Problemas de Estadística

B. E.
fMYPMAH
PYKOBOJI.CTBO
K PEWEHJHO 3Atl,A lJ
no TEOPMH BEPOSITHOCTER
l1 MATEMATH1-IECKOH
CTATl1CT11KE
J.13.llA'rRJib CTRO BlofCTI! All lliHOJI
V. E. GMURMAN
Problemas de la teora
de las probabilidades
y de estadstica
matemtica
Tra duci<lo
del ruso por

e l ingeniero
Akop Grdia 11
EDITORIAL .MIi<
A \lUESTIWS LECTORES:
Mir edita libr~ soviticos traduci<los al espaol, ingls, francs, rauc y otros idiomas extranjeros. Entre elius figuran las mejores
nbras de las distintas r.imas de la ciencia y la tcuica: manuales para
los centros de ens~iiam:a suprrior y escuelas tecnolgicas; literatura
sol,re cencias naluraks y mdicas. Tambin se i11cluye11 monografa-, libros de divuli:(acin cientfica y ciencia ficcin. Dirijan sus
opiniones a la Editorial Mir. Rizhski per., 2, 129820, Mosc, f 110,
GSI\ URSS.
Ha 11criaHCK<,..,1 Jl.3r.rn:e
({;) Tr:.i<luc,: in ;1! o,palol, Erl i tor ial ,\.\ir. lf)75
!111,reso en la Ul{SS
rn75
INDICE
Prdacio
!)
P/\R1'E PRIMl:'.IU
S UCESOS A L E.-'\T ORIOS
Ca pt u lo primero. Definicin de la pro ballilidad

l. Deiiniciones clsica y est adstica de
la probabilidad
2. Pro babilidad es geomtricas
l7
Captulo seg und v. Tt:oremas funda1 n(:nia ks
J. Tcon: mas de la adicin y del

dadcs . . . . . . . . .
2. Probabil idad de que apare.ico
:3. Frm ul a de: la probabilidad
4. Frmula dt' Fkyt>~
. .
ll
28
prod ucto ,k prnbabi li. ..... . ....

a unque 5Ca u n s uccSt>
com pleta
Ca ptulo te rct'ro. Repeticin Lle las pruebas

l. Frmula de Bernnulli
.
.
2. Teorema~ local e integral de Laplac~
..
3. Des viaciu de la frecuenci a n:laliva re.,pedu de la
probabilidad cons t ante en prueb as i1ul<:pt!ndientes .
4. Nmero de a pariciones ms probab le de 11 11 suceso c11
pruebas i ndeptndientes
5. Funcin g(' ncratriz
5b
56
59
64
(i9
74
PART.I: SEGUNDA
M,\G"JITUDES ALE,\TOJUAS
Ca ptulo cualro . .Maguiluclc-s a leatorias discreta!'
1. Ley de distribuci n de las probab ilidades <le u11 a ma~nitud al eatria discreta. Leyes bi 11Qll\a) v de Pois~\n
2. Flu jo elemental de sucesos . . . _ . . . . . .
77
.,_
11
tl(i
3. Caracter'!>tias numer1cas de magnitudes aleatorias

di scretas . . . . . . . . .
4. ,\\omentos tc<'ir icos
89
112
Captulo quinto. Ley de los grandes nmeros
11 7
l. Desigualdad de Chbishev . .
2. Teore ma de Chrb is hev
117
120
Ca plulo s,1xto. Fuuciont\S de d istribucin de las prvbabil idadcs
de 111agnit.uc.lcs aleatorias
. . . . . . . . . . . .
l. Funcin i11lC!gra l de distribucin de las probabili dades

de una magnitud aleatoria . . . . . . . . . . .
2. Funcin <li!crcncial de distribucin de las probabil idades de uua magnitud aleatoria continua . . . . .
3. Caracterstica:- numricas de las magnitudes alea to-
rias continuas
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . .
4. D istribuci n uniforme
5. Distribuci6n norma!
.
6. Distribucin exponenc ial
ricas
. . . . .
7. Funcin de ia l.iilidad
.
y
.
.
. .
sus
. .
. .
. . . . . . . . . .
125
12.i
130
136
15'..I
157
caractersticas num. . . . .
. .
163
17,l
Capitulo s ptimo. Distri bucin de la funcin de uno y de d,:,s

arg u me1d.os aleak, rios
. . . . . .
! 74
!. Funcin de un argumento aleator iu . . . . .

2. Funci n <le dos argumentos aleat orios . . . .
!74
Caphulo uct.avo. Si~terna de dos mag nitudes aleatoria.s
199
l. Ley di' distribucin de una magnitud aleatoria bidirnen.sional

. . . . . . . . . . . . . . .
.
2. Leyes c11H1icio11ales di! distrib ucin de las proba bilidades de la:s comp<J1w ntes de una magnitud aleatoria
bidimensional discreta
. . . . . . . . . . . . .
;~. Hallazgo de los funciones cl 1crenc.Jal y diferencial
condicional de las componentes de una magnit ud olea ~
toria bidimensional continua . . . . . . . . . . .
4. Carackrslcas numricas de un sistema continuo
de d<;s magnitu des aleatorias . . . . . . . .
! 91
199
205
207
211
PAR.TE TERCERA
F. LEMf::NTOS DE ESTADISTICA .MATEf,'\ATICA

Capitulo
11ov""
_,\\d nd o
111uestral . .
l. Dislrih uci11 estadh tica de la 11 1uc,tra

2. Fu11cin o::111pirica de distribucin
~ 3. Polgono e hi str1grama
...
218
218
219
221
Captulo dcimo. Estimaciones cstadisticas de los par metros

de distri bucin . . . . . .
i. Estimaciones puntuales
2. Esti macione.~ por intervalo
Captulo once. Mtodos <le clculo de las caracterst icas generales de una muestra . . . . . . . . . . . . . .
227
227
235
241
l. Mtodo de los productos de clculo de la media y la
dispersin muest rales
. . . . . . . . . . .
241
. . . . . . . . . . . . .
241
2. Mtodo de las su mas de c lculo de la me dia v la dis-
persin muestralcs
3. Asimetra y exceso de una dist ribucio emprica
Capitulo doce. Elementos de la teora d~ la correlacin

l. Correlacin lineal
.
2. Correlac in curvi lnea
Captulo trec\'. Verii icacin estadstica de las hi ptesis es!a

dslicas
. . . . . . .
~
~
248
255
255
262
2$R.
l. Conoc micntos f un<lamentale!>

. . . . . .
2 . Comparncin de dos dispersiones de conj un tos gene-
268
rales normales
:1. Comparacin de la dispersin muestra( corregi da
con la dispersin general hipottica dt' un conjunto
normal
4. Comparacin de dos medias <fo conjuntos generales,
cuyas dspersiones se conoc<?n (grandes muestras
independientes)
. . . . . . .
. .
. . . .
5. Comparacin de dos med ias de conjuntos generales
norma les, c uyas dispersiones son desconocidas e idnticas {pequeas muestras independientes) . . . ,
6. Comparacin de la medi a muestra! con la media
general hipottica de un conjunto non ual . . . .
7 . Comparacin de dos medias de cottj untos generales
norma les con dispersiones desconoc das (rn ues tras
dependientes) . . . . . . . . . . . . . . . .
8. Comparacin de la frecuencia relativa observada con
la probabil idad hipottica de aparicin de un suceso
9. Comparacin de varias dispersiones <l,: conjuntos
g<.>nera les normales por muestras M cli~lin lo vol umen. Criterio de Bartlet t . . . . .
10. Com paracin de varias d ispt>rsiones de conjuntos
generales por m uestras d11 igual volumr1J . Cr iterio de
Cochran
. . . . . . . . . . . . . . . . . . .
l 1. Veriicac.in <le la hiptesis d<' s g11if1caci11 del
codicienk de correlacin muestra! . . . . . . .
12. Verificacin de la hipte,stis de distribucin normal
de un conjunto general por el criterio rlc Pcarson .
269
273
278
280
284
289
292
295
3()0
31);~
310
7
13. Verif10.:aci611 ~riica <.le la hif.tess de distribuci 11

norma 1 <le uu conjunto genera . Mtodo de diugram as
rcdificndos . , . . . . . . . . . . . . . ,
14 . Verificacin de la hi ptesis de la dstribucion exponencal de un conj unto genNal . . . , . . . . .
15. Verifica~tn dt> la hirte.sis sobre la di:;tribucin
de un c onjunto genera por una ley b irto1n ial . . .
321
331
336
16. Vcrficac, n de la hiptesis sobre la distribucin unif,,rrne de un conjunto general

17. Verifcacin de ill hiptesis s~brc \~ di~lr ibucin
de un conjunto genera! por la ley de Poisson
Ca ptul o catorce. Anlis is de dispersi n de un solo factor .
351
l. Nmero identico d1:. pr ue bas en tod1Js los nivele:; .

~ 2. Ni'1rnrro desigual efe prue bas en dis tintos niveles
351
358
Suplemento:;
340
346
;Jf,4
PREFACIO
La presente gua contiene ms de ~et-cicntos problemas.

Al comienzo de cada prrafo se dan los conoc mi en tos tericos
y las frmulas necesarias; a continuacin se ofrecen las resoluciones de problemas tipo y proble111as para la resolucin
individual con las respuestas, y, en cierto'> casos, con observaciones.
El autor ha tratado de plantear los problemas de manera
que ellos sean accesibles y en lo posible no requieran demasiado tiempo para el clculo. Un pequefio nmero de problema$
tiene carcter terico. En la parle tk estadstica matemtica
se presta especia l atencin a los m~todos ele elaboracin de
los datos ex peri mentales.
Los problemas estn dados en un orden de resolucin de
creciente dificultad. Los proulemas ms embarazosos esh'm
indicados por un asterisco.
La sucesin <k exposicin, terminologa y designacione~
corresponden al libro Teora df' Ja,1; prohabilidades y estad.c:;t ica matemtica.
Agradtzco los consejos y las valiosas observaciones. del
profesor D. D. Ivlev, docentes R. S. Gt1t~r y r~. S. Zti11a.
EL autor
PARTE PRIMERA
SUCESOS ALEATORIOS
CAPITULO PRIMERO
Definicin
de ]a probabilidad
t. Dt>finiciones clsica y estadstica
de la probabilidad
En la definicin clsica la probabilidad de
nii11a por 111 igualdad
P(A) =
u,1
suc<!so se drkr-
11 ,
donde rn es e l nmero de resultados tlemc11talcs de l ex perimento qn<.

favorecen la aparici n del suc<2so A;
n es d nmero total de resultados elementales posib!Ps cl,,J
experimento.
Se suponr que los resultados tleme11talcs son nicamc11l posblcs e igualmente posibles.
/,a frecue.n<:i(/ rf!lrdfoa del suceso A se drkrmlna por la igualcla<i
l\'(A)= !!!...
ll
donde m es d nmero de cxperi111c11los en los qu,~apareci el succs,., A;

n es C'I nmP.ro tota l d~ ex peri mentos realiz ados.
En la definicin N;ladstica como prohah ili dad da\ suceso se toma
s u frecuencia rC'l a t iva.
t. Se han tirado <los dados. Hallar la probabilidad de que

la suma de puntos en las caras aparecidas sea par; adems,
por lo menos en la cara de uno de los dados aparezca el seis.
so1.uc10N. En la cara aparecida del primer dado puede
darse un punto, dos puntos, ... , seis puntos. Al tirar el segundo dado son posb1es 6 resultados elementales anlogos.
Cada uno de los resultados de. la tirada del pr mer dado
11
puede combinarse con cada uno de los resu ltados de la tirada

del segundo dado. Por consiguiente, el nmero total de
resultados elementales posibles de los experimentos o pruebas
es igual a 66 = 36. Estos resultados son los nicos posibles,

y, en virtud de la simetra de los dados, igualmente posibles.
Los 5 resultados favorables al suceso que nos interesa
(por lo menos en una cara aparezca el seis, la suma de puntos
aparecidos sea par) son las siguientes (en primer trmino se
ha escrito el n mero de puntos aparecidos en el primer dado,
en segundo lugar, el n mero de pun tos aparecidos en el segundo dado; luego se da la Sll ma de puntos):
1) 6, 2;
+2=
8,
+6=
+6=
12,
8,
10.
2) 6, 4; 6 ~ 4 == 10,
3) 6, 6;
4) 2, 6;
5) 4, 6;
6
2
4
+6=
La probabilidad buscada es igual a la relacin entre el

nmero de resultados favorables al suceso y el nmero de to-
dos los resultados elemcmtales posibles:

5
!1 = 35
2. Al transportar una caja conteniendo 21 piezas estndar y 10 no estndar, .se ha perdido una pieza, no se sabe
cua l. La pieza extrada al azar de la caja (despus del transporte) result estndar. Hallar la probabil idad de que fue
extraviada: a) una pieza estndar, b) una pieza no estndar.
sowc10N. a} La pieza estndar escogid a, evidentemente,
no puede ser la perdida; puede haber sido extrav iada cualquiera de las tre inta piezas restantes (2 1 + 10 - 1 = 30);
adems entre ellas haba 20 estndar (21 - I = 20).
La probabilidad ele que fue extraviada una pieza estndar
e~ igual a:
p _20 _~
-- 30- 3 .
b) Entre las treinta piezas, cada una de las cuales puede

haber sido extraviada, haba 10 estndar. La probabilidad
de que se ha perd ido una pieza no estndar es igual a:
10
p =:: 30 = 3
12
3. Se ha pensado un nmero binario, cuyas cifras son

diferentes. Hallar la probabilidad de que resulte igual al
nmero pensado: a) un nmero binario dicho al azar, b) el
n mero binario di cho fortu ita mentt>, cuya<: cifras .son d ist ntas.
1. j)
.
R(:.<:puesta
a) p s= 90,
= 811 .
4. Se tiran dos dados. Hal lar la prohabil idad de que la
suma de puntos aparecidos en las caras sea igua l a siete.
Respuesta. P "--'-
5. Se tiran dos dados. Hallar las probabilidades de los

sigu ientes sucesos: a) la suma de puntos aparecidos sea igual
a ocho, y la dife-rencia, igual a cuatro; b) la suma <le puntos
aparecidos sea igual a ocho, si se sabe que su diferencia es
igual a cuatro.
Respuesta a) P=
1
; b)
18
P--=- 21 .
6. Cul es la probabilidad de que al tirar dos dados la

suma de puntos en las caras aparecidas sea igual a cinco, )el producto, cuatro?
1
Respuesta P = 18
7. Hallar la probabilidad de que a l arrojar una moneda
dos veces aparezca aunque sea una vez la cruz.
Respuesta P -=-
!.
8. En una caja hay 6 cubos iguales enumerados. De a uno

a la vez se extraen al azar todos los cubos de la caja. Halla r
la probabilidad de que los nmeros de los cubos extrados
aparezcan en un orden creciente.
Respuesta P =
l
720
9. Hallar la probabilidad de que al tirar tres dados aparezca el seis en un dado (indisti nta mente cul de ellos), si
en las caras de los otros dos dados aparecen un nmero di ferente de puntos (no igual a seis).
13
rnLuc10N. El nmero total de resultados elementales del

experimento es igual al nmero de combinaciones de seis
elementos de a tres, es decir, igual a C~.
El nmero de resultados favorables a la aparicin <lcl
seis en una cara y un nmero diferen te de puntos (no igual
a seis) en las caras de los otros dos dados, es igual al nmero
de combinaciones de cinco elementos de a dos, es decir, igual
a
e;.
La probabil idact buscada es igual a la relacin entre el

nmero de resultados favorables al suceso que nos interesa,
y el nmero total de resultados eJernentales posibles:
p ,,_ q = 5.4 .2.:{ =' _!_.
Cff
1 2
(l.5.4
10. En un paquete ha y 20 tarjetas pt'rforadas marcadas
por los nmeros 101, 102, ... , 120 y dispuestas arbitrariamente. La persona encargada del perforado extrae al azar
dos tarjetas. Hallar la probabilidad de que sean escogidas
las tarjetas perforadas con los nmeros 101 y 120.
R.espuesta P,::. C~o = 1~0 .

l l . Una caja contiene 10 piezas idnticas marcadas con
los nmeros l, 2, ... , 10. Se escogen al azar 6 piezas. Hallar
la probabilidad de que entre las piezas extradas resu lten:
a) la pieza N!! 1, b) las piezas .N'~ 1 y N~ 2.
sowc10N. a) El nmero total de resultados elementales
posibles del experimento es igual al nmero de procedimientos
por los cuales se pueden extraer 6 piezas de diez, es decir, q 0
Contarnos el nmero de resultados favorables al suceso
que nos interesa: entre las seis piezas seleccionadas se encuentra la pieza .J\1'9 l y, por lo tanto, las 5 piezas restantes tienen
otros nmeros. El nmero de tales resultados, evidentemente,
es igual al nmero de procedimientos con los que se pueden
escoger 5 piezas de las nueve restantes, es decir, igual a
La probabilidad buscada es igual a la relacin entre el
nmero de resultados favorables al suceso examinado, y el
nmero total de resultados elementales posibles:
e:.
p=
~.
(, /e,
-=
q ....:.
C1o
!),8,7 ,6 1234 ::,',

1234 10,9,8 7
0.6.
b) El nmero de resultados favorab les a l suceso que nos

interesa (entre las piezas escogid::is se encuentran las piezas
14
.N'2 l y .N'2 2 y. por lo tanto. 4 piezas tienen otros n meros),

es igual al nmero de procedimi entos con los que pueden
escogerse 4 piezas de las ocho piezas restante:-., es decir C~.
La probabilidad buscada es igual a
p .,.... q
qo
:::,o
q =
q0
g .7.(i .5 J .2.; .4
l 234 10.9.g. 7
:::o...!_ .
12. En una caja hay 15 piezas, de las cuales 10 est n

pintadas. Un montador extrae al azar 3 piezas. Hallar la
probabilidad de que las piezas escogidas resulten pintadas.
Respuesta P =
ci~ = 9124 .
13. Entre 100 fotografas de un sobre se encuentra la foto

buscada. De sobre se extrae al azar 10 fotos. Hallar la probabilidad de que entre ellas resulte la foto necesaria .
Respuesta P =
i.i: = O, 1.
100
14. Una caja contiene 100 piezas, de las cuales 10 son

defectuosas . Se extraen al azar 4 piezas; cul es la probabilidad de que entre las piezas escogid as: a) no hay defectuosas,
b) no hay tiles?
Respuesta
e
a) P = c,90
,::;:;
0,65;
o) P
""lUU
c4
= e'./
0,00005.
-' 1 II
15. Un dispositivo contiene 5 elementos. de los cuales

2 estn desgastadas. Al poner en funciona miento el dispositivo
se conectan de manera aleatoria 2 elementos. Hallar la probabilidad de que resulten conectados los elementos no desgastados.
R.espaesta P=
ie~ = 0,3.
16. Al marcar el nmero de telfono. un abonado se olvid

las tres l timas cifras y, recordand o solamente que estas cifras
son diferentes, las marc al azar. Hallar la probabilidad de
que se han marcado las cifras necesarias.
Respuesta P '"""
Afn
J
= 720
.
,~
17. En una partida de N piezas hay n estndares. Se escogen

, m piezas al azar. Hallar la probabilidad de que entre las
piezas escogidas hay exactamente k estndares.
15
soi..uc10 N.
E l nm(?.rO total de resultados elementales
posibles <lcl experimento es igual al nmero de procedi mienlos
con los cuales se puede11 extraer m piezas de N pifzas . es
decir, igual a C1.!; nt',mero de comb inaciont:s <l e N elementos
0
de a
1ft.
Contamos eJ n mero de resulta <los fc:1 vorable:-s ai suceso que

n os interesa ~~n tre m piezas ha y exactarnrntf> ll estn<lares):
h p iezas estndares se pueden tomar de n piezas estndares
por C! proced rn ientos; en este caso las m-ll pi ezas restantes
deben ser no estndares: se pueden tomar m-k piezas no
e.stndares de N- n piezas no estndares por C=~ procedi111 ientos. Por Jo tanto, el nmero de resul tados favorables
es igual a C!C:_;~La probabilidad busca<la es igual a la relacin entre el

nmero ele resu ltados, favorables al suceso y el n mero de
todos los resultados ele menta les :
p "
c 1tc m -/1.
n N -n_
C"'
.'V
18. En un taller tralwjan 6 hombres y 4 mujeres. Segn

el nmero de fic ha se han escogido a l azar 7 personas. Hall ar
la probabil idad de que entre las personas selecc ionadas resulten 3 mujeres.
CMCJ
Respuesta P ,., e\ u = 0,5.

10
19. E n un depsito hay 15 cinescopios, 10 de los cuales

han s ido produci dos por la fbrica de L vov. Hallar la probabilidad de que entre cinco cinescopios t o mados al azar resu lten 3 de la fbr ica de L vov.
Respuesta P. -
es ci
c1':\ S 6
0,4-.
20. De un grupo de 12 estu diantes 8 son sobresalient es.

Por la lista se han escog ido 9 estudiantes a l azar; cul es la
probabi lidad de que entre los estudi antes seleccionados hayan
5 sobresa lientes?
'
ccCf = 5514 .
1
Respuesta P
21. En una caja hay 5 productos idnticos, 3 de los cuales

estn pintados. Se extraen a l azar 2 productos. Hallar la
probabilidad de que entre los <los prodlldos ex lrn idos resu tten: a) un prududo pintado; b) do:s pro<ludos pintado~, e)
aunque sea un producto pintado.
Respuesta a) P
qq 06
=cr=
.;
b)P -- q=03
q
'
e).
P = 0,9.
22. Una cerradura <le combinacin tiene sobre su eje

general 4 discos, cada uno de los cuales est dividido <'ll 5
sectores con distintas cifras escritas sobre ello:s. La cerradura
se abre slo cuando los discos ocupan t1na posicin tal que
sus cifras forman una cuaterna determinada. Mal lar la probabilidad de que la cerradura pueda ahrirsl' al poner los discos
arbitraria mente.
1
Respuesta P =5i",
23. La seccin de control tcnico descubri 5 libro~ defectuosos en una partida de 100 libros tornados fortuitamente.
Hallar la frecuencia relativa de aparicin de los I ihros defectuo-
sos.
sowc10N. La frecuencia relaliva del suceso A (a paricin

de libros defectuosos) es igual a l:i relacin entre el n,nero
de pruebas, en las que ~pareci d ~uceso /1, y el nmero total
de pruebas real izadas:
\F (A)= 1~0 = 0,05.
24. Se han efectuado 20 disparos a1 blanco, registrndose

18 impactos. Hallar la frecuencia relativa ele i 111pacto al blanco.
Respuesta W = 0,9.
25. Al probar una partida de aparatos la frecuencia relativa de los aparatos liles result igual a 0,9; cul es el
nmero de aparatos tiles si en total fueron Vl'rificado<:
200 aparatos?
Respuesta 180 aparato~.
2. Probabilidades
gei.Jttricas
Supongamos que el segmen to l es parte <1e u11 segmento L. Sobre

el segmento l se ha marcado un punto al azar. A<lmitienclo que la
probabilidad de que el punto caiga en t'l Sl!f,(lllt'11lo I es proporcional
2-0540
17
a la longitud de este segmento y no depende de su posicin con reS

pecto al segmento L, la probabili dad de incidenci a del punto sobre el
segmento I se deter mi ua por la igualdad
P= Longitud e.
Longitud L
Digamos que la figura plana g es parte de una figura plana G.

Sobre la figura G se ha marcado un punto al azar. Suponiendo qu e la
probabildad de que el punt o caiga en la figura ges proporcional a la
superficie de esta f igura y no depende ni de su ubicac in respecto a G.
ni de la forma de g, la probabilidad de que el punto caiga en la figura g
se determina por la . igualdad
P .... Superficie g
- Superficie G
Anlogament e se determi na la probabilidad de que un punto
caiga en la figu ra espacial o trid imensional v que forma parte de la
figura y;
P- Vol umen v
- Vol umen V
26. En el segmento L <le 20 cm de longitud se encuentra

un segmento 1 menor de 10 cm de longitud. HaHar la probabilidad de que el punto marcado al azar sobre el segmento mayor
caiga tambin sobre el segmento menor. Se supone que la

probabilidad de que el punto caiga en el segmento .es proporcional a la longitud del mismo y no depende de su situacin.
(
Respuesta P = 2 .
27. Sobre el segmento OA de longitud L del eje numrico
Ox se marca al azar el punto B (x). Hallar la probabilidad
de que el menor de los segmentos OB y BA t endr una longi
tud mayor que ~ . Se supone que la probabilidad de que el
punto incida en el segmento es proporcional a la longitud
del mismo y no depende de su situacin sobre el eje numrico.
l
T
Respuesta P = y
= 3I
28. En un crculo de radioR se encuentra un crculo menor

de radio r. Hallar la 'J)robabilidad de que el punto marca do
al azar en el crculo mayor, caiga tambin en el crculo menor.
Se supone que la probabilidad de que el punto caiga en el
crculo es proporcional a la superficie del mismo y no depende
18
de su situacin.
,2
Respuesta P = R2.
29. Un plano est rayado por rectas paralelas separadas
entre s a la distancia de 2a. Sobre el plano se arroja al azar
una moneda de radio r < a. Hallar la probabilidad de que
la moneda no corte ninguna de las rectas.
2a--2r
a-r
Respuesta P = Za =-a-.
30. Sobre un plano se ha trazado una cuadrcula de lado
a. Sobre el plano se arroja al azar una moneda de radio r < ; .
Hallar la probabilidad de que la moneda no corte ninguno
de los lados del cuadrado. Se supone que la probabilidad
de que el punto caiga sobre la figura plana es proporcional
a la superficie de la figura y no depende de su situacin.
Respuesta P =
(a-2r) 2
31. Un plano est rayado por rectas paralelas distantes

a 6 cm entre sL Sobre el plano se ha trazado al azar un circulo
de l cm de radio. Hallar la probabilidad de que el crculo
no interseque ni una de las rectas_ Se supone que la probabilidad de que un punto caiga sobre el segmento es proporcional
a la longitud del segmento y no depende de su posicin.
6-2
2
Respuesta P=-6- = 3 .
32. Sobre un plano se han trazado dos circunferencias

concntricas de radios 5 cm y 10 cm respectivamente_ Hallar
Ja probabiJidad de que un punto marcado al azar en la circunferencia mayor caiga tambin en el :millo formado por
las circunferencias. Se supone que la probabildarl de que
un punto incida 00 una figura plana es proporcional al rea
de esta figura y no depende de su situacin.
Respuesta P=
((02-52)
102
= 0,75.
33. Dentro de un crculo de radio R se marca al azar un

punto. Hallar la probabilidad de que el punto resulte en el
interior: a) de un cuadrado, b) de un tringulo equiltero
inscripto en el crculo_ Se supone que la probabilidad de
2*
19
que e1 punto caiga en 11na parte del crculo es proporcional

a la superficie de C'-':lta pa rte y no depende <le su posicin
respecto al crculo.
Respuesta n) P ____l_;
,t
b)
.
p=
v:~ .
4.Jt
34. Un d isco que gira r:: pidarnente est div id ido en un

nmero par de sectores igua lc>s, pinta dos alterna liva mente de
color negro y blanco. Se ha disparado a l disco. Hall ar la
probabilidad clC' que la ba la inci de en uno de los sectores
blancos. Se supone que la probabi lidad de que la bala incida

en u na figura plana es pro porcional a la su1wrficie de esta
figura.
0, 511 [~~
Respuesta P .,.
nR 2
= 0,5.
35. Sobre eJ scg11 1c11to OA de longitud L del eje numrico

Ox se han marcado Hl a:uir dos puntos B (x) y C (y), ad ems
~----. ..
L
(} )
,,.-- ..
_...._........
IJ
H(.r;)C(IJ)A
.1:
!/
/ ( t - ---'th,-,,.-.,.,.,.....,:.,(
/,)
{/
,l,'
Fig. l
y ;;, x. (La coorJcnada del punto C se designa por y para

comodidad de la cxposici11 ulterior). Hallar la probabil idad
<le que la longitud del segruento BC sea menor que la longitud del seg mento OB (fg. l,a). S e supone que la probabi li-
dad de que un pun to caiga en el segmento es proporcional

a la longitud de este segmento y no depende de su situacin
sobre el eje num(:rico.
20
sowc10N. Las coordenadas de los puntos B y C deben

satisfacer las desigualdades
0 ~ x ~ L, O ~ y ~ L, !/ .7,; ~: x .
Introduzcamos el sistema de coordenadas cartesianas x011.
En este sistema las coordenadas Je cualquier punto perteneciente al tringu lo rectngulo Ol(M (fig. l ,b) satisfacen las
desigualdades indicadas. Por consiguiente, este t ri ngulo
se puede considera r como una figura G, cuyas coordenadas de
los puntos son respectivamente todos los valores posibles de
las coordenadas de los puntos B y C.
La longitud del segmento BC debe ..-;er menor que la longitud del segmento OB, es decir, debe cumplrse la desigualdad
y- x<
X,
o su equivalente
y< 2x.
Esta desigualdad se cumple para las coordenadas de aquellos
puntos de la figura G, o sea, el tringulo rectngulo OKA1,
que se encuentran debajo de la recta y = 2x (reda ON).
Como se aprecia de la fig. 1,b, lodos estos puntos corresponden
al tringulo rayado ON M.
De este modo, este tringulo puede- considerarse como una
figura g, las coordenadas de cuyos puntos son favorables al
suceso que nos interesa (la longitud cfol seg mcmto BC es menor
que la de 013).
La probabilidad buscada es igua l a
P~= Sup. ~= Sup. ON ~1
Sup. G
Sup. OK NI
=+.
2
36 . Sobre el segmento OA de longitud L del eje numrico Ox se han marcado al azar dos puntos B (x) y C (y).
Hallar la probabilidad de que la longitud del segmento BC

sea menor que la distancia desde el punto O hasta el punto
prximo a l. Se supone que, la proba bilidad de que el pun lo
raiga sobre el segmento es proporcional a la longitud del
mismo y no depende <le su situacin en d eje numrico.
Respuesta. Los valores posibles d~ las coordenadas son:
O ~ x ~ L. O ~ y ~( L;; los valores fa\orn-
bles:
y-
X< X,
1/2.
y> x;
X-
!J
<
y, !J <
x;
21
Ox se han marcado al azar dos puntos B (x) y C (y), adems

y~ x. Hallar la probabilidad de que la longitud del segmento
BC resulte menor que ~ Se supone que la probabilidad de

que un punto caiga en el segmento es proporcional a la longitud del segmento y no depende de su situacin sobre el eje
numrico.
Respuesta. Los valores posi bles de fas coordenadas son;

O~ x:,;;; L; O:,;;; y~ L, y~ x; los valores
favorables de las coordenadas: y p = 0,75.
<
L/2:

Ox se han marcado al azar dos puntos B (x) y C (y). Hallar
la probabilidad de que la longitud del segmento BC resulte
menor que ; . Se supone que la probabilidad de que un

punto caiga en el segmento es proporcional a la longitud del
segmento y no depende de su situacin sobre el eje numrico.
Respuesta. Los valores posibles de las coordendas son:
O :,;;; x ~ L; O~ y ~ l.,, los valores favorables
de las coordenadas: y - x < ; , y > x;
L
x-y< 2 , y<x; p = 0,75.

39. PROBI. E,....,:\ DE nuFFON (naturalista francs del siglo
XVIII). Un plano est rayado por redas paralelas, separadas
entre s a la distancia de 2a. Sobre el plano se arroja al azar
una aguja del largo de 21 (l < a). HatJar la probabilidad
de que la aguja corte una reda cualquiera.
sowc10N. Introducirnos las designaciones:
x, la distancia desde el centro de la aguja hasta la para lela
prxima.
cp, el ngulo formado por la aguja con esta para lela
(fig. 2,a).
Dando valores determinados a x y q, la posicin de la
aguja se determina enteramente; adems, x toma valores
desde O hasta a; los valores posibles de 11-1 varan desde O
hasta n. En otras palabras, el centro de la aguja puede caer
en cualquiera de los puntos del tringulo de lados a y n
(fig. 2,b}. Por consiguiente, este tringulo se puede conside22
rar como la figur a G, cuyos puntos son todas las posiciones

posibles del centro de la aguja. Evidentemente, el rea de
la figura G es igual a n a.
A continuaci n hallamos la fig ura g, cada punto de la
cual favorece el suceso que. nos interesa, es decir, cada punto
de la figura g puede hacer las veces de centro de la aguja que
interseca la para lela prxima a ell a. Como se aprecia de la
X
a1---- -- -
'f
a)
Fig. 2
fig. 2,a, la aguja corta la paralela prxima a ella cuando

x ~ l sen q,, es decir, la aguja interseca la para lela si el
centro de la aguja cae en cualqu iera de los puntos de la figura
rayada de la fig. 2,b.
De este modo, la figura rayada puede considerarse como
la figura g.
Hallamos la superficie de la figura g.
~
S up . f! =
Jlsen (f! dq,= -lcosq,

o
= 21.
La probabili dad buscada de que la aguja interseque la

recta, es igual a
P -Sup. r - ~
- Sup. G -
:na

Ox se han marcado a l azar dos puntos B (x) y C (y) . Hallar
la probabilidad de que con los tres segmentos obten idos se

puede construir un t ringulo.
socuc10N. Para que de los tres segmentos se pueda conslru
ir un tringulo, cada uno de ell os debe ser menor que la

23
suma de los otros dos. Puesto que la suma de los tres segmentos
es igual a L, cada uno de los segmentos debe ser menor que
L
2 .
Introduzcamos el .sistema de coordenadas cartesianas xOy.

