UNIVERSIDAD DE VALPARASO
FACULTAD DE CIENCIAS DEPARTAMENTO DE ESTADSTICA
ESTADSTICA II
CARRERA DE PSICOLOGA
INDICE
PROBABILIDADES
1.
1
1
2
2
2.
PROBABILIDAD
2.1.
Probabilidad y suceso
2.2.
Modelo de probabilidad uniforme
2.3.
Ejercicios
3
3
6
3.
CONCEPTUALIZACIN DE LA PROBABILIDAD
3.1.
Definicin axiomtica
3.2.
Teoremas de probabilidades
3.3.
Ejercicios
7
7
9
4.
PROBABILIDAD CONDICIONAL
4.1.
Probabilidad condicional
4.2
Ejercicios
4.3.
Sucesos independientes
4.4.
Probabilidad Total
4.5.
Teorema de Bayes
4.6.
Ejercicios
9
10
10
11
11
13
5.
14
16
18
21
22
22
23
24
6.
25
26
31
32
DISTRIBUCIONES MUESTRALES
7.1.
Muestra aleatoria
7.2.
Parmetros y estadsticas
7.3.
Distribuciones en el muestreo
7.4.
Distribucin en el muestreo de la media aritmtica
7.5.
Otras distribuciones en el muestreo
7.6.
Ejercicios
34
34
34
36
37
40
7.
ii
INFERENCIA
8.
ESTIMACIN DE PARMETROS
8.1.
Estimacin de parmetros poblacionales
8.2.
Estimacin puntual de parmetros
8.3.
Estimacin por intervalos de parmetros
8.4.
Est. por int. de la media pobl. con varianza pobl. conocida
8.5.
Est. por int. de la media pobl. con varianza pobl. desconocida
8.6.
Estimacin por intervalo de la proporcin poblacional
8.7.
Estimacin por intervalo de la varianza poblacional
8.8.
Estimacin por intervalo del Coef. Confiabilidad Alfa
8.9.
Tamao de la muestra para estimar la Media Poblacional
41
44
44
44
49
50
51
53
54
9.
57
58
59
10.
63
65
67
69
70
71
74
76
78
80
82
84
11.
BIBLIOGRAFA COMPLEMENTARIA
86
ANEXOS
1. Funciones de Distribucin
88
Normal Estndar,
t de Student
Ji Cuadrado
F
99
iii
PROBABILIDADES
1. ESPACIO MUESTRAL Y SUCESOS
1.1. FENMENO ALEATORIO
Muchos problemas cientficos requieren la realizacin de experimentos u observaciones,
los que pueden repetirse (al menos en teora) muchas veces. Si para cada uno de ellos no es
posible o no es conveniente intentar su descripcin causal (predecir el estado final a partir del
estado inicial), pero si se considerara su descripcin estadstica, esto es, las caractersticas o
propiedades del conjunto de resultados, entonces se trata de fenmenos aleatorios.
Los fenmenos aleatorios estn presentes en todas las situaciones en que hay variabilidad o
incertidumbre en los resultados del experimento. Ejemplos de stos son: respuesta a un tem
de una prueba (resultado puede ser correcto o incorrecto); puntaje obtenido en una prueba de
20 tems aplicada a un escolar (resultado puede ser 0; 1;...;20 puntos); estatura de nios
(valores entre 140 y 160 cm).
Segn Cansado "el Clculo de Probabilidades es la teora matemtica que sirve de
modelo para la descripcin y anlisis de los fenmenos estadsticos o aleatorios" (Cansado,
1958: 397). La Teora de las Probabilidades es importante en Estadstica pues suministra las
bases de la Inferencia, la cual consiste en obtener informacin sobre una poblacin a partir del
anlisis de una muestra de datos de la misma. Este proceso es muy til en la investigacin
cientfica.
1.2. EXPERIMENTO Y ESPACIO MUESTRAL
Un "experimento aleatorio" es el proceso controlado (puede repetirse en las mismas
condiciones) que se realiza con el propsito de recolectar informacin acerca de la ocurrencia
de un fenmeno aleatorio. Ejemplos son los siguientes:
a) Experimento 1: Aplicar un tem a una persona y registrar su respuesta;
b) Experimento 2: Aplicar 3 tems a una persona y registrar las respuestas a cada uno de
ellos.
c) Experimento 3: Aplicar prueba de 20 tems a un persona y registrar el resultado obtenido.
d) Experimento 4: Solicitar a un sujeto que ejecute una accin y registrar el nmero del
intento en que la realiza bien.
e) Experimento 5: Medir la estatura de un nio.
Se denomina "espacio muestral" al conjunto de resultados asociados con el
experimento aleatorio.
Para los experimentos anteriores, los espacios muestrales son:
S1= {Bueno, Malo} = {B , M }
S2= {BBB, BBM, BMB, BMM, MBB, MBM, MMB, MMM}
S3= {0, 1, 2, 3, 4,..., 20} = {x |xZ; 0 x 20 }
S4= {1, 2, 3, 4, 5, 6, .... }
S5= { x|xR; 100 < x < 180 ; x en cm}
Se denomina "espacio muestral discreto" al que est compuesto por un nmero de
elementos finito o infinito numerable. Ejemplos son todos los anteriores, exceptuando S5.
Se denomina "espacio muestral continuo" al que est compuesto por un nmero
infinito no numerable de elementos (como ocurre con un intervalo de nmeros reales).
Ejemplo es S5.
1.3. SUCESOS
Se denomina "suceso" a cualquier subconjunto del espacio muestral. Se llama
"suceso elemental" a aquellos que componen el espacio muestral.
Mediante la aplicacin de las operaciones de conjuntos (unin,
complemento) se pueden definir nuevos sucesos a partir de otros dados.
interseccin,
C= {10, 15, 18 }
1.4. EJERCICIOS
1.
Suceso aleatorio
Espacio muestral
2.
3.
Supngase que un investigador de mercados entrevista a una ama de casa y a su marido para
determinar la "aceptacin" o "no aceptacin" de un cierto producto. Cuntas posibles respuestas
podr dar esta pareja?. Indicar el experimento y el Espacio Muestral.
4.
Juan tiene cinco cartas marcadas 1, 2, 3, 4 y 5 y Mara tiene cinco cartas marcadas tambin 1, 2, 3,
4 y 5. Si se aparean las cartas de Juan con las de Mara Cuntos posibles pares hay? Indicar el
experimento y el Espacio Muestral. Representar el espacio muestral del experimento.
5.
Indicar cuales de los siguientes grupos de sucesos son mutuamente excluyentes, suponiendo la
existencia de un espacio muestral apropiado:
a) La eleccin de un hombre y una mujer de entre los alumnos del curso.
b) La eleccin de un estudiante con nota 4 o superior y de otro con nota 4 o inferior en la prueba
de Estadstica.
c) Comprar un auto marca Suzuki o marca Hyundai en un negocio de venta de autos usados.
2. PROBABILIDAD
2.1. PROBABILIDAD Y SUCESO
Intuitivamente se percibe la probabilidad asociada a un suceso como la medida
(expresin numrica) de cun posible es la ocurrencia del suceso cuando se realiza un
experimento aleatorio. Siendo A un suceso, la probabilidad asociada se denota como P(A).
Esta asociacin entre sucesos y nmeros (que es una funcin) se considera que puede
realizarse de tres maneras: a) empleando las frecuencias relativas de ocurrencia del suceso,
b) en forma subjetiva y, c) suponiendo un espacio muestral cuyos sucesos elementales son
igualmente probables. A continuacin se resean las dos primeras formas. La tercera manera
se detallar por ser una forma que permite un mayor desarrollo. Sin embargo es conveniente
puntualizar que, independientemente del mtodo empleado para realizar la asignacin de
probabilidades a los sucesos, stas se rigen por los mismos principios, los que sern
explicitados ms adelante en los teoremas sobre probabilidades.
2.1.1. Modelo Frecuentista.
En situaciones en que es posible es realizar un experimento muchas veces y en las
mismas condiciones, puede apreciarse la existencia de una regularidad estadstica, esto es,
cuando aumenta el nmero de realizaciones del experimento, la frecuencia de un suceso
tiende a estabilizarse. Por ello, se ha considerado como definicin de probabilidad de un
suceso el valor lmite de la frecuencia relativa del suceso cuando el nmero de
realizaciones del experimento tiende a infinito. Este modelo es til en el campo de los
seguros.
2.1.2. Modelo de Asignacin Subjetiva
Tambin puede considerarse la asignacin subjetiva de una probabilidad a un suceso,
empleando la experiencia de quien la realiza la asignacin. Por ejemplo, cada uno puede
asignar una probabilidad al suceso llover maana o al suceso obtener un resultado
aprobatorio en la prxima prueba. Por supuesto, las asignaciones realizadas por diversas
personas no tienen por que coincidir. Este procedimiento es empleado en el campo de los
negocios.
2.2. MODELO DE PROBABILIDAD UNIFORME (suc. elem. igualmente probables)
2.2.1. Caractersticas
Cuando un experimento se realiza y la ocurrencia de un suceso elemental es tan
probable como la de otro, se dice que el espacio muestral contiene sucesos elementales
igualmente probables. Este modelo es adecuado en experimentos como los juegos de azar.
Si un espacio muestral consiste en k sucesos elementales {e1, e2, ...,ek} igualmente
probables, la probabilidad de cada suceso elemental es P(ei)=1/k . Si un suceso A consiste en
m sucesos elementales, esto es:
Si el suceso A =
P ( A) =
m
.
k
P ( A) =
Un espacio muestral que tiene sucesos elementales igualmente probables se dice que
tiene un "modelo de probabilidad uniforme".
Ejemplo:
Si el experimento consiste en lanzar un dado, el espacio muestral es:
S= {1,2,3,4,5,6}. Como no hay evidencia que un resultado elemental pueda ocurrir
ms que otro, el modelo de probabilidad uniforme es apropiado. Por esto:
P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = 1/6
Siendo el suceso A = { Resultado es un nmero par } = { 2,4,6 }
Entonces P(A)= 3/6 = 1/2 .
2.2.2. Principios de enumeracin
El modelo de espacio muestral equiprobable y la frmula sealada posibilita el
empleo de los mtodos de enumeracin para calcular las probabilidades de un suceso. En
particular, son tiles el empleo de las permutaciones y las combinaciones, las que se basan en
dos principios: de multiplicacin y de adicin.
a) Principio de Multiplicacin
Este principo se puede esquematizar de la siguiente forma: Si un procedimiento 1
puede realizarse de n1 formas y otro procedimiento 2 puede realizarse de n2 formas y si se
supone que cada forma de realizar el procedimiento 1 puede ser seguida por cualquiera de las
formas de realizar el procedimiento 2, entonces el nmero de maneras en que se puede
realizar el procedimiento 1 y luego el procedimiento 2 es igual a n1 i n2 .
Ejemplo:
Si una prueba se puede realizar en 3 tamaos de papel (oficio, carta o A4) y para
escribir las preguntas se pueden emplear 4 tipos de letra (courier, arial, tahoma o
verdana), entonces el nmero de maneras en que se puede realizar la prueba es igual
a
12 (esto es 3*4)
b) Principo de Adicin
Si un procedimiento 1 puede realizarse de n1 formas y otro procedimiento 2 puede
realizarse de n2 formas. Si se supone que ambos procedimientos no pueden realizarse juntos,
entonces el nmero de maneras en que se puede realizar el procedimiento 1 o el
procedimiento 2 es igual a n1 + n2 .
Ejemplo:
Una persona desea viajar a Santiago. Dispone de 4 lneas de buses o 3 lneas de taxis.
Por lo tanto, el nmero de formas en que dicha persona puede realizar el viaje es 7 (esto es
4+3), dado que no puede viajar en bus y taxi simultneamente.
2.2.3. Nmeros factoriales
Los nmeros factoriales son expresiones tiles que se emplean para expresar
recuentos u ordenaciones de objetos.
Se define como n ! = 1i 2i3i 4i....i( n 1)i n
Adems se considera que: 1! = 1 ;
( n! se lee n factorial).
0! = 1
2.2.4. Permutaciones
i)
= n ! = 1i2i3i4i....i(n 1)in
Ejemplo:
Si se dispone de 5 sillas el nmero de formas en que se pueden sentar 5 personas en
ellas es igual a: 5 P5 = 5! = 5i4i3i2i1 = 120 formas
ii)
n!
(n r ) !
Ejemplo:
Si se dispone de 5 sillas en las cuales se deben sentar 3 personas, entonces el nmero
de formas en que esto se puede realizar es:
ii)
5 P3
= 5i4i3 = 60 formas
5 P3
5i4i3i2i1
5!
5! 120
=
= =
= 60 formas
2i1
(5 3)! 2!
2
Si se tienen "n" objetos entre los que existen repeticiones, tales que n1 son de un tipo,
n2 de un segundo tipo, n3 de un tercer tipo, ... , nk de un k-simo tipo (siendo
n1+n2+n3++nk=n), entonces el nmero de permutaciones de los "n" objetos ser
igual a
n!
n1 ! n2 ! n3 !...nk !
Ejemplo:
El nmero de permutaciones (palabras) que pueden realizarse con las letras de la
palabra CARRETERA es igual a:
9!
362.880 362.880
=
=
= 15.120 palabras
3!2!2!1!1! 6i 2i2i1i1
24
n
P
= C (n; r ) = = n r
r r!
n!
ni(n 1)i(n 2)i...i(n r + 1)
=
n Cr =
(n r )!r !
1i2i3i...i(r 1)ir
n Cr
Ejemplo:
El nmero de muestras diferentes de 4 alumnos que pueden seleccionarse de un grupo
de 10 alumnos (considerando que una muestra es un grupo de 4 alumnos distintos en
que no interesa el orden de seleccin, y que una muestra es diferente a otra si al
menos tienen un integrante distinto), entonces el nmero de muestras distintas que
pueden seleccionarse es igual a:
10 C4
10!
10! 3.628.800 3.628.800
=
=
=
= 210 muestras
(10 4)!4! 6!4!
720i24
17.280
2.3. EJERCICIOS
a) Permutaciones y Combinaciones
1.
2.
3.
Se juega cuatro veces una moneda De cuntas maneras posibles puede caer en las
cuatro jugadas? Utilice un diagrama de rbol para presentarlos.
4.
Las patentes de automvil tienen dos letras y tres nmeros. Cuntas patentes
diferentes se pueden formar?
5.
el
6.
7.
b) Asignacin de Probabilidades
8.
Un psiclogo piensa que las opciones que un tratamiento sea efectivo para curar a un
paciente son de 3 a 1. Cul es la probabilidad respectiva?. Qu esquema de
asignacin de probabilidad se emplea?
9.
El gerente de una gran tienda ha observado que de 3.000 personas que entraron al
establecimiento durante la semana anterior, 450 hicieron alguna compra. Cul es la
probabilidad que el prximo cliente que entre compre algo. Qu esquema de
asignacin de probabilidad se emplea?
10.
11.
Un vendedor de automviles tiene 10 autos nuevos. Tres son color blanco, tres son
grises y 4 son azules. Determine la probabilidad que venda:
a)
Dos autos
b)
Dos autos blancos
c)
Dos autos del mismo color
12.
De un naipe ingls (de 52 cartas con 13 de cada pinta) se seleccionan 5 cartas. Estime
la probabilidad que stas sean de la misma pinta.
(Resp: 4)
3. CONCEPTUALIZACIN DE LA PROBABILIDAD
3.1. DEFINICIN AXIOMTICA
A continuacin se presenta una definicin formal del concepto de probabilidad,
mediante axiomas, teoremas, definiciones etc.
Los axiomas son la base para el desarrollo de la Teora de las Probabilidades y es fcil
advertir su paralelo con el comportamiento observado para las frecuencias relativas.
Sea E un experimento aleatorio y S un espacio muestral de E. Con cada suceso A se
asocia un nmero real P(A), llamado "probabilidad de A", que cumple con las siguientes
condiciones:
a)
Para todo suceso A, 0 P(A)
1
b)
c)
P(S ) = 1
P( A B ) = P( A ) + P( B ) ; siendo A y B sucesos mutuamente excluyentes.
d)
P () = 0
Teo. 2)
Teo. 3)
P ( A ) = 1- P(A )
(probabilidad del suceso complementario de A)
P(A B) = P(A) + P(B) - P(A B)
Siendo A y B sucesos cualesquiera
Teo. 4)
P(A B C) = P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)
Teo. 5)
Si A B, entonces P(A)
P(B)
Ejemplo 1:
Sea el experimento E: Lanzar un dado y registrar resultado obtenido.
Sea su espacio muestral S= {1, 2, 3, 4, 5, 6 }. Considerando el espacio muestral
equiprobable para la asignacin de probabilidades, entonces se tiene que:
P(1)=P(2)=P(3)=P(4)=P(5)=P(6)=1/6
a) Se definen los sucesos:
A={1, 2, 3 }
B= {2, 3, 4, 5, 6}
C={4, 5}
A B = {1, 2, 3, 4, 5, 6}
A B = {2, 3}
C'= {1, 2, 3, 6}
A C = {1, 2, 3, 4, 5}
AC=
P(A C) = 0
P(C') = 4/6
mutuamente excluyentes)
P(A B) = P(A) + P(B) - P(AB) = 3/6 + 5/6 - 2/6= 6/6 (pues A y B no son
sucesos mutuamente excluyentes)
Ejemplo 2:
Se tiene una bolsa con 10 fichas de las cuales 6 son Azules y 4 son Blancas. Un
experimento consiste en seleccionar una muestra de 3 fichas (sin reposicin).
10 10! 3.628.800
a) N de muestras distintas que pueden seleccionarse: =
=
= 120
3 7!3! (5.040)(6)
1
1
=
== 0, 0083 (8,3%)
10 120
3
6
6!
720
c) Grupos de 2 fichas azules que pueden formarse con 6 azules: =
=
= 15
2
4!2!
(24)(2)
4 4!
24
d) Grupos de 1 fichas blancas que pueden formarse con4 blancas: =
=
=4
1 3!1! (6)(1)
6 4
e) Muestras de 3 fichas formadas por dos Azules y una Blanca: = (15)(4) = 60
2 1
3.3. EJERCICIOS
1.
2.
P(X = 0, 1 3)
P(2 X 3)
c)
d)
P(X<4)
P(X<3)
e)
f)
P(X>2)
P(X 3)
3.
Suponiendo que cada una de las 52 cartas de un naipe ingls tiene la misma
probabilidad de salir. Si se selecciona al azar una carta determine la probabilidad de
extraer:
a) Un rey negro
(Resp: 2/52)
b) Un 10 o una figura
(Resp: 16/52)
c) Un trbol o el rey de diamantes
(Resp: 14/52)
d) Una reina roja o un rey negro
(Resp: 4/52)
e) Una reina, un rey o un as
(Resp: 12/52)
f) Un trbol o un as
(Resp: 16/52)
4.
Entre los 200 empleados de una empresa hay 60 que dedican su tiempo a asesora. De
los empleados, 150 son graduados de los cuales 40 dedican parte de su tiempo a
trabajos de asesora. Si se toma al azar uno de los empleados, estime la
probabilidad que no sea graduado y no dedique su tiempo a asesora (Dibuje un
diagrama de Venn). (Resp: 0,15)
4. PROBABILIDAD CONDICIONAL
La probabilidad de un suceso A puede ser modificada de acuerdo a la informacin que
se tenga sobre la acurrencia de otro suceso B, el que puede estar o no relacionado con A. La
probabilidad revisada de A cuando se sabe que ha ocurrido B se denomina la probabilidad
condicional de A dado B y se denota como P(A/B). Se define como:
P( A B)
P( A / B) =
;siendo P(B) > 0.
