Академический Документы
Профессиональный Документы
Культура Документы
CAPITULO 1
DEFINICIONES GENERALES
1
Estadstica
2
Estadstica
3
Estadstica
4
Estadstica
Muestreo Aleatorio: este tipo de muestreo consiste en formar una lista de todos
los elementos de la poblacin, enumerarlos y hacer la seleccin mediante la
generacin de nmeros aleatorios con una distribucin uniforme.
Para generar nmeros aleatorios con distribucin uniforme se puede usar una
tabla de dgitos aleatorios, o mediante la aplicacin de ecuaciones de
recurrencia, diseadas para tal fin. Los obtenidos de sta ltima forma se
denominan nmeros pseudoaleatorios, debido a que con el mismo valor
inicial, se obtiene la misma secuencia de nmeros.
5
Estadstica
6
Estadstica
CAPITULO 2
Del conjunto de datos, algunos nmeros slo se presentan una vez y otros se
repiten varias veces. Si se enumeran los resultados en el orden en que
ocurren, se dice que siguen la forma de datos no agrupados, lo cual
permite estudiar la secuencia de los valores, esto es, los valores altos o bajos, y
a partir de ah, descubrir algunas de las causas de variacin, por ejemplo registro
de venta de juguetes educativos, tiles escolares, venta de rboles de Navidad,
se observar que su comportamiento es cclico.
7
Estadstica
MEDICION ( X ) 15.5 15.7 16.0 16.1 16.3 17.0 17.5 19.0 19.5
FRECUENCIA ( f ) 2 2 3 3 1 5 4 6 2
8
Estadstica
7
6
5
4
3
2
1
9
Estadstica
10
Estadstica
La fijacin de los intervalos de clase depende del criterio del analista, aunque
se recomienda tomar en cuenta lo siguiente:
"El intervalo de clase est dado como el rango o recorrido de una clase"; al
distribuir una poblacin en clases, se busca que todos los intervalos de clase
sean iguales: en funcin del caso citado anteriormente el intervalo de clase
ser 5.
K = 1 + 3.3 Log.(n)
11
Estadstica
considerarse como final, sino solo como una gua. El nmero de intervalos
de clase especificado por la regla debe aumentarse o disminuirse segn
convenga y en beneficio de una presentacin clara de la informacin en
anlisis.
R
Ic =
K
Donde:
12
Estadstica
Refirindonos a la tabla 1.2, un intervalo de clase est dado por ejemplo (49.0 -
49.9), los nmeros extremos son 49.0 y 49.9 y se les conoce como lmites
de clase (49.0: lmite inferior de clase y 49.9: lmite superior de clase).
Para una explicacin de este concepto, se tomar como base los resultados
arrojados de la medicin de velocidad en el Km. 28 de la carretera Morelia
Patzcuaro de los vehculos que pasan en la primera semana del mes de
Septiembre de 2005.
13
Estadstica
Total 100
Si la velocidad se registra con una aproximacin de 1 km/hr. (tabla 1.3); el
intervalo de clase (60 - 62) tericamente incluye todas las mediciones,
desde 59.5 hasta 62.5; estos nmeros son conocidos como lmites reales de
clase o lmites verdaderos de clase, (59.5 lmite real inferior; 62.5 lmite real
superior).
IC = LSC - LIC
Donde:
IC = Intervalo de clase
LSC = Lmite superior de clase
LIC = Lmite inferior de clase
14
Estadstica
LSC + LIC
MC =
2
Donde:
MC = Marca de clase
LSC = Lmite superior de clase
LIC = Lmite inferior de clase
Para anlisis matemticos posteriores se debe tener presente, que si los datos
comprendidos en un intervalo se distribuyen de una forma uniforme, se
considera que el punto medio del intervalo, puede representar a todos los
valores de la muestra que se encuentran en l. A dicho punto se le denomina
marca de clase, en la tabla 1.2 se cita como (MCi).
f
i =1
i =n
Donde:
15
Estadstica
fi N a
f i = =
n n
Donde:
i
F i = f j
j =1
Donde:
j = 1, 2, 3, ... , i
i = 1, 2, 3, ... , n
16
Estadstica
Frecuencia
acumulada
80
79
73
29
Intervalos
49 50 51 52 53 54 de clase
17
Estadstica
18
Estadstica
Tabla de Datos
80 79 48 74 81 98 87 80
84 80 90 70 91 93 82 78
71 70 92 65 56 81 74 73
72 68 85 51 65 93 83 86
93 90 83 73 74 43 86 68
91 92 76 71 90 76 67 75
74 80 61 72 97 91 88 81
60 70 99 92 80 59 71 77
63 63 83 82 60 67 89 63
35 76 88 70 66 88 79 75
k = 1 + 3.3 log(n)
19
Estadstica
Donde:
k = Nmero de clases
n = Tamao de muestra usada.
Para el caso ser tomada una k = 7.0, debido a que no es posible tomar
fracciones de clase.
R = Vs - Vi
Donde:
R = 99 - 35 = 64
R
Ic =
k
Donde:
Ic = Intervalo de clase
R = Rango
20
Estadstica
k = Nmero de clases
64
Ic = = 9.14 = 10
7
Determinacin de frecuencias.
21
Estadstica
Fig. 3: Histograma
Frecuencia (fi)
25
20
15
12
5
2
1
Marca
de clase
30.5 35.5 45.5 55.5 65.5 75.5 85.5 95.5 100.5
22
Estadstica
23
Estadstica
24
Estadstica
CAPITULO 3
La parte fundamental para que sean tratadas las medidas de tendencia central
es el conocimiento de la notacin matemtica empleada en su representacin,
sta es expresada generalmente como:
n
El smbolo X
j=1
j se utiliza para expresar la suma de las Xj donde, (j) toma
X
j=1
j = X 1 + X 2 + X 3 + ... + X n
Por ejemplo:
X Y
i =1
i i
= X 1 Y1 + X 2 Y2 + X 3 Y3 + ... + X n Yn
Donde:
i = 1, 2, 3, ..., n
25
Estadstica
Ejemplo:
n
AY
i =1
i = AY1 + AY2 + AY3 + ... + AYn
= A(Y1 + Y2 + Y3 + ... + Yn )
n
= A Yi
i =1
Donde:
A es una constante.
C = NC
i =1
Donde:
C = constante
N = nmero de veces que se repite C.
26
Estadstica
3.2. PROMEDIOS.
Los promedios son conocidos tambin como medidas de tendencia central, las
ms representativas estn dadas como:
Media Aritmtica
Media Geomtrica
Media Armnica
Mediana
Moda
Con estas medidas se busca un valor que pueda representar a toda la muestra,
por encontrarse en el centro de ella, por lo que ser un valor estndar para
hacer cualquier anlisis de comparacin.
La media es el tipo de promedio ms comn, est dado como un valor tal que
la suma de las desviaciones o diferencias entre cada una de las observaciones y
dicho valor es cero; por lo que la Media Aritmtica de un conjunto de (n)
observaciones (X1, X2, X3, ..., Xn) para el caso de anlisis puntual, es igual a
la suma de las observaciones dividida entre (n).
27
Estadstica
n n
1 Xi
X=
n
Xi =
i =1 i =1 n
X + X 2 + X 3 + ... + X n X i
X= 1 = i =1
n n
Donde:
__
X = Media de la muestra
(X
i =1
i X) = 0
28
Estadstica
Solucin:
Donde:
29
Estadstica
10
X i =1
i = 2061.7
2061.7
X= = 206.17
10
Kg
X = 206.17
cm 2
WX i i
W1X1 + W2 X 2 + W3 X 3 + ... + Wn X n
X= i =1
=
W1 + W2 + W3 + ... + Wn
n
W i =1
i
Donde:
30
Estadstica
Solucin:
X1 = 70 W1 = 1.0
X2 = 80 W2 = 1.0
X3 = 85 W3 = 3.0
W X i i
70( 1 ) + 80( 1 ) + 85( 3 )
X = i =1
= = 81
n
1+1+ 3
W i =1
i
La calificacin final asignada por el profesor ser de 81.0, en escala 10 ser 8.1.
31
Estadstica
32
Estadstica
El clculo de este indicador est dado para el caso que los nmeros X1, X2,
X3, ..., Xn; se presentan con f1, f2, f3, ..., fn veces respectivamente (Es decir,
se presentan con frecuencias f1, f2, f3, ..., fn). La media aritmtica estar dada
como sigue:
__ f i X i f X + f
1 1 2 X 2 +... + f n X n
X= i =1
n
= n
i =1
fi f i =1
1 + f 2 + ... + f n
Donde:
__
X = Media Aritmtica para datos agrupados
fi = Frecuencia de la clase i., i = 1, 2, 3, ..., n
Xi = Marca de clase i, i = 1, 2, 3,..., n
33
Estadstica
Intervalos de fi Marca de fi Xi
Clase Clase(Xi)
30.5 - 40.5 1 35.5 35.5
40.5 - 50.5 2 45.5 91.0
50.5 - 60.5 5 55.5 277.5
60.5 - 70.5 15 65.5 975.5
70.5 - 80.5 25 75.5 1887.5
80.5 - 90.5 20 85.5 1710.0
90.5 - 100.5 12 95.5 1146.0
TOTALES 80 6122.5
f X i i
6122.5
X= i =1
n
= = 76.53
f
i =1
i
80
Lo que representa que el valor promedio del dimetro de los rboles del bosque
en estudio es 76. 53 cm.
