02/03/2016

INTRODUCCIN

ESTADSTICA
NELLY SNCHEZ GMEZ

A la estadstica casi siempre se le relaciona con actividades de recuento y enumeracin.

Hoy en da la estadstica se aplica en todas las ciencias que requieren de evaluar datos
numricos. Actualmente la estadstica no solo consiste en recolectar, organizar y presentar
informacin, sino que es un conjunto de tcnicas que ayudan tambin en la planeacin en
el diseo de encuestas, experimentos as como en la obtencin de conclusiones de diversos
problemas, predecir el comportamiento de las finanzas o de un negocio, analizar ciertos
ndices econmicos de un determinado periodo con el objeto de prever la situacin
econmica futura, determinar el mejor fertilizante para un cierto cultivo, etc. Las tcnicas
estadsticas se utilizan casi en todos los aspectos de la vida, y ya no es de uso exclusivo del
gobierno.

UNIDADES

En las ltimas dcadas ha alcanzado un alto grado de desarrollo, hasta el punto de

incursionar en la totalidad de las ciencias de tal manera que es considerada como una
ciencia auxiliar para todas las ramas del saber; su utilidad se entiende mejor si
consideramos los quehaceres y decisiones que a diario representan cierto grado de
incertidumbre y la estadstica ayuda en eso, trabaja con ella y nos orienta para tomar
las decisiones con un mayor grado de confianza.

1. Estadstica descriptiva.
2. Variables aleatorias discretas y continuas.
3. Estimacin y prueba de hiptesis.
4. Anlisis de la regresin.
5. Diseo de experimentos

CONCEPTOS BSICOS
Estadstica

Conjunto de tcnicas que nos dicen como recolectar, organizar,

presentar, analizar e interpretar la informacin emanada de
fenmenos o hechos de manera conveniente y que nos permiten
tomar mejores decisiones ante la incertidumbre y a obtener
conclusiones en las diversas investigaciones.

Descriptiva:

Inferencial:

Puede definirse como aquellos mtodos que incluyen la

recoleccin, organizacin presentacin y caracterizacin
de los datos de una poblacin o una muestra con el fin de
describir apropiadamente las diversas caractersticas de
esos hechos numricos.

Puede definirse como aquellos mtodos que nos

indican como analizar e interpretar los hechos
numricos de una poblacin o una muestra lo que
nos permite tomar mejores decisiones basndose
generalmente en los datos de una muestra.

Concepto

Definicin

Elemento o individuo

Es cualquier objeto o ser que porte informacin sobre el fenmeno que se estudia. Si estudiamos la
altura de los rboles, cada rbol es un individuo

Poblacin

Conjunto de todos los individuos o elementos (personas, objetos, animales, etc.) de una poblacin,
que tienen ciertas caractersticas en comn y que porten informacin sobre el fenmeno que se
estudia, es la totalidad de los elementos o cosas bajo estudio.

Muestra:

Es una parte o un subconjunto de la poblacin, es decir es una porcin de la poblacin que se

selecciona de la poblacin para su anlisis.

Dato:

Es el valor o medicin asociado a un elemento de la poblacin.

Parmetro

Es una medida obtenida de todas las observaciones de la poblacin (media aritmtica),

(desviacin tpica), 2 (varianza), P (proporcin de la poblacin), N (tamao de la poblacin).

Estadstico

Es una medida obtenida de las observaciones de la muestra (media aritmtica), S (desviacin

tpica), S2 (varianza), p (proporcin de la poblacin), n (tamao de la muestra).

Variable

Es cierta caracterstica o fenmeno que puede adoptar diversos valores, las variables pueden ser
cuantitativas y cualitativas.

02/03/2016

Cuantitativas: son aquellas que tienen

valor numrico, generalmente provienen
de aparatos de medicin o de conteos

Variables
Cualitativas: son aquellas que tienen
naturaleza de categora o clase, no se
pueden medir numricamente.

Discretas: pueden tomar solo algunos

valores dentro de un intervalo,
generalmente son valores enteros (1, 2,
8, -4, etc.). Por ejemplo: nmero de
hermanos (1, 2, 3....,etc), pero nunca
podr ser 3.45. Son variables que
generalmente provienen de conteos.
Continuas: pueden tomar cualquier
valor real dentro de un intervalo. Por
ejemplo, la velocidad de un vehculo
(80,3 km /h), las temperaturas de los
ltimos 20 das, etc., estas variables se
distinguen por tener origen de aparatos
de medicin.