Las coordenadas de cualesquiera dos puntos By C deben satisfacer las desigualdades:
O~ x
L, O~ y~ L.
Lc1s coordenadas de cua lquier pun to A1 (.x, y), correspondiente

al cuacJrado Ol.D L (f ig, 3,a) satisfacen estas desigualdades.
'--l!"J
"
............ . lJ
1
il)
.11~f
!
o\b.'
_.:,
"'---
.B(.ZJ C(!/) A
e) -4-__..A.__
C(!J)
B(.rJ A
Fig. 3
'J;
,;
Por consiguiente, este cuadrado se puede considerar como

la figura G, las coordenadas de cuyos puntos son todos los
\'a lores posible" de las coordenadas de los puntos B y C.
l . Supongamos que el punto C se encuentra a la derecha del
punto B (fig 3,b) . Como dijramos antes, las longitudes de
L
, es
los segmentos OB . BC y CA deban ser menores que
2
decir, deben cmnplir-;c la'> desigualdade.s x < ; , y - x <
< 2L , 1-24
. 1en t
-z- , o 1o que es eqmva
L
< X +T
L
L
X < T !J
y> T'
Y<.
J,
E>
2. Supongamos que el punto C se encuentra a la izquierda

del punto B (fig. 3,,.'). En tal caso deben ser v lidas las desigualdades;
L
y< 2L , x- y < 2l , L-x<T,
o Jo que es equival ente
L
L
( )
Z'
!J>X- 2L , X> ,
u
Corno se aprecia de la fig. 3,a, las desigualdades (*) se
satisfacen para las coordenadas de los puntos del tringulo
EFH, y las desigualdades (**) para los puntos del tringulo
kHM. Por consiguiente, los tringulos rayados podemos
considerarlos corno la figura g, las coordenadas de cuyos puntos son favorables al suceso que nos interesa (de los tres segmentos se puede construir un tringulo) .
p = ~up. ~ Sup . .6 EFH +Sup. , Kl!M = .!._.
y<
Sup. Ci
Sup. 1 OL DL
41. A un indicador llegan seales desde dos dispositivos;

adems, la fle.gada de cada una de las seiiales es igualmente
posible en cualquier intervalo de tiempo de duracin T .
El indicador acciona si la diferencia entre los instantes de
llegada de las seale., es menor que t (i < T). Hallar la
probabilidad de que el indicador accione en el tiempo T,
si cada uno ele los dispositivos enva una seal.
sowc10'J. Designemos los instantes de llegada de la
pri mera y la segunda seales respect iva mente por x e y.
Gracias a los datos del problema deben cumplirse las desigual-
dades:
o ~X~ T, o ~ y ~ T .
l 11troduzc<1 mos el c:;<;tema de coordenada~ cartesianas xOy,

En este sistema las coordenadas de cualquier punto perteneciente al cuadrado OTAT (fig. 4) . De e~;e rnodo, el cuadrado
lo pode rnos considerar co mo l:1 figura G. las coordenadas de
cuyos puntos son todos los valore~ po!itbles de los instantes
de llegada de las .seriales.
El indicador responde ,;i \a diferencia entre los inst antes
de llegada de las sei1 ales es menor que t, o sea, si
y - x < t para y > x
x - y < t para x > y,

25
o lo que es igual
y < x 1- t para
y
> x-
>
x,
(*)
para !! < x.
(* *)
La desigualdad <*) es justa para las coordenadas de los

puntos de la figu ra G que se encuentran por encima de la
recta y = x y por debajo de la recta y = x -1- t; la desigualdad
(**) se satisface para los puntos situados por debajo de la
reda y= x y por encima de la recta y = x- t.
Como se aprecia en la fg. 4, todos los puntos, cuyas coor
denadas satisfacen las desigualdades (*) y (**), pertenecen
4
y
Tt-----~=,.;.;...,/
ti i
Fig. 4
al hexgono rayado. Por lo tanto,
este hexgono se puede

considerar e.orno la figura g, las coordenadas de cuyos puntos
~on los instantes x e y favorables a la respuesta del ind icador.
La probab ilidad buscada es igual a
= Sup. g =
Sup.
(j
r2- 2 (T- f)2

2
T2
t (2T ...
-
t)
T2
42. PROm.1:M,, Dc.L i:~n.JEKTRO. Dos estudantcs convi

.nieron encontrarse en un lugar determinado entre las 12 y las
1.3 horas. El .,rimero que ha llegado espera al segundo durante
de hora, despus de lo cual se va. Hallar la probablidad
de que el encuentro tenga lugar si cada estudiante elige al
azar el tiempo de llegada (en el intervalo entre las 12 y las
13 horas).
Respuesta P =
26
16
43*. Hallar la probabilidad de que. de tres segmentos

tomados al azar, de longitud no mayor que L, se pueda construir un tringulo. Se supone que la probabil idad de que un
punto caiga en la figur a espacial es proporcional al volumen
de la figu ra y no depende de su ubicacin .
oasERVAC10N. Utilcese el sistema de coordenadas cartesianas en el espacio.
Respuesta. Los valores posibles de las coordenadas son:
O~ x ~ L, O~ y~ L; los valores favorables de las coordenadas: x < !J
z, y< z +
1
-!- X, Z <X+ y, p = 2 .
44. Se han tomado a l azar dos nmeros positivos x e y,

cada uno de los cuales no es mayor que 2. Hall ar la probabilidad de que el producto xy no sea mayor que la unidad, y el
cociente
no mayor que dos.
Respuesta. Los valores posibles de las coordenadas son:
~ 2, O< y ~ 2; los valores favorables

de las coordenadas:
O< x
O<x .-~ ~,
J .~
0<y~'V2
-yz-.' p =
2"""-!fs.....,
1+ 31n2
8
..;;x~2,
rv0 3S
45. Se han tomado a l azar <los n mero.$ positivos x e y,

cada uno de los cuales no es mayor que la unidad. Hallar
la probabilidad de que la suma x + y no sea mayor que la
unidad, y el producto xy no menor que 0,09.
Respuesta. Los valores posibles de las coorcknadas son:
O< x ~ 1, O< y~ l; los valores favorabl es
de las coordenadas: O, 1 ~ x ~ 0,9, O, I ~y ~
~ 0,9; p ~ 0,2.
CAPITULO SEGUNDO
Teoremas
fundamentales
1. Teoremas de la adicin y del producto
de probabf1 ldades
Teorema de la ad1ci11 de. probabilidades de sucesos muluamenfe
excluyentes. La rrobabilidad de que ocurra uno de los dos sucesos

mutuamente excluyenfrs, indistintamente cul de ellos, es igual a la
s uma de las probabilidades de estos sucesos:
B) = P (A)
P (B).
P (A
Corolario. La probabllida d de que ocurra uno de varios sucesos
q ue se excl uyen mutuamente de a dos, indistintamente cul, es igual
u l a suma de las probabilidades de estos sucesos:
P (A1
Ai+ .
An) = P (A1} + P (A2) -1- .. .
P (An) adicin de probabilidades dr. suceso11 simultneos.
qu(! ocurra ,or lo menos u1,o de los dus s ucesos
a la su ma de las probahilidades de estos s ucesos
Teorema de fo
La probabilidad de
simultneos es igual
sin la probabilidad
de que ocurran simultneam(!nt(':
P (A + B) = P (A) + P (8) - P (AB).

El teorema puedt> ser generalizado a un nmero finito cual quiera de
~ucesos sim ultne.os (por ejemplo, para tres sucesos simultneos):
P (A
+ B + C) = P (A) + P (8) +
P (AC) - P (BC) -!- P (ABC).

Teorema del producto de probabilidades de sucesos independientes.
T..a probabilidad de que aparezcan simultneamente dos sucesos
tndependientes es igual al producto de la.s probabilidades d~ estos
sucesos:
P {AB) = P (A) P ( B ).
Corolar io. La pm ha bilidad de que ocurran simultneamt'nf.e
varios sucesns, indepen d icmle.s ,m l'I conjunto, l'S igu:il a l pmducto
de las probabili dadc~ de estos suces0s:
P(A 1 A~ , An) = P (A 1 )P (A 2) . . . P (A11).
Teorema del producto de prnhabilidades de. sucesos depen.di!!nles.
La probabilidad de que aparezcan simultneamente dos sucesos depe.ndientes es igual al pri:,ducto de la probabilidad ele uno de ellos por la
probabilidad cond icional del otro:
28
P (C) -
P (AB) -
P (AB)
P (A)PA (B ),
P (AB)
P (B) PlJ (A).
Corolario. La probabilidad de que aparezcan smultneamenh'

varios sucesos dependientes es igual al producto de la probabilidad
de uno de el los por las proba bil ida des coHdicionalcs de t,,dos los dem,,
asimismo, las probabilidades de cada suceso ulterior se calculan
suponiendo que todos los sucesos anteriores ya ocurneron:
P (A1AzA3 ... A,,)= P (At)PAi (A2) PAA2 (A3) .. P,ltA:>.... An-t (A 11 ) ,
donde P AtAi . , ,Ari-t (An) es la probabilidad del s1.1cl'~O A11 calculada
~uponiendo que los succs115 A1, A 11 , An-1
han ocurrido.
46 . En el estante de una biblioteca estn puestos en un

orden fortuito 15 manuales, 5 de los cuales estn encuadernados en tela. El bibliotecario toma al azar 3 manuales. Hallar
la probabilidad de que por lo menos uno de los manuales
escogidos resulte encuadernado en tela (suceso A).
SOLUC!ON. PRJMER METODO.
La condicin de que por lo
menos uno de los tres manuales escogidos resulte encuadernado en tela se cumplir si ocurre cualqu iera d~ los tres sucesos
mutua mente excluyen tes siguientes:
B un manual est encuadernado en tela, dos son sin
encuadernacin,
C, dos manuales son encuadernados en tela, uno sin

encuadernacin,
D, tres manuales son encuadernados en tela.

El suceso A que nos interesa (por lo m<mos uno <le los
manuales es encuadernado en tela) puede representarse en
forma cie la suma de estos sucesos:
A= B
+ C+ D.
Segn el teorema de la ad icin

P (A) = P (B) + P (C) -1- P (D).
(*)
Hallemos las probab ilidades de los sucesos B, C y D
(vase la solucin del problema 17, cap. l, 1):
_ 45
P (B) -_ q.q
c:6 -9,,
p 'C)
'
q .c
c.:,
20
=91
p (D)
C?.
=q~=91
Sustituyendo estas probabilidades en la igualdad (*),

finalmente obtenemos
45
20
67
p (A) =91 +91+91 = 91

SEGU NDO METOPo. Los sucesos A, por lo menos uno de
los tres manuales escogidos tiene encuadernacin en telc1 ,
29
y A, ninguno de los manuales tomados tiene encuadernacin

en tela, son opuestos, por eso (la suma de las probabilidades
de dos sucesos opuestos es igual a la unidad)
P(A) +P(A) = 1.
De aqu
P(A)=l-P(A).
La probabil idad de que ocurra el suceso A (ninguno de los
manuales tomados no tiene encuadernacin en tela) es igual
a
p () _ Cfo _ 24
- q ~ -91 '
La probabilidad buscada es
24
67
P(A )= l-P(A) = 1- 91 =g.
47. En una caja hay 10 piezas, de las cuales 4 estn pintadas. Un montador toma al azar 3 piezas. Hallar la probabilidad de que por lo menos una de las piezas escogidas est
pi ntada.
3
Respuesta P = 1 -
C
Cfo
= 65 .
48. Demos trar que s el suceso A da Jugar al suceso B,

~ntonces P (B) ~ P (A).
sowc10N. El suceso B se puede representar en forma de
suma de sucesos mut~amente excluyentes A y .AB:
B = A +AB.
Por el teorema de la adicin de probabilidades de sucesos
que se excluyen recproca mente obtenemos
P (B) = P (A+ AB) = P (A) + P (AB).

Puesto que P (,18) ;?-: O, tendremos que P (B) ~ P (A) .
49. Las probabil idades de que aparezca cada uno de los
dos sucesos indcpendiente,5 A 1 y A 2 son respectivamente
iguales a p 1 y p 2 Hallar la probabilidad de que ocurra slo
uno de estos sucesos .
so1.uc10N. Designemos los sucesos por:
B 1 , apareci slo el suceso A 1 ;

B2 , a pareci blo el suceso A 2
30
La-aparicin del suceso B1 equivale a la aparicin del

suceso-A 1 A2 (apareci el primer suceso y no apareci el segundo), es decir, 8 1 = A 1 A2,
La aparicin del suceso B 2 equivale a la aparicin del
suceso 1A 2 (apareci el segundo suceso y no apareci el
primero) es decir, 8 2 = A1 A2,
Por consiguiente, para hallar la probabilidad de que
ocurra slo uno de los sucesos A1 y A 2 , es suficiente hallar
la probabilidad de que aparezca uno, indistintamente cul
de ellos, de los sucesos B 1 y B 2 Los sucesos B1 y 8 2 se exclu yen
mutuamente, por eso podemos aplicar el teorema de la adi
cin:
(*)
Queda hall ar las probabilidades de cada uno de los sucesos
B 1 y 8 2 Los sucesos A 1 y A 2 son independi entes, por lo tanto,
son independientes los sucesos A 1 y A2 , as como A y A 2 ,
por eso es apJicable el teorema del producto:
p (BJ) = p (A1A2) = p (A1) .p (A2) = Piq2;
p (B2) = p (A1A2) = p (A1)' p (A2) = Q1P2
Sustituyendo estas probab ilidades en la correlacin (*),
hallarnos la probabilidad buscada de que ocurra sJo uno de
los sucesos AJ y A 2:
P (81
82) = P1Qz
Q1P'J.
50. Para la sealizacin de emergencia se han instalado
dos i-n dicadores que funcionan independientemente. La probabilidad de que el indcador accione durante la avera es igual
a 0,95 para el primero de ellos y 0,9 para eJ segundo. Hallar
la probabilidad de que durante la avera accione slo un
indicador.
Respuesta P = O, 14.
51. Dos tiradores disparan al blanco. La probabilidad de
que hagan bla nco en un disparo para el pri mer tirador es igual
a 0,7, y para el segundo, 0,8. Hallar Ja probabilidad de qu
en un disparo haga blanco uno de los tiradores.
Respuesta P = 0,38.
52. La probabilidad de un impacto en el blanco en un solo
disparo desde dos cai'iones es igual a 0,38. Hallar la probab il i31
dad de hacer blanco por el primero de los cafiones en un disparo.

si se sabe que pa ra el segundo can esta probabil idatl es
igual a 0,8.
Respuesta P = 0,7.
53. La seccin de control tcnico verifica el estndar de los

artcu los. La probabil idad de que un artculo sea estndar es
igual a 0,9. Hallar la probabilidad de que de dos artculos
verificados slo uno sea estndar.
Respuesta P = O, 18.
54. La probabilidad ue que en una medicin de cierta
magnitud [sica sea cometido un error mayor que la precisin
prefijada, es igual a 0,4. Se han realizado 3 mediciones independientes. H allar la probabilidad de que slo en una <le ellas
el error cometido supera la precisin prefijada.
Respuesta P = 0,432.
55. De una partida de artculos el perito mercanti l selecciona los artculos de calidad superior. La probabilidad de que
un artculo tomado al azar resulte de calidad superior, es igua l
a 0,8. Hallar la probabil idad de que de tres artculos verifi
cados slo 2 sean de ca Ii<la<l superior.
56. Un estudiante busca la frmul a que necesita en tres
guas. Las probabilidades de que esta frmula se encuentre
en la primera, segunda, tercera gua, respectivamente, son
iguales a 0,6; O, 7; 0,8. Hallar la probabili dad de que la
frmula est: a) slo en una gua, b) slo en dos guas. e) en
las tres guas.
Respuesta a) P = O, 188; b) P = 0,452; e) P =- 0,336.
57. Las probabilcJarles Je que la pieza necesaria al montador se encuentre en la pri mera , segunda, tercera, cuarta caja.
respectivamente, son iguales a 0,6; 0,7; 0.8; 0,9. Hallar la
probab ilidad de que la pieza se encuentra: a) en no ms de
tres cajas; b) en no menos de dos cajas.
Respuesta a) P = 0,6976; b) P = 0,9572.
58. Se tiran 3 dados. Hallar las probabilidades de los

siguientes suce8o!:-: a) en cada una de las caras aparecen 5 pun32
tos, b) en todas las caras aparecen igual nmero de puntos.

Respuesta. a) P =-, ~s; b)
p ., ,. 6,t::i "' ;s~, -
59. Se tiran 3 dados. Hallar las probabilidades de los

siguientes sucesos: a) en dos caras aparece un punto, y en la
tercera cara, otro nmero de puntos; b) en dos caras cadas
aparece igual nmero de puntos, y en la tercera cara, otro
nmero de puntos; c) en todas las caras :,parece un nmero
distinto de puntos.
Respuesta a) P = C; ( ~2
~)
7~;
b) P= 1~;
e) P= 9 ,
60. cuntos dados hay que tirar para que con una proba
bilidad menor que 0,3 se pueda esperar que en ninguna de las
caras cadas no aparezcan 6 puntos?
sot.uc10N. Introducimos las designaciones de los sucesos:

A, en ninguna de las caras cadas no aparecen 6 puntos.
A;, en la cara cada del i-si mo <lado (i ,- 1, 2, ... , n) no
aparecen 6 puntos.
El suceso A que nos interesa con~iste e11 la simultaneidad
de los sucesos A1 , A 2 , , A11 , es lkcir, .t1 '= A 1 A2 ... A,1
La prol>abilitlad de que en cualquier cara ca ida aparezca un
nmero de puntos, distinto de seis, C'S igual a
P(A;)=
Puesto que los sucesos A son independientes en el conjunto, es aplicable el teor<'ma del producto
p (A)
7 '
Por los datos (
f < o.;~.
r.> ). n
'
Por lo lanlo, n log
~ 6,6.
Por consiguiente, el nmero de dados buscado es n ;;3: 7
<
61. La probabilidad de que un tirador haga blanco en

un disparo es igual a 0,8. Cuntos di$rnros debe e.fectuar el
3-0540
33
tirador para que con una probabil idad menor que 0,4 se
pueda esperar que no habr ni un solo tiro fallado?
Respuesta n ,> 5.
62. En un crculo de radio R est inscrito un tringulo
equil tero. Dentro del crculo se marcan al azar 4 puntos,
Hall ar la probabili<la<l de los siguientes sucesos: a) los 4 puntos caen tlentro del tringulo, b) un punto cae dentro del
tringulo y un punto en cada pequefio segmento. Se supone
que la probabilidad de que el punto caiga en la figura es proporcional a la superficie de la misma y no depende de su
posicin.
.Respuesta a) P ::"
V3 )4;
3
(~
b) P = 31 .3 1f3.
4n
(4n-3
-y1);.
l2n
63. Un segmento est divid ido en tres partes iguales. Sobre

este segmento se han marcado al azar 3 puntos. Hallar la
probabilidad de que en cada una de las partes del segmento
caiga un punto. Se supone que la probabil idad de que un punto
caiga en el segmento es proporcional a la longitud del segmento y no depende de su posicin.
Respuesta P = 31 { ; }
64. En una sala de lectura hay 6 manuales de teora de

las probabilidades, 3 de los cuales estn encuaderna dos en
tela. La bibl iotecaria toma al azar 2 manuales. Hallar la

probabilidad de que ambos manuales resulten encuadernados
en tela.
s0Luc10N. Introducimos las designaciones de los sucesos:
A, el primer manual escogido tiene encuadernacin en tela,
B, el segundo manual tiene encuadernacin en tela.
La probabil idad de que.el primer manual t iene encuadernacin en tela, es igual a
3
1
P(A) = 6 = 2 .
La probabilidad de que el segundo manual tiene encuadernacin en tela, a condicin de que el primer manual escogido
est encuadernado en tela, es decir, la probabilidad condicio34
nat del suceso B es igual a

2
p A(B)=-::-,
)
Por el teorema del producto de probabilidades de sucesos

dependientes la probabilidad buscada de que a mbos manuales
tengan encua dernacin en tela, es igual a
P (AB)= P (A)P A(B) =
2 , 5 =0,2.
65. Para cierta localidad el promedio de das nublados
en julio es de seis. Hallar la probabili dad de que el primero
y dos de julio haga buen tiempo.
25 24
20
Respuesta P= 31 30 = 31
66. En un taller trabajan 7 hombres y 3 mujeres. Por
el nmero de ficha se escogen al azar 3 personas. Hallar la
probabilidad de que todas las personas seleccionadas sean
hombres.
soi.uc1 0N. Designemos los sucesos por:
A, el pri mero escogido es hombre,
B, el segundo escogido es hombre,
C, el tercero escogido es hombre.
La probab ilidad de. que el pri mero sea hombre es igual a
P(A) = 1~.
La probabilidad de que et segundo escogido sea hombre,

a condicin de que el pri mero ya fue escogido un hombre, es
decir, la probabilidad condicional del suceso B es igual a
6
2
P A(B)=9= 3 .
La probab ilidad de que el tercero sea escogido un hombre,

con la condicin de que ya se escogieron <los hombres, es
decir, la probabilidad condicional del suceso C es igual c1
5
PAD(C) =8
La probab ilidad buscada de que las tres personas escogidas

sean hombres, es igual a
.
p (ABC) = p (A) .p A (B). p AD (C) =: 10. 3. 8
= 24.
3 35
67. En una caja hay 10 piezas, entre las cuales 6 estn

pintadas. Un mo11tador t'X1rae al azar 4 piezas. Hallar la
probabilidad de qu~ todas la1< piezas extradas sean pintadas.
6
Respuesta P, w y' 8 ;= 14
68. En una urna hay 5 bolillas enumeradas desde t hasta

5. De una a la vez se extraen al azar 3 botillas sin reponerlas.
Hallar ]as prohal.nhdades de los siguientes suce~os: a) aparecen sucesivamente las bolillas con los nmeros 1, 4, 5; b) las
bolillas extraidas tendrn los nmeros 1, 4, 5 independientemente de la sucesin con que aparezcan.
,
p~
1
Respuesta
a) JJ _. l .. l .J1 - 1 ,. b) p - At
- 10
5
60
69. De 25 preguntas del programa un estudiante sabe 20.

Hallar la probabilidad de que el estudiante cont este a las
tres preguntas dadas por el exam inador.
:.ro tll 18 r,7
Respuesta P :f). 24 . 23 = 11 5'
70. En una bol~a hay 10 cubos iclntcos enumerados desde
1 hasta 10. Se exlrnen al i.izar ele uno a la vez :3 cubos. Hallar
la probab il idad <le que aparezcan suce:.1 va 111ente. los cubos
con los ntm~ros 1, 2, 3, ~ los cubos se extra('n a) sin reposicin, b) con reposicin (los cubos extrados se restituyen en
bolsa.)
Respatsta l) P =
l
10
I l
1
-vs=
720 ;
b) P =,. 0,00 1.
71. Por lo~ <lato~ del censo (ao 1891) de Inglaterra y del
Pa.s de Gales <;(' estableci que: los padre.., ojinegros y los
hijos ojnegros (AB) constiluye-n el 5 1l.'o de l.:1s personas estu<hadas; los padre<; OJtnegros y los hijo'> de ojos claros (A.B),
el 7,9 1'-'n; los padre-. de OJOS daros y los hijo,; ojinegros (A/3),
el 8,9%; los p!dres de ojos claros y los hijos de ojos claros
(AB), el 78,2%. Hullar d vnculo entre el color de ojo
del padre y del hijo.
soLUGION. Por lm, <latos del problema
P (AB)
P (AB) = 0,079; P (.t1B) ~ 0,089; P (AB) = 0,782.

36
= 0,05;
Hallamos la probabilidad cond ic ional de que el hijo sea

ojinegro, si el padre es ojinegro:
PA( B) =
P (A B) =
P(AB)
0 ,0S
P (1I)
P(A B) + P(A B;=-- 0 ,05- 0, 079
0 39
'" '
Hallamo5 la probabilidad condicional de que el hijo sea

de ojos claros, s i el padre es ojinegro
P.dB) - 1-P A (B) = l - 0 .39 . 0 ,61.
Hallamos la probabilidad condiciona l d' qu~ el hijo sea

ojinegro, si el padre es de ojos cl aros:
P - (B)- P (.4B) ~.A
--
P(,1)
P CAB)
P v1m+ P(A.8)
_
0
0 ,089
O 102
v ,OR9 -l 0 .78:l = ..
.
Hallamos la probabilidad condicional dC' que el hijo sea

de ojos daros, 51 el padre es de ojos claro~;
Px (B) """" l-P.;;: (B)= 1-0, 102 , -0,898.
72. Hallar la probabil idad P (A) <la das las probabil idades:
P (AB) = 0,72, P (AB.> -:. O, U:i
sowc10N El suceso A se puede reprcsc-ntM en forma de
su ma de los dos :sucesos mutuamente excl uyentes siguientes:
A=AB+AB.
Por el teorema de. la adicin de probab ilidades de sucesos
mutua mente excl uyt>ntes obtenemos
P(A) =P (AB+AB) = P(AB)+P (AB) .. OJ2 t- 0,18=0,9.
73. Hallar la probabilidad P (AE:) dad.1s las probabili-
dades:
P (A) .....:. a, P (B) = b, P (A + B) ~ c.

s0L uc10 N . Uti lizando la identidad P (tl) -= P (A 8) -j
P (A B}, len dremos
P(AB) ~ P (A)- P(AB) ="' a - P(AB).
De la igualdad P (A
expresamos P (AB):
P (A B)
P (A)
+ B) =z P (,4) + P (B) -
+ P (B) -
= a + b - c.
P (A
()
P (AB)
+ B) =
(**)
37
Poniendo la (**) en la (*), obtenemos
P ( AB) = a-(a + b-c) = c-b.

74. Hallar la probabilidad P (AB) dadas las probabili
dades:
P (A)
= a, P ( B) = b, P ( A
+ B) = c.
Ut il izando la identidad P (B) = P (AB)

hallamos P (AB):
P(AB) = P (8) - P(AB) = (1 - b) - P (A.B).
s0Luc10N.
+ P (A.B),
= e - b (problema 73), obtenemos

P (AB) = l-b- (c-b) = 1-c.
Poniendo aqu P (AB)
75. La aparicin del suceso AB da lugar necesariamente

a la aparicin del suceso C. Demostrar que P (A) + P (B) - p (C) ~ l.
s0Luc10N. P or los datos, la aparicin del suceso AB da
lugar a la aparicin del suceso C, por eso (problema 48)
P (C) ~ P (AB).
(*)
Utilizando las identidades

P (A) = P (AB)+P (AH),
P (B) = P (AB)
+ P (AB).
P (AB) + P (AB)+P (AB) = l - P (B)

y tomando en consideracin la igualdad (*), obtenemos
P (A)+P (B) -P (C) ;; [P (AB )+P (AB)]
+ [P (AB)+P (B)l-P (AB)=

= P(AB) + P(AB)+P (AB) = 1-P(AB) <;;'. l.
NOTA .
Recomendamos al lector cerciorarse individualmen-
te de que tambin para el caso particular, en que C = AB,

se cumple la desigualdad
P (A) + P (B) 76. Demostrar que
P A ( B) ~ 1 Se supone que P (A) > O.
38
P (AB)
P(B)
p (A)
~ 1.
sowc10N. En virtud de la nota del problema 75 es vlida

la desigualdad
P (A) + P (B) - P (AB) ~( 1.
(*)
Utiliza mos las identidades: 1
P (AB)
P (A)PA (B),
P(B) -,,~ 1-P(H).
(**)
Poniendo la (* *) en la (*), obtenemos

P (A)+ 1-P (B)- P (A )P"' (B) -,::; l,
o bien
p (A) .pA (B) ~ P (A} - P (B).
Dividiendo ambos miembros de la desigualdad por el
nmero positivo P (A), final mente tendremos
...
P A (B)
.
P-
1
-
P <B)
P(A)
77. La aparicin del suceso ABC da lugar necesariamente

a la aparicin del suceso D. Demostrar que
P (A)
P (B)
P (C) - P (D) ~ 2.
s0Luc10N. Por los datos la aparicin <lel suceso ABC da
lugar necesaria mente a la aparicin del suceso D, por lo tanto1
(problema 48)
P (D) ;;;:: P (A BC).
De este modo, si se demuestra la desigualdad

P (A)+ P (B) + P (C) - P (ABC)
2,
<
(*)
de hecho queda demostrada la desigual dad dada en los datos

del problema.
Demostramos la desigualdad e). Ut1lzamos las ident idades:
P(A) = P(ABC} -t- P(ABC) + P(ABC)
lP(AEC), }
P (B) = P (ABCH- P ~~C) I P (A~<';) + P (~~C),

P (C) = P (ABC)
(..)
+ P (ABC) + P ( ABC) +P (ABC) .
La suma de las probabilidades de los sucesos, que forman

un grupo completo, es igual a la unidad, por eso
P (ABC) + P (ABC} + P (ABC) + P (ABC) +

+ P (ABC) + P (ABC) + P (ABC) + P (ABC) = 1.
39
De aqu
P (ABC) -1 P (A BC) ' P(ABC)+P(ABC)
= 1-
JP (iiBC) .. P (A.BC) + P(ABC) + P (BC)l. (..)
Poniendo (* *) en (*) y utilizando (* * *) , despus de sl mpl i ficaciones obtenc rnos

P(A) + P(B) 1 P(C)-P(ABC) =
-- 2 -1 iP <,4HC)
+ P (ABC) +P (1TBC) -!- P (A BC)}.
Teniendo en cuenta que cada sumando del corchete no es

11egativo, finalmente obtenemos
P (A)
+ P (B)
1 P (C) -
P (D)
< 2.
78. Deducir el teorema de la adicin de probabilidades
para tres sucesos si mul tncos:

P (A
-
+ B --!- C) = P (A) + P (B) + P (C) -
P (AB) -
P (AC) -
P (BC)
+ P (ABC).
Se supone que parn clos .~uccsos simultneos el teorema de la
adicin ya est de111ostra<lo:

P (A1
+ A2) =
P (Ai)
+ P (A i) -
P (A1A2).
~01uc10N. Reducimos la surna de tres sucesos a la suma

de dos sucesos
A ; B
+ C = (A + B) + C.
Utilizamos el teorema de la adicin de prolH1bilidadcs de
dos $Ucesos:
P (A -1 B -1- C) -~ P TA
+ P (C )- P [(A
+C]
P l(AC)
-1 B)
-
+ B) + e .,.,
P (.4
P (A+ B)
(BC)I.
+ 8) +
P (C) -
Apl ic.a r110.s el teorema el~ la adicin de dos sucesos si multneos dos veces (para los sucesos A y B, y tambin para los
~ucesos AC y BG}:
P (A + B + C) = P (A)
P (B) - P (AB) +
P (C) - {P (AC)
P (BC) - P l(AC) (BC)l}.
+
40
Teniendo en cuenta
final mente obtene mos
P (A
que P [(AC) (BC)l = P (ABC),
+ B -1- C) =
-
P (A) + P (B)
P (AC) - P (BC)
1 P (C) - P (AB) -
+ P (A BC) .
79*. Se dan 3 sucesos independientes de dos en dos A, B,

C, los cuales, empero, no pueden ocurrir los tres juntos.
Suponiendo que todo,;; ellos tienen igual probabilidad p,
hallar r1 valor m{i xi mo posi ble de p
S01.UGION. l'RIMrn fv1l l0DO.
Por los dalm,, p (ABC) = o,
(B) ~ P (C)
= P (A) x
x P (B) ~-- p2, P (A C) = p2, P (BC) = p2
P (A)
= P
1-
p, P (AB)
Halla mos las probabl idades de ca da uno de los siguientes

sucesos que forman un gru po completo:
ABE, BAC, cliB, ABC, ACB, BCA~ ABC, BC.
P:lra hallar la probabildad del suceso ABC, representamos el suceso AB en for ma de suma de dos sucesos mutua mente
excluyentes:
AB--"-ABC I AHC.
Por el teore ma dC" la adicin

P (AB} = P (ABC} + P (ABC).
De donde
P (A BC} = P (A B)-J> (Al3C) =- p2
Anlogamente hallarnos
P (ACH)=P (BCA) = p2
Para hallar la probab ilidad del suc-1:,~,o Al37.;, representa
mos el suceso AB en for ma <le suma de dos sucesos muluamente
excluyentes:
AB = ABC + ABE.
Por el teore ma de la adicin
P (A B) = P (ABC) -!- P (ABC).
De aqu
P (ABC) = P (AB)-P (ABC) = p ( l -p)- p2 =p- 2pz.
Anlogamente hallamos
P (BAC) = P (CAE)= p- 2p.
41
Hallamos la probabilidad del suceso ABC, para lo cual

es suficiente restar de la unidad la suma de las probabil idades
de los dems sucesos que forman un grupo completo:
P (ABC).-= 1- /3( p-2p2 )+ 3p2 J = 3p2 - 3p+ 1.

Tomando en considerac in que cualquie.r probabilidad
est comprendida entre cero y la unidad, necesitamos que
todas las probabilidades halladas satisfagan esta condic in:
O~ p! ~ 1,
O~p -2p2 <,l,
O ~::.~ 3p 2 -
3p
(*)
+ 1 ~ l.
R.esolvi('ndo cada una de las <l<''>igualdades del siste ma,

hallamos rcspecti va mente:
O,.~pi~l,
..
.- l
O :~ p~2'
o:,,;;: p <
I.
Por consigu iente. el valor maxi mo posible de p, que

satisface las tres desigualdades del si.:;tema (*), es igual a}.
Introducimos la designacin P (A
k. Aplicando el teorema de la adicin para
tres sucesos simultneos y teniendo en cuenta que P (A) =
seouNDO ME'l'ooo.
+ B + C) =
= P (B)
P (A BC)
= P (C) = p: P
= O, obtene mos
(AB)
P (AC)
P (BC)
= p2,
k = P (A) + P (B) + P (C) - P (All) - P (AC) - P (BC) + P (,4BC) = 3p- 3p2
Resolviendo esta fcuacin con respecto a p, obtenemos

l+ ... /1_..i.k
-V
3
p = ---2=----
Si p
p
42
1--,/1-
= ; ( cuando:
k.~=
k.
,
entonces p toma el valor mximo
!) .
Si p =
l+ ,y/ 1 -43- k
a primera vista
f1
;?- 2 . Demos-
traremos que la admisin de que p
> ~ nos conduce a una
~ k > O,
contradiccin. En efecto, p >

cuando 1 2
o bien, dado que lt = 3p - 3p , cuando
1
P2 - P+-;->0.
De aqui
,V/.2.__.2...=.2...
P =.2...
z
4
4
2
As pues, el valor mximo posible de p
= ~.
2. Probabilidad de que aparezca aunque
sea un suceso
Admitamos que los sucesos A,, A 2 , . An son independentc:s
= Pt, P (A2) = Pi, ..... P (An) = p,.;
supongamos que como resultado de lus exp1~rim('nts pueden ocurrlf
tod os los sucesos, o bien parte de ellos, o bien ning uno de ellos.
en el conjunto; adems, P (A1)
La probabilidad de que ocurra el suceso A, for1ststente en que ocurra

por lo menos uno de los sucesos At A 2 , ., Al\, independientes en
el conjunto, es igual a la diferencia en tre la un,1aJ y el producto de
las probabilidades de los sucesos opuestos .41, A2 , , , An:
P (A)
l -
(J1h
qn.
En particular, si los n sucesos tienen idntica probabilidad p

la probabil idad de que apareica por lo menos uno clr:~ tsb~ sucesos es
igual a
P (A)= 1 - qn.
80. En un circuito elctrico se conectan en serie 3 elementos que trabajan independientemente uno del otro. Las
probabilidades de [fallos del primero, S<.'f.!:un<lo y tercer elementos son respectivamente iguales a:
Pi = 0,1; p~ == 0,15: p3 = 0,2.
Hallar la probabilidad de que no haya corriente en el circuito.

sow c10N. Puesto que los elementos estn conectados en
serie, no habr corriente :en el circuito (suceso A) si falla
aunque sea uno de los elementos.
43
P (A)
1-
CMzq:1
= l -
(l -
=
0,1) (l -
0,15) (1- 0,2) "' 0,388.
81. Un dispositivo c.ontiene 2 elementos que trabajan

independientemente. Las probabilidades de fallo de los elementos son respectivamente iguales a 0,05 y 0,08. Hallar
la probabilidad de fallo del dispositivo, si para ello es suficiente que falle por lo menos uno de lo.s elementos.
Respuesta P ,. . O, l26 .
82. Para la de,.:.trucdn de un pue1(' e:. sufici<.'nle
caiga una bomba de aviacin . Hallar la proba bili dad de
el puente sea destruido si sobre l se lanzan 4 bombas
probabilidade.s de impacto re~pectivame11te iguales a
0,4; 0,6; O, 7.
Respuesta P ,..._, 0,95 .
que
que.
con
0,3;
83. Tres investigadores, independientemente uno del

otro, miden cierta magnitud fsica. La probabilidad de que
el primer investigador cometa un error en la lectura del aparato, es igual a O, l. Para los segundo y tercC'r inve.c;tigadores
esta probabilidad es respectiva mente igual a O, 15 y 0,2.
Hallar la probabilidad de que en una .sola medicin por lo
menos uno de los investigadores cometa un error.
84. La probabilidad del intento exitoso de cumplir un
ejercicio para cada uno de los dos deportistas es igual a 0,5.
Los deportistas realizan el ejercicio alternativamente; adems, cada uno hace dos intentos. El primero que cumple el
ejercicio recibe un premio. Hallar la probabilidad de obtencin del premio por los deportistas.
so1.cc10N. Para que.> el premio sea otorgado es suficiente
que por lo menos uno de los cuatro intentos sea exitoso. La
probabilidad del intento exitoso p = 0,5, y del infructuoso
q = 1 - 0,5 = 0,5.
p = l-
rt =
1-
0,54
= 0,9375.
85. La probabilidad de impacto en el blanco por cada uno

de los dos tiradores es igual a 0,3. Los tiradores disparan alter44
nativamente; adems. cada uno debe hacer dos disparos.

El primero que hace blanco obtiene el pre mio I-Jallar la probabil idad de que los tiradores obtengan el prendo,
Respuesta P ~ O, 76.
86. La probabilidad de un impacto por lo menos en el
blanco para tres disparos de un tirador es igual a 0,875.
Hallar la probabilidad de impacto en un disparo.
so1..ucioN. La probabilidad de impacto en el blanco aunque

sea en uno de los tres disparos (suceso A) es igual a
P (A) = 1- q3 ,
donde q es la probabilidad de tiro falla do.