34
Estadstica
G = n X 1 ,X 2 ,X 3 ,...,X n
Cuando se trabaja con observaciones en las que cada una guarda una razn
aproximada respecto a la anterior, crecen o decrecen proporcionalmente en
intervalos inclusive.
fi n
G= i =1 ( X i ) f i
i =1
Donde:
G = Media Geomtrica
= Producto
Para el caso de anlisis puntual se usa cada uno de los resultados del
experimento (xi), y cuando se trata con datos agrupados se sustituye por la
marca de clase (x'i).
Xi 5 6 7 8
fi 1 2 1 1
35
Estadstica
G = 6.319
1 n
H= =
1 n 1 n
1
n i =1 X i
X
i =1 i
Donde:
H = Media armnica.
Xi = Resultados del experimento, i = 1, 2, 3, ..., n
n = Tamao de la muestra
Solucin:
36
Estadstica
La raz cuadrtica media de una serie de datos (X1, X2, X3, ..., Xn); se define
como:
X i
RMS = i =1
Dnde:
3.3. MEDIANA
37
Estadstica
Las reglas presentadas anteriormente para obtener la mediana son usadas para el
caso cuando se manejan muestras pequeas.
38
Estadstica
f h
F'
0.5 f
k
f
k-1
x
T T T L Me
1 2 3 i
Y = Yo + m (X - Xo)
Y = 0.5
39
Estadstica
Y0 = Fk 1
f k
m=
h
X = Me
y
Xo = Li
Donde:
f k
0.5 = F k 1 + (M e L i )
h
De donde:
h
Me = Li + (0.5 F k 1 )
f k
40
Estadstica
Me = 51.25
3.4. MODA
Una muestra puede tener dos o ms modas, en cuyo caso se dice que es
bimodal o multimodal. Cuando todos los elementos de la muestra son
diferentes, entonces no tiene sentido hablar de ella, porque puede
considerarse que todos los elementos son la moda o que no existe, por stas
caractersticas, su uso est muy limitado.
41
Estadstica
42
Estadstica
M o Li f i +1
=
h f i 1 + f i +1
Donde:
i = subndice que corresponde al intervalo de clase modal
fi+1 = frecuencia de la clase modal siguiente al intervalo modal.
fi-1 = Frecuencia de clase anterior a la modal.
Li = Lmite inferior del intervalo i.
f i +1
M 0 = Li + h
f i 1 + f i +1
43
Estadstica
Mediana: Divide el rea bajo la curva en dos partes iguales con probabilidad de
0.5 cada una de tal forma que el rea total bajo la curva es 1.0.
Media: Este indicador pasa por el centroide del rea; y cumple con la siguiente
condicin:
(X
i =1
i X) 2 = 0
44
Estadstica
45
Estadstica
46
Estadstica
CAPITULO 4
MEDIDAS DE DISPERSION
Las medidas de dispersin son aquellas que expresan el grado en que los datos
numricos tienden a extenderse o alejarse respecto a un valor medio .
4.1. VARIANZA
1 n
m2 =
n i =1
(X i X )2
47
Estadstica
Donde:
como:
1 n
S 2 = m2 =
n i =1
(X i X )2
Para el caso en que son usados datos agrupados para el anlisis, cada marca de
clase representa a los valores que se encuentran dentro del intervalo
correspondiente, por lo cual la varianza est dada como:
f (X X )
i i
2
S x2 = i =1
n
f
i =1
i
Donde:
48
Estadstica
(X
i =1
i X )=0
49
Estadstica
(X i X )2
S x2 = i =1
n 1
(X i )2
= i =1
Donde:
50
Estadstica
(X i X )2
S= i =1
n-1
Donde:
n
f i (X i X )2
S= i =1
n
f
i=1
i
Donde:
51
Estadstica
S
C.V. = ( 100 )
X
Donde:
4.4.1 ASIMETRIA
52
Estadstica
53
Estadstica
54
Estadstica
Primer momento:
m1 =
(X i
X)
=X
n
Segundo momento:
m2 =
(X i
X )2
= S2
n
Tercer momento:
(X X )3 X i
3
m3 = i
=
n n
Cuarto momento:
(X X )4 X i
4
m4 = i
=
n n
55
Estadstica
m3
g1 =
(m2 )3
En caso contrario, es negativo; cuando mayor sea el valor (g1) mayor ser la
asimetra.
Cabe hacer notar que si los datos estn agrupados, se puede aproximar los
momentos con respecto a la media, como sigue:
m __ __
mk = f i (t i X ) k = f i ( X i X ) k
i =1
Donde:
56
Estadstica
__
X Mo
C.P. =
Sx
Donde:
__
X = Media Muestral
Mo = Moda
Sx = Desviacin Estndar
4.4.2. CURTOSIS
57
Estadstica
m
g2 = 4 2 3
(m2 )
58
Estadstica
59
Estadstica
f (X X )
i i
r
mr = i =1
n
f
i =1
i
Donde:
fi = Frecuencia de clase i. i = 1, 2, 3, , n.
Xi = Marca de clase.
r = 1, 2, 3, ..., n, momentos.
MEDIDA
CHOCOLATE
(cm)
1 3
2 2
3 3.7
4 5
5 2.7
6 3
Solucin:
60
Estadstica
Xi X (X i X) (X i X) 2 (X i X) 3
3 3.23 -0.23 0.053 -0.012
2 3.23 -1.23 1.51 -1.86
3.7 3.23 0.47 0.22 0.103
5 3.23 1.77 3.13 5.54
2.7 3.23 -0.53 0.28 -0.148
3 3.23 -0.23 0.053 -0.012
5.246 3.611
S2 = 5.246 / 6 = 0.8743
m3 = 3.611 / 6 = 0.6018
g1 = 0.6018 / 0.8176 = 0.73659
61
Estadstica
LIMITE DE MARCA DE
FRECUENCIA
CLASE CLASE
49-54 6 51.5
55-60 15 57.5
61-66 24 63.5
67-72 33 69.5
73-78 22 75.5
6(51.5) + 15(57.5) + 24(63.5) + 33(69.5) + 22(75.5)
X=
100
X = 66.5
MARCA
f i (X i X) 2
CLASES fi DE X (Xi X) f i (X i X) 3
CLASE
49-54 6 51.5 66.5 -15 1350 -20250
55-60 15 57.5 66.5 -9 1215 -10935
61-66 24 63.5 66.5 -3 216 -648
67-72 33 69.5 66.5 3 297 891
73-78 22 75.5 66.5 9 1782 16038
100 4860 -14904
Entonces:
S2 = ( 4860/100) = 48.6
62
Estadstica
m3 = -14904/100 = -149.04
g1 = -149.04/338.8 = - 0.44
Con los anlisis realizados hasta esta etapa del trabajo, el lector podr tener una
idea clara de que funcin de distribucin terica le es ms eficiente usar para
hacer anlisis estadsticos ms finos y orientados hacia la estadstica inferencial
el muestreo, diseo de experimentos entre otros anlisis susceptibles haciendo
uso de la informacin del experimento enfocados a la toma de decisiones.
CAPITULO 5
PROBABILIDAD
Para anlisis posteriores es necesario enunciar conceptos bsicos como los que
a continuacin se citan:
63
Estadstica
Por ejemplo:
S = { a, s }
64
Estadstica
Donde:
a = guila
s = Sello
S = {1, 2, 3, 4, 5, 6}
S = {1, 3, 5}
S = {0, 1, 2, 3}
Donde:
65
Estadstica
66
Estadstica
67
Estadstica
A I B = {x x A, y, x B}
Si los elementos que integran los eventos (A, B) estn dados como:
A = {1, 2, 3, 4, 5} y B = {2, 4, 6, 8}
Entonces:
A I B = {2, 4}
68
Estadstica
Grficamente:
P = {a, e, i, o, u}
Q = {r, s, t}
69
Estadstica
UNION DE EVENTOS.
70
Estadstica
A U B = {2, 4, 5, 6}
AU B = {X X A, o XB }
Ejemplo: S, M = {X 3 < X < 9 }
N = { Y 5 < Y < 12 }
M U N = { Z 3 < Z < 12 }
COMPLEMENTO
Grficamente:
71
Estadstica
Por lo que:
complemento de A = CA
CA = S - A = B
n1 = 6, n 2 = 6
Entonces:
n1 , n 2 = S = 36 puntos.
Cada dado puede adoptar 6 posibles resultados al ser lanzado por lo que el
espacio muestral (S) est dado por:
72
Estadstica
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
S=
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
Extensin: Si una operacin se puede efectuar en (n1 ) formas, si para cada una
de ellas se puede efectuar una segunda operacin (n 2 ) formas y si para cada
una de las dos primeras se puede efectuar una tercera operacin (n 3 ) formas
y as sucesivamente, entonces la secuencia de (k) operaciones puede realizarse
en (n 1 , n 2 , n 3 ,..., n k ) formas.
b).- Una seleccin de filete (R), Pavo (T) o Pescado (F) de plato principal.
