y la varianza
se conoce como
Error Estndar de .
Muestreo sin reemplazo
) (
Cuadro 1
= Varianza de la poblacin.
El caso para muestras grandes
Para aplicar este tipo de caso referente a la forma de la distribucin muestral de la media muestral,
se requiere que se cumpla alguna de estas tres condiciones:
La poblacin posee una distribucin normal con varianza conocida.
La poblacin posee una distribucin normal con varianza desconocida y tamao de la
muestra igual o superior a 30 observaciones (tambin identificado como muestra grande").
La poblacin posee una distribucin desconocida (o no normal), su varianza es conocida o
desconocida y el tamao de la muestra es grande.
Entonces, la distribucin muestral de la media muestral es normal con media
y varianza
,
los cuales se obtienen segn los casos ilustrados en el Cuadro 1.
Como consecuencia a lo anteriormente afirmado, se puede concluir que la variable aleatoria
Est distribuida normalmente con media 0 y varianza 1. Adems, en los casos en que la varianza
sea desconocida y n 30, reemplazamos la desviacin poblacional por la desviacin muestral s.
Ejemplos:
Supongamos que el incremento porcentual de los salarios de los funcionarios de todas las PIMES
en una ciudad se distribuyen normalmente con una media de 12,2% y desviacin estndar de
3,6%. Si se toma una muestra aleatoria de 9 observaciones de esta poblacin segn los
incrementos porcentuales de salario, Cul es la probabilidad de que la media muestral sea mayor
del 10%?
Solucin:
= 12,2 y n = 9. Nos piden calcular P( . Como se desconoce el tamao de la
poblacin, se supondr que la misma es infinita. Entonces, segn lo mostrado en el Cuadro 1, la
media y el error estndar de la distribucin muestral de son:
Por ende, la probabilidad requerida es:
P( = P (
) (
) (
)
P( (
Como la poblacin posee una distribucin normal y la varianza poblacional es conocida, entonces,
de acuerdo a lo mencionado en la introduccin del tema, la distribucin muestral de la media
muestral es normal o, lo que es equivalente, la variable Z es normal estndar. Por lo tanto,
teniendo es la funcin de distribucin normal estndar, entonces, de la tabla normal, tenemos
que:
P ( = ( = 1 ( = 1
Se concluye, que la probabilidad de que la media muestral sea mayor del 10% es de 96,64%.
Un fabricante declara que la duracin de las llantas que l fabrica sigue una distribucin normal
con una media de 36.000 kilmetros y una desviacin estndar de 4.000 kilmetros. Para una
muestra aleatoria de diecisis llantas, se obtuvo una duracin media 34.500 kilmetros. Si la
afirmacin del fabricante es correcta, Cul es la probabilidad de obtener una media muestral tan
pequea como sta o menor?
Solucin:
Tenemos que = 36.000, y n = 16. Se desea determinar P( ). Como se
desconoce el tamao de la poblacin, supondremos que esta es infinita. Entonces, segn lo
plasmado en el Cuadro 1, la media y el error estndar de la distribucin muestral de la son:
Por tanto, la probabilidad requerida es:
( ) (
) (
)
(
) (
Como la poblacin es normal y la varianza poblacional es conocida y de acuerdo a lo explicado al
inicio del captulo, la distribucin muestral de la media muestral es normal o, lo que es equivalente,
la variable Z tiene distribucin normal estndar. Por lo tanto, teniendo en cuenta que es la
funcin de distribucin normal estndar, entonces, de la tabla normal del apndice, tenemos que
P ( = ( = ( =
Se concluye, que la probabilidad de que la media muestral sea menor o igual a 34.500 kilmetros
es de 6,68%.
El caso para muestras pequeas
Cuando la poblacin de donde se extrae la muestra es normal con varianza desconocida y que
dicha muestra se considere como pequea (menor a 30 observaciones), entonces, la distribucin
muestral de la media muestral no es la normal. En este tipo de casos, la distribucin continua
conocida como Distribucin t de Student es la distribucin que rige a media muestral.
La Distribucin t de Student
Definida por el matemtico William Sealy Gosset, como la distribucin de la variable:
Cuando las muestras se extraen de una poblacin que est distribuida normalmente y nos permite
elaborar inferencias relacionadas con las medias poblacionales cuando se desconoce la desviacin
tpica de la poblacin. La distribucin posee forma de campana (como la distribucin normal) con
media 0, pero con desviacin estndar mayor que 1, lo cual hace que la campana que forma la
distribucin sea menos aguda en el centro y ms alta en las colas que la distribucin normal.