ESTADSTICA DESCRIPTIVA
UNIDAD 1

TEMAS

1.1. Introduccin.
1.2. Datos no agrupados.
1.3. Datos agrupados.
1.4. Representacin grfica.

PASOS PARA ELABORAR UNA DISTRIBUCIN DE FRECUENCIAS

ORGANIZACIN Y PRESENTACIN DE LOS DATOS

Distribucin de frecuencias: es la representacin en forma de tabla, de la informacin

recolectada de la variable en estudio. Y se se elabora posterior a la recoleccin de los
datos, con el objeto de presentarlos con mayor sentido y significancia, as como para
obtener la mxima informacin, mediante la aplicacin de tcnicas estadsticas
descriptivas adecuadas.

4. Determinar el tamao de los intervalos, se debe procurar que sea un valor impar. Esto permitir tener como
punto medio un valor con menos fracciones.

1. Ordenar los datos en forma ascendente.

2. Calcular el rango o recorrido de los datos (dato mayor - menos dato menor) + el valor de enlace
(diferencia mnima significativa de los datos o valor mnimo de enlace entre los intervalos).
3. Determinar el nmero de intervalos. El mtodo a utilizar ser el de Sturges que consiste en usar la
frmula: 1 + 3.322 (log. N) donde N es el nmero de datos
De conocerse el tamao de los intervalos, el nmero de intervalos podr determinarse mediante la
frmula:

5. Determinar los lmites aparentes de cada uno de los intervalos:

El lmite aparente inferior del primer intervalo es el valor mnimo del conjunto de datos.

El lmite aparente superior de dicho intervalo ser el valor que incluya la amplitud considerada.

6. Realizar el conteo o acomodamiento de los datos en su respectivo intervalo. Obtener las frecuencias absolutas.
7. Determinar los lmites reales de cada uno de los intervalos.

Lmite real inferior = lmites aparente inferior menos la mitad del valor de enlace.

Lmite real superior = lmites aparente superior ms la mitad del valor de enlace.

02/03/2016

8. Determinar los puntos medios o marcas de clase, se calculan mediante los siguientes criterios

Punto medio = (lmite aparente inferior + lmite aparente superior) / 2.

Punto medio = (lmite real inferior + lmite real superior) /2.

9. Obtener las frecuencias relativas. Frecuencia relativa = frecuencia absoluta de cada intervalo/ total de
frecuencias.
10. Obtener las frecuencias acumuladas (sumar y acumular las frecuencias de cada uno de los intervalos).

MEDIDAS DE TENDENCIA CENTRAL

Es un ndice de localizacin central o un valor representativo de un conjunto de datos, que permite
describir un conjunto de datos as como establecer conclusiones y comparar poblaciones. Las medidas de
tendencia central ms usadas son: la media aritmtica, la mediana y la moda.
La media aritmtica nos indica el valor promedio de un conjunto de datos y se obtiene, dividiendo la
suma de los valores de una variable, entre el total de valores de dicha variable. Esta medida es la ms
utilizada debido a las propiedades que posee y que la hacen ser la ms estable, es recomendable
cuando los datos son muy homogneos. Esta medida se denota de la siguiente manera:

11. Obtener las frecuencias porcentuales acumuladas (sumar y acumular las frecuencias relativas de cada
uno de los intervalos o dividir las frecuencias acumuladas de c/u de los intervalos entre el total de
frecuencias).

Considere que los datos

corresponden
a
una
poblacionales

.
= .

.
=
= .

MODA
Para calcular la moda en datos no agrupados debe localizarse el valor (o valores) que se repite ms veces y ese ser la
moda, un conjunto de datos puede tener una, dos, tres, o ms modas.
Para calcular la moda en datos agrupados debe calcularse el punto medio del intervalo que contenga la mxima
frecuencia.
En este caso la moda es 6.1 y 7.0, ya que son los puntos medios que tiene la mxima frecuencia (6)

VARIANZA.- Indica la desviacin promedio de los datos respecto a la media aritmtica expresada en
unidades cuadradas. Esta medida eleva al cuadrado las desviaciones de los datos respecto a la media
aritmtica, con lo cual se elimina la posibilidad de que dicha suma sea cero. Elevando al cuadrado la
desviacin tpica se obtiene la varianza.
Para calcular la varianza la frmula a utilizar es:

MEDIDAS DE DISPERSIN

Estudia la distribucin de los valores de la serie, analizando si estos se

encuentran ms o menos concentrados, o ms o menos dispersos.
Las medidas de dispersin indican el grado de variabilidad o de dispersin de
los datos respecto a cierta medida de tendencia central, y sirven para describir
de manera ms completa un conjunto de datos.
Las medidas de dispersin ms utilizadas son: rango, rango intercuartil,
desviacin media, desviacin estndar, varianza y coeficiente de variacin.

DESVIACIN TPICA O DESVIACIN ESTNDAR.- Indica la desviacin promedio de los datos respecto a la
media aritmtica expresada en unidades originales. Esta medida eleva al cuadrado las desviaciones de los
datos respecto a la media aritmtica, con lo cual se elimina la posibilidad de que dicha suma sea cero.
Obteniendo la raz cuadrada de la varianza se obtiene la desviacin tpica.
Clculo de la desviacin tpica.
Frmula para su clculo:
Datos de una poblacin

Datos de una poblacin

=

Datos de una muestra

2
1

Datos de una muestra

02/03/2016

DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIN BINOMIAL

Distribucin normal
Si los valores de una variable se distribuyen normalmente y adems se transforman en calificaciones
estndar Z, entonces dichos datos quedan expresados en unidades de la curva normal estndar, cuyas
propiedades son:
a) Su media aritmtica es cero.
b) La desviacin tpica y la varianza tienen un valor de uno.

La distribucin binomial parte de la distribucin de Bernouilli:

La distribucin de Bernouiili se aplica cuando se realiza una sola vez un experimento que tiene
nicamente dos posibles resultados (xito o fracaso), por lo que la variable slo puede tomar dos valores:
el 1 y el 0
La distribucin binomial se aplica cuando se realizan un nmero "n" de veces el experimento de
Bernouiili, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre:

c) Su rea total es igual a uno.

0: si todos los experimentos han sido fracaso

n: si todos los experimentos han sido xitos

d) Es simtrica respecto a la media aritmtica.

Con los valores de la calificacin estndar Z y los valores del rea bajo la curva, es posible calcular rangos
percentiles, probabilidades, ayuda en las pruebas de hiptesis, etc

Ejemplo: Se tira una moneda 10 veces: cuantas caras salen? Si no ha salido ninguna la variable toma el
valor 0; si han salido dos caras la variable toma el valor 2; si todas han sido cara la variable toma el valor 10

DISTRIBUCIN POISSON

La distribucin de probabilidad de este tipo de distribucin sigue el siguiente modelo:

=

!

! !

Ejemplo: Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?

x numero de xitos o aciertos deseados, igual a 6 (en cada acierto decamos que la variable toma el
valor 1: como son 6 aciertos, entonces k = 6)

Esta distribucin es adecuada para variables discreta, y nos permite calcular probabilidades de eventos que
tienen probabilidades muy pequeas en una unidad de tiempo, distancia, espacio etc., Si un experimento
binomial tiene un nmero de repeticiones grande (n >30) y una probabilidad de xito muy pequea (p
0.10) entonces el clculo de las probabilidades es conveniente hacerlas mediante la distribucin Poisson,
cuya frmula es:

n es el nmero de ensayos. En nuestro ejemplo son 10

p es la probabilidad de xito, es decir, que salga "cara" al lanzar la moneda. Por lo tanto p = 0,5
q probabilidad de fracaso La frmula quedara:
6 =

10!
0.56(.05)106
10 6 ! 6!