73
Estadstica
Solucin:
74
Estadstica
S = [SRP SRI STP SFP SFI DRP DRI DTP DTI DFP DFI]
Existen tres formas de seleccionar la primera moneda y, una vez hecho hay
dos formas de seleccionar la segunda, por lo tanto.
n 1 , n 2 = 3(2) = 6 formas
75
Estadstica
PC
C
D PD
P CP
D CD
P DP
C DC
5.3. PERMUTACIONES
76
Estadstica
n! = 3(2)(1) = 6 Formas.
Por definicin: 1! = 1 ; 0! = 1
nP r = n (n - 1)(n - 2)......(n - r + 1)
77
Estadstica
n!
n Pr =
(n r)!
Solucin:
Para n = 20 y r = 2
20! 20!
P2 = = = 380
(20 2)! 18!
20
n = 5, r = 5
5! 5!
P5 = = = 5!= 120
(5 5)! 1
5
78
Estadstica
Solucin.
5! 5! 120
P2 = = = = 20
(5 2)! 6
5
6
Dadas como:
ab ba ca da ea
ac bc cb db eb
ad bd ce de ec
ae be cd dc ed
n!
P=
n1!n2!n3!...nk !
79
Estadstica
9!
P= = 1260
3!4!2!
n n!
=
n1 , n2 ,..., nr n1!n2 !...nr !
80
Estadstica
Donde:
n1+n2+ ...+nr = n
Solucin:
7 7!
= = 210 formas
3,2,2 3!2!2!
Dnde:
7 = Nmero de cientficos.
3 = Habitacin triple.
2 = Habitacin doble.
5.4.- COMBINACIONES.
81
Estadstica
n!
C r = ( nr ) =
r!(n r)!
n
Por ejemplo, las combinaciones de clase 2 que se pueden formar con las 5
primeras letras del alfabeto son:
5! 5(4)(3)(2)(1) 120
5
C2 = = = = 10
2!3! 2(1)[3(2)(1)] 12
5 C 2 = 10
Dados como:
ab ac ad ae bc
bd db cd ce de
82
Estadstica
Ejemplo: : Una tabla de (12" x 3/4" x 8') de Pino, puede ser comprada de
cualquiera de 5 proveedores. De cuntas formas se pueden escoger tres de
los cinco proveedores ?.
Solucin:
5! 5(4)(3)(2)(1) 120
C3 = = = = 10
3!(5 3)!
5
3!2! 12
5 C 3 = 10.formas
Solucin:
De los cinco C.P., pueden elegirse tres en cualquiera de las ( 5C3 ) maneras y
de los siete profesores pueden elegirse cuatro entre cualquiera de las ( 7C4 )
maneras.
Entonces el nmero de comits est dado en funcin de un producto de
combinaciones dadas como:
5! 7!
5 C 3 *7 C 4 = x = 350 Comites diferentes
3!2! 4!3!
83
Estadstica
5*4 4*3
3C 5 * 4C 2 = * = 60
2 2
84
Estadstica
CAPITULO 6
85
Estadstica
Na
P( A) =
N
Donde:
Las limitaciones que presenta esta interpretacin clsica son las siguientes.
86
Estadstica
11 12 13 14 15
21 22 23 24 25
S = 31 32 33 34 35
41 42 43 44 45
51 52 53 54 55
N 5
P ( ) = =
N 25
15
P( ) =
25
3
P( ) =
25
87
Estadstica
Solucin:
Ejemplo: Dos monedas legales se lanzan 4 veces al aire, cual determinar cual es
la probabilidad de obtener al menos una cara.
Solucin:
88
Estadstica
Solucin:
S = 52 piezas
A = Corazones = 13
P(A) = 13/52
P(A) = 0.25
X
f =
n
X X
P( A) = Lim o bien P( A)
n n n
89
Estadstica
Las limitaciones que presenta este enfoque, estn en funcin de que la misma
tiene el inconveniente de que la probabilidad asignada cambie de una persona a
otra y en ocasiones puede presentar inconsistencia en una misma persona
cuando esta aumente su conocimiento sobre el fenmeno en estudio.
Axioma 1: 0 P(A) 1
Axioma 2: P(S) = 1
90
Estadstica
El primer axioma establece que las probabilidades son nmeros reales que
varan entre 0 y 1. El segundo axioma afirma que el espacio muestral completo
se le asigna una probabilidad de 1 y esto expresa la idea de que la probabilidad
de un cierto evento que puede suceder presenta probabilidades de ocurrencia
entre 0y 1 de acuerdo al axioma 1. El tercer axioma establece que las funciones
de probabilidad deben de ser aditivas.
Teorema 1.
Si A1, A2,...,An son eventos mutuamente excluyentes en un espacio muestral S,
entonces.
P( A1 A2 ,..., An ) = P( A1 ) + P( A2 ) + ... + P( An )
91
Estadstica
225 5 10
P(1D) = = 0.495; trabajar con
455 1 2
92
Estadstica
5 10
P(2 D) = = 0.22
2 1
455
5
P (3D) = = 0.022
3
455
Por lo que: P(A) = 0.495 + 0.22 + 0.022 = 0.737. probabilidad de que por lo
menos alguna este descompuesta.
93
Estadstica
Para el caso sean {E1 E2 E3 ,....., En}. Donde Ei; i = 1, 2, 3, ..., n; son
resultados mutuamente excluyentes por lo que de acuerdo al teorema 1, se tiene
que.
Solucin:
E1 = la carta es un rey.
E2 = la carta es una reyna.
94
Estadstica
B), esta regla llamada unin, se refiere a la ocurrencia, ya, sea, del evento A,
del evento B o de A y B.
Por lo anterior se tiene que se ha sumado dos veces el peso de (A B), y que
la suma de P(A B) da como resultado.
95
Estadstica
Ejemplo: En una planta industrial trabajan 150 empleados, los cuales estn
clasificados de la siguiente forma:
90 Tienen experiencia en la elaboracin del producto A.
50 Tienen experiencia en la elaboracin del producto B.
30 Tienen experiencia en la elaboracin de ambos productos.
Solucin:
El (%) de empleados que se piden para el caso, se calcula a travs del uso de la
ecuacin representativa del teorema 3, dada como:
96
Estadstica
Lo que implica que el 73.3 % de los empleados, pueden elaborar uno, otro
ambos productos.
P(A B) = = P() = 0
97
Estadstica
Solucin.
A = Contabilidad (2/3).
C = (A B).
P(A B) = P(A) + P(B) - P(A B)
= 0.31
98
Estadstica
TEOREMA 4.
P(A') = 1 - P(A)
Para el caso:
A A' = S
P(S) = 1.0
Solucin.
S = 26 = 64 ; puntos mustrales.
Evento.
E'= Que no ocurra ninguna cara (cuando todos los tiros son ceros).
99
Estadstica
Solucin:
Eventos.
S = Sol.
A = guila.
P(E) = 1 - P(E')
100
Estadstica
Total 22
Se desea encontrar cul es la probabilidad de que en la prxima semana se
soliciten:
a). Ms de un aparato.
b). A lo, ms 3 aparatos.
c). Entre 2 y 4, ms de dos aparatos.
Solucin:
A = { solicitan ms de un aparato}
Ci = { solicitan i aparatos }
Entonces:
A = { C2 C3 C4 C5 }
Pero:
P(A) = 1- P(A)
Por lo que:
Por lo tanto:
101
Estadstica
B = { C 0 C1 C2 C3 }
D = {solicitan ms de 2 aparatos}
C = { C 2 C3 C4 }
D = { C 3 C4 C5 }
Por lo tanto:
ESPERANZA MATEMATICA
102
Estadstica
n
= E ( X ) = X i P( X i )
i =1
Donde:
103
Estadstica
Se Tiene que:
n
= E ( X ) = X i P( X i )
i =1
Donde:
104
Estadstica
P(A I B)
P(B/A) = [P(A) 0 ]
P(A)
P(A I B)
P(A/B) = [P(B) 0 ]
P(B)
P(A|B) implica que tan probable es que estemos en A sabiendo que debemos
estar en B.
105
Estadstica
106
Estadstica
P(A I B)=P(A)P(B/A)
P I Ai = P( A1 I A2 I A3 ... I An 1 I An )
n
i =1
n n 1
P I Ai = P( A1 ) P( A2 ) P( A3 )... P( An / I Ai )
i =1 i =1
= P( A1 ) P( A2 / A1 ) P( A3 / A1 I A2 )...
107
Estadstica
Solucin:
Eventos.
108
Estadstica
a).- A i I A j = ; i j
n
b).- UA
i =1
i =S
109
Estadstica
De donde se tiene:
A1 U A2 U A3 U ... U An = S
Donde:
Ai S i ; i = 1,2,..,n
B S
B I S = B I (A1 U A2 A3 U ... U An )
B = (B I A1 ) U (B I A2 ) U ... U (B I An )
Para el caso algunos de los conjuntos B I A i pueden ser vacos, pero esto
no invalida la descomposicin anterior de B. Lo importante es que todos los
sucesos ( B I A 1 ,..., B I A n ) son mutuamente excluyentes.