Hay una distribucin t diferente para cada valor de n 1 (llamado Grado de Libertad).
La distribucin t se aproxima a la distribucin normal a medida que aumentan los grados de
libertad. Para grados infinitos de libertad, las dos distribuciones de probabilidad son idnticas.
Distribucin muestral de la media muestral para muestras pequeas
Si se extrae una muestra de una poblacin con distribucin normal con varianza desconocida y con
n < 30, la distribucin muestral de
Con esto, encontramos el valor de t
15
para 21,753 debido a que
Y teniendo en cuenta la tabla t de Student con 15 grados de libertad, entonces, la probabilidad
pedida ser:
( ) (
Ejemplo
Usted es el lder de I+D de una marca de automviles, y en el desarrollo de una nueva marca de
vehculo desea realizar anlisis referentes al recorrido en kilmetros por litro de gasolina de este
nuevo auto, se extrae una muestra aleatoria de 6 autos del primer lote de produccin y se mide la
cantidad de kilmetros que recorre por litro:
18,6 18,4 19,2 20,8 19,4 20,5
Calcule la probabilidad de que el consumo de gasolina promedio muestral sea menor que 17,6
kilmetros por litro, tomando en cuenta que con un anlisis anterior ya se determin que la
distribucin que sigue la poblacin es normal con media 17.
Solucin: Tenemos que = 17 y que la muestra escogida se de tamao n = 6. La media muestral
es
((
Por tanto la desviacin estndar muestral es
Con estos valores, el valor de
Y con ayuda de la tabla t de Student con 5 grados de libertad, entonces, la probabilidad perdida
ser:
( ) (
Teorema central del lmite: nos dice este teorema que si se toman una serie de observaciones X
1
,
X
2
,, X
n
que conforman una muestra aleatoria de tamao n, tomada de una poblacin con media
y varianza
y varianza
Ejemplo
Un operador de una caldera solo puede escoger entre 6 valores posibles de temperatura para una
parte del proceso, presentndose as que la temperatura sea una variable aleatoria con distribucin
de probabilidad uniforme continua
( ,
-
Encuntrese la distribucin de la media muestral de una muestra de tamao n = 60.
Solucin:
La media y la varianza de X son
y
varianza
Ejercicios
1) Una maquina empacadora de sal se ajusta para que la cantidad de productos que empaca
promedie 240 gr con una desviacin estndar de 15 gr. La mquina se verifica
peridicamente tomando una muestra de 40 bolsas de sal y se calcula el contenido
promedio. Si la media de las 40 bolsas de sal es un valor dentro del intervalo
, se
piensa que la maquina opera satisfactoriamente; de otra forma, se ajusta. Durante
un turno de trabajo se extrae una muestra de 40 bolsas de sal, y el promedio muestral
estuvo en 236 gr, ante este resultado el Coordinador de Produccin del turno concluye que
la maquina no necesita ajuste. Fue razonable esta decisin?
2) Un curso de estadstica tiene 40 estudiantes. Con base en los aos de experiencias, el
profesor sabe que el tiempo necesario para calificar un examen cualquiera al azar, es una
variable aleatoria con media de 6 minutos y desviacin estndar de 6 minutos.
a) Si los tiempos para calificar son independientes y el profesor comienza a las 2:50 PM.,
hacindolo en forma continua, cul es la probabilidad de que termine de calificar
antes del inicio de las noticias a las 7:00 PM?
b) Si la seccin deportiva empieza a las 7:10 PM, Cul es la probabilidad de que se
pierda parte de esa seccin si espera hasta que termine de calificar los exmenes para
encender el televisor?
3) La duracin de cierto tipo de batera est normalmente distribuida con media de 8 horas y
desviacin estndar de 1 hora. Si hay cuatro bateras en una caja, determine el valor para
el tiempo promedio de duracin de las cuatro bateras, para que se d una probabilidad del
5% de que el tiempo promedio de duracin de estas cuatro bateras exceda el tiempo
promedio de duracin de 8 horas.
