Determine si los sucesos A y C son mutuamente
S - DEF
118 165
246
380
909
excluyentes, f) Determine si los eventos C y Tener
defectos del Tipo I son mutuamente excluyentes.
TOTAL
200 200
300
400
1100
B) Considere el problema de la Parte A). Si se selecciona una unidad de procesador al azar y resulta que es una
unidad del tipo B,
a) cul es la probabilidad de que no tenga defectos,
b) Si la unidad seleccionada es del tipo C, cul es la probabilidad de que tenga defectos del tipo II?,
c) Si la unidad seleccionada tiene defectos del tipo I, cul es la probabilidad de que sea del tipo A,
d) cul es la probabilidad de que una unidad no tenga defectos?,
e) cul es la probabilidad de que una unidad tenga defectos?.
f) Son independientes los sucesos B e I?, donde B es el suceso de que la unidad es del Tipo B, e I es el
suceso de que la unidad tiene defectos del Tipo I.
6. A continuacin se muestra una tabla probabilstica acerca del nivel de instruccin de productores de una zona y
la implementacin de nuevas tcnicas de produccin.
Implementacin de nuevas tcnicas de produccin
Nivel de instruccin
No
Bajo
0,40
0,20
Alto
0,10
0,30
Son independientes el nivel de instruccin de los productores de esa zona y la implementacin de nuevas
tcnicas de produccin?
7.
8.
9.
Cierto artculo computacional es inspeccionado visualmente por dos inspectores. Cuando aparece un artculo
defectuoso, la probabilidad de que no sea detectado por el primer inspector es 0,1. De aquellos no detectados
por el primer inspector, el segundo inspector slo detecta 5 de cada 10. Qu fraccin de defectuosos no son
detectados por ninguno de los inspectores?
Una encuesta en una regin dada mostr que el 20% de las personas fuman. La probabilidad de muerte
causada por cncer de pulmn, dado que la persona fuma, se encontr que era 10 veces mayor que la
probabilidad de muerte causada por cncer de pulmn, dado que la persona no fuma. Si la probabilidad de
muerte causada por cncer de pulmn en esa regin es de 0,006 cul es la probabilidad de muerte debida a
cncer de pulmn, dado que la persona fuma?
Durante la produccin de cierto producto computacional se han encontrado que se presentan dos tipos de
defectos, el primero con probabilidad de 0,1 y el segundo con probabilidad de 0,05. De acuerdo con la
informacin disponible se supone la independencia entre los citados dos tipos. Al elegir simplemente al azar una
unidad de dicho producto, calcular las siguientes probabilidades:
a) El producto no tenga ningn defecto.
b) El producto sea defectuoso.
c) Si el producto es defectuoso, lo sea por la presencia de un solo tipo de defecto.
VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS
11. Un vendedor estima las probabilidades que aparecen en el siguiente tabla para el nmero de ventas X
computadores personales en una semana.
Nmero de ventas 0
1
2
3
Probabilidad
0,12 0,20 0,41
0,27
a) Es esta una funcin de cuantia?; b) Encuentra la probabilidad de vender al menos dos computadores en una
semana; c) Hallar el valor esperado y la varianza de la variable aleatoria X.
12. Determine el valor de c de manera que la siguiente funcin pueda servir como funcin de cuanta de la variable
aleatoria discreta X;
2 3
f ( x ) = c
; para x = 0, 1, 2.
x 3 x
13. Un envo de siete discos duros contiene dos defectuosos. Una empresa del rubro adquiere en forma aleatoria tres
de dichos discos. Si X es el nmero de discos defectuosos adquiridos por la empresa, encuentre la funcin de
cuanta de X. Exprese los resultados en forma grfica a travs de un histograma de probabilidad. Encuentre la
funcin de distribucin de X y utilizndola determine P(X=1); P(0X2).
14. Dada una variable X cuya distribucin de probabilidad viene definida por la funcin de densidad:
2
f(x) = kx si 0 x 1 y f(x) = 0 en otro caso. Calcular: a) El valor de la constante k para que f(x) sea la funcin de
densidad que define la distribucin de probabilidad de la variable X. b) La funcin de distribucin de X. c) La
probabilidad: P(0,3 X 0,7). El valor esperado y varianza de dicha variable.
15. Sea X una variable aleatoria continua con funcin de densidad dada por
f ( x ) = Ax(1 - x), 0 < x < 1
a) Determine el valor de A, para que la funcin as definida sea realmente una funcin de densidad. Grafquela.
b) Obtener una expresin para la funcin de distribucin de X. Grafquela.
d) Calcular P( X < / 1/3 < X < 2/3 )
16. Para los problemas 13 al 15 calcule e interprete
a) el valor esperado, la mediana y la moda.
10. Clasifique las siguientes variables aleatorias como discretas o continuas.

X1: El nmero de cadas, por mes, del sistema de informacin computacional de una empresa del rubro
ingeniera.
X2: Las utilidades que produce, cada ao, una empresa que comercializa productos informticos.
X3: El nmero de unidades de monitores que produce cada ao una empresa del rubro.
X4: Los sueldos que reciben en Chile los Ingenieros en Informtica.
X5: La velocidad de procesamiento de un procesador.
48
b) La varianza y la desviacin estndar.

b) Los cuartiles, el Primer quintil; el Percentil 60.
17. (Distribucin uniforme en el intervalo (0, 1)) Sea X v.a. continua con funcin de densidad
1, si x (0,1)
f(x) =
0, si x (0,1)
a)
b)
Obtenga la funcin de distribucin

Obtenga distintos parmetros de la distribucin.
18. Investigue cmo se podra generalizar la Distribucin Uniforme a cualquier intervalo (a, b).
19. Suponga que la ganancia de
especialidad, en unidades de
funcin de densidad dada por:
A(1 - x),
f(x)=
0,
un Ingeniero en Informtica dedicado a la comercializacin de productos de su

1000 dlares, se puede considerar como una variable aleatoria X que tiene una
0<x<1
en otro caso
a) Determine el valor de A, para que la funcin as definida sea realmente una funcin de densidad. Grafquela.
b) Obtener una expresin para la funcin de distribucin de X. Grafquela.
c) Encuentre la probabilidad de que las utilidades flucten entre $500 y $600 dlares.
49
DISTRIBUCIONES DISCRETAS: REFORZAMIENTO