Por los datos, P (A) = 0,875. Por lo tanto,
0,875
1-
<i\
o bien
q3
= 1 - 0,875 = O, 125.
De aqu
q.,.,. jY0.125-:- 0,5
La prohah ilidacl buscada ,es

p
= 1-
= 1-
,!i '-" 0,5.
87. La probabilidad de un i mpaclo por lo menos en el

blanco en cuatro di~paros es igual a 0,9984_ Hallar la probabilidad de hacer blanco en un solo disparo.
Respuesta p = 0,8.
88. Un ingeniero realiza numero.,;as nwd ic iones de cierta
magnitud fsica . La probab ilidad ele que ,11 lcrr el instrumento el ingeniero cometa un error, es igual c:1 p. Hallar
el menor nmero de. mediciones que debe n.'a!izar el ingeniero
para que con 1a probabilidad p :> ase pueda esperar que por
lo menos uno de los resultados de las mediciones resulte
fa lso.
Respuesta E [ log (l -a) + J
. log(l-p)
'
donde E [NI es la parte entera del nmero N .

45
3. Frmula de. la probabilidad completa

La probabilidad del suceso A, que puede ocurrir slo al aparecer
uno de los sucesos mutuamente excl.uyentes (hptesis) B1 , B 2 , , Bn
que formau un grupo icomplelo de sucesos, es igual a la suma de los
productos de las probabili"dades <le cada hiptesis por la correspon
diente probabilidad coudicional dd suceso A.
P (A) =P (81) PB1 (A)+P (Bs)PB 2 (A)+ . +P (Bn)Psn (A),
+ . ..
donde P (B1 )
P (8 2)
-1- P (Bn) = l.
Esta igualdad se llama 4frmula de la probabilidad completa.
89. En una urna que contiene 2 bolillas se echa una bolilla

blanca, despus de lo cual se extrae de la urna al azar una
bolilla. Hallar la probabilidad de que la bolilla extrada
resulte la blanca, si son gualmente probables todas las
suposiciones posibles sobre la composicn inicial de las
bolillas (por color).
sowc10N. De.signemos por A el suceso - se extrajo la
bol illa blanca. Son posibles las siguientes suposiciones sobre
la composicin inicial de las bolill as; B1 - O bolillas blancas, B 2 - l bol illa blanca, B 8 - 2 bolillas blancas.
Puesto que <,n total existen 3 hiptesis, adems, por los
datos ellos son igualmente probables y la suma de las proba
bilidades de las hiptesis es igual a la unidad (dado que forman
un grupo completo de sucesos), la probabilidad de cada una
de las hiptesis es igual a
es decir,
!,
P (B1) = P (Bs) = P (B3) =
,v~ .
La probabilldad condicional de que sea extrada la bolilla

blanca, a condicin de que inic ialmente no haban en la
urna bolillas blancas, es igual a
PB1
(A) =+
La probabilidad condicional de que sea ex trada una bolilla

blanca, a condcin de que inicialmente en la urna haba una
bol illa blanca, es igual a
2
Pn2 (A}= 3
La probabilida<l condicional de que sea extrada una

bolilla blanca, a condicin de que inicialmente en la urna
46
haban 2 bolill~s blancas, es igual a

3
P2 (A) = s= l.
La probabilidad buscada de que sea extrada una boJilla
blanca, por la frmula de la probabilidad completa es igual a
P (A) = P (81) Ps 1 (A)+ P (B2} PB2 (A)+ P (83} P, (A}=

1
= 33+33+a 1=3
90. En una urna que contienen botillas se echa una bolilla
.Hallar la
blanca, despus de lo :cual se ;extrae una ,bolilla. =
probabilidad de que la bolilla extrada resulte blanca, si
son 'igual mente probables _todas )as suposiciones posibles
sobre la composicin inicial de las bolillas (por color).
n+2
Respuesta P = 2 (n+ l ) .
91. En un laboratorio de clculo hay 6 mquinas automticas y 4 semiautomticas de tecla. La probabilidad de
que durante la realizacin de cierto clculo la mquina automtica no ponga fuera de servicio, es igual a 0,95; para la
semiautomtica esta probabilidad es igual a 0,8. Un estudiante calcula en una mqu ina tomada al azar. Hallar la probabilidad de que hasta el final del clculo la mquina no quede
fuera de servicio.
R.espuesia P = 0,89.
92. Sobre una pirmida se instalan 5 fusiles, 3 de los
cuales estn equipados con visor ptico. La probabilidad
de que un tirador haga blanco al tirar mediante un fusil con
visor, es igual a 0,95; para el fusil sin visor ptico esta probabilidad es igual a 0,7. Hallar la probabilidad de que se haga
impacto en el blanco, si el tirador dispara una vez con un
fusil tomado al az.ar.
Respuesta P = 0,85.
93. En una caja hay 12 piezas de la fbrica N!! 1, 20 piezas de la fbrica Nh 2 y 18 piezas de la fbrica JI& 3. La probabilidad de que la pieza de la fbrica No l sea de calidad
excelente, es igual a 0,9; para las piezas de las fbricas N2 2
y J',f 3 estas probabilidades son respectivamente iguales
47
a 0,6 y 0,9. Ha11ar la probabilidad de que la pieza extrada

al azar result.e de cal ldad excelente.
Respue.sla P = O, 78.
94. La pr imera urna contiene 10 bo!illas, 8 de las cuales
son blancas; la segunda urna tiene 20 bolillas, de las cuales

4 son blancas. De cada urna se extrae al azar una bolilla;
de estas dos uol iJ las se escoge al azlr una de ellas. Hallar
la probabilidad de que se haya tomado una bolilla blanca.
Respuesta P
="'
0,5.
95. c.ada una de las tres urnas contiene 6 bolilla.s negras

y 4 blancas. De la primera urna se extrae al azar una boliBa
y se echa en la segunda urna, despus de lo cual de. la segunda
urna se escoge al azor una bolilla y se traspasa a la tercera
urna. Hallar la probabilidad de que la bolilla tornada al
azar de la tercera urna resulte blanca.
Respuesta P
= 0,4.
96. Las probabilidades de que durante el funcionamiento

de una calculadora digital se interrumpa e1 rgano aritmtico,
la memoria operatriz, los dems dispositivos, guardan la
relacin de 3 : 2 5. Las probabili dades de descubrir una
intermitencia en el rgano aritmtico, en la memoria operatriz y en los dems dispo~iti vo~ son respectiva mente iguales
a 0,8; 0,9; 0,9. Hallar la probabilidad de que la intermitencia
originada en la mquina sea descubierta.
Respuesta P
0,87.
4. Frmula de Beyes
Supongamos que el suces A puede ocurrir a co nclicin dl' qu e

aparezca unr) <le lu'> suces(,s mutuarne.nle excluyculcs (hi ptesis)
8 1 , Bs, ... B,.. que forma n un grupo completo ele s ucesos. Si l'I
suceso A ya oc1.1rt1<>, las probabilidades de las lli ptesis pued~n ser
t'~limadas nuevamente por l as frmulas de 13cy-:~
PA(B)=
P(l3)PBt (A)
P tA)
(1 :- 1, 2, ... , n) ,
donde
P(A) = P(Ut) Pn 1 iA) - P(l:1 2)PB 2 (A) l- . . . + P(Bn)Py 11 (A).
97. Dos mquinas automticas producen piezas idnticas

que son tiradas a un transportador comn. El rendimiento
48
de la primera mquina automtica es dos veces mayor que

el de. la segunda. La primera mquina produce un promedio
d 60% de piezas de ca lidad excelente, y la .segunda, 84% ,
La pieza tomada al azar del transportador result de calidad
excelente. Hallar la probabilidad de que e!=.le pieza haya sido
producida por la primera mquina automtica.
sowc10N. De!-ignemos por A el suceso, pieza de calidad
excelente.
r Podemos hacer dos suposicione.~ (hiptesis):
B 1 , la pieza ha sido producida por la primera mquina
automtic, adems (puesto que la primera mquina produce
dos veces ms pieza.s que la segunda)
P(B1)=;;
B 2 , la pieza ha sido producida por la segunda mquina
automtica; adems
P(B2)= 3 .
La probabilidad condicional de que la pieza sea de calidad

excelente, si ha i,ido producida por la primera mquina auto-
mtica, es igual a
Pa1 (A) = 0,6.
La probabilidad condicional de que la pieza sea de calidad
excelente, si ha sido producida por Ja segunda mquina automtica, es igual a
Pn2 (A)= 0,84.
La probabilidad de qu la pieza tomada al azar resulte de
calidad eJ<celente, por Ja frmula de la probabilidad
completa, es igual a
P (A) = P (Bt) PB,.(A) + P (82) P1h (A) =
=~ }0,6 + ~ 0,84= 0,68.

La probabilidad buscada de que se escogi una pieza
excelente tomada est producida por la primera mquma
automtica, por Ja frmula de Beyes, es igual a
p A (B1) =
4- 0540
P (B,),P 111 (A)

PtA)
98. En una p1rndc se encuentran 10 fusiles, 4 de los

cual es estn equipados con visor ptico. La probabilidad
de que un tirador baga hlanco al disparar mediante un fusil
con visor ptico, es igual a 0,95; para el fusil sin visor ptico
esta probabilidad es igu al a 0,8. El tirador hizo blanco con
un fusil tomado al azar. Qu es lo ms probable: el tirador
ha ya disparado media nte un fusi l con visor ptico o bie.n sin l?
Respuesta. Lo miis probable es que el fusil haya sido sin
v
vi~.or ptico: la probab ilidad de que el fusil
t'ra ~im vi1;or ptico es igual a :; ; con visor
IU
ptJ C.O, 4:3

99. El nwcro <le camiones que pasan por una carret('ra
donde ha y una e~tacin surt idora de gasolina con respecto
al nmero de otros automviles guarda una re.laci n de 3 : 2.
La pro babi! i<lad de que se abastezca un camin es igual a O, 1;

para el autornv1l esta proba bilidad es igual a 0,2. Al surtidor
llega una mquina para abastecen,'. Hallar la probabilidad
de que esla mquina sea un camin.
Respuesta P ="
3
7
100. Dos personas encargas de la perforacin llenan en

dstintos perfora<lor('s igual juego de tarjetas perforadas. La
probabilidad de que la pri mera persona cometa un error es
lgual a 0,05; para la segunda persona esta probabi lidad es
igual a O, 1. Al verifcar las tarjetas se descubri el error.
Hallar la probabilidad de que se haya equivocado la primera
de las encargadas de la perforacin. Se ~u pone que ambos perforadores estaban en buen estado.
l
Respues'ia P = 3 .
101. En un hospital e.~pecializado ingresan un promedio de
50% de enfermo:) con Ju afeccin 1( . 30% con la afeccin L,
20 % con la afecC'1n M. La probabilidad de curacin comp leta
el e la afeccin !( es igual a O, 7; para las enfermedades L Y' M
estas probabil1dales son respectivamente igual e.s a 0,8 y
0,9. Un enfermo internado <:n el hospital fue. dado <le alta
sano. Hallar la probabilidad de que este enfermo sufra la
afeccin K,
[,
Respur!sta P =TI.
rn
102. Uno de dos peritos mercanti les ver1f ica el estndar

de un artculo. La probabilida d de que el <1rticu lo caiga en
ma nos del pri mer perito es igua l a 0.55, 1 ~d segundo, 0,4!).
La probabil dad de que el artcu lo E'Sla ndanzado 'iea reconocido como tal por el primer perto es igu al a O,9, y por el <,;egundo, 0,98. Durante la verfcacin el artcu lo fue reconoci do
como estandarizado. Hallar la probab!l tdad de que el artculo
lo haya examinado el segundo perito.
Respuesta P
:Y
0,47.
I03. El suceso A puede ocurrir a cond1c1n de que aparezca

uno slo de los sucesos mutua mente excl uyentes (h iptesis)
B1 , B 2 , . , B,1 que forman un grupo completo de sucesos.
Despus de ocurrir el suceso A se est imaron nuevamente las
probabilidades de las hiptesis, es decir, se bailaron tas pron.). Dc111osbabilidades condicionales PA (B 1) (i = l . 2,
trar que
n
~P,l(Bi)=I .
i=l
104 . El suceso A puede ocurrir a condicin de que aparezca

uno ele los sucesos mutuamente exc luyentes (hiptesi$) BL
B 2 , B 3 que forman un grupo completo de suce::-os. Despus de
aparecer el suceso A se estimaron de nue\o la~ probabilidades
de las hiptesis, es <lec.ir, se hallaron l~.s probabilidades condcionales de estas hiptesis: as mi.c::rno,
pA (R1)
0,6
p A (B'J) =- (1/J.
A qu es igual la probabilidad condic1onal P.1 (Ba) de la
hiptesis
Bl
Respuesta P.,, (B 3) = 1 - (0,6
+ 0,3) - O, l.
105. Hay tres partida~ de piez.a.s de 20 pin as en c<1da

partida. El n mero <le piezas cstndare.~ en la prirnE>ra, segunda y tercera de las partida~ es respecf a mente gua 1 a
20, 15, IO. De una part id a tomada al acaso .<.e ha escogido al
azar una pieza que result estndar. Dec:;puh de rest it uir la
pieza a la partida, de esta misma partida se extrajo por
segunda wz al azar una pieza que ta mb in result estndar.
Hallar la probabilid ad ele que las piezas se han to mado de la
tercera partida .
4"'
SOLr..rCJON.
De.<.~nemos por A el suceso, en cada una de
las dos prueba<; con la res;titucin) fL1e extrada una pieza
estn dar.
Se pueden lrncl'f lrc'.'> suposicions (hiptesis):
B 1, las piez.as s0 han tomado de la primera partida.
B'l., las piezas se han tomado de la segunda partida,
B~. las pir.:rnc; se han tomado ele la tercera partida.
Puesto que la~ p1cw1:, $e han tomado de una partida toma
da al azar, las probab ilidades de las hiptesis wn idnticas:
P l H1) - P (H2) = P (Ba) =
!.
Hallamos la p1obabilidc1d cond icional Pn 1 (A ), es decir,

la probaliil idad de que ck la pr mera partida sean escogidas
sucesi\amente dos piezas estndares. E.ste suceso es cierto,
dado que en Ia pr i rnNa partida todas las p iews son estndares, por eso
P11J4) = l.
Hallamos la probabilidad condicional P 82 (A), es decir,
la probabilidad ck que de la segunda partida sean escogidas
suce~ivamente (con restilucin) dos piezas estndares:
15 15
p 112 (A) = ~. 20 =
9
hi
Hallamos la prouab11idad condicional P 83 (A), es decir,

la probabilidad de que de la tercera partida sean escogidas
suces iva mente (con restitucin} dos piezas estndares:
P1Ja (A)
IO 10
20' 20
=T
La probab1lidad buscada <le que ambas piezas estndares

escogidas sean toma da'> de la tercera partida, por la frmula
de Beyes, es igual a
P ,1
(/33) :::., p (l~i-,. >-
P(Ba) PB 3 (A)
- -A-)+-J~)(ll-z)Pn (A)
111 1
2
t-P {B~)- Pna {A) =

1
3 '4
-
4
1
1 = 29'
3' 13 ' 16+ 34
106. De una batera d<:- tres caones se hizo una descarga;

auems, 2 proyedtles dieron en el blanco. Hallar la probabi52
lidad de que el pri mer can haya hecho im pacto, si las probabil idades de impacto en el blanco ele los pri mero, segundo
y tercero caones son respectvomenie igual(\<, a
P1 = 0,4, P2
= 0,3,
P:,
0,5.
so1-ucroN. Designemos por A <>I suceso. doc; <:ai'ion<:'s

hicieron blanco.
Hagamos dos suposiciones (hipte::.b):
B,, el primer cafin hizo blanco,
Bz, el primer can no hizo blanco.
Segn los datos P (8 1) = 0,4; en consecuencia (e.1 suceso
B 2 es opuesto al suceso B 1) , P (8 2) = l - 0,4 = 0,6.
Hallamos la probabilidad c.ondic.ional P13 1 (A). es decir,
la probabilidad de que dos proyectiles c.ay('ro n en el blanco;
adems, uno de el los ftre lanzado por el primer cafin, y, por
lo tanto, el segundo, o bien por el segundo can (en este caso
el tercer can fall el tiro), o bien por la tercera (en e5te caso
la segunda pieza fall el ti ro). Estos dos sucesos son mutuamente excluyentes, por eso, es aplicable el teorema ele la
adicin:
Pn 1 (A)=-, /J2 q3 p3q2= 0,3-0,G 1 0,5 0,7 =~ 0,5.
Halla mos la probabilidad condicional Pn? (A), es decir,

la probabilidad de que dos proyectiles hayn ciado en el
blanco; pero el pri mer can falt el tiro. En otras pa labra<;,
encontra mos la probab ilidad de que el sf'gu ndo y el tercer
can ha n hecho blanco. Estos dos s11ccsos Hlll indcprndien
tes, por eso es ap licable el teorema del p rod1 1cto:
P112 (A)
" P2 Pa = 0,3- fl ,5 0.1 fi.
La probabilidad h1.1scarla de que el pri 11wr cafltn haya

hecho blanco, por la frmu la ck Bc)C$ <:~ $:'. ual H
p "- (Bi) =
P(fi1) P111 (A)

P (.B 1) PJJ 1A) \- P (8z)P11 !
1
(.fi ....
1\ 40,5
20
=-o-.-1--0-,5-1 o .GO,( [J :.;: 2V .

107. Tres t irado~ hicieron una descarga y dos ba las dieron
en el blanco. Hallar la prohabil idad de que el tercer tirador
haya dado en el blanco, si las probabilidades de impacto del
5~
primero, segundo y <'rcer tiradore.s son re.,;pectivamente

iguales a p 1 = 0,6, p 2 --: O,!=;, p 3 = 0,4.
to
Respuesta P !').
108. Dos de tre~ elementos de un calcul ador que funcionan ndependiEnt<'mcnie fallaron. Hallar la probabilidad de
que hayan fallado los elementos primero y .segundo, s las
probahildad<>.s de fallo de los elementos primer, segundo
y tercero son rcasp1::ctivamcntc iguales a p 1

P=i -. 0,3 .
.sowctN.
elementos.
0,2; p 2
0,4;
Des ignemos por A el suce.c;o, fallaron dos
Se pueden liacc:r la~ siguientes supo~iciones (hiptesis):

8 1 , fallaron lo.~ elementos primero y segundo, y el tercer
elemento no fall . iclems, como los elementos trabajan independientemente, e, aplicable el teorema del produclo:
P (B,) ,. Pi P2 q~ = 0.2 0,4 O, 7 = 0,056;
B 2 , fallaron los elementos primero y tercero, y el segundo
elemento no fall; asimismo,

P (B2l .,...,. PJ p-3(f'.!,
= 0,2 0,3 0,6 =
0,036;
B~. fallaron to.<1 elementos st'gundo y tercero, y el primer

elemento no fall ; adems,
P (B:,) ,.. r ~P;1 q1 == 0,4 0,,'3 0,8 = 0,096;
8 4 , fal l s lo un elemento;
Br,, fallaron los lre-5 elementos;

8 6 , no fall ninguno de los elemento.s.
Las probabilidades de las tres ltimas hiptesis no se han

calculado, puesto que para estas hiptesis el suceso A (fallaron dos elementos) es imposible y, por lo tanto, las probabili<lades condcionalc,,.-s P11r, iA), Pn~ (A) y Pn 0 (A) son iguales
a cero, por lo que hi tnbin son iguales a cero los productos
P (B.,) P11~ (A), P (Br,) P11" (A) y P (B 6 ) .p l\i (A} (vase la
correlac in (*) mB adelante) para todos los valores de las
probabil ida de.<. de las hiptesis B 4 , B~ y B 6
Ya que pa ra las hipte-sis B1 , B 2 , B 3 el suceso A es cierto,
las respec tiva, probabilidades condicionales son iguales a la
unidad:
La probabilidad de que hayan fa llado dos elementos, por

la frmula de. la probabilidad co mpleta ee; igu al a
P (A) = P (B1) P11 1 ( A) + P(B2)Pn~ (;'I) + P (8 3 ) Pn:t (A) :+ P (B4) Pn.1 (A)+ P (B~) Pn~ (A) I P (B,;) Pn~ (A).,....:
~ 0, 056 l +0.036 l + 0,0% l. 0,1 88.
(*)
La probabilidad buscada de que fal laron los el ementos
pri mero y segundo, por la f rmula de lk yc", es igual a
PA <81 >~ -
P (B1) PR 1 (A)
P<A.1
0 ,0:-,6 ,I
0 ,188
"' 3
109*. Dos de cua tro vlvu las ele un aparato que fu ncionan
independ ientemente han fallado. Hallar la probabilidad de
que fa llen las vl\'ulas primera y segundct, s i las probabilidades de fallo de las vlvulas primera, segunda tercera y cuarta
son respectivamente iguales a
P1 = O, 1; Pz = 0,2; p~ = 0,3 y P.1 .... 0,4.
Respuesta P e::: 0,0:39.
CAPITULO TERCERO
Repeticin
de las pruebas
1. Frmula de Bernoulli
Si se realiz1111 pnwba.s (cXp<:'rimentos), para r~~s cua les la probahili
dad de qut ap11rez.c11 el sur.r.so A en cada prueba no depende de los
resultados de las dems pruebas, es tas pruebas S(' lla man in.dependientes
ton respecto al suceso A. En los 1- 4 d(' e~tc:- captulo se examinan las
pruP.bas ind<>penclientes, c:-n cada una de las cuales la probabilidad de
que aparezca el suc.cso es idntica.
rORMlJI.A mi f\l.l~NOlH LL La probabilidad de que en n. pruebas indr-
pendirn trs, en cada un a de las cuales la probabilidad de que ocurra el

suceso es i~ ual a p (O <: p <: 1), el suceso ocurre exactamente h veces
imdistin tamcnlc, en <'}U sucesin), es igual a
Pn. (k)=C!phqn-ii,
o bien
n
ni
11 ,-,~
"!. ' = kl (n-k)I p <f '
dcinde q = 1 - p.
La proba bilidad de que rl suceso ocurra: a) mrnos de k veces;
hl ms de k veces; c:i no menos de k veces; d) no ms de k veces, se
hallan rr.spectivame:nk por las frmulas
a)
+ Pn (ll - 1),
+ 1) + P,, (k + 2) + ... + P,, (11),
+ Pn (k + 1) + ... + P (n),
Pn (O)+ P (l) + . . . + Pn. (k).
Pn (O)+ Pn (1)-\- . ..
b) Pn (k
e) Pn (k)
el)
11
11
110. Dos ajedrecistas de igua l maestra juegan al ajedrez.

<.Lo qu es ms probable ganar: dos de cuatro partidas o tres
de seis partidas (las tablas no se toman en consideracin)?
s0Luc10N. Puei;to que juegan ajedrecistas de igual capacidad, la probabilidad de ganar p = ~ y. por lo tanto, la
probabilidad de perder q tambin es igu al a ~ . Dado que en
todas las partidas la prohablidad de ganar es constante y no
tiene i mportancia en que sw;esin sern ganads las partidas,
5G
podemos aplicar la frmula de Bernou ll.

Hallam.os la probabil idad de que do~ de cuatro partidas
sean ganadas:
p~ (2) =C:p2q2 =
:~.(~ )2 . (!)2 =
I( ~.
Hallarnos la probabi \dad de que tres <l<' <;e,:; partidas .5ean

ganadas:
P6(3) = C;p3q9
.,. ,. ~:;:! (~ )~(~ )~ =
1~.
Como P4 (2) > P 6 (3), lo mg probable e~ gan ar dos de

cuatro pa rtidas que tres de seis partidas,
t t t. Dos adversarios igual mente f uert<.'A"i j ucgan al fljedrez.
Lo q u es ms prohab le ganar: a) una de dos partidas o dos
de cuatro parti das; b) no menos de dos de cuatro partidas o

no menos de lrcs de cinco partida~:> Lv, b 1blas no ~e tienen
en cuenta .
Respuesta. a) Lo ms probable es ganar una de dos parti-
!;
i;
P 4 (2) -,,
b) lo ms
das: P 2 (1) =
probable es ganar no menos de dos de cuatro
partidos:
P4 (2) + P4 (3) 1- P 4 (4) = 1 -
[PdO)
+P
+ P 5 (5) =
(l)J =
+.;
1\ {3) -1- Pr, (4) 1
~.
1
112. Una moneda se arroja 5 veces. Hall;1r la probab ilidad

de que caiga cruz: a) menos de dos veces, b) no menos de
dos vece.".
Respuesta a) P = P5 (O) + P~ ( 1) ,. 1t- ;
11
b) Q = l - [P 5 (0) +Po( l)l - ;

11 3. Hallar la probabilidad de que el suceso A ocurra no
menos de tres veces en cuatro pruebas indcpenclient<:'s, si h1
probabilidad de que ocurra el suceso ..4 en unas pruebas es
igual a 0,4.
Respuesta P 4 (3) + P 4 (4} = O, 17!)2.
t 14. El suceso B oc urrir si el &uce<,o A ~e produce no
menos ele cuatr~l veces. Hillla r la probahilidau de que el
67
suceso B ocurra si .se real izan 5 pruebas independientes, en cada

una de las cual es la probabilidad de que aparezca el suceso
A es igual a 0,8
Respuesta P 0 (4)
+P
(5)
O, 74.
115. En una familia hay 5 nios. Hallar 1a probabilidad

de que entre estos nios: a) dos sean varones, b) no ms de
dos sean varones, e) ms de dos sean varones, d) no menos de
dos y no ms <le tres sean varones. La probabiiidad de nacimento de varn <;e toma igual a 0,51.
Respuesta. Las proba hit idades buscadas son aproximadamente guaks a: a) 0,31; b) 0,48: c) 0,52;
d) 0,62.
116. Un segmento AB ele 15 cm de longitud est dividido
por el punto C en una relacin de 2 : 1. Sobre este segmento
se marcan al azar 4 puntos. Hallar la probabilidad de que dos
de ellos resulten a la izquierda de C y dos, a la derecha . Se
supone que la probabilidad de que un punto caiga en el segmento es proporcional a la longitud del segmento y no depende
de su posicin.
Respuesta !\ (2) .-:- C! ( ; )
~) =
2
~.,.
2
Jl?. Sobre un '<cgmento AB de longitud a se marcan al azar

5 puntos. Hallar la probab ilidad de que dos pLmtos se encuentren del punto A a una distancia menor que x, y lres, a una
di!5tancia mayor que x. Se supone que la probabilidad de que

un punto caiga en el segmento es proporcional a la longitud
del mismo y no depende de su posicin.
. . ,. e:~
RP.5pw:sta l \. (.:)
(a.t ) 2 ( -a-x
- ) ,1 .
11 8. Un segmento est dividido en 4 partes iguales. So

bre el segmento se marcan 11! azar 8 puntos. Hallar la probabilidad de que en ca<la una de las cuatro partes caen dos puntos.
Se supone que la probablidad de que el punto caiga en el
segmento es proporcional a la longitud del segmento y no
depende de su po!Sicin.
Rcs,ue.5ta.
P .. .. C.s' e,!
Js' C'24.
ci (4i ) 2 .
2
2. Teoremas local e integral
de Laplace
TEOR EMA LOC,\l DE LA PLACE La pf()h ahil1da J de que ~l lt rru('bas
indepc>ndicules, en cada una dt fas cuail'.<; la pr,;,ha b1li dad dc q ut, ocurra
el sucesn es igual a p (O < p < l), Pl s uC<::So ilpa re1..ca exacta mente k
veces (indistinl.anwnh\ en qui! sucesin) e~ ,iprc;x11111io:l amcnle i~ual a
P.,, (k)
1
= vn pq
1f (x),
donde
<p(x)=
v- e
1
x2
k -
:?rt
1lf!
X"'-,=
}r1pq
En e! suplemen to I St: da la labia de la f1u1c i,.111 <p (x) parn valores

positivo:, de x; para lo~ valr:,rl'S nei:(ativos de x se 11lil1r.:i la m isma tahla,
puesto qu~. la f uncin 'P (x) es par [q:, (-x) - cp (:q l
TEOREMA TNTEOR AT.. DE LAPLACE . La prnbab il idad de que e n n prurbas independicnl~s. en ca<la una de las cuales la prol.rnbili dad d<> que
apanzca el suc~so cs gual a p (O oc urra no menos de k1 v,:,ces y no m5 de k 2 vces, es aprox1rnada rru::nte igual a
Pr. (k1; k2) =(l) (x") -(f1 (x' ),

I
!;<
donde <fl (x'i = - -
l/2n
.t '
:x:S
dx e, la fu nci,.,11 d1. Larlacr,
o
!1- llp
,1:11pq
'
- - k!-11.P
x" -,
;~ -
llpq
E n el ~uplemcnt,) 2 M.> Ja la labl,i de la fu11t:1 i,11 ,J.-. L:11>l;i(c p,1ra \,, s

valores positivo~ el,:, x (O ~ x .~,.' 5); 11a m lo:,,; val,.,rr~ de x ;.,. 5 St'
supo11e cp (x) -~ 0,5: p,1ra los valores nq,!a i1v,i'> de x ~t utiliza la 111 i.sm;1
tabla, teniendo l'l'J cul'nta que la fu11.:: 1i',11 ,h: Lap1ace 1:s intpar
[1(> (-x) = - (x)].
119. Hallar la probabi lidad de que el .suceso A ocurra

exactamente 70 veces en 243 prueba:;, si la probabilidad de
aparicin de este suceso en cada tentativa E''> igual a 0,2!5 .
.$OJ.L1c 10N . Por los datos del problema n -..- 243; k -= '70,
p = 0,25; q = 0,75. Puesto que n = 243 es un nmero bastante grande, apl ique mos el teorema local de Lap lace:
P,. (/l) =
donde x
VI
npq
cp (x).,
h- np
V npq .
59
Hallamos el valor de x determinado por los datos del
problema:
70 -243, 0,25
X= k -np _
1/npq - l :'243 0,25-0,75
9,25 ,., J 37
6 ,75
'
Por la tabla (sup lemento 1) halla mos

q; (1,37) = 0,1561.
La probab ilidad buscada es igual a
Pi!,a(70) =
1
.,~ ,1561 ,- 0,0231
6 ,, v
120. Hall ar la probabilidad de que el suceso A ocurra 1400

veces en 2400 pruebas, si la probabilidad de que aparezca
t\<;te suceso en cada tentativa es igual a 0,6.
soLLcroN Pue~to que n. es grande, aplicamos el teorema
local de Laplace
P n (k) '
lt rtplf
<p (x) .
Calculerno.s x:
X= k-rtp .:. - 1400 -2400,0,6
Vn11.:i
v2-100- o,o.o,4
= - ~ = -1,67.
24
x2
Co mo la funcin((, (x) =
'I
. .
'.- e-res par, entonces <r (-1,67)
l /2:ri
= q, (1,67).
Por la tabla (su ple mento J) halla mos
(p (l ,67) = 0,0989.

P2,, ,)i) ( 1400) -
24
0,0989 = 0,0041.
121. La probab ilidad de impacto en blanco c.n un slo

disparo es igual a 0,8. Hallar la probabilidacJ de qt1e <le 100
disparos se haga blanco exacta mente. 75 ve.ces.
Respuesta P10,., (75) = 0,04565

122. La probabilidad de que nazca un varn es igua l a
0,51. Hallar la probabilidad de que de 100 recin nacidos
resul ten 50 varone$ .
Respuesta P1nu (50) = 0782

60
123. Se arroja una moneda 2N veces (N es lmu y grande!).