En forma equivalente,
P( B)
P ( A B ) = P ( B ) P ( A / B) = P( A) P( B / A)
R:PRIMERO
20
30
50
TOTAL
45
75
120
10
(Prob. marginal)
(Prob. Marginal)
(Prob. Conjunta)
(Prob. Condicional)
(Prob. Condicional)
P ( S M ) 120 /120 20
=
=
= 0, 667 (66, 7%)
P( S )
30 /120 30
P( S M ) 20 /120 20
=
=
= 0, 267 (26, 7%)
P(M )
75 /120 75
4.1. EJERCICIOS
1.
2.
Una caja contiene 5 fichas rojas y tres verdes. Se selecciona una ficha (X), se anota su
color y se vuelve a la caja. Se selecciona otra ficha (Y). Calcular.
a)
P( X es roja y Y es verde)
b)
P(X es roja o verde)
c)
P(x y Y son rojas)
d)
P(X es roja o Y es verde)
3.
Una empresa contrata personal con o sin formacin acadmica para realizar una tarea.
Los registros de la empresa indican que 40% de los empleados tiene formacin
acadmica (C) o sea P(C)=0,40. Anlogamente, 60% no tiene formacin acadmica (o
sea P(C')=0,60). Luego de seis meses a prueba se clasifica a los candidatos como
Excelentes (E), Medianos (M) o Insuficientes (I). Las proporciones de los
clasificados en categoras anteriores son 0,30; 0,50 y 0,20 respectivamente.
a)
Indique probabilidades conjuntas
b)
Calcule la probabilidad que un empleado sea clasificado como Excelente con la
condicin que tenga formacin acadmica.
11
P( S / H ) =
P( H S )
P( H S )
10 /120 10
=
=
=
P( S )
P( H R ) + P ( H S ) + P( H O) 45 /120 45
o, en forma alternativa:
P( S / H ) =
P( H S )
P( H / S ) P( S )
10 /120 10
=
=
=
P( S )
P( H / R) P( R) + P( H / S ) P( S ) + P( H / O) P(O) 45 /120 45
12
P ( Bi / A) =
P ( A / Bi ) P ( Bi )
P ( A / B1 ) P ( B1 ) + P ( A / B2 ) P ( B2 ) + ... + P ( A / Bk ) P ( Bk )
(Teorema de Bayes)
Ejemplo:
Un colegio tres curso de 4 Medios identificados como X, Y, Z. Todos los alumnos de
tres cursos rinden un mismo examen de Matemticas. El curso X representa el
50% del total de los alumnos, el curso Y representa el 30% del total de alumnos y el
curso Z el 20% restante de los alumnos. La proporcin de los que aprobaron el examen
del curso X es 30%, los que aprobaron del curso Y son el 70% y del curso Z son el
40%. Considerando estos valores como estimaciones de probabilidades, calcular:
a) La probabilidad que tiene un alumno de aprobar el examen.
b) Si se selecciona un alumno al azar que ha aprobado el examen, estime la
probabilidad que sea del curso X.
Este problema es tpico de la aplicacin de los teoremas de la Probabilidad Total y el
Teorema de Bayes.
a) Se aplica el resultado para Probabilidad Total.
Definiendo los sucesos:
A = {aprobar examen}
Y ={ser de curso Y} ;
P ( X / A) =
P( A X ) P( A / X ) P( X ) (0,3)(0,5) 0,15
=
=
=
= 0,341 (34,1%)
P( A)
P ( A)
0, 44
0, 44
En resumen:
a)
La probabilidad de aprobar el examen es 0,44 (o del 44%).
b)
La probabilidad que si selecciona un alumno, que ha aprobado el
examen, provenga del curso X es de 0,341 (o sea 34,1%).
13
4.5. EJERCICIOS
1.
2.
3.
4.
5.
En tres cajas (1, 2 y 3) se colocan fichas de colores Rojas, Blancas y Azules segn se
presenta en la tabla siguiente.
Si se selecciona una caja al azar y se selecciona una ficha al azar, Cul es la
probabilidad que la caja selecciona haya sido la Caja N3 si la ficha elegida es de color
Rojo? (Resp: 1/3)
CAJA
CAJA 1
CAJA 2
CAJA 3
COLOR DE FICHAS
ROJAS
BLANCAS
AZULES
5
1
3
3
8
1
2
1
6
14
{obtener a lo ms 1 cara}
{obtener a lo menos 1 cara}
{obtener entre 2 y 3 caras}
15
= { 0, 1 }
= { 1, 2, 3 }
= {2, 3}
c) Se establece la siguiente equivalencia entre los sucesos elementales del "espacio muestral
S" y del "espacio recorrido Rx "
{
{
{
{
(
(
(
(
0
1
2
3
)
)
)
)
=
=
=
=
1/8
3/8
3/8
1/8
pues
pues
pues
pues
P(
P(
P(
P(
= P( 0, 1 ) = 4/8
= P( 1, 2, 3 ) = 7/8
= P( 2, 3 ) = 6/8
P(1) = 3/8
P(2) = 3/8
P(3) = 1/8
8/8 = 1
5.1.6. Ejercicios
1.
a)
b)
2.
Una bolsa contiene 25 fichas, de las cuales 5 son rojas y 20 son verdes. Se eligen 4 fichas al azar.
Se define la v.a. X:"Nmero de fichas rojas seleccionadas". Determine distribucin de probabilidad
de X, la funcin de Distribucin de la misma y los grficos respectivos si:
a)
La muestra se selecciona sin reposicin
b)
La muestra se selecciona con reposicin
3.
Se sabe que una moneda, no equilibrada, tiene la particularidad que la cara aparece tres veces
ms que el sello (o sea P(Cara)=0,75). Si la moneda se lanza tres veces y se define la v.a. X:
"Nmero de caras obtenidas", obtenga la distribucin de probabilidad y la funcin de Distribucin de
X.
16
p( xi )
0 para todo i
b)
p(xi) = 1.
P(xi)
1/8
3/8
3/8
1/8
8/8=1
F(xi)
1/8
4/8
7/8
8/8
Prob
17
Prob
8/8
7/8
3/8
6/8
5/8
2/8
4/8
3/8
1/8
2/8
1/8
1
2
X: N Caras
1
2
X: N Caras
Ejemplo 2:
Se tiene una bolsa con 10 fichas de las cuales 6 son Azules y 4 son Blancas. Un
experimento consiste en seleccionar una muestra de 3 fichas (sin reposicin). Se define
la variable aleatoria X: "Nmero de fichas azules seleccionadas en la muestra de 3
fichas"
En la tabla siguiente se presentan las funciones de probabilidad y de distribucin.
Xi:N Azules
P(xi)
F(xi)
6 4
0 3 = (1)(4) = 4 = 0, 033
120 120
10
3
4
= 0, 033
120
6 4
1 2 = (6)(6) = 36 = 0,300
120
120
10
3
40
= 0,333
120
6 4
2 1 = (15)(4) = 60 = 0,500
120
120
10
3
100
= 0,833
120
6 4
3 0 = (20)(1) = 20 = 0,167
120
120
10
3
120
= 1, 000
120
TOTAL
120
= 1, 000
120
18
Ejemplo 3:
Se tiene una bolsa con 10 fichas de las cuales 6 son Azules y 4 son Blancas. Un
experimento consiste en seleccionar una muestra de 3 fichas con reposicin. Se
define la variable aleatoria X: "Nmero de fichas azules seleccionadas en la muestra de
3 fichas"
Este ejemplo es distinto al anterior, por cuanto al ser la seleccin con reposicin,
significa que se mantiene constante la cantidad de fichas en cada seleccin. Por ello tambin
son constantes las probabilidades de seleccionar una ficha Azul o una Blanca. Otra
consecuencia de lo anterior, es que cada seleccin no afecta a las otras, por ello son
independientes los resultados obtenidos en la primera extraccin de la segunda y de la
tercera.
Por lo tanto, se puede resumir lo antes indicado en los siguientes resultados:
P (Seleccionar ficha Azul) = P(A) = 0,6
P (Seleccionar ficha Blanca) = P(B) = 0,4
El Espacio Muestral es:
S = { AAA, AAB, ABA, BAA, ABB, BAB, BBA, BBB }
Las probabilidades de cada suceso elemental son:
P(AAA)
P(AAB)
P(ABB)
P(BBB)
=(0,6)(0,6)(0,6)
= P(ABA) = P(BAA)
= P(BAB) = P(BBA)
= (0,4)(0,4)(0,4)
=
=
=
=
(0,6)3 = 0,216
(0,6)(0,6)(0,4) = (0,6)2(0,4) = 0,144
(0,6)(0,4)(0,4) = (0,6)(0,4)2 = 0,096
(0,4)3 = 0,064
Xi:N Azules
Sucesos
P(xi)
BBB
(0,4)3
0
ABB, BAB, BBA 3(0,6)(0,4)2 = 3(0,096)
1
AAB, ABA, BAA 3(0,6)2(0,4) = 3(0,144)
2
AAA
(0,6)3
3
TOTAL
=
=
=
=
0,064
0,288
0,432
0,216
1,000
F(xi)
0,064
0,352
0,784
1,000
19
2 =
0, 75 = 0,866 (caras)
1,5
Interpretacin: En un lanzamiento de tres monedas se tiene una variabilidad, medida
por la desviacin estndar, de 0,87 caras respecto al promedio 1,5 caras (medido con
la esperanza). El valor de la desviacin estndar respecto al de la esperanza es de 0,58
veces (o sea, la desviacin estndar corresponde al 58% del valor de la esperanza).
El Coeficiente de variacin no tiene unidad.
20
Ejemplo 2:
Se tiene una bolsa con 10 fichas de las cuales 6 son Azules y 4 son Blancas. Un
experimento consiste en seleccionar una muestra de 3 fichas (sin reposicin). Se define
la variable aleatoria X: "Nmero de fichas azules seleccionadas en la muestra de 3
fichas". La distribucin de probabilidad y otros clculos se presentan a continuacin:
Xi:N
Azules
p(xi)
xip(xi)
xi2p(xi)
4
= 0, 033
120
36
= 0,300
120
60
= 0,500
120
20
= 0,167
120
120
= 1, 000
120
(0)(4)
0
=
= 0, 000
120
120
(1)(36) 36
=
= 0,300
120
120
(2)(60) 120
=
= 1, 000
120
120
(3)(20) 60
=
= 0,500
120
120
(0)(4)
0
=
= 0, 000
120
120
(1)(36) 36
=
= 0,300
120
120
(4)(60) 240
=
= 2, 000
120
120
(9)(20) 180
=
= 1,500
120
120
1
2
3
TOTAL
= xip(xi) =
216
= 1,800
120
xi2p(xi)=
456
= 3,800
120
a) Esperanza:
= E(X) = xip(xi) = 216/120 = 1,8 (azules)
b) Varianza:
s2 = V(X) = (xi-)2p(xi) = xi2p(xi) 2
= 456/120 - (1,8)2= 3,80 - 3,24 = 0,56 (azules)2
c) Desviacin Estndar:
s=
2 =
d) Coeficiente de Variacin
CV =
0, 748
=
= 0,416 (41,6%)
1,8
Ejemplo 3:
Se tiene una bolsa con 10 fichas de las cuales 6 son Azules y 4 son Blancas. Un
experimento consiste en seleccionar una muestra de 3 fichas (con reposicin). Se
define la variable aleatoria X: "Nmero de fichas azules seleccionadas en la muestra de
3 fichas". La distribucin de probabilidad y otros clculos se presentan a continuacin:
xip(xi)
(0)(0,064)
(1)(0,288)
(2)(0,432)
(3)(0,216)
=
=
=
=
0
0,288
0,864
0,648
= xip(xi) = 1,800
xi2p(xi)
(0)(0,064)
(1)(0,288)
(4)(0,432)
(9)(0,216)
=
=
=
=
0
0,288
1,728
1,944
xi2p(xi) =3,960
21
a) Esperanza:
= E(X) = xip(xi) = 1,8 (azules)
b) Varianza:
s2 = V(X) = (xi-)2p(xi) = xi2p(xi) 2
= 3,96 - (1,8)2= 3,96 - 3,24 = 0,72 (azules)2
c) Desviacin Estndar:
s=
2 =
0, 72 = 0,848 (azules)
d) Coeficiente de Variacin
CV =
0,848
=
= 0,471 (47,1%)
1,8
5.4. EJERCICIOS
1.
a)
b)
2.
Una bolsa contiene 25 fichas, de las cuales 5 son rojas y 20 son verdes. Se eligen 4 fichas al azar.
Se define la v.a. X:"Nmero de fichas rojas seleccionadas". Determine distribucin de probabilidad
de X, la funcin de Distribucin de la misma y los grficos respectivos si:
a)
La muestra se selecciona sin reposicin
b)
La muestra se selecciona con reposicin
3.
Se sabe que una moneda, no equilibrada, tiene la particularidad que la cara aparece tres veces
ms que el sello (o sea P(Cara)=0,75). Si la moneda se lanza tres veces y se define la v.a. X:
"Nmero de caras obtenidas", obtenga la distribucin de probabilidad y la funcin de Distribucin de
X.
4.
a)
b)
d)
5.
6.
Se lanzan tres monedas. Se define la v.a. X:"Nmero de caras obtenidas". Obtener la distribucin
de probabilidad. Calcular el valor esperado de X. Calcular varianza. Interpretar resultado.
(Resp: =1,5 caras; ,75 caras)
7.
Un juego consiste en lanzar tres monedas. Se define la v.a. X:"Nmero de caras obtenidas". Si
salen 2 o ms caras se reciben $2.- Si sale 0 o 1 cara hay que pagar $1.- Cul es la prdida o
ganancia esperada por juego? (Resp: $ 0,5.-)
22
k=0, 1, 2, , n
Se puede demostrar que los parmetros de la variable aleatoria XBin (n; p) son:
Esperanza: E(X)= = np
Ejemplo:
Una prueba consiste en 10 temes de cinco alternativas cada uno, siendo una sola la
correcta. Se define la v.a. X: "Nmero de respuestas correctas en la prueba" Si la
prueba se contesta sin saber, determine la probabilidad de obtener 0 correctas, 1
correcta , a lo menos 1 correcta, o todas correctas. Calcular Esperanza y Varianza.
Desarrollo:
En este ejemplo se verifican las condiciones de la distribucin binomial, pues el nmero
de repeticiones es finito (n=10); la probabilidad de xito (responder bien) es constante
(p=0,2). Luego se cumplen las condiciones para aplicar la frmula para obtener las
probabilidades de la Distribucin Binomial. Por lo anterior, XBin (10; 0,2). Las probabilidades
son:
10
P(Obtener 0 resp correctas)= P(X=0)= (0,2)0(0,8)10=0,1074
0
10
P(Obtener 1 resp correctas)= P(X=1)= (0,2)1(0,8)9=0,2684
1
10
P(Obtener 10 resp correctas)= P(X=10) = (0,2)10(0,8)0 = 0,00004
10
23
Parmetros de la distribucin:
Esperanza: E(X)= = np =10(0,2) = 2 correctas
Varianza:
V(X)=s2= np(1-p) =10(0,2)(0,8) = 1,6 correctas2
Desviacin Estndar: s=
2 =
1, 6 = 1,26 (correctas)
Interpretacin:
Los resultados anteriores sealan que al aplicar la prueba de 10 tems muchas veces (a
un individuo o a muchos simultneamente) y si responden sin saber, el nmero de
aciertos que pude tener un individuo podra variar entre o y 10, pero el promedio de
tales aciertos es de 2 respuestas correctas por persona. La variabilidad de tales
respuestas es de 1,26 respuestas correctas por individuo (empleando la Desv.
Estndar).
Los resultados anteriores modelan el comportamiento de los resultados de la situacin
para muchas (en verdad, infinitas) realizaciones del experimento de aplicar la prueba
en las mismas condiciones. Si slo se realiza el experimento una cantidad determinada
de veces (por ejemplo 100 o 1000) se obtiene una distribucin de frecuencias del
nmero de correctas observados y cuyos valores de frecuencias relativas, media
aritmtica y desviacin estndar puede ser parecidos a los de probabilidades,
esperanza y desv. Estndar antes calculados.
5.7. DISTRIBUCIN HIPERGEMTRICA
Se tiene un lote de N fichas, r de las cuales son azules y (N-r) son blancas.
Suponiendo que se seleccionan al azar n fichas (n N) SIN REPOSICIN. Se define la variable
aleatoria X: "Nmero de fichas azules seleccionadas". Siendo que X=k coresponder a
seleccionar k fichas azules de entre las r azules disponibles y (n-r) blanca de entre las (N-r)
blancas existentes, se tiene:
r N r
k nk
P(X=k)=
N
n
para k=0,1,2,3,,r
24
a)
8 7
3 2
(56)(21) 1.176
P(X=3) = =
=
= 0,3916 (39,16%)
3.003
3.003
15
5
b)
8 7 8 7 8 7
3 2
4 1
5 0
(56)(21) (70)(7) (56)(1)
P(X 3) = P(X=3)+P(X=4)+P(x=5)= + + =
+
+
=
15
15
15
3.003
3.003
3.003
5
5
5
=
C)
1.176 490
56
+
+
= 0,3916 + 0,1632 + 0, 0186 = 0,5734 (57,3%)
3.003 3.003 3.003
ESPERANZA:
Siendo p=8/15 = 0,533; q= 1-p = 7/15 = 0,467
(5)(8)
E(X) = =
= (5)(0,533) = 2,67 mujeres
15
VARIANZA:
8 7 15 5
2
V(X) = 2 = 5
= (5)(0,533)(0, 467)(0, 714) = 0,889 (mujeres)
15 15 15 1
DESVIACIN ESTNDAR:
= 0,889 = 0,943 mujeres
COEFICIENTE DE VARIACIN
0,943
= 0,353 (35,3%)
CV=
2, 67
5.8. EJERCICIOS
1.
Suponga que el 10% de los pacientes que reciben un tratamiento tienen un efecto secundario. De
un grupo de 10 pacientes, determine la probabilidad que:
a)
A lo ms 2 tengan efectos secundarios
(Resp: 0,9298)
b)
Exactamente 3 tengan efectos secundarios
(Resp: 0,0574)
c)
Entre 3 y 4 tengan efectos secundarios
(Resp: 0,0686)
d)
La esperanza de pacientes con efectos secundarios
(Resp: 1 paciente)
2.
Una escala tiene cinco respuestas (Muy en desacuerdo, en desacuerdo, indiferente, de acuerdo,
muy de acuerdo). Si cada respuesta tiene la misma posibilidad, determine la probabilidad que en
una escala con 10 aseveraciones se obtengan:
a)
Exactamente 5 respuestas "De acuerdo"
(Resp: 0,0264)
b)
A lo menos 8 respuestas "De acuerdo"
(Resp: 0,0001)
c)
Entre 6 y 8 respuestas "De acuerdo"
(Resp: 0,0064)
d)
la esperanza de respuestas "De acuerdo"
(Resp: 2 respuestas)
3.
4.
Se sospecha que de 15 declaraciones de salud hay 10 que contienen omisiones. Se decide revisar
5 de stas. Calcular la probabilidad que:
a)
Las 5 tengan omisiones
b)
Entre 3 y 4 tengan omisiones
c)
por lo menos 3 tengan omisiones
(Resp: 2502/3003 )
c)
El valor esperado de declaraciones con omisiones
(Resp: 3,3 declarac.)