P(A I B) P(A I B)
P(A/B) = ; P(B/A) =
P(B) P(A)
Entonces:
110
Estadstica
n
P(B)= P(B/A j )P(Aj )
j=1
P( A I B)
P( A / B) =
P( B)
Pero:
( A I B) = P( A B) P( B) = P( B A) P( A)
y adema s P( B) es:
n
P(B)= P(B/A j )P(Aj )
j=1
P(B/Ai )P(Ai )
P(Ai /B)= n
;i = 1,2 ,...,n
P(B/A
j =1
j )P(A j )
111
Estadstica
CAMINO PROBABILIDAD
1 0.50
2 0.20
3 0.40
4 0.30
EN FORMA CON
CAMINO % TRAFICO
FLUIDA PROBLEMAS
1 25 0.5 0.5
2 40 0.2 0.8
3 20 0.4 0.6
4 15 0.3 0.7
Eventos.
112
Estadstica
P( B / A1 , A2 , A3 , A4 ) P ( A1 , A2 , A3 , A4 )
P( A1 , A2 , A3 , A4 / B) =
P( B)
P(B/A1 )P(A1 )
P(A1 /B)=
P(B)
Lo cual implica que transitar en forma fluida para llegar al centro es dada como
se muestra anteriormente, en trminos de su dificultad se tiene: camino 2,
camino 1, camino 3, camino 4.
% DE ELEMENTOS
MAQUINA % DE PRODUCCION
DEFECTUOSOS
A 52 2
B 33 1.5
C 15 1.8
113
Estadstica
P(D/A,B,C)P(A,B,C)
P(A,B,C/D) =
P(D)
Para el caso los datos que se emplearan en el anlisis son dados tabularmente
como:
% ELEMENTOS % ELEMENTOS NO
MAQUINA % PRODUCCION
DEFECTUOSOS DEFECTUOSOS
A 52 2 98
B 33 1.5 98.5
C 15 1.8 98.2
0.52(0.98)
P(A / D) = = 0.51896
0.52(0.98) + 0.33(0.985) + 015
. (0.982)
P(B/D) = 0.3310
P(C/D) = 0.150
Lo cual representa los niveles de probabilidad de que haya sido producida por
cada una de las mquinas (A,B,C) de la planta, la mquina con un nivel de
114
Estadstica
Entonces:
si r << 1 ; Ar = {(s,s)} A.
115
Estadstica
Una variable aleatoria discreta toma cada uno de sus valores con una cierta
probabilidad.
116
Estadstica
P = 1.0
i =0
i
k
(X = xi ) ; p(X = xi ) = fx (xi ) = P = 1.0
i =1
i
f x(X i ) 0
f (x ) =1.0
x i
P(X = xi ) = f x(xi )
117
Estadstica
Solucion:
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
S=
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
Eventos:
Definida como:
X = { 2,3,4,5,6,7,8,9,10,11,12 }
118
Estadstica
P(X=xi) = Pi
Como se muestra:
119
Estadstica
Fx(x) = Pi = P( X = xi )
xi x xi x
Fx ( ) = 0
Fx ( ) = 1.0
120
Estadstica
Solucion:
P(X X1)
121
Estadstica
P(X 7) = 21/36
P(X 8) = 26/36
P(X 9) = 30/36
122
Estadstica
P (X = x) = 1,
xR
r y , Pr (X = x) 0 ,x
Adems: P0 + P1 = 1
1/ 2, si x = 0
f (x) =
1/ 2, si x = 1
123
Estadstica
124
Estadstica
125
Estadstica
f x ( x) 0, x
f
x
( x) = 1
126
Estadstica
5ta: f
x ( x)dx = 1
F(X)=P(X x )= f(t)dt
-
dF(x)
f (X) =
dx
127
Estadstica
Ejemplo: Sea la variable aleatoria (X) que tiene una funcin de densidad de
probabilidad, dada como:
x2
fx (x) = ; (-1 < X < 2)
3
Solucion:
2
x2
fx (X)dx = 3 dx =
- -1
2
1X3
= = 1/3 [8/3 + 1/3] = 9/9 = 1.0
3 3 1
128
Estadstica
fx(X): Est representada por la recta de la figura entre los puntos (XX1,YY1).
solucion:
Inicialmente se requiere conocer h, la cual est dada en funcin del area total,
sta puede ser escrita como:
At = A 1 + A 2
Donde:
A1 = bh
A2 = bh/2
Entonces:
129
Estadstica
At = bh + bh/2 = 1.0
1.0 = 4h + 4h/2 = 4h + 2h
1.0 = 6h
h = 1/6
Y2 Y1 Y Y 2h h
m= = 1 =
X 2 X1 X1 X 5 1
h
m=
4
(Y - Y1) = m (X - X1)
Sustituyendo valores.
h
Y 2h = ( X 5)
4
h hx 5h
Y= ( X 5) + 2h = + 2h
4 4 4
130
Estadstica
1 5
f x(X) = (X) + 0.33
24 24
Fx(X) =
f x(X)dx = f x(X)dx + f x(X)dx = 1
1
x
1 1 x
1 x
1
1 24 (x) + 8 dx = 1 24 (x)dx + 1 8 dx = 1
x
1 x2 1 x 1 2
+ [x ]1 = (x 1 ) + (x 1 )
1
24 2 1 8 48 8
Comprobacin:
fx (5) = 1.0
131
Estadstica
fx( X ) = { 0.1e 0 .1 x
0
x0
x<0
solucion:
0
A).-
f x(X)dx = f x(X)dx + f x(X)dx
0
e 0 .1 x 0.1
f (X)dx + 0.1e dx = 0.1 = ( 0 1 ) = 1.0
- 0 .1 x
0.1 0.1
x
0
132
Estadstica
kt; 0t4
f T (t ) =
0; cualquier otro valor
Calcular:
Solucin:
a). Como fT(t) es una funcin de probabilidad, entonces se debe cumplir que:
4 4
Entonces:
133
Estadstica
4
4
t 2 16
k tdt = 1; k = k = 8k = 1; k = 1/8
0 2 0 2
b). La media es: t = E(t) = tf t (t 0 )dt; definicin: ( z ) = z Pz (z)
z
2 z = E{( z z ) 2 } = ( z z ) 2 Pz ( z )
z
t = E (t t ) 2
0 0
Efectuando operaciones:
1 t4 2 t3 8 t2
E{(t t ) } = t dt
14 3 28 2 64 1 4
t dt + 9 8 0 tdt = 8 4 3 3 + 9 2 = 0.89
2 4
0
80 83
Por lo que : t = 0.89 = 0.94
134
Estadstica
Sin embargo en muchos de los casos no es posible establecer una clara relacin,
debido al efecto ocasionado por la incertidumbre; para el caso solo se pueden
tener modelos probabilistas, este tipo de modelos al analista le permiten decir
slo que, dadas ciertas condiciones iniciales, ocurrirn ciertos estados con tales
y tales probabilidades. Es decir que dadas las condiciones iniciales, un modelo
probabilista permite deducir una distribucin de probabilidades de posibles
estados subsiguientes, que son valores de una variable aleatoria.
El presente modelo adopta este nombre en honor a Jacques Bernoulli, que vivi
en la ltima mitad del siglo XVIII. Es aplicado a una variable aleatoria la cual
puede adoptar solamente dos valores; sean los dos valores 0 y 1 con p y q = 1-
135
Estadstica
xi f(xi)
1 P
0 Q
Suma 1
1 p ; para X = 0
Px ( X ) = p ; para X = 1
0 ; cualquier otro caso
Graficamente es:
136
Estadstica
x
i
i
f ( xi ) = p
y x
i
2
i f ( xi ) = E ( x 2 ) = p
En consecuencia, se tiene para la variable Bernoulli:
E ( x) = = p
V (X ) = 2
= E( x2 ) 2
= p p2
= p (1 p ) = pq
137
Estadstica
Con frecuencia un experimento consiste de intentos repetidos, cada uno con dos
resultados posibles, que se pueden llamar xito o fracaso,.esto es vlido al
138
Estadstica
probar las piezas que salen de una lnea de ensamble, donde cada prueba o
intento puede indicar una pieza defectuosa o no defectuosa, entonces se tiene
que un proceso binomial puede considerarse como la suma de n variables
Bernoulli independientes. Ms an, una variable binomial es generada con los
postulados siguientes:
Todas las pruebas deben tener idnticas probabilidades de xito p, tal que
la probabilidad de fracaso para cada prueba permanezca en un valor
constante de q que es igual a (1-p).
139
Estadstica
n
f ( x) = b[x, n, p ] = p x q n. x ; x = 0,1,2,..., n
x
n n!
x x!(n x)! = rCn
=
La ecuacin anterior puede ser escrita como:
140
Estadstica
nCx p x q n x , para x 0
Px ( X ) = f ( X ) =
0 , para x < 0
Donde:
n = Nmero de ensayos.
p = Probabilidad de xitos.