Hall ar la probab ilda<l de. que apa rezca !~1 cruz exactamente
N veces.
Respuesta
P 2 1v (N}
0, 5642
= VN .
124. Se arroja una moneda 2N veces. Hailar la probabilidad de que la cruz aparezca 2m veces ms que la cara.
Respuesta
P2N
(N
+ m) = V ~cp ( ~/ i m)
125. La probabilidad de que ocurra un suceso en cada una

de las 100 tentativas independientes es constante e igual a
p = 0,8. Hallar la probabilidad de q ue el suceso ocurra:
a) no menos de 75 veces y no ms de 90 veces; b) no menos de
75 veces; e) no ms de 74 veces.
sotuc10N. Aplica mos: el teorema integral ele Laplace:
Pn(k,. ki) =<:D (x'1 )-$ (x'},
donde ([) (x) es la funcin de La place, x' = ki -np
Vnpq '
k.i_ -np
Vnpq.
x"
a) Por los datos n = 100; p = 0,8; q = 0,2; k1 = 75;

k2 = 90.
Calculemos x' y x":
x' =
!t1 --:--np
1/npq
x" =
kz ~11p
Vnpq
75-100 -0,8 ="

1/100- 0, 80,2
100-1 00 ,0,8
V!00,0,8 -0,2
-1. 25;
= 2, 5.
Teniendo en cumta que la fun cin de La place es im par,

es decir, <D (-x) = -<D (x), obtenemos
p iOO (75; 90) = {J) (2,5) -Cl) ( - ] ,25) = Cl) (2,5)
J ,25).
+({) (
Segn la tabla (suple mento 2) hall amos

el) (2,5) = 0,4938; cD () ,25) = 0,3944.
P 100 (75; 90) = 0,4938 + 0,39'14 ~'-- 0,8882.
b) El requisito de que el suce.so ocurra no menos de 75 veces, significa que el nmero de apariciones del suceso puede
61
ser exactamente igual a 75 o bien 76, . . . o bien 100. Por co11siguiente. en C'l caso examinado hay que tomar k 1 = 75,
k2
100.
En tal caso,
x'=-= k1 -: 11e_ ~
75- l00 0,8
V nvq
X,,= /(2 - rt>
Vnrq
V 100.0,8,0,2
100 - 1000,8
y100,o,s.o,2
,..,,_ _ 1,25 ;
= 5.
Por la tabla (suplemento 2) hallamos

Q) (1,25) = 0,3944; Q) (5) = 0,5.
La probabilidad b u~cada es igual a
P100
(75. 100) =(I) (5) -m ( -1 ,25) =

, c!l {5.J 11> ( l ,25) ""' 0,5 1 0,3944 ~ 0,8944.
e) Los sucesos: A ocurr no menos de 75 veces y A ocu~

rri no ms de 74 veces son opuestos, por eso la suma de las
probabilidades de estos sucesos es igual a la unidad. Por lo
tanto, la probab,Hdan buscada es igual a
P 100 (O; 74) ".. 1-Prno (75; 100) = 1- 0,8944 = O, 1056.
126. La probab ilidad de que aparezca el su ceso en cada una

de las 2100 pruebas ndependientes es igual a 0,7. Hallar la
probabilidad de que el suceso ocurra: a) no menos de 1470 y
no ms de IGOO veces; IJ) no menos de 1470 veces; e) no ms
de 1469 veces.
Respuesta a P 2100 (1470; 1500) = 0,4236;
b) P 2ioo(l470; 2100)=0,5;
P210o(O; 1469)=0,5.
127. La probabil idad de que ocurra el suceso en cada una
de las 21 pruebas independ ientes es igual a O, 7. Hallar la
probabiJidad de que el suceso aparezca en la mayora de las
tentativas.
Respuesta Pz, ( I 1; 21) = 0,95945.
128. Una moneda se arroja 2N veces (N es imuy grande!).
Hallar Ja probabil idad de que el nmero de cadas de la cruz
est comprendido entre los nmeros N - V2N y N + V2N.
Respuesta P
62
= :.
<ll (!) -
el)
(- I)
= 2c:D
2
(! )
= 0,6826.
129. La probabilidad de que ocurra un suceso en cada una

de las pruebas indcpend ienes es igual a 0,8. cu:111tas tentativas hay que rea lizar para que con la prol>abilidacl 0,9 se
pu eda esperar que el suce!-o ocurra no menos de 75 vece.<:?
Por los datos del problema p ,.- 0,8; q = 0,2,

n; P ,. (75, n.) = 0,9.
Aplicamos el teorema integral de Laplare:
so1..1Jc10 ~.
k1
= 75;
k2
P,.. (k1; n)=-<D (x'')-(J)(x' ) =<ll[ ka~)

. y11pq
)-,(lJ f.. kiVn~ pq
A continuacin, sustituyendo l os dato.<, del problema,

obtenemos
..,
O''9 =- ~
rv n-0,a.o,2
11 - 0, 8n
] - ( f) [
75 - - 0, 8n
. Vri 0 ,8 0 ,2
'J ,
o bien
0.9= <.l)r-~2 J- <1>[~~8-!;

.
. 0,4"\,;n .1
Ev identemente , el nmero de pruebas n > 75, por eso
~>
V:~
4,3.3. Puesto que la funcin de Laplace es cre-
ciente y cD (4)
Por lo tanto,
0,5, se puede suponer <f> ( ~) = 0,5.
0,9 = 0,5- (1) r. 75-C,_~' ,

0,4 l :'11
De donde
(J) [
75-~:
] -:.:;. V
- 0,4
0,4.
(*}
tl
Por la tabl a (suplemento 2) hal la mos (J) (1 ,28) = 0,4. De

aqu y de la correlacin (*), teniendo en cuent a que la funcin de La place es mplr, obtenemos
75,-0,8n
----'-.o.4 v,1 = - 1,28.
Resol viendo esta ecuacin, como una de segundo grado

con re~pedo a
'V n,
tendremos
Y =
10.
Por consiguien te, el nmero de pruebas 1Juscado 11
....,.
100.
63
130. La probabilidad de que aparezca un resu ltado positivo en cada uno de lo~. ri experimentos es igual a 0,9. Cuntos
experimentos hay que realizar para que con la probabilidad
0,98 se pu0da esperar que no menos de 150 experimentos den
un resultado pc,.$ihvo?
R.espuesta n ,.._ 177.
3. Desv iacin de la frecuencia relativa
respecto de la probabilidad constante

en pruebas independientes
CslmaciJL de la de.suacin de. la f re,:uencia rclaliv,i respecto de la
probabilidad co11st,.w.t1: La probabi lidad de QUI:' en n pruebas indepen d1e11le.s, en cada u11a de las cuales la probabihda<l de a paricin del
suce:so t~ ,gu! a /1 (O<: fJ < l), la magn itud absoluta de la desviac1(,11 <le la frrcu t!nua rt!la tiva de aparici n del suc~so respecto de la
probahilidad tl1::. q11e ocurra el suc~su no es mayor que un nmero posi
t,vo &, apr~tw d1:m1rnt.e es igual a la fun c,'.in doble de La place cuando
x= e
- n. :
pq
p (I
':: -
~ e ) - .2<D ( s Ji ;~ ).
131. La probabilidad de que ocurra u n suceso en cada una

de las 625 pruebas independientes es igual a 0,8. Hallar la
probabilidad de que la frecuencia relativa de a paricin del
suceso se desve de su probab ilidad en valor absoluto no ms
de 0,04.
wr.uc10N. Por
los
datos n
p = 0,8; q = 0,2;
625;
e= 0,04. Ha y que hall ar la probabi lidad P ( 1;;5 -
0,8 [ ~
~ 0,04 ) . Utilizando la frmula

p (J
~: -
~e) = 2<D (el/;;/ ) '
p1
obtenemos
P(I ;~~ - 0,8,~.:,;;0,04) = ZCJ>(0,041,,/
.~:~ .J
=2(f>(2,5).
Por la tabla (suple mento 2) halla mos <I, (2,5)
Por lo tanlo,
2lf) (2.5) :-, 2 -0,4938
= 0,4938.
0,9876.
As pu es, la probabil idad buscada es aproximadamente

igual a 0,9876.
132. La probabil idad de aparicin de un suceso en cada uno

de las 900 tentativas independientes es igual a 0 ,5. Hallar
la probabil idad de que la frecuencia relativa de aparicin del

suceso se <lesv e de su probabilidad en valor absoluto no ms
<le 0,02.
R.espuesta P = Z<D (1 ,2) = O, 7698,
133. La probabilidad de aparicin del ,~uce~o en cada uno
de los 10 000 prueba::; independ ientes es igual a 0;75. Hallar
la probab ilidad de que la frec uencia relativa de aparicin del
suceso se desv e de s u probab ili dad E.'11 valor ub<.oluto no ms
de 0,01.
R.espuf.sta P
2<D (2,31)
0,979.
134. El cientfico francs Buffon (siglo XVIII) arroj una

moneda 4040 veces; adems, la cruz apareci 2048 veces. Hallar la probabilidad de que al repetir el ex peri mento de Buffon
la frecuencia relativa de aparicin de la cruz -,e desve de la
probabilidad de aparicin de la cruz en valor absoluto no ms
que en el ex peri mento de Buffon .
Respuesta P
= 2(1) (0,877)
= 0,6196.
135. La probabilidad de aparicin del c.;uce<.o en cada una

de las pruebas independientes es igual a 0,5. Hallar el nmero de tentativas n, para el cual con la probabi lidad 0,7698 se
pueda esperar que la frecuencia relativa de aparicin del suc.eso se desve de su probabilidad en valor ab~oluto no ms de
0,02.
sowc10N. Por los datos. p = O,S; q = 0,5; t = 0,02;
P(\ :-0,5 ,~0,02) =0,7698.

Utilicemos la frmula
f> ( \ : - p
1~ e ) -= Z<I) ( e. J/ 1.~1 )
1
En virtud de los datos

2cJ) ( 0,02
Vo
o bien
 (1,2) = o,:3849.
be ah
V = 1,2,
V-n. = 3o.
(1,04
o bie11
De aqu, el n 111ero ele tentativas bu.<.cudo n
~, ~
= 900.
136. (_A qut' dl'bt <;ff igu ;il el nmero n de tiradas de un

dado para que la probabili dad de la desigualdad
I~-ri
1)
"""
'
01
sea no menor que l,1 probabili dad de la desigualdad opuesta,

donde me.<; el nmero ck apariciones de un punto en n tiradas
del dado?
sowc10N.
Ap licnmos la frmula
B) -= 2<1) ( t!, J./ ;~ ) .
J) ( I ','.' - p 1 .
Por lo.~ dalo~ p - ,, q --: P. = 0,01 .

/
(J
La probabil idad tle <JLII':' ,;e cumpla la cks.igualdad, opuesta
a la prefijada, e~ decir, la desigua ldad j ';: -- ~ 1 > 0,0 1,
es igual a
J
I -2<D
(e,/;~).
De acuerdo con lo!) datos del problema debe ser vlida la

desigualdad
2(!) ( e
-i/ ;~ ) ::." 1-
o bien
4<1> ( e
De donde
2(1) ( e
v ;~ ).
V ;q )~ I
pq ~0.25.
( /'n")
'-I> _e V
Por la tabla ('-Uplcmento 2) hallamos

Q)
<})
(0,67) = 0,2486;
(0, 68) ~-- 0,25 17 .
Rcalizmtdo la 1nterpolacin lineal, oblcne rnos

Cl> (O,G745) = 0,25.
6&
Consi detatido la correlacin (';} y qu,, la funcin cJ> (x) es

crec iente, obtendre mos
yl //f
l .,... O 5~4r.:
pq ~ . ' f ,),
!:,
o bien
0,01
VF ~
1
?- 0,6745.
De aqui hallamos el n mero buscado de 1.1 r:1d~,.~. de J,1 moneda:

n ~ 632.
137. La probabi lidad de que aparezca un suce~o en cad a
una de las pruebas independ iente.s es igual a 0,2. Ha llar el
nmero de pruebas n, para el cual con la proba bilidad 0,9876
se pueda esperar que la frec uencia relativa de aparicin del
suceso
S("
desve de su proba bilidad en ,alor 11hsol11to no ms
de 0,04.
R esp 11Psla n
= 625.
138. Una urna contiene bolillas blanca3 y negras en tina

relacin de 4 : l. Despus de extraer una bol il la se reg i<;tra su
color y la misma se restitu ye a la urna. Cul e~ el nmero de
extracciones n, pa ra el cual con la probabilidad 0,9722 :;e
pueda esperar que la magnitud absol uta de la desviacin de
Ia frecuencia rela tiva de aparicn de una bol illa blanca
respecto de su probab ilidad sea no mayor de 0,01?
Respuesta n = 378.
139. La probab ilidad de que ocurra un .suce$O en cada una
de las 400 pruebas independ ientes es igual a 0,8. Hallar un

nmero positivo, tal que con la probabilidad 0,9876 la magnitud absoluta de la desviacin de la frecuencia relativa de
aparicin del suceso respecto de su probabilidad 0,8 no supere e.
s0Luc10:si.
= 0,2;
Por los datos del problema n .."" 1100: p -d),8;

2ll>
(e~/ o.!~~. 2 ) =... U,9876,
o bien
<I} (50e) = 0,49.'38.
5* 07
Po r
Por la tabla (<;uplemen to 2) hallamos ,1> (2,5) = 0,4938.

lo tanto,
f>'fr .:,: 2,5.
De donrl<> <'1 n n1ero buscado e. e.s igual a:
}'. = ~'i~~ = 0,05.

140. La probab11idacl <le aparicin ele un ,;uce<;o en cada una
de las 900 pruebas wdependienles es igual a 0,5. Hallar un
n mero posi ti\o r-:. La! que con la probabilida<l 0,7698 la magni
tud absoluta de la desviacin de !a frecuencia relat iva de
:1parcin del suceso res pedo de su probabilidad 0/i no sea
ma yor que e.
Respuesta
f.
-:= 0,02.
141. La probabilidad de aparicin de un suceso en cada una

<le las lO 000 pruebas rndepend ientes es igual a O, 75. Ha llar un
nmero posi tirn e. tal que con la probabilidad 0,979 la magnitud absoluta de la desviacin de la frecL1encia relativa de
aparicin dt'l $U<:cso n',pccto de su probabi lidad 0,75 no sea
mayor que f?.
Respuesta 11. ... 0,01.
14 2. La sec.cn oc control tcnico \ erifka el estndar de

900 piezas. La probabilidad de que una pieza sea estndar es
igual a 0,9. Hallar con la probabi lidad 0,9544 los lmites entre
los cuales est comprendido el nmero m de piezas estndar
entre las controladas
sowc10N. Por los datos: n
= 900; p = 0,9; q = O, l;
. cD(IOOe)=0,4772.
2(D (e ..V/90())
, ,,l =0,9544 , o bien
0 9
Por la tabla (suplemento 2) hallamos cJ) (2) = 0,4772. Por lo
tanto,
IOOe = 2.
De aqu
f . = 0,02.
De este modo, con la probabilidad 0,9544 la desviacin
de la frecuencia relativa del nmero de piezas cst~ndares respecto de la prohah.lidad 0,9 satisface la desigualdad
l ,;
. 0 lJ
68
0,9l~0,02,
1
o bien
0,88~ ;~~ ~0,92.

De aqu, el n mero buscado m de piezas eE-tndares enf:re
900 controladas con la probabilidad 0,9544 e'>t co mprend ido
entre los l mites: 792 ~ m ~ 828.
143. La seccin de control tcnico verifica 475 artculos
para determinar lo.s defectuosos. La probab1lida<l de qu e unos
artcul os sean defectuosos es igual a 0,05. Ha llar con la
probab ilidad 0,9426 los lmites entre los cuales se encuentre
el nmero m de artculos defectuosos entre Jo!'; controlarlos.
Respuesta 14 ~ m ~ 32.
144. Se tira un dado 80 veces. Hallar con la probabilidad
0,9973 los li mites entre los cuales est comprendido el n mero m de aparicin del seis.
Respuesta 3 ~ m ~ 23.
4. Nmero de apariciones ms probable
de un suceso en pruebas independientes
Nmero ms probable de apariciones de 1w suc,iso El nmero k 0
(aparicin de un suceso en pruebas indept11dlcn!cs, en ca rla uno de \.:,.,
cuales la probabilidad de que ocurra un succs C's igual a p) se llama
el ms probabfr, s la probabili dad de que oc,m :3 el suceso en t'Sta.s
pruebas k 0 veces es mayor (o, por lo menos, no mrnori que las probab1
li dades de las dems respuestas posi bles de las ;ruebas.
El nmero ms probable k0 se de termina de la do ble desigualda d
np - q ~ k 0 < np
p;
adems
a) si el nmero np - q es fracciornm o, e.xisk un ~lo n mero ms

probable k0 ;
b) si el nmero np - b es entero, <'X~ten <lS n,:irnC'r(lS ms probables, prc.cisamentc: k 0 y k 0
1;
e) si el nmero np es ente.ro, el nt'irncru n:a~ prolwbk k 0 = np .
145. se:ensaya cada uno de los 15 elementos de un disposit ivo. La probabilidad de que el elemento pase la prueba es
igual a 0,9. Hallar el nmero ms probable de ele mentos que
pasan la prueba.
q
sowc10N. Por los datos del problema n = 15; p = 0,9;

= O, 1. El n mero ms probable ko Jo hallarnos ele la doble
desigualdad
np-q~ k o.< np
+ p.
69
SustituyeJldo aqu los datos del problema, obtenemos

15 0,9-0,l ~ ko< 150,9 +0,9,
o bien
13,4 ~ k 0 < 14,4.
Pue.sto que f0 es un n mero entero y como entre los nmeros 13,4 y 14,4 <:< <ncuentra un nmero entero, precisa mente
el 14, el nnwro ms probable- buscado k 0 = 14.
146. La seccin <le conlrol tcnico ver ifica una partida de
10 piezas. La probabilidad de que una pieza sea estndar, es
igual a 0,75. Hallar el nmero ms probable de piezas que
sean considerada" estndares.

Respuesta k 0 8.
I47 . Un perito mercantil revisa 24 muestras de artic.ulos.
la probabilidad de que cada una de las muestras sea reconocida apta para la Yenta, es igual a 0,6. Hallar el nmero ms
probable de mue-:.tra.<, qu el perito reconozca como aptas para
la venta
soLuc,oN Por los da los <le! problema: r& = 24; p = 0,6;
q = 0,4.
El nmero 111:; probable de muestras de artculos aptas para
la venta lo hallamos de la doble desigualdad
ttp -
q ~ k0
<
np
+ p.
Sust ituyendo aqu los datos del problema, obtenemos

24 0,6 - 0,4 ~ k0 < 24 0,6 + 0,6,
o bien
14 ~ k 0 < 15.
Dado que n.p - q = 14 es un nmero entero, los nmeros
ms probables ser n dos: k 0 = 14 y k 0
l = 15.
148. Hallar el nmero ms probable de tarjetas perforadas

correctamente llenadas entre 19 tarjetas, si la probabilidad
de que una tarjeta est llena incorrectamente es igual a 0,1.
Respuesta k,1 = 17, k(1
+ 1=
18.
149. Dos ad\ersario$ igua lmente fuertes juegan al ajedrez.

Hallar d nmero 111'> probable de part idas ganadas por cual quiera de los ajedrecistas, si se juegan 2N partidas (sin tablas).
70
sowc1 0,\I. Se sabe que si el producto del n mero de pru ebas n por la probabilidad p de aparicin de un suceso en una
prueba es un nmero entero, el n mero n1c; probable es
k 0 = np .
En el proble ma examinado el nmero de pruebas n es igual
al nmero de partidas jugadas 2N; la probabilidad de apari
cin del suce$o es igual a la probabilidad de ga nar la partida
en una jugatla, es decir, p = ~ (segn la condc in los adversarios son igual mente fuertes).
Puesto que el producto np = 2N ~ = N es un n mero
entero, el n mero ms probable buscado de partidas ganadas
es k 0 = N.
150. Dos tiradores disparan al blanco Lc1 probabil idad
de fallar en un slo disparo para el pn me.r tirador es igual a
0,2 , y para el segundo, 0,4. Hallar el nnwro m;)S probable de
disparos, para los cuales no ~e har 111 un r;lo blanco, si
los tiradores efectan 25 descargas ,
:sowc10N, Los tiros fallados de los tiradores son sucesos
independientes. por eso es aplcable el teorema del producto
de probabilidades de sucesos independ iente.$. La probabilidad
de que ambos tiradores en un slo disparo fa llen es igual a
p
= 0,08.
= 25 ,0,08 = 2 es un nmero entero,
0,2 ,0,4
Como el producto np
el nmero ms probable de disparos, para los que no se har
ni un slo blanco, es igual a
k0
np
= Z.
151. Dos tiradores d isparan al blanco si multneamente.

La probabilidad de. dar en el blanco en un slo disparo pa ra
el primer tirador es igual a 0,8, y para el segundo, 0,6. Hallar
el n mero de disparos ms probable, con los cuales ambos
t iradores hacen blanco, si se realizan 15 disparos,
Respuesta k0 = 7 .
152. Cun tas pruebas independienle~ hay que rea lizar
con la probabilidad de que el suceso apt'.lrezca en cada prueba
igual a 0,4, para que el nmero ms probable de apariciol'les
del suceso en estas pruebas sea igual a 25?
71
Por los datos <lel problema: k 0 = 25; p = 0,4;

Utilizamos la doble desigualdad
np - q ~ k0 < np + p.
Sustituyendo aqu los datos del problema, obtenemos un
sistema <le desigualdades para determinar el nmero incgnito:
sourc10N
= 0,6.
0,4n - 0,6 ~ 25,

0,4tt -i- 0,4 > 25.
De. la primera desigualdad del sistema hallamos

<' 25,6
64
fl '-""(l,4 =
.
De la segunda desigualdad del sistema hallamos
..... 24,6 = 61 ,5
/1. ,_.;;>oX
As pues, el n mero de pruebas buscado debe satisfacer

la doble desigualdad
62 ~ n ~ 64_
153. La probabilidad de aparicin de un suceso en cada
una de las pruebas in<lepend icntes es igua l a 0,3. Hallar el
nmero de prueba-:, n, para el cual el nmero ms probable de
aparic ionc5 del suc.eso en estas pruebas sea igual a 30_
Respuesta 100 ~, n ~; 102.
154. La probabil ida<l de que aparezca un suceso en cada
una de Ja.5 pruebas independientes es 0,7. Hallar el nmero

de pruebas n., para el cual el nmero ms probable de apariciones del suceso es igual a 20.
Respuesta 28 ~::;. 11 ~ 29.
155. A qu es igual la probabilidad p de que ocurra un
suceso en cada una de las 49 pruebas independientes, si el
nmero ms probable de apariciones del suceso en est.':ls
pruebas es igual a 30?
sowcroN. Por los datos del problema: n = 49; ko. = 30.

Utilizamos la doble desigualdad
11p - q ~ k 0 < np -1- p.
Sustituyendo aqu los datos del problema, obtenemos un
~.istema de desigualdades para determinar la probabil.idad
72
incgn ita p:
49p
49p -
+ p ;.> 30,
(1 -
p)
30.
De. la pri mera desigualdad del sistema hc:1 llamos p > 0,6.
De la segunda desigualdad del s,.stema hallamos p ~ 0,62.
As pues, la probabilidad buscada dehe satisfacer la
doble desigualdad
0,6 < p ~ 0,62.

156. A que es igual la probabilida d p ele que ocurra un
suceso en cada uno de los 39 pruebas independientes, si el
nmero ms probable de que aparezca un suceso en estas
pruebas es igual a 25?
Respuesta 0,625 < p ~ 0,65.
157. Una ba tera hizo 6 disparos a un objetivo mil itar.
La probabil idad de impacto en el objetivo en un slo disparo
e~ igual a 0,3. Hallar: a) el nmero ms probable de. impactos,
b} la probabili dad del nmero ms probable de impactos,
e) Ia probab ilidad de qu e el objetvo sea destruido si para ello
son su ficien tes por lo menos dos impactos.
Por los datos: n = 6; p :,:- 0,:3; q = 0,7.

a) Halla mos el nmero ms probabl e de impactos por la
frmula
np- q ~ k 0 < np + p,
SOLUCION .
Sust ituyendo los datos del problema, obtenemos

6 0,3 - O, 7 ~ k0 < 6 0,,3 + 0,3,
o bien
1,1 ~ k 0
<
2,l.
De aq u k 0 = 2.
b) Hallamos la probabilidad del nmero ms probable de
impactos por la frmula de Bernoull i
P8 (2) = C;p2 q4 = ~:; 0,3z. O, 74 .... 0 ,324.
e) Hallamos la probabilidad de que el objetivo sea de:;iruido. De acuerdo con los datos del prob le111a para el lo son
suficientes 2, 3, 4, 5, 6 impactos. Estos sucesos son
mutuamente excluyentes, por eso la probabilidad P de destruccin del objetivo es igual a la suma de las probabilidades
73
de estos suceso.s:
p = p6 (2)
+ p6 (3)--:--
p6 (4) +- PG (5)
+ PG (6).
Sin embargo lo m::; scncllo es hallar al principio la probabilidad Q del ~uceso opuesto (ningn impacto o bien un impacto):
Q P6 (O)+ Pe. (1) q + C!pq5 = O, 76 -j 6,0,3, 0,75 = 0,42 .
La probabilidad buscada de que el objetivo sea destruido,
es igual a
P = 1 - Q = 1 - 0,42 = 0,58.
158. Un aparato est compuesto de cinco elementos que
trabajan ndepen<l ente mente. La probabilidad de fallo de
un elemento en el instante de conexin del aparato es igual a
0,2. Hallar: a) el nmero ms probable de elementos que fa.
llen, b) la probabi Iidad del nmero ms probable <le elementos
que fallen, e) la probabi lidad de fallo del aparato, si para ello
es sufic iente que fallen por lo menos 4 elementos.
Respuesta a) k 0 = 1; b) Ps (1) =- (),41 ; e) P = 0,0067.
5. Funcin generatriz
En los prrafos precedentes de este rapit ulo han cxaminado los
experimentos con idhtl ,cas probabilidades de <1parrcin del suceso
aqu se examinan tales cxpcrimeutos, <:n los que las [>rohabilida,Jes de
que ocurra el suceso son distrntas .
Supongamos que se realzan n pruebas independientes; adems,
e la primera prueba la probabilidad de que ocurra el suceso A es
igual a p1 , en la segunda, p2 , en la n-sima prueba. P,i: las pwbabil idades de no aparicin del suceso A son respectivamente iguales
a q1 , qz, ... , qn; Pn (k) es la probabilidad de que aparezca el suceso A
en n. pruebas exactamente k veces.
Se llama funcin generatriz de las probabilidades Pn (k) la funcin definida por la igua ldad
<Jln (zj = (fJ1 Z
q) (P2Z
Q2) , (p,,z + Qr,J-
La probabilidad Pn (/l) de que en n pruebas independientes, en la

primera de las cual<'s la probabilidad <le que ocurra el suceso A es
igual a p 1 , en la segunda, pz, t>tc. ~I suceso A aparezca exactamen te k
veces, es igual al Cleficien t.:: de zh en la descomposicin de la funcin
generatriz segn las poteucias <le z.
Por t'.j!:'01 plo, sin n = 2, tendremos que
Cf'z (z) -
(f11Z
+- <Ji) (p~z + qz) =
P1P2Z2
+ P1Q~ l
Ptq1) z +q1q2.
/\.qui el cocl1ciente PiPa de zZ es igual a la probabil1d::d P,. (2) de
que en dos pruet>a:s el suceso A aparezca exactamente dos veces; el

coef1c1ente p 1p 2 p 2 q1 que afecta z1 es igual a la probabilidad P3 (IJ
74
de que el suceso A ocurra c.x.adamcnh: una ~la Vl'.7.; el cot'f1cienle que

afecta z0 , e.s deci r, el t~rmirn:, independiente q 1q2 es igual a la probab 1
lidad P 2 (O) de que d suceso A no oc urra rn u,rn ~la vei.
159. Un d ispositivo est compuesto de tres elementos que

trabajan independientemente. Las probabilidades del trabajo
sin fallo de lo~ elementos (en el tiempo t) son respectivamente
Iguales a p 1 = 0,7; p2 = 0,8; p 3 = 0,9. Hallar las probabilidades <le que en el tiempo t trnbajen .sin fal lo: a) lodos los
elementos, b) dos elementos, c) un slo elemento, d) ninguno
de los elementos.
s0Luc10N. Puesto que las probab ilidades del trabajo sin
fallo de los elementos son respectivamente igua les a p1 = 0,7;
P2 = 0,8; p3 = 0,9, las probabilidades de que los elementos
fallen son iguales a
Qi = 0,3; Qz = 0,2; q3 -:-..:: 0,1 ,
For me mos la funcin generatriz
<pa (z) = (pZ + q1) (p 2Z -\- ({2) (p az J q3) =
= (0,7z + 0,3) (0,8z

= 0,f()4z3
0,398zi
+ 0, 2) (0,9z + O, 1) =
+ 0,092z + 0,006.
a) La probabilidad de que tres elemento.s tra bajen sin fallo
es igual al coeficiente <le z3 :
p 3 (3) = 0 ,504.
b) La probabilidad de que dos elementos trabajen sin fallo

es igual al coeiciente que afecta 22 :
P8 (2) = 0,398.
e) La probabilidad de que un slo elemento trabaje sin
fallo, es igual al c.oef iciente de z1 :
p/j (1)
0,092.
d) La probabilidad de que ninguno de los e.Iementos no

trabaje sin fallo, es igual al trmino independiente:
P~ (O) = 0,006.
VERIPICACJON . 0,504 + 0,398
0,092 + ,6 = l.
160. De dos caones se han disparado al blanco. La probabi lidad de hacer blanco para el primer can es igual a 0,8;
para el segundo, 0,9. Hallar las probabilidades de los sucesos
75
siguientes: a) dos impactos en el blanco; b) un slo impacto;

<:) ningn impacto; d) no menos de un impacto.
Respuesta a) P2 (2) = O, 72; b) P 2 (1) = 0,26; e) P2 (O) =
= 0,02, d) Pz (1) P 2 (2) = 0,98.
161. Se disparan de tres caones a l blanco. La probabilidad
de impacto en el blanco para el primer can es igual a 0,8;
para el segundo, 0,85; para el tercero, 0,9. HaJlar las probabilidades de los suce<;os sigu ienles: a) tres i mpados en el blanco;
b) dos impactos; e) un slo impacto; d) ni un slo impacto;
e) por Jo menos un i mpaclo.
Respuesta a) P 3 (3) = 0,612; b) P 3 (2) = 0,329; e) P 3 (1) =
= 0,056; d) P 3 {O) = 0,003; e) P = l - q1q2qa =
= 0,997.
162. Cuatro elementos de un calculador trabajan independientemente.. La probabi lidad de fa llo del primer elemento
durante el tiempo tes igual a 0,2; la del segundo, 0,25; la del
tercero, 0,3 y la dd cuarto, 0,4. Hallar la probabilidad de que
en el tiempo t falleff a) 4 elementos; b) 3 elementos; e) 2 elementos; d) l elemento; e) ninguno de los elementos; f) no ms
de dos elementos ..
Respuesta a) P 4 4) -= 0,006; b) P 4 (3) = 0,06G; e) P 4 (2) =
= 0,254; d) P 4 ( 1) = 0,423; e) P 4 (0) = 0,252;
P4 (1 ) + P 1 (2) = 0,929.
163. Dos bateras de 3 caones en cada una tiran una salva
f)
?4
(0)
al blanco. El objetivo ser destruido si cada una de las bateras

hace no menos de dos impactos. Las probabilidades de impactos en el blanco por los caones de la primera batera son
iguales a 0,4; 0,5; 0,6; por los de la segunda, 0,5; 0,6; 0,7.
Hallar la probabilidad de destruccin del objetivo en una
sla salva de dos bateras
Respuesta 0,325.
PARTE SEGUNDA
MAGNITUDES ALEJ\TORIAS
CAPtTULO CUARTO
Magnitudes aleatorias
discretas
t. Ley de distribucin de las probabilidades

de una magnitud aleatoria discreta.
Leyes binom ial y de Poisson
Se llama diSCr(!fo (dscmtllnuu) la mag11itucl 11ltnlorin, cuyos valores

posibles son algunos u mt'rns aislndos (t.!S <lrcir, etn lrc dos valores po~ibles contiguos no hay va lor<!S posibll!s) que t'Sta magnitud adquiere
con probabilidades determinadas. En ut ras palabras, lCJs valores posi bles de. una magnitud i!lrat<>ria discrl!ta se pttti<kn nLunernr. El n m<.'ro
de valores posibles de una magnitud 11IN1tori:i disconllnu;i pued<.' .ser
finito (1 ininito {en rl lt imo caso, ('( conjunto de tod,>s los valures
posi bles s<.> llama de clculo).
Se llama ley de distribudn (serie ele <listri buci n) de una rnagnil ud
aleatoria discreta la enumeracin de sus valores posiblt!s y las probabilidades correspond ientes. La ley ele rlist r bm:in de una magnitud
alea tora discreta X puede ser prefijada en forma de tabla, cuya primera lnea contcnc los valores posl,lcs de xi, y la segunda, las probabilidades p:
X x 1 Xz .. , Xn
P P1 Pi ,, ,,. .
" Pi= l.
donde ~
i~1
La ley de distrib ucin de la magnit ud ale1,1toria discreta X ta m

b~n puede ser prefijada atwlticamenle (como frm ula):
P (X
Xi)
q> (x)
o bien mediante una funcin integral (ap. \'!, 1).

La ley de distribucin de la mat:ntt.ud akatori11 discreta X se
puede reprnsenlar gr{ icamentc, para qut! en el sistema dt! cuordenadas
cartesianas se marcan los puntos M 1 {x1 , p 1), M 2 (x2 p 8),
. . , Mn (xn, Pn) (x1 son los valores posibles de X: p 1, las correspon
dientes probabilidades) que se unen por se~mcntos dt r(!clas. La figura
obtenida se llama polgono de distribucin.
77
Se llama blnomial la l,y clt' dislrib11ci<~11 de un;i milgnll11d aleatoria

dser<.'ta X. os.ca , dd nunero de apMico11c~ dl~ un suceso <:11 n pruebas
independientes, en cat.la u11a de las cuales la prob<1b i lidad de que ocurra
el suceso es igual a ,; la proba bilidad del valor posible dt! X= k
(el nmero ll es el de npariciones dd su('e~o) se calcula pC>r 111 frm ul11
de Bcrnoulli :
P,i (/t) = C~p,1qrt.- k_

Si el 11{1111ero rlc pru,:ha i:s mu y grande, y la probabilidad <le que
:1pMczc<1 d Slt<:c ~<>. 1 ,.: 11 cnclu prue ba es r11u y ptiquciia, s(: util i1.a la
1,:irm u1a 1i1roxi11wd;1
,.1'c_._
,, ro.
(/t)
= --;-- '
rl >H<hi k (s u1 11 prucl.,as inck><:11

dk1itc.s, ?, = 11p (prv m<'<I i<1 de a pariciorM; dc~I :;ucesc, Ln 11. pruclrns)
v se die~ quc, 111 111a~11i lucl llk/ll oria est clistri huid/l por fo le de
Poisson.
164. La nwgnilud aleator ia d iscreta X est prefijada por

la ley (serie) <le distribucin:
,\'
"
0.2
:~
o,,
o,4
o.:~.
Construir el pol gono de distribucin.

sor.uc10N. Traza 1110s el sistc 111a ele coordenadas rectangulares asimis1110, por el eje de abscisas llevaremos los valores
p!
0,5
0,4
0,3
().2
0,1 4--_.___L._..J-_i_----1_ _.__ _.__,___.._ _._~

2 3 1 5 6
7 8
9 W ~
'
F i g. 5
posibles de Xi, y por el eje de ordenadas las respectivas probabilidades p;. 1\.farcarnos los puntos M 1 (I; 0,2), M 2 (3; 0,1),
.M 3 (6; 0,4) y M 4 (8; 0,3). Uniendo estos puntos mediante
segmentos de rectas, obtenemos el polgono de distribucin
buscado (fig. 5).
78
65. Una magnitud aleatoria discreta X cst dada por la

ley de dis tribucin:
a) X
P
b) X
P
o,:i
10
o, 1
(l
0,2
15
0,1
0, 7
0 ,4;
20
0,2.
Constru ir el polgono de distribucin.

166. Un dispositivo est compuesto de tres elementos que
trabajan independientemente. La probabili dad de fa llo de
cada el emento en una prueba es igua l a O, 1. Formar la ley
de cl istrihucin del 11rn0ro de ele mentos que falla n en una
prueba.
so1.uc10N. Ll magnit ud aleatoria discret a X (nmero de
elementos que fall an en un experi mento) tiene los sigu ien tes
valores posibles;
x1 = O (ni nguno de los elementos del dispositi vo fall ),
x 2 = 1 (fal l un slo ele mento), x 3 ~ 2 (fall aron dos
elementos) y x 4 = 3 (fa llaron los tres ele mentos) .
Puesto que los fa llos de los ele mentos son independ ien tes
entre s, las probabi lid ades de fa llo de ca da elemento son
igua les ent re s, es aplica ble la frmula de l3ernoulli . Teniendo
en cuenta que por los datos ti .,,... 3; p --= O, 1 (por lo tan to,
q = 1 - O, l -= 0,9), obte-nemos:
P:i (O) = q8 -= 0,9:i = 0,729;
P 3 ( 1) =, C~pq2 = 3 O, l 0,9 2 ~ 0,243;
P~(2) = C; p\ = 3 ,0,1 2 , 0,9 = 0, 027;
P 3 (3) = p 3 = O, P = 0,00 1.
0,729-!- 0,243 + 0 ,027 + 0,001 = l.