20. Se dice que el 75% de los accidentes que ocurren en una planta se atribuyen a errores humanos. Si en un
perodo de tiempo dado, se suscitan 5 accidentes, determine la probabilidad de que; a) dos de los accidentes se
atribuyan a errores humanos, b) como mximo 1 de los accidentes se atribuya a errores de tipo humano, c) tres
de los accidentes no se atribuyan a errores humanos.
21. Suponga que probabilidad de que el vapor se condense en un tubo de aluminio de cubierta delgada a 10 atm de
presin es de 0.40. Si se prueban 12 tubos de ese tipo y bajo esas condiciones, determine la probabilidad de que:
a) el vapor se condense en 4 de los tubos, b) en ms de 2 tubos se condense el vapor, c) el vapor se condense
en exactamente 5 tubos.
22. En un proceso de manufactura se seleccionan aleatoriamente 15 unidades diarias de la lnea de produccin para
verificar el porcentaje de defectuosos en el proceso. A partir de informacin histrica se sabe que la probabilidad
de que se tenga una unidad defectuosa es 0.05. El proceso se detiene en cualquier momento en que se
encuentran dos o ms unidades defectuosas. Este procedimiento se utiliza para proporcionar una seal en caso
de que la probabilidad de defectuosos se incremente. a) Cul es la probabilidad de que en un determinado da el
proceso de produccin se detenga? (suponga un 5% de defectos); b) Suponga que la probabilidad de que se
tenga una unidad defectuosa se incrementa a 0.07. Cul es la probabilidad de que en un determinado da el
proceso de produccin se detenga?.
23. Se est considerando la produccin de una mquina automtica de soldar. Se considerar exitosa si tiene una
efectividad del 99% en sus soldaduras. De otra manera, no se considerar eficiente. Se lleva a cabo la prueba
de un prototipo y se realizan 100 soldaduras. La mquina se aceptar para su fabricacin si no son defectuosas
ms de tres soldaduras. a) Cul es la probabilidad de que una mquina eficiente sea rechazada?; b) Cul es la
probabilidad de que una mquina ineficiente con 95% de soldaduras correctas sea aceptada?
24. Un embarque de 10 artculos contiene dos unidades defectuosas y ocho no defectuosas. Al revisarlo, se tomar
una muestra y las unidades se inspeccionarn. Si se encuentra una unidad defectuosa, se rechazar todo el
embarque. a) Si se selecciona una muestra de tres artculos, cul es la probabilidad de rechazar el embarque?.
b) Si se selecciona una muestra de cuatro artculos, cul es la probabilidad de rechazar el embarque?. c) Si se
selecciona una muestra de cinco artculos, cul es la probabilidad de rechazar el embarque?. d) Si la gerencia
estuviera de acuerdo en que hubiera una probabilidad de 0.90 de rechazar un embarque con dos unidades
defectuosas y ocho no defectuosas, de qu tamao se deebe seleccionar la muestra?
25. En un lote de productos se tienen 20 productos sin defectos, 3 con defectos menores y 2 con defectos mayores,
se seleccionan al azar 5 productos de este lote, determine la probabilidad de que a) 3 de los productos
seleccionados no tengan defectos y 1 tenga defectos menores, b) 4 de los productos seleccionados no tengan
defectos y 1 tenga defectos menores.
26. Entre los 180 empleados de una empresa, 144 son sindicalizados y el resto no lo son. Se debe seleccionar al
azar a cinco empleados para representar a la empresa en un congreso del ramo.
a) Use la distribucin hipergeomtrica para obtener la probabilidad de que tres de los cinco empleados
seleccionados para el comit sean sindicalizados.
b) Use la aproximacin binomial para la distribucin hipergeomtrica para obtener la misma probabilidad del
inciso anterior.
c) Encuentre el error de la aproximacin.
27. Las llamadas de servicio entran a un centro de mantenimiento de acuerdo con un proceso de Poisson y en en
promedio entran 2.7 llamadas por minuto. Encuentre la probabilidad de que: a) no ms de 4 llamadas entren en
un minuto cualquiera; b) menos de 2 llamadas entren en un minuto cualquiera; c)ms de 10 llamadas entren en
un periodo de 5 minutos.
28. El nmero de defectos superficiales de los paneles de plstico utilizados en los mesones de armado de
computadores tiene una distribucin de Poisson con una media de 0.5 defectos por metro cuadrado de panel.
Suponga que un mesn contiene 10 metros cuadrados de este material. a) Cul es la probabilidad de que no
haya defectos superficiales en un mesn?. b) Si se venden 10 mesones a una a una determinada fbrica, Cul
es la probabilidad de que dichos mesones no tengan defectos superficiales? c) ) Si se venden 10 mesones a una
determinada fbrica, Cul es la probabilidad de que, como mximo, uno de ellos tenga defectos superficiales?.
30. En un estudio de un inventario se determin que, en promedio, la demanda por un artculo en particular en una
bodega era de 5 veces al da. Cul es la probabilidad de que en un determinado da este artculo sea requerido.
a)
ms de 5 veces? (r. a) 0.3840)
b)
Ni una sola vez?
(r. b) 0.0067).
31. Supngase que tenemos un proceso de produccin de un artculo que se fabrica en grandes cantidades y
sabemos que la proporcin de artculos defectuosos es de 0.01. Se toma una muestra aleatoria de 100 artculos.
Cul es la probabilidad de que haya k artculos defectuosos usando: a) La distribucin binomial; b) La distribucin
de Poisson; c) Qu puede concluir de sendos resultados?
REFORZAMIENTO DE DISTRIBUCIONES CONTINUAS
32. Investigue sobre los tipos de problemas donde son aplicables los distintos modelos de distribuciones continuas.
Es decir, en una situacin prctica, qu caractersticas lo guan para aplicar alguna de las distribuciones
continuas estudiadas.
33. Para cada una de las distribuciones continuas, determine el valor esperado y la varianza.
34. Un fabricante de pesas electrnicas ofrece una garanta de un ao. Si la pesa llega a fallar durante este perodo,
se la reemplaza. El tiempo hasta la falla se modela aceptablemente con la distribucin de probabilidad.
-0.125x
x>0
f(x) = 0.125e
a)
b)
c)
d)
Verifique si f(x) es realmente una funcin de densidad. Grafquela.

A qu modelo general corresponde esta distribucin?.
Qu porcentaje de las pesas se descompondrn dentro del trmino de la garanta?
El costo de produccin de una pesa es de $50 (dlares), y la ganancia por venta es de $25. Cul es el
efecto sobre la utilidades de las reposiciones o reemplazos debidos a la garanta?.
e) Determine la funcin de distribucin asociada. Grafquela.
35. El tiempo que transcurre entre las llamadas a una empresa de computacin tiene una distribucin exponencial
con un tiempo promedio entre llamadas de 15 minutos.
a) Cul es la probabilidad de que no haya llamadas en un lapso de 30 minutos?
b) Cul es la probabilidad de recibir al menos una llamada en un intervalo de 10 minutos?
36. Una caracterstica de la calidad de un producto est distribuida normalmente, con media y desviacin estndar
1. Las especificaciones para la caracterstica estipulan que 6 < x < 8. Una unidad que cae dentro de estas
especificaciones con respecto a la caracterstica de calidad, produce a una utilidad (o ganancia) de Co. Sin
29. De un proceso se toma cada hora una muestra de 20 partes. Lo comn es que el uno por ciento de las partes
requieran volver a ser procesadas. Sea X el nmero de partes de una muestra de 20 que necesitan ser
reprocesadas. Se sospecha de un problema en el proceso si X es mayor que su media por ms de tres
desviaciones estndar. a) Si el porcentaje de partes que es necesario volver a procesar permanece en 1%, cul
es la probabilidad de que X sea mayor que su media por ms de tres desviaciones estndar?. b) Si el porcentaje
de partes que es necesario reprocesar aumenta a 4%, cul es la probabilidad de que X sea mayor que uno?. c)
Si el porcentaje de partes que es necesario reprocesar aumenta a 4%, cul es la probabilidad de que X sea
mayor que uno por lo menos en una de las muestras tomadas las prximas cinco horas?.
50
embargo, si x < 6, la utilidad es -C1, mientras que si x > 8, la ganancia es -C2. Encuentre el valor de que
maximiza la ganancia esperada.
37. El dimetro de un eje empleado en una determinada mquina tiene una distribucin normal con una media igual a
0, 2508 plg. y desviacin estndar de 0,0005 plg. Se han determinado las especificaciones de calidad para el eje
como 0,2500 0,0015plg.
a) Ilustre grficamente los datos del enunciado anterior.
b) Determinar la fraccin o proporcin de los ejes producidos que cumplen con las especificaciones. Interprete el
resultado desde el punto de vista del problema y tomando en cuenta los costos involucrados.
c) Suponga que puede volverse a centrar el proceso de manufactura, quiz ajustando la mquina, para que la
media del proceso sea exactamente igual al valor nominal de 0,2500. Cul sera ahora la fraccin o
proporcin de ejes defectuosos?. Interprete en comparacin con el resultado obtenido en b).
38. El sueldo de los Ingenieros en Informtica de una empresa se distribuye segn una distribucin normal, con
media 2 millones de pesos y desviacin estndar 1 milln de pesos. Calcular el porcentaje de Ingenieros en
Informtica con un sueldo inferior a 4 millones de pesos.
39. La duracin de un determinado producto est distribuida normalmente, con media de 900 das y desviacin
estndar de 50 das. Qu fraccin de este producto podra tener una duracin de ms de 1.000 das?
40. Un fabricante de un determinado producto desea que el 1.5% del producto est debajo de la especificacin de
peso de 0.567 kg. (1.25 lb). Si los datos estn distribuidos normalmente y la desviacin estndar de la mquina
dispensadora del cereal es de 0.567 kg., Cul es el peso medio requerido?.
41. Para una variable aleatoria X con una distribucin ji-cuadrado, encuentre:
2
2
a) X 0.01 con n = 8; b) X 0.9 75 con n = 29
51
c) X0 tal que P (X < X0) = 0,99; con n = 4