X = I1 + I2 + ... + In
141
Estadstica
= p + p + ... + p
=np
2 = n p q
Donde:
I2 = E [( I j p ) 2 ]E ( I j ) p 2 = pq
j
x2 = I2 + I2 +,...,+ I2
1 2 n
= pq + pq + ... + pq
=npq
Solucin:
142
Estadstica
= n p = 10 (0.2) = 2
m
p ( x m) = xCnp x q n x
x =0
Esta funcin aparece prcticamente en todos los problemas que tengan carcter
del llamado experimento de Bernoulli.
npq (1 2 p )
m3 =
(npq ) 3 / 2
143
Estadstica
El resultado es:
2
m
1 x np
F ( x) = xCnp q
x n x
e 1 / 2
x =0 2npq npq
Con:
x2 np + 0.5
b=
npq
x1 np 0.5
a=
npq
144
Estadstica
Solucin:
x = n p = 4(0.1) = 0.4
n C x p x q n x ; x 0
Px ( X ) =
0 ; x < 0
d). Como, la funcin de masa de la distribucin binomial es:
X P(x)
0 0.6561
145
Estadstica
1 0.2916
2 0.0486
3 0.0036
4 0.0001
Si:
146
Estadstica
147
Estadstica
n1 C x 1 P x q n x ; n x
PN (n) =
0; n < x
Como no tiene sentido que haya menos de X ensayos para encontrar X xitos,
entonces.
X Xq
N = ; N2 = 2
P P
148
Estadstica
b). El nmero promedio de unidades que se debe observar para encontrar cinco
defectuosas.
Solucin:
a). X = 2, N = 5 y P = 0.1
Entonces.
4!
PN (5)= 51 C 21 (0.1) 2 (0.9) 5 2 = (0.1) 2 (0.9) 3 = 0.02916
1!(3)!
X 5
N = = = 50, unidades
P 0.1
pq n 1 ; n 1
PN (n) = P ( N = n X = 1, P) =
0; n < 1
149
Estadstica
1 q
N = ; N2 =
p p2
c). La varianza de N.
d). La grfica de la funcin de masa de probabilidad f(x); que corresponde a N
en el intervalo [1,6].
Solucin:
b). Si.
1 1
N = = = 0.2 ; entrevistas
p 0.5
150
Estadstica
0.5
N2 = =2
(0.5) 2
X P(X)
1 0.5
2 0.25
3 0.125
4 0.063
5 0.031
6 0.016
151
Estadstica
Las formas clsicas para obtener la distribucin de Poisson son definidas como:
152
Estadstica
x
P ( x, ) = ( x ) = [e ] ;
x = 0,1,2,...., n
x!
X e
; para x 0
PX ( X ) = x!
0 ; para x < 0
B).- Puede producirse dicha distribucin, tomando como referencia las hiptesis
siguientes:
a).- La probabilidad de que ocurra un suceso aleatorio en un intervalo de tiempo
t es independiente de que tales sucesos ocurren en los dems intervalos.
b).- Dicha probabilidad es proporcional a la cantidad t. En consecuencia puede
utilizarse ampliamente, por ejemplo en el estudio de las corrientes de trfico
en una va rpida en una ciudad determinada.
c).- Se puede generar mediante la ecuacin de recurrencia siguiente:
( x + 1) = ( x); para x = 0,1,2,3,......
( x + 1)
Si se supone:
153
Estadstica
(0) = e-
Su media es:
Su varianza : s2 =
1
Su asimetra: u =
x
x xe
( x) = e
u!
u =0
=
u!
154
Estadstica
6t
6t k
e 4000
( )
Pr = (k defectos) = 4000
k!
6 ( 3000 )
6(3000) k
e 4000
( )
Pr = (k defectos en 3000 metros) = 4000
k!
e 4.5 (4.5) k
= ; k = 0,1,2,......
k!
155
Estadstica
Los eventos:
0 - cero defectos
1 - defectos
2 - defectos
Es importante hacer notar que todos los eventos son mutuamente excluyentes.
Entonces:
Solucin:
156
Estadstica
( 2 ) 0 e 2
PX ( X ) = = 0.1353
0!
c). Se tiene:
X Px(X)
0 0.135
1 0.270
2 0.270
3 0.18
4 0.090
5 0.036
6 0.012
7 0.003
8 0.001
157
Estadstica
Solucin:
15
P(X > 15) = 1.0 - P(X 15) = 1 P( x,10) = 1 0.9513 = 0.0487
x =0
En tablas con:
= 10
X = 15
Para:
Se tienen:
=4
X=6
e 4 4 6 6 5
P(6,4) = = P ( x,4) P( x,4) = 0.8893 0.7851 = 0.1042
6! x =0 x =0
158
Estadstica
Caso:
p 0
= np
P = x/nx
( t) x e t
; para x 0
PX ( x) = x!
0 ; para x < 0
159
Estadstica
P (8) =
[2(5)] e 8 2 ( 5 )
= 0.1126
x
8!
6 0 e 6
Px (0) = = 0.0024
0!
4 0 e 4 41 e 4 4 2 e 4
P ( x < 3) = Px (0) + Px (1) + Px (2) = + + = 0.2381
0! 1! 2!
160
Estadstica
La variable aleatoria X, que toma todos los valores reales (- < x < ), tiene
una distribucin normal ( o gausiana) si su funcin de distribucin de
probabilidad es de la forma.
fx(X) = n(X;,); con media y varianza 2 es:
[( x ) / ]
1
1 2
f x ( x ) = n ( x, , ) = e2
2
para (- < x < )
Donde:
p = 3.1416
e = 2.71828
x = Variable aleatoria
161
Estadstica
1
z2
1
z2
z2
E ( x) =
2
( +
z) e 2
dz =
2
e
2
dz +
2
ze
2
dz
E [( x ) ] =
1
1
[( x ) / ]2
(x ) e dx
2 2 2
E [( x ) 2 ] =
[z ]
1 2
z e dz
2 2
u=z,
dv = ze z
2
/2
162
Estadstica
du = dz y
v = 1 ez
2
/2
, se encuentra que:
2 z2
E [( x ) ] =
ze z /2
+ e dz = 2 (0 + 1) = 2
2
2 2
2 -
163
Estadstica
1. Por ser una funcin par, posee simetra axial respecto a las ordenadas en x
= , que es donde se encuentra su punto mximo.
1
ys = (vertice)
2
164
Estadstica
165
Estadstica
x2
1 x 12 [( x ) / ]
2 2
166
Estadstica
x
z=
2
1 x 12 [( x ) / ]
2 2
1 z z2
2
P( x1 < x < x2 ) =
2 x
e dx = e dz =
2 z
1 1
z2
167
Estadstica
a).- Cul es la probabilidad de que otra probeta tomada al azar resista cuando
ms 240 Kg./cm ?.
b).- Cul es la probabilidad de que su resistencia est en el intervalo de 210 a
240 Kg./cm .
Entre los supuestos de solucin se tiene que la funcin de distribucin es
normal.
168
Estadstica
x (240 240)
z= = =0
30
x 210 240
z2 = = = 1
30
x 240 240
z1 = = =0
30
169
Estadstica
= 34.13 %.
170
Estadstica
n
b( X , n, p ) = p x q n x ; x = 0,1,2,..., n
x
n n!
=
x x!(n x)!
En funcin de lo anterior un teorema que permite usar las reas bajo la curva
para aproximar probabilidades binomiales cuando n es suficientemente grande
est dado como sigue:
x np
z=
npq
171
Estadstica
Solucion:
= 0.9
= 0.003
Intervalo obtenido: (0.9 0.005)
(0.895 X 0.905)
Estandarizando.
x
z=
Para:
X = 0.895
X = 0.905
x 0.895 0.9
z1 = = = 1.67
0.003
x 0.905 0.9
z2 = = = 1.67
0.003
172
Estadstica
Para:
+1.67 = 0.9525
-1.67 = 0.0475
0.9050
173
Estadstica
CAPITULO 7
7.1. INTRODUCCIN
Este modelo es empleado cuando existe una relacin lineal entre los datos
manejados (interrelacin entre variables x,y).
174
Estadstica
La relacin lineal ms simple consiste en una recta, el modelo para la lnea recta
(lineal) puede expresarse como:
y i = 0 + 1 xi + i
Donde:
175
Estadstica
Donde:
El anlisis de regresin lineal simple le toca encontrar la lnea recta que mejor
se ajuste a los datos. El mejor ajuste significa que se desea encontrar la lnea
recta para la cual la diferencia entre el valor real de y, yi y el valor que se
predecir con la lnea de regresin ajustada y , es la ms pequea que sea
posible.
Como dichas diferencias son tanto positivas como negativas para diferentes
observaciones, matemticamente se minimiza.
n n
i =1
( yi y$i ) 2 = (y
i =1
i b0 b1 x ) 2 = SCE
Donde:
yi = Valor real de y para toda i.
y$i = Valor predicho de y para toda i.