6 = 0.205 20.5%

DISTRIBUCIN HIPERGEOMETRICA
Esta distribucin es adecuada para variables discretas y se utiliza en experimentos que tienen dos posibles
resultados o estos se pueden agrupar en xitos y fracasos, adems las repeticiones del experimento son
dependientes y su probabilidad de xito es variable en cada una de las repeticiones del experimento,
generalmente se presentan en experimentos que se realizan sin reposicin y su frmula es:

donde:
= n p = media aritmtica

e = base de los logaritmos naturales (2.71828)

x = nmero de xitos deseados

DISTRIBUCIN CHI CUADRADA X2

Es una distribucin muy utilizada en gentica sobre todo cuando estamos interesados en determinar si los
datos observados en un experimento se ajustan o son acordes a los esperados de acuerdo a una determinada
teora.
Una variable aleatoria x2 se genera por la suma de variables aleatorias independientes normal estndar,
elevadas al cuadrado

2 =

Donde: k = No. de casos favorables

x = No. de xitos deseados N = No de casos totales n = Tamao de muestra

( )2

Al nmero de variables independientes en la suma se llama grados de libertad y resulta ser el parmetro de la
distribucin. x2v = z2 1 z22 z23 ...... z2v La forma de la grfica de x2 depende de los grados de libertad, ya que
a medida que aumenta el tamao el tamao de la muestra, aumentan los grados de libertad y la semejanza con
la distribucin con la normal es mayor.

02/03/2016

DISTRIBUCIN T DE STUDENT

PRUEBAS DE HIPTESIS

En las investigaciones es de gran importancia realizar estudios pilotos o preliminares, con el fin de
obtener informacin relevante que nos permita corregir o afianzar la investigacin, en dichos estudios es
importante trabajar con muestras pequeas, ya que nos proporcionan informacin sobre los posibles
resultados de la investigacin.

Un ejemplo prctico del uso de la estadstica en la vida diaria lo son las pruebas de hiptesis, cuyo objeto
es probar, en base a una muestra, si el valor de un parmetro se ajusta o no a ciertas especificaciones requeridas
atendiendo a un nivel de probabilidad, as podremos probar.

La distribucin t de student esta definida por la frmula:

t=

a).- Si la diferencia entre dos estadsticos (promedios, proporciones, varianzas etc.,) se deben al proceso
aleatorio o realmente constituyen una diferencia.
b). Si dos muestras provienen de la misma poblacin
c). Si la diferencia entre dos tratamientos es o no significativa.

Donde:
=

= .

La informacin con la que se trabaja en las pruebas de hiptesis es incompleta, ya que generalmente
proviene de muestras, por lo que las decisiones que se tomen no pueden considerarse seguras en un 100%, es
decir, que existe el riesgo de cometer error al tomar una decisin.

Hiptesis, es una suposicin terica que se acepta provisionalmente para explicar ciertos hechos

El procedimiento para tomar decisiones a partir de una muestra en las pruebas de hiptesis es el siguiente:
a). Asignar una probabilidad pequea (10%, 5%; 3%, 2%, 1.0%, 0.5%, etc.) de cometer un error.
b). Plantear las hiptesis estadsticas: nula (Ho: = o) y alterna (Ha: o Ha: o Ha: o)
c). Obtener el estadstico de prueba Z (si la muestra es mayor o igual de 30) o t (si la muestra es menor de 30)

Hiptesis estadstica, es una suposicin respecto a uno o ms parmetros de la poblacin

Hiptesis nula
hipottico.

(Ho: =

Ho:

Ho: o), afirma que el parmetro tiene un valor igual al

Hiptesis alterna (Ha: o

Ha: o Ha: o), afirma que el parmetro tiene un valor diferente al
hipottico, y puede ser direccional o bilateral.

d). Obtener el valor de tablas Z o de t.

Hiptesis Alterna Direccional o Unilateral (Ha: o Ha: o) Afirma que el parmetro de la poblacin tiene
un valor diferente al hipottico, y adems nos indica el sentido o direccin de esa diferencia.

e). Decidir sobre si se rechaza o no Ho:

f). Obtener la conclusin respecto a lo que se pregunta:

Hiptesis Alterna no Direccional o Bilateral (Ha: o) Afirma que el parmetro de la poblacin tiene un valor
diferente al hipottico, sin indicar el sentido o direccin de esa diferencia.