25
b)
c)
xdx = 1
P(aXb) =
xdx
encerrada por la funcin y el eje X entre los puntos definidos por X=a y X=b)
Observaciones:
La funcin de densidad permite describir la "forma" de la variable aleatoria, pero por si
sola no permite obtener probabilidades.
La probabilidad corresponde al rea encerrada entre dos puntos. Por ello, la
probabilidad en un punto es igual a 0, esto es P(aXa) = 0.
Por lo anterior, son equivalentes expresiones como las siguientes:
P(aXb) = P(aX<b) = P(a<Xb) = P(a<X<b)
6.1.2. Funcin de Distribucin (F. de D.)
Sea una variable aleatoria continua. Con cada valor " x0" del recorrido se puede
asociar la probabilidad acumulada hasta dicho valor, que se denota como F(x0), y que se
define como
F(xo) = P(Xxo) =
x0
xdx
hasta X=x0)
2x
para 0X5
25
Para comprobar que esta funcin cumple las condiciones indicadas, considerar lo
siguiente: el rea total definida por la funcin f(x) y el eje X entre X=0 y entre X=5 es
el rea de un tringulo rectngulo, cuyos catetos son 5 y 10/25. (Este ltimo valor se
obtiene al reemplazar X por 5 en ecuacin f(x)=(2x)/25 ).
b)
26
El rea del tringulo rectngulo corresponde a la mitad del producto de los catetos,
1 (5)(10) 50
esto es: AREA =
=
=1
2 25
50
Para obtener la probabilidad entre 2 y 4, se puede calcular como la diferencia de las
reas de dos tringulos rectngulos. El tringulo mayor tiene catetos 4 y 8/25 y su
rea es 16/25. El tringulo menor tiene catetos 2 y 4/25 y su rea es 4/25. Por lo
tanto, el rea comprendida entre X=2 y X=4 es la diferencia entre las reas 16/25 y
4/25 esto es 12/25.
f(x)
10/25
9/25
8/25
7/25
6/25
5/25
4/25
Esta rea es la
probabilidad
P(2<X<4)
3/25
2/25
1/25
4
5
Variable X
1
f ( x) =
e 2
2
tiene
>0
c)
d)
e)
f)
g)
h)
27
Muchas pruebas (test o dcimas) estadsticas que se estudiarn suponen que los datos
que se emplean provienen de variables que tienen una Distribucin Normal. Estas son
las llanmadas "Pruebas Parmetricas". Hay muchas otras pruebas que no suponen que
los datos provienen de variables con distribucin Normal, son las denominadas
"Pruebas No Paramtricas".
b)
Cuando los datos siguen una distribucin Normal, la media y la varianza son
independientes (una no depende de la otra) lo que no es cierto en otros casos.
c)
d)
1 12 ( Z )2
f ( x) =
e
2
La Funcin de Distribucin (probabilidades acumuladas) de la distribucin Normal
Estandarizada, que se designa como (Z), se ha tabulado, lo que permite calcular
probabilidades de intervalos de valores de la variable Z en forma simple, por diferencia de
valores de (Z). Por lo tanto:
P(aXb)= (b) - (a)
6.2.5. Tabla de la Funcin de Distribucin Normal Estandarizada
La Tabla de la Funcin de Distribucin de la Normal Estandarizada (Ver Apndice de
Tablas) presenta los valores de las probabilidades acumuladas desde Z=3,90 hasta Z= 3,90,
en dos pginas, una para los valores negativos de Z (desde z=3,90 hasta Z=0) y otra para los
valores positivos de Z (desde Z=0 hasta Z= 3,90).
En la primera columna (sealada con Z) se presentan los valores de Z con un decimal.
En las columnas siguientes se presenta el segundo decimal (0 a 9). En el cuerpo de la tabla se
presentan los valores de las probabilidades acumuladas.
28
As, para determinar la probabilidad acumulada hasta 1,96 (esto es (1,96)) se ubica la
fila del valor 1,9 en columna Z en la pgina de valores positivos. En esa fila, se sigue la
lectura hasta la columna 6. En la interseccin de fila 1,9 y columna 6 se encuentra el valor
0,9750, que es la probabilidad acumulada buscada. Por lo tanto, (1,96) = 0,9750
6.2.6. Ejemplos de Uso de Tabla de la Funcin de Distribucin Normal Estandarizada
a) Uso directo de la tabla (Z)
P(Z<1,68) = P(Z1,68)= (1,68) = 0,9535
P(Z<-0,50) = P(Z-0,50) = (0,50) = 0,3085
b) Uso para calcular probabilidades complementarias
P(Z>1,68) = P(Z1,68)=1- (1,68) =1 - 0,9535 = 0,0465
P(Z>-0,50) = P(Z-0,50) =1 - (-0,50) =1 - 0,3085 = 0,6915
c) Uso para calcular probabilidades en un intervalo
P(-0,50 X 1,68) = P(-0,50<X<1,68) =
= (1,68) (0,50) = 0,9535 - 0,3085 = 0,6450
P(-1,96 X 1,96) = P(-1,96 < X < 1,96) =
= (1,96) - (1,96)= 0,9750 - 0,0250 = 0,9500
6.2.7. Estandarizacin De Una Distribucin Normal Cualquiera
La distribucin Normal Estandarizada es importante pues cualquier Distribucin Normal
se puede llevar a ella mediante una transformacin de la respectiva variable. Esta propiedad
permite emplear la Tabla de la Funcin de Distribucin de la Normal Estandarizada para
obtener probabilidades de cualquier distribucin normal. El enunciado siguiente expresa la
estandarizacin:
Si una variable aleatoria X tiene distribucin Normal de parmetros y 2 (esto es
XN(, 2) ) si se transforma la variable X definindose Z =
entonces ZN(0,1)
Ejemplo 1:
Se aplic una prueba de psicomotricidad a 300 estudiantes de Primer Ao Bsico. Los
rendimientos (R) se supone que tienen distribucin Normal con Esperanza =100
puntos y Varianza 2= 225 puntos2 (luego =15 ptos) esto es RN(100; 225).
a)
b)
c)
d)
29
Desarrollo:
Para calcular las probabilidades se estandariza la variable aleatoria Rendimiento (R)
mediante la transformacin: Z=(R-100)/15 . El clculo de las probabilidades se realiza
de la siguiente forma:
10
( R 100) (110 100)
<
a) P( R < 110) = P
= P( Z < ) =
15
15
15
Desarrollo:
Para calcular las probabilidades se estandariza la variable estatura (A) mediante la
transformacin: Z=(A - 146,8)/13,33 . El clculo de las probabilidades es el siguiente.
8, 2
( A 146,8) (155 146,8)
a) P ( A < 155) = P
<
)=
= P(Z <
13,33
13,33
13,33
c)
30
d)
Los datos
116 125
144 144
156 157
31
Desarrollo:
Para Pedro (escala IBD): P(Z<1,52)= (1,52) = 0,9357 esto es , percentil 93,6
Para Angela (escala EAD): P(Z<0,56)= (0,56) = 0,7123 esto es , percentil 71,2
Segn los resultados, Pedro supera al 93,6% del grupo de referencia en la escala Beck,
mientras Angela supera al 71,2% de su grupo en la escala EAD. Por lo tanto, Pedro
tiene un nivel mayor de depresin que Angela.
6.2.9. Puntajes Estandarizados y Escalas Derivadas
Como se ha podido apreciar, los puntajes estandarizados se expresan como decimales
positivos o negativos. Con el objeto de lograr escalas de referencia expresadas en valores
enteros positivos, se realizan transformaciones de los puntajes Z con este objetivo.
La expresin general para expresar los puntaje originales de una escala X, que tiene
una Esperanza y una Desviacin estndar , en otra escala P con una media M y una
desviacin tpica D es la siguiente:
P = D(
)+M
P = D(Z) + M
o ms abreviado
Una escala importante es la escala T con media M=50 y desviacin estndar D=10. En
este caso la transfiormacin es:
T = 10(Z) + 50
Ejemplo:
Los puntajes T para Pedro y Angela, del ejemplo anterior, seran:
Pedro: Z=1,52
T=10(1,52)+50 = 65,2
Angela: Z= 0,56
T=10(0,56)+50 = 55,6
Nuevamente, el mayor puntaje T de Pedro indica un mayor nivel de depresin.
6.3. EJERCICIOS
1.
En una prueba, los resultados se supone que tienen distribucin normal con Esperanza
(o media) de 26,1 puntos y desviacin tpica de 10,7 puntos.
a)
Determine los puntajes Z que corresponden a los puntajes brutos 5, 18; 30; 39;
46 y 51 puntos.
b)
Estime los percentiles correspondientes a los puntajes brutos anteriores.
c)
Indique los puntajes T correspondientes a los puntajes brutos indicados.
2.
Los siguientes son los resultados obtenidos por 130 estudiantes en el Minnesota PaperForm Board Test (M):
PUNTAJES
27 - 32
33 - 38
39 - 44
45 - 50
51 - 56
57 - 62
ALUMNOS
16
28
28
34
18
6
a)
b)
c)
3.
32
Suponiendo que los puntajes tienen distribucin normal, obtenga los puntajes Z
correspondientes a los puntajes brutos 28, 40 y 60.
Determine los puntajes T correspondientes a los puntajes brutos anteriores.
Usando el supuesto de normalidad de los puntajes, estime el nmero de casos
con puntajes M<28; M<40 y M<60
Los resultados del curso en tres asignaturas se indican a continuacin as como los
obtenidos por la alumna Maria en dichas asignaturas:
EXAMEN
ALGEBRA
FISICA
INGLS
MEDIA
48
40
80
DESV. EST.
12,1
8,3
15,2
N ALUMNOS
65
48
39
CALIF. MARIA
44
30
108
a)
c)
Suponiendo que los resultados siguen una distribucin normal, indique en que
asignatura tiene Mara un mejor rendimiento relativo:
b)
Indique el percentil que ocupa Mara en cada asignatura
Indique cuantos alumnos superan a Mara en puntaje, en cada asignatura.
33
As por ejemplo, si se desea determinar el valor una v.a. "t" con 20 g.l. y que acumula
una probabilidad (o rea ) del 95%, habr que ubicar el valor en la interseccin de la fila para
gl=20 y la columna para probabilidad igual a 0,95. All se encuentra el valor t=1,7247. Lo
anterior se expresa en forma ms abreviada como:
t(0,95;20)=1,7247
34
7. DISTRIBUCIONES MUESTRALES
En el rea de la Estadstica que corresponde a Inferencia interesa conocer el
comportamiento de las estadsticas (como media aritmtica, varianza, proporcin etc.)
calculadas de cada una de las muestras seleccionadas de una poblacin, pues a partir de una
de ellas se pretende estimar las caractersticas desconocidas de dicha poblacin.
7.1. MUESTRA ALEATORIA
Dada una poblacin de N elementos, una muestra es un subconjunto de n elementos
seleccionados desde una poblacin. La seleccin puede ser con reemplazo o sin reemplazo. En
el primer caso, una unidad seleccionada puede serlo nuevamente. En el segundo caso, ello no
es posible. Por ejemplo, la poblacin podra estar constituida por todos los alumnos de una
carrera y una muestra podra ser un grupo de 10 alumnos de dicha carrera.
Una caracterstica importante de la seleccin de las muestras es que sea aleatoria, esto
es, no intencional. Para lograr esto se podra identificar (p.ej. numerar) cada elemento de la
poblacin y luego poner esa identificacin (p.ej. papelitos con los nmeros) en una tmbola y
seleccionar la muestra desde ah. En general, para la seleccin de muestras se reemplaza el
procedimiento anterior mediante el empleo de "nmeros aleatorios" que ser pueden encontrar
en tablas o se pueden obtener desde una calculadora (rutina RAN) o en un software
estadstico.
7.2. PARMETROS Y ESTADSTICAS
En la poblacin asociada con un estudio usualmente interesan variables susceptibles de
ser medidas en los elementos que la componen. Por ejemplo, en la poblacin de estudiantes
de una carrera de la universidad una variable de inters podra ser la edad. Otras podran ser
el resultado de una prueba en una asignatura o las opiniones sobre la carrera. Las variables
en la poblacin se supone que tiene caractersticas fijas, que no cambian, denominadas
PARMETROS, como ser: Media Poblacional (o Esperanza), Varianza, Desviacin estndar etc.
Los "parmetros" se designarn habitualmente con letras griegas o maysculas. As, la edad
media de los alumnos de la carrera, o la varianza de las edades permiten caracterizar la
poblacin. Dichos valores no cambian.
De las diferentes muestras que se pueden seleccionar de la poblacin, tambin se
pueden medir las variables de inters. Las medidas de resumen se denominan ESTADSTICAS,
como ser, media aritmtica, varianza, desviacin estndar etc. Estas medidas son variables,
pues en las distintas muestras seleccionadas de la poblacin se pueden obtener diversos
valores para las estadsticas. Por ejemplo, la media aritmtica de las edades ser distinta en
las diferentes muestras. Lo mismo ocurrir con la varianza o la desviacin estndar.
7.3. DISTRIBUCIONES EN EL MUESTREO
La "Distribucin en el Muestreo" es el estudio del comportamiento que tiene una
Estadstica de una variable, p. ej. la media aritmtica, cuando se calcula para todas las
muestras posibles seleccionadas de una poblacin determinada. As existe la "Distribucin en
el Muestreo de la Media Aritmtica". Tambin se puede considerar la "Distribucin en el
Muestreo de la Varianza" o la "Distribucin en el Muestreo de la Mediana" etc.
Ejemplo (Edades de 4 nios)
En la pgina siguiente se presentan las distribuciones en el muestreo de la Media
Aritmtica, la Mediana y la varianza muestral de muestras de tamao 3, con reemplazo,
seleccionadas de una poblacin de edades de 4 nios con valores 5, 7, 8 y 10 aos. Los
valores poblacionales son = 7,5 aos; 2 = 3,25 aos2 y Mediana es 7,5 aos.
MUESTRA
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
ESPERANZA
VARIANZA
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
MEDIA
MEDIANA
VAR. MUEST.
5,00
5,67
6,00
6,67
5,67
6,33
6,67
7,33
6,00
6,67
7,00
7,67
6,67
7,33
7,67
8,33
5,67
6,33
6,67
7,33
6,33
7,00
7,33
8,00
6,67
7,33
7,67
8,33
7,33
8,00
8,33
9,00
6,00
6,67
7,00
7,67
6,67
7,33
7,67
8,33
7,00
7,67
8,00
8,67
7,67
8,33
8,67
9,33
6,67
7,33
7,67
8,33
7,33
8,00
8,33
9,00
7,67
8,33
8,67
9,33
8,33
9,00
9,33
10,00
5,00
5,00
5,00
5,00
5,00
7,00
7,00
7,00
5,00
7,00
8,00
8,00
5,00
7,00
8,00
10,00
5,00
7,00
7,00
7,00
7,00
7,00
7,00
7,00
7,00
7,00
8,00
8,00
7,00
7,00
8,00
10,00
5,00
7,00
8,00
8,00
7,00
7,00
8,00
8,00
8,00
8,00
8,00
8,00
8,00
8,00
8,00
10,00
5,00
7,00
8,00
10,00
7,00
7,00
8,00
10,00
8,00
8,00
8,00
10,00
10,00
10,00
10,00
10,00
0,00
1,33
3,00
8,33
1,33
1,33
2,33
6,33
3,00
2,33
3,00
6,33
8,33
6,33
6,33
8,33
1,33
1,33
2,33
6,33
1,33
0,00
0,33
3,00
2,33
0,33
0,33
2,33
6,33
3,00
2,33
3,00
3,00
2,33
3,00
6,33
2,33
0,33
0,33
2,33
3,00
0,33
0,00
1,33
6,33
2,33
1,33
1,33
8,33
6,33
6,33
8,33
6,33
3,00
2,33
3,00
6,33
2,33
1,33
1,33
8,33
3,00
1,33
0,00
7,500
1,083
7,500
2,125
3,250
6,521
35
36
Siendo Z =
( X ) n
entonces, Z N (0;1)
n
La estandarizacin de X permite calcular probabilidades asociadas con valores de la
Media Aritmtica empleando la Tabla para la Funcin de Distribucin de la Normal
Estandarizada, igual como se hizo antes para el caso de una variable.
Ejemplo 1 (Distribucin en el muestreo)
En el ejemplo de la distribucin en el muestreo de muestras de tamao 3 de la
poblacin de 4 edades, se aprecia que siendo = 7,5 aos y 2 = 3,25 aos2, la Esperanza de
las Medias Aritmticas ( X ) es tambin 7,5 y la varianza de las Medias Aritmticas ( X2 ) es
1,083. Estos resultados verifican lo establecido en el Teorema del Lmite Central por cuanto:
X = = 7,5
aos y X2 =
2
n
3, 25
= 1, 083 aos2
3
37
Desarrollo:
a)
Segn la informacin entregada, =120 puntos ; 2=225; =15 puntos; n=16 alumnos
El planteamiento del problema y la estandarizacin del mismo para obtener las
probabilidades se expresa como:
(128 120)(4)
(8)(4)
(115 120)(4)
(5)(4)
P(115 < X < 128) = P
<Z<
<Z<
= P
=
15
15
15
15
=P(-1,33<Z<2,13)=(2,13)- (-1,33)= 0,9834 - 0,0918= 0,8916
Por lo tanto, la probabilidad que el puntaje medio de una muestra de 16 alumnos
flucte entre 115 y 128 pubtos es del 0,8916 , esto es del 89,2% aproximadamente.
b) Se conoce la probabilidad y se debe determinar los extremos de los intervalos de
valores de Medias Aritmticas inferior ( X i ) y superior ( X s ) que se asocian con dicha
probabilidad. Por lo tanto:
( X 120)(4)
( X 120)(4)
<Z< S
P( X i < X < X S ) = P i
= 0,95
15
15
( X i 120)(4)
(1,96)(15)
= 1,96 Despejando X i = 120
= 120 7,35 = 112, 65 = 112,7 ptos.
15
4
( X S 120)(4)
(1,96)(15)
= 1,96 Despejando X S = 120 +
= 120 + 7,35 = 127,35 = 127,4 ptos.
15
4
Por lo tanto, entre 112,7 puntos y 127,4 puntos se encontrara el 95% de los puntajes
de las medias aritmticas de muestras de 16 alumnos.
7.5. OTRAS DISTRIBUCIONES EN EL MUESTREO
A continuacin se presentan algunos resultados sobre distribuciones en el muestreo de
ciertas estadsticas, que sern tiles para los temas de Inferencia. Estos resultados se pueden
demostrar, pero ello escapa al objetivo de este curso.
7.5.1. Media Aritmtica con Varianza Poblacional Desconocida
El teorema del Lmite Central es importante pues permite modelar el comportamiento
de la Media Aritmtica. Sin embargo requiere conocer la Varianza de la Poblacin de la cual
provienen las muestras. Como esta situacin no es corriente, en la prctica, el resultado
siguiente permite modelar el comportamiento de la Media Aritmtica cuando no se conoce la
Varianza Poblacional y se estima con la Varianza Muestral:
Si se consideran muestras aleatorias de tamao "n" de una poblacin que tiene
distribucin Normal con Esperanza (Media Poblacional) y Varianza 2, siendo X la
media muestral y S2 la varianza muestral, si se define la variable aleatoria t
siguiente, entonces:
t=
( X ) n
t (n 1)
S
Lo anterior significa que la variable aleatoria tiene una distribucin "t" con (n-1) grados
de libertad.