La cual tiene dos incgnitas b0 y b1 una tcnica matemtica que determina los
valores b0 y b1 que mejor ajustan a los datos observados, se conoce como el
176
Estadstica
( SCE ) n
= 2 ( yi b0 b1 xi )
b0 i =1
( SCE ) n
= 2 ( yi b0 b1 xi ) xi
b1 i =1
yi = nb0 + b1 xi
i =1 i =1
n n n
x y
i =1
i i = b0 xi + b1 xi2
i =1 i =1
Dado que se tienen dos ecuaciones con dos incgnitas resolviendo en forma
simultanea para b0 y b1. Se tiene.
n n n
n xi yi ( xi )( yi )
b1 = i =1
n
i =1
n
i =1
n xi2 ( xi ) 2
i =1 i =1
b0 = y b1 x
177
Estadstica
O tambien:
n n n n
( x )( yi ) ( xi )( xi yi )
2
i
b0 = i =1 i =1
n
i =1
n
i =1
n xi2 ( xi ) 2
i =1 i =1
Donde:
x = media de las x i
y = media de las y i
As como no se puede esperar que todos los datos caigan en la media aritmtica,
tampoco se puede esperar que todos los puntos de los datos caigan exactamente
en la lnea de regresin .
178
Estadstica
que:
(y
i =1
i yi ) = 0
( y y$ )
i =1
i i
2
S xy =
n 2
Donde:
n n n n
(y y i ) 2 = yi b0 yi b1 xi yi
2
i
i =1 i =1 i =1 i =1
y i b0 yi b1 xi yi
S xy = i =1 i =1 i =1
n2
179
Estadstica
180
Estadstica
VT = VE + VNE
Donde:
VT = variacin total.
VE = variacin explicada.
VNE = variacin no explicada
n
VT = ( yi y ) 2
i =1
n
VNE = ( yi yi ) 2
i =1
n
VE = ( yi y ) 2
i =1
VE (y i
y)2
r2 = = i =1
n
VT
(y
i =1
i
y)2
181
Estadstica
La fuerza de una relacin entre dos variables se suele medir con el coeficiente
de correlacin (r) cuyos valores van desde (-1 para la correlacin negativa
perfecta, hasta +1 para la correlacin positiva perfecta).
De las grficas anteriores la primera figura ilustra una relacin lineal negativa,
perfecta entre x,y. Por lo que hay una relacin perfecta uno a uno entre x, y, de
modo que y disminuir de forma perfecta segn aumenta x. En la segunda
figura se ilustra el caso que no hay relacin entre x, y : En la tercera figura se
muestra el caso en que y aumenta en una forma perfectamente predecible segn
aumenta x.
182
Estadstica
VE ( yi y ) 2
r2 = = i =n1
VT
( yi y ) 2
i =1
r = r2
(x i x )( yi y )
r= n
i =1
n
( xi x ) 2
i =1
(y
i =1
i y)2
Ejemplo:
183
Estadstica
1 8.1 8.1 1
1.1 7.8 8.58 1.21
1.2 8.5 10.2 1.44
1.3 9.8 12.74 1.69
1.4 9.5 13.3 1.96
1.5 8.9 13.35 2.25
1.6 8.6 13.76 2.56
1.7 10.2 17.34 2.89
1.8 9.3 16.74 3.24
1.9 9.2 17.48 3.61
2 10.5 21.00 4.0
TOTAL 16.5 100.4 152.59 25.85
Como:
y = 100.4 / 11 = 9.13
x = 16.5 / 11 = 15
.
Como:
( x ) = (16.5) = 272.25
i
2 2
( x )( y ) = 16.5(100.4) = 1656.6
i i
184
Estadstica
Por lo que:
n n n
n xi yi ( xi )( yi )
11(152.9) 1656.6
b1 = i =1 i =1 i =1
= = 1.8090
11(25.85) 272.25
n n
n xi2 ( xi ) 2
i =1 i =1
Para b0 se tiene:
b0 = y b1 x
185
Estadstica
(miles)
Solucin:
b0 = 0.1068
b1 = 0.4191
Por lo que:
r= 0.998
186
Estadstica
187
Estadstica
188
Estadstica
CAPITULO 8
NMEROS NDICE
Al paso del tiempo los nmeros ndice han adquirido importancia eficiente
para la administracin de negocios, los cuales son usados como indicadores
de cambio de la actividad econmica o de los negocios. El uso de nmeros
ndice se ha convertido en el procedimiento de mxima aceptacin para medir
los cambios en las condiciones de los negocios. En trminos generales los
nmeros ndice construidos en un punto particular en el tiempo miden el
tamao o magnitud de algn artculo en ese punto particular en el tiempo,
como un porcentaje de alguna base u objeto de referencia en el pasado.
189
Estadstica
El perodo base o punto de referencia empleado para el anlisis est dado como
el ao o perodo de tiempo en el pasado, contra los cuales se hacen todas las
comparaciones. Al seleccionar el perodo base para un ndice dado se deben
cuidar las siguientes reglas.
b).- El perodo base debe ser reciente a fin de que las comparaciones no se
afecten sin necesidad por cambios en tecnologa, calidad del producto o en
las actitudes, intereses, gustos y hbitos de los consumidores.
Donde:
190
Estadstica
191
Estadstica
P
(t )
i
I SA =
(t ) i =1
n
* 100
P
(0)
i
i =1
P
(t )
i = de precios pagados por cada artculo en (t).
i =1
perodo base.
Ejemplo: dados los precios de los bienes A, B, C, para los aos indicados en la
tabla siguiente, se desea calcular los ndices de precios respectivos.
192
Estadstica
Una vez que se obtienen las proporciones de precios de cada artculo, se suma el
resultado y se divide el total entre el nmero de artculos que forman el ndice,
despus el promedio se multiplica por cien para expresarlo en porcentaje, la
ecuacin representativa de este caso est dada como:
n
P
(t )
i
i =1
P
(0)
= i
(t )
I SM * 100
n
193
Estadstica
n (t )
Pi Wi
(t )
IWA = i n=1
Pi Wi
( 0)
i =1
n P (t )
i
i =1 ( 0 ) Wi
Pi
I MW
(t )
= * 100
n
Wi
i =1
194
Estadstica
CAPITULO 9
RESUMEN
195
Estadstica
196
Estadstica
Donde:
PR = prima de riesgo
E(X) = valor esperado de una loteria
EBC = equivalente bajo certeza
X = Resultados adoptados por la loteria
COMPORTAMIENTO DE (PR)
Indicado Comportamieto
r
PR > 0 Aversin al Riesgo
PR = 0 Neutro al Riesgo
PR < 0 Propensin al Riesgo
197
Estadstica
Luego el valor que tiene esa preferencia corresponde al equivalente bajo certeza
de la lotera. Como EBC es menor que el valor esperado se concluye que una
curva cncava representa un comportamiento de aversin al riesgo como se
observa en la siguiente figura.
198
Estadstica
199
Estadstica
COMPORTAMIENTO DE LA
FUNCIN DE RIESGO
200
Estadstica
Sin embargo se tiene que las decisiones son la respuesta a una interrogante
cuyos hechos a su alrededor tienen tanta incertidumbre que la respuesta no es
obvia. Ramrez Sarrin D (1998) y Gonzlez Santoyo F. et al (2000),
establecen dos tipos de Incertidumbre la ntica y la epistmica. La ntica se
vincula a los hechos y los entes, la epistmica al conocimiento, por lo anterior la
Incertidumbre se define como la ausencia de certeza o conocimiento seguro.
201
Estadstica
Para cada proyecto bajo estudio se pueden hacer estimados de diversos flujos de
efectivo futuros. Antes de estimar solamente el resultado del flujo ms probable
para cada ao en el futuro. De esta forma se esta en posibilidad de considerar la
escala de posibles flujos de efectivo para un perodo futuro en particular, en
lugar de un slo el flujo de efectivo ms probable, en este sentido una
herramienta eficiente para conocer la variabilidad existente en los flujos de
efectivo para todo tiempo es la:
Varianza (2)
Desviacin Estndar ()
Coeficiente de Variacin (C.V.)
El Valor Esperado
La Desviacin Estndar
El Valor Esperado de los Flujos de Efectivo para el perodo (t), se define como
(VEF).
n
VEF = ( Fxt )( Pxt ) (2)
x =1
202
Estadstica
Donde:
Se representa como:
n
t = (F
x =1
xt VEF ) 2 ( Pxt ) (4)
203
Estadstica
FLUJOS DE EFECTIVO
204
Estadstica
205
Estadstica
Por lo anterior, se observa bajo este criterio que la propuesta B tiene ms riesgo
con respecto de la A, esto es presentado como:
Para el caso se hace un anlisis difuso del de riesgo, este puede ser ejecutado
haciendo uso del ejemplo tratado en el apartado anterior, tomando las
consideraciones que la Compaa W en un estudio de comportamiento ante la
incertidumbre, los expertos financieros de la empresa consideran que la
informacin presentada para las propuestas de inversin se mueven en los
rangos mostrados para cada estado como un nmero difuso triangular
presentado en las tablas siguientes.
206
Estadstica
207
Estadstica
VEF 2 C.V.