H i p t e s i s n u l a (Ho)
Decisin
R e c h a z a r Ho:
No rechazar Ho:

Verdadera
Error tipo I ()
No hay error

En las pruebas de hiptesis estadsticas hay cuatro posibilidades de tomar una decisin:
1. Aceptar una hiptesis cierta, no implica error
2. Rechazar una hiptesis cierta, es un error tipo I ()
3. Aceptar una hiptesis falsa, un error tipo II ()
4. Rechazar una hiptesis falsa, no implica error

VALOR P

Falsa
No hay error
Error tipo II( )

El valor p es el nivel de significancia () mnimo que permite rechazar Ho, es decir que si () toma un valor
menor que el de p (el nivel de confianza aumentara) Ho no se rechazara y si adopta un valor mayor que p (el
nivel de confianza disminuir) entonces Ho se rechazara
Ejemplo: supongamos que
a) El valor de Z calculada es de 3.12, y n = 40
b) Las hiptesis son: (Ho: = 75) y (Ha: 75)
c) Si buscamos el valor de - 3.12 en tablas de Z obtendremos 0.4991, por lo que 0.5000-0.4991=0.0009, este valor
es de ()/2=0.0009, es decir que el valor total de () ser 2(0.0009) = 0.0018, y en consecuencia el nivel de
confianza es del 99.82%.( ya que 1.0000-.0018=0.9982) y el valor de p=0.0018.

02/03/2016

MUESTREO
Justificaciones del muestreo.

El objeto principal de la estadstica es obtener inferencias de una poblacin basados en una

muestra, dichas inferencias en ocasiones se refieren a la estimacin de parmetros, (media aritmtica,
total de la poblacin, proporcin, varianza, etc.). Los valores de los parmetros se pueden obtener en
forma exacta mediante un censo, es decir considerando a toda la poblacin, lo cual requiere de ms
tiempo, por lo cual resulta conveniente usar los mtodos de muestreo para tener un ahorro de tiempo,
dinero y esfuerzo.

a).- Cuando la poblacin a estudiar es grande.

b).- Cuando para la medicin de alguna variable se requiere de la destruccin de los elementos de la
poblacin.
c).- Cuando se requiere ahorrar tiempo, dinero y esfuerzo.

El muestreo es un conjunto de tcnicas que nos permiten seleccionar elementos de una poblacin
en forma conveniente para estimar de manera eficiente los valores de los parmetros.

Tipos de muestreo

El muestreo aleatorio simple es el ms simple ya que no tiene restricciones y consiste en seleccionar a los elementos
de la poblacin en forma aleatoria ya sea mediante sorteo o por el uso de tablas de nmeros aleatorios.

Hay dos tipos de muestreo el no probabilstico y el probabilstico.

El muestreo no probabilstico es aquel cuyos elementos de la poblacin no tienen la misma
probabilidad de ser seleccionados para integrar la muestra, sus caractersticas principales son: que carece
de fundamentos tericos satisfactorios y que su uso solo obedece a razones de comodidad o ignorancia.
Este muestreo puede ser intencional (procura que los elementos seleccionados sean representativos de la
poblacin) y circunstancial (los elementos son seleccionados sin atender ningn control ni criterio). Y bola
de nieve.
El muestreo probabilstico es aquel cuyos elementos de la poblacin tienen la misma probabilidad de
ser seleccionados para integrar la muestra, su caracterstica principal es su confiabilidad ya que permite
obtener conclusiones ms reales. y es recomendable para poblaciones finitas y bien definidas. Este
muestreo puede ser: aleatorio simple, estratificado, conglomerados y sistemtico.

El muestreo estratificado consiste en dividir a la poblacin en subgrupos llamados estratos (grupo de elementos que
tienen caractersticas semejantes respecto a la variable considerada), para posteriormente obtener aleatoriamente de
cada estrato una submuestra y estas conformaran la muestra.
El muestreo por conglomerados consiste en seleccionar aleatoriamente grupos de elementos de la poblacin para
posteriormente tomar todos o parte de los elementos para conformar la muestra
El muestreo sistemtico consiste en seleccionar un elemento de la poblacin cada K esima unidad mediante el siguiente
criterio.
a).- Enumerar cada uno de los elementos de poblacin.
b).- Determinar la razn de muestreo.(K) donde K = No. de elementos de la poblacin / No. de elementos de la muestra.
c).- Elegir aleatoriamente un valor entre uno y el valor resultante de K, el cual denotaremos por R
d).- Obtener los elementos de la poblacin a partir de R y cada K

CORRELACIN LINEAL SIMPLE

Un coeficiente de correlacin nos determina el grado de relacin o de asociacin entre variables. Hay varios
tipos de coeficientes de correlacin y su utilizacin depende de ciertos factores tales como:
a) .- Tipo de variable (discreta, continua o cualitativa).