38
2 =
( n 1) S 2
2 ( n 1)
Lo anterior significa que esta variable aleatoria tiene una distribucin "2 " con (n-1)
grados de libertad.
7.5.3. Distribucin de la Proporcin Muestral
Si se considera una poblacin dividida en dos categoras (dicotomizada) como hombres
y mujeres; capacitados y no capacitados; viven en la zona o fuera de ella, ganan ms de
$200.000.- o no, etc. Si una de estas categoras es de inters para la investigacin y se
denomina C. La proporcin poblacional de unidades pertenecientes a C se denomina (Por
ejemplo, la proporcin de mujeres que estudian en la universidad). El estimador muestral se
denomina p y corresponde a la proporcin de unidades de la muestra que pertenecen a la
categora C (Por ejemplo, la proporcin de mujeres en una muestra de 30 alumnos de la
universidad).
Se puede demostrar (mediante el Teorema central del Lmite) que la distribucin de p,
cuando el tamao de la muestra es grande, es aproximadamente Normal con Esperanza
=n y Varianza 2= (1- )/n
Por lo tanto, la estandarizacin de la proporcin p se expresa como:
Z=
(1 )
( p ) n
(1 )
N (0;1)
n
7.5.4. Distribucin de la Diferencia de Dos Medias Poblacionales ( X 1 - X 2 )
La expresin anterior tambin puede estandarizarse como cualquier variable que tiene
una Distribucin Normal. El resultado de la estandarizacin se expresa como:
Z =
( X 1 X 2 ) ( 1 2 )
12
n1
22
39
N (0;1)
n2
medias
aritmticas
( X 1 - X 2 ),
calculadas
partir
de
todas
las
muestras
aleatorias
t=
( X1 X 2 ) (1 2 )
Sp
1 1
+
n1 n2
t (n1 + n2 2) siendo S p =
Z =
( p1 p 2 ) ( 1 2 )
1 (1 1 )
n1
2 (1 2 )
N (0;1)
n2
40
S12 / 12
F ( n1 1; n 2 1)
F = 2
S 2 / 22
Lo anterior significa que la variable aleatoria tiene una distribucin " F" con (n1-1) y
(n2-1) grados de libertad.
7.6. EJERCICIOS
1.
2.
3.
4.
5.
6.
7.
8.
f)
Si n = 9;
41
42
N
i =1
Xi
n
i =1
ESTIMADOR MUESTRAL
( X i )2
X=
n
i =1
Xi
n
Media Aritmtica
n
i =1
( X i X )2
N 1
Varianza Poblacional
n 1
Varianza Muestral
= 2 :
Desviacin Estndar poblacional
S = S2
Desviacin Estndar muestral
A
:
N
Proporcin Poblacional
a
n
Proporcin muestral
p=
propiedad se puede demostrar que ocurre siempre, y no slo en este caso, se puede
afirmar que la Media Aritmtica es un estimador insesgado de la Media
Poblacional.
b)
Para las Medianas muestrales se observa lo mismo antes indicado, por lo tanto se
puede afirmar que la Mediana muestral es un estimador insesgado de la
Mediana Poblacional.
c)
Para las Varianzas muestrales (S2) se observa que el promedio de todas ellas
(esperanza de la varianza muestral) de todas las muestras seleccionadas de tamao
n=3 es igual a 3,25 lo que coincide con el valor de Varianza Poblacional (En smbolos:
S = 2 = 3, 25
2
43
44
Siendo Z =
(X ) n
entonces, Z N (0;1)
n
Aunque Z depende de la distribucin de probabilidad de Z no depende de . Por lo
indicado, puede plantearse la siguiente relacin ya usada antes:
P(-1,96 < Z < 1,96) = 0,95. Reemplazando Z por su equivalente antes definido:
( X ) n
< 1,96)=0,95
P(-1,96 <
45
(1,96)
(1,96)
<<X+
P X
= 0,95
n
n
X
y X +
.
n
n
X
y X +
n
n
Lmite inferior = X
( Z (1 / 2) )
Lmite superior = X +
46
11,5
10,5
AOS
9,5
Med.
Pobl.
8,5
7,5
6,5
5,5
4,5
3,5
2,5
1
13
17
21
25
29
33
MUESTRAS
37
41
45
49
53
57
61
65
INTERVALOS DE CONFIANZA DEL 95% PARA ESTIMAR MEDIA POB. CON VAR. CONOCIDA
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
MEDIA =
VARIANZA =
MEDIA ARIT.
LIMITE INFERIOR
LIMITE SUPERIOR
CONTIENE
5,00
5,67
6,00
6,67
5,67
6,33
6,67
7,33
6,00
6,67
7,00
7,67
6,67
7,33
7,67
8,33
5,67
6,33
6,67
7,33
6,33
7,00
7,33
8,00
6,67
7,33
7,67
8,33
7,33
8,00
8,33
9,00
6,00
6,67
7,00
7,67
6,67
7,33
7,67
8,33
7,00
7,67
8,00
8,67
7,67
8,33
8,67
9,33
6,67
7,33
7,67
8,33
7,33
8,00
8,33
9,00
7,67
8,33
8,67
9,33
8,33
9,00
9,33
10,00
2,96
3,63
3,96
4,63
3,63
4,29
4,63
5,29
3,96
4,63
4,96
5,63
4,63
5,29
5,63
6,29
3,63
4,29
4,63
5,29
4,29
4,96
5,29
5,96
4,63
5,29
5,63
6,29
5,29
5,96
6,29
6,96
3,96
4,63
4,96
5,63
4,63
5,29
5,63
6,29
4,96
5,63
5,96
6,63
5,63
6,29
6,63
7,29
4,63
5,29
5,63
6,29
5,29
5,96
6,29
6,96
5,63
6,29
6,63
7,29
6,29
6,96
7,29
7,96
7,04
7,71
8,04
8,71
7,71
8,37
8,71
9,37
8,04
8,71
9,04
9,71
8,71
9,37
9,71
10,37
7,71
8,37
8,71
9,37
8,37
9,04
9,37
10,04
8,71
9,37
9,71
10,37
9,37
10,04
10,37
11,04
8,04
8,71
9,04
9,71
8,71
9,37
9,71
10,37
9,04
9,71
10,04
10,71
9,71
10,37
10,71
11,37
8,71
9,37
9,71
10,37
9,37
10,04
10,37
11,04
9,71
10,37
10,71
11,37
10,37
11,04
11,37
12,04
No
7,500
1,083
n total muestras=
64,000
n muestras no contienen Med. Poblac.
% muestras no contienen Med. Poblac.
No
2
3,1
47
INTERVALOS DE CONFIANZA DEL 90% PARA ESTIMAR MEDIA POB. CON VAR. CONOCIDA
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
5
5
5
7
7
7
7
8
8
8
8
10
10
10
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
5
7
8
10
MEDIA =
VARIANZA =
MEDIA ARIT.
LIMITE INFERIOR
5,00
5,67
6,00
6,67
5,67
6,33
6,67
7,33
6,00
6,67
7,00
7,67
6,67
7,33
7,67
8,33
5,67
6,33
6,67
7,33
6,33
7,00
7,33
8,00
6,67
7,33
7,67
8,33
7,33
8,00
8,33
9,00
6,00
6,67
7,00
7,67
6,67
7,33
7,67
8,33
7,00
7,67
8,00
8,67
7,67
8,33
8,67
9,33
6,67
7,33
7,67
8,33
7,33
8,00
8,33
9,00
7,67
8,33
8,67
9,33
8,33
9,00
9,33
10,00
3,29
3,95
4,29
4,95
3,95
4,62
4,95
5,62
4,29
4,95
5,29
5,95
4,95
5,62
5,95
6,62
3,95
4,62
4,95
5,62
4,62
5,29
5,62
6,29
4,95
5,62
5,95
6,62
5,62
6,29
6,62
7,29
4,29
4,95
5,29
5,95
4,95
5,62
5,95
6,62
5,29
5,95
6,29
6,95
5,95
6,62
6,95
7,62
4,95
5,62
5,95
6,62
5,62
6,29
6,62
7,29
5,95
6,62
6,95
7,62
6,62
7,29
7,62
8,29
7,500
1,083
n total muestras=
64,000
n muestras no contienen Med. Poblac.
% muestras no contienen Med. Poblac.
No
No
No
No
No
No
No
No
8
12,5
48
49
Lmite inferior = X
= 105, 44
= 105, 44 7,35 = 98, 08 = 98,1 pts
= 105, 44
4
4
n
a)
(1,96)
Lmite superior = X +
n
(1,96)(15)
29, 4
= 105, 44 +
= 105, 44 + 7,35 == 112, 79 = 112,8 pts
= 105, 44 +
4
4
b)
El intervalo calculado antes (98,1 a 112,8) comprende los puntajes entre los cuales
se estima se debe encontrar el verdadero valor del puntaje medio poblacional de
conocimientos, con 95% de confianza (o sea, con una posibilidad de equivocarse del
5%). Por lo tanto, el puntaje medio poblacional puede ser =100 pts pues este valor
est comprendido en el intervalo anterior.
c)
Lmite inferior: X
y Lmite superior: X +
n
n
50
(2,1315)(15)
31,97
= 105, 44
= 105, 44 7,99 = 97,5 pts
Lmite inferior = X
= 105, 44
4
4
n
t(1 / 2; n 1) S
(2,1315)(15)
31,97
Lmite superior = X +
= 105, 44 +
= 105, 44 + 7,99 = 113,4 pts
= 105, 44 +
4
4
n
b)
El intervalo calculado antes (97,5 a 113,4) comprende los puntajes entre los cuales
se estima se debe encontrar el verdadero valor del puntaje medio poblacional de
conocimientos, con 95% de confianza (o sea, con una posibilidad de equivocarse del
5%). Por lo tanto, el puntaje medio poblacional puede ser =100 pts pues este valor
est comprendido en el intervalo anterior.
c)
Z=
(1 )
( p ) n
(1 )
N (0;1)
n
Se obtienen los siguientes lmites (inferior y superior) para el INTERVALO DE
CONFIANZA DEL ( 1 )100% PARA ESTIMAR LA PROPORCIN, se estima con la
proporcin muestral p, entonces:
p(1 p)
Lmite inferior = p Z (1 / 2)
p (1 p)
Lmite superior = p + Z (1 / 2)
a)
b)
51
Desarrollo:
Los puntajes forman dos grupos: aquellos mayores de 100 puntos (clase de inters C)
y los puntajes 100 o menores.
A partir de los resultados de la muestra, la proporcin de puntajes mayores de 100
puntos corresponde a p=11/16=0,6875. Por lo tanto (1-p)=0,3125.
Para = 0, 05 , el valor de Z (1 / 2) = Z (0,975) = 1, 96 .
a)
ser:
Lmite Inferior
p(1 p)
0, 6875(1 0, 6875)
p Z (1 / 2)
= 0, 6875 1,96
= 0, 6875 (1,96)(0,1159) = 0, 6875 0, 2271 = 0,460
n
16
Lmite Superior
p (1 p)
0, 6875(1 0, 6875)
= 0, 6875 + 1,96
p + Z (1 / 2)
b)
El intervalo del 95% para la proporcin poblacional de puntajes mayores de 100 puntos
corresponde a (0,460 a 0,915) o en porcentajes corresponde a (46,0% a 91,5%). Dado
que el valor 0,45 no est comprendido entre los valores del intervalo, para la proporcin poblacional, se concluye que dicha proporcin no corresponde a la poblacin de la
cual proviene la muestra analizada.
8.7. ESTIMACIN POR INTERVALO DE LA VARIANZA POBLACIONAL
Suponiendo que una variable X tiene distribucin Normal con esperanza y varianza
2, esto es, XN(;2). Se supone, adems, que y 2 no son conocidas, pero slo 2 es el
parmetro que se desea estimar por intervalo empleando una muestra aleatoria de tamao
"n", a partir de la cual 2 ser estimado con S2 (7varianza muestral).
La estrategia para realizar la estimacin, igual que en el caso anterior, es emplear una
estadstica que relacione los elementos del problema, conocidos y desconocidos, y tenga una
distribucin muestral conocida. En este caso se emplea la estadstica "2" siguiente:
2 =
A partir del enunciado siguiente:
( n 1) S 2
2 ( n 1)
( n 1) S 2
Lmite inferior: 2
(1 / 2; n 1)
y Lmite superior:
( n 1) S 2
2
( / 2; n 1)
52
27,
488
15)
2
(n 1) S (15)(106, 4) 1.596
= 254,87 puntos2
Lmite superior = 2
= 2
=
( / 2; n 1) (0,025;
6, 262
15)
b)
Observaciones.
a)
b)
53
F=
1
F ((n 1); ( K 1)(n 1))
1 0
/2 ; (n-1);(K-1)(n-1)))
=1-
Reemplazando F por expresin para Coef. de Confiabilidad anterior, con los grados de
libertad indicados para F, se tiene:
1
< F((1 / 2); ( n 1); ( K 1)( n 1)) ) = 1
1 0
54
n0 =
t2 S 2
tS
=
2
d
d
n=
n0
n
1+ 0
N
55
Observaciones:
1. Si no se conoce S se puede estimar mediante una muestra piloto, de tamao
arbitrario, seleccionada de la poblacin en estudio. Tambin para una confianza del 95%, se
puede usar t=2 como valor preliminar. Una vez determinado un tamao de muestra, se puede
corregir el valor de t usando la tabla t de Student. Este proceso se puede repetir hasta
estabilizar el tamao de la muestra.
2. En la expresin para n, la influencia de N se manifiesta como un factor de
correccin del valor de no para disminuir este valor, lo que ocurrir si n es grande respecto a
N.
3. Si N no se conoce se puede emplear el valor n0. El efecto de usar un tamao de
muestra mayor al necesario es mejorar la precisin esperada de la estimacin, lo que es
bueno si no hay problemas de costo asociados a la seleccin de la muestra.
Ejemplo 1:
Con el objeto de determinar el tamao de muestra que se requiere para estimar el
puntaje medio en un test de Computacin a las secretarias de una empresa, con un error de 3
puntos y una confianza del 95%, como no se conoca la varianza de los puntajes, se
seleccion una muestra piloto de 6 puntajes con los resultados siguientes: 110 98 95
103 106 89. Por lo tanto, los datos bsicos son: t=2; d=3 pt ; S= 7,68 pt.(de muestra
piloto). El tamao de la muestra preliminar es:
t S 2 7, 68 15, 35
2
n0 = =
=
= 5,11 = 26, 2 27 secret.
d
3
3
Ejemplo 2:
En ejemplo anterior, si se sabe que el nmero de secretarias de la empresa son N=64,
entonces el tamao de la muestra necesario ser:
n =
n0
26, 2
26, 2
26, 2
=
=
=
= 18, 6 1 9 sec ret
26, 2
n0
+ 0, 409
1
1,
409
1+
1+
64
N
Ejemplo 3:
Si en el ejemplo anterior, se desea obtener un error de estimacin para estimar el
puntaje medio en el test, correspondiente al 5% de la media.
pt y S= 7,68 pt. Por lo tanto, el error de
De la muestra piloto se obtiene
estimacin es el 5% de la media estimada de la muestra, esto es (0,05)(100,3)=5,015.
=
0 , 2
Luego, con los datos bsicos son: t=2; d=5,015 pt ; S= 7,68 pt. El tamao de la
muestra preliminar es:
tS
n0 =
2 7, 68
=
5, 0 1 5
1 5, 3 5
=
5, 0 1 5
= 3 , 0 6 2 = 9 , 4 1 0 s e c r e t.
56
n0
9, 4
9, 4
9, 4
=
=
=
= 8, 2 9 sec ret
9, 4
n0
+
1
0
,
1
4
7
1,
147
1+
1+
64
N
Ejemplo 4:
Si en el ejemplo anterior, se desea estimar el puntaje medio en el test y se dispone de
$32.000.- para realizar el muestreo y seleccionar una unidad de muestreo vale $3.000.
En este caso, el tamao de la muestra es 10 secretarias pues no alcanza el
presupuesto para seleccionar 11 secretarias, pues:
n=
32000
= 10, 7 10 secret
3000
57
58
b)
H0 : 500 puntos
H1 : > 500 puntos
c)
H0 : 500 puntos
H1 : < 500 puntos
Las hiptesis anteriores se denominan (a) bilateral, bidireccional o de dos colas, (b) y
(c) se denominan unilaterales, unidireccionales o de una cola. Conviene tener presente que en
un problema particular, ante una Hiptesis de Investigacin slo una de las alternativas
anteriores (a, b c) se deber considerar.
9.2. PROCEDIMIENTO DE LA PRUEBA DE HIPTESIS
La Prueba de Hiptesis (o dcima de hiptesis) es el procedimiento o la regla de
decisin que se emplea para decidir sobre la aceptacin o no de la Hiptesis Nula.
La Prueba de Hiptesis consiste en suponer verdadera la Hiptesis Nula y derivar las
consecuencias que ello implica. Finalmente, se contrastan las consecuencias mencionadas con
la informacin que aporta la muestra de la poblacin, resumida en los estimadores respectivos
que se denominan estadsticos de prueba. Si los resultados muestrales son coherentes con las
consecuencias, ello se interpreta como que la Hiptesis Nula no es contradictoria y se decidir
aceptarla. Por el contrario, si los resultados muestrales no son coherentes con las
consecuencias, ello se interpreta en el sentido que la Hiptesis Nula es contradictoria y se
decidir no aceptarla (y se aceptar su complemento, la Hiptesis Alternativa). La decisin, en
cualquier caso, involucra riesgos de equivocarse.
Continuando con el ejemplo, supongamos que las secretarias de la empresa asistieron
a un taller de capacitacin para controlar el stress, por lo tanto se espera que el nivel de
stress de las mismas sea inferior al del comn de las secretarias. Por ello, las hiptesis de
inters correspondientes se plantean como:
H0: 500 puntos
H1: < 500 puntos
La Hiptesis Nula refleja la condicin normal de stress, que son un nivel medio de 500
puntos o superior, mientras la hiptesis alternativa refleja lo que se espera se ha logrado con
el taller de capacitacin, esto es, que el promedio de stress sea inferior a 500 puntos.
Como se emplea una muestra para decidir, y si se supone que en verdad el puntaje
medio de las secretarias es 500 puntos, las muestras de secretarias seleccionadas pueden
diferir de ese valor. El problema es determinar hasta que punto se pueden considerar
diferencias, dado que el puntaje medio realmente es 500. El monto del error admisible es
denominado nivel de significacin y simbolizado por . En todo caso, si en las muestras se
obtuvieran valores bajos respecto a 500 puntos, ello sera indicio que el puntaje medio de los
secretarias de la empresa es inferior a 500 puntos. Por ello se denomina unilateral a la prueba
respectiva.
Si se supone que la Hiptesis Nula es verdadera (se puede slo suponer pues es
imposible saberlo con certeza) y es rechazada por la prueba, se cometera el error tipo I cuya
magnitud es y es el nivel de significacin. Si se supone que la Hiptesis Nula no es
verdadera y no es rechazada por la prueba, se cometera el error tipo II cuya magnitud es
(el valor 1- se denomina potencia de la dcima).