2
42. Sea X ~ X (7), determine el valor X0 que deja a su derecha el 5% del rea.
43. Supngase que la v.a. X tiene una distribucin ji-cuadrado con 10 grados de libertad. Si se nos pidiera
encontrar dos nmeros a y b tales que P (a < X < b) = 0,85, podramos verificar que existen muchos pares de
esa clase.
a) Encuentre dos conjuntos diferentes de valores (a, b) que satisfagan la condicin anterior.
b) Supngase que adems de lo anterior, necesitamos que:
P (X < a) = P (X> b)
Cuntos conjuntos de valores hay?
44. Para una distribucin t encuentre los siguientes valores: t0,01; 10; : t0,025; 10; : t0,10; 15; : t0,01; 20; : t0,05; 20; : t0,01; 11.
45. Para una distribucin t, encuentre t ; n tal que : P(T t; 10) = 0,95; P(T t; 15) = 0,01 ; P(T t; 8) = 0,90.
46.
ParaunadistribucinF,encuentref0,25;(4,9);f0,05;(15,10);f0,95;(6,8);f0,90;(24,24).
ANEXO 1
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
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
0,0018
0,0017
0,0016
0,0016
0,0015
0,0015
0,0014
0,0014
-2,8
0,0026
0,0025
0,0024
0,0023
0,0023
0,0022
0,0021
0,0021
0,0020
0,0019
-2,7
0,0035
0,0034
0,0033
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
0,0040
0,0039
0,0038
0,0037
0,0036
-2,5
0,0062
0,0060
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
0,0174
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
0,0250
0,0244
0,0239
0,0233
-1,8
0,0359
0,0351
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
0,0618
0,0606
0,0594
0,0582
0,0571
0,0559
-1,4
0,0808
0,0793
0,0778
0,0764
0,0749
0,0735
0,0721
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
0,1841
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
0,3783
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
0,0
0,5000
0,4960
0,4920
0,4880
0,4840
0,4801
0,4761
0,4721
0,4681
0,4641
Fuente: Tabla elaborada por el Profesor Vctor Figueroa Arcila, utilizando las funciones de Excel.
Tabla 1. Valores de la funcin de distribucin normal estndar.
52
Tabla 1. Valores de la funcin de distribucin normal estndar (continuacin).
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
0,8980
0,8997
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
0,9279
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
0,9940
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
0,9960
0,9961
0,9962
0,9963
0,9964
2,7
0,9965
0,9966
0,9967
0,9968
0,9969
0,9970
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
0,9980
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
53
ANEXO 2
Tabla 2. Percentiles de la distribucin t de Student.
En este tipo de tablas se parte de los valoras conocidos de los grados de
libertad n y la probabilidad acumulada 1, y se obtiene x, de la expresin:
P(t n x) = 1 -
lo que resulta interesante pera responder a la pregunta: Para una distribucin