0.0 (3,448.0000, 4683.0000) (1,041,976.9900, 1449071.2000) (1,020.7727, 1203.7737) (0.2571, 0.2960)
0.1 (3,501.5800, 4612.6300) (904,994.6092, 1235510.4979) (951.3120, 1111.5352) (0.2410, 0.2717)
0.2 (3,555.5200, 4542.7200) (781,401.8097, 1044068.5404) (883.9693, 1021.7967) (0.2249, 0.2486)
0.3 (3,609.8200, 4473.2700) (671,422.9670, 874678.1247) (819.4040, 935.2423) (0.2091, 0.2270)
0.4 (3,664.4800, 4404.2800) (575,274.7244, 727268.5317) (758.4687, 852.8004) (0.1936, 0.2070)
0.5 (3,719.5000, 4335.7500) (493,166.0497, 601765.5063) (702.2578, 775.7355) (0.1789, 0.1888)
0.6 (3,774.8800, 4267.6800) (425,298.2926, 498091.2379) (652.1490, 705.7558) (0.1654, 0.1728)
0.7 (3,830.6200, 4200.0700) (371,865.2420, 416164.3414) (609.8075, 645.1080) (0.1536, 0.1592)
0.8 (3,886.7200, 4132.9200) (333,053.1825, 355899.8372) (577.1076, 596.5734) (0.1443, 0.1485)
0.9 (3,943.1800, 4066.2300) (309,040.9524, 317209.1322) (555.9145, 563.2132) (0.1385, 0.1410)
1.0 (4,000.0000, 4000.0000) (300,000.0000, 300000.0000) (547.7226, 547.7226) (0.1369, 0.1369)
VEF 2 C.V.
0.0 (3185.0000, 4725.0000) (2465568.7500, 3115686.2500) (1570.2130, 1765.1307) (0.3736, 0.4930)
0.1 (3262.4500, 4650.2500) (2222495.5074, 2763737.3776) (1490.8036, 1662.4492) (0.3575, 0.4570)
0.2 (3340.8000, 4576.0000) (2003990.5280, 2446780.8256) (1415.6237, 1564.2189) (0.3418, 0.4237)
0.3 (3420.0500, 4502.2500) (1810571.2686, 2165075.2476) (1355.5747, 1471.4195) (0.3268, 0.3934)
0.4 (3500.2000, 4429.0000) (1642743.1860, 1918870.4412) (1281.6954, 1385.2330) (0.3128, 0.3662)
0.5 (3581.2500, 4356.2500) (1500999.8047, 1708407.2266) (1225.1530, 1307.0605) (0.3000, 0.3421)
0.6 (3663.2000, 4284.0000) (1385822.7840, 1533917.3248) (1177.2097, 1238.5142) (0.2891, 0.3214)
0.7 (3746.0500, 4212.2500) (1297681.9858, 1395623.2365) (1139.1585, 1181.3650) (0.2805, 0.3041)
0.8 (3829.8000, 4141.0000) (1237035.5420, 1293738.1204) (1112.2210, 1137.4261) (0.2747, 0.2904)
0.9 (3914.4500, 4070.2500) (1204329.9219, 1228465.6715) (1097.4197, 1108.3617) (0.2723, 0.2804)
1.0 (4,000.0000, 4000.0000) (1200000.0000, 1200000.0000) (1095.4451, 1095.4451) (0.2739, 0.2739)
208
Estadstica
Propuest
a de 2 C.V
Inversin
Propuesta Metodolgica
A: Inicio
Definicin del problema.
Obtencin y ordenamiento de informacin.
Evaluacin del riesgo con informacin deterministica.
Evaluacin de indicadores del riesgo en el azar.
Evaluacin de indicadores del riesgo en la incertidumbre.
Establecimiento y ubicacin de indicadores de riesgo (finales) ante el
comportamiento del decisor , tomando como base inf. deterministica, el
azar y la incertidumbre.
Toma de decisiones (seleccin de inversin (es) ms eficientes).
Si la decisin no es satisfactoria, ir a A.
209
Estadstica
TABLA DE RESULTADOS
Propuesta de
A C.V.A I C.V.I
Inversin
A 548 14 % (1020.7727, 547.7226, 1203.7737) (0.2571, 0.1369, 0.2960)
B 1095 27 % (1570.2130, 1095.4451, 1765.1307) (0.3763, 0.2739, 0.4930)
Del anlisis bajo el azar a pesar de que el valor esperado es el mismo $ 4000, si
este es tomado como indicador de decisin, ambas propuestas son igualmente
atractivas para invertir, sin embargo si se toma (A) o (C.V.A) se observa que la
propuesta (B) presenta una mayor dispersin de los flujos de fondos , por tanto
un mayor nivel de riesgo financiero con respecto de (A), de los anterior se tiene
que si los inversionistas de la compaa W sienten aversin al riesgo
preferirn la propuesta (A) con respecto de (B) y si tienen propensin al riesgo
de acuerdo a la tabla # 1 preferirn la propuesta de inversin (B).
210
Estadstica
APENDICES
211
Estadstica
COLUMNA
00000 00001 11111 11112 22222 22223 33333 33334
Hilera 12345 67890 12345 67890 12345 67890 12345 67890
01 66194 28926 99547 16625 45515 67953 12108 57846
02 78240 43195 24837 32511 70880 22070 52602 61881
03 00833 88000 67299 68215 11274 55624 32991 17436
04 12111 86683 61270 58036 64192 90611 15145 01748
05 47189 99951 05755 03834 43782 90599 40282 51417
06 76396 72486 62423 27618 84184 78922 73561 52818
07 46409 17469 32483 09083 76175 19985 26309 91536
08 74626 22111 87286 46772 42243 68046 44250 42439
09 34450 81974 93723 49023 58432 67083 36876 93391
10 36327 72135 33005 28701 34710 49359 50693 89311
11 74185 77536 84825 09934 99103 09325 67389 45869
12 12296 41623 62873 37943 25584 09609 63360 47270
13 90822 60280 88925 99610 42772 60561 76873 04117
14 72121 79152 96591 90305 10189 79778 68016 13747
15 95268 41377 25684 08151 61816 58555 54305 86189
16 92603 09091 75884 93424 72586 88903 30061 14457
17 18813 90291 05272 01223 79607 95426 34900 09778
18 38840 26903 28624 67157 51986 42865 14508 49315
19 05959 33836 53758 16562 41081 38012 41230 20528
20 85141 21155 99212 32685 51403 31926 69813 58781
21 75047 59643 31074 38172 03718 32119 69506 67143
22 30752 95260 68032 62871 58781 34143 62490 69766
23 22986 82575 42187 62295 84295 30634 66502 31442
24 99439 86692 90348 66036 48399 73451 26698 39437
25 20389 93029 11881 71685 65452 89047 63669 02656
26 39249 05173 68256 36359 20250 68686 05947 09335
27 96777 33605 29481 20063 09398 01843 35139 61344
28 04860 32918 10798 50492 52655 33359 94713 28393
29 41613 42375 00403 03656 77580 87772 86877 57085
30 17930 00794 53836 53692 67135 98102 61912 11246
31 24649 31845 25736 75231 83808 98917 93829 99430
32 79899 34061 54308 59358 56462 58166 97302 86828
33 76801 49594 81002 30397 52728 15101 72070 33706
34 36239 63636 38140 65731 39788 06872 38971 53363
35 07392 64449 17886 63632 53995 17574 22247 62607
36 67133 04181 33874 98835 67453 59734 76381 63455
37 77759 31504 32832 70861 15152 29733 75371 39174
38 85992 72268 42920 20810 29361 51423 90306 73574
39 79553 75952 54116 65553 47139 60579 09165 85490
40 41101 17336 48951 53674 17880 45260 08575 49321
41 36191 17095 32123 91576 84221 78902 82010 30847
42 62329 63898 23268 74283 26091 68409 69704 82267
43 14751 13151 93115 01437 56945 89661 67680 79790
44 48462 59278 44185 29616 76537 19589 83139 28454
45 29435 88105 59651 44391 74588 55114 80834 85686
46 28340 29285 12965 14821 80425 16602 44653 70467
47 02167 58940 27149 80242 10587 79736 34959 75339
48 17864 00991 39557 54981 23588 81914 37609 13128
49 79675 80605 60059 35862 00254 36546 21545 78179
50 72335 82037 92003 34100 29879 46613 89720 13274
212
Estadstica
213
Estadstica
n = 10 n = 10 n = 10 n = 10
x = 10 x =9 x =8 x =7 p
0.0000000 0.0000000 0.0000000 0.0000000 0.01
0.0000000 0.0000000 0.0000000 0.0000000 0.02
0.0000000 0.0000000 0.0000000 0.0000000 0.03
0.0000000 0.0000000 0.0000000 0.0000000 0.04
0.0000000 0.0000000 0.0000000 0.0000001 0.05
0.0000000 0.0000000 0.0000000 0.0000003 0.06
0.0000000 0.0000000 0.0000000 0.0000008 0.07
0.0000000 0.0000000 0.0000001 0.0000020 0.08
0.0000000 0.0000000 0.0000002 0.0000045 0.09
0.0000000 0.0000000 0.0000004 0.0000091 0.10
0.0000000 0.0000000 0.0000008 0.0000173 0.11