4) Suponga que el tiempo (en horas) empleado por el gerente de una empresa para elaborar
un proyecto es una variable aleatoria X, que tiene una distribucin gamma con parmetro
Debido a que es grande, se puede comprobar que tiene
aproximadamente una distribucin normal. Utilcese este hecho para calcular la
probabilidad de que un gerente seleccionado al azar demore mximo 125 horas en la
elaboracin del proyecto.
Distribucin Muestral de una Proporcin
Media y la varianza de proporciones muestrales: sea la proporcin de xitos en una muestra
aleatoria de n observaciones y la proporcin de xitos en la poblacin. Entonces, la distribucin
muestral de la proporcin muestral tiene una media
y varianza
dada por:
(
(
) (
(
Teorema De Moivre-Laplace: El teorema de la aproximacin de la distribucin binomial a la
normal dice que, bajo ciertas condiciones especiales, la distribucin del nmero de xitos es
aproximadamente normal. Esto tambin es cierto para la proporcin de xitos, como lo muestra el
teorema De Moivre-Laplace, el cual dice:
Sea la proporcin de xitos en una muestra aleatoria de n observaciones. Si se cumple alguna
de las dos condiciones siguientes:
(
Entonces, la distribucin muestral de la proporcin muestral se puede aproximar con una
distribucin normal.
El teorema implica que la variable aleatoria
se calculan de acuerdo a lo expuesto anteriormente.
Ejemplos
Se toma una muestra de 250 unidades de una poblacin de memorias USB para estimar la
proporcin de memorias que poseen una pequea imperfeccin en la cubierta plstica de la
memoria. Supongamos que, de hecho, el 30% de las unidades de esta poblacin tienen esa
imperfeccin. Cul es la probabilidad de que la proporcin de memorias de la muestra que tienen
esa imperfeccin se encuentre entre el 25% y el 35%?
Solucin
((
( (
)
(
) (
( (
Ejemplo
Se desea estudiar una muestra de 20 trabajadores para saber la proporcin de ellas que tiene ms
de 20 aos trabajando en la compaa. Sabiendo que la proporcin en la poblacin es del 40%,
Cul es la probabilidad de que la proporcin en la muestra sea menor del 50%?
Solucin
((
( (
) (
) (
(
Ejercicios
1) El 5% de todos los tornillos fabricados por cierta empresa estn defectuosos. Suponga que
de 1500 tornillos recin fabricados se toma una muestra aleatoria de 50 y que representa
el porcentaje de defectuosos:
a) Describa la distribucin muestral de y encuentre
.
b) Encuentre ( .
c) Calcule (
d) Determine (
2) Una entidad bancaria est considerando una nueva emisin de bonos convertibles. Sus
directores saben que la oferta resultara atractiva para el 20% de los accionistas actuales y
se toma una muestra aleatoria de 130 accionistas.
a) Cul es la probabilidad de que esta proporcin muestral sea superior a 0,15?
b) Cul es la probabilidad de que esta proporcin se halle entre 0,18 y 0,22?
3) Una empresa quiere estimar la proporcin de posibles compradores de un servicio de
telefona mvil que ven las transmisiones de los partidos de futbol del campeonato local. Al
respecto, se toma una muestra de 120 individuos que se identificaron como posibles
compradores del servicio. Supongamos que la proporcin de posibles compradores en la
poblacin que ven estas transmisiones es 0,25. Determine, entonces, el valor para que
a) 0,10 sea la probabilidad de que la proporcin muestral exceda a la proporcin
poblacional.
b) 0,05 se la probabilidad de que la proporcin muestral sea menor o igual a la proporcin
poblacional.
Distribucin Muestral de la Diferencia de Dos Proporciones
En muchas situaciones prcticas el analista estadstico necesita hacer inferencias sobre la
diferencia entre dos proporciones poblacionales.
Sea
, procedente de
una poblacin con proporcin
de xitos. Si
los tamaos muestrales son grandes, entonces, la distribucin muestral de
es la normal
con media
y varianza
Lo anteriormente explicado implica que la variable
(
)(
tiene distribucin
normal estndar, adems, esta aproximacin es vlida si se cumple alguna de las dos condiciones
siguientes:
Ejemplo
Se est analizando la proporcin de productos que salen con un pequeo defecto de presentacin
de dos mquinas empacadoras distintas. Se cree que el 12% de productos generados por la
maquina # 1 presenta este defecto, mientras que el 10% de productos generados por la maquina #
2 presenta el defecto. Si se extraen dos muestras aleatorias, una de 150 unidades de la maquina #
1 y otra de 100 unidades de la maquina # 2. Determine la probabilidad de que el porcentaje de
defectuosos en la maquina # 1 sea mayor del 3% con respecto al de la maquina # 2.