t de Student con n grados de libertad, cual es el valor de x que deja a su
izquierda una probabilidad 1.
La tabla contiene en la fila superior las probabilidades, en la columna de la izquierda los grados de libertad n, y donde
se cruzan la fila y la columna correspondientes se encuentra el valor de x.
0,4
0,3
0,25
0,2
0,15
0,1
0,05
0,025
0,01
0,005
0,6
0,7
0,75
0,8
0,85
0,9
0,324920
0,726543
1,000000
1,376382
1,962611
3,077684
6,313752 12,706205 31,820516 63,656741
0,95
0,975
0,99
0,995
0,288675
0,617213
0,816497
1,060660
1,386207
1,885618
2,919986
4,302653
6,964557
9,924843
0,276671
0,584390
0,764892
0,978472
1,249778
1,637744
2,353363
3,182446
4,540703
5,840909
0,270722
0,568649
0,740697
0,940965
1,189567
1,533206
2,131847
2,776445
3,746947
4,604095
0,267181
0,559430
0,726687
0,919544
1,155767
1,475884
2,015048
2,570582
3,364930
4,032143
0,264835
0,553381
0,717558
0,905703
1,134157
1,439756
1,943180
2,446912
3,142668
3,707428
0,263167
0,549110
0,711142
0,896030
1,119159
1,414924
1,894579
2,364624
2,997952
3,499483
0,261921
0,545934
0,706387
0,888890
1,108145
1,396815
1,859548
2,306004
2,896459
3,355387
0,260955
0,543480
0,702722
0,883404
1,099716
1,383029
1,833113
2,262157
2,821438
3,249836
10
0,260185
0,541528
0,699812
0,879058
1,093058
1,372184
1,812461
2,228139
2,763769
3,169273
11
0,259556
0,539938
0,697445
0,875530
1,087666
1,363430
1,795885
2,200985
2,718079
3,105807
12
0,259033
0,538618
0,695483
0,872609
1,083211
1,356217
1,782288
2,178813
2,680998
3,054540
13
0,258591
0,537504
0,693829
0,870152
1,079469
1,350171
1,770933
2,160369
2,650309
3,012276
14
0,258213
0,536552
0,692417
0,868055
1,076280
1,345030
1,761310
2,144787
2,624494
2,976843
15
0,257885
0,535729
0,691197
0,866245
1,073531
1,340606
1,753050
2,131450
2,602480
2,946713
16
0,257599
0,535010
0,690132
0,864667
1,071137
1,336757
1,745884
2,119905
2,583487
2,920782
17
0,257347
0,534377
0,689195
0,863279
1,069033
1,333379
1,739607
2,109816
2,566934
2,898231
18
0,257123
0,533816
0,688364
0,862049
1,067170
1,330391
1,734064
2,100922
2,552380
2,878440
19
0,256923
0,533314
0,687621
0,860951
1,065507
1,327728
1,729133
2,093024
2,539483
2,860935
20
0,256743
0,532863
0,686954
0,859964
1,064016
1,325341
1,724718
2,085963
2,527977
2,845340
21
0,256580
0,532455
0,686352
0,859074
1,062670
1,323188
1,720743
2,079614
2,517648
2,831360
22
0,256432
0,532085
0,685805
0,858266
1,061449
1,321237
1,717144
2,073873
2,508325
2,818756
23
0,256297
0,531747
0,685306
0,857530
1,060337
1,319460
1,713872
2,068658
2,499867
2,807336
24
0,256173
0,531438
0,684850
0,856855
1,059319
1,317836
1,710882
2,063899
2,492159
2,796939
25
0,256060
0,531154
0,684430
0,856236
1,058384
1,316345
1,708141
2,059539
2,485107
2,787436
26
0,255955
0,530892
0,684043
0,855665
1,057523
1,314972
1,705618
2,055529
2,478630
2,778715
27
0,255858
0,530649
0,683685
0,855137
1,056727
1,313703
1,703288
2,051830
2,472660
2,770683
28
0,255768
0,530424
0,683353
0,854647
1,055989
1,312527
1,701131
2,048407
2,467140
2,763262
29
0,255684
0,530214
0,683044
0,854192
1,055302
1,311434
1,699127
2,045230
2,462021
2,756386
30
0,255605
0,530019
0,682756
0,853767
1,054662
1,310415
1,697261
2,042272
2,457262
2,749996
31
0,255532
0,529836
0,682486
0,853370
1,054064
1,309464
1,695519
2,039513
2,452824
2,744042
32
0,255464
0,529665
0,682234
0,852998
1,053504
1,308573
1,693889
2,036933
2,448678
2,738481
33
0,255399
0,529504
0,681997
0,852649
1,052979
1,307737
1,692360
2,034515
2,444794
2,733277
34
0,255339
0,529353
0,681774
0,852321
1,052485
1,306952
1,690924
2,032244
2,441150
2,728394
35
0,255281
0,529211
0,681564
0,852012
1,052019
1,306212
1,689572
2,030108
2,437723
2,723806
36
0,255227
0,529076
0,681366
0,851720
1,051580
1,305514
1,688298
2,028094
2,434494
2,719485
37
0,255176
0,528949
0,681178
0,851444
1,051165
1,304854
1,687094
2,026192
2,431447
2,715409
n \ 1
54
Tabla 2. Pertcentiles de la distribucin t de Student (Continuacin).
P(t n x) = 1 -
55
0,4
0,3
0,25
0,2
0,15
0,1
0,05
0,025
0,01
0,005
n \ 1
0,6
0,7
0,75
0,8
0,85
0,9
0,95
0,975
0,99
0,995
38
0,255128
0,528828
0,681001
0,851183
1,050772
1,304230
1,685954
2,024394
2,428568
2,711558
39
0,255082
0,528714
0,680833
0,850935
1,050399
1,303639
1,684875
2,022691
2,425841
2,707913
40
0,255039
0,528606
0,680673
0,850700
1,050046
1,303077
1,683851
2,021075
2,423257
2,704459
41
0,254997
0,528502
0,680521
0,850476
1,049710
1,302543
1,682878
2,019541
2,420803
2,701181
42
0,254958
0,528404
0,680376
0,850263
1,049390
1,302035
1,681952
2,018082
2,418470
2,698066
43
0,254920
0,528311
0,680238
0,850060
1,049085
1,301552
1,681071
2,016692
2,416250
2,695102
44
0,254884
0,528221
0,680107
0,849867
1,048794
1,301090
1,680230
2,015368
2,414134
2,692278
45
0,254850
0,528136
0,679981
0,849682
1,048516
1,300649
1,679427
2,014103
2,412116
2,689585
46
0,254817
0,528054
0,679861
0,849505
1,048250
1,300228
1,678660
2,012896
2,410188
2,687013
47
0,254786
0,527976
0,679746
0,849336
1,047996
1,299825
1,677927
2,011740
2,408345
2,684556
48
0,254756
0,527901
0,679635
0,849174
1,047752
1,299439
1,677224
2,010635
2,406581
2,682204
49
0,254727
0,527829
0,679530
0,849018
1,047519
1,299069
1,676551
2,009575
2,404892
2,679952
50
0,254699
0,527760
0,679428
0,848869
1,047295
1,298714
1,675905
2,008559
2,403272
2,677793
51
0,254673
0,527694
0,679331
0,848726
1,047080
1,298373
1,675285
2,007584
2,401718
2,675722
52
0,254647
0,527631
0,679237
0,848588
1,046873
1,298045
1,674689
2,006647
2,400225
2,673734
53
0,254623
0,527569
0,679147
0,848456
1,046674
1,297730
1,674116
2,005746
2,398790
2,671823
54
0,254599
0,527510
0,679060
0,848328
1,046483
1,297426
1,673565
2,004879
2,397410
2,669985
55
0,254576
0,527454
0,678977
0,848205
1,046298
1,297134
1,673034
2,004045
2,396081
2,668216
56
0,254554
0,527399
0,678896
0,848087
1,046120
1,296853
1,672522
2,003241
2,394801
2,666512
57
0,254533
0,527346
0,678818
0,847973
1,045949
1,296581
1,672029
2,002465
2,393567
2,664870
58
0,254512
0,527295
0,678743
0,847862
1,045783
1,296319
1,671553
2,001717
2,392377
2,663287
59
0,254493
0,527246
0,678671
0,847756
1,045623
1,296066
1,671093
2,000995
2,391229
2,661759
60
0,254473
0,527198
0,678601
0,847653
1,045469
1,295821
1,670649
2,000298
2,390119
2,660283
61
0,254455
0,527152
0,678533
0,847553
1,045320
1,295585
1,670219
1,999624
2,389047
2,658857
62
0,254437
0,527108
0,678467
0,847457
1,045175
1,295356
1,669804
1,998971
2,388011
2,657479
63
0,254420
0,527064
0,678404
0,847364
1,045035
1,295134
1,669402
1,998341
2,387008
2,656145
64
0,254403
0,527023
0,678342
0,847274
1,044900
1,294920
1,669013
1,997730
2,386037
2,654854
65
0,254387
0,526982
0,678283
0,847186
1,044768
1,294712
1,668636
1,997138
2,385097
2,653604
66
0,254371
0,526943
0,678225
0,847101
1,044641
1,294511
1,668271
1,996564
2,384186
2,652393
67
0,254355
0,526905
0,678169
0,847019
1,044518
1,294315
1,667916
1,996008
2,383302
2,651220
68
0,254341
0,526868
0,678115
0,846939
1,044398
1,294126
1,667572
1,995469
2,382446
2,650081
69
0,254326
0,526832
0,678062
0,846862
1,044281
1,293942
1,667239
1,994945
2,381614
2,648977
70
0,254312
0,526797
0,678011
0,846786
1,044169
1,293763
1,666914
1,994437
2,380807
2,647905
71
0,254299
0,526763
0,677961
0,846713
1,044059
1,293589
1,666600
1,993943
2,380024
2,646863
72
0,254285
0,526730
0,677912
0,846642
1,043952
1,293421
1,666294
1,993464
2,379262
2,645852
73
0,254272
0,526698
0,677865
0,846573
1,043848
1,293256
1,665996
1,992997
2,378522
2,644869
74
0,254260
0,526667
0,677820
0,846506
1,043747
1,293097
1,665707
1,992543
2,377802
2,643913
75
0,254248
0,526637
0,677775
0,846440
1,043649
1,292941
1,665425
1,992102
2,377102
2,642983
76
0,254236
0,526607
0,677732
0,846376
1,043554
1,292790
1,665151
1,991673
2,376420
2,642078
77
0,254224
0,526578
0,677689
0,846314
1,043461
1,292643
1,664885
1,991254
2,375757
2,641198
78
0,254213
0,526550
0,677648
0,846254
1,043370
1,292500
1,664625
1,990847
2,375111
2,640340
1
Tabla 2. Percentiles de la distribucin t de Student (Continuacin)
P(t n x) = 1 -
0,4
0,3
0,25
0,2
0,15
0,1
0,05
0,025
0,01
0,005
0,6
0,7
0,75
0,8
0,85
0,9
0,95
0,975
0,99
0,995
79
0,254202
0,526523
0,677608
0,846195
1,043282
1,292360
1,664371
1,990450
2,374482
2,639505
80
0,254191
0,526497
0,677569
0,846137
1,043195
1,292224
1,664125