0.0000000 0.0000000 0.0000015 0.0000308 0.12
0.0000000 0.0000001 0.0000029 0.0000525 0.13
0.0000000 0.0000002 0.0000051 0.0000856 0.14
0.0000000 0.0000003 0.0000087 0.0001346 0.15
0.0000000 0.0000006 0.0000142 0.0002051 0.16
0.0000000 0.0000010 0.0000226 0.0003042 0.17
0.0000000 0.0000017 0.0000350 0.0004401 0.18
0.0000001 0.0000027 0.0000528 0.0006229 0.19
0.0000001 0.0000042 0.0000779 0.0008644 0.20
0.0000002 0.0000064 0.0001127 0.0011783 0.21
0.0000003 0.0000097 0.0001599 0.0015804 0.22
0.0000004 0.0000143 0.0002232 0.0020885 0.23
0.0000006 0.0000207 0.0003068 0.0027228 0.24
0.0000010 0.0000296 0.0004158 0.0035057 0.25
0.0000014 0.0000416 0.0005362 0.0044618 0.26
0.0000021 0.0000577 0.0007350 0.0056181 0.27
0.0000030 0.0000791 0.0009605 0.0070039 0.28
0.0000042 0.0001072 0.0012420 0.0086507 0.29
0.0000059 0.0001437 0.0015904 0.0105921 0.30
0.0000082 0.0001906 0.0020179 0.0128637 0.31
0.0000113 0.0002505 0.0025384 0.0155029 0.32
0.0000153 0.0003263 0.0034673 0.0185489 0.33
0.0000206 0.0004214 0.0039219 0.0220422 0.34
0.0000276 0.0005399 0.0048213 0.0260243 0.35
0.0000366 0.0006865 0.0058864 0.0305376 0.36
0.0000481 0.0008668 0.0071403 0.0356252 0.37
0.0000628 0.0010871 0.0086079 0.0413301 0.38
0.0000814 0.0013546 0.0103163 0.0476949 0.39
0.0001049 0.0016777 0.0122946 0.0547619 0.40
0.0001342 0.0020658 0.0145738 0.0625719 0.41
0.0001708 0.0025295 0.0171871 0.0711643 0.42
0.0002161 0.0030809 0.0201696 0.0805763 0.43
0.0002720 0.0037335 0.0235583 0.0908427 0.44
0.0003405 0.0045022 0.0273918 0.1019949 0.45
0.0004242 0.0054040 0.0317105 0.1140612 0.46
0.0005260 0.0064574 0.0365560 0.1270655 0.47
0.0006493 0.0076828 0.0419713 0.1410272 0.48
0.0007979 0.0091028 0.0480003 0.1559607 0.49
0.0009766 0.0107422 0.0546875 0.1718750 0.50
214
Estadstica
n = 10 n = 10 n = 10 n = 10 n = 10 n = 10
x=6 x=5 x=4 x=3 x=2 x=1 p
0.0000000 0.0000000 0.0000020 0.0001138 0.0042662 0.0956179 0.01
0.0000000 0.0000007 0.0000305 0.0008639 0.0161776 0.1829272 0.02
0.0000001 0.0000054 0.0011471 0.0027650 0.0345066 0.2625759 0.03
0.0000007 0.0000218 0.0004426 0.0062137 0.0581538 0.3351674 0.04
0.0000028 0.0000637 0.0010285 0.0115036 0.0861384 0.4012631 0.05
0.0000079 0.0001517 0.0020293 0.0188378 0.1175880 0.4613849 0.06
0.0000193 0.0003139 0.0035761 0.0283421 0.1517299 0.5160177 0.07
0.0000415 0.0005857 0.0058013 0.0400754 0.1878825 0.5656115 0.08
0.0000810 0.0010096 0.0088338 0.0540400 0.2254471 0.6105839 0.09
0.0001469 0.0016349 0.0127952 0.0701908 0.2639011 0.6513216 0.10
0.0002507 0.0025170 0.0177972 0.0884435 0.3027908 0.6881828 0.11
0.0004069 0.0037161 0.0239388 0.1086818 0.3417250 0.7214990 0.12
0.0006332 0.0052967 0.0313048 0.1307642 0.3803692 0.7515766 0.13
0.0009505 0.0073263 0.0399642 0.1545298 0.4184400 0.7786984 0.14
0.0013832 0.0098741 0.0499698 0.1798035 0.4557002 0.8031256 0.15
0.0019593 0.0130101 0.0613577 0.2064005 0.4919536 0.8250988 0.16
0.0027098 0.0168038 0.0741472 0.2341305 0.5270412 0.8448396 0.17
0.0036694 0.0213229 0.0883411 0.2628010 0.5608368 0.8625520 0.18
0.0048757 0.0266325 0.1039261 0.2922204 0.5932435 0.8784233 0.19
0.0063694 0.0327935 0.1208739 0.3222005 0.6241904 0.8926258 0.20
0.0081935 0.0398624 0.1391418 0.3525586 0.6536289 0.9053172 0.21
0.0103936 0.0478897 0.1586739 0.3831197 0.6815306 0.9166422 0.22
0.0130167 0.0569196 0.1794024 0.4137173 0.7078843 0.9267332 0.23
0.0161116 0.0669890 0.2012487 0.4441949 0.7326936 0.9357111 0.24
0.0197277 0.0781269 0.2241249 0.4744072 0.7559748 0.9436865 0.25
0.0239148 0.0903542 0.2479349 0.5042200 0.7777550 0.9507601 0.26
0.0287224 0.1036831 0.2725761 0.5335112 0.7980705 0.9570237 0.27
0.0341994 0.1181171 0.2979405 0.5621710 0.8169646 0.9625609 0.28
0.0403932 0.1336503 0.3239164 0.5901015 0.8344869 0.9674476 0.29
0.0473490 0.1502683 0.3503893 0.6172172 0.8506917 0.9717525 0.30
0.0551097 0.1679475 0.3772423 0.6434445 0.8656366 0.9755381 0.31
0.0637149 0.1866554 0.4043626 0.6687212 0.8793821 0.9788608 0.32
0.0732005 0.2063514 0.4316320 0.6929966 0.8919901 0.9817716 0.33
0.0835979 0.2269866 0.4589388 0.7162304 0.9035235 0.9843166 0.34
0.0949341 0.2485045 0.4861730 0.7383926 0.9140456 0.9865373 0.35
0.1072304 0.2708415 0.5132284 0.7594627 0.9236190 0.9884708 0.36
0.1205026 0.2939277 0.5400038 0.7794292 0.9323056 0.9901507 0.37
0.1347603 0.3176870 0.5664030 0.7982887 0.9401661 0.9916070 0.38
0.1500068 0.3420385 0.5923361 0.8160453 0.9472594 0.9928666 0.39
0.1662386 0.3668967 0.6177194 0.8327102 0.9536426 0.9939534 0.40
0.1834452 0.3921278 0.6424762 0.8483007 0.9593705 0.9948888 0.41
0.2016092 0.4177749 0.6665372 0.8628393 0.9644958 0.9956920 0.42
0.2207058 0.4436094 0.6898401 0.8763538 0.9690684 0.9963797 0.43
0.2407033 0.4695813 0.7123307 0.8888757 0.9731358 0.9969669 0.44
0.2615627 0.4955954 0.7339621 0.9004403 0.9767429 0.9974670 0.45
0.2832382 0.5215571 0.7546952 0.9110859 0.9799319 0.9978917 0.46
0.3056772 0.5473730 0.7744985 0.9208530 0.9827422 0.9982511 0.47
0.3288205 0.5729517 0.7933448 0.9297839 0.9852109 0.9985544 0.48
0.3526028 0.5982047 0.8112268 0.9379222 0.9873722 0.9988096 0.49
0.3769531 0.6238469 0.8281215 0.9453125 0.9892578 0.9990234 0.50
215
Estadstica
z 0 1 2 3 4 5 6 7 8 9
-3.0 0.0013 0.0010 0.0007 0.0005 0.0003 0.0002 0.0002 0.0001 0.0001 0.0000
-2.9 0.0019 0.0018 0.0017 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
-2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
-2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.2 0.0139 0.0136 0.0132 0.0129 0.0126 0.0122 0.0119 0.0116 0.0113 0.0110
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0238 0.0233
-1.8 0.0359 0.0352 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0300 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0570 0.0559
-1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0722 0.0708 0.0694 0.0681
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
-1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0895
-1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.7 0.242 0.2389 0.2358 0.2327 0.2297 0.2266 0.2236 0.2206 0.2177 0.2148
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2887 0.2843 0.2810 0.2776
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
216
Estadstica
z 0 1 2 3 4 5 6 7 8 9
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7703 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.879 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9278 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9430 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9648 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9700 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9762 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9874 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9990 0.9993 0.9995 0.9997 0.9998 0.9998 0.9999 0.9999 1.0000
217
Estadstica
218
Estadstica
BIBLIOGRAFIA
219
Estadstica
220
Estadstica
221