59
60
61
62
63
a) Bilateral
H0: = 0
H1: 0
b) unilateral izquierda
H0 : 0
H1 : < 0
c) Unilateral derecha
H0 : 0
H1 : > 0
2. Supuestos:
1. La muestra se selecciona aleatoriamente
2. La varianza poblacional (2) es conocida
3. Las muestras provienen de una poblacin con distribucin normal o no
3. Nivel de significacin:
4. Estadstica de Prueba:
Z=
( X ) n
N (0; 1)
5. Regin Crtica:
a) Bilateral
b)
unilateral izquierda
RCi={Z<-Z(1- )}
c) Unilateral derecha
RCd={Z>Z(1- )}
64
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente
2. La varianza poblacional es conocida 2= 10.000 pts2 (=100 ptos)
3. Nivel de significacin: =0,05
4. Estadstica de Prueba:
( X ) n ( X 500) 16
=
Z=
N (0; 1)
100
5. Regin Crtica:
RCi={Z<-Z(1- )=-1,645}
6. Evaluacin y Decisin sobre H0
Reemplazar X = 446,1 pts obtenido de la muestra en Estadstica de Prueba
Z obs =
Como Zobs= -2,16 es menor que -1,645 entonces pertenece a la Regin Crtica, por lo
que se rechaza la Hiptesis Nula, por lo tanto se acepta que el puntaje medio de stress
es menor que 500 puntos con un riesgo de error (nivel de significacin) del 5%. Como
conclusin, se puede afirmar que el taller de capacitacin fue efectivo.
65
a) Bilateral
H0: = 0
H1: 0
b) Unilateral izquierda
H0 : 0
H1 : < 0
c) Unilateral derecha
H0 : 0
H1 : > 0
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente
2. La varianza poblacional (2) es desconocida y se estima con S2
3. La muestra provienen de una poblacin con distribucin normal
3. Nivel de significacin:
4. Estadstica de Prueba:
t=
(X ) n
t (n 1)
S
5. Regin Crtica:
a) Bilateral
RCb={t<-t(n-1;1- /2) t>t(n-1;1- /2)}
c)
unilateral izquierda
RCi={t<-t(n-1; 1- )}
c) Unilateral derecha
RCd={t>t(n-1; 1- )}
66
2. Supuestos:
1. La muestra se selecciona aleatoriamente
2. La varianza poblacional (2) es desconocida y se estima con S2
3. La muestra provienen de una poblacin con distribucin normal
3. Nivel de significacin: = 0,05
4. Estadstica de Prueba:
t=
( X ) n ( X 500) 16
=
t (15)
S
S
5. Regin Crtica:
RCi={t<-t(n-1; 1- )=-t(15; 0,95)=-1,7531}
6. Evaluacin y Decisin sobre H0
Reemplazar X = 446,1 y S= 82,64 pts obtenidos de la muestra en Estadstica
de Prueba para obtener tobs.
tobs =
Como tobs= -2,61 es menor que -1,7531 entonces pertenece a la Regin Crtica, por lo
que se rechaza la Hiptesis Nula, por lo tanto se acepta que el puntaje medio de stress
es menor que 500 puntos con un riesgo de error (nivel de significacin) del 5%. Como
conclusin, se puede afirmar que el taller de capacitacin fue efectivo.
67
a) Bilateral
H0: = 0
H1: 0
b) Unilateral izquierda
H0 : 0
H1 : < 0
c) Unilateral derecha
H 0 : 0
H1 : > 0
2. Supuestos:
1. La muestra se seleccionan aleatoriamente
3. La muestras proviene de una poblacin con distribucin binomial
3. Nivel de significacin:
4. Estadstica de Prueba:
Z=
(p )
(1 )
N (0; 1)
5. Regin Crtica:
a) Bilateral
c)
Unilateral izquierda
RCi={Z<-Z(1- )}
c) Unilateral derecha
RCd={Z>Z(1- )}
68
H0: = 0,5
H1: 0,5
2. Supuestos:
(p )
(1 )
5. Regin Crtica:
( p 0,5)
0, 5(1 0,5)
400
N (0; 1)
(0,525 0,5)
0,5(1 0,5)
400
0, 025
0,5(1 0,5)
400
0, 025
= 1, 00
0, 025
69
a) Bilateral
H0: 2= 20
H1: 2 20
d) Unilateral izquierda
H0 : 2 20
H1 : 2< 20
c) Unilateral Derecha
H0 : 2 20
H1 : 2 > 20
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente
2. La muestra proviene de una poblacin con distribucin normal
3. Nivel de significacin:
4. Estadstica de Prueba:
2 =
5. Regin Crtica:
a) Bilateral
RCb={2<2 (n-1; /2) 2>2 (n-1;1- /2)}
(n 1) S 2
02
e)
2 (n 1)
unilateral izquierda
RCi={2<2 (n-1; )}
c) Unilateral derecha
RCd={2>2(n-1; 1- )}
2. Supuestos:
1. La muestra se selecciona aleatoriamente
2. La muestra proviene de una poblacin con distribucin normal
3. Nivel de significacin: =0,05
4. Estadstica de Prueba:
(n 1) S 2 (15) S 2
2 =
2 (15)
=
10.000
02
5. Regin Crtica:
RCb={2<2 (15; 0,025) =6,262 2>2 (15; 0,975)= 27,488}
6. Evaluacin y Decisin sobre H0
De la muestra se obtiene S2=6.829,37 pts2.
(n 1) S 2 (15)(6829,37) 102.440,54
2
=
=
=
= 10, 24
obs
10.000
10.000
02
70
a) Bilateral
H0: = 0
H1: 0
f)
Unilateral izquierda
H0 : 0
H1 : < 0
c) Unilateral derecha
H0 : 0
H1 : > 0
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente
3. Nivel de significacin:
4. Estadstica de Prueba:
F=
1
F ((n 1); ( K 1)(n 1))
1 0
c)
Unilateral izquierda
RCi={F<F (GL; )}
c) Unilateral derecha
RCd={F>F (GL; 1- )}
H0 : 0,60
H1 : > 0,60
F=
1 0,6
F(29;551)
1 0
5. Regin Crtica:
1 0, 6 0, 40
=
= 1,143
1 0, 65 0, 35
Como Fobs=1,143 no pertenece a la Regin Crtica, no se rechaza H0, esto
implica
decidir que el test no tiene confiabilidad poblacional mayor de
0,6.
Fobs =
71
H0
VC H1
72
Por lo tanto, se pueden plantear las relaciones siguientes, en las dos distribuciones de
los puntajes medios muestrales, cuyas medias poblacionales () son 100 y 105 y desviacin
estndar poblacional () igual a 15 en ambas:
P X < VC = 0, 95 y en la otra distribucin:
(VC 100) n
P Z (1 / 2)
= 0,95 y en la otra distribucin:
15
Z (1 / 2)
(VC 100) n
=
= 1, 96
15
y en la otra distribucin:
P X < VC = 0,10
(VC 105) n
P Z
= 0,10
15
Z =
(VC 105) n
= 1, 28
15
100 +
(1,96)(15)
n
= 105
(1, 28)(15)
n
Despejando para n:
n=
(1,96 + 1, 28)(15)
(105 100)
(1,96 + 1, 28)(15)
(3, 24)(15)
48, 6
2
n=
=
= 5 = 9, 72 = 94,5 = 95 pruebas
(105
100)
5
73
a) Obtener una primera aproximacin al tamao de la muestra (n) usando los valores
asociados con los niveles de errores (errores tipo I o II) dados por la distribucin
normal, empleando expresin:
2
Z )S
(Z
n ' = (1 )
b) Corregir las estimaciones usando la tabla t respectiva para los niveles de errores y los
grados de libertad asociados con n.
c) Repetir el proceso hasta que se estabilicen los valores de n.
10.6.4. Ejemplo:
Un ingeniero desea docimar la hiptesis que la resistencia media de un cierto tipo de
resistor es al menos de 3.000 ohms. El fabricante asegura que el rango de tolerancia de la
resistencia es aproximadamente 150 ohms.
El ingeniero supone que la resistencia est distribuida normalmente y estima la
desviacin estndar empleando el recorrido dado por los niveles de tolerencia dividida por 6,
esto es 50= (150-(-150) / 6 = 300 / 6 .
El ingeniero planea construir una dcima tal que la probabilidad de rechazar la
hiptesis nula que la resistencia media es al menos 3.000 ohms es 5% y la probabilidad de
fallar en rechazar esa hiptesis cuan la resistencia media es efectivamente 2.980 ohms es
10%. Por lo tanto:
La hiptesis nula es H0: 3.000 puntos y la alternativa es H1: < 3.000.
Para = 0,05 el valor de Z(1-) = Z(0,95) = 1,645
Para = 0,10 el valor de
Z = Z(0,10) = -1,282
Se tiene que: S=50 ohms, 0 = 3.000; 1 = 2.980 ; = 20.
Reemplazando, como primera aproximacin, el valor de n es:
Z ) S (1, 645 + 1, 282)50 2
(Z
2
= [7,3175] = 52,8 resistores
n ' = (1 )
=
20
Corrigiendo los valores de Z por los de t se aprecia que:
t(53;0,95) =1,6741 y t(53;0,10) =1,2977 Luego reemplazando en expresin anterior:
2
2
(t(52;0,95) t(52;0,10) ) S (1, 6747 + 1, 2980)50
2
n' =
=
= [7, 4318] = 55, 2 resistores
20
a) Bilateral
H0: 1 - 2 = 0
H1: 1 - 2 0
b) Unilateral izquierda
H0: 1 - 2 0
H1: 1 - 2 < 0
c) Unilateral derecha
H0: 1 - 2 0
H1: 1 - 2 > 0
a) Bilateral
H0: 1 = 2
H1: 1 2
c) Unilateral izquierda
H0 : 1 2
H1 : 1 < 2
c) Unilateral derecha
H0 : 1 2
H1 : 1 > 2
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente de las poblaciones.
2. Las varianzas poblacionales (21 y 22) son conocidas.
3. Las muestras provienen poblaciones con distribucin normal.
3. Nivel de significacin:
4. Estadstica de Prueba:
( X X 2 ) ( 1 2 ) ( X 1 X 2 ) 0
=
Z= 1
N (0; 1)
12
n1
22
12
n2
n1
22
n2
5. Regin Crtica:
a) Bilateral
RCb={Z<-Z(1- /2) Z>Z(1- /2)}
b) Unilateral izquierda
RCi={Z<-Z(1- )}
c) Unilateral derecha
RCd={Z>Z(1- )}
74
75
H0: 1 - 2 0
H1: 1 - 2 > 0
(0 = 0)
(0 = 0)
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente de las poblaciones.
2. Las varianzas poblacionales se supone que corresponden a la varianza del
test y por lo tanto son conocidas (21 = 22= 500)
3. Las muestras provienen poblaciones con distribucin normal.
3. Nivel de significacin: =0,05
4. Estadstica de Prueba:
( X X 2 ) ( 1 2 ) ( X 1 X 2 ) 0
( X1 X 2 )
Z= 1
N (0; 1)
=
=
2
2
500 500
500 500
1 2
+
+
+
12
7
12
7
n1 n2
5. Regin Crtica:
RCd={Z>Z(1- )=Z(0,95)= 1,645}
6. Evaluacin y Decisin sobre H0
De las muestras se obtiene:
PLANTA A: n1=12 ; X1 = 120 pts
PLANTA B: n2= 7 ; X1 = 101 pts
Z obs =
(120 101)
19
19
19
= 1, 79
10, 63
500 500
41, 67 + 71, 43
113,1
+
12
7
Como Zobs=1,79 pertenece a la Regin Crtica, se rechaza H0. Por lo tanto se
acepta que la media poblacional de los rendimientos de la Planta A es superior a la
Media poblacional de la Planta B. En conclusin, el incentivo habra sido efectivo para
aumentar el rendimiento.
a) Bilateral
H0: 1 - 2 = 0
H1: 1 - 2 0
d) Unilateral izquierda
H0: 1 - 2 0
H1: 1 - 2 < 0
c) Unilateral derecha
H0: 1 - 2 0
H1: 1 - 2 > 0
a) Bilateral
H0: 1 = 2
H1: 1 2
e) Unilateral izquierda
H0 : 1 2
H1 : 1 < 2
c) Unilateral derecha
H0 : 1 2
H1 : 1 > 2
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente de las poblaciones.
2. Las varianzas poblacionales son desconocidas pero se suponen iguales a 2
3. Las muestras provienen poblaciones con distribucin normal.
3. Nivel de significacin:
4. Estadstica de Prueba:
t=
( X 1 X 2 ) ( 1 2 )
SP
1 1
+
n1 n2
Siendo
( X1 X 2 ) 0
1 1
+
n1 n2
SP
SP =
t (n1 + n2 2)
5. Regin Crtica:
a) Bilateral
g)
unilateral izquierda
RCi={t<-t(n1+n2-2; 1- )}
c) Unilateral derecha
RCd={t>t(n1+n2-2; 1- )}
76
77
H0: 1 - 2 0
(0 = 0)
H0 : 1 2
H1: 1 - 2 > 0
(0 = 0)
H1 : 1 > 2
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente de las poblaciones.
2. Las varianzas poblacionales son desconocidas pero como se mide con la
misma escala se supone que puede tener el mismo valor (21 = 22= 2)
3. Las muestras provienen poblaciones con distribucin normal.
3. Nivel de significacin: =0,05
4. Estadstica de Prueba:
( X X 2 ) ( 1 2 ) ( X 1 X 2 )
t= 1
=
t (17)
1 1
1 1
SP
+
SP
+
12 7
n1 n2
Siendo
5. Regin Crtica:
SP =
RCd={t>t(n1+n2-2;
1,7396}
tobs =
( X1 X 2 )
SP
1 1
+
12 7
(120 101)
21,12
1 1
+
12 7
19
21,12 0, 2262
19
19
=
= 1,89
(21,12)(0, 476) 10, 04
78
a) Bilateral
H0: 1 - 2 = 0
H1: 1 - 2 0
f)
Unilateral izquierda
H0: 1 - 2 0
H1: 1 - 2 < 0
c) Unilateral derecha
H0: 1 - 2 0
H1: 1 - 2 > 0
g) Unilateral izquierda
H0 : 1 2 (D 0)
H1 : 1 < 2 (D< 0)
a) Bilateral
H0: 1 = 2 (D = 0)
H1: 1 2 (D 0)
c) Unilateral derecha
H0 : 1 2 (D 0)
H1 : 1 > 2 (D >0)
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente de las poblaciones.
2. Los datos son bivariantes o pueden parerase
3. Nivel de significacin:
4. Estadstica de Prueba:
t=
siendo D = X 1 X 2
( D 0 ) n ( D) n
=
t (n 1)
SD
SD
5. Regin Crtica:
a) Bilateral
RCb={t<-t(n-1;1- /2) o t>t(n-1;1- /2)}
c)
Unilateral izquierda
RCi={t<-t(n-1; 1- )}
c) Unilateral derecha
RCd={t>t(n-1; 1- )}
79
1
18
12
2
21
21
3
19
16
4
21
16
5
17
19
6
20
19
7
18
16
8
16
17
9
20
16
1. Hiptesis:
Siendo D= 1 - 2= Coordinacin Media en silencio Coord. Media con ruido
H0 : 1 2 (D 0)
H1 : 1 > 2 (D >0)
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente de las poblaciones.
2. Los datos son bivariantes o pueden parerase
3. Nivel de significacin: =0,05
4. Estadstica de Prueba:
t=
( D) 9
t (8)
SD
5. Regin Crtica:
RCd={t>t(n-1; 1- )= t(8; 0,95)= 1,8595}}
6. Evaluacin y Decisin sobre H0:
CIRUJANO
X1=SILECIO
1
18
2
21
3
19
4
21
5
17
6
20
7
18
8
16
9
20
X2=RUIDO
12
21
16
16
19
19
16
17
16
Di= X1 - X2
-2
-1
tobs =
( D) 9 (2)(3)
6
=
=
= 2,19
SD
2, 74 2, 74
a) Bilateral
H0: 1 2 = 0
H1: 1 2 0
h) Unilateral izquierda
H0: 1 2 0
H1: 1 2 < 0
c) Unilateral derecha
H0: 1 2 0
H1: 1 2 > 0
a) Bilateral
H0: 1 = 2
H1: 1 2
i)
Unilateral izquierda
H0 : 1 2
H1 : 1 < 2
c) Unilateral derecha
H0 : 1 2
H1 : 1 > 2
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente
2. Las muestras provienen de una poblacin con distribucin binomial
3. La muestra es suficientemente grande para justificar la aproximacin a la
Normal de la distribucin de la proporcin muestral "p".
3. Nivel de significacin:
4. Estadstica de Prueba:
( p p2 ) ( 1 2 ) ( p1 p2 ) 0
Z= 1
=
N (0; 1)
1 1
1 1
pq +
pq +
n1 n2
n1 n2
Siendo
5. Regin Crtica:
a) Bilateral
p=
n1 p1 + n2 p2
n1 + n2
d)
; q = 1 p
Unilateral izquierda
RCi={Z<-Z(1- )}
c) Unilateral derecha
RCd={Z>Z(1- )}
80
81
PSICLOGOS
60
60
120
PSIQUIATRAS
50
30
80
Siendo
( p1 p2 )
1
1
pq
+
120 80
n p +n p
p= 1 1 2 2
n1 + n2
N (0; 1)
; q = 1 p
5. Regin Crtica:
RCb={Z<-Z(0,975) =-1,96 Z>Z(0,975) =1,96}
6. Evaluacin y Decisin sobre H0
p1=60/120 = 0,5 ;
p=
Z ==
n1 p1 + n2 p2
=
n1 + n2
( p1 p2 )
1
1
pq
+
120 80
0,125
(0,55)(0, 45) ( 0, 02083)
0,125
= -1,74
0, 0718
82
a) Bilateral
H0: 21= 22
H1: 21 22
b) Unilateral izquierda
H0 : 21 22
H1 : 21< 22
c) Unilateral Derecha
H0 : 21 22
H1 : 21> 22
a) Bilateral
12
H0 :
= R0
22
12
H0 :
R0
22
b) Unilateral izquierda
12
H0 :
R0
22
12
H0 :
< R0
22
c) Unilateral Derecha
12
H0 :
R0
22
12
H0 :
> R0
22
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente
2. La muestra proviene de una poblacin con distribucin normal
3. Nivel de significacin:
4. Estadstica de Prueba:
F=
S12 / 12
S12
=
F (n1 1; n2 1 )
S 22 / 22 S 22 R0
d)
Unilateral izquierda
RCi={F<F (GL; )}
c) Unilateral derecha
RCd={F>F (GL; 1- )}
83
H1: 21 22
H0 :
12
=1
22
H0 :
12
1
22
2. Supuestos:
1. Las muestras se seleccionan aleatoriamente
2. Las muestras proviene de poblaciones con distribucin normal
3. Nivel de significacin: =0,10
4. Estadstica de Prueba:
S2 / 2
S2
F = 12 12 = 2 1
S 2 / 2 S2 R0
S12
F (11; 6)
S22
84
11.6. EJERCICIOS
1.
El investigador Olthoff(1989) analiz la calidad de la comunicacin entre parejas
comprometidas tres meses antes y tres meses despus del matrimonio. Uno de los grupos
estudiados estaba formado por 19 parejas que haban recibido el acostumbrado curso
prematrimonial por ministros que iban celebrar su matrimonio. Se midi la calidad de la
comunicacin mediante una escala apropiada en que un puntaje mayor indica mejor calidad
de la comunicacin.