1,990063
2,373868
2,638691
81
0,254181
0,526471
0,677531
0,846081
1,043111
1,292091
1,663884
1,989686
2,373270
2,637897
82
0,254171
0,526445
0,677493
0,846027
1,043029
1,291961
1,663649
1,989319
2,372687
2,637123
83
0,254161
0,526421
0,677457
0,845973
1,042949
1,291835
1,663420
1,988960
2,372119
2,636369
84
0,254151
0,526396
0,677422
0,845921
1,042871
1,291711
1,663197
1,988610
2,371564
2,635632
85
0,254142
0,526373
0,677387
0,845870
1,042795
1,291591
1,662979
1,988268
2,371022
2,634914
86
0,254132
0,526350
0,677353
0,845821
1,042721
1,291473
1,662765
1,987934
2,370493
2,634212
87
0,254123
0,526327
0,677320
0,845772
1,042648
1,291358
1,662557
1,987608
2,369977
2,633527
88
0,254114
0,526305
0,677288
0,845725
1,042577
1,291246
1,662354
1,987290
2,369472
2,632858
89
0,254106
0,526284
0,677256
0,845679
1,042508
1,291136
1,662155
1,986979
2,368979
2,632204
90
0,254097
0,526263
0,677225
0,845633
1,042440
1,291029
1,661961
1,986674
2,368497
2,631565
91
0,254089
0,526242
0,677195
0,845589
1,042373
1,290924
1,661771
1,986377
2,368026
2,630940
92
0,254081
0,526222
0,677166
0,845546
1,042308
1,290821
1,661585
1,986086
2,367566
2,630330
93
0,254073
0,526203
0,677137
0,845503
1,042245
1,290721
1,661404
1,985802
2,367115
2,629732
94
0,254065
0,526184
0,677109
0,845462
1,042183
1,290623
1,661226
1,985523
2,366674
2,629148
95
0,254058
0,526165
0,677081
0,845421
1,042122
1,290527
1,661052
1,985251
2,366243
2,628576
96
0,254050
0,526146
0,677054
0,845381
1,042062
1,290432
1,660881
1,984984
2,365821
2,628016
97
0,254043
0,526128
0,677027
0,845343
1,042004
1,290340
1,660715
1,984723
2,365407
2,627468
98
0,254036
0,526111
0,677001
0,845304
1,041947
1,290250
1,660551
1,984467
2,365002
2,626931
99
0,254029
0,526093
0,676976
0,845267
1,041891
1,290161
1,660391
1,984217
2,364606
2,626405
100
0,254022
0,526076
0,676951
0,845230
1,041836
1,290075
1,660234
1,983971
2,364217
2,625891
101
0,254015
0,526060
0,676927
0,845195
1,041782
1,289990
1,660081
1,983731
2,363837
2,625386
102
0,254009
0,526043
0,676903
0,845159
1,041729
1,289907
1,659930
1,983495
2,363464
2,624891
103
0,254002
0,526027
0,676879
0,845125
1,041678
1,289825
1,659782
1,983264
2,363098
2,624407
104
0,253996
0,526012
0,676856
0,845091
1,041627
1,289745
1,659637
1,983037
2,362739
2,623932
105
0,253990
0,525996
0,676833
0,845058
1,041577
1,289666
1,659495
1,982815
2,362388
2,623465
106
0,253984
0,525981
0,676811
0,845025
1,041529
1,289589
1,659356
1,982597
2,362043
2,623008
107
0,253978
0,525966
0,676790
0,844993
1,041481
1,289514
1,659219
1,982383
2,361704
2,622560
108
0,253972
0,525952
0,676768
0,844962
1,041434
1,289439
1,659085
1,982173
2,361372
2,622120
109
0,253966
0,525938
0,676747
0,844931
1,041388
1,289367
1,658953
1,981967
2,361046
2,621688
110
0,253961
0,525924
0,676727
0,844901
1,041342
1,289295
1,658824
1,981765
2,360726
2,621265
111
0,253955
0,525910
0,676706
0,844871
1,041298
1,289225
1,658697
1,981567
2,360412
2,620849
112
0,253950
0,525896
0,676687
0,844842
1,041254
1,289156
1,658573
1,981372
2,360104
2,620440
113
0,253944
0,525883
0,676667
0,844814
1,041212
1,289088
1,658450
1,981180
2,359801
2,620039
114
0,253939
0,525870
0,676648
0,844786
1,041169
1,289022
1,658330
1,980992
2,359504
2,619645
115
0,253934
0,525857
0,676629
0,844758
1,041128
1,288957
1,658212
1,980807
2,359212
2,619258
116
0,253929
0,525845
0,676611
0,844731
1,041087
1,288892
1,658096
1,980626
2,358924
2,618878
117
0,253924
0,525832
0,676592
0,844704
1,041047
1,288829
1,657982
1,980448
2,358642
2,618504
118
0,253919
0,525820
0,676575
0,844678
1,041008
1,288767
1,657870
1,980272
2,358365
2,618137
119
0,253914
0,525808
0,676557
0,844652
1,040970
1,288706
1,657759
1,980100
2,358093
2,617776
120
0,253910
0,525796
0,676540
0,844627
1,040932
1,288646
1,657651
1,979930
2,357825
2,617421
n \ 1
56
ANEXO 3
Tabla 3. Percentiles de la distribucin chi-cuadrado.
En este tipo de tablas se parte de los valoras conocidos de los grados de
libertad n y la probabilidad acumulada 1, y se obtiene x, de la expresin:
P( n2 x) = 1 -
lo que resulta interesante pera responder a la pregunta: Para una distribucin chi-cuadrado con n grados de libertad,
cual es el valor de x que deja a su izquierda una probabilidad 1.
La tabla contiene en la fila superior las probabilidades , en la columna de la izquierda los grados de libertad n, y
donde se cruzan la fila y la columna correspondientes se encuentra el valor de x.
57
0,995
0,990
0,975
0,950
0,900
0,800
0,750
0,700
0,600
0,500
0,400
0,300
0,250
0,200
0,100
0,050
0,025
0,010
0,005
0,005
0,010
0,025
0,050
0,100
0,200
0,250
0,300
0,400
0,500
0,600
0,700
0,750
0,800
0,900
0,950
0,975
0,990
0,995
0,000
0,000
0,001
0,004
0,016
0,064
0,102
0,148
0,275
0,455
0,708
1,074
1,323
1,642
2,706
3,841
5,024
6,635
7,879
0,010
0,020
0,051
0,103
0,211
0,446
0,575
0,713
1,022
1,386
1,833
2,408
2,773
3,219
4,605
5,991
7,378
9,210
10,597
0,072
0,115
0,216
0,352
0,584
1,005
1,213
1,424
1,869
2,366
2,946
3,665
4,108
4,642
6,251
7,815
9,348
11,345
12,838
0,207
0,297
0,484
0,711
1,064
1,649
1,923
2,195
2,753
3,357
4,045
4,878
5,385
5,989
7,779
9,488
11,143
13,277
14,860
0,412
0,554
0,831
1,145
1,610
2,343
2,675
3,000
3,655
4,351
5,132
6,064
6,626
7,289
9,236
11,070
12,833
15,086
16,750
0,676
0,872
1,237
1,635
2,204
3,070
3,455
3,828
4,570
5,348
6,211
7,231
7,841
8,558
10,645
12,592
14,449
16,812
18,548
0,989
1,239
1,690
2,167
2,833
3,822
4,255
4,671
5,493
6,346
7,283
8,383
9,037
9,803
12,017
14,067
16,013
18,475
20,278
1,344
1,646
2,180
2,733
3,490
4,594
5,071
5,527
6,423
7,344
8,351
9,524
10,219
11,030
13,362
15,507
17,535
20,090
21,955
1,735
2,088
2,700
3,325
4,168
5,380
5,899
6,393
7,357
8,343
9,414
10,656
11,389
12,242
14,684
16,919
19,023
21,666
23,589
10
2,156
2,558
3,247
3,940
4,865
6,179
6,737
7,267
8,295
9,342
10,473
11,781
12,549
13,442
15,987
18,307
20,483
23,209
25,188
11
2,603
3,053
3,816
4,575
5,578
6,989
7,584
8,148
9,237
10,341
11,530
12,899
13,701
14,631
17,275
19,675
21,920
24,725
26,757
12
3,074
3,571
4,404
5,226
6,304
7,807
8,438
9,034
10,182
11,340
12,584
14,011
14,845
15,812
18,549
21,026
23,337
26,217
28,300
13
3,565
4,107
5,009
5,892
7,042
8,634
9,299
9,926
11,129
12,340
13,636
15,119
15,984
16,985
19,812
22,362
24,736
27,688
29,819
14
4,075
4,660
5,629
6,571
7,790
9,467
10,165
10,821
12,078
13,339
14,685
16,222
17,117
18,151
21,064
23,685
26,119
29,141
31,319
15
4,601
5,229
6,262
7,261
8,547
10,307
11,037
11,721
13,030
14,339
15,733
17,322
18,245
19,311
22,307
24,996
27,488
30,578
32,801
16
5,142
5,812
6,908
7,962
9,312
11,152
11,912
12,624
13,983
15,338
16,780
18,418
19,369
20,465
23,542
26,296
28,845
32,000
34,267
17
5,697
6,408
7,564
8,672
10,085
12,002
12,792
13,531
14,937
16,338
17,824
19,511
20,489
21,615
24,769
27,587
30,191
33,409
35,718
18
6,265
7,015
8,231
9,390
10,865
12,857
13,675
14,440
15,893
17,338
18,868
20,601
21,605
22,760
25,989
28,869
31,526
34,805
37,156
19
6,844
7,633
8,907
10,117
11,651
13,716
14,562
15,352
16,850
18,338
19,910
21,689
22,718
23,900
27,204
30,144
32,852
36,191
38,582
20
7,434
8,260
9,591
10,851
12,443
14,578
15,452
16,266
17,809
19,337
20,951
22,775
23,828
25,038
28,412
31,410
34,170
37,566
39,997
21
8,034
8,897
10,283
11,591
13,240
15,445
16,344
17,182
18,768
20,337
21,991
23,858
24,935
26,171
29,615
32,671
35,479
38,932
41,401
22
8,643
9,542
10,982
12,338
14,041
16,314
17,240
18,101
19,729
21,337
23,031
24,939
26,039
27,301
30,813
33,924
36,781
40,289
42,796
23
9,260
10,196
11,689
13,091
14,848
17,187
18,137
19,021
20,690
22,337
24,069
26,018
27,141
28,429
32,007
35,172
38,076
41,638
44,181
24
9,886
10,856
12,401
13,848
15,659
18,062
19,037
19,943
21,652
23,337
25,106
27,096
28,241
29,553
33,196
36,415
39,364
42,980
45,559
25
10,520
11,524
13,120
14,611
16,473
18,940
19,939
20,867
22,616
24,337
26,143
28,172
29,339
30,675
34,382
37,652
40,646
44,314
46,928
26
11,160
12,198
13,844
15,379
17,292
19,820
20,843
21,792
23,579
25,336
27,179
29,246
30,435
31,795
35,563
38,885
41,923
45,642
48,290
27
11,808
12,879
14,573
16,151
18,114
20,703
21,749
22,719
24,544
26,336
28,214
30,319
31,528
32,912
36,741
40,113
43,195
46,963
49,645
28
12,461
13,565
15,308
16,928
18,939
21,588
22,657
23,647
25,509
27,336
29,249
31,391
32,620
34,027
37,916