Solucin
((
((
) ( (
Ejercicios
1) Se supone que el 16% de las industrias de un rea metropolitana I son textiles. Se cree,
adems que, en un rea metropolitana II, este porcentaje es del 11%. Si estas cifras son
exactas, Cul es la probabilidad de que una muestra aleatoria simple de 200 industrias
del rea I y una muestra aleatoria simple independiente de 225 industrias del rea II
arrojen una diferencia entre las proporciones muestrales mayor del 10%?
2) Un investigador opina que el 15% de los dueos de empresas de la ciudad A son
extranjeros, y el 10% de los de la ciudad B lo son. En una muestra aleatoria simple de 150
dueos de empresas de la ciudad A el investigador encontr que 30 eran extranjeros. En
tanto que una muestra aleatoria simple independiente de 100 dueos de empresas de la
ciudad B revelo que 7 lo eran. Si la opinin del investigador sobre la nacionalidad de los
dueos de empresa es correcta, Cul es la probabilidad de observar una diferencia mayor
a la que realmente se observa?, Es posible que el investigador decida revisar sus
opiniones al respecto sobre las dos poblaciones?
Distribucin Muestral de Diferencia de Medias
Datos Pareados (Muestras Dependientes)
Se analiza el efecto de algn factor en el valor de la media muestral de una poblacin antes y
despus del cambio en el factor, inclusive puede darse tambin en una misma poblacin a la cual
una parte de la misma fue sometida a ese cambio y la otra parte no, con el fin de medir el efecto de
dicho cambio en la media muestral.
Supongamos que disponemos de una muestra aleatoria de datos pareados procedentes de
distribuciones con medias
. Sean, as, y
y varianza
Sean, as
Media Varianza
Ejemplos:
La tabla de abajo recoge los datos de consumo de gasolina correspondiente a una muestra
aleatoria de 8 automviles norteamericanos de dos modelos diferentes. Se formaron pares con las
dos muestras y cada elemento de un determinado par fue conducido por la misma ruta y por el
mismo piloto:
, es decir, la diferencia entre las medias poblacionales entre los dos modelos de
autos.
Y para la varianza:
Por lo que la desviacin muestral observada es:
b) Tenemos que
Sean
)
o, lo que es lo mismo, (
). Hagamos
Dnde:
Entonces tomando en cuenta el teorema planteado al inicio del tema y teniendo en cuenta
la tabla t de Student (con grados de libertad), encontramos que:
(
) ( ) (
)
(
(
) (
Este ltimo resultado (0,019) se obtuvo con ayuda de la funcin de Excel llamada
=DISTR.T.CD(x; grados de libertad) la cual corresponden al clculo del rea a la derecha
de una variable que sigue la distribucin t de Student, en donde x representa el valor que
toma dicha variable (en este caso 2,528).
Por consiguiente, la probabilidad de que el consumo promedio de gasolina del auto A sea
mayor que el del auto B es aproximadamente de 0,019.
Muestras Independientes
Ahora se pasa a considerar el estudio de dos poblaciones completamente diferentes entre ellas,
para estudiar el comportamiento probabilstico de la distribucin muestral de
se tienen en
cuenta los siguientes 3 casos:
Primer caso: varianzas poblacionales conocidas o desconocidas y muestras grandes
Sean
de
poblaciones con medias
y varianzas
son
conocidas;
b) Ambas poblaciones son desconocidas o no normales, ambas varianzas poblaciones
Entonces, la distribucin muestral de la diferencia entre dos medias muestrales estar distribuida
normalmente y tendr una media igual a
y una varianzas
.
Cabe destacar que con 30 muestras de cada poblacin, en general, son suficientes para realizar
esta aproximacin.