Puede afirmarse que hay algn cambio en la calidad de la comunicacin Antes y
Despus del matrimonio? (Usar =0,05)
(Resp: D=despus-Antes D = -12,5 ; SD= 2,85 ; t= -4,23 )
ESPOSO
ANTES
DESPUES
ESPOSO
ANTES
DESPUES
ESPOSO
ANTES
DESPUES
ESPOSO
ANTES
DESPUES
A
B
C
D
E
126
133
126
115
108
115
125
96
115
119
F
G
H
I
J
109
124
98
95
120
82
93
109
72
104
K
L
M
N
O
118
126
121
116
94
107
118
102
115
83
P
Q
R
S
105
123
125
128
87
121
100
118
NIO
10
3 MESES
10,4
12,6
11,2
10,9
14,3
13,2
9,7
11,5
10,8
13,1
4 MESES
10,8
12,1
12,1
11,4
13,9
13,5
10,9
11,5
10,4
12,5
b)
c)
Las varianza del grupo del grupo experimental despus del experimento es igual a la
varianza del grupo control despus del experimento. (Resp: Fobs=1,81; No rechazar H0)
85
d)
e)
f)
Las proporciones de alumnos con puntajes superiores a 140 puntos antes del
experimento del grupo experimental no es diferente a la misma proporcin antes del
experimento del grupo control (Resp: Zobs= 1,23 ; No rechazar H0 )
h)
Calcule las diferencias para cada alumno del grupo experimental entre resultado del
Post y el Pre, esto es, se define la diferencia D(exp)=Postexp Prexp. Lo mismo se
hace para cada alumno del grupo control entre el Post y el Pre. Esto es, se define la
diferencia D(cont)= Postcont-Precont. Desarrolle una dcima de diferencia de medias
para las diferencias del grupo experimental y el grupo control (Resp: tobs= 3,98 ;
Rechazar H0 )
Desarrolle las dcimas respectivas. Utilice un nivel de significacin del 5%. Plantee
otras dcimas que parezcan interesantes, y desarrllelas. Exprese conclusiones
referentes al problema estudiado.
GRUPO EXPERIMENTAL
NOMBRE
1. Alvarez
2. Bentez
3. Bravo
4. Crdenas
5. Daz
6. Espinoza
7. Fuentes
8. Hurtado
9. Trujillo
10. Veas
11. Zapata
Casos
Media Aritmtica
Desv. Estndar
Varianza
Prop. > 140 pts.
GRUPO CONTROL
POSTEXP
140
151
152
151
163
148
133
135
139
141
148
PREXP
125
148
148
147
146
145
123
130
132
133
132
NOMBRE
1. Baeza
2. Cerda
3. Duarte
4. Escalante
5. Figueroa
6. Leiva
7. Martn
8. Palma
9. Prez
10. Zamora
11
145,55
8,84
82,99
7/11
11
137,18
9,70
86,49
7/12
Casos
Media Aritmtica
Desv. Estndar
Varianza
Prop. > 140 pts.
POSTCONT PRECONT
128
125
138
140
136
133
134
132
141
140
129
130
145
146
149
149
137
132
134
133
10
137,10
6,57
43,21
3/10
10
136,00
7,51
56,44
2/10
86
BIBLIOGRAFA (complementaria)
AGRESTI Alan & AGRESTI, Barbara F. (1979) Statistical Methods for the Social Sciences.
San Francisco: Dellen Pub. Co.
ARON, Arthur y ARON, Elaine N. (2001) Estadstica para Psicologa. Buenos Aires: Pearson
Education.
DOANE, David (1985) Exploring Statistics with the IBM PC. Reading, Mass.: AddisonWesley Pub. Co.
DOWNIE, N. M., HEATH, R. W (1973) Mtodos estadisticos aplicados. Mxico: Harla
ELORZA, Haroldo (1987) Estadstica para ciencias del comportamiento. Mxico:Harla
ESCALANTE, Eduardo y CARO, Alberto (2002) Anlisis y Tratamiento de Datos en SPSS.
Valparaso: Ediciones Univ. de Playa Ancha de Cs. de la Ed.
GARNER, Robert C. (2003) Estadstica para Psicologa usando SPSS para Windows.
Mxico: Pearson Educacin.
GUILFORD, J. P. y FRUCHTER, B. (1984)
Educacin. Mxico: Mc Graw-Hill.
HOPKINS, Kenneth D., HOPKINS, B. R. y GLASS, Gene V. (1997) Estadstica Bsica para
las Ciencias Sociales y del Comportamiento (3 Ed.). Mxico: Prentice-Hall
Hispanoamericana S. A.
LOPES, Paulo Alfonso (2000) Probabilidad & Estadstica. Conceptos, modelos,
aplicaciones en Excel. Santa F de Bogot: Pearson Educacin de Colombia Ltda.
MACE, Arthur E. (1964) Simple-Size determination. New York: Reinhold Publishing Co.
MARQUES DE CANT, Mara Jos (1990) Probabilidad y Estadstica para ciencias QumicoBiolgicas. Mxico: McGraw-Hill.
MONTGOMERY, Douglas C. y RUNGEr, George C. (1996) Probabilidad y Estadstica
aplicadas a la Ingeniera. Mxico: McGraw-Hill.
NETER, John & WASSERMAN, William (1974) Applied Linear Statistical Models.
Regression, Analysis of Variance, and Experimental Designs. Homewood, Ill.:
Richard D. Irwin, Inc.
NORMAN, G. R. y STREINER, D. L. (1996) Bioestadstica. Madrid: Mosby/Doyma Libros S.A.
PREZ, Csar (2001) Tcnicas Estadsticas con SPSS. Madrid: Pearson Educacin.
PREZ, Csar (2002) Estadstica Aplicada a travs de Excel. Madrid: Pearson Educacin.
SPIEGEL, Murray R. (1987) Estadstica. Serie Schaum (2 Ed.) Panam: McGraw-Hill.
ANEXOS
Normal Estndar
t de Student
Ji Cuadrado
F
87
0,00
0,0013
0,0019
0,0026
0,0035
0,0047
0,0062
0,0082
0,0107
0,0139
0,0179
0,0228
0,0287
0,0359
0,0446
0,0548
0,0668
0,0808
0,0968
0,1151
0,1357
0,1587
0,1841
0,2119
0,2420
0,2743
0,3085
0,3446
0,3821
0,4207
0,4602
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,01
0,0010
0,0018
0,0025
0,0034
0,0045
0,0060
0,0080
0,0104
0,0136
0,0174
0,0222
0,0281
0,0351
0,0436
0,0537
0,0655
0,0793
0,0951
0,1131
0,1335
0,1562
0,1814
0,2090
0,2389
0,2709
0,3050
0,3409
0,3783
0,4168
0,4562
0,4960
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9990
0,02
0,0007
0,0018
0,0024
0,0033
0,0044
0,0059
0,0078
0,0102
0,0132
0,0170
0,0217
0,0274
0,0344
0,0427
0,0526
0,0643
0,0778
0,0934
0,1112
0,1314
0,1539
0,1788
0,2061
0,2358
0,2676
0,3015
0,3372
0,3745
0,4129
0,4522
0,4920
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9993
0,03
0,0005
0,0017
0,0023
0,0032
0,0043
0,0057
0,0075
0,0099
0,0129
0,0166
0,0212
0,0268
0,0336
0,0418
0,0516
0,0630
0,0764
0,0918
0,1093
0,1292
0,1515
0,1762
0,2033
0,2327
0,2643
0,2981
0,3336
0,3707
0,4090
0,4483
0,4880
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9995
0,04
0,0003
0,0016
0,0023
0,0031
0,0041
0,0055
0,0073
0,0096
0,0125
0,0162
0,0207
0,0262
0,0329
0,0409
0,0505
0,0618
0,0749
0,0901
0,1075
0,1271
0,1492
0,1736
0,2005
0,2296
0,2611
0,2946
0,3300
0,3669
0,4052
0,4443
0,4840
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9997
0,05
0,0002
0,0016
0,0022
0,0030
0,0040
0,0054
0,0071
0,0094
0,0122
0,0158
0,0202
0,0256
0,0322
0,0401
0,0495
0,0606
0,0735
0,0885
0,1056
0,1251
0,1469
0,1711
0,1977
0,2266
0,2578
0,2912
0,3264
0,3632
0,4013
0,4404
0,4801
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9998
0,06
0,0002
0,0015
0,0021
0,0029
0,0039
0,0052
0,0069
0,0091
0,0119
0,0154
0,0197
0,0250
0,0314
0,0392
0,0485
0,0594
0,0721
0,0869
0,1038
0,1230
0,1446
0,1685
0,1949
0,2236
0,2546
0,2877
0,3228
0,3594
0,3974
0,4364
0,4761
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9998
0,07
0,0001
0,0015
0,0021
0,0028
0,0038
0,0051
0,0068
0,0089
0,0116
0,0150
0,0192
0,0244
0,0307
0,0384
0,0475
0,0582
0,0708
0,0853
0,1020
0,1210
0,1423
0,1660
0,1922
0,2206
0,2514
0,2843
0,3192
0,3557
0,3936
0,4325
0,4721
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9999
0,08
0,0001
0,0014
0,0020
0,0027
0,0037
0,0049
0,0066
0,0087
0,0113
0,0146
0,0188
0,0239
0,0301
0,0375
0,0465
0,0571
0,0694
0,0838
0,1003
0,1190
0,1401
0,1635
0,1894
0,2177
0,2483
0,2810
0,3156
0,3520
0,3897
0,4286
0,4681
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9999
0,09
0,0000
0,0014
0,0019
0,0026
0,0036
0,0048
0,0064
0,0084
0,0110
0,0143
0,0183
0,0233
0,0294
0,0367
0,0455
0,0559
0,0681
0,0823
0,0985
0,1170
0,1379
0,1611
0,1867
0,2148
0,2451
0,2776
0,3121
0,3483
0,3859
0,4247
0,4641
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
1,0000
88
89
0,750
0,900
0,950
0,975
0,990
0,995
g.l.
0,750
0,900
0,950
0,975
0,990
0,995
1,000
3,078
6,314
46
0,680
1,300
1,679
2,013
2,410
2,687
0,816
1,886
2,920
4,303
47
0,680
1,300
1,678
2,012
2,408
2,685
6,965
9,925
0,765
1,638
2,353
3,182
4,541
5,841
48
0,680
1,299
1,677
2,011
2,407
2,682
0,741
1,533
2,132
2,776
3,747
4,604
49
0,680
1,299
1,677
2,010
2,405
2,680
0,727
1,476
2,015
2,571
3,365
4,032
50
0,679
1,299
1,676
2,009
2,403
2,678
0,718
1,440
1,943
2,447
3,143
3,707
51
0,679
1,298
1,675
2,008
2,402
2,676
0,711
1,415
1,895
2,365
2,998
3,499
52
0,679
1,298
1,675
2,007
2,400
2,674
0,706
1,397
1,860
2,306
2,896
3,355
53
0,679
1,298
1,674
2,006
2,399
2,672
0,703
1,383
1,833
2,262
2,821
3,250
54
0,679
1,297
1,674
2,005
2,397
2,670
10
0,700
1,372
1,812
2,228
2,764
3,169
55
0,679
1,297
1,673
2,004
2,396
2,668
11
0,697
1,363
1,796
2,201
2,718
3,106
56
0,679
1,297
1,673
2,003
2,395
2,667
12
0,695
1,356
1,782
2,179
2,681
3,055
57
0,679
1,297
1,672
2,002
2,394
2,665
13
0,694
1,350
1,771
2,160
2,650
3,012
58
0,679
1,296
1,672
2,002
2,392
2,663
14
0,692
1,345
1,761
2,145
2,624
2,977
59
0,679
1,296
1,671
2,001
2,391
2,662
15
0,691
1,341
1,753
2,131
2,602
2,947
60
0,679
1,296
1,671
2,000
2,390
2,660
16
0,690
1,337
1,746
2,120
2,583
2,921
61
0,679
1,296
1,670
2,000
2,389
2,659
17
0,689
1,333
1,740
2,110
2,567
2,898
62
0,678
1,295
1,670
1,999
2,388
2,657
18
0,688
1,330
1,734
2,101
2,552
2,878
63
0,678
1,295
1,669
1,998
2,387
2,656
19
0,688
1,328
1,729
2,093
2,539
2,861
64
0,678
1,295
1,669
1,998
2,386
2,655
20
0,687
1,325
1,725
2,086
2,528
2,845
65
0,678
1,295
1,669
1,997
2,385
2,654
21
0,686
1,323
1,721
2,080
2,518
2,831
66
0,678
1,295
1,668
1,997
2,384
2,652
22
0,686
1,321
1,717
2,074
2,508
2,819
67
0,678
1,294
1,668
1,996
2,383
2,651
23
0,685
1,319
1,714
2,069
2,500
2,807
68
0,678
1,294
1,668
1,995
2,382
2,650
24
0,685
1,318
1,711
2,064
2,492
2,797
69
0,678
1,294
1,667
1,995
2,382
2,649
25
0,684
1,316
1,708
2,060
2,485
2,787
70
0,678
1,294
1,667
1,994
2,381
2,648
26
0,684
1,315
1,706
2,056
2,479
2,779
71
0,678
1,294
1,667
1,994
2,380
2,647
27
0,684
1,314
1,703
2,052
2,473
2,771
72
0,678
1,293
1,666
1,993
2,379
2,646
28
0,683
1,313
1,701
2,048
2,467
2,763
73
0,678
1,293
1,666
1,993
2,379
2,645
29
0,683
1,311
1,699
2,045
2,462
2,756
74
0,678
1,293
1,666
1,993
2,378
2,644
30
0,683
1,310
1,697
2,042
2,457
2,750
75
0,678
1,293
1,665
1,992
2,377
2,643
31
0,682
1,309
1,696
2,040
2,453
2,744
76
0,678
1,293
1,665
1,992
2,376
2,642
32
0,682
1,309
1,694
2,037
2,449
2,738
77
0,678
1,293
1,665
1,991
2,376
2,641
33
0,682
1,308
1,692
2,035
2,445
2,733
78
0,678
1,292
1,665
1,991
2,375
2,640
34
0,682
1,307
1,691
2,032
2,441
2,728
79
0,678
1,292
1,664
1,990
2,374
2,639
35
0,682
1,306
1,690
2,030
2,438
2,724
80
0,678
1,292
1,664
1,990
2,374
2,639
36
0,681
1,306
1,688
2,028
2,434
2,719
81
0,678
1,292
1,664
1,990
2,373
2,638
37
0,681
1,305
1,687
2,026
2,431
2,715
82
0,677
1,292
1,664
1,989
2,373
2,637
38
0,681
1,304
1,686
2,024
2,429
2,712
83
0,677
1,292
1,663
1,989
2,372
2,636
39
0,681
1,304
1,685
2,023
2,426
2,708
84
0,677
1,292
1,663
1,989
2,372
2,636
40
0,681
1,303
1,684
2,021
2,423
2,704
85
0,677
1,292
1,663
1,988
2,371
2,635
41
0,681
1,303
1,683
2,020
2,421
2,701
86
0,677
1,291
1,663
1,988
2,370
2,634
42
0,680
1,302
1,682
2,018
2,418
2,698
87
0,677
1,291
1,663
1,988
2,370
2,634
43
0,680
1,302
1,681
2,017
2,416
2,695
88
0,677
1,291
1,662
1,987
2,369
2,633
44
0,680
1,301
1,680
2,015
2,414
2,692
89
0,677
1,291
1,662
1,987
2,369
2,632
45
0,680
1,301
1,679
2,014
2,412
2,690
90
0,677
1,291
1,662
1,987
2,368
2,632
90
0,010
0,025
0,050
0,100
0,250
0,000
0,000
0,001
0,004
0,016
0,102
gr.lib 0,750
0,900
0,950
0,975
0,990
0,995
1,323
2,706
3,841
5,024
6,635
7,879
0,010
0,020
0,051
0,103
0,211
0,072
0,115
0,216
0,352
0,584
0,575
2,773
4,605
5,991
7,378
9,210
10,597
1,213
4,108
6,251
7,815
9,348
11,345 12,838
0,207
0,297
0,484
0,711
0,412
0,554
0,831
1,145
1,064
1,923
5,385
7,779
9,488
1,610
2,675
6,626
9,236
0,676
0,872
1,237
0,989
1,239
1,690
1,635
2,204
3,455
7,841
2,167
2,833
4,255
9,037
1,344
1,647
2,180
2,733
3,490
5,071
1,735
2,088
2,700
3,325
4,168
5,899
10
2,156
2,558
3,247
3,940
4,865
6,737
10
11
2,603
3,053
3,816
4,575
5,578
7,584
11
12
3,074
3,571
4,404
5,226
6,304
8,438
12
13
3,565
4,107
5,009
5,892
7,041
9,299
13
14
4,075
4,660
5,629
6,571
7,790
10,165
14
15
4,601
5,229
6,262
7,261
8,547
11,037
15
16
5,142
5,812
6,908
7,962
9,312
11,912
16
17
5,697
6,408
7,564
8,672
10,085 12,792
17
18
6,265
7,015
8,231
9,390
10,865 13,675
18
19
6,844
7,633
8,907
19
20
7,434
8,260
9,591
20
21
8,034
8,897
21
22
8,643
9,542
22
23
9,260
23
24
9,886
24
25
25
26
26
27
27
28
28
29
29
30
30
31
31
32
32
33
33
34
34
35
35
36
36
37
37
38
38
39
39
40
40
41
41
42
42
43
43
44
44
45
45
91
10
15
20
30
0,000
0,010
0,029
0,047
0,062
0,073
0,082
0,089
0,095
0,100
0,115
0,124
0,132
0,151
0,000
0,010
0,032
0,056
0,075
0,092
0,105
0,116
0,125
0,132
0,157
0,171
0,186
0,217
0,000
0,010
0,034
0,060
0,083
0,102
0,118
0,132
0,143
0,153
0,185
0,203
0,222
0,264
0,000
0,010
0,035
0,063
0,088
0,109
0,127
0,143
0,156
0,167
0,204
0,226
0,249
0,301
0,000
0,010
0,035
0,064
0,091
0,114
0,134
0,151