41,337
44,461
48,278
50,993
29
13,121
14,256
16,047
17,708
19,768
22,475
23,567
24,577
26,475
28,336
30,283
32,461
33,711
35,139
39,087
42,557
45,722
49,588
52,336
30
13,787
14,953
16,791
18,493
20,599
23,364
24,478
25,508
27,442
29,336
31,316
33,530
34,800
36,250
40,256
43,773
46,979
50,892
53,672
31
14,458
15,655
17,539
19,281
21,434
24,255
25,390
26,440
28,409
30,336
32,349
34,598
35,887
37,359
41,422
44,985
48,232
52,191
55,003
32
15,134
16,362
18,291
20,072
22,271
25,148
26,304
27,373
29,376
31,336
33,381
35,665
36,973
38,466
42,585
46,194
49,480
53,486
56,328
33
15,815
17,074
19,047
20,867
23,110
26,042
27,219
28,307
30,344
32,336
34,413
36,731
38,058
39,572
43,745
47,400
50,725
54,776
57,648
34
16,501
17,789
19,806
21,664
23,952
26,938
28,136
29,242
31,313
33,336
35,444
37,795
39,141
40,676
44,903
48,602
51,966
56,061
58,964
35
17,192
18,509
20,569
22,465
24,797
27,836
29,054
30,178
32,282
34,336
36,475
38,859
40,223
41,778
46,059
49,802
53,203
57,342
60,275
36
17,887
19,233
21,336
23,269
25,643
28,735
29,973
31,115
33,252
35,336
37,505
39,922
41,304
42,879
47,212
50,998
54,437
58,619
61,581
37
18,586
19,960
22,106
24,075
26,492
29,635
30,893
32,053
34,222
36,336
38,535
40,984
42,383
43,978
48,363
52,192
55,668
59,893
62,883
Tabla 3. Percentiles de la distribucin chi-cuadrado (Continuacin).
P( n2 x) = 1 -
0,995
0,990
0,975
0,950
0,900
0,800
0,750
0,700
0,600
0,500
0,400
0,300
0,250
0,200
0,100
0,050
0,025
0,010
0,005
0,005
0,010
0,025
0,050
0,100
0,200
0,250
0,300
0,400
0,500
0,600
0,700
0,750
0,800
0,900
0,950
0,975
0,990
0,995
38
19,289
20,691
22,878
24,884
27,343
30,537
31,815
32,992
35,192
37,335
39,564
42,045
43,462
45,076
49,513
53,384
56,896
61,162
64,181
39
19,996
21,426
23,654
25,695
28,196
31,441
32,737
33,932
36,163
38,335
40,593
43,105
44,539
46,173
50,660
54,572
58,120
62,428
65,476
40
20,707
22,164
24,433
26,509
29,051
32,345
33,660
34,872
37,134
39,335
41,622
44,165
45,616
47,269
51,805
55,758
59,342
63,691
66,766
41
21,421
22,906
25,215
27,326
29,907
33,251
34,585
35,813
38,105
40,335
42,651
45,224
46,692
48,363
52,949
56,942
60,561
64,950
68,053
42
22,138
23,650
25,999
28,144
30,765
34,157
35,510
36,755
39,077
41,335
43,679
46,282
47,766
49,456
54,090
58,124
61,777
66,206
69,336
43
22,859
24,398
26,785
28,965
31,625
35,065
36,436
37,698
40,050
42,335
44,706
47,339
48,840
50,548
55,230
59,304
62,990
67,459
70,616
44
23,584
25,148
27,575
29,787
32,487
35,974
37,363
38,641
41,022
43,335
45,734
48,396
49,913
51,639
56,369
60,481
64,201
68,710
71,893
45
24,311
25,901
28,366
30,612
33,350
36,884
38,291
39,585
41,995
44,335
46,761
49,452
50,985
52,729
57,505
61,656
65,410
69,957
73,166
46
25,041
26,657
29,160
31,439
34,215
37,795
39,220
40,529
42,968
45,335
47,787
50,507
52,056
53,818
58,641
62,830
66,617
71,201
74,437
47
25,775
27,416
29,956
32,268
35,081
38,708
40,149
41,474
43,942
46,335
48,814
51,562
53,127
54,906
59,774
64,001
67,821
72,443
75,704
48
26,511
28,177
30,755
33,098
35,949
39,621
41,079
42,420
44,915
47,335
49,840
52,616
54,196
55,993
60,907
65,171
69,023
73,683
76,969
49
27,249
28,941
31,555
33,930
36,818
40,534
42,010
43,366
45,889
48,335
50,866
53,670
55,265
57,079
62,038
66,339
70,222
74,919
78,231
50
27,991
29,707
32,357
34,764
37,689
41,449
42,942
44,313
46,864
49,335
51,892
54,723
56,334
58,164
63,167
67,505
71,420
76,154
79,490
51
28,735
30,475
33,162
35,600
38,560
42,365
43,874
45,261
47,838
50,335
52,917
55,775
57,401
59,248
64,295
68,669
72,616
77,386
80,747
52
29,481
31,246
33,968
36,437
39,433
43,281
44,808
46,209
48,813
51,335
53,942
56,827
58,468
60,332
65,422
69,832
73,810
78,616
82,001
53
30,230
32,018
34,776
37,276
40,308
44,199
45,741
47,157
49,788
52,335
54,967
57,879
59,534
61,414
66,548
70,993
75,002
79,843
83,253
54
30,981
32,793
35,586
38,116
41,183
45,117
46,676
48,106
50,764
53,335
55,992
58,930
60,600
62,496
67,673
72,153
76,192
81,069
84,502
55
31,735
33,570
36,398
38,958
42,060
46,036
47,610
49,055
51,739
54,335
57,016
59,980
61,665
63,577
68,796
73,311
77,380
82,292
85,749
56
32,490
34,350
37,212
39,801
42,937
46,955
48,546
50,005
52,715
55,335
58,040
61,031
62,729
64,658
69,919
74,468
78,567
83,513
86,994
57
33,248
35,131
38,027
40,646
43,816
47,876
49,482
50,956
53,691
56,335
59,064
62,080
63,793
65,737
71,040
75,624
79,752
84,733
88,236
58
34,008
35,913
38,844
41,492
44,696
48,797
50,419
51,906
54,667
57,335
60,088
63,129
64,857
66,816
72,160
76,778
80,936
85,950
89,477
59
34,770
36,698
39,662
42,339
45,577
49,718
51,356
52,858
55,643
58,335
61,111
64,178
65,919
67,894
73,279
77,931
82,117
87,166
90,715
60
35,534
37,485
40,482
43,188
46,459
50,641
52,294
53,809
56,620
59,335
62,135
65,227
66,981
68,972
74,397
79,082
83,298
88,379
91,952
70
43,275
45,442
48,758
51,739
55,329
59,898
61,698
63,346
66,396
69,334
72,358
75,689
77,577
79,715
85,527
90,531
95,023
100,425
104,215
80
51,172
53,540
57,153
60,391
64,278
69,207
71,145
72,915
76,188
79,334
82,566
86,120
88,130
90,405
96,578
101,879
106,629
112,329
116,321
90
59,196
61,754
65,647
69,126
73,291
78,558
80,625
82,511
85,993
89,334
92,761
96,524
98,650
101,054
107,565
113,145
118,136
124,116
128,299
100
67,328
70,065
74,222
77,929
82,358
87,945
90,133
92,129
95,808
99,334
102,946
106,906
109,141
111,667
118,498
124,342
129,561
135,807
140,169
110
75,550
78,458
82,867
86,792
91,471
97,362
99,666
101,766
105,632
109,334
113,121
117,269
119,608
122,250
129,385
135,480
140,917
147,414
151,948
120
83,852
86,923
91,573
95,705
100,624
106,806
109,220
111,419
115,465
119,334
123,289
127,616
130,055
132,806
140,233
146,567
152,211
158,950
163,648
130
92,222
95,451
100,331
104,662
109,811
116,272
118,792
121,086
125,304
129,334
133,450
137,949
140,482
143,340
151,045
157,610
163,453
170,423
175,278
140
100,655
104,034
109,137
113,659
119,029
125,758
128,380
130,766
135,149
139,334
143,604
148,269
150,894
153,854
161,827
168,613
174,648
181,840
186,847
150
109,142
112,668
117,985
122,692
128,275
135,263
137,983
140,457
145,000
149,334
153,753
158,577
161,291
164,349
172,581
179,581
185,800
193,208
198,360
160
117,679
121,346
126,870
131,756
137,546
144,783
147,599
150,158
154,856
159,334
163,898
168,876
171,675
174,828
183,311
190,516
196,915
204,530
209,824
170
126,261
130,064
135,790
140,849
146,839
154,319
157,227
159,869
164,716
169,334
174,037
179,165
182,047
185,293
194,017
201,423
207,995
215,812
221,242
180
134,884
138,820
144,741
149,969
156,153
163,868
166,865
169,588
174,580
179,334
184,173
189,446
192,409
195,743
204,704
212,304
219,044
227,056
232,620
190
143,545
147,610
153,721
159,113
165,485
173,430
176,514
179,315
184,448
189,334
194,305
199,719
202,760
206,182
215,371
223,160
230,064
238,266
243,959
200
152,241
156,432
162,728
168,279
174,835
183,003
186,172
189,049
194,319
199,334
204,434
209,985
213,102
216,609
226,021
233,994
241,058
249,445
255,264
Tabla elaborada por el Profesor Vctor Figueroa Arcila, utilizando las funciones de Excel.
Fuente:
58
ANEXO 4
Tabla 4. Percentiles de la distribucin F.
En este tipo de tablas se parte de los valoras conocidos de los grados de libertad m, n y la probabilidad acumulada 1, y se obtiene F, de la expresin:
P(Fm, n F) = 1 -
59
Lo que resulta interesante pera responder a la pregunta: Para una distribucin F con m grados de libertad en el
numerador y n grados de libertad en el denominador, cual es el valor de F que deja a su izquierda una probabilidad
igual a 1- .
La tabla contiene en la filas superiores la referencia a las probabilidades y a los grados de libertad del numerador m,
en la columna de la izquierda los grados de libertad del denominador n, y donde se cruzan la fila y la columna
correspondientes se encuentra el valor de F.
Tabla 4. Percentiles de la distribucin F.
P(Fm, n F) = 1 -
0,100
0,900
39,86
0,12
0,18
0,22
0,25
0,26
0,28
0,29
0,30
0,30
0,31
0,33
0,34
0,35
0,36
0,36
0,37
0,050
0,950
161,45
199,50
215,71
224,58
230,16
233,99
236,77
238,88
240,54
241,88
243,91
245,95
248,01
250,10
252,20
253,25
254,19
0,025
0,975
647,79
799,50
864,16
899,58
921,85
937,11
948,22
956,66
963,28
968,63
976,71
984,87
993,10
1001,41
1009,80
1014,02
1017,75
0,010
0,990
4052,18
4999,50
5403,35
5624,58
5763,65
5858,99
5928,36
5981,07
6022,47
6055,85
6106,32