Ejemplos
1) Para comparar los pesos promedios de dos tipos de neumticos, que corresponden a
dos empresas A y B que fabrican neumticos, se usara una muestra aleatoria de 20
neumticos de la empresa A y otra muestra de 25 neumticos de la empresa B. Se
sabe que, los neumticos tanto de la empresa A como de la empresa B siguen una
distribucin normal (por tanto la diferencia en los pesos promedios de esas dos
poblaciones de neumticos siguen aproximadamente una distribucin normal). En
concreto, el promedio de pesos de los neumticos de la empresa A es de 9,3 kg y su
desviacin estndar es de 1,31 kg, mientras que el promedio de los neumticos de la
empresa B es de 7,9 kg y su desviacin estndar es de 1,13 kg. Encuentre la
probabilidad de que el promedio de los pesos de los 20 neumticos de la empresa A
sea al menos 1,86 kg ms grande que el de los 25 neumticos de la empresa B.
Solucin
Supongamos que
es aproximadamente normal.
La media de la distribucin muestral de
es:
La varianza de la distribucin muestral de
es:
Entonces para determinar (
En consecuencia,
(
) ( ( .
2) Retomando el ejemplo anterior, suponga que se tomaron ahora una muestra de 35
neumticos de un modelo de auto ms grande en la empresa A y 39 neumticos
tambin de un modelo de auto ms grande en la empresa B. Para esta situacin no se
conoce la distribucin de probabilidad de los pesos de los neumticos para ambas
empresas, pero se sabe que manejan un mismo peso promedio. En concreto, el
promedio de pesos de los 35 neumticos de la empresa A es de 12,2 kg y su
desviacin estndar es de 2,31 kg, mientras que el promedio de los 39 neumticos de
la empresa B es de 10,0 kg y su desviacin estndar es de 3,13 kg. Encuentre la
probabilidad de que el promedio de los pesos de la muestra de neumticos de la
empresa A sea mayor que el de la empresa B en por lo menos la diferencia encontrada
con los datos actuales.
Solucin
Supongamos que
es aproximadamente normal.
La media de la distribucin muestral de
es:
La varianza de la distribucin muestral de
es:
El no conocer las varianzas poblacionales no se convierte en problema para esta situacin,
dado que las varianzas muestrales al ser el tamao de muestra mayor que 30, pueden
estimar con un buen nivel de certeza con las varianzas poblacionales, esta situacin aplica
siempre y cuando los tamaos de muestras sean mayores o iguales a 30
Entonces para determinar (
En consecuencia,
(
) ( ( .
Segundo caso: varianzas poblacionales desconocidas, iguales y muestras pequeas
Sean
de
poblaciones normales con medias
y varianzas
y
una varianza
.
Donde
ser conocida como la varianza muestral combinada y su clculo est dado por:
Ejemplo:
1) De un proceso de produccin de atn enlatado, se extraen dos muestras de 15
unidades cada una de dos mquinas enlatadoras. Si se conoce con antelacin que el
peso promedio de las latas de la enlatadora A sigue una distribucin normal con media
de 353 gramos, que el peso promedio de las latas de la enlatadora B sigue una
distribucin normal con media de 349 gramos y que las varianzas del peso de las latas
en ambas maquinas enlatadoras son iguales, pero desconocidas. Determine la
probabilidad de que el peso promedio de la muestras extraidas de la maquina
enlatadora A supere en ms de 5 gramos al peso promedio de la muestra extraida de
la maquina enlatadora B, si la desviacin estndar muestral de la muestra de la
maquina A es de 1,8 gramos y en la maquina B es de 2,2 gramos.
Solucin
Expresado en notacin estadstica, la probabilidad que deseamos calcular es:
(
)
Como el problema analizado cumple los requisitos del segundo caso para muestras
independientes, dicha probabilidad de calculara de la siguiente manera:
(
)
(
Empezamos calculando la varianza muestral combinada:
Por tanto la probabilidad solicitada es como sigue:
(
)
(
(
Para este valor de y con y con ayuda de una tabla con los
valores crticos de la distribucin podemos hallar que aproximadamente el valor de la
probabilidad requerida es de 0,025 , apenas un 2,5%.
Tambin podemos aplicar la funcin de Excel: DISTR.T.CD(x;grados_de_libertad), la cual nos
permite calcular la probabilidad de que un proceso que sigue una distribucin con n
grados de libertad, tome un valor por encima de un valor x dado. Para este caso dicha funcin en
Excel arroja un valor de:
DISTR.T.CD(2,033;28) = 0,02581
Las funciones de Excel nos permiten un nivel de certeza ms adecuado en lo que a operaciones
con distribuciones de probabilidad se refiere, por tal motivo los ejemplos manejados en el libro se
resolvern con el uso de estas ecuaciones, especialmente en el uso de distribuciones de
probabilidad como la
de
poblaciones normales con medias
y varianzas
y una varianza
.
Donde los grados de libertad se calculan de la siguiente manera:
(
Ejemplo:
Retomando el ejercicio anterior, supongamos que en esta ocasin la varianzas poblacionales de
los pesos de las latas de atn para ambas maquinas A y B son diferentes y desconocidas.
Solucin
Expresado en notacin estadstica, la probabilidad que deseamos calcular es:
(
)
Como el problema analizado cumple los requisitos del segundo caso para muestras
independientes, dicha probabilidad de calculara de la siguiente manera:
(
)
(
)
(
(
En donde lo novedoso de este caso es el cambio en la forma del clculo de los grados de libertad:
(
Por tanto la probabilidad de que la diferencia entre los dos pesos promedios de las dos mquinas
enlatadoras de atn sea mayor que 5 es:
(
) (
El anterior resultado se obtuvo aprovechando la funcin de clculo en Excel asociado al clculo de
probabilidades de la distribucin t con cola a la derecha explicado en el ejercicio anterior:
DISTR.T.CD(1,36;27) = 0,0925
En conclusin la probabilidad de que el peso promedio de las latas de atn de la maquina
enlatadora A sea mayor en por lo menos 5 gramos en comparacin con el peso promedio de las
latas de atun enlatadas en la maquina B es del 9,25%.
DISTRIBUCION MUESTRAL DE LA VARIANZA Y RAZON DE VARIANZA
Antes de hablar sobre la distribucin de la varianza muestral, iniciemos definiendo el termino
varianza muestral, como sigue:
Sea
recibe el nombre
de Varianza Muestral. Y su raz cuadrada, , se denomina Desviacin Tpica Muestral, donde la
media de su distribucin muestral es la verdadera varianza poblacional, es decir:
(
Si la variable de estudio sigue una distribucin normal, puede probarse que la variable aleatoria:
(
Sigue una distribucin conocida con el nombre de
Por tanto se concluye que, si s
2
es la varianza de una muestra aleatoria de tamao n de una
poblacin, distribuida normalmente con media y varianza
2
, entonces, la distribucin muestral de
(
es una distribucin X
2
con grados de libertad.
La Distribucin X
2
y sus Propiedades
Algunas propiedades de la distribucin X
2
(se lee ji-cuadrada o chi-cuadrada) son las siguientes:
La distribucin existe solo para los valores positivos de la variable, esto va en congruencia
con el hecho de que la varianza no puede ser negativa.
El nico parmetro del cual depende la distribucin X
2
son los grados de libertad (los
cuales se representan con la letra ), por tanto la forma de la distribucin nicamente
depende de los grados de libertad presente, generando un nmero infinito de
distribuciones X
2
.
La sumatoria de toda el rea bajo la curva de la distribucin X
2
,incluyendo los ejes, es
igual a 1.
Las distribuciones X
2
son sesgadas a la derecha, dado que poseen colas estrechas que se
extienden hacia ese lado, por tanto la distribucin no es simtrica.
La media y la varianza de la distribucin X
2
se calculan como sigue:
(
() (
()
La distribucin X
2
es muy comnmente utilizada en la estadstica aplicada, aunque existen tablas
que nos permiten calcular las reas asociadas a varias de las distribuciones X
2
posibles, pero no
ha todas, por tal motivo se enseara el uso no solo de las tablas correspondientes a las
distribuciones X
2
ms utilizadas, sino a calcularla con la funcin de Excel relacionada a esta
distribucin, la cual no posee limitaciones en su clculo, calculando incluso reas no solo a la
derecha sino tambin a la derecha, mientras que las tablas usualmente calculan reas a la derecha
solamente.
En resumen si s
2
es la varianza de una muestra aleatoria de tamao n, entonces la distribucin
muestral de s
2
tiene como media
2
y la varianza de la distribucin muestral de s
2
dependen de la
distribucin de la poblacin, si dicha distribucin es normal, ser igual a
+
( (
Y como ya conocamos que (
() , por tanto:
(
() ( *
(
+
(