0,165
0,177
0,220
0,244
0,270
0,331
0,000
0,010
0,036
0,066
0,094
0,118
0,139
0,157
0,172
0,186
0,232
0,258
0,288
0,357
0,000
0,010
0,036
0,067
0,096
0,121
0,143
0,162
0,178
0,192
0,241
0,270
0,303
0,379
0,000
0,010
0,036
0,068
0,097
0,123
0,146
0,166
0,183
0,198
0,250
0,281
0,315
0,398
0,000
0,010
0,037
0,068
0,098
0,125
0,149
0,169
0,187
0,202
0,257
0,289
0,326
0,415
10
0,000
0,010
0,037
0,069
0,099
0,127
0,151
0,172
0,190
0,206
0,263
0,297
0,336
0,431
11
0,000
0,010
0,037
0,069
0,100
0,128
0,153
0,174
0,193
0,210
0,268
0,304
0,344
0,445
12
0,000
0,010
0,037
0,070
0,101
0,130
0,155
0,176
0,196
0,213
0,273
0,309
0,352
0,458
13
0,000
0,010
0,037
0,070
0,102
0,131
0,156
0,178
0,198
0,215
0,277
0,315
0,359
0,469
14
0,000
0,010
0,037
0,070
0,102
0,131
0,157
0,180
0,200
0,217
0,281
0,320
0,365
0,480
15
0,000
0,010
0,037
0,070
0,103
0,132
0,158
0,181
0,202
0,219
0,284
0,324
0,370
0,491
16
0,000
0,010
0,037
0,071
0,103
0,133
0,159
0,183
0,203
0,221
0,287
0,328
0,375
0,500
17
0,000
0,010
0,037
0,071
0,104
0,134
0,160
0,184
0,204
0,223
0,290
0,331
0,380
0,509
18
0,000
0,010
0,037
0,071
0,104
0,134
0,161
0,185
0,206
0,224
0,292
0,335
0,385
0,517
19
0,000
0,010
0,037
0,071
0,104
0,135
0,162
0,186
0,207
0,226
0,294
0,338
0,389
0,525
20
0,000
0,010
0,037
0,071
0,105
0,135
0,162
0,187
0,208
0,227
0,297
0,340
0,392
0,532
21
0,000
0,010
0,038
0,071
0,105
0,136
0,163
0,187
0,209
0,228
0,299
0,343
0,396
0,539
22
0,000
0,010
0,038
0,072
0,105
0,136
0,164
0,188
0,210
0,229
0,300
0,345
0,399
0,546
23
0,000
0,010
0,038
0,072
0,105
0,136
0,164
0,189
0,211
0,230
0,302
0,348
0,402
0,552
24
0,000
0,010
0,038
0,072
0,106
0,137
0,165
0,189
0,211
0,231
0,304
0,350
0,405
0,558
25
0,000
0,010
0,038
0,072
0,106
0,137
0,165
0,190
0,212
0,232
0,305
0,352
0,408
0,564
26
0,000
0,010
0,038
0,072
0,106
0,137
0,165
0,191
0,213
0,233
0,306
0,354
0,410
0,570
27
0,000
0,010
0,038
0,072
0,106
0,138
0,166
0,191
0,213
0,233
0,308
0,355
0,413
0,575
28
0,000
0,010
0,038
0,072
0,106
0,138
0,166
0,192
0,214
0,234
0,309
0,357
0,415
0,580
29
0,000
0,010
0,038
0,072
0,106
0,138
0,167
0,192
0,215
0,235
0,310
0,358
0,417
0,585
30
0,000
0,010
0,038
0,072
0,107
0,138
0,167
0,192
0,215
0,235
0,311
0,360
0,419
0,589
31
0,000
0,010
0,038
0,072
0,107
0,139
0,167
0,193
0,216
0,236
0,312
0,361
0,421
0,594
32
0,000
0,010
0,038
0,072
0,107
0,139
0,167
0,193
0,216
0,237
0,313
0,363
0,423
0,598
33
0,000
0,010
0,038
0,072
0,107
0,139
0,168
0,193
0,216
0,237
0,314
0,364
0,425
0,602
34
0,000
0,010
0,038
0,072
0,107
0,139
0,168
0,194
0,217
0,238
0,315
0,365
0,426
0,606
35
0,000
0,010
0,038
0,073
0,107
0,139
0,168
0,194
0,217
0,238
0,316
0,366
0,428
0,610
36
0,000
0,010
0,038
0,073
0,107
0,139
0,168
0,194
0,218
0,239
0,316
0,367
0,429
0,614
37
0,000
0,010
0,038
0,073
0,107
0,140
0,169
0,195
0,218
0,239
0,317
0,368
0,431
0,618
38
0,000
0,010
0,038
0,073
0,107
0,140
0,169
0,195
0,218
0,239
0,318
0,369
0,432
0,621
39
0,000
0,010
0,038
0,073
0,108
0,140
0,169
0,195
0,219
0,240
0,319
0,370
0,434
0,625
40
0,000
0,010
0,038
0,073
0,108
0,140
0,169
0,195
0,219
0,240
0,319
0,371
0,435
0,628
60
0,000
0,010
0,038
0,073
0,109
0,142
0,172
0,199
0,223
0,245
0,328
0,383
0,453
0,679
80
0,000
0,010
0,038
0,074
0,109
0,143
0,173
0,200
0,225
0,248
0,333
0,390
0,463
0,712
100
0,000
0,010
0,038
0,074
0,110
0,143
0,174
0,201
0,227
0,249
0,336
0,394
0,469
0,736
120
0,000
0,010
0,038
0,074
0,110
0,143
0,174
0,202
0,227
0,250
0,338
0,397
0,474
0,755
0,000
0,010
0,038
0,074
0,111
0,145
0,177
0,206
0,232
0,256
0,349
0,413
0,498
0,985
92
10
15
20
30
0,002
0,026
0,057
0,082
0,100
0,113
0,124
0,132
0,139
0,144
0,161
0,170
0,180
0,199
0,001
0,026
0,062
0,094
0,119
0,138
0,153
0,165
0,175
0,183
0,210
0,224
0,239
0,271
0,001
0,026
0,065
0,100
0,129
0,152
0,170
0,185
0,197
0,207
0,241
0,259
0,279
0,321
0,001
0,025
0,066
0,104
0,135
0,161
0,181
0,198
0,212
0,224
0,263
0,285
0,308
0,359
0,001
0,025
0,067
0,107
0,140
0,167
0,189
0,208
0,223
0,236
0,280
0,304
0,330
0,390
0,001
0,025
0,068
0,109
0,143
0,172
0,195
0,215
0,231
0,246
0,293
0,320
0,349
0,415
0,001
0,025
0,068
0,110
0,146
0,176
0,200
0,221
0,238
0,253
0,304
0,333
0,364
0,437
0,001
0,025
0,069
0,111
0,148
0,179
0,204
0,226
0,244
0,259
0,313
0,343
0,377
0,456
0,001
0,025
0,069
0,112
0,150
0,181
0,207
0,230
0,248
0,265
0,320
0,353
0,388
0,473
10
0,001
0,025
0,069
0,113
0,151
0,183
0,210
0,233
0,252
0,269
0,327
0,361
0,398
0,488
11
0,001
0,025
0,070
0,114
0,152
0,185
0,212
0,236
0,256
0,273
0,332
0,368
0,407
0,502
12
0,001
0,025
0,070
0,114
0,153
0,186
0,214
0,238
0,259
0,276
0,337
0,374
0,415
0,514
13
0,001
0,025
0,070
0,115
0,154
0,188
0,216
0,240
0,261
0,279
0,342
0,379
0,422
0,526
14
0,001
0,025
0,070
0,115
0,155
0,189
0,218
0,242
0,263
0,282
0,346
0,384
0,428
0,536
15
0,001
0,025
0,070
0,116
0,156
0,190
0,219
0,244
0,265
0,284
0,349
0,389
0,433
0,546
16
0,001
0,025
0,070
0,116
0,156
0,191
0,220
0,245
0,267
0,286
0,353
0,393
0,439
0,555
17
0,001
0,025
0,070
0,116
0,157
0,192
0,221
0,247
0,269
0,288
0,356
0,396
0,443
0,563
18
0,001
0,025
0,070
0,116
0,157
0,192
0,222
0,248
0,270
0,290
0,358
0,400
0,448
0,571
19
0,001
0,025
0,071
0,117
0,158
0,193
0,223
0,249
0,271
0,291
0,361
0,403
0,452
0,578
20
0,001
0,025
0,071
0,117
0,158
0,193
0,224
0,250
0,273
0,293
0,363
0,406
0,456
0,585
21
0,001
0,025
0,071
0,117
0,158
0,194
0,225
0,251
0,274
0,294
0,365
0,408
0,459
0,592
22
0,001
0,025
0,071
0,117
0,159
0,195
0,225
0,252
0,275
0,295
0,367
0,411
0,462
0,598
23
0,001
0,025
0,071
0,117
0,159
0,195
0,226
0,253
0,276
0,296
0,369
0,413
0,465
0,604
24
0,001
0,025
0,071
0,117
0,159
0,195
0,226
0,253
0,277
0,297
0,370
0,415
0,468
0,610
25
0,001
0,025
0,071
0,118
0,160
0,196
0,227
0,254
0,278
0,298
0,372
0,417
0,471
0,615
26
0,001
0,025
0,071
0,118
0,160
0,196
0,228
0,255
0,278
0,299
0,373
0,419
0,473
0,620
27
0,001
0,025
0,071
0,118
0,160
0,197
0,228
0,255
0,279
0,300
0,375
0,421
0,476
0,625
28
0,001
0,025
0,071
0,118
0,160
0,197
0,228
0,256
0,280
0,301
0,376
0,423
0,478
0,630
29
0,001
0,025
0,071
0,118
0,160
0,197
0,229
0,256
0,280
0,301
0,377
0,424
0,480
0,634
30
0,001
0,025
0,071
0,118
0,161
0,197
0,229
0,257
0,281
0,302
0,378
0,426
0,482
0,639
31
0,001
0,025
0,071
0,118
0,161
0,198
0,230
0,257
0,281
0,303
0,379
0,427
0,484
0,643
32
0,001
0,025
0,071
0,118
0,161
0,198
0,230
0,258
0,282
0,303
0,380
0,429
0,486
0,647
33
0,001
0,025
0,071
0,118
0,161
0,198
0,230
0,258
0,282
0,304
0,381
0,430
0,488
0,651
34
0,001
0,025
0,071
0,119
0,161
0,198
0,231
0,258
0,283
0,304
0,382
0,431
0,489
0,654
35
0,001
0,025
0,071
0,119
0,161
0,199
0,231
0,259
0,283
0,305
0,383
0,432
0,491
0,658
36
0,001
0,025
0,071
0,119
0,161
0,199
0,231
0,259
0,284
0,305
0,384
0,433
0,492
0,661
37
0,001
0,025
0,071
0,119
0,162
0,199
0,231
0,260
0,284
0,306
0,385
0,434
0,494
0,665
38
0,001
0,025
0,071
0,119
0,162
0,199
0,232
0,260
0,285
0,306
0,385
0,435
0,495
0,668
39
0,001
0,025
0,071
0,119
0,162
0,199
0,232
0,260
0,285
0,307
0,386
0,436
0,497
0,671
40
0,001
0,025
0,071
0,119
0,162
0,200
0,232
0,260
0,285
0,307
0,387
0,437
0,498
0,674
60
0,001
0,025
0,071
0,120
0,163
0,202
0,235
0,264
0,290
0,313
0,396
0,450
0,515
0,720
80
0,001
0,025
0,072
0,120
0,164
0,203
0,237
0,266
0,292
0,316
0,401
0,457
0,525
0,750
100
0,001
0,025
0,072
0,120
0,164
0,203
0,238
0,267
0,294
0,317
0,404
0,461
0,531
0,772
120
0,001
0,025
0,072
0,120
0,165
0,204
0,238
0,268
0,295
0,318
0,406
0,464
0,536
0,788
0,001
0,025
0,072
0,121
0,166
0,206
0,241
0,272
0,300
0,325
0,417
0,480
0,560
0,988
93
10
15
20
30
0,006
0,054
0,099
0,130
0,151
0,167
0,179
0,188
0,195
0,201
0,220
0,230
0,240
0,260
0,005
0,053
0,105
0,144
0,173
0,194
0,211
0,224
0,235
0,244
0,272
0,286
0,302
0,334
0,005
0,052
0,108
0,152
0,185
0,210
0,230
0,246
0,259
0,270
0,304
0,323
0,342
0,384
0,004
0,052
0,110
0,157
0,193
0,221
0,243
0,261
0,275
0,288
0,327
0,349
0,372
0,422
0,004
0,052
0,111
0,160
0,198
0,228
0,252
0,271
0,287
0,301
0,345
0,369
0,395
0,452
0,004
0,052
0,112
0,162
0,202
0,233
0,259
0,279
0,296
0,311
0,358
0,385
0,413
0,476
0,004
0,052
0,113
0,164
0,205
0,238
0,264
0,286
0,304
0,319
0,369
0,398
0,428
0,498
0,004
0,052
0,113
0,166
0,208
0,241
0,268
0,291
0,310
0,326
0,379
0,409
0,441
0,516
0,004
0,052
0,113
0,167
0,210
0,244
0,272
0,295
0,315
0,331
0,386
0,418
0,452
0,532
10
0,004
0,052
0,114
0,168
0,211
0,246
0,275
0,299
0,319
0,336
0,393
0,426
0,462
0,546
11
0,004
0,052
0,114
0,168
0,213
0,248
0,278
0,302
0,322
0,340
0,399
0,433
0,470
0,559
12
0,004
0,052
0,114
0,169
0,214
0,250
0,280
0,305
0,325
0,343
0,404
0,439
0,478
0,571
13
0,004
0,051
0,115
0,170
0,215
0,251
0,282
0,307
0,328
0,346
0,408
0,445
0,485
0,581
14
0,004
0,051
0,115
0,170
0,216
0,253
0,283
0,309
0,331
0,349
0,412
0,449
0,491
0,591
15
0,004
0,051
0,115
0,171
0,217
0,254
0,285
0,311
0,333
0,351
0,416
0,454
0,496
0,600
16
0,004
0,051
0,115
0,171
0,217
0,255
0,286
0,312
0,335
0,354
0,419
0,458
0,501
0,608
17
0,004
0,051
0,115
0,171
0,218
0,256
0,287
0,314
0,336
0,356
0,422
0,462
0,506
0,616
18
0,004
0,051
0,115
0,172
0,218
0,257
0,288
0,315
0,338
0,357
0,425
0,465
0,510
0,623
19
0,004
0,051
0,115
0,172
0,219
0,257
0,289
0,316
0,339
0,359
0,427
0,468
0,514
0,630
20
0,004
0,051
0,115
0,172
0,219
0,258
0,290
0,317
0,341
0,360
0,430
0,471
0,518
0,637
21
0,004
0,051
0,116
0,173
0,220
0,259
0,291
0,318
0,342
0,362
0,432
0,473
0,521
0,643
22
0,004
0,051
0,116
0,173
0,220
0,259
0,292
0,319
0,343
0,363
0,434
0,476
0,524
0,648
23
0,004
0,051
0,116
0,173
0,221
0,260
0,293
0,320
0,344
0,364
0,435
0,478
0,527
0,654
24
0,004
0,051
0,116
0,173
0,221
0,260
0,293
0,321
0,345
0,365
0,437
0,480
0,530
0,659
25
0,004
0,051
0,116
0,173
0,221
0,261
0,294
0,322
0,346
0,366
0,439
0,482
0,532
0,664
26
0,004
0,051
0,116
0,174
0,221
0,261
0,294
0,322
0,346
0,367
0,440
0,484
0,535
0,669
27
0,004
0,051
0,116
0,174
0,222
0,262
0,295
0,323
0,347
0,368
0,441
0,486
0,537
0,673
28
0,004
0,051
0,116
0,174
0,222
0,262
0,295
0,324
0,348
0,369
0,443
0,487
0,539
0,677
29
0,004
0,051
0,116
0,174
0,222
0,262
0,296
0,324
0,349
0,370
0,444
0,489
0,541
0,681
30
0,004
0,051
0,116
0,174
0,222
0,263
0,296
0,325
0,349
0,370
0,445
0,490
0,543
0,685
31
0,004
0,051
0,116
0,174
0,223
0,263
0,297
0,325
0,350
0,371
0,446
0,492
0,545
0,689
32
0,004
0,051
0,116
0,174
0,223
0,263
0,297
0,326
0,350
0,372
0,447
0,493
0,547
0,693
33
0,004
0,051
0,116
0,174
0,223
0,263
0,297
0,326
0,351
0,372
0,448
0,494
0,548
0,696
34
0,004
0,051
0,116
0,174
0,223
0,264
0,298
0,327
0,351
0,373
0,449
0,496
0,550
0,699
35
0,004
0,051
0,116
0,175
0,223
0,264
0,298
0,327
0,352
0,373
0,450
0,497
0,552
0,703
36
0,004
0,051
0,116
0,175
0,223
0,264
0,298
0,327
0,352
0,374
0,451
0,498
0,553
0,706
37
0,004
0,051
0,116
0,175
0,224
0,264
0,299
0,328
0,353
0,374
0,452
0,499
0,554
0,709
38
0,004
0,051
0,116
0,175
0,224
0,265
0,299
0,328
0,353
0,375
0,452
0,500
0,556
0,712
39
0,004
0,051
0,116
0,175
0,224
0,265
0,299
0,328
0,353
0,375
0,453
0,501
0,557
0,715
40
0,004
0,051
0,116
0,175
0,224
0,265
0,299
0,329
0,354
0,376
0,454
0,502
0,558
0,717
60
0,004
0,051
0,117
0,176
0,226
0,267
0,303
0,333
0,359
0,382
0,463
0,514
0,575
0,759
80
0,004
0,051
0,117
0,176
0,227
0,269
0,304
0,335
0,361
0,385
0,468
0,520
0,584
0,785
100
0,004
0,051
0,117
0,177
0,227
0,269
0,305
0,336
0,363
0,386
0,471
0,525
0,590
0,804
120
0,004
0,051
0,117
0,177
0,227
0,270
0,306
0,337
0,364
0,388
0,473
0,527
0,594
0,819
0,004
0,051
0,117
0,178
0,229
0,273
0,310
0,342
0,369
0,394
0,484
0,543
0,616
0,990
94
10
15
20
30
161,45 199,50 215,71 224,58 230,16 233,99 236,77 238,88 240,54 241,88 245,95 248,02 250,10 254,31
18,513 19,000 19,164 19,247 19,296 19,329 19,353 19,371 19,385 19,396 19,429 19,446 19,463 19,496
10,128
9,552
9,277
9,117
9,013
8,941
8,887
8,845
8,812
8,785
8,703
8,660
8,617
8,527
7,709
6,944
6,591
6,388
6,256
6,163
6,094
6,041
5,999
5,964
5,858
5,803
5,746
5,628
6,608
5,786
5,409
5,192
5,050
4,950
4,876
4,818
4,772
4,735
4,619
4,558
4,496
4,365
5,987
5,143
4,757
4,534
4,387
4,284
4,207
4,147
4,099
4,060
3,938
3,874
3,808
3,669
5,591
4,737
4,347
4,120
3,972
3,866
3,787
3,726
3,677
3,637
3,511
3,445
3,376
3,230
5,318
4,459
4,066
3,838
3,688
3,581
3,500
3,438
3,388
3,347
3,218
3,150
3,079
2,928
5,117
4,256
3,863
3,633
3,482
3,374
3,293
3,230
3,179
3,137
3,006
2,936
2,864
2,707
10
4,965
4,103
3,708
3,478
3,326
3,217
3,135
3,072
3,020
2,978
2,845
2,774
2,700
2,538
11
4,844
3,982
3,587
3,357
3,204
3,095
3,012
2,948
2,896
2,854
2,719
2,646
2,570
2,405
12
4,747
3,885
3,490
3,259
3,106
2,996
2,913
2,849
2,796
2,753
2,617
2,544
2,466
2,296
13
4,667
3,806
3,411
3,179
3,025
2,915
2,832
2,767
2,714
2,671
2,533
2,459
2,380
2,206
14
4,600
3,739
3,344
3,112
2,958
2,848
2,764
2,699
2,646
2,602
2,463
2,388
2,308
2,131
15
4,543
3,682
3,287
3,056
2,901
2,790
2,707
2,641
2,588
2,544
2,403
2,328
2,247
2,066
16
4,494
3,634
3,239
3,007
2,852
2,741
2,657
2,591
2,538
2,494
2,352
2,276
2,194
2,010
17
4,451
3,592
3,197
2,965
2,810
2,699
2,614
2,548
2,494
2,450
2,308
2,230
2,148
1,960
18
4,414
3,555
3,160
2,928
2,773
2,661
2,577
2,510
2,456
2,412
2,269
2,191
2,107
1,917
19
4,381
3,522
3,127
2,895
2,740
2,628
2,544
2,477
2,423
2,378
2,234
2,155
2,071
1,878
20
4,351
3,493
3,098
2,866
2,711
2,599
2,514
2,447
2,393
2,348
2,203
2,124
2,039
1,843
21
4,325
3,467
3,072
2,840
2,685
2,573
2,488
2,420
2,366
2,321
2,176
2,096
2,010
1,812
22
4,301
3,443
3,049
2,817
2,661
2,549
2,464
2,397
2,342
2,297
2,151
2,071
1,984
1,783
23
4,279
3,422
3,028
2,796
2,640
2,528
2,442
2,375
2,320
2,275
2,128
2,048
1,961
1,757
24
4,260
3,403
3,009
2,776
2,621
2,508
2,423
2,355
2,300
2,255
2,108
2,027
1,939
1,733
25
4,242
3,385
2,991
2,759
2,603
2,490
2,405
2,337
2,282
2,236
2,089
2,007
1,919
1,711
26
4,225
3,369
2,975
2,743
2,587
2,474
2,388
2,321
2,265
2,220
2,072
1,990
1,901
1,691
27
4,210
3,354
2,960
2,728
2,572
2,459
2,373
2,305
2,250
2,204
2,056
1,974
1,884
1,672
28
4,196
3,340
2,947
2,714
2,558
2,445
2,359
2,291
2,236
2,190
2,041
1,959
1,869
1,654
29
4,183
3,328
2,934
2,701
2,545
2,432
2,346
2,278
2,223
2,177
2,027
1,945
1,854
1,638
30
4,171
3,316
2,922
2,690
2,534
2,421
2,334
2,266
2,211
2,165
2,015
1,932
1,841
1,622
31
4,160
3,305
2,911
2,679
2,523
2,409
2,323
2,255
2,199
2,153
2,003
1,920
1,828
1,608
32
4,149
3,295
2,901
2,668
2,512
2,399
2,313
2,244
2,189
2,142
1,992
1,908
1,817
1,594
33
4,139
3,285
2,892
2,659
2,503
2,389
2,303
2,235
2,179
2,133
1,982
1,898
1,806
1,582
34
4,130
3,276
2,883
2,650
2,494
2,380
2,294
2,225
2,170
2,123
1,972
1,888
1,795
1,569
35
4,121
3,267
2,874
2,641
2,485
2,372
2,285
2,217
2,161
2,114
1,963
1,878
1,786
1,558
36
4,113
3,259
2,866
2,634
2,477
2,364
2,277
2,209
2,153
2,106
1,954
1,870
1,776
1,547
37
4,105
3,252
2,859
2,626
2,470
2,356
2,270
2,201
2,145
2,098
1,946
1,861
1,768
1,537
38
4,098
3,245
2,852
2,619
2,463
2,349
2,262
2,194
2,138
2,091
1,939
1,853
1,760
1,527
39
4,091
3,238
2,845
2,612
2,456
2,342
2,255
2,187
2,131
2,084
1,931
1,846
1,752
1,518
40
4,085
3,232
2,839
2,606
2,449
2,336
2,249
2,180
2,124
2,077
1,924
1,839
1,744
1,509
60
4,001
3,150
2,758
2,525
2,368
2,254
2,167
2,097
2,040
1,993
1,836
1,748
1,649
1,389
80
3,960
3,111
2,719
2,486
2,329
2,214
2,126
2,056
1,999
1,951
1,793
1,703
1,602
1,325
100
3,936
3,087
2,696
2,463
2,305
2,191
2,103
2,032
1,975
1,927
1,768
1,676
1,573
1,283
120
3,920
3,072
2,680
2,447
2,290
2,175
2,087
2,016
1,959
1,910
1,750
1,659
1,554
1,254
3,842
2,996
2,605
2,372
2,214
2,099
2,010
1,939
1,880
1,831
1,666
1,571
1,459
1,001
95
8
1
2
3
4
5
6
7
9
10
15
20
30
647,79 799,48 864,15 899,60 921,83 937,11 948,20 956,64 963,28 968,63 984,87 993,08 1001,40 1018,26
38,506 39,000 39,166 39,248 39,298 39,331 39,356 39,373 39,387 39,398 39,431 39,448 39,465 39,498
17,443 16,044 15,439 15,101 14,885 14,735 14,624 14,540 14,473 14,419 14,253 14,167 14,081 13,902
12,218 10,649
9,979
9,604
9,364
9,197
9,074
8,980
8,905
8,844
8,657
8,560
8,461
8,257
10,007
8,434
7,764
7,388
7,146
6,978
6,853
6,757
6,681
6,619
6,428
6,329
6,227
6,015
8,813
7,260
6,599
6,227
5,988
5,820
5,695
5,600
5,523
5,461
5,269
5,168
5,065
4,849
8,073
6,542
5,890
5,523
5,285
5,119
4,995
4,899
4,823
4,761
4,568
4,467
4,362
4,142
7,571
6,059
5,416
5,053
4,817
4,652
4,529
4,433
4,357
4,295
4,101
3,999
3,894
3,670
7,209
5,715
5,078
4,718
4,484
4,320
4,197
4,102
4,026
3,964
3,769
3,667
3,560
3,333
10
6,937
5,456
4,826
4,468
4,236
4,072
3,950
3,855
3,779
3,717
3,522
3,419
3,311
3,080
11
6,724
5,256
4,630
4,275
4,044
3,881
3,759
3,664
3,588
3,526
3,330
3,226
3,118
2,883
12
6,554
5,096
4,474
4,121
3,891
3,728
3,607
3,512
3,436
3,374
3,177
3,073
2,963
2,725
13
6,414
4,965
4,347
3,996
3,767
3,604
3,483
3,388
3,312
3,250
3,053
2,948
2,837
2,596
14
6,298
4,857
4,242
3,892
3,663
3,501
3,380
3,285
3,209
3,147
2,949
2,844
2,732
2,487
15
6,200
4,765
4,153
3,804
3,576
3,415
3,293
3,199
3,123
3,060
2,862
2,756
2,644
2,395
16
6,115
4,687
4,077
3,729
3,502
3,341
3,219
3,125
3,049
2,986
2,788
2,681
2,568
2,316
17
6,042
4,619
4,011
3,665
3,438
3,277
3,156
3,061
2,985
2,922
2,723
2,616
2,502
2,248
18
5,978
4,560
3,954
3,608
3,382
3,221
3,100
3,005
2,929
2,866
2,667
2,559
2,445
2,187
19
5,922
4,508
3,903
3,559
3,333
3,172
3,051
2,956
2,880
2,817
2,617
2,509
2,394
2,133
20
5,871
4,461
3,859
3,515
3,289
3,128
3,007
2,913
2,837
2,774
2,573
2,464
2,349
2,085
21
5,827
4,420
3,819
3,475
3,250
3,090
2,969
2,874
2,798
2,735
2,534
2,425
2,308
2,042
22
5,786
4,383
3,783
3,440
3,215
3,055
2,934
2,839
2,763
2,700
2,498
2,389
2,272
2,003
23
5,750
4,349
3,750
3,408
3,183
3,023
2,902
2,808
2,731
2,668
2,466
2,357
2,239
1,968
24
5,717
4,319
3,721
3,379
3,155
2,995
2,874
2,779
2,703
2,640
2,437
2,327
2,209
1,935
25
5,686
4,291
3,694
3,353
3,129
2,969
2,848
2,753
2,677
2,613
2,411
2,300
2,182
1,906
26
5,659
4,265
3,670
3,329
3,105
2,945
2,824
2,729
2,653
2,590
2,387
2,276
2,157
1,878
27
5,633
4,242
3,647
3,307
3,083
2,923
2,802
2,707
2,631
2,568
2,364
2,253
2,133
1,853
28
5,610
4,221
3,626
3,286
3,063
2,903
2,782
2,687
2,611
2,547
2,344
2,232
2,112
1,829
29
5,588
4,201
3,607
3,267
3,044
2,884
2,763
2,669
2,592
2,529
2,325
2,213
2,092
1,807
30
5,568
4,182
3,589
3,250
3,026
2,867
2,746
2,651
2,575
2,511
2,307
2,195
2,074
1,787
31
5,549
4,165
3,573
3,234
3,010
2,851
2,730
2,635
2,558
2,495
2,291
2,178
2,057
1,768
32
5,531
4,149
3,557
3,218
2,995
2,836
2,715
2,620
2,543
2,480
2,275
2,163
2,041
1,750
33
5,515
4,134
3,543
3,204
2,981
2,822
2,701
2,606
2,529
2,466
2,261
2,148
2,026
1,733
34
5,499
4,120
3,529
3,191
2,968
2,808
2,688
2,593
2,516
2,453
2,248
2,135
2,012
1,717
35
5,485
4,106
3,517
3,179
2,956
2,796
2,676
2,581
2,504
2,440
2,235
2,122
1,999
1,702
36
5,471
4,094
3,505
3,167
2,944
2,785
2,664
2,569
2,492
2,429
2,223
2,110
1,986
1,687
37
5,458
4,082
3,493
3,156
2,933
2,774
2,653
2,558
2,481
2,418
2,212
2,098
1,974
1,674
38
5,446
4,071
3,483
3,145
2,923
2,763
2,643
2,548
2,471
2,407
2,201
2,088
1,963
1,661
39
5,435
4,061
3,473
3,135
2,913
2,754
2,633
2,538
2,461
2,397
2,191
2,077
1,953
1,649
40
5,424
4,051
3,463
3,126
2,904
2,744
2,624
2,529
2,452
2,388
2,182
2,068
1,943
1,637
60
5,286
3,925
3,343
3,008
2,786
2,627
2,507
2,412
2,334
2,270
2,061
1,944
1,815
1,482
80
5,218
3,864
3,284
2,950
2,730
2,571
2,450
2,355
2,277
2,213
2,003
1,884
1,752
1,400
100
5,179
3,828
3,250
2,917
2,696
2,537
2,417
2,321
2,244
2,179
1,968
1,849
1,715
1,347
120
5,152
3,805
3,227
2,894
2,674
2,515
2,395
2,299
2,222
2,157
1,945
1,825
1,690
1,311
5,024
3,689
3,116
2,786
2,567
2,408
2,288
2,192
2,114
2,048
1,833
1,709
1,566
1,012
96
10
15
20
30
4052,2 4999,3 5403,5 5624,3 5764,0 5859,0 5928,3 5981,0 6022,4 6055,9 6157,0 6208,7 6260,4 6365,6
98,502 99,000 99,164 99,251 99,302 99,331 99,357 99,375 99,390 99,397 99,433 99,448 99,466 99,499
34,116 30,816 29,457 28,710 28,237 27,911 27,671 27,489 27,345 27,228 26,872 26,690 26,504 26,125
21,198 18,000 16,694 15,977 15,522 15,207 14,976 14,799 14,659 14,546 14,198 14,019 13,838 13,463
16,258 13,274 12,060 11,392 10,967 10,672 10,456 10,289 10,158 10,051
9,722
9,553
9,379
9,021
13,745 10,925
9,780
9,148
8,746
8,466
8,260
8,102
7,976
7,874
7,559
7,396
7,229
6,880
12,246
9,547
8,451
7,847
7,460
7,191
6,993
6,840
6,719
6,620
6,314
6,155
5,992
5,650
11,259
8,649
7,591
7,006
6,632
6,371
6,178
6,029
5,911
5,814
5,515
5,359
5,198
4,859
10,562
8,022
6,992
6,422
6,057
5,802
5,613
5,467
5,351
5,257
4,962
4,808
4,649
4,311
10
10,044
7,559
6,552
5,994
5,636
5,386
5,200
5,057
4,942
4,849
4,558
4,405
4,247
3,909
11
9,646
7,206
6,217
5,668
5,316
5,069
4,886
4,744
4,632
4,539
4,251
4,099
3,941
3,603
12
9,330
6,927
5,953
5,412
5,064
4,821
4,640
4,499
4,388
4,296
4,010
3,858
3,701
3,361
13
9,074
6,701
5,739
5,205
4,862
4,620
4,441
4,302
4,191
4,100
3,815
3,665
3,507
3,165
14
8,862
6,515
5,564
5,035
4,695
4,456
4,278
4,140
4,030
3,939
3,656
3,505
3,348
3,004
15
8,683
6,359
5,417
4,893
4,556
4,318
4,142
4,004
3,895
3,805
3,522
3,372
3,214
2,869
16
8,531
6,226
5,292
4,773
4,437
4,202
4,026
3,890
3,780
3,691
3,409
3,259
3,101
2,753
17
8,400
6,112
5,185
4,669
4,336
4,101
3,927
3,791
3,682
3,593
3,312
3,162
3,003
2,653
18
8,285
6,013
5,092
4,579
4,248
4,015
3,841
3,705
3,597
3,508
3,227
3,077
2,919
2,566
19
8,185
5,926
5,010
4,500
4,171
3,939
3,765
3,631
3,523
3,434
3,153
3,003
2,844
2,489
20
8,096
5,849
4,938
4,431
4,103
3,871
3,699
3,564
3,457
3,368
3,088
2,938
2,778
2,421
21
8,017
5,780
4,874
4,369
4,042
3,812
3,640
3,506
3,398
3,310
3,030
2,880
2,720
2,360
22
7,945
5,719
4,817
4,313
3,988
3,758
3,587
3,453
3,346
3,258
2,978
2,827
2,667
2,306
23
7,881
5,664
4,765
4,264
3,939
3,710
3,539
3,406
3,299
3,211
2,931
2,780
2,620
2,256
24
7,823
5,614
4,718
4,218
3,895
3,667
3,496
3,363
3,256
3,168
2,889
2,738
2,577
2,211
25
7,770
5,568
4,675
4,177
3,855
3,627
3,457
3,324
3,217
3,129
2,850
2,699
2,538
2,170
26
7,721
5,526
4,637
4,140
3,818
3,591
3,421
3,288
3,182
3,094
2,815
2,664
2,503
2,132
27
7,677
5,488
4,601
4,106
3,785
3,558
3,388
3,256
3,149
3,062
2,783
2,632
2,470
2,097
28
7,636
5,453
4,568
4,074
3,754
3,528
3,358
3,226
3,120
3,032
2,753
2,602
2,440
2,064
29
7,598
5,420
4,538
4,045
3,725
3,499
3,330
3,198
3,092
3,005
2,726
2,574
2,412
2,034
30
7,562
5,390
4,510
4,018
3,699
3,473
3,305
3,173
3,067
2,979
2,700
2,549
2,386
2,006
31
7,530
5,362
4,484
3,993
3,675
3,449
3,281
3,149
3,043
2,955
2,677
2,525
2,362
1,980
32
7,499
5,336
4,459
3,969
3,652
3,427
3,258
3,127
3,021
2,934
2,655
2,503
2,340
1,956
33
7,471
5,312
4,437
3,948
3,630
3,406
3,238
3,106
3,000
2,913
2,634
2,482
2,319
1,933
34
7,444
5,289
4,416
3,927
3,611
3,386
3,218
3,087
2,981
2,894
2,615
2,463
2,299
1,911
35
7,419
5,268
4,396
3,908
3,592
3,368
3,200
3,069
2,963
2,876
2,597
2,445
2,281
1,891
36
7,396
5,248
4,377
3,890
3,574
3,351
3,183
3,052
2,946
2,859
2,580
2,428
2,263
1,872
37
7,374
5,229
4,360
3,873
3,558
3,334
3,167
3,036
2,930
2,843
2,564
2,412
2,247
1,854
38
7,353
5,211
4,343
3,858
3,542
3,319
3,152
3,021
2,915
2,828
2,549
2,397
2,232
1,837
39
7,333
5,194
4,327
3,843
3,528
3,305
3,137
3,006
2,901
2,814
2,535
2,382
2,217
1,820
40
7,314
5,178
4,313
3,828
3,514
3,291
3,124
2,993
2,888
2,801
2,522
2,369
2,203
1,805
60
7,077
4,977
4,126
3,649
3,339
3,119
2,953
2,823
2,718
2,632
2,352
2,198
2,028
1,601
80
6,963
4,881
4,036
3,563
3,255
3,036
2,871
2,742
2,637
2,551
2,271
2,115
1,944
1,494
100
6,895
4,824
3,984
3,513
3,206
2,988
2,823
2,694
2,590
2,503
2,223
2,067
1,893
1,427
120
6,851
4,787
3,949
3,480
3,174
2,956
2,792
2,663
2,559
2,472
2,191
2,035
1,860
1,381
6,635
4,605
3,782
3,319
3,017
2,802
2,640
2,511
2,408
2,321
2,039
1,878
1,697
1,001
Interpretacin: Para
A. Caro v.06
FORMULARIO DE PROBABILIDADES
n Pn
= n ! = 1i2i3i4i....i(n 1)in
P( A / B) =
n Cr
n
n!
ni(n 1)i(n 2)i...i(n r + 1)
= =
=
1i2i3i...i(r 1)ir
r (n r )!r !
P( A B)
P( B)
P ( A / Bi ) P ( Bi )
P( A / B1 ) P ( B1 ) + P ( A / B2 ) P ( B2 ) + ... + P ( A / Bk ) P ( Bk )
F(xo) = P(X xo )
2=V(X)= (xi-)2p(xi) =xi2p(xi) 2
=E(X)= xip(xi)
CV =
n k
nk
P(X=k)= p (1 p ) ,
k
r N r
k n k
P(X=k)=
N
n
E(X)= = np
k=0, 1, 2,, n
, k=0,1,2,3,,r E(X)= = np
2
V(X) = =
1 X
Z=
X N ( ; 2 )
X N (;
2
n
Z=
V(X)=2= np(1-p)
np (1 p )( N n)
N 1
1
f ( x) =
e 2
2
E(X) =;
(X ) n
V(X)=2
ZN(0,1)
97
FORMULARIO DE INFERENCIA
( Z (1 / 2) )
( n 1) S 2
2
(1 / 2; n 1)
( n 1) S 2
a 2
( / 2; n 1)
t(1 / 2;n 1) S
n
Z=
(X ) n
t=
N (0; 1)
p (1 p )
n
p Z (1 / 2)
( X ) n
t (n 1)
S
Z=
(p )
(1 )
N (0; 1)
2 =
Z=
(n 1) S
02
2 (n 1)
( X 1 X 2 ) ( 1 2 )
2
1
n1
t=
2
2
n2
Z=
( X1 X 2 )
12
n1
( X 1 X 2 ) ( 1 2 )
SP
t=
1 1
+
n1 n2
22
N (0; 1)
n2
( X1 X 2 )
SP
1 1
+
n1 n2
t (n1 + n2 2)
( D 0 ) n ( D) n
=
t (n 1)
SD
SD
( p1 p2 ) ( 1 2 )
( p1 p2 )
=
N (0; 1)
1 1
1 1
pq +
pq +
n1 n2
n1 n2
S 2 / 12
S 12
F = 12
=
F ( n1 1; n 2 1 )
S 2 / 22
S 22
1
F =
F (( n 1); ( K 1)( n 1))
10
Siendo
Siendo
p=
SP =
n1 p1 + n2 p2
n1 + n2
; q = 1 p
98