6157,28
6208,73
6260,65
6313,03
6339,39
6362,68
0,005
0,995
16210,72
19999,50
21614,74
22499,58
23055,80
23437,11
23714,57
23925,41
24091,00
24224,49
24426,37
24630,21
24835,97
25043,63
25253,14
25358,57
25451,73
0,100
0,900
8,53
9,00
9,16
9,24
9,29
9,33
9,35
9,37
9,38
9,39
9,41
9,42
9,44
9,46
9,47
9,48
9,49
0,050
0,950
18,51
19,00
19,16
19,25
19,30
19,33
19,35
19,37
19,38
19,40
19,41
19,43
19,45
19,46
19,48
19,49
19,49
0,025
0,975
38,51
39,00
39,17
39,25
39,30
39,33
39,36
39,37
39,39
39,40
39,41
39,43
39,45
39,46
39,48
39,49
39,50
0,010
0,990
98,50
99,00
99,17
99,25
99,30
99,33
99,36
99,37
99,39
99,40
99,42
99,43
99,45
99,47
99,48
99,49
99,50
0,005
0,995
198,50
199,00
199,17
199,25
199,30
199,33
199,36
199,37
199,39
199,40
199,42
199,43
199,45
199,47
199,48
199,49
199,50
0,100
0,900
5,54
5,46
5,39
5,34
5,31
5,28
5,27
5,25
5,24
5,23
5,22
5,20
5,18
5,17
5,15
5,14
5,13
0,050
0,950
10,13
9,55
9,28
9,12
9,01
8,94
8,89
8,85
8,81
8,79
8,74
8,70
8,66
8,62
8,57
8,55
8,53
0,025
0,975
17,44
16,04
15,44
15,10
14,88
14,73
14,62
14,54
14,47
14,42
14,34
14,25
14,17
14,08
13,99
13,95
13,91
0,010
0,990
34,12
30,82
29,46
28,71
28,24
27,91
27,67
27,49
27,35
27,23
27,05
26,87
26,69
26,50
26,32
26,22
26,14
0,005
0,995
55,55
49,80
47,47
46,19
45,39
44,84
44,43
44,13
43,88
43,69
43,39
43,08
42,78
42,47
42,15
41,99
41,85
0,100
0,900
4,54
4,32
4,19
4,11
4,05
4,01
3,98
3,95
3,94
3,92
3,90
3,87
3,84
3,82
3,79
3,78
3,76
0,050
0,950
7,71
6,94
6,59
6,39
6,26
6,16
6,09
6,04
6,00
5,96
5,91
5,86
5,80
5,75
5,69
5,66
5,63
0,025
0,975
12,22
10,65
9,98
9,60
9,36
9,20
9,07
8,98
8,90
8,84
8,75
8,66
8,56
8,46
8,36
8,31
8,26
0,010
0,990
21,20
18,00
16,69
15,98
15,52
15,21
14,98
14,80
14,66
14,55
14,37
14,20
14,02
13,84
13,65
13,56
13,47
0,005
0,995
31,33
26,28
24,26
23,15
22,46
21,97
21,62
21,35
21,14
20,97
20,70
20,44
20,17
19,89
19,61
19,47
19,34
0,100
0,900
4,06
3,78
3,62
3,52
3,45
3,40
3,37
3,34
3,32
3,30
3,27
3,24
3,21
3,17
3,14
3,12
3,11
0,050
0,950
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
4,50
4,43
4,40
4,37
0,025
0,975
10,01
8,43
7,76
7,39
7,15
6,98
6,85
6,76
6,68
6,62
6,52
6,43
6,33
6,23
6,12
6,07
6,02
0,010
0,990
16,26
13,27
12,06
11,39
10,97
10,67
10,46
10,29
10,16
10,05
9,89
9,72
9,55
9,38
9,20
9,11
9,03
0,005
0,995
22,78
18,31
16,53
15,56
14,94
14,51
14,20
13,96
13,77
13,62
13,38
13,15
12,90
12,66
12,40
12,27
12,16
0,100
0,900
3,78
3,46
3,29
3,18
3,11
3,05
3,01
2,98
2,96
2,94
2,90
2,87
2,84
2,80
2,76
2,74
2,72
0,050
0,950
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
3,81
3,74
3,70
3,67
0,025
0,975
8,81
7,26
6,60
6,23
5,99
5,82
5,70
5,60
5,52
5,46
5,37
5,27
5,17
5,07
4,96
4,90
4,86
0,010
0,990
13,75
10,92
9,78
9,15
8,75
8,47
8,26
8,10
7,98
7,87
7,72
7,56
7,40
7,23
7,06
6,97
6,89
0,005
0,995
18,63
14,54
12,92
12,03
11,46
11,07
10,79
10,57
10,39
10,25
10,03
9,81
9,59
9,36
9,12
9,00
8,89
0,100
0,900
3,59
3,26
3,07
2,96
2,88
2,83
2,78
2,75
2,72
2,70
2,67
2,63
2,59
2,56
2,51
2,49
2,47
0,050
0,950
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
3,38
3,30
3,27
3,23
0,025
0,975
8,07
6,54
5,89
5,52
5,29
5,12
4,99
4,90
4,82
4,76
4,67
4,57
4,47
4,36
4,25
4,20
4,15
0,010
0,990
12,25
9,55
8,45
7,85
7,46
7,19
6,99
6,84
6,72
6,62
6,47
6,31
6,16
5,99
5,82
5,74
5,66
0,005
0,995
10,88
10,05
9,16
8,89
8,68
8,51
8,38
8,18
7,97
7,75
7,19
7,09
0,100
0,900
3,46
3,11
2,92
2,81
2,73
2,67
2,62
2,59
2,56
2,54
2,50
2,46
2,42
2,38
2,34
2,32
2,30
0,050
0,950
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
3,08
3,01
2,97
2,93
0,025
0,975
7,57
6,06
5,42
5,05
4,82
4,65
4,53
4,43
4,36
4,30
4,20
4,10
4,00
3,89
3,78
3,73
3,68
0,010
0,990
11,26
8,65
7,59
7,01
6,63
6,37
6,18
6,03
5,91
5,81
5,67
5,52
5,36
5,20
5,03
4,95
4,87
0,005
0,995
14,69
11,04
9,60
8,81
8,30
7,95
7,69
7,50
7,34
7,21
7,01
6,81
6,61
6,40
6,18
6,06
5,96
16,24
12,40
9,52
10
12
15
30
60
7,53
20
120
7,31
1000
60
Tabla 4. Percentiles de la distribucin F (continuacin).
P(Fm n F) = 1 -
61
0,100
0,900
3,36
0,050
0,950
0,025
0,975
0,010
3,01
2,81
2,69
2,61
2,55
2,51
2,47
2,44
10
2,42
12
2,38
2,34
2,30
2,25
2,21
2,18
2,16
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
2,86
2,79
2,75
2,71
7,21
5,71
5,08
4,72
4,48
4,32
4,20
4,10
4,03
3,96
3,87
3,77
3,67
3,56
3,45
3,39
3,34
0,990
10,56
8,02
6,99
6,42
6,06
5,80
5,61
5,47
5,35
5,26
5,11
4,96
4,81
4,65
4,48
4,40
4,32
0,005
0,995
13,61
10,11
8,72
7,96
7,47
7,13
6,88
6,69
6,54
6,42
6,23
6,03
5,83
5,62
5,41
5,30
5,20
0,100
0,900
3,29
2,92
2,73
2,61
2,52
2,46
2,41
2,38
2,35
2,32
2,28
2,24
2,20
2,16
2,11
2,08
2,06
0,050
0,950
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
2,70
2,62
2,58
2,54
0,025
0,975
10
6,94
5,46
4,83
4,47
4,24
4,07
3,95
3,85
3,78
3,72
3,62
3,52
3,42
3,31
3,20
3,14
3,09
0,010
0,990
10,04
7,56
6,55
5,99
5,64
5,39
5,20
5,06
4,94
4,85
4,71
4,56
4,41
4,25
4,08
4,00
3,92
0,005
0,995
12,83
9,43
8,08
7,34
6,87
6,54
6,30
6,12
5,97
5,85
5,66
5,47
5,27
5,07
4,86
4,75
4,65
0,100
0,900
3,18
2,81
2,61
2,48
2,39
2,33
2,28
2,24
2,21
2,19
2,15
2,10
2,06
2,01
1,96
1,93
1,91
0,050
0,950
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
2,47
2,38
2,34
2,30
0,025
0,975
12
6,55
5,10
4,47
4,12
3,89
3,73
3,61
3,51
3,44
3,37
3,28
3,18
3,07
2,96
2,85
2,79
2,73
0,010
0,990
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
3,70
3,54
3,45
3,37
0,005
0,995
11,75
8,51
7,23
6,52
6,07
5,76
5,52
5,35
5,20
5,09
4,91
4,72
4,53
4,33
4,12
4,01
3,92
0,100
0,900
3,07
2,70
2,49
2,36
2,27
2,21
2,16
2,12
2,09
2,06
2,02
1,97
1,92
1,87
1,82
1,79
1,76
0,050
0,950
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
2,25
2,16
2,11
2,07
0,025
0,975
15
6,20
4,77
4,15
3,80
3,58
3,41
3,29
3,20
3,12
3,06
2,96
2,86
2,76
2,64
2,52
2,46
2,40
0,010
0,990
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
3,21
3,05
2,96
2,88
0,005
0,995
10,80
7,70
6,48
5,80
5,37
5,07
4,85
4,67
4,54
4,42
4,25
4,07
3,88
3,69
3,48
3,37
3,27
0,100
0,900
2,97
2,59
2,38
2,25
2,16
2,09
2,04
2,00
1,96
1,94
1,89
1,84
1,79
1,74
1,68
1,64
1,61
0,050
0,950
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
2,04
1,95
1,90
1,85
0,025
0,975
20
5,87
4,46
3,86
3,51
3,29
3,13
3,01
2,91
2,84
2,77
2,68
2,57
2,46
2,35
2,22
2,16
2,09
0,010
0,990
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
2,78
2,61
2,52
2,43
0,005
0,995
9,94
6,99
5,82
5,17
4,76
4,47
4,26
4,09
3,96
3,85
3,68
3,50
3,32
3,12
2,92
2,81
2,70
0,100
0,900
2,88
2,49
2,28
2,14
2,05
1,98
1,93
1,88
1,85
1,82
1,77
1,72
1,67
1,61
1,54
1,50
1,46
0,050
0,950
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
1,84
1,74
1,68
1,63
0,025
0,975
30
5,57
4,18
3,59
3,25
3,03
2,87
2,75
2,65
2,57
2,51
2,41
2,31
2,20
2,07
1,94
1,87
1,80
0,010
0,990
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
2,39
2,21
2,11
2,02
0,005
0,995
9,18
6,35
5,24
4,62
4,23
3,95
3,74
3,58
3,45
3,34
3,18
3,01
2,82
2,63
2,42
2,30
2,19
0,100
0,900
2,79
2,39
2,18
2,04
1,95
1,87
1,82
1,77
1,74
1,71
1,66
1,60
1,54
1,48
1,40
1,35
1,30
0,050
0,950
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
1,65
1,53
1,47
1,40
0,025
0,975
60
5,29
3,93
3,34
3,01
2,79
2,63
2,51
2,41
2,33
2,27
2,17
2,06
1,94
1,82
1,67
1,58
1,49
0,010
0,990
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
2,03
1,84
1,73
1,62
0,005
0,995
8,49
5,79
4,73
4,14
3,76
3,49
3,29
3,13
3,01
2,90
2,74
2,57
2,39
2,19
1,96
1,83
1,71
0,100
0,900
2,75
2,35
2,13
1,99
1,90
1,82
1,77
1,72
1,68
1,65
1,60
1,55
1,48
1,41
1,32
1,26
1,20
0,050
0,950
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
1,55
1,43
1,35
1,27
0,025
0,975
120
5,15
3,80
3,23
2,89
2,67
2,52
2,39
2,30
2,22
2,16
2,05
1,94
1,82
1,69
1,53
1,43
1,33
0,010
0,990
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
1,86
1,66
1,53
1,40
0,005
0,995
8,18
5,54
4,50
3,92
3,55
3,28
3,09
2,93
2,81
2,71
2,54
2,37
2,19
1,98
1,75
1,61
1,45
0,100
0,900
2,71
2,31
2,09
1,95
1,85
1,78
1,72
1,68
1,64
1,61
1,55
1,49
1,43
1,35
1,25
1,18
1,08
0,050
0,950
3,85
3,00
2,61
2,38
2,22
2,11
2,02
1,95
1,89
1,84
1,76
1,68
1,58
1,47
1,33
1,24
1,11
0,025
0,975
1000
5,04
3,70
3,13
2,80
2,58
2,42
2,30
2,20
2,13
2,06
1,96
1,85
1,72
1,58
1,41
1,29
1,13
0,010
0,990
6,66
4,63
3,80
3,34
3,04
2,82
2,66
2,53
2,43
2,34
2,20
2,06
1,90
1,72
1,50
1,35
1,16
0,005
0,995
7,91
5,33
4,30
3,74
3,37
3,11
2,92
2,77
2,64
2,54
2,38
2,21
2,02
1,81
1,56
1,39
1,18
15
20
30
60
120
1000