Cuando estamos interesados en determinar si hay relacin lineal entre variables tales como la
temperatura y la precipitacin, entre la altura y el follaje de un rbol o el numero de das lluviosos y la
produccin de mangos, etc. entonces es necesario recurrir a los mtodos estadsticos de correlacin lineal,
es decir hay que calcular un coeficiente de correlacin, que nos indique el grado de asociacin entre
variables, o basarse en una grfica que nos permita visualizar la posible asociacin
La correlacin lineal simple permite determinar la posible asociacin lineal entre dos variables y la
correlacin lineal mltiple permite determinar la posible asociacin lineal entre dos ms variables.

b) .- Tipo de relacin o dependencia de los datos (lineal o no lineal).

El coeficiente de correlacin lineal ms usado es el de Pearson, que es adecuado tanto para variables
discretas como continuas y nos indica hasta que punto estn relacionadas las variables. Este coeficiente es
significativo si su valor esa entre -0.70 y 0.70.
En una distribucin bidimensional puede ocurrir que las dos variables guarden algn tipo de relacin entre
si.
Por ejemplo, si se analiza la estatura y el peso de los alumnos de una clase es muy posible que exista relacin
entre ambas variables: mientras ms alto sea el alumno, mayor ser su peso.

02/03/2016

REGRESIN LINEAL SIMPLE

DISEO DE EXPERIMENTOS (CONCEPTOS BSICOS)

Una recta viene definida por la siguiente frmula: y = a + bx

Donde "y" sera la variable dependiente, es decir, aquella que viene definida a partir de la otra variable "x"
(variable independiente). Para definir la recta hay que determinar los valores de los parmetros "a" y "b":

Experimento: es un cambio en las condiciones de operacin de un sistema o proceso, que se hace con el
objetivo de medir el efecto del cambio en una o varias propiedades de un producto.

El parmetro "a" es el valor que toma la variable dependiente "y", cuando la variable independiente "x"
vale 0, y es el punto donde la recta cruza el eje vertical.

Variable de respuesta: caracterstica del producto cuyo valor interesa mejorar mediante el diseo de
experimentos

El parmetro "b" determina la pendiente de la recta, su grado de inclinacin.

Factores controlables: son variables del proceso que se pueden fijar en un punto.

La regresin lineal nos permite calcular el valor de estos dos parmetros, definiendo la recta que mejor se
ajusta a esta nube de puntos.

Factores no controlables (de ruido): variables que no se pueden controlar durante el proceso

Niveles y tratamientos: Los diferentes valores que se asignan a cada factor estudiado en un diseo
experimental se llaman niveles. Una combinacin de niveles de todos los factores se llaman tratamiento.
Ejemplo

Nivel de velocidad

Nivel de temperatura

tratamientos

Error aleatorio: es la variabilidad observada que no se puede explicar por los factores estudiados

PRINCIPIOS BSICOS

Factores estudiados: son las variables que se investigan en el experimento para observar como afectan o
influyen en la variable de respuesta

Error experimental: componente del error aleatorio que refleja los errores del experimentador en la
planeacin y ejecucin.
Planeacin: son actividades encaminadas a entender el problema, disear y realizar las pruebas
experimentales adecuadas.
Anlisis: se debe determinar el modelo de anlisis de varianza Anova.
Interpretacin: analizar con detalle el experimento desde su inicio hasta los nuevos aprendizajes que se
obtuvieron en el proceso.

REFERENCIAS

Aleatorizacin: Consiste en hacer corridas experimentales en orden aleatorio.

MENDENHALL, W., SCHEAFFER, R.L., WACKERLY, D. D., Estadstica Matemtica con aplicaciones, tercera
edicin, editorial Iberoamrica, estados unidos

Repeticin: Es correr mas de una vez un tratamiento.

WEBSTER, A. L.. Estadstica aplicada a los negocios y economa, tercera edicin, editorial McGraw Hill,
Colombia, 2000.

Bloqueo: Es nulificar o tomar en cuenta en forma adecuada todos los factores que pueden afectar la
respuesta la respuesta observada.

GUTIERREZ, H., DE LA VARA, R., anlisis y diseo de experimentos, McGraw Hill, Mexico, 2003
MILLER, I., FREUND, JOHN., Probabilidad y estadstica para ingenieros, editorial Revert, Mxico.