DEPARTAMENTO DE EDUCACIN MATEMATICA

PROFESOR : SERGIO LEIF TORRES BALCHEN

 1. INTRODUCCIN.

La inferencia estadstica se ocupa de los procedimientos que a partir de las

frecuencias observadas de una variable, infieren el modelo probabilstico que ha
generado los datos.

Los procedimientos de inferencia estadstica se pueden clasificar de acuerdo al

objetivo del estudio, a los mtodos que utilizan y a la informacin que consideran

i) Respecto al Objeto de estudio: Muestreo frente a diseo

Si el objetivo es describir una variable o las relaciones entre un conjunto de

variables, se utilizan tcnicas de muestreo, que consisten en observar una
muestra representativa de la poblacin o poblaciones de inters

Si el objetivo es contrastar relaciones entre las variables y predecir sus valores

futuros, se utilizan tcnicas de diseo experimental, que consisten en fijar los
valores de ciertas variables y medir las respuestas que inducen en otras.

ii) Respecto al mtodo utilizado: Mtodos paramtricos frente a no paramtricos.

Los mtodos paramtricos suponen que los datos provienen de una distribucin
que puede caracterizarse por un pequeo nmero de parmetros que se estiman
a partir de los datos. Para ello suponen que la forma de la distribucin es conocida
(Normal, Poisson, etc.) y, deducen procedimientos ptimos para estimar sus
parmetros

Los mtodos no paramtricos suponen aspectos muy generales de la

distribucin (que es continua, simtrica, etc.) y tratan de estimar su forma o
contrastar su estructura. Dentro del enfoque paramtrico estos mtodos se utilizan
para contrastar hiptesis sobre la forma de la distribucin.

iii) Respecto a la informacin considera: El enfoque clsico frente al bayesiano

El enfoque clsico supone que los parmetros son cantidades fijas y

desconocidas sobre los que se dispone de informacin inicial relevante. Por lo
tanto, la inferencia utiliza nicamente la informacin de los datos muestrales.

El enfoque bayesiano considera a los parmetros como variables aleatorias y

permite introducir informacin inicial sobre sus valores mediante una distribucin
de probabilidad que se denomina distribucin a priori

La diferencia prctica entre ambos procedimientos cuando se disponen de

muestras grandes es muy escasa, ya que la informacin de la muestra ser

2
siempre la determinante. En muestras pequeas, pueden conducir a resultados
distintos.

El mtodo ms comn de inferencia es seleccionar la forma de la distribucin

inicial a la vista de los datos y luego aplicar un enfoque paramtrico (clsico o
bayesiano) para estimar sus parmetros eficientemente.

2. POBLACIN Y MUESTRA.

En cualquier curso bsico de probabilidad se estudia la teora de Probabilidades

desde el prisma de la axiomtica de Kolmogorov, y dentro de ella, algunos
modelos tericos de variables aleatorias que pueden describir algunas
caractersticas de la poblacin bajo estudio. En la prctica la situacin no estn
sencilla, pues en muchos casos no es posible estudiar la totalidad de la poblacin.

El objetivo de la inferencia estadstica es extraer conclusiones referentes a las

caractersticas de la poblacin estudiada a partir de una muestra.

El conjunto de todos los posibles resultados de un fenmeno, o experimento

aleatorio, recibe el nombre de poblacin, denominndose elemento a cada uno
de sus componentes, pudiendo ser su nmero finito, o en teora, infinito.

Una poblacin puede, tambin, considerarse como un conjunto de elementos con

una o ms caractersticas comunes.

La poblacin se caracteriza probabilsticamente mediante variables aleatorias y

stas por sus campos de variacin y distribucin de probabilidad, que especifican
el comportamiento aleatorio de la poblacin.

P X f(x,




)

La manera en que los objetos se transforman mediante la variable aleatoria X

pueden definirse por un modelo probabilstico, que se llama distribucin
poblacional.

Una muestra es un subconjunto de una poblacin. Si el nmero de elementos del

subconjunto (muestra) es n diremos que la muestra es de tamao n.

3
Tambin cabe definir una muestra como la observacin de n elementos de una
poblacin, o como el resultado de repetir n veces un experimento aleatorio.

La muestra genrica se denota por X ( n ) , y al referirse a sus elementos por

(x1,...,x n) si es de tamao n , donde x i es un elemento que corresponde a la i-
sima observacin.

El conjunto de todas las muestras de tamao n de una poblacin, se llama

espacio de muestras,

Una muestra concreta puede ser la realizacin de un experimento aleatorio,

consistente en la seleccin de una muestra entre todas las posibles. Por lo que
cabe considerar a la muestra genrica X ( n ) como un variable aleatoria n
dimensional, cuya distribucin de probabilidad depende de la distribucin de
probabilidad ( f(x) ) de la variable aleatoria ( X ) poblacional, del procedimiento de
seleccin y del tamao de la muestra ( n ).

La finalidad de seleccionar una muestra es la representacin a escala de la

poblacin, por lo que el procedimiento seguido para obtener la muestra debe
garantizar esta representacin perfecta

Suponga que en el curso hay 70% de damas y 30% de varones. Para que una
muestra sea exactamente representativa debe contener damas y varones en la
misma proporcin que en la poblacin. En la mayora de los casos esto no ocurre,
apartndose el resultado muestral de la situacin ideal deseada (por ejemplo la
muestra obtenida puede estar constituida por 64% de damas y 36% de varones),
atribuyndose las desviaciones al proceso de seleccin de la muestra,
desviaciones que no invalidan los resultados del proceso inferencial siempre que
las diferencias no sean sistemticas y tengan orgenes debido al azar.

3. TIPOS DE MUESTRAS

El procedimiento usado para la obtencin de cada uno de los elementos

muestrales puede ser aleatorio o no, lo que implica que la seleccin de la muestra
sea probabilstica o no.

Cuando la seleccin se realiza al azar se garantiza la necesaria

representatividad de la muestra, es decir, los elementos son seleccionados de la
manera ms objetiva posible. En este caso se dice que el muestreo es
probabilstico.

4
El procedimiento probabilstico permite, como estudiaremos en unidades
venideras, conocer, en trminos probabilsticos, el error que se comete al utilizar la
muestra como relejo de la poblacin.

En las muestras no aleatorias, el investigador selecciona, con criterios no

aleatorios, los elementos que va a estudiar. Este procedimiento impide medir
posibles errores que pueden cometerse en el anlisis que se est realizando.

con reemplazo
muestreo probabilstico
sin reemplazo
El muestreo se realiza con reemplazo cuando una vez extrado un elemento, y
hechas sobre l las observaciones debidas, se devuelve a la poblacin, luego esta
no es modificada en su composicin y el elemento puede ser extrado
nuevamente. La probabilidad de seleccin cada elemento es la misma para todos
ellos.

El muestreo es sin reemplazo cuando el elemento elegido se excluye de la

poblacin y, por consiguiente, esta se modifica de tal manera que la probabilidad
de extraccin de un elemento depende de cuntos y cules hayan sido
seleccionados con anterioridad.

El muestreo con reemplazo conduce a que los elementos de la muestra sean

probabilsticamente independientes, mientras que en el muestreo sin reemplazo
no lo son.

En todo el estudio que realizaremos en este curso las muestras sern aleatorias
con reemplazo, denominndolas muestras aleatorias simples (m.a.s.).

Ejemplo.
Se tienen 100 fichas, de las cuales 20 estn numeradas con el 1, 30 con el 2 y 50
con el 3. Se seleccionan muestras aleatorias simples de tamao 2. El espacio de
muestras , es:

3 (1,3) (2,3) (3,3)

2 (1,2) (2,2) (3,2)

1 (1,1) (2,1) (3,1)

5
 1 2 3

La muestra (1,3), por ejemplo, est formada por la ficha con el nmero 1 y otra con
el 3.

Las probabilidades que tienen para ser seleccionadas estas muestras son:

3 0.10 0.15 0.25

2 0.06 0.09 0.15

1 0.04 0.06 0.10

1 2 3

El clculo de probabilidades se ha realizado de la siguiente manera, por ejemplo,

para la muestra (1,3)

P (1,3) = P ( (ficha 1) (ficha 3) ) = P ( 1 3)

Como la muestra es aleatoria simple, sus elementos son independientes y la

probabilidad de su interseccin es igual al producto de las probabilidades,
quedando,

P (1,3) = P(1) P ( 3) = 0,2 0,5 = 0,10

La probabilidad de seleccionar una muestra con un 1 y un 3, sin importar el orden

de seleccin se calcula de la siguiente manera. Esta combinacin de valores de la
variable puede provenir de la muestra (1 , 3) o de la muestra (3 , 1), por lo tanto,

P ( muestra con un 1 y un 3 ) = P ( muestra (1 , 3) muestra (3 , 1) )

= P ( muestra (1 , 3) ) + P ( muestra (3 , 1) )
= 0,1 + 0,1 = 0,2

ya que la dos muestras son sucesos mutuamente excluyentes

En el ejemplo anterior se obtuvieron la muestras con reemplazo. Cuando el

muestreo es sin reemplazo en el clculo de la probabilidad de seleccionar una
determinada muestra se aplica el Teorema de la Multiplicacin lo que implica que
los elementos muestrales no son independientes

6
Ejemplo.
Del ejemplo anterior se seleccionan dos fichas sin reemplazo. Las probabilidades
de seleccin de cada una de las muestras es:

20 50 30 50 50 49
3 100 99 100 99 100 99

20 30 30 29 50 30
2
100 99 100 99 100 99

20 19 30 20 50 20
1
100 99 100 99 100 99

1 2 3
O equivalentemente

3 0,1010 0,1515 0,2475

2 0,0606 0,0879 0,1515

1 0,0384 0,0606 0,1010

1 2 3

Se aprecia, con claridad, que los valores de las probabilidades para cada clase de
muestreo difieren de un tipo de muestra a otro.

Una muestra aleatoria es una muestra seleccionada de una poblacin, de

manera que todo elemento de la poblacin tenga la misma probabilidad de
seleccin y que las unidades diferentes se seleccionen independientemente.

Una poblacin se estudia de acuerdo a la variable aleatoria X, con f (x) la funcin

de cuanta o de densidad poblacional, la funcin de probabilidad conjunta de una
muestra aleatoria de tamao n , es:
n

f (x 1, x 2, ....., x n ) = f (x 1) f (x 2) .. f (x n) =
i 1
f (xi )

donde f (x I ) es el valor de la cuanta o densidad poblacional en x i

7
Cada observacin est actuando como una variable aleatoria independiente que
sigue la distribucin poblacional.

Ejemplo.
Se selecciona una muestra aleatoria de tamao n de una poblacin de Poisson,
determine la funcin de probabilidad conjunta de la muestra aleatoria

Solucin.
e x
La funcin de cuanta de la poblacin de Poisson es f ( x ) cuando
x!
x = 1, 2, 3. ...........

Considerando que:
f ( x 1 , x 2 , ..... , x n ) = f ( x 1 ) f ( x 2 ) ........f ( x n )

e
x x x
e 1 2
e n

................
x1 ! x 2! x n!

xi
e n i 1

x !
i 1
i

Definicin.
Si X 1 , X 2 , X 3 , ......, X n son variables aleatorias independientes cada una de ellas
con la misma funcin de probabilidad f( x, ), entonces se dice que estas variables
aleatorias independientes constituyen una muestra aleatoria de tamao n de la
poblacin cuya funcin de probabilidad es f( x , ).

4. ESTADISTICAS.

Definicin.

8
Una estadstica T es una funcin de la muestra aleatoria X ( n ) observada, que
no contiene algn parmetro poblacional.

Ejemplo.
Si X ( n ) es una muestra aleatoria seleccionada de una poblacin cuya funcin
de probabilidad es f ( x , ), entonces:

i) son estadsticas:
n

a)
X
i 1
i

X
n
b)
1
2
min X 1 , X 2 ,... , X n max X 1 , X 2 ,....., X n
c) X 1 log X 24

ii) no son estadsticas

a) X

b) max X 1 , X 2 ,...., X n
4
3

Definicin.
Sea X ( n ) muestra aleatoria de una poblacin cuya funcin de probabilidad es
f ( x , ). Entonces, se define:

i) la media aritmtica muestral, como:

n

X
i 1
i

X
n

ii) la cuasivarianza muestral o varianza muestral corregida, como:

X
n
2
i X
i 1
S2(x)
n 1

iii) la varianza muestral, como:

X
n
2
i X
S (x) =
2
i 1

9
Observacin.
i) En general se denota una estadstica por: T u X (n)
ii) Dado que las estadsticas son funciones de una muestra aleatoria, a su
vez son variables aleatorias. Luego es posible, en algunos casos,
encontrar las distribuciones de las estadsticas.
iii) Un valor especfico de una estadstica t u x ( n ) puede
determinarse cuando se conoce la realizacin x ( n ) de X ( n ) .
iv) Si se usa una estadstica T para estimar al parmetro , entonces T
recibe el nombre de estimador de , y el valor especfico t de T se
llama estimacin de .
v) Una estadstica es sustancialmente diferente a un parmetro, este es
una constante y una estadstica es una variable aleatoria.

5. Distribucin de la Media Aritmtica Muestral

Teorema. Se selecciona una muestra aleatoria de una poblacin que tiene a y 2

por media y varianza poblacional respectivamente. Entonces:

n
i) E X i n
i 1
n
ii ) Var X i n 2
i1
Demostracin :

X i E X i n
n n n
i) E
i1 i 1 i1

n
Var X i Var X i ; las variables aleatorias son independie ntes
n
ii)
i 1 i1
n
2 n2
i 1

Teorema. Se selecciona una muestra aleatoria de una poblacin normal de

parmetros y 2 . Entonces:
n

X i
N n ,n 2
i1

Demostracin. Ver Canavos pg. 223 (Teorema 7.2)

10
Teorema. Se selecciona una muestra aleatoria de una poblacin que tiene a y 2
por media y varianza poblacional respectivamente. Si X es la media aritmtica
muestral, entonces:

E x y Var x
2
n

Demostracin.
n
n

Xi Xi
1 E
n

E x E i 1

n
i 1

n n

Xi

i 1


1
n
n

n

Xi


n
1
Var x Var
i 1
2
Var
Xi

n n i 1




1
2
n 2
n n

Teorema. Se selecciona una muestra aleatoria de una poblacin normal de

parmetros y 2 . Entonces:
2
X N ,
n

Demostracin. Ver Canavos pg. 225 ( Teorema 7.3 )

Teorema. Teorema Central del Lmite

Si X es la media de una muestra aleatoria de tamao n que se selecciona de
una poblacin con media y varianza 2, entonces la variable aleatoria

X X X
Z n
2 N ( 0 , 1 ) si n
n n

Observacin.
i) El teorema central del lmite se usa cuando n 30, sin importar la
distribucin de la poblacin.

11
 ii) Si n < 30, la distribucin de la media aritmtica muestral sigue una
distribucin normal, si se sabe que la distribucin poblacional es normal.

Ejemplo.
Dada la poblacin uniforme discreta, cuya funcin de cuanta es:

1
si X 0, 1, 2, 3, 4
f ( x) 5
0 T .O. P.
Encuentre la probabilidad de que una muestra aleatoria de tamao 36, la madia
muestral sea mayor que 1.4 pero menor que 1.8.

Solucin.
La media y varianza poblacional son:

1 1 1 1 1 10
0
1 2 3 4 2
5 5 5 5 5 5
1 1 1 1 1
2 (0 2)2 (1 2 ) 2 (2 2)2 (3 2)2 ( 4 2) 2
5 5 5 5 5

4 1 1 4 10
0 2
5 5 5 5 5

De acuerdo al Teorema Central del Lmite, la variable aleatoria

X 2 X 2
Z 36 6 N(0;1)
2 2

1.4

P 1.4 X 1.8
P

2
2
6 Z
1.8 2
2
6


P ( 2.55 Z 0.85 ) ( 0.85 ) ( 2.55 )
0.1977 0.0054 0.1923

Si se seleccionan al azar muestras independientes de tamaos n 1 y n 2 de dos

poblaciones, con medias 1 y 2 y varianzas poblacionales 12 y 22
respectivamente, entonces diferencia de medias aritmticas muestrales

X 1 X 2 tiene por valor esperado

E X1 X2 E X1 E
X2 1 2
y por varianza

12
 Var X1 X2 Var X1
Var X2
12
n1
2
2
n2

Teorema. Bajo las condiciones anteriores, la variable aleatoria

Z
X1 X2 1 2
12 2 N(0,1)
2
n1 n2

si n 1 y n 2

Observacin.
i) La aproximacin normal es muy buena si n 1 y n 2 son mayores o iguales
a 30
ii) Si ambas poblaciones son normales, entonces x 1 x 2 sigue una
distribucin normal sin importar los valores que tengan n 1 y n 2 .

Ejemplo.
Se selecciona una muestra aleatoria de tamao 25 de una poblacin normal que
tiene 1 = 80 y 1 = 5. De una segunda poblacin normal, independiente de la
primera, con 2 = 75 y 2 = 3, se selecciona una nuestra aleatoria de tamao 36.
Calcule la probabilidad de que x 1 exceda a x 2 por a lo ms 6.5.

Solucin
Poblacin 1 : N ( 80, 25 )
Poblacin 2 : N ( 75, 9 )

x1 x 2 : x 1 excede a x 2

25 9 5
( x1 x2) N ( 80 75 , ) N ( 5, )
25 36 4

Z
x1 x 2 5
5 N ( 0 , 1)
4

13


P x 1 x 2 6 .5 P Z

6 . 5 5 P ( Z 1,34 ) 0,9099

5

4

( n 1) S 2
6. DISTRIBUCIN MUESTRAL DE
2

Algunos recuerdos.
Si X (n), entonces E ( X ) = n , 2 ( X ) = 2 n y
2

n
M( t ) ( 1 2 t ) 2

X
Si X N ( , 2 ) y Z N ( 0 , 1 ) , entonces

2
X
Z2

2(1)

Sean X e Y variables aleatorias independientes, tales que X

2
( a) e
Y ( b), entonces X + Y
2 2
( a + b)

Se selecciona una muestra aleatoria de tamao n de un poblacin normal de

parmetros y 2. Sabemos que la cuasivarianza es:

X
n
2
i X
i 1
S2
n 1

X
n
2
( n 1) S 2 i X
i 1

Consideremos:

X X
2

X X
n n n
2 2
i i X X i X
i 1 i 1 i 1

X X
n n n
2 Xi X
2 2
i X X
i1 i1 i1

14
 X X
n n
2 2
i X 2 X i X n X
i1 i1

X
n
2 2
i X 2 X 0 n X
i1

X
n
2 2
i X n X
i1

Dividiendo por la varianza poblaciona l 2 , se tiene

X X
n n
2 2
X
i1
i

i1
i

n X 2

2 2 2

2 2
n
Xi ( n 1) S 2 X

i 1

2


n

Xi
Como la poblacin es normal, entonces X i N ( , 2 ) N(0,1)

2 2
X
n
Xi
i


2
(1 )
i 1



2
(n )

Por otro lado

2 X
X N , n N (0 , 1)
n
2
X
(1 )
2
n

En resumen,

2 2
n
Xi ( n 1) S 2 X


2
n
i 1

2 (n ) 2 (n - 1) 2 (1 )

15
 ( n 1) S 2
Algunos alcances de la distribucin de
2

El valor esperado, es:

( n 1) S 2
E n 1
2

n 1
E( S 2 ) n 1
2

n 1 2
E ( S2 ) 2
n 1

La varianza es:

( n 1) S 2
Var 2 ( n 1)
2
(n 1 ) 2
4
Var ( S 2 ) 2 ( n 1)

2 (n 1 ) 24
Var ( S 2 ) 4

( n 1) 2 n 1

7. EJERCICIOS.

1. Se selecciona una muestra aleatoria de una poblacin normal de

parmetros desconocidos y 2. De las siguientes expresiones, indique
cuales de ellas son estadsticas
n

i)
i 1
Xi ii ) X 1 X 2 X 2 iii ) X 1 X 2

X I
iv) X i con i = 1, 2 , 3 ,, n v) con i 1, 2, ..., n


n
2 1 2 4
vi) Xi X vii ) X1 X 22 X3
i 1 3 5 7

16
2. Para una cierta prueba se sabe que el nmero promedio de aciertos es de
1000 con un desviacin estndar de 125. De las personas que rinden la
prueba en un momento determinado, se selecciona una muestra aleatoria
de tamao 100, calcule la probabilidad de que la media aritmtica muestral
sea:
a. mayor que 1020
b. mayor que 985 y menor que 1025

3. Se tiene una mquina de llenado de cereales. La cantidad de cereales que

coloca en cada caja es una variable aleatoria X distribuida normalmente con
valor esperado de 500 gramos y una varianza de 400. Para verificar que el
peso promedio de cada caja se mantiene en lo especificado, se selecciona
una muestra aleatoria de 25 cajas y se pesa el contenido de ellas. El
gerente de la planta ha decidido detener el proceso y encontrar las fallas,
cada vez que el valor promedio de la muestra sea mayor que 510 gramos o
menor que 490 gramos. Calcule la probabilidad de detener el proceso.

4. Una empresa dedicada a la construccin tiene en promedio 3 accidentes

mensualmente. El nmero de accidentes que se producen por semana tiene
una distribucin de Poisson. Se selecciona una muestra aleatoria de 50
semanas, calcule la probabilidad de que la media aritmtica muestral sea:
i) mayor que 3 accidentes semanales.
ii) mayor que 2,5 y menor que 3,4 accidentes semanales.

5. Una mquina de refrescos est ajustada de tal manera que la cantidad de

lquido despachada sigue una distribucin normal, con media poblacional de
2,25 decilitros y desviacin estndar de 0,15 decilitros. Se selecciona una
muestra de 16 refrescos, calcule la probabilidad de que la media aritmtica
muestral sea:
i) a lo menos 2,36 decilitros
ii) mayor que 2,18 decilitros y menor que 2,28 decilitros

6. Una camioneta de reparto cuya capacidad de peso es de 2,54 toneladas

transporta sacos de arroz cuyo peso tiene una media de 50 kilos y una
desviacin estndar de 2 kilos.
i) Calcular la probabilidad de que 50 sacos cargados al azar excedan la
capacidad de peso de la camioneta.
ii) Cuntos sacos de arroz sern necesarios para que el peso sea al
menos 1.818 kilos con una probabilidad de 0.0668?.

7. Una mquina vendedora de vasos de refrescos est programada para que

la cantidad de refresco que se sirve, en cada vaso, sea una variable
aleatoria con valor esperado de 200 mililitros y una desviacin estndar de
15 mililitros. Se selecciona una muestra aleatoria de 36 vasos, calcule la
probabilidad de que la media aritmtica muestral:

17
i) sea a lo menos 204 mililitros
ii) est comprendida entre 198 y 210 mililitros

8 Una poblacin tiene una desviacin estndar igual a 2, de ella se selecciona

una muestra aleatoria de tamao 100. Calcule el valor de k tal que
P X k 0,95
9. Una poblacin tiene un valor esperado igual a 50 y una desviacin estndar
igual a 5. Cul debe ser el tamao de la muestra aleatoria para que la
probabilidad de que X < 1, sea igual a 0.9?

10. Un antroplogo quiere estimar la estatura promedio de los hombres de

cierta raza. Si se supone que la desviacin estndar de la poblacin es de
2,5 pulgadas y se seleccionan al azar a 100 hombres
i) Encuentre la probabilidad de que la diferencia entre la media de la
muestra y la media verdadera de la poblacin no exceda de 0.5
pulgadas
ii) El antroplogo quiere que la diferencia entre la media de la muestra y la
media de la poblacin sea menor de 0,4 pulgadas, con una probabilidad
de 0,95. Cuntos hombres tendra que seleccionar para alcanzar su
objetivo?

11. Dos universidades particulares tienen mtodos distintos para matricular a

sus alumnos. Las dos desean comparar el tiempo promedio que le toma
a los estudiantes completar el trmite de matrcula. En cada universidad
se anotaron los tiempos de matrcula para muestras aleatorias
independientes de 100 estudiantes cada una. Si las medias
poblacionales son 47.2 y 49.36 minutos y las desviaciones estndares
poblacionales son 4.8 y 5.4 respectivamente, calcule la probabilidad de
que el tiempo promedio de matrcula de los alumnos de la segunda
universidad, es mayor en dos minutos que el tiempo promedio de
matrcula de los alumnos de la primera universidad.

12. Se seleccionan muestras aleatorias independientes de tamao 400 de

cada una de dos poblaciones normales que tienen medias iguales y
desviaciones estndares de 20 y 30 respectivamente. Calcule k tal que:

P X1 X 2 k 0.99

13. A una hora determinada sea W el nmero de pasajeros que llegan a una
estacin en un vagn del metro. Se cuenta el nmero Y de pasajeros que
salen, el nmero X de pasajeros que entran. El metro se va con R
personas en el vagn. Las variables X, Y y W son variables aleatorias

18
 independientes y siguen, respectivamente, las siguientes distribuciones
normales:
X N (40 ; 81) Y N (30 ; 144) W N (100 ; 400)
i) Determine la distribucin de R
ii) Calcule la probabilidad de que el vagn salga de una estacin con ms
de 140 personas.
iii) Encuentre r0 tal que P ( R < r0 ) = 0,95

19