Estadística y probabilidad para ingeniería

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Estadística y probabilidad para ingeniería

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDADAUSTRALDECHILE

ESTADSTICA Y PROBABILIDAD PARA INGENIERA

II. VARIABLES ALEATORIAS

III. MODELOS DE VARIABLES ALEATORIAS

IV. APLICACIONES EN EL MBITO DE LA INGENIERA

1. Valores de la funcin de distribucin normal estndar

2. Percentiles de la distribucin t de Student

3. Percentiles de la distribucin chi-cuadrado

4) Se dice que A y B son sucesos mutuamente

1.3 Enfoques para el clculo de probabilidad

N de veces que ha ocurrido un suceso en el pasado

P(Resistir choque trmico) =

Ejemplo 2: Determine la probabilidad de que en cierta lnea de produccin se manufacture un producto

Principio de la regularidad estadstica: Si repetimos un Experimento Aleatorio un nmero grande de

1.4 Axiomas y teoremas

Enfoque subjetivo: probabilidad subjetiva (o personal): La probabilidad de que suceda un suceso

Cumple con las

1.6 Probabilidad condicional

Teorema General de la Multiplicacin: Si A y B son eventos en , entonces

Propiedad: A y B son INDEPENDIENTES ssi P(A/B)=P(A) y P(B/A) =P(B)

Cul es la probabilidad de que ocurra A1 [(P(A 1 / B)]?

Ilustracin: En el caso de 2 sucesos:

Un artculo tiene 3 proveedores P1, P2 y P3.

DIAGRAMA DEL RBOL

P(A1 Y B1 ) = 0,009 / 0,039

P(A2 Y B1 )= 0,200,05 P(A2 Y B1 ) =0,001 / 0,039

P(A3 Y B1 ) = 0,002 / 0,039

II. VARIABLES ALEATORIAS

P[X = xi] = p(xi)

o Valor esperado y varianza de una variable aleatoria

concepto de promedio o media aritmtica de los datos, recibe el

del histograma con frecuencias

x f(x) dx, si X es una v.a. continua

VAR (X) = E ( X E(X))2

III. MODELOS DE VARIABLES ALEATORIAS

Media y varianza de una variable con Distribucin Binomial: Media: = n p; Varianza = n p q

Ejemplo: Una compaa manufacturera utiliza un

; para x = 1, 2, 3,P(X = x) = P(x, ) = probabilidad de que ocurran x xitos,

Distribucin Uniforme; 2. Distribucin Exponencial; 3. Distribucin Normal; 3. Aproximacin de la Normal a la

i) Distribucin Uniforme: X ~ U (a, b)

Funcin de distribucin: determinarla.

APLICACIN: Tiempo que transcurre hasta la primera ocurrencia de un proceso de Poisson.

iii) Distribucin Normal: X ~ N ( , )

Al dar a la funcin de densidad valores especficos para , y valores a x, obtendremos la distribucin en

Es simtrica con respecto a su eje vertical.

Esta distribucin surge al hacer = 0 y = 1. La funcin de distribucin

Cmo se determinan probabilidades relacionadas con cualquier distribucin Normal (X ~ N ( , ))?

Por tratarse de distribuciones de probabilidad continuas, lo ms lgico es que la

La integral anterior nos dar el rea bajo la curva de la funcin, desde

Este valor de z es buscado en una tabla donde vienen reas asociadas a

P 2 (n) valor tabulado =

0.975 0.99 0.995

Funcin de distribucin: Se encuentra tabulada

P[t(n) valor tabulado] =

se distribuye como una F con m grados de libertad en el

numerador y n grados de libertad en el denominador.

Funcin de distribucin: Se encuentra tabulada

P[F(m, n) valor tabulado] =

IV. APLICACIONE EN EL MBITO DE LA INGENIERA

El suceso es imposible. Nunca puede ocurrir.

Se lanza una moneda 4 veces y se observa el resultado de cada lanzamiento:

A) Considere la siguiente tabla referente a la produccin de procesadores para el armado de PC. Se

VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS