Estadstica II

2012/1

Capitulo 1 Complementos de Probabilidad

- Vectores aleatorios
- Suma de variables aleatorias IID
- Poblacin, Muestra Aleatoria Estadsticos
Profesor: Vctor Correa S.

1 A. Generalizacin de una a dos y ms variables aleatorias

Dado un experimento aleatorio:

UNA VARIABLE
2 Se observa una cantidad
X
Caracterizacin:
3 Distribucin de probabilidad

4 pX(x) = P( X = x )

p
x

( x) 1

DOS VARIABLES
Se observan dos cantidades
X1 , X2

Distribucin conjunta de probabilidad

p12(x,y) = P( X1 = x , X2 = y )

12

( x, y ) 1

x, y

Def. Independencia de variables aleatorias

X1 e X2 son independientes si los eventos ( X1 = x ) y ( X2 = y ) son

independientes para todos x e y. Es decir, si:
P{ ( X1 = x ) (X2 = y ) } = P( X1 = x ) P( X2 = y )
p12( x , y )

p 1 ( x ) p2 ( y )

para todo x , y

Intuitivamente, la realizacin de una variable no afecta la probabilidad de

realizacin de la otra y viceversa.
La definicin anterior coincide con la idea intuitiva, dado que:
P( X1 x,X 2 y) P( X1 x) P( X 2 y) P( X 1 x / X 2 y)

P( X1 x)

6 Habitualmente la independencia es un supuesto, es decir, no se utiliza la

definicin para demostrarlo.

Cmo reconocer la Independencia?

a. Si dos eventos ocurren en dos experimentos que no estn conectados
fsicamente, entonces, los eventos son independientes.
b. Si los experimentos estn conectados fsicamente, entonces, los eventos no
son independientes. (aunque la independencia puede ocurrir en casos excepcionales)

Ejemplos:
- Los lanzamientos de una moneda, son independientes.
- Los lanzamientos de un dado, son independientes.
- Las extracciones de fichas al azar y con reemplazo de una urna, son indeps.

7 Ejemplo
Se extraern al azar, con reemplazo, dos fichas de una urna con fichas,
1, 2, 3, 4, 5, 6.
Se definen las variables:
X 1 = Nmero en la primera extraccin.
X 2 = Nmero en la segunda extraccin.
Entonces, X1 , X2 son variables independientes.

Si las extracciones son sin reemplazo entonces, X1 , X2 no son independientes.

Generalizacin: con 100 extracciones con reemplazo, las variables
X 1 , X 2 , . . . , X 100 son independientes.
5

8 B. Suma de Variables Aleatorias

Aqu interesa la suma de dos variables: Y = X 1 + X 2

9 Propiedad
a. E ( X1 + X2 ) = E( X1 ) + E( X2 )
b. Sean X 1 , X 2 independientes Var( X1 + X2 ) = Var( X1 ) + Var( X2 )

10 Ejemplo
Se realizaran dos extracciones con reemplazo de la urna 1, 2, 3, 4, 5, 6.

Entonces, la suma de las extracciones es una variable con media 7, varianza

5,82 y desviacin estndar 2,42.

11 Propiedad
X1 N( 1 , 12 ), X2 N( 2 , 22 ) independientes, entonces:
Y = X 1 + X 2 N( Y , Y 2 ),

Y = 1 + 2 , Y 2 = 12 + 22

11 a Ejemplo
Sean X1 N( 160 , 52 ), X2 N( 170 , 62 ) independientes.

Calcular la probabilidad de que:

i) La suma de las realizaciones resulte inferior a 338.
ii) El promedio de las realizaciones sea mayor que 172.
Rptas: E(suma)=330; Var = 61; DE = 7,81;

i) 0,847; ii) 0,037

7

C. Diferencia de Variables Aleatorias

D = X1 - X2

13 Propiedad
a. E( X1 - X2 ) = E( X 1 ) - E( X 2 ) = 1 - 2
b. X1 , X2 variables independientes Var( X1 - X2 ) = Var( X1 ) - Var( X2 )
= 1 2 + 2 2

c. X1 N( 1 , 12 ), X2 N( 2 , 22 ) independientes, entonces,
D = X 1 - X 2 N( D , D2 ),

D = 1 - 2 , D2 = 12 + 22

13 d Ejemplo
Sean X1 N( 160 , 52 ), X2 N( 170 , 62 ) independientes.
Calcular la probabilidad de que la diferencia entre la segunda y primera
variable sea menor que 1.

Rptas:

E(D)=10; Var = 61; DE = 7,81; 0,125

8

14 D. Combinacin lineal de Variables Aleatorias

W = aX 1 + bX 2

( cuando , a, b >0, a + b = 1, se dice que W es una suma ponderada )

15 Propiedad
a. W = a1 + b2
b. X 1 , X 2 variables independientes W2 = a2 12 + b2 22
c. X1 N( 1 , 12 ), X2 N( 2 , 22 ) independientes, entonces,

W = aX 1 + bX 2 N( W , W2 ), W = a1 + b2 , W2 = a212+ b222
15 a Ejemplo
Sean, X1 N( 160 , 52 ), X2 N( 170 , 62 ) independientes.
Determinar, media, desviacin estndar y distribucin de Y= 0,7X 1 + 0,3X2.
Rptas:

E = 163; Var = 15,49; DE = 3,94; N( 163, (3,94)2 )

9

16 Las propiedades 9, 11 y 15 se generalizan a n variables independientes.

9a. E ( X 1 + . . . + X n ) = E X1 + . . . + E Xn
9b. Var( X 1 + . . . + X n ) = Var X1 + . . .+ Var Xn)

11c. Xi N( i , i2 ), entonces, Y = X 1 + X 2 + . . . + X n N( Y , Y2 ),

Y = 1 + 2 + . . .+ ; Y2 = 12 + 22 + . . . + n2
19 Combinacin lineal de n variables
W = a1X1 + + anXn
20 Propiedades
15a. W = a11+ . . . + ann
15b. X1 , , Xn son independientes W 2 = a1212 + . . . + an2 n2
15c. Xi N( i , i2 ) independientes W N( W , W2 ),

10

21 F. Variables independientes idnticamente distribuidas ( variables IID)

22 Experimento: Se extraern n fichas al azar y con reemplazo de una urna.
Los potenciales n valores en las fichas se consideraran:

n realizaciones de variables X1 ,, Xn independientes con igual distribucin

X1 ,, Xn se dicen variables IID

(Independientes Idnticamente Distribuidas)

22 Def. Muestra aleatoria simple de la urna: variables X1 ,, Xn IID.

22c Urna con infinitas fichas: no es necesario el reemplazo para tener independencia.
Urna con N fichas: Si no hay reemplazo, pero n es pequeo comparado con
N ( n/N < 0,05) , entonces, hay independencia aproximada.

Ejemplo, N = 4.000.000 y n = 1.200, n/N = 0,0003 independencia aprox.

11

24 Ejemplos

a. Se realizarn 100 extracciones al azar (aleatorias) y con reemplazo de una

urna con distribucin Normal de media = 160 y varianza 2 = 25.
Entonces se definen:
Variables X1 ,, X100 IID con distribuciones N( =160 , 2 = 25).
b. Se realizarn 100 extracciones al azar (aleatorias) y con reemplazo de una
urna con 4 unos y 6 ceros ( proporcin = 0,40, 40% de unos).
Entonces se definen:
Variables X1 ,, X100 IID con distribuciones B( = 0,40 ).

12

25 Propiedades: Suma y promedio de variables IID

Sean v.a.s X1 ,, Xn ~ IID ( , 2 )

a. Yn X 1 ... X n ~ (n , n )
2

b.

Yn
2
Xn
~ ( ,
)
n
n

Sean v.a.s X1 ,, Xn ~ IID N( , 2 )

c. Yn X 1 ... X n ~ N (n , n )
2

d.

Yn
2
Xn
~ N ( ,
)
n
n

a. La suma de n extracciones aleatorias de una urna con media y varianza, 2 es una variable con media n y varianza n2.
c. La suma de n extracciones aleatorias de una urna normal ( ,2 ) es una variable con distribucin normal( n , n2)
b. El promedio de n extracciones aleatorias de una urna con media y varianza 2 es una variable con media y varianza 2/n.
d. El promedio de n extracciones aleatorias de una urna normal ( ,2 ) es una variable con distribucin normal( , 2/n ).

13

26 Ejemplo
a. La utilidad semanal de un restaurante es impredecible, con una desviacin
estndar de alrededor de 50 UF. Cul es la incertidumbre de la utilidad
anual? supuestos?
Rpta: Var( Utilidad anal ) = 130.000 UF. DE( Utilidad anual ) = 361.

b. Sean X1 ,, X9 IID N( 160 , 52 ).

( 8 millones).

Determinar:

1) La distribucin de la suma de la muestra.

2) La probabilidad de que la suma de la muestra se menos de 1460.
3) Qu dicen la media y desviacin acerca de la suma muestral?
c. Sean X1 ,, X16 IID N( 170 , 62 ). Determinar:

1) La distribucin del promedio de la muestra.

2) La probabilidad de que el promedio de la muestra supere el valor 165.
3) Qu dicen la media y desviacin acerca del promedio muestral?
14

27

Continuacin propiedad 25.

Sean v.a.s X1 ,, Xn ~ IID B( )

a.

Cn X 1 ... X n ~ B(n, )

b.

Pn

Yn
(1 )
~ ( ,
)
n
n

28 Ejemplo
a.

Sean X1 ,, X10 IID B( 0,6 ).

Determinar:

1) La distribucin del conteo de unos en la muestra.

2) La probabilidad de que el nmero de unos resulte a lo ms 2.
Rptas: a E = 6; Var = (1,5)2; DE = 1,5;

15

29

Continuacin ejemplo 28.

b. Se extraern al azar con reemplazo 400 fichas de la urna 1 0 0 0.

Determinar la media y desviacin estndar de la proporcin de unos en la

muestra.
Rptas: E = 0,25

Var = (0,022)2; DE = 0,022.

16

33 Teorema del Lmite Central (TLC)

Sea una urna con fichas con cualquier distribucin de media y varianza 2.
Se seleccionar una muestra aleatoria de tamao n grande ( 30). Entonces,

La Suma, Promedio, Conteo y Proporcin muestrales tienen distribuciones

aproximadamente Normales.

TLC trminos de variables IID:

a. Sean X1 ,, Xn , . . . variables IID ( , 2 ).

Si n es grande (n 30):

Yn X 1 X 1 ... X n ~ N (n , n 2 )

Suma de la muestra aleatoria

X 1 X 2 ... X n a
2
Xn
~ N ( ,
)
n
n

Promedio de la muestra aleatoria

17

b. Sean X1 ,, Xn , . . . variables IID B( ). Si n es grande (n 30):

a

Cn X 1 ... X n ~ N (n , n (1 ))

Conteo de la muestra aleatoria

X 1 X 2 ... X n a
(1 )
Pn
~ N ( ,
)
n
n

Proporcin de la muestra aleatoria

31c El Teorema de Lmite Central dice que la suma de un conjunto grande de variables ( Xi) IID tiene una distribucin que se puede aproximar con una curva normal
con media nE(Xi) y varianza nVar(Xi), sin importar la forma de la distribucin de las Xi.
Lo mismo se aplica al promedio de la variables con una distribucin que se puede aproximar con una curva normal con media E(Xi) y varianza Var(Xi)/n..

31d Ms precisamente, el TLC se expresa como lmites cuando n , de la suma y promedios estandarizados:

i 1

X i - n
n

N (0, 1)

X -

N (0, 1)

18

35 Ley de los Grandes Nmeros (LGN)

Dada una urna con fichas con media , entonces:
A medida que aumenta el nmero n de extracciones aleatorias, los promedios
de las extracciones se aproximan cada vez ms a la media . de la urna.
LGN en trminos de variables IID:
a. Sean X1 , X2 ,, Xn , . . . IID ( , 2 ) entonces.

a1. X n X 1 X 2 ... X n
n
a2. Para n grande ( 30):

E( X i )

X 1 X 2 ... X n
Xn
E( X i )
n
19

b. Sean X1 , X2 ,, Xn , . . . IID B( ) entonces.

b1. Pn X 1 X 2 ... X n
n

b2. Para n grande ( 30):

Pn

E( X i )
X 1 X 2 ... X n
E( X i )
n

20

36 Ejercicios
a. Sean X1 ,, X9 IID N( 160 , 52 ) y Y1 ,, Y16 IID N( 170 , 62 ).
Determina la distribucin de:
_
_ _
_
_
_
X + Y; X - Y; 3X + 2Y
b. Sean X1 ,, X36 IID B( 0,6 ) y Y1 ,, Y64 IID B( 0,25 ).

Determina la distribucin de:

_
_ _
_
_
_
X + Y; X - Y; 3X + 2Y
c. Sean X1 ,, Xn IID ( 160 , 52 ) y Y1 ,, Ym IID ( 170 , 62 ).
Determina hacia que valor se aproximan las variables siguientes cuando n y m
crecen:
_
_ _
_
_
_
X + Y; X - Y; 3X + 2Y
21

37 Nota Tcnica: Muestreo sin reemplazo, urnas finitas e infinitas

a Urna finita y muestreo con reemplazo extracciones independientes.
b Urna finita y muestreo sin reemplazo extracciones no independientes.
c En el segundo caso, cambian las frmulas de la varianza para la suma, promedio y proporcin de las extracciones.

d
e
f

Var ( Suma) SR

N n
n 2
N 1

N n 2
Var ( X ) SR

N 1 n
Var (Conteo ) SR

N n
n (1 )
N 1

El factor fc = (N- n)/(N-1):

- Se denomina factor de correccin por finitud.
- Aparece porque hay covarianzas distintas de
cero entre las variables de la muestra.
- Se suele asumir fc = 1, si n/N < 0,05.

Var ( P) SR

N n (1 )

N 1
n

22

G. Poblacin, muestra aleatoria simple, Estadsticos

40 Def. Poblacin
Variable aleatoria X de la que se extraer una muestra aleatoria simple de
tamao n, es decir, X1 , , Xn IID X.
42 Def. Muestra observada: los datos, x1 , x2 , , xn.
x1 = X1 (obs) , x2 = X2 (obs) , , xn = Xn (obs)

43 Def. Estadstico de una muestra aleatoria simple

Cualquier cantidad T que depende solo de la muestra aleatoria.
Muestra aleatoria

X1 , . . . ,Xn

T( X1 , . . . ,Xn )

23

42 Ejemplo
Sea X1 , . . . ,Xn , m.a.s de una variable X, entonces, algunos Estadsticos son:
Suma muestral:

Y : X1 X 2 X n

Promedio muestral:

X:

Varianza muestral:

S2 :

Proporcin muestral de xitos:

Frecuencia de x:

Frecuencia acumulada hasta x:

X1 X 2 X n
n
n
2
(
X

X
)
i1 i

n 1
X1 X 2 X n
P :
n
# ( i / X i x)
f n^ ( x) :
n
Fn^ ( x) :

# ( i / X i x)
n

44b Notacin usual para una realizacin de un estadstico: T( x1, , . . . , xn ).

A veces aqu anotaremos: T( obs ).

24

45 Distribucin en el muestreo de un estadstico

Interesa, conocer la distribucin muestral, valor esperado y desviacin
estndar de un estadstico.
45b Ejemplo
Variable
X N( , 2 )

X B( )
X ( , 2 )

m.a.s
X1 , , Xn

Estadsticos y su distribucin
Suma N ( n , n2 )
_
X N ( , 2/n )
C B( n, )
P B( n, )
Suma a N ( n , n 2 ) (TLC, n grande)
_
X a N ( , 2/n )
(TLC , n grande)
25

Ejemplo

(continuacin)

Variable

X B( )

m.a.s

Estadsticos y su distribucin

C a N ( n , n(1-) ) (TLC , n grande)

P a N ( , (1-) /n ) (TLC , n grande)

La distribucin muestral de un estadstico describe como se distribuyen sus

valores en infinitas muestras.
Para algunos estadsticos, su distribucin se puede expresar como una tabla,
frmula o ser aproximada por la curva normal.
26

Importante: hay dos clases de cantidades que se parecen, pero son

diferentes:

Parmetros Poblacionales: Atributos numricos de la

distribucin de la variable X (o urna). Son fijos, no dependen de la
muestra.
Estadsticos: Atributos numricos de la muestra. Son cantidades
aleatorias que dependen de la muestra observada.

27

46 Propiedades de la Varianza muestral S2.

Sea X1 ,, Xn m.a.s de X ( , 2 ). Entonces:

i1 ( X i X )2
n

a.

S2

n 1

X i2 n X

n 1

b. E ( S2 ) = 2
d. Si X N( ,

2 4
1) Var ( S )
n 1
2

2)

(n 1) S 2

2
n

c. Si X B( ), entonces, S 2

~ n-2 1

(X
i 1

Distribucin de Chi-Cuadrado con n-1 grados de libertad

X
)
i

n 1

n
P(1 P)
n 1

28

46b La Distribucin Chi-cuadrado

Sean Z1, Z2, . . ., Zn IID N( 0,1), entonces,
Z1 2 + Z 2 2 + . . . + Z n 2 2 n .

Distribucin de Chi-cuadrado con n grados de libertad.

Propiedades
a. n: parmetro entero que caracteriza la distribucin y casi siempre es conocido.
b. E( 2n ) = n y Var( 2n ) = 2n
c. Sean X1, X2, . . ., Xn

N( , 2 ) :

IID

c1

X
X1
2
~ n

c2

X1 X

b y c2

~ n-2 1

X X

(n 1) S 2

2
n-1

2 4
Var ( S )
n 1
2

y E( S2) = 2

29

46d Ejemplo
Sea, 2 219, verificar mirando la tabla 46e que,
1) Percentil 5% , 219 ; 0,05 = 10,117
2) Percentil 95% ,

219 ; 0,95 = 30,144

30

46e Tabla Chi cuadrado: Percentiles para distintos grados de libertad (g.l.).
Tabla Distribucin Chi cuadrado Acumulada
Valor Tabulado = x,

P( X2 < x ) = Probabilidad

Probabilidad
g.l
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

0,005
0,000
0,010
0,072
0,207
0,412
0,676
0,989
1,344
1,735
2,156
2,603
3,074
3,565
4,075
4,601
5,142
5,697
6,265
6,844
7,434
8,034
8,643
9,260
9,886
10,520
11,160
11,808
12,461
13,121
13,787

0,01
0,000
0,020
0,115
0,297
0,554
0,872
1,239
1,647
2,088
2,558
3,053
3,571
4,107
4,660
5,229
5,812
6,408
7,015
7,633
8,260
8,897
9,542
10,196
10,856
11,524
12,198
12,878
13,565
14,256
14,953

0,025
0,001
0,051
0,216
0,484
0,831
1,237
1,690
2,180
2,700
3,247
3,816
4,404
5,009
5,629
6,262
6,908
7,564
8,231
8,907
9,591
10,283
10,982
11,689
12,401
13,120
13,844
14,573
15,308
16,047
16,791

0,05
0,004
0,103
0,352
0,711
1,145
1,635
2,167
2,733
3,325
3,940
4,575
5,226
5,892
6,571
7,261
7,962
8,672
9,390
10,117
10,851
11,591
12,338
13,091
13,848
14,611
15,379
16,151
16,928
17,708
18,493

0,1
0,016
0,211
0,584
1,064
1,610
2,204
2,833
3,490
4,168
4,865
5,578
6,304
7,041
7,790
8,547
9,312
10,085
10,865
11,651
12,443
13,240
14,041
14,848
15,659
16,473
17,292
18,114
18,939
19,768
20,599

0,25
0,102
0,575
1,213
1,923
2,675
3,455
4,255
5,071
5,899
6,737
7,584
8,438
9,299
10,165
11,037
11,912
12,792
13,675
14,562
15,452
16,344
17,240
18,137
19,037
19,939
20,843
21,749
22,657
23,567
24,478

0,75
1,323
2,773
4,108
5,385
6,626
7,841
9,037
10,219
11,389
12,549
13,701
14,845
15,984
17,117
18,245
19,369
20,489
21,605
22,718
23,828
24,935
26,039
27,141
28,241
29,339
30,435
31,528
32,620
33,711
34,800

0,9
2,706
4,605
6,251
7,779
9,236
10,645
12,017
13,362
14,684
15,987
17,275
18,549
19,812
21,064
22,307
23,542
24,769
25,989
27,204
28,412
29,615
30,813
32,007
33,196
34,382
35,563
36,741
37,916
39,087
40,256

0,95
3,841
5,991
7,815
9,488
11,070
12,592
14,067
15,507
16,919
18,307
19,675
21,026
22,362
23,685
24,996
26,296
27,587
28,869
30,144
31,410
32,671
33,924
35,172
36,415
37,652
38,885
40,113
41,337
42,557
43,773

0,975
5,024
7,378
9,348
11,143
12,832
14,449
16,013
17,535
19,023
20,483
21,920
23,337
24,736
26,119
27,488
28,845
30,191
31,526
32,852
34,170
35,479
36,781
38,076
39,364
40,646
41,923
43,195
44,461
45,722
46,979

0,99
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
24,725
26,217
27,688
29,141
30,578
32,000
33,409
34,805
36,191
37,566
38,932
40,289
41,638
42,980
44,314
45,642
46,963
48,278
49,588
50,892

0,995
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188
26,757
28,300
29,819
31,319
32,801
34,267
35,718
37,156
38,582
39,997
41,401
42,796
44,181
45,558
46,928
48,290
49,645
50,994
52,335
53,672

31

47 Cambio el nombre: A partir de ahora la desviacin estndar de un estadstico

se llamar Error Estndar.

El Trmino Desviacin estndar se reserva para el de la poblacin.

El error estndar mide la desviacin esperada del estadstico respecto su media.
_____
Def. Error Estndar de un estadstico: SE( T ) := Var(T)

47b Ejemplos de Estadsticos y su error estndar

Poblacin

Parmetro Estadstico Error Estndar

_
n
1. Cualquiera

X
2 4
2. X N( , 2 )
2
S2
n 1
3. X B( )

(1 )
n
32

50 H. Resumen de Formulas
51 Suma de n variables

Y = X1 + . . . + Xn

a. E( Y ) = E( X1 + . . . + Xn ) = EX1 + EX2 + . . .+ EXn

b. X i IND (i ,i2 )
Var(Y) = Var(X1 + . . . + Xn ) = VarX1 + VarX2 + . . . + VarXn
c. Xi IND N( i ,i2 ) Y N( Y , Y2 )
Combinacin lineal:

W = a1X1 + + anXn

a. E( W ) = E( a1X1 + + anXn ) = a1EX1 + + anEXn

b. Xi IND (i ,i2 )
Var(W)= Var( a1X1 ++ anXn ) = a12VarX1 + + an2 VarXn
c. Xi IND N( i , i2 ) W N( W , W2 ),
33

52 Suma de variables IID

Y = X 1 + X 2 + . . . + Xn

a. X i IID ( , 2 ) Y = n ; Y2 = n2.

b. X i IID B( ) Y B( n , ) ( suma de variables con distribucin Bernoulli

tiene distribucin Binomial )

c. X i IID N( , 2 ) Y N( Y , Y2 )

53 Promedio de variables IID

a. Xi IID ( , 2 )
c. LGN, Xi IID

( suma de variables con distribuciones

Normales tiene distribucin Normal )

_
X = Y / n = (X 1 + X 2 + . . . + Xn) / n

X X , X2

X2

n
X X 2 ... X n
d( , 2 ) X 1
E( X i )
n

b. Xi IID N( , 2 )

2
X N ( X , X )

34

54 Teorema del lmite Central

X1 ,,, . . . , Xn IID ( , 2 ), n 30
a

a. Y X 1 X 1 ... X n ~ N (Y , Y2 ), Y n; Y2 n 2
2
a
X

...

2
n
b. X 1
~ N ( X , X2 ); X ; X2
n
n

X1 ,,, . . . , Xn IID B ( ), n 30
a

c. Y X 1 ... X n ~ N ( Y , Y2 ); Y n ; Y2 n (1 )

X 1 X 2 ... X n a
d. P
~ N ( P , P2 ); P ,
n

P2

(Moivre)

(1 )
n

35

43 Diferencia de 2 variables

D = X1 - X2

a. E( D ) = E( X1 - X2 ) = EX1 - EX2
b. X i IID ( i ,i2 ), i = 1, 2 Var( D ) = Var(X1 - X2 ) = VarX1 + VarX2
c. Xi IID N( i ,i2 ), i= 1, 2 D N( D , D2 )

36

Tabla

0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4

Segundo
0
0,50000
0,53983
0,57926
0,61791
0,65542
0,69146
0,72575
0,75804
0,78814
0,81594
0,84134
0,86433
0,88493
0,90320
0,91924
0,93319
0,94520
0,95543
0,96407
0,97128
0,97725
0,98214
0,98610
0,98928
0,99180
0,99379
0,99534
0,99653
0,99744
0,99813
0,99865
0,99903
0,99931
0,99952
0,99966
0,99977
0,99984
0,99989
0,99993
0,99995
0,99997

decimal
0,01
0,50399
0,54380
0,58317
0,62172
0,65910
0,69497
0,72907
0,76115
0,79103
0,81859
0,84375
0,86650
0,88686
0,90490
0,92073
0,93448
0,94630
0,95637
0,96485
0,97193
0,97778
0,98257
0,98645
0,98956
0,99202
0,99396
0,99547
0,99664
0,99752
0,99819
0,99869
0,99906
0,99934
0,99953
0,99968
0,99978
0,99985
0,99990
0,99993
0,99995
0,99997

Distribucin Normal Estndar Acumulada

Valor Tabulado

P(
= Z < z)

0,02
0,50798
0,54776
0,58706
0,62552
0,66276
0,69847
0,73237
0,76424
0,79389
0,82121
0,84614
0,86864
0,88877
0,90658
0,92220
0,93574
0,94738
0,95728
0,96562
0,97257
0,97831
0,98300
0,98679
0,98983
0,99224
0,99413
0,99560
0,99674
0,99760
0,99825
0,99874
0,99910
0,99936
0,99955
0,99969
0,99978
0,99985
0,99990
0,99993
0,99996
0,99997

0,04
0,51595
0,55567
0,59483
0,63307
0,67003
0,70540
0,73891
0,77035
0,79955
0,82639
0,85083
0,87286
0,89251
0,90988
0,92507
0,93822
0,94950
0,95907
0,96712
0,97381
0,97932
0,98382
0,98745
0,99036
0,99266
0,99446
0,99585
0,99693
0,99774
0,99836
0,99882
0,99916
0,99940
0,99958
0,99971
0,99980
0,99986
0,99991
0,99994
0,99996
0,99997

0,03
0,51197
0,55172
0,59095
0,62930
0,66640
0,70194
0,73565
0,76730
0,79673
0,82381
0,84849
0,87076
0,89065
0,90824
0,92364
0,93699
0,94845
0,95818
0,96638
0,97320
0,97882
0,98341
0,98713
0,99010
0,99245
0,99430
0,99573
0,99683
0,99767
0,99831
0,99878
0,99913
0,99938
0,99957
0,99970
0,99979
0,99986
0,99990
0,99994
0,99996
0,99997

Prof: Vctor Correa S.

0,05
0,51994
0,55962
0,59871
0,63683
0,67364
0,70884
0,74215
0,77337
0,80234
0,82894
0,85314
0,87493
0,89435
0,91149
0,92647
0,93943
0,95053
0,95994
0,96784
0,97441
0,97982
0,98422
0,98778
0,99061
0,99286
0,99461
0,99598
0,99702
0,99781
0,99841
0,99886
0,99918
0,99942
0,99960
0,99972
0,99981
0,99987
0,99991
0,99994
0,99996
0,99997

0,06
0,52392
0,56356
0,60257
0,64058
0,67724
0,71226
0,74537
0,77637
0,80511
0,83147
0,85543
0,87698
0,89617
0,91308
0,92785
0,94062
0,95154
0,96080
0,96856
0,97500
0,98030
0,98461
0,98809
0,99086
0,99305
0,99477
0,99609
0,99711
0,99788
0,99846
0,99889
0,99921
0,99944
0,99961
0,99973
0,99981
0,99987
0,99992
0,99994
0,99996
0,99998

0,07
0,52790
0,56749
0,60642
0,64431
0,68082
0,71566
0,74857
0,77935
0,80785
0,83398
0,85769
0,87900
0,89796
0,91466
0,92922
0,94179
0,95254
0,96164
0,96926
0,97558
0,98077
0,98500
0,98840
0,99111
0,99324
0,99492
0,99621
0,99720
0,99795
0,99851
0,99893
0,99924
0,99946
0,99962
0,99974
0,99982
0,99988
0,99992
0,99995
0,99996
0,99998

0,08
0,53188
0,57142
0,61026
0,64803
0,68439
0,71904
0,75175
0,78230
0,81057
0,83646
0,85993
0,88100
0,89973
0,91621
0,93056
0,94295
0,95352
0,96246
0,96995
0,97615
0,98124
0,98537
0,98870
0,99134
0,99343
0,99506
0,99632
0,99728
0,99801
0,99856
0,99896
0,99926
0,99948
0,99964
0,99975
0,99983
0,99988
0,99992
0,99995
0,99997
0,99998

0,09
0,53586
0,57535
0,61409
0,65173
0,68793
0,72240
0,75490
0,78524
0,81327
0,83891
0,86214
0,88298
0,90147
0,91774
0,93189
0,94408
0,95449
0,96327
0,97062
0,97670
0,98169
0,98574
0,98899
0,99158
0,99361
0,99520
0,99643
0,99736
0,99807
0,99861
0,99900
0,99929
0,99950
0,99965
0,99976
0,99983
0,99989
0,99992
0,99995
0,99997
0,99998

-4,0
-3,9
-3,8
-3,7
-3,6
-3,5
-3,4
-3,3
-3,2
-3,1
-3,0
-2,9
-2,8
-2,7
-2,6
-2,5
-2,4
-2,3
-2,2
-2,1
-2,0
-1,9
-1,8
-1,7
-1,6
-1,5
-1,4
-1,3
-1,2
-1,1
-1,0
-0,9
-0,8
-0,7
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0,0

0
0,00003
0,00005
0,00007
0,00011
0,00016
0,00023
0,00034
0,00048
0,00069
0,00097
0,00135
0,00187
0,00256
0,00347
0,00466
0,00621
0,00820
0,01072
0,01390
0,01786
0,02275
0,02872
0,03593
0,04457
0,05480
0,06681
0,08076
0,09680
0,11507
0,13567
0,15866
0,18406
0,21186
0,24196
0,27425
0,30854
0,34458
0,38209
0,42074
0,46017
0,50000

0,01
0,00003
0,00005
0,00007
0,00010
0,00015
0,00022
0,00032
0,00047
0,00066
0,00094
0,00131
0,00181
0,00248
0,00336
0,00453
0,00604
0,00798
0,01044
0,01355
0,01743
0,02222
0,02807
0,03515
0,04363
0,05370
0,06552
0,07927
0,09510
0,11314
0,13350
0,15625
0,18141
0,20897
0,23885
0,27093
0,30503
0,34090
0,37828
0,41683
0,45620
0,49601

0,02
0,00003
0,00004
0,00007
0,00010
0,00015
0,00022
0,00031
0,00045
0,00064
0,00090
0,00126
0,00175
0,00240
0,00326
0,00440
0,00587
0,00776
0,01017
0,01321
0,01700
0,02169
0,02743
0,03438
0,04272
0,05262
0,06426
0,07780
0,09342
0,11123
0,13136
0,15386
0,17879
0,20611
0,23576
0,26763
0,30153
0,33724
0,37448
0,41294
0,45224
0,49202

0,03
0,00003
0,00004
0,00006
0,00010
0,00014
0,00021
0,00030
0,00043
0,00062
0,00087
0,00122
0,00169
0,00233
0,00317
0,00427
0,00570
0,00755
0,00990
0,01287
0,01659
0,02118
0,02680
0,03362
0,04182
0,05155
0,06301
0,07636
0,09176
0,10935
0,12924
0,15151
0,17619
0,20327
0,23270
0,26435
0,29806
0,33360
0,37070
0,40905
0,44828
0,48803

0,04
0,00003
0,00004
0,00006
0,00009
0,00014
0,00020
0,00029
0,00042
0,00060
0,00084
0,00118
0,00164
0,00226
0,00307
0,00415
0,00554
0,00734
0,00964
0,01255
0,01618
0,02068
0,02619
0,03288
0,04093
0,05050
0,06178
0,07493
0,09012
0,10749
0,12714
0,14917
0,17361
0,20045
0,22965
0,26109
0,29460
0,32997
0,36693
0,40517
0,44433
0,48405

0,05
0,00003
0,00004
0,00006
0,00009
0,00013
0,00019
0,00028
0,00040
0,00058
0,00082
0,00114
0,00159
0,00219
0,00298
0,00402
0,00539
0,00714
0,00939
0,01222
0,01578
0,02018
0,02559
0,03216
0,04006
0,04947
0,06057
0,07353
0,08851
0,10565
0,12507
0,14686
0,17106
0,19766
0,22663
0,25785
0,29116
0,32636
0,36317
0,40129
0,44038
0,48006

0,06
0,00002
0,00004
0,00006
0,00008
0,00013
0,00019
0,00027
0,00039
0,00056
0,00079
0,00111
0,00154
0,00212
0,00289
0,00391
0,00523
0,00695
0,00914
0,01191
0,01539
0,01970
0,02500
0,03144
0,03920
0,04846
0,05938
0,07215
0,08692
0,10383
0,12302
0,14457
0,16853
0,19489
0,22363
0,25463
0,28774
0,32276
0,35942
0,39743
0,43644
0,47608

0,07
0,00002
0,00004
0,00005
0,00008
0,00012
0,00018
0,00026
0,00038
0,00054
0,00076
0,00107
0,00149
0,00205
0,00280
0,00379
0,00508
0,00676
0,00889
0,01160
0,01500
0,01923
0,02442
0,03074
0,03836
0,04746
0,05821
0,07078
0,08534
0,10204
0,12100
0,14231
0,16602
0,19215
0,22065
0,25143
0,28434
0,31918
0,35569
0,39358
0,43251
0,47210

0,08
0,00002
0,00003
0,00005
0,00008
0,00012
0,00017
0,00025
0,00036
0,00052
0,00074
0,00104
0,00144
0,00199
0,00272
0,00368
0,00494
0,00657
0,00866
0,01130
0,01463
0,01876
0,02385
0,03005
0,03754
0,04648
0,05705
0,06944
0,08379
0,10027
0,11900
0,14007
0,16354
0,18943
0,21770
0,24825
0,28096
0,31561
0,35197
0,38974
0,42858
0,46812

37

0,09
0,00002
0,00003
0,00005
0,00008
0,00011
0,00017
0,00024
0,00035
0,00050
0,00071
0,00100
0,00139
0,00193
0,00264
0,00357
0,00480
0,00639
0,00842
0,01101
0,01426
0,01831
0,02330
0,02938
0,03673
0,04551
0,05592
0,06811
0,08226
0,09853
0,11702
0,13786
0,16109
0,18673
0,21476
0,24510
0,27760
0,31207
0,34827
0,38591
0,42465
0,46414