Escribi mos la ley de distr ibucin binomi al buscada <le X:
VER! P!CACIO N:
X O
0,729
0,243
0,027
0,001 .
167. En la partida de piezas el 10 % son no estndares. Se

escogen al azar 4 piezas. Escrib ir la ley de distribucin bino
rnia l de la magnitud aleatoria discreta X, o sea, el nmero de
piezas no estndares ent re las cuatro escogid as y construir el
polgono de la distribuc in ob tenida
R1:.~p ms!11
X
p
O
O,G5GI
1
2
0,2916 0,04SG
;3
0,0036
4
0,000 1.
79
168 . Escrib ir la ley de distri bucin binomial de una magnitud aleatoria discrt'ia X, es decir, <lel n mero de apariciones
de la cruz al arrojar dos veces una moneda.
X O
2
11 T
2T
169. Se ti rnn simultneamente 2 veces dos dados. Escribir

la ley bino mial <le distribucin de la magnitud aleator ia discreta X, o sea, Je la ca ntidad de cadas cie un nmero par de
punlos en los dos ciados.
o
f?t'S/11/t!S ta
l
6
16 16 16'
170. En una parti da de 10 piezas hay 8 estndares. Se

to1mrn al azar 2 pic.'z.as. Formar la ley <le distribucin del nme-
ro de piezas eslf1rn..la rcs entre las escogdas.

sou;c10N. La Illagnitud aleatoria X, es: decir, el nmero
de piezas est ndares en lre las dos escogi das tiene los sigu ientes
valores posib les: xl = O; x2 = 1; x 3 = 2.
Hallamos las probabilidades de los valores posibles de X.
Utilizando la frmula (problema 17, cap. 1, 1)
p (X - !~) =
e" .cm--1
"c;,."'-n
N
(N es el nmero de piezas de la partida, n es el nmero de piezas
estndares en la partida, m es el nmero de piezas escogidas,

k es el nmero de piezas estndares entre las escogidas), obte-
nemos:
f>(X
.,..,. O) = q.q
Cfo =
lO !J
= 451
T2
p (X "'"' 1)= C<\2q = 852
10
:--e
's' ;
8 7
V
2) _
P (.\
8:J
q q _
cr.. -
J ~
4,:i
_ ~
45
Formemos la ley de distribucin buscada :

X
O
1
T5 Ts 45
Verificacin:
1
45
2
16 21:1
16
28
+15 + 45 = l.
171. En una par tida de seis piezas hay 4 estndares. Se

toman al azar 3 piezas. For mar la ley de distribucin de la
magnitud aleatoria discreta X, o sea, del n mero de piezas
estndares entre las escogidas.
Respuesta
X O
P
s s s
172. El examinador da al estudiante preguntas suplementarias . La probabilidad de que el estudiante responda a cualqu ier pregunta dada, es igua l a 0,9. El profesor interru mpe el
examen apenas el estudiante manif iesta el desconoci miento
de la pregunta hecha. Se requiere: a) formar la ley de distribucin de la magnitud aleatoria discreta X , es decir, del nmero de preguntas suplementarias que da el profesor al
estudiante; b) hallar el nmero ms probab le k 0 de preguntas
suplementarias hechas al estudiante.
soLuc,oN. a) La magnitud aleatoria discreta X , o sea, el

n mero <le preguntas adicionales tiene los siguien tes valores
posibles: x1 = 1, x 2 = 2, x 3 = 3, ... , x 11 = k, .. .
Hallamos las probabilidades de estos valores posibles.
La magnitud X toma el valor posible Xi = 1 {e l examinador da solamente una pregunta), si el estudiante no responde
a la primera pregunta . La probabilidad de esta va lor posible
es igual a 1 - 0,9 = O, l. Por consiguiente, P (X = l) = O, l.
La magnitud X to ma el valor posible x 2 = 2 (el exa mi nador da sola mente 2 preguntas), s el estudiante responde a la
pri mera pregunta (l a proba bilidad de este suceso es igual a
0,9) y no contesta a la segunda (la probabil idad de este suceso
es igual a O, 1). De este modo, P (X = 2) = 0,9 O, l = 0,09.
Anloga mente halla mos
P (X= 3)
0,90,90,l
1
P (X = k) = 0,9
H- 0 540
O,
0,081, .
1, ...
81
Escrib mos la ley de distribucin buscada

X
,\
J'
(l, I
tl ,t.i \)
,IIX I
k
, , .
ll,';)lt-1 . 1), I
. . .
b) El nmero rns probable k 0 de preguntas dadas (el valor

ms probable de X), es decir, e.! nmero de preguntas dadas por
el profesor que tiene la mayor probabilidad, como se aprecia
de la ley de distribucin, es igual a la unidad .
173. La probabil idad de que un tirador haga bl anco en un
,lo disparo es igua l a 0,8. Al tirador se le entregan cartuchos
hasta tanto no yerre el tiro. Se requiere: a) formar la ley de
distribucin de la magnitud aleatoria discreta X, es decir,
el nmero de cartuchos entregados al t irador; b) hallar el
nmero ms proba ble k 0 de cartuchos dados al tirador.
R,e.spuest,i
a) X 1
2
J
p 0,2 0, l(i 0.128
k
0,81i-l .Q,2
b) k,. == l.
174. Dedoscaifonessc tira al blanco alternativamente hasta e.l pri rner impacto por uno de los caones. La probabi lidad
de impacto en el blanco por el primer can es igual a 0,3,
y por el segundo, 0,7. Primero comienza a tirar el primer
can. Formar las leyes de distribucin de las magnitudes
aleatorias discretas X e Y, o sea, el n mero de proyectiles
utilizados respectivamente por los caones primero y segundo.
Respuesta
X
0,3
Y 1
P 0.12
:i
2
il 7 ,0 32 o,2 .0,.12
. , 2'
:J
o,:l,0,7 0,3 2 0,J
I<
o, 71< - l ,(),JI<
k
O,:J1<-1. O, 71'.~1
175. Dos bombarderos lanzan alternativamente bo mbas

al blanco hasta el primer impacto. La probabilidad de impacto
en el blanco por el primer bombardero es igual a 0,7, y la del
segundo, 0,8. La primera bo mba la lanza el primer bombardero . Formar los primeros cuatro trminos de la ley de distribucin de la magnitud aleatoria discreta X, es decir, del nmero de bombas lanzadas por ambos bombarderos (o sea, se
li mita a los valores posibles de X, iguales a 1, 2, 3 y 4).
f?l?S f/lH'.Sia
X
p
82
OJ
2
0,3 ,0,8
3
O,:j 0,2 O, 7
4
0,2 0,3 2 O,R.
176. Un manual se edita con un tiraje de IUU 000 ejemplares. La probabilidad de que un manual estt;! eyncuadernado en
tela incorrectamehtc es igual a 0,000 1. Hallcir la probab ilidad
Je que el tiraje contenga exacta mente 5 1ibros <lefectuosos.
so1.uuol\ Por los datos del problermi n - ~ WO000, p =

= 0,0001, k ""'- 5. Puesto que los sucesos consistentes en que
los libros estn encuadernados incorrectamente son independientes, el n mero n es muy grande, y la probabilidad p
es pequea, utiliz.amos la distribucin de Po1 sson
J1.e-).
a/
P nV?) = ~ -
Hallamos 11,: ,, = np = 100000,0,000 1 -- l

La probabili<lad buscada aproximadamente es igual a
]05.e-lO
P1000005,=='
f>!
{0,5 .Q,00004.''i
120
,-
_,~u ,03 ; 5.
177. Un dispositivo est compuesto de 1000 elementos que

trabajan independientemente uno del otro. La probabilidad
de fallo de cualquier elemento durante el tiempo T es igual
a 0,002. Hallar la probabilidad de que durante el tiempo T
fallen exactamente ,3 elementos.
Ad m1tase e- 2
Respuesta f>10oo (3) = O, 18
OUS~VAC!ON
:.,e
0, 13534.
178. Una mquina automtica estampa pie-zas. La probabilidad de que la pieza elaborada resulte defecluosa es igual
a 0,01. Hallar la probabii<lad de que entre 200 pezas resu lten
exactamente 4 defeduosas.
Respuesta P2oo <.4) = 0,09
179. Una fbrica enva al deps ito 500 art culos. La probabilidad de deterioro de un artculo en el cam rno es igual a
0,002. Hallar la probabilidad de que en el ca mino se deterioren: a) exactamente 3 artculos, b) menos de tre5, e) ms de
tres , d) por lo menos un artculo.
so1.uc1 0::-;. Puesto que el nmero n ~ 500 es mu y grande
la probabilidad p = 0,002 es pequeia y los sucesos considera
dos son independientes, es aplicable la fr mula de Poisson

'J.ke-).
P,, (k) = - k-1- .
a) Hallarnoc; ,.
;\, - np -= 500 0,002 """' l.
Hallamos l.i probabilidad de que se deterioren exactamente

= 3) artculos:
3 (k
c-1
0,36788
A,,o (3) = 31 = - 6-
= ,0613.
b) Hall amos la probabilidad de que se deterioren menos de

tres artculos:
Ps!1o lO)+P5ol)<I) 1- P 500 (2) = e- 1 +e- 1 +
e;'=
-= 2 0,36788 = 0,9197.
e) Hallamos la probabilidad P de que se deterioren ms de
lres artculos, Los sucesos se deterioraron ms de tres artculos y se deterioraron no ms lle tres artculos (designemos
la probabilidad de este suceso por Q) ~on opuestos, por eso,
P + Q=I.
De donde
P = 1- Q ::-: 1- lP500 (O) + P~oo ( lj + P~oo (2) + P:,oo (3)1.
Utilinrnclo los resultados obtenidos antes, tendremos
P ... 1-\0,91 97+ 0.0613}= 0,019.
d) Halla mos la probabilidad P 1 de que se deteriore por lo
menos un art culo. Los sucesos se deterior por lo menos un
artculo y nnguno de los artculos no se deterior (designemos la probab ilidad de este suceso por Ql) son opuestos, por
lo cual
P1 + Qt = l.
De aqu, la probabil idad buscada de que se deteriore aunque
sea un artculo, es igual a
P 1 = J -Q 1 -- 1-Psoo (0) = l
- e- 1 =-- 1-0,36788 = 0,632.
180. Un al macen rt'cibi 1000 botellas de agua mineral.

La probabilidad de que al transportar las botellas resulte una
rota es igual a 0,003. Hallar la probabil idad de que el almacen reciba rotas: a) exacta mente dos botellas , b) menos de dos,
c) ms de dos, <l) por lo menos una.
84
oasERVAc10N .
Tmese e-3 = 0,04979.
Respue.~ta a) P1ooo (2) = 0,224;

b) p !001) (O)+ p tO()O ( 1) :=
o. 1992;
e) Prnoo (k > 2) =0,5768;

d) P == 1 - P 1ooo (O) = 0,% .
181. Un dispositi vo est compuesto <le un gran n mero de
elementos que trabajan independ ientemente con igual probab ili dad (muy pequea) de fallo de cada elemento durante
el tiempo T. Hallar el promedio de el ementos que fallan en
el t iempo T. si la probabilidad de que en ese tiem po fa lle
por lo menos un elemenh es igual a 0,98 .
sowc10N. De los datos del prob lema se Je.duce que (el nmero de elementos es muy grande, los elementos trabajan independientemente, la probabilidad de fallo de cada elemento es
pequea) el nmero de fa llos est distribuido por la ley de
Poisson; as mismo se necesita hallar el parmetro :\. (promedio de fa llos).
La probab ilidad de que fall e por lo menos un elemento, por
los da tos es igual a 0,98, en consecuencia (probl ema 179, d) ,
l - c-J..= 0,98
De donde
e- 'J..= J - 0,98= 0,02
Por la tabla de la funcin e-x hallamos que_> 'A, .:..:.: 3,9. As pues,
en el tiempo T de trabajo del dispositivo fa llan aproximadamente 4 elemento'>.
182 . Hallar el promedio 'A, de art cu los Jefectuosos en unc1
partida de1 mercancias, si la probabilidad de que en esta
partida ha ya por lo menos un artculo defectuoso, es igua l a
0,95. Se supone que el nmero de artculos defectuosos en la
partida examinada est distr ibuido por la iey dt> Po isson.
oBS ER vAc1 0 N.
T mese e-3
= 0,05. Respuesta )., = 3.
183. Demostrar que la suma de las probabil idades del

nmero de apariciones de un suceso en pruebas independientes,
calculadas por la ley de Poi~on. es igua l a la unidad. Se supone que los experimmtos se r<:alizan infinidad de veces.
8f,
sotuc10N.
En virtud de la ley de Poisson

.
'A.he-'), ,
jJ" (/~)
= ---- .
Util izamo:- la ll<.>!:-com posicin de la funcin e" en la serie

de Maclautin:
X
c2
,.x __ 1 + 1T+21
+ .. .
Sabemos que esta c;erie converge para cual quier valor de

por eso, poniendo x = ,... obtenemos
/,.
"2
('~,.. 1 + -1! +21+
k -=
... :.- ~
X,
).h
k! .
h = (\
oc
Ha lla mos la suma buscad a <le las prohabilidadcs ~
P ., (k),
h=fl
teniendo en cuenta que e-1 no depende de k, y, por lo tanto,

puede sacars0 fuera del signo dr su matori a:
X
P
'
1t.~1
""'
.
,l ,
(/.ti~,,
..:..J
11.
,1
,.
k ~ ?,,
-J.,--.... ... - . -~
k!
"'
~ -'
1
h.
k!
/ .. (l
NOH
El problema queda demostrado inmediatamente
gracias a que la suma de la5 probabil idades de los sucesos que
forman un grupo completo es igual a la uni dad. La demostracin expuesta tiene un fin instructi vo.
2. Flujo elemental de sucesos

Se llama J"(ujo de sucesos la sm;e.~in de s ucesos que ocurren en
instante~ alea tono':, de I iem po.
El flujo de ,ur. ~'-50S !ue p1,see las tres pro piedades sigu itnk.s:
calidad d estas::ic,n i1ri o, a uscncia de efecto po5tcrior y carcter ele
ordinario 5e llama ~imple o rlemenial (de P1JiSs(,n) .
La propiedad de calidad de estacionario consiste en que la probabilidad d, que o,urran k sucesos en cada intervalo de tiempo
depende solam!'nte dd uumero k y de la duracin I d!'l intervalo de
tiempo y 110 <lepPndl del cmienw de su cuenta. En otras palabras ,
la probabilidad 1k apancin de k suceso~ en un intervalo de tiempo
<le duracic n t ,,s una fu nc1,~u derendiente slo de k y de t.
La propi'edad ,1e .auss-1u,w de efecto posterior .se caracteriza por la
probabil 1dad d(! tp.11,, c,curran k ~UCC'SOS en c ua lq u ier it1krvalo d~ tiempo
110 depe nd.:: de que h;J yan " <'urridalabras, la prl'111st-:,ria tld flujo no influ yt n la prnbabilidad d<' que
](Is ~uct:~o~ of'unan
,:,11
un fut.urn prximo.
La propiedad de ordinario se. caracteriza p,)r lo qu In aparici l'ln

de dos o ms sucesos en un intervalo de ti emp~ pequeiin prdicamenli:
es imposiulc. E n otras palabras, la prn habi lida<l ck que ocurra mas
de un suceso en un pequeo int~rvalo de tiem p,, 1:s de!>prfcia ble e:n
comparacin con la probabilidad de que r,currn sol amente un suceso.
El promc.dio de suc1?$0S que ocurren en la uni dad de tiempo se llama
intensidad del flujo ').,
Si la intensidad cons ta nte del fluj o 1,.. es conc1da, la probabilidad
de qu e ocurr an k sucesos de un flujo elemental e11 d tiempo t se detrr mina por la fArmula de Poisson
CM)" e->.t
Pt (li) =
NOTA.
St!.
kl
E l flujo qur. posee la propkdad de caracler de estacionari,:,

l'O ca~o contrario, no estacionar/o.
llama estaclonano:
184. Demostrar que la frmula de Posson que determina

la probab ilidad de aparicin de k sucesos en el tiempo de ctu.
racin t
(l
se puede considerar como el modelo matemtico de un flujo

elemental de sucesos; en otras palabras, demostrar que la
frmul a de Poisson refleja todas las propiedades de un flujo
elemental.
soi.uc10N. De" la f rmula (*) se apareda que la proba bilide aparicin de k sucesos en el tiempo t, para una intem,i
dad dada?.., es funcin slo de k y t, lo que refleja la propiedad
dad
de caracter de estacionario del flujo elemental.

La frmula (*) no utiliza la informacin sobre la aparicin
de los sucesos hasta el comienzo del intervalo de tiempo considerado, lo que refleja la propiedad de ausencia de efecto
posterior.
Demostremos que la frmula exam inada refleja la pro
piedad de carcter ordinario. Poniendo fl = O y k = 1,
hallamos respectivamente las probabilidades de que no ocurran los sucesos y de que ocurra un sol.o suceso:
P,(0) =,c-"',
Pi(l) = "/..teH.
Por lo tanto, la probabilidad de que ocurra ms de un suceso es

P1 (h > 1) .,.... 1 - IPt. (O) +Pr ( !)] ....e:. 1- k .. ;,.'+ 'Al l'- i.t .
Utilizando la de1'composcin de la funcin rH en la serie de
Maclaurn, de...,put':>g de transformaciones elementales, obte87
neqio.s
(hi)~
-+ ....
Pt(k> l )=-2
Comparando P 1 (!) y P 1 (k > 1), deducimos que para pequeos valores de t la probabilidad de que ocurra ms de
un suceso es despreciable en comparacin con la probabilidad
de que ocurra un suceso, lo que caracteriza la propiedad de
ordinario.
De esta manera, la frmula de Poisson refleja las tres propiedades de un flujo elemental, por eso se la puede considerar
como modelo matemtico de este flujo.
185. El promedio de pedidos de taxi, hechos al e.entro de

despacho en un minuto r..s exactamente de tres. Hallar la
probabilidad de que en 2 minutos se hagan: a) 4 pedidos,
b) menos de 4 ()edidos, e) no menos de cuatro pedidos.
sowc10N Por los datos: ,. = 3, t = 2 y k = 2.
Utilizamos la frmula de Poisson
p (l)
t . l
-,.,
( 't)lt
r.
C
kl
a) La probabilidad buscada de que en 2 minutos se hagan

4 llamadas es
p , . _ ()4 . e-6 _ l296-0,002.5 __ 0 .
2 ( 4) .... .
41
24
- - ' 135
b) El suceso se hicieron menos de 4 llamadas (pedidos)
ocurrir si se produce uno de los siguientes sucesos mutuamente
excluyentes: 1) se- hicieron 3 llamadas, 2) se hicieron 2 llamadas, 3) se hizo una lla ma<la, 4) no se hizo ninguna llamada.
Puesto que estos sucesos se excluyen mutuamente, es aplicable
el teorema de la adicin de probabilidades de sucesos mutuamente ('Xduyente<;:
J>dk <
4):...:. /\
!'.3)
+ P2 (2) -1- P2 (1) + P
(ii1 , t'-6
62,e.-6
(0) ,....,
6-e-6
=-:.;31 + - 2-!- + - 1-1- +CG =

- e-;
(36+ 18-t- 6 + 1l = 0,0025 ,61 = O, J52fl
d) Los sut:eso-s se hciffon menos de cuatro llamadas y se

lucieron no menos <le cua tro llamadas son opuestos, por eso
la probabilidad bt.1.')ca<la de que en 2 minutos ;-e hicieron no
~8
menos de cuatro llamadas es

P 2 (k ~ 4)
P (k
1-
<
4) = 1 -
ll, 1525 - 0,8475.
t86. El promedio de llamadas recib ida~ por una CTA

en un minu to es igual a 2. Hallar la pro'babil icla<l de que en
4 mi nutos se reciban: a) 3 llamadas, b) menos de 3 lla madas,
e) no menos de tres llamadas. El flu jo d' ll amadas se supone
elemental.
Respuesta a) P 4 (2) = 0,256; b) P 4 (k < 3) = 0,0 123;

e) P4 (k ~ 3)
= 0,9877.
187. Demostrar que para un flujo estacionario elemental

de sucesos
J m p (k. !, I J ::..: l.
t .. o P <.k = 1)
o ssERVAc10N. l. Apl quese el teore ma de la adicin de
probabilidades de sucesos opuestos: P, (k ~ O) ! P1 (k ~ 1) =
= l.
2. Al buscar el lmite desconocido aplque.':-e la regla de

L'Hospital .
3. Caractersticas numericas de magnitudes
aleatorias discretas
Como caratterslica del valor medio de una ir,agni t ud aleatoria

sirve la esperanza matemtica.
Se llama 11.~puanza matemtica de una mag11 il 11d .:ilealr ia discreta
X la suma de los prt,dtrd.os de t odos sus va lores po1>1 hl e~ por ~us prt, ..
ba bil d.ades
+ X11Pr,
Si la magni tud a lca l.,:,r ia to ma un c.o nJun t,:, co.nta<lo dl' vak,res
p,:,<. 1-
bles, entonces
00
M (X) = ~
Xp.
i= 1
adtm::. $e oupone que la st-rie del segundo rn11.:111lm:, de li.1 ignaldacl,

<>s ah~r.,lutamcuk cunvHgcnk y la suma el<' t,~,da~ la.i; probabilt dad11~ f.',
es igual a la unidad .
La c-spcranza m~tr,mi lica pose( las sigulc:111,, ~ pr.,ieJadcs:
l. Lii csp<'rn nza nrn temit ti ca clt> una nH1gJ1iluJ c.onstanle es igual
11 l;i mi,;11,a con,Ja11k
M ((;) -
C.
2. La <'s reranza m<.1 tema lca <le la .rnuw d~ 111 l!g 111 I uJc.s ,dcatorim,
es igual a la suma el<' la5 es peranz as mak111ii ti c.i. <le l,5 i; urna n d,1~
,W (X, + X 2
--l- X) =J1(X 1 i + :H (X~ l-t
+ :Wi X 11 1
r,q
3. La esperanza n'li.ltemtica del producto de magn itudes akatorias

mutuamente ndependientes P, igual al producto de las esperanzas
matemticas de los factores:
M (X1X2 ,, Xn )
M (Xi) M (X 2') M (Xi.>
La esperanza mak m tica de una distribucin binomial es igual

al producto de l uumcro Je H ut bas respecto de la probabilidad de apa
rici6n del suceso en una prueba:
M {X) = np.
Como c.:a raderi~l 1ca.s de la <lis persin de los valores posibles de
una magnitud ale11tnna alrt:dedor de la esperanza matemtica sirven,
en particular, la diSJ"('.rsii,n y la desviacin cuadrtica meda.
Se llama dispersiH de una magnitud aleatoria X la esperanza
matemtica <l<"I cuactr'Jd,:, de la desviacin:
D (X)
= :W
[X -
M (X))2.
La dispe rsin c;rnv1c.:11<: ,~alcularla por la frmula

D ( X) = M (X 2 ) - lM (X)]2.
La dispersi n posee la '., s1gu1en tes propiedades:
1) La dsp(.'rsin de una constante es igual a cNo:
D (C)
= O.
2} Un fac t<Jr c,,n~tante se puede sacar fuera del sii:?no de dispersin, elevandolo al e uadradc:
D (CX) = C2D (X).
3) La disperslo11 de la :,,uma de magnitudes alca tunas ind~p~udientes es igual a la suma de la.s d L~persiones de los sumandos:
D (X 1
+ X ~+
, . ,
+ X ,.) =
D (X1 )
+ D (X2) + . .. + D
(Xn)
La dis persin dt una dist nbucin binomial e.s igual al producto

df'I nmero de prucba.s por la$ probabilidades de apar icin y no aparici5n del s uceso en una tentativa
D (X)= npq.
Se Hama des1.11ac1on. cuadri ica media de una magnitud aleatoria la

raz cuadrada de la dispersin:
cr (X) =
VD (X).
188 . Hallar la esperanza matemtica de la magnitud a leator ia discreta X dada por la ley de distribucin:
a) X
p
b) X
- 4
0,2
0,21
0,,1
0/>4
\), J
O, [,
10
O,&
0,61
0 ,4.
sowc10N. a) La esperanza matemtica es igual a la suma

de los productos tle todos los valores posibles de X por sus
90
probabilidades:
M (X) .;_ -4 0,2 -i 6 O/$
Respuesta b) i\.1 {X)
-=-
r- 10 .n,G = 6.
0,53!'>.
189. Hallar la esperanza matemtica de la magnitud alea toria Z. conocidas las esperanzas matemf:as de X e Y :
a) Z = X + 2Y,
M (X) = f, M (Yi = 3;
b) l = .1X 1 4Y, M (X) = 2, M (Y) -= 6.
so1uuo N a) Aplicando las pro pieda de~ ele la esperanza
matemtica (la espera nza matemt ica de una suma es igual
a Ja suma de las e<speranzas matemtcas de los su mandos; el
factor constante se puede saca r fuera del signo de esperanza
matemtica), obtenemos
M (Z) = M (X I 2Y) = ,W (X) + A1 (2Y) -,
Respuesta b)
= M ( X)
M (Z) = 30.
- 2M (Y)
.-=
5 , 2 3 ~ l l,
190. Ap licando las propiedades J e la esperanza matemlica

demostrar que: a) M (X - Y) -~ M (X) --- A-1 (Y), b) la e<.peranza mate mtica de la desviacin X - A1 (X) es igua l
a cero.
191. La magnitud aleatoria di.screta X to ma tres valore--.
posibles: x1 ....:..:: 4 con probabilidad p1 = 0,5; x 2 = 6 con probabilidad p2 : ~ 0,3 y x 3 con prohab ltda d p 1 Hallar X;1 y p,1
sabiendo que Af (X) = 8.
Respuesta x 3 21: P:1 ""' 0,2 .
192. Se da la lista Je los valores posibl <.><; de la magnitud

aleatoria discreta X
X1 -
- !,
X 2 -
il,
X ;
1,
as co mo se dan Ja5 esperanzas mate mlica'> de e.'.'ta magnitud

y su cuadrado:
M !X) ....,. 0,1 ,
lo.,;
:H (X 2)
0.9 .
Hallar las probab ilidades p 1 p 2 , p~. re;,pedivamen te de

valores posi ble."., de -'Jt X i y X ;i
soLuuo :-; Aprovechando de que la su nw de las probab ili dades de todos los valores posi bles de X es igual a la un idad ,
as co mo teniendo en cuenta que Af (X) = O. l , lH (X2) ~- 0,9 ,
91
ormamo<:. el siguiente srntema de tres ecuaciones Lineales con

respecto a las probabilidades desconocidas:
P1
+ P2 + Ps =
+ Op2 + lPa =
+ 02 P2 + l2 p =
1) P1
2
(-1) Pi
(
1,
0,1,
0,9.
Resolvie1~do est(> sistema haJlarnos las probabilidades:
P1 0,4,
P2
0,1,
Pa = 0,5 .
193. Se da la l 1~ta de los valores posibles de la magnitud

aleatoria discreta X:
)f1
x2 = 2,
= 1,
x8
3,
asimismo se dan la.:; esperanzas matem::Hicas de esta magnitud

y su cuadrado
.M (X)
2,3,
M (X 2)
5,9..
Hallar la$ probabilidades, correspondientes a los va lores

rosible.s de X.
Respuesta p1 ,. 0,2; p2 =, 0,3; p 3 = 0,5.
194. En una partida de JO piezas hay .3 no estndares. Se.
escogen a l azar 2 piezas. Hallar la esperanza matemtic.a de
la magnitud a lea toria discreta X, es decir, el nmero de piezas
no estndar entre las dos escogidas.
013~1:RvActoN
Respuesta
Vlga.se del problema 17,
.,
.\1 (X) =-- ..
~
cap.
l, l.
195. a) Demostrar que la esperanza matemtica del nme-
ro de apariciones del suceso A en una prueba es igual a la

probablidad p de aparicin del suceso A.
o~smvActN, La magnitud aleatoria discreta X, o sea,
el nmero de apariciones del suceso en una prueba tiene sola
mente dos valores posibles:
Xt = 1 (el .suceso A ocurri) y x 2 = O (el suceso A no
ocurri).
b) Demostrar que la esperanza matemtica <le la magnitud
aleatoria discreta X, es decir, del nmero de apariciones del
<;uceso A en n prnebas independientes, en cada una de las cuales la probabl idad de que aparezca el suceso es igual a p,
')2
es igual al producto del nmero de pruebas por la probabilidad

de aparicin del suceso en una prueba, o sea, demostrar que la
esperanza matem tica de la dstribucin btno mial M (X) -,
n.p.
196. Hallar la esperanza matemtica de la magnitud aleatoria discreta X, es decir, del nmero de tales tiradas de cinco
dados, en cada una de las cuales en dos dados aparezca un
punto, si el nmero total de tiradas es de veinte.

sowc10N.
Ut ilizamos 1a frmula
M (X)---,: nP,
donde n es el nmero total de pruebas (tiradas de cinco dados);

X es el nmero de apariciones del suceso que nos interesa (de cinco dados en dos aparece un punto) en n
pruebas;
P es la probabilidad de aparicin del suceso considerado en una prueba.
Por los datos n = 20. Hay que hallar P, es decir, la probabilidad de que en las caras de dos, de los cinco dados, aparezca
un punto. Esta probabilidad la calculamos por la frmul a de
Bernoull i, tomando en consideracin que la probabilidad (!(.>
aparicin de un punto en la cara de un dado es igua l a p = {,
y, por lo tanto, la probabilidad de no aparicin es q .=,
=1-_!_=
~6 .'
6
~(1)2(5),:
5. 4. ;=,:l
54.
"'"'i :.!f,,; -.~J-o4'
P=- P~(2}=C",
La esperanza matemtica buscada es igual a

,,1
M (X)~ nP - 20- ~;,/O

-. ':' :.,.
197. Un dispositivo est compuesto de n elementos. La

probabil idad de que falle cualquier elemento durante 1~
prueba es igual a p. Hallar la esperanza matemtica del nmero de tales experimentos, en cada uno de los cuales fallan
exactamente m elementos, si en total 81" han realiwdo N
pruebas. Se supone. que las pruebas son independientes entre ~L
sowc10N . Designemos por X el nmero de pruebas, en
las que fallan exactamente m elementos. Puesto que las
pruebas son independientes y las probab11idades del suceso
9;,,
que nos inleresa (en una prueba fallan exactamente m elementos) en esto~ l'~rerime11tos son idnticas, es aplicable la
frmttla
.'\-1 IX) = NP,
(*)
donde N es el 11u 111cro total <.le pruebas;

P es Ja probau11idad de que en una prueba fallen
exaclaruente m elementos.
Hallamos la probabilidad P mediante la fr mula de
BE'rnoull i.
(u)
Sustituyendo la (**) en l*) , obtenemos la esperanza matematica buscada

I 98. Se tiran n dados. Hallar la esperanza mate.mtica del
nmero de tales tm1das, en cada una de las cuales caen exactamente m de seis, :-,1 el nmero total de tira<las es igual a N.
RespUfsla M tX i
NC~' ( ~ ) ni ( ~
n-m .
199. Se ti ran n dados. Hallar la esperanza matemtica de

la su ma del nmero de puntos que caen en todas las caras.
so1,uc10N, Designemos por X la suma del nmero de puntos que caen en todas las caras, por X 1 (i = 1, 2, ... , n), el
nmero de puntos que cae en la cara del i-simo dado. Entonces,
es ev idente que
X ...,,. X 1
X :i
Xn ,
Por lo tanto,
,\i1 (X) = M (X 1
X z + . . . + X n) =
= M (Xi) M tX2) + ... M (Xn).
(*)
+ .. . +
lncludablemente, lodas las magnitudes X, tienen igual

distribucin, y, por consiguiente, idnticas caractersticas
numricas y, en particu lar, iguales esperanzas matemticas,
es decir,
M tXJ -= 1v1 (X 2) = ... = M (Xn) .
En virtu<l de la (*j obtenemos
M (X) = nM (X 1) .
!H
(**)
De este modo, es suficiente calcular la e~peranza mate mtica de la magnitud X 1 , o sea, la esperanza matemtica del
nmero de puntos que pueden aparecer en el primer dado.
Para ello escribimos la ley ele distribucit',n d X 1
Y1
p
;J
1.,
'
1.,
Hallamos M (X1):
M(X
) = l..!,_+2
..!,_
.. 3 ..!...+4
. ..!,_+5._!._
. 6-..!,_=
;)_ .
1
b
6
6
h
b
b
Ponienclo (***) en (**), final mente ob tene mos
il-1 (X)=
n.
200. La seccin de control tcnico verifica el estndar de

los artculos. La probabilidad de que un artculo sea estndar
es igual a 0,9. En cada partida hay 5 artculos. Hallar la esperanza matemtica de la magnitud aleatoria discreta X, es
decir, del nmero de partidas, en cacla una de las cuales
resulten exacta mente 4 artculos estndares; si se. verifican
50 partidas.
Respuesta A1 (X) - so.q. O,tl-t. O, ~ 1f.:i ..
201. Demostrar que: 1) M (Y) ...,,. a1W ()0
=ax+ b;
'.2) M (Y) "'= ~
+ b,
,-, Y=
iT.
aA1 (X ;)+ b,
1=!
y,,,
x
- ....; ti , ( ;) +
Sl
h.
202. Demostrar que la esperanza matemtica de la magnitud aleatoria discreta X, o sea, las probabi lidades de los sucesos mutua mente excluyentes A1 , A~ . .. . /1,, que forman un
grupo completo, tiene un va1or mn imo, si h s probabilidade.~
de todos los sucesos son idnticas.
sowc10:-; Los valores posibles de la 111ag11 itud X segn

los datos son iguales a las probabilidades Pi de los sucesos A;
la probabilidad del va lor posible p , evidentemente, ta mbin
es igual a p 1 Por consiguiente, X tiene la siguiente distribucin:
X
P
Pi
P1
P2
P2
1,,_
P~
95
Hallamos la e~peranu1 matemtica de X:

'lf (X)
Puesto que
entonces
\01>
= JJi + P~+ + p~.
(*)
sucesos examinados forman un grupo completo.
Pt + P<!. + + Pn = 1.
Del clculo diferencial se sabe que si la suma de variables
independientes es constante, la suma de los cuadrados de estas
variables tiene un valor mnimo en el caso de igualdad de las
variables. En nuestro caso esto significa que: la suma (*), es
decir, la esperanz.a matemtica M (X), tiene un valor mnimo.
si las probabilidades de todos los sucesos que forman un grupo
completo, son iguales entre s, lo que se quera demostrar.
203. Demo">lrar que la esperanza matemtica de una

magnitud aleatoria y.iscreta est comprendida entre sus valores po'!ibles mn mo y mx imo.
sow uoN. Su pongamos que X es la magnitud aleatoria
discreta prefijada por la ley de distribucin:
X
p
Xt
/1
Xz
f.12
x.,.
' .
f.lr,_
Designemos los valores posiblec; mnimo y mximo de X

respectivamente por m y AL Entonces
lv1 (X) =
X1 P1
+ X2P2 + + XnPn ::;;;

+ Afp + .. . + i\,1pn =
= M (P1 + P2 + ... + Pn)
~; A1p1
= M.
As pues,
M (X)~ M.
(*)
De manera anloga se deduce fcilmente que

Af (X) ~ m.
(**)
Uniendo (*) y (**), finalmente obtenemos
m ~ M (X) ~ M .
204. La magnitud aleatoria discreta X toma k valores
positivos x1 , x 2 , xh con probabil idades iguales respectivamente a p 1 , p 2 , ., Pt< Su poniendo que los valores posibles
9fi
estn escritos en un orden creciente, demostrar que

,
M (X?t+ I)
M (X")
lun
t\-+00
= x,,.
soLucroN. Teniendo en cuenta que
P (X''t1 =4t1) = P (X = x) = P;
obtenemos
11m
n .. oo
M (X n +l)
= 1 m
n-oo
xn+ip
t
t
n
X1P
= n-oo
lffi
M (X")
+ -
~
. x,.
r,!:+lph [ (
P (Xn ="'xn - P
x"'Hp
1 /\Hp
h-1 1< - 1 . xh
1
n
f- x,,P1,.
"
+ f- x,,-iPh-t"
rl-1 .EL+ ... + (

P11.
Xh-1 ) ... 11
x11
X~Pi,[(~)'.11.+
... +( XX11.
k-1 )"
X}t
P11.
J=
P,,-1 -1 1
P1t
Ph- 1
Pk
+i"I
-
(..:.!.)11+1+ +.E!!=.!. Hm ( )n+1 + 1

im ( - )n + ... +P1i-t
- li, m ( - - )n+l
.!!J.. Jim
X1t-1
=X,i-_.;..:.
_ _ Xk
_______
_ _ _X1,.
_ _ _ __
Ph. n-oo
Pk _.;..:.
n-+oo
-Pt
Ph
X1
X11.
ii...oo
Xit-1
PII.
n-oo
X,
Puesto que por los datos los valores posibles de X estn

escritos en orden creciente, es decir, x 1 < X11. (i = 1, 2,
... , k - 1), entonces
lm
n~oo
X )n+1
-f
=0
k
X )''
Jm (-'
=0.
n -Ol
Xk
Por lo tanto,
,
lim
n .... oo
M (Xn+1)
1l1(X") =Xk,
205. Demostrar que si las magnitudes aleatorias Xi, X z, ...

. . . , Xn''.son independientes, positivas y estn igualmente
distribuidas, entonces
M[
X1 +X3
X
']
1
+t... +xn = -
n
sowc10N. Examinemos las magnitudes aleatorias

Y1 = X d-X11+
X1
... + X n '
V11 X2
y Xn
-x1 +x,+.,.+Xn' ... , n-x.+x,+ ... +x 11
97
Cabe hacer notar que ios denominadores de estas fracciones no

pueden ser iguales a. cero, puesto que las magnitudes X 1
(i = 1, 2, .. . , 11) son posit ivas.
Segn los <latos las magnitudes X . estn igualmente distribuidas, por eso, tambin las magnitudes Y, estn igual mente
d istr i bu idas v, en consecuencia tienen <lt'.:nt icas caractersticas num0rica;, en part icular, iguales e.speranzas matemticas:
i\:1 (}\)
:\1 (Y 2)
= . .. =
M (Y,.).
(* *)
Se aprecia Icll menle que
+ Y,1 =
1,
por consigu,enk,
M
0\ -1- Y 2
+ . . . + Y n)
M (1)
= l.
Dado que la esperanz.a matemtica de la suma es igual a la

su ma de las esperanzas ma temticas <le los sumandos, ten-
dre mos que

M (Y 1) ! A1 (V,i)
+ .. .
-1- M (Y,1)
l.
En virtud de(**), tendremos
nM (Y1)
l.
De donde
Tomando en consideraci n (*), final mente obtenemos

M
'
Xt
] ...... _1
X 1 iXz + ... +X 11 - ti'
206. De mostrar que, si las magnitudes aleatorias X 1 , X 2 ,

X:i, X 4 , X 6 son mdepend ien les, positivas y estn igualmente
d ~lribuiuas, en tonces
./H
lXn
X + Xa+X~ + Xs J=~.
X1+ X~+X3
2
ouw, \ .1\ <,10N RepresntC'SC' la fraccin afectada por el

5igno de espera11za mate mtica en forma de la suma de tres
fracc iones y uli lke.":>e el problema 205.
98
207. Hallar la esperanza matemtica de una magnitud

aleatoria discreta X distribuida por la ley de Po1sson:
X O
-,(.-,],.Jt,-,.
S0Ll:CION. Por definicin de la esperanza mate m tica para

cuando el nmero de va lores posibles de X es un conjunto
contado:
00
'}..h -'},.
M (X) = ~ k +
k-0
Teniendo en cuenta que para k = O el pri ruer trmino de

la suma es igual a cero, tomamos como valor mni mo de k
la unidad:
00
1,.he-i.
';
)1-t
M(X)= ~ k, k(k-!Jl =1.e->. ~ \~ -1)1 .

k=I
Poniendo k -
h~ l
1 = m, obtenemos
QO
, ,~i,..m
M (X) = ,..e-,,
m=O
.,
Tomando en cons1derac10n
obtenemos
que
mr
;
).m
2J
=
1
,n=o m.
e\
finalmente
De este modo,
M (X) =')..,
es decir, la esperanza ma temtica de la distri bucin de Poisson es igual al parmetro de esta distribuc in l.
208. Las magnitudes aleatorias X e Y son independientes.
Hallar la dispersin de Ja magnitud aleatoria Z = 3X + 2Y,
si se sabe que D (X) = 5, D (Y) = 6.
sowcro;-.o. Como las magnitudes X e Y son mdependientes,

ta mb in son independientes las magnitudes 3X y 2Y. Util izando las propiedades de la dispersin (la dispersin de la
su ma de magnitudes aleatorias independientes es igual a la
suma de las dispersiones de los su mandos; el factor constate
7 99
se puede sacar fuera del signo de dispersion, elevndolo al

cuadrado), obtenemos
D (Z)
= D (3X
+ 2Y)
= D (3X) +D (2Y) =
9D (X) -!-4D (Y)= 9.5
+ 46 =
69.
209. Las magnttu<les aleatorias X e Y son independientes.

Hallar la dispersin de la magnitud aleatoria Z = 2X + 3Y,
si se sabe que D (X) = 4, D (Y) = 5.
Respuesta D (Z) = 61.
210. Hallar la dispersin y la desviacin cuadrtica media

de la magnitud aleatoria discreta X dada por la ley distribucin:
X -G
0,4
souJc10N .
o, l
0,3
4
0,2 .
La dispersin se puede calcular partiendo de la
definicin de dispersin, empero utilizaremos la frmula
D (X)= M (X2)
lM (X)Jt,
que nos conduce ms rpidamente a nuestro propsito.

Hallamos la esperanza matemtica de X:
M (X) =-50,4 +20,3 +30,1 +40,2 =-0,3.
Escribimos la ley de distribucin de xz:
x~
p
2!)
0,4
4
0,3
9
O, l
11
0,2.
Hallamos la esperanza matemtica de X 2:

M (X 2)
25 0,4
+ 4 0,3 + 9 O, l + 16 0,2 =
Hallamos la dispersin buscada:

D (X) = NI (X2) - [M (X)) 2 = 15.3 -
(-0,3) 2
15,3.
15,21.
Encontramos la desviacin cuadrtica media buscada:

o(X)= 1/D(X) = Y 15,21 = 3,9
21 l. Hallar la dispersn y la desviacin cuadrtca media
de la magnitud aleatoria discreta X dada por la ley de distribucin:
a) X
100
43
o)
5, l
O,J
10,6
0,5;
S puede sacar fuera del signo de dispersin, elevndolo al
cuadrado), obtenemos
D (Z) = D (3X ...2Y)
= D (3X) -j-D
(2Y)
= 9D (X) +4D (Y)= 9. 5 +46 = 69.

209. Las magn itudes aleatorias X e Y son independientes.
Hallar la dispersin de la magnitud aleatoria Z = 2X + 3Y,
si se sa be que D (X) = 4, D (Y) = 5.
Respuesta D (Z) = 61.

210. Hallar la dispersin y la desviacin cuatlrtica media
de la magnitud aleatoria discreta X dada por la ley distribucin:
X-5
2
0,3
0,4
3
O, l
4
0,2.
sow c10N. La dispersin se puede calcular partiendo de la

definicin de dispers in, empero utilizaremos la frmula
D (X)
= M
(X2)
(M (X)]2,
que nos conduce. ms rpida mente a nuestro propsito.

Hallamos la esperanza matemtica de X:
M (X)
=-
5 0,4
+ 2 0,3 + 3 O, 1 + 4 0,2 = -0,3.
Escribi mos la ley de distribucin de X2 :
x2
p
25
0,4 0,3 O, l
rn
0,2.
Hallamos la esperanza matemtica de X2 :

M (X2) = 25 0,4 + 4 0,3 + 9 O, l . 16 0,2 = 15,3.
Hallamos la dispersin buscada:
= M (X2) - IM (X)J2 = 15,3 -
D (X)
(- 0,3):..
15,21.
Encontramos la desviacin cuadrtica media buscada:
a (X)"'-~/ 1J (X}= Y 15,21 = 3,9

de la magnitud aleatoria discreta X dada por la ley de dis
tribucin:
100
a) X
4,:
!i, I
10,6
0,2
0,3
0,5;
b) X
p
131
0,05
140
O, l
160
0,25
190
0,6.
~ 8,545; cr (X) ~ 2,923;

b) D (X)~ 248,35; a (X)"' 15,77.
Respuesta a) D (X)
212. La magnitud aleatoria discreta X tiene solamente e.los

valores posibles x1 y x 2 , adems, equ iprobab!es. De.mostrar
que la dispersin de la magnitud X es igual al cuadrado de l.:1
semidiferencia de los valores posibles:
D (X) =
Xi-;);1
r.
sowc10N. Ha11amos la esperanza matemtica de X. to

mando en consideracin que las probabilidades de los valores
posibles x1 y x 2 son iguales entre s, y, por lo tanto, cada una
de ellas es igual a {:
1
Xt+ x
2
;M(x )=X17+X22 =--2-
Encontramos la esperanza matemtica de Xt:

M (X}= xi ,J..+xz,_!_=
2
1
4+4
2
Hallamos la dispersin de X:
D(X)=M(XZ) -[M(XW = xt 4 - [
X1 tX2
J=
-
[
.
X2 - X t
2.
21 3. Hallar la dispersin de una magnitud aleatoria discreta X, o sea, del nmero de apariciones del suceso A en cinco
pruebas independientes, si la probabilidad de que. ocurra el
suceso A en cada una de las pruebas es igual a 0,2.
so1.uc10N La dispersin del nmero de apariciones de un
suceso en -pruebas independientes (con igual probabilidad de
aparicin del suceso en cada prueba) es igual al prod ucto del
nmero de pruebas por las probabilidades de que aparezca
o no aparezca el suceso:
D (X) = npq.
Por los datos del problema: n = 5; p
= 0,2; q =
1- 0,2
= 0,8.
101
La dispersin buscada es
D (X)
npq
= 5 0,2 0,8 = 0,8.
214. Hallar la di5persin de una magnitud aleatoria discreta X, o sea, del nmero de fallos de un elemento de cierto dispositivo en diez experimentos independientes, si la probabilidad de fallo del elemento en cada ex peri mento es igual a 0,9.
Respuesta D (X) = 0,9.
215. Hallar la dispersin de una magnitud aleatoria discreta X. es decir, del nmero de apariciones del suceso A en dos
pruebas inMpendientes, si las probabilidades de aparicin del
suceso en estas pruebas son iguales y se sabe que M (X)
1,2.
S01UCI0N. PR!U:R METODO. Los valores posibles

de la
magnitud X son; Xi = O (el suceso no ocurri), x 2 = 1 (el
suceso apareci una sola vez} y x 3 = 2 (el suceso ocurri dos
veces).
r,,-. Hallamos las probabilidades de )os valores posibles por la
frmula de Bernoull i:j
P 2 (0)=q2 ; P.;.'(l)=C!/Jq=Zpq; P 2.(2)=p2.
Escribimos la Jey de distribucin de X:

\'alorC's posibles
.Jrobab ilidades
O
q<t-
1
2
2pq p2
Hallamos M (X):
M (X)
2pq
+ 2p
= 2p (q
+ p} =
2p.
En virtud de la condicin de que M (X) = 1, 2, es decir,

= l, 2. Dedondep=0,6 y. por lo tanto, q = 1 - 0,6 =
= 0,4.
La dispersin buscada es
2p
2 0,6 ,0,4 = 0,48.

SEGUNDO ME.Tono Utilizamos la frmu la M (X) = np.
Por los datos: 1\1 (X) = 1, 2; n = 2. Por consiguiente,
D (X)
npq
l, 2
2p.
De donde p = 0,6 y, en consecuencia, q = 0,4.

H alla mos la dispersin buscada:
D (X) = npq = 2 0,6 0,4 = 0,48.
102
Indudablemente, el segundo mttodo resuelve el problema

ms rpida mente.
216. Ha llar la dispersin de una magnitud a leatoria X, o
sea, del nmero de apariciones del suceso A en dos pruebas
independientes, si las probabilidades de quC' ocurra el suce,;o
en estas pruebas son igua les y se sabe que Af (X} = 0,9.
Respuesta D (X) = 0,495.
217. Se realizan experimentos independ ientes con igual
probab ilidad de aparicin del suceso A en cad a prueba. Halla r
la probabilidad de que ocu rra el suceso A, si la dispersin del
nmero de apariciones del suceso en tres pruebas independientes es igual a 0,63.
Respuesta p1 = 0,3; P2 = O, 7.
218. Una magnitud aleatoria discreta X tiene sola mente
dos valores posibles: x1 y x2 ;. al mismo tiempo x2 > x1 La
probabilidad de que X tome el valor x1 , es igua l a 0,6. Hallar
la ley de distribucin de la magnitud X, si la esperanza matemtica y la dispersin son conocidas:
M (X) = 1,4; D (X) = ,24
sowc10N. Co mo la su ma de las probabili dades de todos
los valores posibles de una magnitud alea toria discreta es
igual a la unidad, la proba bilidad de que X to me el valor x2 ,
es igual a 1 - 0,6 = 0,4 .
Escribimos la ley de distribucin de X:
X
x,
O,fi
Xt
0,4 .
(~l
Para encontrar x1 y x 2 hay que plantear dos ecuac.ones que

vinculan estos nmeros. Con este propsito expresamos la
esperanza matemtica y la dispersin conoc idas por x1 y x 2
Hallamos M (X):'
A1 (X)
= 0,6X
+ 0,4X2.
Por los datos: M (X) = 1,4, por lo tanto,

,6X
+ 0,4X2 =
1,4.
(**)
Hemos obtenido una ecuacin que vincula x 1 y x 2 Para obtener la segunda ecuacin, expresamos la dispersin ~onocida
por x1 y x,.
i03
Escrib mos la ley de distribucin de X 2:

X2
p
x1
xi
0,6 0,4
Hallamos M (X2):
M (X2 ) = 0,6x: + 0,4x;.
Encontramos la dispersin:
D (X) = M (X2 ) - [M (X)]2 = 0,6x!+ 0,4x;-1 ,42
Poniendo aqu D (X) = 0,24, despus de transformaciones

elementales obtenemos
0.6x: +O Ax:= 2,2.
(}
Reuniendo(**) y(***) obtenemos el sistema de ecuaciones:
+ 0,4X2 = 1,4,
O,6x~ + 0,4x: = 2,2.
,6X
Resolviendo este sistema, hallamos dos soluciones:

X
1;
X2
2 y
X1
1,8;
X2
0,8.
Por los datos x 2 > x1 , por eso el problema se satisface slo

por la primera solucin:
X1
= 1;
X2
= 2.
(****)
Poniendo(****) en (*), obtenemos la ley de distribucin

buscada:
X
l
0,6
2
0,4.
219. La magnitud aleatoria discreta X tiene solamente dos

valores posibles x1 y x 2 : adems x 1 < x 2 La probabilldad
de que X tome el valor x1 , es igual a 0,2. Haf1r la .ley .de
distribucin de X, conociendo la esperanza matemHC'a
M (X) = 2,6 y la desviacin cuadrtica med ia o (X) = 0,8.
Respuesta
X
p
1
3
0,2 0,8.
220. La magn itud aleatoria di~crt>ta X tiene nicamente

tres valores posibles: x1 = J, x 2 y x3 ; asimismo x1 < .x 2 < X3.
Las probabilidades de que X tome los valores x1 y Xz, son
respectivamente iguales a 0,3 y 0,2. Hallar la ley de distribu
104
cin de la magnitud X, conociendo su esperanza matemtica

M (X) = 2,2 y la dispersin D (X) = O, 76.
Respuesta
X
2
3
O, 2 0,5.
1
0,3
221. Se t1ran n dados. Hallar la dispersin de la suma del

n~erode pu ntos.que pueden aparecer en todas lascaras cadas.
.
sowc10N. Designemos por X una magnitud aleatoria dis-
creta, e~ decir, las.u ma del nmero de puntos que caen en todas

las caras, por Xi (i = l, 2, ... , n), el nmero de puntos que
tae en la caPa del iSmo dado. En tal caso,
X
X1
+ Xi + ... + Xn,
Evidentemente, todas 'fas magn itudes X , tienen igual

.djst:ribcin, y, por lo tanto. idnticas caractersticas ntimri
CijS y, en particular, iguales dispersiones, es decir,
= . .. =
D (X1) = D (X 2)
D (X,.).
(*)
Puesto que las magn itudes alea torias examinadas son

independientes, la dispersin de su su ma es igual a la suma de
lf\S. d,isp~rsion,es de los su mandos:
D (X) = D (X1 + X 2 + ... + Xn) =
= D (X 1) + D (Xi) + . .. +D (X,i) .
'Eh virtu_d de (*) obtene mos

r.
D (X)
.. . '
nD (X 1) .
(* *)
De e.se modo, basta calcular la dispersin de la magnitud

aleJtoria X1 ; es decir, fa dispersin del nmero de puntos que
pueden aparcc~r en el primer dado. As procedemos.
. Escribi mos la ley de distribucin de X 1 :
X1
o e
4
1
li
li
t '
Hallamos M (~1):
1
M (X1)= 1 6 +2 6
1
7
+361 +4 61 + 5 6l + 6-r=-r
106
Escribimos la Je.y de distribucin de X!:
Xf
16
25
M(X:)= l ~ +4
lf lf
Hallamos M (X!) y D (X1):
6
36
6 "
! + 9 ~ + 16--}+25- +36- ~ =
~
D(X 1)=.l1(X1)-[A1(X,)] 2 =
--(~f~= ~~.
~.
(***)
Encontramos la dispersin buscada, para lo cual sustitu.

mos (***) en (*) :
D(X)=
35
n.
12
222*. La probabilidad de que ocurra un suceso en cada

experimento es igual a p (O< p < 1). Las pruebas se realizan
hasta que el suceso no ocurra. Hallar: a) la esperanza matem
tica de la magnitud aleatoria discreta X, o sea, del nmero de
pruebas que hay que realizar hasta la aparicin del suceso;
b) la dispersin de la magnitud X.
soi.uc10N. a) Formamos la ley de distribucin de la magni

tud X, es decir, del nmero de pruebas que hay que realizar
hasta que el suceso ocurra:
X
p
l
/J
2
qp
:J
q2p
k
qh-lp
, ,,
. .
(*}
Aqu q = 1 - pes la probabil idad de no aparicin del suceso

examinado.
Hallamos A1 (X):
M (X)= I p+2qp;-3,q2 p -l- ... + kq"- 1p+ .. . =
= p (1 + 2q + 3q2 + ... + kq'-1 + ... ) =
1
=P
(1-q)Z
P7=,;
De este modo
M(X)=..!._.
p
EXPLICActoN
h -1
. .
186
+kq
Demostraremos
+ -___
,
\1-q)~.
que
+ 2q + 3qz + ...
q)
Ya que O< q < 1, la serie exponencial (con respecto

1
s = l +q + q2 + ... + qk + .. '=--q
-
se puede diferenciar miembro a miembro y la suma de los trminos derivados de 1a serie es igual a la derivada de la suma
de la serie, es decir,
S' = 1 +2q+3q2 +
1
(I- q) 2
.. . +kq''-1 +.,.
(n)
b) Vamos a buscar la dispersin de la magnitud X por la
frmula
D (X)
M (X 2)
UH (X)Jll.
Teniendo en cuenta que M (X)
= P1 , obtenemos
D (X) = M (X 2)
_!,
.
p
(o)
Queda por hallar M (X 2). Escribmos la ley de distribucin

de X2, utilizando la distribucin (*):
x 2
(>
12 22
qp
32
q2p
,2
, , ,
q~- lp
, _,
Halla mos M (X 2):

M (XZ) = F p+ 2z ,qp -!- 32 ,q2p+ ... + kz, q1,-1p + ... =
= p (12 +22,q + 32,q2 + ...
+k2,i1-1 + .. , )=
1+q
=P (1-q)l = p
1+(1-p)
ps
2- p
=7
As pues,
Af (X2 )
= 2 ,i
-:-P.
Halla mos la dispersin buscada, para Jo cual sustituimos

la (****) en la (***):
2-p
1
1-p
D(X)=y-7=-7
Expl~cin. Demostraremos que
1+q
12+22. q +32 q2+ . + /~12 qlt-J -1- .. = (l-q)3.
107
Er.1 efecto,
q
) ( l2 + 2iq + 32 q2 + ' ' . + li 2qh-j + . ' . ) dq =

o
= lq+2q~+3q3 + ... +kl'+ . . . ]~ =
= q ( 1+ 2q + 3q2 + ... -{-/ql!- 1 + ... ) =
(l ~ q) 2 ( vase (**))
Diferenc~ando ambos miembros de la igualdad por q, obtenemos

j_
_ J+q
l!.1 + 2ilq--32q.\l ,L . . . +k2...k1/
, .. ' - (l - q)2 .
223. Se realizan numerosas pruebas de f ia bil idad de un elemento hasta ste no falle. Hallar: a) la esperanza matemtica
de la magnitud aleatoria discreta X, o sea, del nmero de
pruebas que hay que realizar, b) la dispersin de X. La probabilidad de fallo del elemento en cada experimento es igual
!3- 0,1.
OBSERVAc10N . Utilcese los resultados del problema 222.
Respuesta a) M (X) = 10; b) D (X) = 90.
tx
224. Demostrar la desigualdad M [ X - ,ti 11 ] ;a:

;a: D (X), donde X y X son cualqesquiera <le los dos valores
posibles de la magnitud aleatoria X.
SOLUCfQN.
1) Supongamos que x,-~ xh
=M
(X). En tal
caso,
2) Supongamos que x+xk
- 1 -2 - =i= M (X)
1x,tJ
De.mostraremos que en este caso M [ X - : 1

> D (X).
Transformarnos el primer miembro de la desigualdad, uti
!izando las propiedades de la esperanza matemtica:
M[x
x,1x, J2 = M(Xll)-2
X1X M(X)+[x,1xky.
Sumando y restando IM (X)P al segundo miembro de la

igualdad, obtenemos
M[ x.i08
XtX" J2 =D{X)+[ M {X)- X1tX11 J2>D(X).
()
Reuniendo (*) y ("'*), finalmente tendremos

M
[.x- Xtx,.
r~D
(X).
225. Demostrar que si la magnitud aleatoria X tiene los

valores posibles menor y mayor, respectivamente iguales a
a y b, la dispersin de esta magnitud no es mayor que el" cuadrado de la semidiferencia entre los valores mayor y menor:
[b-a] 2 .
D (X) ~ """T""
sowc10N. Utilizamos la desigualdad (problema 224)

D(X) <M [
X-tbY.
(*)
Demostraremos a continuacin que
M[X-tJ2 ~ [b-;]2.
(De aqu y de la (*) se deduce la certeza de la desigualdad que
se demuestra.) Para esto transformarnos la esperanza matemtica
.M
[b-a]2
= M [x -+b+(b-X)]2 =
. 2
..
2
= M [ X-
;br
+M [(b - X) (X-a)].
Ya que el segundo sumando del segundo miembro de la

igualdad no es negativo (esto se debe a que b E!s el mayor y
a es el menor de los valores posibles), el primer sumando no
es mayor que toda la suma :,
M[x-;by~M[b 2 ]2.
Teniendo en cuenta que la esperanza matemtica de una
magnitud constante es igual a propia constante, finalmente
obtenemos
M
[x
_ a+o]2
~ [b-:-aj2.
..
2
.. 2
226. Demostrar que si X e Y son magnitudes aleatorias

independientes,
D (XY) = D (X) D (Y) + n2D (X) ... m2D (Y),
donde m = M (X) y n = M (Y).
109
s6Luc10N. Por la fr mula de clculo de la d ispersion
D (X Y)
1\.1 l(XY)2 } - [M (X Y) ]'t.
Tomando en consideracin que X e Y son magnitudes in

dependientes y, por lo tanto, X 2 e Y2 ta mbin son independientes y que la esperanza matemtica del producto de magnitudes aleatorias m<lependientes es igual al producto de sus espe
ranzas matemticas, obtenemos
D (XY) = M {X2 Y2 ] - [M (X) M (Y)l2 =
= M (X 2) Af (Y 2) - m2n2
(*)
Por def inc1n de dispersin
D (X)
= M {X2)
m2 , D (Y)
=M
(Y~) -
n2
De donde
M (X2)
= D (X)
+ m2,
M (Y2)
= D (Y)
+n
(**)
Poniendo la (**) en la (*), despus de simpl ificar, final mente

obtenemos
D (X Y)
= D (X) D (Y)
+ n D (X) + m D (Y).
2
227. Hallar la dispersin de una magnitud aleatora d iscreta X distribuida por la ley de Poisson:
X
O
-7'.
p e
sowc10N .
!,
1,.e-i
,1,e-'}..
J/ie-J..
-1,-
-2
-1- - k!--
Util iza mos la frmula

D (X) = M (X 2) - [M (X)l2.
Puesto que M (X)
= 'J.. (problema 207), tendremos que

D (X) = M (X2) - :1.
(*)
Escrib imos la distribucin de la magnitud aleatoria X2.

teniendo en cuenta que la probal>ili<lad de que xi tome el valor
k2, es igual a la probabil idad de que X tome el valor k (esto
se debe a que. los valores posibles de X no son negativos):
110
x2
02
l' -~.
12
'-.e-'I.
11
22
J/1,
71.2"-A,
;.111!-'J,.
-2-,-
llf
Ha11ar la esperanza matemtica <le X2:

00
,u
, VI
(Xi) _ ~, , z 1,.ke->..
..:::.i
- k- - .
1
l=O
Teniendo en cuenta que para k = O el primer t(r mino de la

suma es igual a cero, obtenemos:
M (XII)= ;
L.J
k2
')}e .. ,.
kl
ll=I
= ;
= '), ;
k k),lie- "
..:::.i
11 - 1
>..h- le-1,
{k- 1)1
h I
"
=~
..::::.i
/i(k-lil
}1-l e- )..
[(k- 1)+ 1]
(k- 1!
h=l
Poniendo k -
1 = m, obtenemos
Tomando en consideracin que
tendremos
M (X 2}
= 11. ("- + 1) = "-2 I 1.
(**)
Poniendo la (**) en la (*):

D (X)
= ("-2
+ A) -
"- 2
'A
De este modo, la dispersin de la distribucin de Poisson

es igual al parmetro A.
111
4. Momentos tericos
Se llama momento rn ictul di' orden k de la magnitud aleatoria X
la esperanza malma tica de la magn itud X'':
M (Xll).
En parlkul.ir , d rno1111.-11to inicial de primer orden es igual a !a
esperanza matcrn~tu:a

M (X).
La esperanza matemtica de la magnitud aleatoria (X - M (X)Jk
-v,. "'
"1 =
se llama mommlo cenlr<1l de ordM k de una niagmtud ale,_atoria X:

k =- M (X - M (X )l li.
En particular, cl nir.imeulv crntral de primer orden es igual a erro:
1 .a.a. M lX - M (X)J = O;
el momento central de ::;egundo orden es gual a la disper.l>in:
t2 = .1\rl IX -
M (X)J:.: ~ D (X ) .
Los momentos centrales conviene calcularlos utilizando las fr

mulas que expresan los mo 111e11los centrales por los iniciales:
z= " ll-,r;
3= V3 -3v1v 2 +2vl;
4 = v, -4v3-V1 6v2vf-3vf.
228. La magnitud aleatoria discreta X est prefijada por

la ley de distribucin
X
p
I
J
0,4 0,6
Hallar los momentos iniciales de primer, segundo y tercer

rdenes,
s0Luc10N,
Hallamos el momento inicial de primer orden:
v1
=M
+ 3 0,6 = 2,2.
= 1 0,4
(X)
Escribimos la ley de distribucin de la magnitud X 2 :
xt
0,4 0,6.
Hallamos el momento inicial de segundo orden:

v't
M (X 2)
l 0,4
+ 9 0,6 = 5,8.
Escribimos la ley <le distribucin de la magnitud -X:1:

X3
p
112
l
0,4
..
27
0,6,
. l
Hallamos el momento inicial de tercer orden:

v3
A1 (X3 )
1 0,4
+ 27 0,6 =
16.6.
229. Una magnitud aleatoria discreta X e..sl expuesta

por la ley de distribucin:
X
0, 1 0,4
0,5.
Hallar los mo mentos iniciales <le primer, segundo y tercer

rdenes.
Respuesta v 1 = 3,9; v 2 = 16,5; v 3 = 74,L

230. La magnitud aleatoria discreta X est dada por la
ley de distribucin:
X
p
5
O, l
2
0,3
4
0,6.
Hallar los momentos centrales de pri mer, 5cgundo, tercer y

cuarto rdenes.
sowc10N.
El mom<'nto central
<l<.>
primer orden es igual
a cero:
l
o.
Para calcular los momentos ccnlrale~ conv1cne utilizar la5

frmulas que ex presan los momentos cen trales mediante los
iniciales, por lo cual hallaremos prev iamente los momentos
iniciales:
= M (X) = l 0,l +2 0,3 +40,6 := 3,1;

= M (X 2) = l ,l + 4 ,3 -1- 16 0,6 10,9;
v 8 = M (X:1) = 1 , l + 8 0,3 -1- 64 ll,6 = 40,9;
4
V4 = M (X ) = l 0, 1 + 16 ,3 + 256 0,6 = 158,5.
V1
V:1,
77.
Hallamos los momentos centrales:
2= 'Vi - vt = l0,9 - 3,l2 = 1,29;

a= V3-3V1V2+ 2vt= 40,!:l-3-3.1 10, I
z.3, 13 .... -0,888;
~ = v, - 4v3v1 + 6v:i.v! - 3v~ =
= 158 ,5-4 -40,9,3,1 + G-10,93,1 2 - 3 ,3,1 4 =2,7777.

l lJ
231. La magnrt.ud aleatoria discreta X est dada por la

ley de d islri buc1 0n:
X
p
3
0,2
,)
0,8.
Hallar los 111o mentos centrales de pri mer, segundo, tercer y

cuarto rdeue!,.
onsERvAc1c,N . Hllese prev iamenic los momen tos inic iales y exprse;;,e medi ante ellos los momentos centrales.
Respuesta tt1 ,= O; 11-z = 0,64; ii- 3 - -0,12; 4 = l,33.
232. Dernm,trar que el mo mento centra l de segundo orden
(la dispe.rsin> ~t 2 = ;'\,1 lX - 1\,1 (X)P es menor que el momento ordinario de segundo orden 1i2. = A'l {X - C] 2 para
cualquier C +,'l-1 (X) ..
son1c1o!'o.:. Para s1mplifcar la notac16n introducimos la
designacin M (X) = m. Sumarnos y reslarnos m bajo el
signo de esperarJL:a matemiica:
; """ /'\tf [X - CJ2 ....:... /\.'l l(X- m} + (m -
C)J~ =
... ,Yl [(X - m)) 2 +2 (m - C) (X-m)+(m - CJ 2 j.
La esperanza matemtica de la suma es igual a la suma de

las esperanzas rualemlicas de los sumandos, por eso
1; ,= .i1 fX- mF 1 :'VI [2 (m - C} (X-m)l +Af [(m - C,2] .
Sacando la magnitud constante 2 (m -- C) fuera del signo
de esperanz.a n1alemtka y tenien<lo en cuenta que la esperanza matemtica tle la constan le (m - C) 2 es igual a la propia
constante, y por definicin 1\.-1 lX - ml2 = ~l:, obtenemos
Jt; = J2
2 vn - C)A1 l(X-m)J+ (m-C)2.
Considerando que la esperanza matemtica de la desviacin

X - mes igual a cero, tendre mos
;= -a+ (m-C)2-.
De donde
2 = ~tz-(m - C?.
De esta gual<la<l ded ucimos que el momento central de
segundo orden pa ra cualquier C *mes menor que el momento
ordinario de ::,egundo orden.
l 14
233 . Demostrnr qu0 el momen to ccntrnJ de tercer orden

est vliculado con lo!'o mome11to~ lllJC ta k~ pur la igual<lad
:1 \'1 -3V1\\1
:-2v;i.
soLucioN Por def incin del mo1nento ('('ll lrnl

JJ :1 =-...: .i\-1 [X -
,l1 iX) Jl.
Ulilizando las prop iedades ele la e~pera1w1 matemtica )

teniendo <:'n cuenfo que M (X) e~ uua magn il ud constante,
obtenemos
3 = .M [X-l -
3X: A1 ( X} -1 3X M 2 (X) - Af1 {X)] =

= M (X') - 3i\.1 (X) ,M (X2) + 3,IW (XJ .w (X) - M [M 3 (X) ) = Af IX')- 3M (X) iH (A?) +3A1 3 (X)- M (X) = A1 (K1) - 3A1(X) ,t1 (X~) + 2AP (X).
(*
Por
definicin del momc:nlo iu ic n l

2
2
V = M (X ), "'~ = M (X ) , V3 ... Af (X ).
(**1
Sustituyendo (**) en (*), finiJmente obtenemos

f.J-3 -
234 . Demostrar que
V;-3V 1Vl!.
+ 2~.
el momento centrd l d0 cuarto orden
est vinculado con los momentos irnd<1lc.s por la ~ualdad

ft;, .. .. v~- 4-v3v 1 i 6v~v2 3vi.
235. Supongamos que X = X 1 .. - X 2 , donde X 1 y X 2
son
magnitudes aleatonas indcpcndicr1 les, con n,omcntos
centrales de tercer orden respecti va mct il( igualc.s a 1 11 y .t~.

D emostrar que 1.1.a = ii~ - !,. ; , donde ,i il e:::-, el rnornento centrn l
de tercer ordrn de la magnit ud X .
so1.uc10N Para simplifica r la 11olac1n mlroduci mos las
designaciones de las esperanzas rrn:ite mticas:
A1 (Xi) = a1, /1,1 (X :J = a 2
En tal caso,
M (X) = M (X 1 + X 2) = M (X1 )
A1 {X..J ' 01 + a2
mo mento centra l de tercer orden

3 = M [X - A1 (X) P = Ai [(X1 + X ~i - (a1 + a 2)13=-= M l(X1 - a1) + (X 11 - a2) P.
Por definicin del
8*
J 5
Utilizando ias propiedades de la esperanza matematica

(la esperanza matemtica de la suma es igual a la su ma de las
esperanzas matemticas de los su mandos; la esperanza ma temtica del producto de magnitudes independientes es igual al
producto ele las esperanzas matemticas de los factores),
obtenemos
:, = M [Xt - a1 ] -1- 3 (X1 - a1) 2 (X2 - a 2) +
+ 3 (X1 - V.1) (X~ - a2)2 + (X2 - a 2)3) =
= .M fX1 - a.1 l ... M (3 (X1 - a1) 2 J M l(X 2 - a2)1 +
+ M l3 (X2 -a2)2lM [X1 -a1 l +M [X 2 - a213
Tomando en consideracin que la esperanza matemtica de
la de.sv acin (di ferencia entre una magnitud aleatoria y su
esperanza matemtica) es igual a cero, es decir, M [X1 - a1] =
= O y M lX 2 - a 2 J = O, finalmente obtenemos
3
fl:1 JflX,-a1f1+.MlX2-a 2 } -~tt! + it;.
CAPITULO QUINTO
Ley de los grandes

nmeros
1. Desigualdad de Chbishev
l)ESIGUALDAD oec H'BISHEV. La probabilidad J,: que la <lesviaci,',n
de la magnitud aleatoria X respecto de su espera11r.a matemtica r.~
menor en valor absoluto que un n mero posi tiv,:, f"., no menor <JU<'
_ D(X) :
e.i
p (1X - M (X) 1< e) > l - De(2X).
236. Utilizando la desigualdad de Chbishev, estmese la

probab ilidad de que la magn itud aleatoria X se desva de .-,u
esperanza matemtica menos que tres desvi aciones cuadrticas medias.
cri
8
Respuesta P (1 X - M (X) 1< 3o) :;?-: 1- 9<Jll = 9
237. Demostrar la desigualdad de Chbishev de la forma

D (Xl
P (1 X -M (X) J~ e) ~--;: .
ossERVAc10N. Aprovechse de que los sucesos I X - M (X) \ < e y I X - M (X) 1 ~ e son opuestos.
238. Utilizando la desigualdacl de Chbishev de la forma

indicada en el problema 237, estimar la probabilidad de que
la magnitud aleatoria X se desve de su esperanza matemtica
no menos de dos desviaciones cuadrticas medias.
Respuesta P (1 X - M (X) 1~ 2cr) -<
(12
4cr2
=4
239. Util iza ndo la desigualdad de Chbishev, e.~timar la

probab ilidad de que I X - M (X) 1 < 0,2, si D (X) = 0,004.
0,004
Respuesta P (1 X -M (X) 1< 0,2)~ 1- 0 04 = 0,9

1) 7
240. Se Cl an
P (1X -
A1 (X) 1< e.) ~ 0,9
D (X}
= 0,009.
Uti lizando la desigua ld~d de Chbishe\', hallar e..

Respuesta t . o:.. 0,3
241. Un di.-=.poc;iiv o f:st co mpuesto de 10 elementos que
trabajan in<lC'pt~nd ientemenie. La proba bit ida<l de fallo de
cada elemento en el tiempo T es igua l a 0,05. Util izando la
desigualdad de Chbishev estimar la prohabilidad de que la
magnitud alY,olu la d0 la di ferenciil entre el nmero de elementos que falla n y el promedio (esperanza matemtica) de
fallos en el tiC'rnpo T resulte: a) menos de dos, b) no menos
de dos.
soLucro;-.. a) designemos por X la magmtud aleatoria discreta, o sea, el nmero de ele mentos qur fal lan en el tempo T.
En tal e.aso,
Jl.f (X) -- ,,p . . , 10 ,0,05 = 0,5;
D (X) .,,.,. 11/U/ = 10 0,05 0,95 .,,,. 0,475.
Utilizamos la desiguaklad de Chbi~hev

P (IX - M (X) 1 < 1::) ;~.! 1- D1-:'.f1
Poniendo aqu i M (X)
nernos
0,5, D (X)
P(IX-0,5 1< 2)~ l -
= 0,475, e =
2, obte-
t = 0.88.
5
b) Puesto que los sucesos 1 X - 0,5 1< 2 y I X - 0,5 1 ~

:;;::: 2 son opuestos, la suma de las probabildades es igua l a la
un iclad '.. Por lo tanto,
P (1 X - 0,5 I > 2) ~ 1- 0,88 = 0, 12.J
242. En una red de iluminacin se conC'ctan en paralelo
20 lmparas. La probab tliJa <l de que en el tie mpo T la lmpara
se conecte E.>$ igual a 0,8. Utilizando la desigua ldad de Chbishev esti mar la probaL il tlad de que la magnitud absoluta de
la diferencia entre el n mero de lmparas conectadas y el
promedio (esperanza matelfl tica) de lmparas conectadas en
el tiempo r resultew a) menos <le tres, b) no menos de tres.
Respuesta a) P ( 1 X - 16 1 < 3) ;~ 0,36;
u) P <IX - 16 l ~3) ~ o,64,
118
243. La probabil idad de aparic in de un suceso A en

cada prueba es igual a {. Utili1..ando la desigualdad de ChlJ ishev, hay que estimar la probabilidad <k que el nmero X de
apariciones del st1ceA
c;o A se encuentre entre los I miles de.sdc
40 hasta 60, ~ se realizan 100 pruebas rndcpendicntes.
SOLcc,oN. Halla mos la esperanza matemtica y la dispersin de la magnitud aleatoria discreta X, o sea, del nmero
de apar iciones del suceso A en 100 pruebas independientes:
.M (X) ,-, np= 100 ~ = 50;

D (X) -=- npq=
100 21 -2l
::c-:
25.
la
difermc.ia mxima entre el n me.ro de apariHallamos

ciones fijado y la esperanza matem~tica M ( X) = 50:
e
= 60 -
50
= 10.
Utili1..amos la desigualdad de Chbishev de la forma

D (X )
P(IX-M (X) I< 8) ;>- 1- e r
Poniendo aqu 1\.1 (X)
50, D (X)
25, e = 10, obtenemos

2
;r- -:- 0.75.
1
P(IX-50J<l0) ~ I -
+.
244. La probabilidad de aparicin de un suceso en cada ex-
perimento es igua l a
Utilizando la de.c;ig11aldad de Chb ishev, hay que esti mar la probab il idad de que el nmero X
de apariciones del ~uceso est comprendido entre los 1 mi tes
desde 150 hasta 250. s i se realizan 800 pruebas.
-;?- . ..0.94 .
Respu~sfa P (1 X - 200 1< 50) ;~:~ 1
245. Una magnitud aleatoria discreta X est expuesta por

la ley de distribucin:
X
0,3 0.(,
0,2
O,R
Utilizando la desigualdad de Chbishev hay que estimar la

probabilidad de que I X - M (X) 1< 0,2.
JJ9
.sowcroN. Hallamos la esperanza matemtica y la dispersin de la magnitud X:

Af (X) = 0,3 0,2 0,6 0,8 = 0,54;
D (X) = M (X 2) - [l\.-1 (X))2 =
= (0,32 0,2 + 0,6 2 0,8)- 0,542 = 0,0144.
Utilizamos la desigualdad de Chbisbev de la forma

P (I X-M (X) I< t)~~
1-~;).
Sustituyendo aqu M (X) == 0,54, D (X) = 0,0144, e =

final mente obtenernos
0
P (IX - 0,541 < 0,2) ~ 1- 0 = 0,64.
= 0,2,
~~!4
246. Una magnitud aleatoria discreta se da por la ley de

d istribucn:
X
p
0,1 0.4 0,6

0,2 0,3 0,5.
Utilizando la desigualdad de Chbishev, hay que estimar la

probabilidad de que IX - M (X) 1< V0,4.
Respuesta P (1 X --0,44 I < )/ 0,4) ~ l -
i.!
64
= 0,909
2. Teorema de Chbishev
TEOREMA DE cnes1SHEV. Si la sucesin de las magnitudes aleatorias
independientes de dos en dos X 1 , Xz, ... , Xn, ... tiene esperanzas
matemticas finita, y las dispersiones <le estas magnt udes uniformemente lim itada~ (no !ICn mayores que un nmero constante C), la
media aritmtica de las magnitudes aleatorias converge en probabilidad
a la media ari tmttca d~ sus esperanzas matemticas, es decir, si s
e~ un nmero pos1t.1vo cualquiera, tendremos que
lim
.,,, 00
P(I..n!. LJ"'1 X -..!.. LJ

"'1 M (X )1 <e)=!.
1
TI
i= 1
.-, \
E11 parUcular, la mt-d1a artmtica de la sucesin de las magnit udes

independientes de dr,~ en dos, cuyas dispersiones estn uniformemente
limi tadas y Qlle tienen la misma esperanza matemtica a, converge
en probablidad a la esperanza matemtica a, es decir, si e es un nmero positivo cualquiera, entonces
n
!~~.P (I ~ e.x,-al<e)=l.
120
247. La sucesin de magnitudes aleatorias independientes

X1 , X 2, , Xn, est prefijada por Ja ley de distribucin:
Xn
- na.
1
2ni
_ _ 1_
n,:i
1
n2
2,111
Es aplicable eJ teorema de Chbishev a la sucesin dada?

s0Luc10N. Para que el teorema de Chb ishev sea aplicable
a Ia sucesin de magnitudes aleatorias es suficiente que estas
magnitudes sean independientes de dos en dos, tengan esperanzas matemticas finitas y dispersiones uniformemente limi
tadas.
Puesto que las magn itudes aleatorias son independientes,
tanto ms son independientes de dos en dos, es decir, se cumple
el primer requisito del teorema de Chbishev.
Verifiquemos si se sat isface el requisito de que las esperanzas matemticas son finitas:
M (X n) = -na, 2~2
+O, ( J -
;,2
+na 2~a = O.
Como se aprecia cada magnitud aleatoria tiene una esperanza

matemtica finita (igual a cero) , es decir, se cumple el segundo
requisito del teorema.
Comprobemos si se satisface el requisito de que las dispersiones estn uniformemente 1imitadas.
Escribimos la ley de distribucin de X~:
X~
n2a.2
2i
n2a2
2iif' ,
1- 7
o bien, sumando las probabilidades de iguales valores posibles,

obtenemos
1
l -n2
-
Hallamos la esperanza matemtica Af (X~):

M (X~1)
= n2a 2 ~2
= a.2 .
Hallamos la dispersin D (Xn), teniendo en cuenta que

M (Xn) = O:
D(Xn) =M (X!)-IM (Xn)) 11 =a2
Por consiguie11te, las dispersiones de las magnitudes aleatorias dadas est n uni fo rme mente li mitadas por el nmero a.2,
e-s ck:cir, <;C cum ple el tercer requi5ilo.
De este mod o, dado que se sa tisfac1?11 todo.<. \os; requ isitos,
el teorerna de Cbd1 1,.hC'v es aplica ble a la <;ucesin exam inada
de magni tudc" a k a tor ias.
248. La sucesin de magn itudes ak al.oriaE- iridepend ien tes
X,, X 2 ,
. . .,
X11 ,
est pref jada por la ley de distrib ucin:

-a
(1
/\ '!
11+
r,.
211+1
211 ! 1
Se podr ap licar el teorema <le Chbi~hev a e.sta !sucesin?

Respuesta. E.<. oplkabk Las espernm.:is ma temtica.s de
X ... wn finitas e iguDles a - 2/ ~
las dispersiones est;1n uniforme mente li m1tadas por el.
nmero a2
249. Una .sucesin de magnitu(ks aleatoria5 indepe11<!ienks
X1 , X 2 , . . , X11 , est. expuesta por la ley de d istribucin:
r;
- ....
1- 1
:.1111 1
,,
f)
--
2n+I
a) Comprobar que el r('quisito del l'eorema de Chbishev de

que las dispersiones estn uniformemente lim itadas no se
cumple; b) .se puede deducir de aqu qu(' el teorema de Chbshev no es aplicable a la sucesin examinada?
Respuesta. a) Al crecer n las dspC'rsiones D (X =

= ')_n'I '. .'lr~1- 1 "' cree.en il im itada mente; b) no es
posible, ya que el requisito de que las (li~persioncs esth1 uni fo r memen te lin1itadas s6lo es suficien te. pero no necesario.
11
ft ,
250 *. Una M1C:e"-i11 de magnitudes aleatorias independientes Xi, X 2 , . . , X ,, , .. . cc;t dada por la ley d d istr ibucin:
.\"11
I'
~se puede
Chbishev?
)4~
- na
n~,;.
O
j .
, _1_
2 11.-1
2n
apl icar a la suces in pre fijada el leore rrni d~
soiucroN. Puesto que las rnagnitude<. aleatorias X 11 son

independientes, son ta mb in imkpendienk~ de dos en do~. C!.<
decir, se cu mple el primer requi!;.ilo del leort, ma de Cbbshev.
Fcilrnent0 se halla que M (X,.) = O, E~ decir, se cumpk
la condicin de que las esperanzas malernitic,1" sean finitas .
Queda por verificar d cumplimiento de IDcondic in de que
las dispersiones estn uniformemente J1rmiada.~. Utilizando
la frmula
D (X11) = ,'\,1 (X~) .. - ,lf 1.X 11 J l'l.

y, teniendo en cuenta que, M (Xn) =-= O, hallamos (dejamos al
lector los clculos)
Suponemos por ahora que n vara c(mt inua mente (para

recalcar esta ad misin, designamos n por x) y ana lizamos la
funcin
.
cp {X) =-
X~
<>x-1
..
en el lmite.
Igualando a cero la primera derivada de: c"ta funcin, hallamos los puntos crt icos
X1
= y
X2
In:.:!
Despreciamos el primer pun to por no ser de inters (n no

toma un valor igual a cero); se apred a fe1lmente que rn el
punto x2 = 11~, la funcin qi (x.) t iene u.n 11Jxi mo. Tomando
en consideracin que
~ !::::: 2,9 y
11 2
que n es un nmero posf.ivo
entero, calcula.mos la dispersin D (X) = 2'.'.:.1 a 2 para los

nmeros enteros prximos al ninero 2,9 (de izquierda y de
derecha), es c.lecir, para n = 2 y n = 3.
Cuando n = 2 la dispersin D (X) = 2ry,2 ; paran = 3 la
dispersin D (Xa) = a 2
Evidentemente,
Por consiguiente, la dispersin mxima posible es igual a

~ a 2 , es <lec.ir, las dispersiones de las magnitudes aleatorias
X,. estn uniformemente li mitadas por el nmero
! a'.
As pues, todos los requisitos del teornma de Chbishev

se cumplen; por lo tanto, el teorema es aplicable a la sucesin
examinada.
251. La sucesin de las magni tudes aleatorias independientes X 1 , X 1 , . , Xn, . .. est dada por la ley de distribucin:
Xn
- v'3
1
O
l
V3
1
,Se puede aplicar el teorema de Chbishev a esta sucesin?

Respuesta. Es aplica ble: M (Xn) = O; D (X11) = 2.
NOTA. Puesto que las magnitudes aleatorias X tienen igual
distribucin y son independientes, el lector que conoce el teorema de J inchin, puede limitarse a calcular solamente la esperanza matemtica y cerciorarse de que sta sea finita.
CAPITULO SEX TO
Funciones de distribucin
de las probabilidades
de magnitudes aleatorias
l. Funcin integral de distribucin
de las probabilidades de una magnitud
aleatoria
Se llama funcin integral dedistri/Jur.in la fu ncln F (x) que determ ina para cada valor de x la probabilidad de que la magnitud alea tori a X tome un valor m enor que x, es dec ir,
F (X)
P (X
< .x}
Frecucnlcmc-ntc en l ugar del trmlno <f uncin integral se utiliza

e l t rmino funcin de d istribucin.
La funcin ntegra! tiene las siguientes propiedades:
PROPIEDAD 1. Los val ores de la fu ncin
a un segmento [O; I] :
mtegral correspon den
PROPIEDAD 2. La func in integral es una f uncin 110 decreciente ,
es decir
F (x 2 )
;;;;,
F (x1), si x 2
> x1
COROLARIO . La probabilidad de qu" una magnitud alea toria X

tome un valor acotado en el intervalo (a, b), e<; igual al 1ncremento
de la funcin integral en este intervalo;
P (a
<
<
b)
F (b) -
f' (a).
COROLARIO 2. La prob abilidad de q ue un a maguitud alea tori a

cont in ua X tome un valor determinado, por ejemplo, x 1, es igua l
a cero: P (X = x1 ) = O.
P ROPJEDAD 3. Si todos los valores posi bles de una magnitud alea to ria X corresponden a l intervalo (a, b), entonces
F (x)
O cuando x ~ a;
COROLARIO.
F (x)
1 cuan do x ~ .
Son vli das las siguientes currdaci<Jnes I imit es
lm F(x)=O;
;s;-.-oo
lm F (x) = l.
X-1-00
125
252. Una magn itud aleatoria X e~.t dada por la funcin

integral
para
x -<,: -1 ,
I
l ~x l- ~ para - l < x .,, ; ,

;
<
}-
(X)
as \
x> 3l
para
Hallar la proba uilida<l de que como resu ltado de las pruebas la magm iu<l X to me un valor acotado en el interva lo
(o.{).
sowc10N La proba b1l!dad de que X to me un va lor comprend ido en el mtervJo (a, b), es igual al incremen to de la
funcin integral en este intervalo:
P {a < X< b} = F () - F (a) .

Poniendo a =
P
(J,
= ~ . obtene mos
(O< X < ~ ) ---" F ( ;~ ) -
F (O) =
;3 ]
~" r1x+4
1-
X= ;
Tax+-:-3]
..
x=O
=-:r1
253. La magmlud cJleatoria X en todo el ej e Ox est prefijada por la f unc1n integra l

1
1r .(.X ).,,.. ...,....
- l aret g x.
. .
1t
Hallar la probabilidad de que co mo resultado de los experiment os la magrntud X tome un valor acotado en el inter valo
(O; 1).
Resputsta P (< X< 1)
=+,
254. La magnit ud aleatoria X se exp resa por medio de la

funcin integral
,
. (xJ =
126
para
+-;i- arcscn 2 para -2<x~2,
x-~~~
-2,
para
x>2.
Ha llar la probabil idad de que co rno resultado de las pruebas

X torne un valor acolado en d iukrv dlo (--1; l).
Respuc::.iu.
P ( - 1< X
<
1) "--
~.
255. La funci n m tegra! de la magnitlJ<l aleatoria continua

X, es decir, el tiempo de trabajo sin fallos de cierto dispositivo es igual a
~\.
F(x) :- 1-e-T ('x ,::;:~ ).
Hallar la probabi lidad de trabajo si n fallos del dispositivo en

el tiempo x -~ 1'.
Respuesta P tX ,;;i T) __,, 1- P (X< T) =
~..,. 1-P '\ <X < T .) '""~~.
e
256. La magrntud aleatoria X est 1.L:1da por la func in ntegra!

O
para
x -,:: 2,
F (x) - , 0,5x - 1 para 2< x~4,
{
l
para
x>4.
Hallar la probabil idad de que co mo resultado <le las pruebas
X tome un valor: a) menor que 0/.!; b) menor que tres; e) no
menor que tres; d) no menor que cinco.
que para x ~;; 2 la funcin F (x) = O,
(0,2} = O, es <lec ir, P (X< 0,2) = O;
b ) P (X< 3 ) ="F (:3) "--'- [0,5x- l J.~.~.;; = 1,5-1 = 0,5;
e) los sucesos X .?; 3 y X< ;1 son opuestos, por eso
P (X ~ 3) + P (X < 3) =- J.
s0Luc10N a) Ya
tendremos que
De aqu, teniendo en cuenta que P (X < 3) ,_ 0,5 (vase b),

obtenemos
F (X ~ 3) -= l - 0,5 = 0,5:
d) como la suma de las probab ida des ele sucesos opuestos

es iguaJ a la unidad, entonces
P (X ~ 5)
+ P (X <
5)
1.
De aqu, utilizando la condicin de que para .x > 4 la funcin

F (x} = 1, obtenemos
P (X ~ 5)
= 1 - P (X < 5) = 1 - F t.5) = 1- l = O.
127
257. La magntu<l aleatoria X est expuesta por la funcin

integral
X~ ,
0 para
2
F (x) = x para O < x ~ 1,
{
1 para
x > l.
Hallar la probabilidad de que como resultado de cuatro pruebas
independientes la magnitud X toma exactamente tres veces un
valor correspondiente al intervalo (0,25; 0,75).
R.espuesta p = P (0,25 <X< 0,75) = 0,5;
P, t3) =C;J3q = 0,25.
258. La magnitud aleatoria X est dada en todo el eje Ox
por la funci n integral
. .
!
1
t X
.' (X)
-'- :r+narc gT .
Hallar el valor posible de x, que satisfaga la condicin: con

probabilidad {- la magnitud aleatoria X como resultado de
las pruebas tome un valor mayor que x1
60Luc,oN. Puesto que los sucesos X ~ x1 y X
opuestos, tendremo!; que
p (X ,s;, X1)
p (X > X1 ) = J.
>
x1 son
Por lo lanlo,
P (X ..:; x 1)
= l - P (X >x1) = 1- 4l = 43
Ya que P (X x1 ) -:- 0, entonces P (X ~:;;;; x1)

+ p (X < X1) = p (X < -'1) = 43 .
Por definicin de la funcin integral
P (X< x 1)
l
\'.
= F (X1) = 21 + -;-arctg
; .
Por consiguiente,
o bien
.irctu
..:'.!_ = ~
0
2
4
128
= P (X= x1 ) +
De dond<:>
z . _J, O
1.
)JC ll
Xt
,\. -- 2
..
259. La magnitud aleatoria X e.stii dada en todo el 1.~je Ox

por la funcin integral
L'( '
, X) =
J _J
i'
J
lg 1, .
narc
2
Hallar el valor posiule de x1 , q ue satisfaga la c:ondkin: con

probabilidad ~ la magn itud aleatoria X como resultado de
las pruebas toma un valor mayor que x1
Respuesta x1
= 2]13.
260. Una magnitud aleatoria d iscreta X se prefija por la

ley de distrib ucin:
X
0,5 0,2 0,3.
Hallar la fun cin integral F (x) y trn zar su curva.

so1,uc10N. 1. Si x ~ 2, tendremos que F (x) = O. En
efecto, la magnitud X no toma valores menores que el nmero 2. Por lo tanto, para x :::;;;, 2 la funcin F (x) = P (X < x) = O.
2. Si 2 < x ~ 4, f (x) =0,5. En efecto, X puede to mar
el valor 2 con la probabilidad 0,5.
3. Si 4 < x ~ 7, entonces F (x) = 0,7. Efectivamente, X
puede tornar el valor 2 con la probab ilidad 0,5 y el valor 4
con la probabil idad 0,2; por lo tanto, uno de es tos valor~.
indistintamente cul de ellos, X puede tornarlo (por el teorema
de la adicin de probabilidades de sucesos mutua mente excluyentes) con la probabilidad 0,5 + 0,2 = 0,7.
4. Si x > 7, F (x) = l. En efecto, el suceso X ~ 7 es
cierto y su probab ilidad es igual a la unidad.
De este modo, la funcin integral buscada tiene la forma:
o
F (x)
x <; 2,
para
0,5 para 2 < x ::; ~
0,7 para 4
I para
<
x .,,::,. ,
x.>7.
La grfica de esta fu ncin se da en la fig . G.

9-0510
129
Mi. Una magrdtud aleatoria <l lscreta est dada por l ley
tlc distribucin
X
;
(1,2
O, I
0,4
10
0 ,:1.
Hall ar la funcin integral y constru ir su grfica.

Fr.r.i
f
- - -------
0.7--1 - ,
Wi TI
1 1
1
1 1 _ _.__ _ _ __
_,.__
r7
:r
fi
F1g. G
Resp uesta
(O para
10,2 para 3 <
F (x) = ~ 0,3 para 4 <
10,7 para 7 <
ll
para
x ~ 3,
x~
x ~
x~
x>
4,
7,
10,
10.
2. fu ncin diferencial de distribucin

de las probabilidades de una magnitud
aleatoria continua
s~ ll ama fu nt ion difuencal de distribucin de las probc1bflidades

la primera denva<la de la funcin in tc>gral:
f
(x)
F' (X).
F n :cuen t e me11li: r. n lugar del trmino funcin diferencial se

ulil iza el trm 1110 ~de11:,1da<l de probabili dad.
La prob:1 bili dad de que la magni tud aleatoria continua X to me
un valor acotado en el rntcrvalo (a, b}, se determina por la igualdad
b
P (a < X < b) =
Jf (x) dx .
(1
L30
onocien,Jo la unci(m <lif<'r<'ncia, ~e puc,k lrnilar la f11 nn i,11

integrnl por la fr mu la
X
F (x) =
J/' (x) dx.

-oo
P R0PIE:DADl3S DE LA FUNCiN OJFER.ENCIAL-:
P ROPIEDAD 1.
La funcin dife rencial no es 11cgflt iva , es decir,
P l!OPIEDAD 2.
La integral impropia de la fu 11c1011 diftrC' ncial

oo ha.s ta oo es igual a la ur111la<l:
(x) ~ O.
los lmites desde -
e 11
""
) f (x) dx= l.
-oo
E n pa rticular, s i todos los valores pus, bles de una magnit ud aleatoria corresponden al intervalo (a, b), entonces
b
J/ (x) dx .= 1.
(1
262. Dada la funcin integral de una magnitud aleatoria

continua X:
f O para
F (x)
= J sen x para
n;
para
x>T
Hallar la funcin diferencial f (x).

sowc10N. La funcin diferencial es igual a la derivada
primera de la funcin integral:
pa ra
X-~ 0,
para 0< x~ 11: ,

2
n
pa ra
x>2
Cabe hacer notar que para x = O no ex iste la derivada
F' (x).
131
263. Dada la fu nckin integral de una magnitud aleatoria

continua X:
O para
x .,; . O,
~- :n;
F (x) -,
sen 2x para O< x ,;,. 4 ,
{
l
para
x> 4n .
Hallar la funcn diferencia l
f (x).
Respuesta f (x) = 2 cos 2x en el intervalo ( O; : ) ; fuera

de este interva lo f (x) = O.
264. La magnitud aleatoria continua X est expuesta por
la funcin diferencial f (x) =

sen 3x en el intervalo ( O; ; ) ;
fuera de este intervalo f (x) = O. Hallar la proba bilidad de que
X tome un valor acotado en el intervalo (
i ; : ).
sowc1 0'.\!,
Uil lizamos la frmula

1,
P (a<X<b)=
Jf( x)dx.
a
;,:
:n:
Por los datos: a = 6 , b = 4 , f (x) = 2 sen 3x. Por lo tanto, la probabil idad buscada es igual a
.n:
p(:
< X < ; )= ~
j sen 3x dx =
v-/ .
1t
T
Sugerimos al le.dor realizar los clculos omitidos.
265. Una magnitud aleatoria continua X est dada por la

funcin diferencial
cu-a.x(a > O) en el intervalo (O; oo);

fuera de este intervalo f (x) = O.
f (x) =
Hallar la probabilidad de que X tome un valor acotado en el

intervalo ( 1; 2).
e- 1
Respuesta P (l <X < 2 ) = ~

e
132
266 . La funci tSn diforenc.ia l de la mag:nilud aleatoria con

t inua X en el in tervalo (- ~ ; ; ) es igual a f (x) "'" ; cos2 x:
fuera de este intervalo f (x) = O. Halla r la probabilidad de
que en tres pruebas independiente~ X tome exactamente do5
veces un valor comprendido en el intervalo ( O: : ).
(O< x<: )~ \~ 2
Re.spuesta p= P
P3 i2) =~
e~ ( 3t + 2 )2.~.:t --- 2.
3
'
4n
4,i:
267. Dada la funcin diferencial de la magn itud aleatona

continua X:
X ,<; O,
O para
f (x) =
cos x para O<:, -~ ; .

{
para
Hallar la funci n integral F (x).

s0Luc10N.
Utilizamos la frmula
X
F(x)=
Jf(x)dx .
-co
Si x
O, tendremos que
f (x) = O; por lo tanto,

:X:
F (x) =
) Odx .::.. O.
-oo
SI.
O< x :<~ 2n ,
F (x) =
Si x
en tonces
0
- oo
JOdx l Jcosx d.x -
">CII X.
>; , tendremos
o
F(x) =
J" Odx +
1
x
cosxdx....
Odx~senx
!=
l.
De este modo, la fu ncin integra l buscada tiene la forma:

O para
x .,.,;;. O,
F(x) =
senx para O<x_-<

{
!,
x> 2
1 para
268. Dada la func in el iferencial de la magnitud aleatoria

continua
X:
O
para
x -~ O,
sen x para O<x --:;:. ;.
[ ixJ .:...
x> ~ .
para
Hallar Ja funcin integral F (x).

O
para
x ,,; O,
l - cosx pa ra O< x ._; _
RespU.f liW F ix) -
para
!,
x> 2
269. Dada la fu ncin diferencial de la magnitud aleatoria

continua X:
O para
f (x) =
x{
para
para
Hallar la funcin integral F (x).

O
Nespuesta
para
x~ I ,
-} (x2 -x) para 1 < x~2,
(x).
para
x> 2.
1
270. Dada la funcin diferencia l de la magn itud aleatoria
contnua X:
134
f (X} -_ ..., \ 3sen 3x
para
para
x~
para
<x ~ ~,
x>
Hallar la fu ncin integral f (x).
1
J
. .)
Respuest a F(_x. =
1-
para
3
:'t
,,. :rr.
cos .x para T, <.. t :<::~~-T ,
n
x >:f
para
271. La funcin diferencial de una magnit ud aleatoria con

ti nua X est prefijada en todo el eje Ox por la igualdad
f (.X) =
4C
ex -e-
Hallar el pa rii metro constante C.

soLuc,oN. La funcin diferenc ial f (x) tk'.be satisfacer la
condicin
00
~ f (x) dx
- I.
-00
Se necesita que esta cond icin se cump la para la fu ncin

dada:
- oo
De donde
C =--00---dx
4 ) - e\ .. .1.... x-.i
-<>O
Al pri ncipio hallamos la integral indefinida

r d X - \ e.Xdx - ' t r eX
J e" + e-x- J 1+e2~ . --are g . .
A continuacin calcula mos la integral im propi a
""
o
dx
---c.:=
ex +e-x
-oo
I'lll
a-oo
+ I'1m
ex +e-x
dx
,,
- oo
.. ,.ix .
e' -l c-'
~
= lm arctg ex 1 + l m arctg e"' ]

a ~ - oo
;=
b- oo
=-
lm (arctg l-arctgeJ +l m [ardger. -a rctgl]= ~ .

q~ -ep
b- 00
135
Por con:,igu ten L,
Pon iendo la 1.~*) en la (*) , finalmente obtene111os
-; ~ .
272. La fu11c1on d1ierencial de una magni tud aleatoria co11timw X se da c:11 todo el eje Ox por la igualdad
f (X)
.:..o
2C
l +xi
Hallar el parJ mdro co11~tanle C.
Respuesta C
273. La funci6n d 1ferenc-ial de la magn itud aleatoria continua X es igua l a f (x) = C sen 2x en el intervalo ( O, ; ) ;
fuera de este intervalo f (x) = O. Hallar e.l parmetro constante C.
Respuesta C = l.
274. La funcin tl1erencial de una magnitud aleatoria conttrna X est dada en el intervalo (O; 1) por la igualdad f (x) =
.,-= C arctg x ; fu ern de e~le interva lo f (x) = O. Hallar el
parmetro con~tante C.
;'( - lu 4
I?.espucsta e., . ---i'-
;L Caractersticas numricas de las magnitudes
aleatorias continuas
l.,z ,'Spl!r,wz,1 111,,1 ..111.it icu t!1 11t1a 11111g1iif1ul ,1f1;.1tori<1 co1tf i1111a X,
( u~-'> v.th,rn p11:,il,I,\ t1,rrt,11, 11c!111 :i to,1,, d ('JC Ox, ~, d(' lcnninfl por
1., igualu:111
""
:\.1 lX) .
:.:f (x) dx.
-oo::,
rto11<k f (.\'} e~
v l.'rgl'
u11 ;1
f1.111n,.,n d1f..:rt:11cial. Se supon, qu( la integral cun
(J l,sol 11t.Hmi 11
l1.
E 11 parti culiH, si l ucJ,-,~ lus va lore.!. oo.,~ ihlt-~ ro llu11:<:t ll a l i11kr-
valn {a , /1), 1:ntc,ncc~

b
M (X)=
Jxf (x) dx.

"
Toda~ la.s propiedades dt: la (!Sp<'atl za ma l.cm1i l1ca . l!X [) u c.sta~

an tes para las mag11 it 1.1dcs Jiscretas, snn rxl,, 11s1 bl1:~ tambin para ) 11.s
mgfli ludcs cc,nli o uas.
Si Y = q (X) e~ una fu nci11 dd ari:;unwn f) all'.',ltorio X , c uyos
valores pos ibk ~ corres ponden a t otlo el C-J l: Ox, tn1 tlren ws q ue
00
A1 [(r (X)l =
1p (x) f (x) dx .
E 11 ,ad iculllr, s 1,-,s v,don::s po~i bles l':J.ii 11 ai: ,,l,1 Jns
<'rl
el i ntcr
valo (a, b), se ten<l r~

b
J\.1[1p (X)]=
q, (x)f (x) dx.
Si la curva d~ dislrib ucill es sirne l.r ,e:a
r:01 1
re~ rcct,i a la ri:,cla
x = e, <.'ntonce~ :H (X) = c.
Se llao1a moda Mo (X) de una magnit ud aleatoria Nnlinua su
valor posible, al que c1.1rresponde el .mximo dc 111 funcin diferencial.
Se ll ama medi<7.11a Me.- (X) de una magni tud ;il<atorla contnua
su valor p()sbk di! t.erminado por la igu:ildad
P (X < ;1:1., (X) )= P (X > .H,. (K>).
La med iana se y uedr inil'rpret.ar geomtri(11 ment(' <:<.,rno lill punto,
cuya ordl'nada / (x) di v id,: por la rn if d la ~u pc:rficir li1111 f.ad a pur l.~
c ur vi de dis tr ih uci n.
l.. a displ!rsin. de ww magn itud alcalon a c .m/ 1111111 X , cuy us val_1rcs
po~ibks com~J>CJ nde11 1 to do.el eje Ox, .~e cl<'krr11 111,1 r or la ig11,1ldad
D (X )-=~
-
""
j (x-J1 (X) f
f( r)tl.t,
00
<i por la igual <latl cq ui valPnte
D(X) "-
j x f (x) dx-- f H (X il
2
-oo
En particulllr, .~, todo~ lus valor('s p11.~1 hh~ ,,.orrr",pon(kn al intervalo (o , b.l, U:1rdr,:11111~; gm'
1,
D (X) -=
J(x- M (X)) T(x_1 dx,

2
, ,
137
o b ien
r
lo
D (X) ~
x 2f (x) dx-(J\,1 (Xi]Z,
Todas las propi edades de la dispersin e xp uestas antes para las

rnagn iludes discret a<; 0,e har.eu exte nsivas tamb in para las m agnitudes
contin uas,
L,i des,.iacin c11ad1tica media de una magn itud aleatoria contiriua
se ddcrmin a <le igual modo que para la magnit ud d iscreta:
e1
(X) -:- 1/D (X) .
Si Y . <, (X ) e'\ la fu ncin tlcl a rg umen to ak alurio d(' X; asi

rrw,1110, lo~ valore.s p,:,si hle'\ perte necen a lodo el eje Ox, entonces
00
D Jq:,(X)J~
(cp(x)-M f<p(.x)J)2!(x)dx,
-00
o bien
00
l<l'!..\.11=
<>2 (x )f (x)dx-I.M
[<.,(x))j2.
-oo
En particular, si todos los valores posibles estn acotados en e l

intervalo (a , b}, tendremos
b
D fq:, (X))=
J(<p (x)-M [<p (x)]) f (x) dx,

2
o bien
I
l,
D [<p(x)J ..::
q. 2 (x}f(x) clx-fM[rp(x)l)Z.
El mo1,unto terico i1u dal de orde.ri h de 111u1 magnitud a leat oria

cortlit1.1ta X se dt'!Nmin a por la igual da d
00
-vk =
J xli.f (x) dx,
-oo
El momento ;eorfro central de orde11 k d1.? u11a magrtiud aleatori4

detrrrnina por la igualdad
(,mti11ua X se
"
1t1, = )
-oo
138
(x- M(X)),. f(x jd.~,
En partic.ular, s 1 lodos [(,s valore~ pos 1bl{':: perk1)(Ce11 al intervalo (a, b), tendremos que
lJ
v1; =
J:r,hf (x) dx;

ll
f,
1-
Es evidente que.
k = 2, ft 2 = D (X ).
s1
j (x -
..
M (X)i 11 f U ) ,h
1, cntonc,~s v 1
H (X) , i 1
.,=
O;
si
Los momentos .::cntralcs .se ex pn'san po:,r [,1:; 111,>m~1lto.5 i11iciale.s

media nte las frm ulas
~t 2= Vz
- V},
J ,,,, v3- 3v1v2 +2vi,

11~,- v4 -
4Vj'V3
+6vvz -
3vt.
275. Una magnitud aleatoria X se da por la funcn dife.

rencial f (x) = 2x en d intervalo (O; !) ; fuera de este interva lo
f (x) = O. Hallar la e'>peranza matem tica de la magntud X.
so1,uc10N.
Utilizamos la frmul:l
,
AJ (X)=
Jxf (x) dx.

a
Poniend0 a= O, b = l,
1
/\:1 (X) .,,,.., 2
f (x) = 2x, obtenemos

1
Jx x dx .,,.. 2 j x dx '"" ;
2
.t'-.
1 ...,.
(1
276. Una magn itud aleatoria X est datla por la funcin

d iferencial f (x) = x en el in terva lo (O; 2); fuera de este
intervalo f (x) = O. Hallar la esperanza matemtica de la
magn itud X.
Respuesta M (X) ~,.,.
!.
277. La magnitud aleatoria X se da por la funcin d1ieren-
f (x) = nv1 c21 - x2 en el intervalo (-e, e);' fuera de este

intervalo f (x) = O. Ha llar la esperanza matemtica de la
cal
magnitud X.
s01 uc10N .
Utillla111os la frmula
,,
/\.J (X)~,; ) xf (x) dx.

ll
Poniendo a "" ,,_ e, b _,., e,
f (:<) =
,_1_ _
nl'(:~- x~
obtenemos
1, - .
e
Aj
et
t,,-1.)-" - l
v
:'t
.X tlx
-e
V c2- ,, 2
Teniendo en cuenta que la funcin sub integral es impar y los
lm ites de integracin son simtricos con respecto al origen

de coordenadas. deducimos que la integra I es igual a cero.
Por lo tanto,
M (X)= O.
Este resultado se puede obtener in mediata mente si se toma
en consideracin que la curva de distr ibuciin es simtrica con
respecto a Ja recta x == O.
278. La magnitud aleatoria X est dada por la funcin
diferencial (distribucin de Laplace)
f(x)
=+e-1
x i.
Hallar la espernnza matemtica de la magnitud X.
Respuesta NI (X) =, O.
279. Una magnitud aleatoria X se da por la funcin diferencial f (x) =- e (x2 + 2x) en el intervalo (O; f); fuera de
este intervalo f ix} = O. Hallar: a) eJ parmetro e, b) la espe-rnnza matemtica de la magnitud X.
Respttr..'.la a) r -
! ; /1,f (X)=- :;

aleatoria X prefijada por la func in integral
F(x)=
14(1
para
-;-
para 0<x~ 4,
\;
1 para
x~;O,
x>4.
t-1,uc10 N
Ha llamo.e; la funcin d iferE>ncial ele X:

O para
x. ~,: ; t)
f (x)
F' (x)
para U< x~~:.:;4,
O para
x> ,1.
Hallamos la esperanza matemtica buscada
i\.'1 (X) ,_,,
Jo xf (x)dx-= oj x,{ dx= -~=-"!' = 2.
281. La magnitud aleatoria X, cuyos valores posibles no

son negativos, se: expresa por la funcin integral
F (x) = 1-e-a. lx 1(a> O).
Hallar la esperanza matemtica de la magnitud X.
Respuesta itf (X)=...!...

et
282. Una magnitud aleatoria X est dada por la funcin
sen x en el intervalo (O; n); fuera de
diferencial f (x)
=-}
este intervalo f (x) = O. Hallar la esperanza mate mtica de

la funcin Y = <p (X) = X 2 (sin hallar previamente la funcin diferencial de Y).
sowc10N. Utilizamos la frmula para el clculo de la
esperanza matemtica de la funcin cp (X) respecto del argumento aleatorio de X:
b
Af [<p (X)]=
<p (x)
f (x) dx,
donde a y b son los extremos del interva lo en ei que esh1n

acotados los va lores posibles de X.
Poniendo <p (x) = x2, f (x) = ~ sen x, a = O, b = n e
inlegrando por partes, finalmente obtenemos
.it
r z
;i:L.-1
2 J x sen ,t dx - --2 -
,r~1 (x2)= i
283. La magnitud aleatoria X est dada por ia iuncin diferencial f (x) = cos x en el intervalo ( O: ; ) : fuera de este
141
intervalo f (x) = O. Hallar ia esperanza ma temt ica de la

funcin Y :,= 1 {X) -- X 2 (sin hall ar previamente la funcin
diferencial de Y).
:rt
Respuesta Al (X } = ) x2 cos x dx = n
2
2
:;
8.
284. La magnitud aleatoria X est dada por la funcin

diferencial f (x) = x + 0,5 en el intervalo (O; l); fuera de
este ntervalo f (x) = O. Hallar la esperanza matemtica de
la funcin Y = X3 (sin hallar prev iamente la funcin diferencial de Y).
13
Respuesta ,rA,1 l X3 ) = 40
285. Una magnitud aleatoria X se da por la funcin dife

rencial f {x) = 2 cos 2x en el intervalo ( O; : ) ; fuera de este intervalo f (x) = O. Hallar: a) la moda , b) la mediana de X.
sowc10N. a) Es fcil cerciorarse de que
f (x) =
2 cos 2x
no tiene mxi mo, por eso X no tiene
en el in tervalo (o; : )
moda.
b) Hallamos la med iana Me (X) = me, partiendo de la
definicin de la mediana:
P {X < me) = P (X > me) ,
o bien, lo que es lo mismo
1
P {X < m,,) =-y
Teniendo en cuenta que por los datos los valores posibles de X

son positivos, escribimos esta igualdad as:
P (O <
o bien
X< me )= ~ ,
,,,~
2
Jcos 2x dx = sen 2me = ; .

o
De aqu,1 2me = arcsen 21 = 61t ,
Por lo tanto, la mediana buscada es igual a

n
m11 =12
142
286. Una magnitud aleatoria X est{J dada por ia fund,n

f (x) =
x2
x - 6 en el intervalo ('.?.; 4); fuera de
este intervalo f (x) = O. Hallar la moda, la esperanza matemtica y la mediana de la magnitud X.
sowc10N. Representemos la funcin difrencial as:
-1
-1}
f(X)= _1_(.x-3)2

-'- ~\ .
' 4
De aqu se aprecia que, para x = 3 la funcin diferencial

adquiere su valor mximo; por consiguiente, M 0 (X) = 3,
(Est claro que se poda haber hallaclo el mximo por los
mtodos del clculo dferencial.)
Como la curva de distribucin es si mtrica con respecto a
la recta x = 3, entonces A1 (X) = 3 y A1 ,1 (X) = 3.
287. La magnitud aleatoria X se da por la funcin diferencial
f(x) =
! x +6x- ~ en el intervalo (3; 5);

2
fuera de este intervalo f (x) = O. Hallar la moda, la esperanza

matemtic.a y la mediana X.
Respuesta Mo (X) = M (X) = Me (X) :.:, 4.
288. Una magnitud aleatoria X est dada por la funcin
diferencial
f (x)
-/
en el intervalo (- I; !);
n
J -x
fuera de este intervalo f (x) = O. Hallar: a) la moda, b) la

mediana de X.
Respuesta. a) X no tiene moda (la funcin diferencial no
tiene mximo); b) M 0 (X) = O (la curva <le
distribucin es simHrca con respecto a la
recta x = O).
289. La magnitud aleatoria X se prefija por la funcin
diferencial (distribucin de Weibull)
xn
f (x) = ;
0
xn-te - ~ para x~O;
Hallar la moda de X.
Respuesta M 0 (X)=
f (x) = O para
< O.
Jn .
1
(n- l)x0
143
290. Detno.~lrnr que la esperanza matemtica de una

magnitud aleator ia continua est tomprcndida entre sus
valores posibles minimo y mximo.
so1.t1UON. Supongamos que X es una magnitud aleatoria
continua dada por la funcin diferencial f (x) en el segmento
ta; bl: fuera de este segmento f (x) = O. En tal caso,
a~x~b.
Teniendo en cut nla que
af (x)
f (x);;;,: O, obtenemos
~ xf (x) ~ bf (x).
Integrando esta doble desigualdad entre los lmites desde a
hasta b:
b
Jf (x) dx ,:: j xf (x)dx-
.\1 (X) ~ ) [1-F (x)) dx- ) F (x) dx.

Q
-00
Ixf
00
oastRvAc10N M (X) =
(x} el>.; =
- ~
Jxf (x) dx + 1xf (x) dx.
Sustituyendo en el primer sumando f (x) por F' (x), y en el

segundo por -( l - F (x)]'.
292. Una magnitud aleatoria X e5t expuesta por la
funcin diferencial
f tx) '-
,1
:n: 1l ci-x2
fuera de este interva lo f (x)

144
en el intervalo ( - e; e);
.
O. Hallar la dispersin de X.
souJC10N.
Buscaremos la disper~in por la frmula

f
D (X) = ) [x -Af (X)J 2 f (1 i d t.

t
Poniendo aqu Ai (X) = O (la cur\a J e <li~i rtu ucin e:, si 111~;trica con res pecto a la recta x = O), a = --e:, -'- e, f (x) - .
1
,
, obtenemos
:Jt
l ' c= -xz
. t
2 \'
y: /l.
D (X I .:, - \ --...:.:...'...~ ... - -~ -.--it 1/cz -,~~
:c.(l v,~-- 1'~
- r,
Sustitu yC'nuo x .,.... e SC'n f, final men te obtenenws
=i-.
('~
D tX)
293 . La magnitud aleatoria X se da por l,1 funci n diferencial
f (x) ~ , 1
en el inter val o i - 3; 3);
n V !>- -x
fuera de este intervalo f (x) = O. a) Hallar la dispersin <le X.

b) Qu es ms probab le: en el resu ltado de la prueba re.suJk
X< 1 o bien X > 1?

Respuesta a) D (X)= 4,5; b) P ( - 3 <X<.: l) ""
= 0,5+ f arcsen ~ ; P (l <x< 3) ~

l
1
= 0,5 -- -arcsen
-3
:,t
294. Demostrar que la dispersin de una magnitud aleatoria continua X puede ser calculada por la fr mula
00
D(X)=
j x f(x )dx 2
f:W(X )J 2
- oo
""
OD'>ERVACION.
Utilcese la
D (X) - ) lx-
f6r mu'la
r
ro
-M (X)Ff (x)dx y
las igualdades:
xf(x)dx= M(X) ,
00
j f (x) dx =
-oo
l0 --05 10
145
295. Una ma.gnitud aleatoria X se da por la funcin
diferencial
f1x)
..:.: _!_sfnx
en el intervalo (O
:n:.)'
. .
:.!
. '
fuera de eslc- ntervalo / (x) = O. Hallar la dispersin de X.

soL1.;c10N. Halla mos la dispersin por la frmula
/,
jx
D (X) =
(x) dx- [i\-1 (X)12.
fl
"f (la curva de distribucin es si m-
Poniendo aqu M (X) =
trica con respecto a la reda x = ; ), a= O, b =
1e,
f (x) =
= 2 sen x, oulencmos
J' x 2 sen x dx
[) tXJ ___ 1_
- 1~J:.
2
Integrando dos veces por partes, hallamos
..
l't
Jx senxdx = n
2
-4.
( )
Poniendo la (**} en la (*), fin al mente obtenemos
D (X}= ,_2~ 8.
296 . La magnitud aleatoria X se da por la funcin dife-
rencial
f (x) =
5 x en el intervalo (O; 5);
fuera de este intervalo f (x) = O. Hallar la dispersin de X.
Respuesta D {X)=
7~.
297. Hallar la dispersin de la magnitud aleatoria X

prefijada por la funcin integral
x
4 t-
F (.r.J {
141.3
para
I
2
para
para
x~-2 ,
- 2< x
2,
x>2.
soLucroN.
Hallamos la func in di fe rencial

O para
f( x) - -F'(x) -
x~;;;: -2,
para
--- 2< x<2,
O para
x>2.
Hallamos la esperanza matemtica

2
xf (x) dx -
M (X)= )
-2
j' X+dx "" O

- 2
(la funcin subintegral es impar, 101; lmites de integracin

son simtricos con respecto al origen de coordenadas).
Hallamos la dispersin buscada, te111endo en cuenta que
M (X) = O:
2
D(X) =
j [x -
M(X )J2f (x) dx =
Jx -+dx=! Jx dx .,~ ; .
2
Z.
- 2
298. Una magnitud aleatoria se da por la funcin integral
;! para x ~ .xo (xo>),
1-
F (x) =
para x < x0
Hallar la esperanza matemtica, la dispersin y la desviacin

cuadrtica media de X .
oosERVAC10N.
Hllese al principio la funcin diferencial;

00
utilceie la frmula D (X)
j xtf (x) dx- fM (X)P.
-oo
t a M (X) =zXo , D (X) --- 3 X02 ,
Respues
4
rx = -V32- Xo,
(J \
299. La magnitud aleatoria X se expone por la funcin

diferencial f (x) = {- sen x en el intervalo (O; n); fuera de
este intervalo f (x) = O. Hallar la dispersin de la fu ncin
Y= rp (X ) = X 2 , sin hallar previamente la funcin di feren-
cial de Y .
10* 147
UUJ1za mos
.sou.1c10N
frmula
Ja
!,
D l<p !_X) J -
) <j~
(x) f (x) dx - (A1 [1p (X)ll 2
11
M [1r (X)]
f (x)
-==
sen x, a "'- O, b = n,
2
4
A1 [X 2l = n ~
(problema 282) , ol.ilenemos
Poniendo <p (x) -- xZ.
I'
:re
l.) (_._
.V,
. ; -). . :!1 J\'
X- ~C-11 X ( , t
. Jt~ :2-- 4 .
()
In tegrando por parte~, hall arnos

"Y.
Jx sen x dx-= n' 1
l 2n.2 + 48.
(**)
Susti tuyendo la t**) en la (*), finalmente obtenemos

D (Xi } .. ,. n4-
rt+8o
300. Una magnitud aleatoria X se da por la funcin diferencial f (x) co<s x en el interva lo ( O; ; ) ; fuera de este
intervalo f (x) = O. llallar la dispersin de la funcin Y =
= q:, (X) = xz, sin hallar pre\- iamente la funcin diferencial Y.
01:1sERVAC 1\'.
b
Utilcese
= .lr cp2 (x) f (x) dx

(problema
283).
Ja
frmula
lM [q; (X)Jl 2 y
D l<p (X)]
2
que M (X 2) = -n - -8
4
Respuesta D (X 2) = 20 - 2n2
301 . La magn itud aleatoria X est dada por la funcin
x rie-x
d iferencal f (x) = - 11.,- para x ~ O; f (x) = O para x < O.
Hallar: a) la esperanza matemtica, b) la dispersin de X .
sor.uc,o;, a) Hallamo~ la esperanza mate mtica:
~
A1 (X,-=
118
00
r xf(x) dx -7-4- Jr X X''e- XJ_,C=---1, Jr xn c.e-x d x.

J
/t
/t .
( )
Ut ilizamos la funcin-gamm a que se determina por la

igualdad
00
r (n ) = ) Xff-!e-X dx.
o
Como se aprecia, el argu mento es el nmero entero n afectado

por el signo de funcin-~a mma, una unidad mayor que el exponente de x afectado por el signo integral. Por lo tanto,
f :,t+fe-x 'dx = I' (n + 2).
00
(u)
o
Poniendo la
(**)
en la (), obtenc>rnos
.i"
,VI
(X) - I' (n L 2)
ni
. --
Utilizamos la propiedad de la fu ncin-gamma

r (n.) = (n -- 1) !
Como 5e aprecia. la funcin-gamma <le un argumento entero
es igual a la factorial del argumento mmos uno. Por lo
tanto.
r (n + 2) = (n -+ 1) !
Sustituyendo la (****) en la (***), obtenemos
M(X ) = .1.: .L !)! = n!(n-' 1) =n 11.
ni
,t!
b) Hal la mos la dispersin. Tomando en consideracin
que M (X) = n
"'
+ t, (
x1-+ 2 e...x d.x
r (n
. . 3). obtenemos
D (X) =
""
.f x 2f(x) dx -
[.'\-1 (X)J2 =
o
ro
rx2 x" e-xdx = -;;r

n.
1
r (n+ 3)
-
ni
(n T
1
1)2
J
=ni
~ x"+2e-x dx-(n + 1) 2 -o
2
2
(n+ 1)2 = 0. .
n! )'-rn+ 1). -
= n! (n +
De este modo, D (X)
l) (n
n.!
-t 2i
(,i . J 1)2 ....,,..,z-j-1.
+ I.
149
302. Una magnitud aleatoria X se prefija por la funcin

diferencial (d istrubicin gamma)
f(x)=
l
o:+i
f\
- -
xPe l} (ct>-1.~>0) para x~O;
r(a+I)
f (x) = O para x < O. Hallar: a) la esperanza matem

tica, b) la dispersin de X.
r"".
onsruvACJONSustityasey= ; y utilcese la funcin-gamma.
Respuesta lH (X)
(a,
+ 1) ~;
+ 1) ~
b) D (X)= (a
303. Demostrar que para cualquier magnitud aleatoria

continua el momento central de primer orden es igual a cero.
sowcioN. Por definicin del momento central de primer
orden
=
111=
00
J[x-M(X)]f(x) dx=) xf(x)dx-M(X)
) f(x)dx.
-oo
-QO
ro
Teniendo e.n cuenta que ) xf (x) dx
= M (X)
-~
-~
= 1, obtenemos
,1
M (X) -
M (X)
f (x) dx =
O.
304. Demostrar que el momento ordinario de segundo
00
orden;
(x-c)i f (x) dx tiene un valor mnimo cuando
->
e= M (X) .
.sowc,oN Transformamos
as:
00
.; = S (x -
c}2 f (x) dx ==-
- oo
00
= ) ((x-M (X))+ (M (X)- c)]2 f (x) dx =

-oo
""
J(x-M(X)P'f (x)dx+2[M(X)-c]x
-oo
J [x - M(X)1/(x)dx+[M(X) -
>
00
- oo
15'.l
c}
- oo
f(x)dx.
Tomando en consideracin las desigualdades

~
J{.i-M (X)] f (x) dx = = O,

1
_._,
) [(x-M (X)Px
-oo
f (x) dx = . 9,
""
J f (x) dx = 1,
obtenemos
-oo
De aqu se ap recia que ; tiene un valor mnimo para

M (X), lo que se queria demostrar.
Cabe hacer notar que de la (*) se deduce que ft 2 = it; - [M (X) - cl2 , es decir, el momento central de segundo
orden es menor que cua lquier momento ordinario de segundo
orden si e :;6 M (X).
305. Una magnitud aleatoria X se. da por la fu ncin diferencial f (x) = 0, 5 x en el intervalo {O: 2); fuera de este
intervalo f (x) = O. Hallar los momento$ iniciales y centrales de primero, segundo, tercero y cuarto rdenes.
sowc10N Hallamos los momentos in iciales por la fre
mula
'V1t
f0
f (x) dx:
[v 1 =
(O,Sx) dx
=i ;
v2 = ~ x2 (O,Sx) dx = Z;
o
v3 = ~ x~ (0,5x) dx = 3,2;
Hallamos los
primer orden
Utilizamos
trales por los
momentos centrales. El momento central de

de cualquier magnitud aleatoria 1 == O.
las frmulas que expresan los momentos cen-
iniciales:
2 = v~-v:; 3 = v3 - 3v1'Vz
4 = v,- 4v1v3 6v;v2 - 3v:.
+ 2v~;
Sustituyendo en estas frmulas los momentos iniciales

antes hal lados, obtenemos
2
2=9
16
3= -135' ,= 135
151
306. La magnilud aleatoria X est dada por la funcin

diferencial f (x) = 2x en el intervalo (O; l) ; fu era de este
intervalo f (x) = O. Hallar los momentos iniciales y centrales ele pri mero, segundo, tercero y cuarto rdenes.
Respucsta
2
'\l l. = z1 , '\13= 5,
'V-'---3,
!' 1-- ,
4. Distribudn uniforme
La dis tri bu.:- 1,,11 th la-; probabili dades <le una magnit ud aleatori a
con!.rn ua X se llama uru forme., si en el intervalo (a, b), al que corresponde11 to dos lo~ vahm:,; r n~i blc.~ el<! X , la funcin di ferencia l conserva un
1
va l,.,r ((,nstant<-, <'" ,lr:.:: 1r, f (i:i = - - - , fm~rn. de este intervalo f (x)=O.

11- a
307. La funcin <liferencial ele una distribucin un

forme conserva en el intervalo (a, b) un valor constante,
i'gual a C: fuera de este intervalo f (x) = O. Hallar el valor
tlel pari1 metro constante C.

l
Respuesta C .. -0--(l
308. El valor de una divisin de 'la escala de un ampermetro es igual a 0 , l amperio. La indicacin del aparato de
medida se redondea hasta la divisin entera prxima. Hal lar
la probabilidad de que al leer se cometa 'Un error superior
a 0,02 A.
sowc.,oN . El error del redondeo <le la ledura se puede con
siderar como una magnitud aleatoria X que est distr ibui da
unifor memente en el in tervalo entre dos div isiones enteras
contiguas. La funcin diferenc ial de la distribucin unifor me es igual a f (x) = b~ a , donde b - a es la longtud
del intervalo en el que estn comprend idos los valores posibles
de X; fuera de este intervalo f (x) = O. En el problema examinado la longitud del intervalo en el que estn acotados los
valores posibles de X , es igual a 0, 1, por eso
f (x) =
0, 1 = 10.
Se co 111prc11Jc fcil mente que el error de lectura es mayor

que 0,02, s ste est comprend ido en el intervalo (0,02; 0 ,08).
152
Utilizando la frmula
b
P(a<X<b)=
S f(x)dx,
a
obtenemos
0,08
P(0,02<X < 0,08)= ) JO dx - 0,6.

0,02
309. El valor de una divisin de la escala de un aparato

de medida es igual a 0,2. La indicacin del arnrato se redondea hasta la divisin entera prxima. Hallar la probabilidad
de que al leer se cometa uo error: a) menor que 0,04, b) mayor
que 0,05.
Respuesta a) P (O< X< 0,04)
P (0, 16
(0,20) = 0,4;
b) P (0,05 < X< 0, 15) '"'" 0,5.
<
< X<
310. El autobs de cierta lnea va a un horario estricto

con intervalo de 5 minutos. Hallar la probabilidad de que el
pasajero que se acerque a la parada tenga que esperar el autobs menos de 3 minutos.
Respuesta P (2 < X < 5) = 0,6.
311. El minutero de un reloj elcdr ico se mueve a saltos
al final de cada minuto. Hallar la probabilidad de que
en un instante dado el reloj ind ique un tiempo que se diferencia <le! tiempo real no ms que 20 segundos.
Respuesta P (_O<X < 3l) +P {2:3 < x< 1) =
312. La ley de distribucin uniforme se da por la funcin

diferencial f (x) = b ~a en el intervalo (a, b); fuera de
este intervalo f (x) = O. Hallar la funcin integral de F (x>.
O
F(x) =
x-a
b-a
para x~a,
para a<x ~ b,
p,1ra x> b.
313. Hallar la esperanza ma temtica de la magnitud aleatoria X distribuida uniformemente en el intervalo (a, b).
153
sowcroN. La grfica de la funcin diferencial de una

distribucin uniforme es si mtrica con respecto a la recta
x=
por eso M (X )
De este modo, Ja esperanza matemtica de una magnitud
aleatoria distribuida uniformemente en el intervalo (a, b),
es igual a la semisuma de los extremos de este Intervalo.
Indudablemente, este mismo resultado se puede obtener
por la frmula
lt 1
Jf (X) = xf (x) dx.
tb ,
=~Ib .
f
rt

aleatoria X distribuida uniformemente en el intervalo (2; 8).
Respuesta A1 (X) = 5.
ele una magn itud aleatoria X distribuida uniformemente en
el intervalo (a, b).
souJc10N,
Utilizamos la fr mu la
/1
D(X) = ) x2 f(x)dx-M(X} !2
"
Poniendo f (x) = b~a , M (X) = a -t b (problema 313)

y realizando clculos elementales, final mente obtenemos
D (X)=
(b-a)Z
12
La desviacin cuadrtica media es igual a la raz cuadrada

de la dispersin
b-a
2y 3
cr (X}=-p
316.
Hallar la dispersin y la desviacin cuadrtica media
de una magnitud aleatoria X distribuida uniformemente en el
intervalo (2; 8).

Resp uesta D (X} = 3; cr (X) = )/3.
317. Una magnitud aleatoria X distribuida uniformemente se da por la funcin diferencial f (x): = ~ en el inter154
valo (a -
l; a
+ l); fuera de este intervalo f (x) = O. Hallar
ta esperanza matemtica y la dispersin de X.

Respuesta M (X) = a (la curva de distribucin es
simtrica con respecto a la recta x = a); D (X) =
{2
=s.
318. El dimetro de un crculo x se mide aproximadamente; asimismo, a ~ x ~ b. Considerando el dimetro
como una magnitud aleatoria X distribuida uniformemente
en el intervalo (a, b), hallar la esperanza matemtica y la
dispersin de la superfic.ie del crculo.
sowcrol'J. 1n. Hallamos la esperanza matemtica de la
superficie de] crculo, es decir, de-la magnitud aleatoria
Y = ip (X) = ~:~, utilizando la frmula
,,
f fP (x) / (.t) dx.
M [<r(X)] =
Poniendo q, (x) = -!4

~,
M [
"
b~n e
f (x) =
n:X9
-4
J=
integrando, obtenemos
n: (bt...ab+a3\
12
2~. Hallamos la dispersin de la superkie del crculo,

utilizando la frmula
1>
D[<r(x)l= \ q,2 (x)f(x)dx-f.\1[1p(X)J1 2

n
Poniendo <p"(x) =
n;2.
D [ nxi
4
f (x) =
J= !!!.. (b 720
a e integrando obtenemos
a) 2 (4h2
1- 7ah ... 4a2 ).
319. La arista de un cubo x se mide aprox imadamente;

adems, a~ x ~ b. Considerando la arista del cubo como
una magnitud aleatoria X distribuida uniformemente en el
intervalo (a, b), hallar Ja esperanza matemtica y la dispersin del volumen de] cubo.
(b + a) (bi+ a2)
;
4
3
b7-a7
D(X )=7(b-a)
Respuesta M (X 3) =
[(b+a) {4b2+a2.)]2.
155
320. Las magnitudes aleatorias X e Y son independientes

y estn distribuidas uniformemente: X en el intervalo (a, b) ,
Y en el interva lo (e, el}. Hallar la esperanza matemtica del
producto XY.
OBSERVACION.
Utilcese el problema 313.

a+b c+ d
Respuesta .'1.1 ( X Y ) = - 2- - 2- .
321. Las magnitudes aleatorias X e Y son independientes
y estn distri buidas uniformemente: X en el intervalo (a, b),
Y en el interva lo (c . d). Hallar la dispersin del producto XY .
soLt.:CION
Util izamos la frmula
M (XY)]2 =
D (XY) ~= A1 f(XVVl -
M (X 2 Y 2 )
[M (XY)l 2
'{a que la esperanza rnakmtica del prorludo de magnitudes
aleatorias independientes es igual a1 producto de sus cspe

ranzas maiemlicas, tendremos que
D (X Y) ,,, M (X2) M (Y 2)
l:H (X) ,M (Y)J2.
(*}
Halla mo<; M (X 2) por la frmul a

h
Mf<p(X)/ .,.
qi (x)f (x)dx.
(l
Poniendo aqu q, (x)
= xz, f (x) = ~
e integrando, obte-
nemos
'X2 - bZ+ab+a2
.~A
,V! (
' -
(u)
Anlognmen le encontramos
M (Y2) = c2+c:+.l2.
.
Poniendo
a+b
M X) = -
M (Y)
= -c-f-d
- , as
2
la (**) y (***) en la (*), finalmente obtenemos
D (XY)-=
156
(a~+ab-\-!J 21(c2+cd +d!) _ (a+b)\(c+tl)2
como
5. Distr1bucln normal
La distri uucin M las probabilidades c 1.1n;1 111:iguilu<I alea toria
conti11ua X se llama normal, si la func 1,',n tl1 f1rl"11~1 al t1 e:11t.: la fnrnrn
dontk a e~ la espcra117.a matcrnlh:a;

cr es la dcwiaci nn cuadrtica 11'11'1.l1a tk X .
La probabili d:.id dt' que X tome uu \ 1d ,r ,lL;:,l.,1 ,I,, <11 tI mlN valo
1
(a, ~). es g11 al a
P (a ,. X . :
done <T> (x)
~1.,- 111{ ~~'
, Jr -:
e
-=
1,, 2:rt o
)-- > ( ; '
),
dx, es l,1 fu ncit>n d,: [. aplace.
I.a probabilidad de que Ja magru turl ~bi,)l ul..i de la dcsviaci,511

sea menor que un umero positivo ti , es 1gu11 ! a
P (1 X - a I <
En particular, cuando 11
.,
'
~) = 2(D ( 0 ) .
O es vliua justa la 1gualtla J
o)= 21T> ( ~ )
P (1 X 1 <::
/.a asimetra, el exa.so, la moda y In medi ana de unil di ~trib ic1t1

normal son rcspectivan1c11tc iguales a:
A8
= O,
E1 ''"" O,
,1-1 0 =- a,
M e= a, donde a= M (X).
322. La esperania matemtica de la distri bucin normal

de una magnit ud aleatoria X es igual a a = 3 y la desva
cin cuadrtica media a= 2. Escribir la func in diferencial
<le X.
Respuesta f (x)
(x -:n2
---
=----= e
i, 2n:
323. Escribir la funcin di ferencia l de la distribucin

normal de una Hlagnitud aleatori a X sabiendo que ,W (X) """ 3,
D (X)= 16.
de que en el resultado de la prueba X tome un valor acotado
en el intervalo (12; 14).
so1.1.:c10N. Utilizamos la frmula
P(et<X<~)=cI>(~ 0
)-(J)( -:-)
= 12, ~ = 14, a = 10
P (12 <X< 14) = (2) -
Poniendo aqu a
y cr = 2, obtenemos
 (1).
Por la tabla {suple mento 2) encontrarnos cJ> (2)

= 0,3413.
P (12 <X< 14) = O, 135~),
0,4772,
CI> (l)
329. La esperanza matemtica y la desviacin cuadr tica

media de una magnitud X normal mente dist ribuida son respectivamente iguales a 20 y 5. Hallar la probabilidad de que
en el resultado de la prueba X tome un valor acotado en el
intervalo (15; 25).
Respuesta P (15 <X< 25) = 0,6826.

330. Una mquina automtica estampa piezas. Se controla
la longitud de la pieza X que est distribuida normalmente
con esperanza matemtica (largo terico) igual a 50 mm.
De hecho, la longitud de las piezas fabricadas no es menor
que 32 mm y no mayor que 68 mm. Hallar la probabilidad
de que la longitud de una pieza tomada al azar sea: a) mayor
que 55 mm, b} menor que 40 mm.
os sE~ VACION. Hllese pi:eviamente a de la igualdad P (32 <
<X< 68) = J.
Respuesta a) P (55 < X < 68) = 0,0823;

b) P (;32 <X< 40) = 0,0027,
331. Se mide el dimetro de un eje i-in errores sistemti
cos (una cifra). Los errores alealorios de la medicin X obedecen a una ley normal con desviacin cuadrtica media
a = 10 mm. Hallar la probabilidad de que 5e mda con un
error no mayor en valor absolu to de 15 rnm .
sotuc10N. Puesto que la esperanza matemtica de los
errores aleatorios es igual a cero, se puede ut iliz.ar la frmula
P (j X 1< 6) = 2<1) (
! ).
159
Poniendo aqu 15 = 15,
= JO, oblenems
P (1XI< 15) = 2<f> (1,5}'.
<T
Por la tabla (su plenienlo 2) encontramos <J.> (1 ,5)
= 0,4332.
La probabilidad 1.Jusca<la es
P (I X
<
15)
2 0,4332 -"- 0,8664.
332. Se pesa dcrta sustancia sin errores sistemticos.

Los errores aleatorios del pesaje obedecen a una ley normal
con desviacin cuadrtica media <J = 20 g. Hallar pro.babilidacl de que se pese con un error no ma yor en valor
absoluto de JO g.
Respuesta P (1 X 1< 10) = 2<J>(0,5) = 0,38.3.
333. Los errores aleatorios de la medicin obedecen a una
ley normal con desviacin cuadrtica media a = 20 mm
y esperanza matemtica a = O. Hallar la probabilidad de
que de tres medic iones independientes el error por Jo menos
de una de ellas no sea mayor en valor absoluto que 4 mm
Respuesta P ~ 0,41.
334. Una mquna automtica produce bolillas. La bolilla

se considera apta si la desviacin X del dimetro respecto
de la medida diseada es menor que O, 7 mm en valor absoluto.
Admitiendo que la magnitud aleatoria X est distribuida
normal mente con una desviacin cuadrtica media O'= 0,4 mm,
hallar la cantidad de bol illas aptas entre cien pro .lucidas.
s0Luc 10N. Puesto que X es la desviacin (<limetro de la
bolilla respecto de la d mensin terica), entonces M (X) =
= a=O.
P (1 X 1< 6) = 2(1> (
Poniendo 8 = 0,7, cr = 0,4, obtenemos

P (! X 1< O, 7l -c. 2Cl) ( ~:~)
= 2Cll ( l ,75) = 2 0,4599.,., 0,92.
Por consguente, la probabilidad de una ~esviacin

111 111 es igu al a 0,92. De aqu se dedlice que
aproximada111enk 92 bolillas de 100 resulten aptas.
menor que 0,7
160
335. La pieza producida por una mquina automtica

se considera apta si la desviacin ~ su ur1er1sion controlada
respecto de la terica no es mayor que 10 mlll. Las desviaciones aleatorias de la dimensin control ada re~pecto de la terica obedecen a una ley normal con desviacin cuadrtica
media o = 5 mm y esperanza matemtica a = O. Cuntos
porcientos de piezas aptas produce la mquina automtica?
Respuesta Aproximadamente 95 %.
336. Un bombardero que vuela a lo largo de un puente de
30 m de longitud y 8 m de anchura lanza bombas. Las magni-
tudes aleatorias X e Y (distancias <le los ejes de simetra vertical y horizontal del puente hasta el lugar de cada de las
bombas) son independientes y estn distnbuidas normalmente
con desviaciones cuadrticas medas respectivamente iguales
a 6 m y 4 m. y esperanzas matemticas iguales a cero. Hallar:
a) la probabilidad de impacto en el puente <le una de las
bombas lanzadas. b) la probabilidad de destruccin del puente
si se lanzan dos bombas, al mismo tiempo para la destruccin
del puente es suficiente slo un impacto.
Respuesta a) P (1 X 1< 15) .p (l Y 1< 1) = 2<ll (2,5) x
X 2(1) (1)
= 0,6741; b} P =
l -- (1- 0,674 1)~
= 0,8938.
337. La magnitud aleatoria X est d btribu ida normal
mente con esperanza matemtica a = 10. La probabilidad

de que X caiga en el intervalo (10; 20) es gual a 0,3. A quQ
es igual la probabilidad de que X caiga en el 1ntervalo (O; 10)?
sowc10N. Ya que la curva normal es simtrica con res-
pecto a )a recta x = a = 10, tendremos que las reas limitadas desde arriba por la curva norma l y desde abajo por los
intervalos (O; 10) y (10; 20), son igua les entre s. Puesto que
estas reas son numricamente gualcs a la<; probab ilidade,;
de que X caiga en los respedirns intervalo~. entonces
P (O< X< 10) = P (10 < X< 2) = 0,:3.
338. La magnitud aleatoria X est distribuida normalmente con esperanza matemtica a= 25, La probabil idad
de que X caiga en el intervalo (10; 15) es igual a 0,2. A que
es igual la probabilidad de que X ca iga en el intervalo (35;
40)?
Respuesta P (35 < X < 40)

11-oso
= P (IO < X <
15} = 0,2
161
339. Demostrar que

P (1 X -
<
ot)
2cD (t),
es decir, el valor de la funcin doble de Laplace para t dado

determina la probabilidad de que la desviacin X - a de la
magnitud aleatoria X normalmente distribuida sea en valor
absoluto menor que at.
OBSERY Ac.10N. Utilcese la frmula P ( 1 X a 1 < 6) =
= 2<1> ( ~ )
poniendo aqu
~ = t.
340. Deducir la regla de las tres sigmas: la probabilidad

de que la magnitud absoluta de la desviacin de la magnitud
aleatoria normalmente distribuida sea menor que el triple
de la desviacin cuadrtica media, es igual a 0,9973.
ossERVACJON. Emplese el problema 339, poniendo
= 3.
341. La magnitud aleatoria X est distribuida normal

mente con esperanza matemtica a = 10 y desviacin cuadrtica media Cf = 5. Hallar el intervalo en el que con la proba
bilidad 0,9973 cae X en el resultado de la prueba.
Respuesta (a- 3a, a + 3a) = (-5; 25).
342. Una magnitud aleatoria X est distribuida normal..

mente con desviacin cuadrtica media a = 5 mm. Hallar
la longitud del intervalo en el que con la probabilidad 0,9973
cae X en el resultado de la prueba.
Respuesta
6a
= 30
mm.
343. Una mquina automtica produce ejes, cuyos di

metros X se controlan. Considerando que X es una magnitud
aleatoria normalmente distribuida con esperanza matem
tica a = 10 mm y desviacin cuadrtica media <1 = 0 1 l mm,
hallar el intervalo en el que con la probabilidad 0,9973 estn
acotados los dimetros de los cilindros fabricados.
Respuesta (9,7; 10,3).
344. La magnitud aleatoria X normalmente distribuida

se da por la funcin diferencial
(x-a)I
f (x) = , ~-e-Tos.
Cf
V 2n
Hallar la moda y la mediana de X.

162
sotuc10N. Se llama modaM 0 (X) el valor posible de X,

para el cual la fu ncin diferencial tiene un rnximo. Es fcil
cerciorarse de que para x = a la derivada f' (a) = O, para
x < a la derivada f' (x) > O, cuando x ~-.> a la deriv ada
f' (x) < O; por lo tan to, el punto x = a es el punto mximo,
y, por consiguiente, M O (X) = a.
Se llama mediana M 6 (X) el va lor posible de X, para el
cual la ordenada de f (x) divide por la mitad el rea Hmitado
por la curva de distribucin. Puesto que la curva normal
(grfica de la funcin f (x)) es si mtrica con respecto a la
recta x = a, tendremos que la ordenada de f (x) divide por
la mitad el rea limitado por la curva normal. Por lo tanto,
M e (X) = a.
As pues, la moda y la mediana de la distribucin normal
coinci den con esperanza matemtica a.
345. La magnitud aleatoria X est distribuida normalmente con esperanza matemtica a = O y desviacin cuadrtica media igual a o. Hallar el valor de o, para el cual la probabilidad de que X tome un valor acotado en el intervalo
(cz, ~) (a > O, ~ > a), sea el mayor.
OBSERVACI ON
Aplquese la frmula p (a< X <~)
.B
<D
z2
(..!)-ll>
(~)
=_2.._ Je- 2
a
a
V2n
dz-
- v lz
Jt
J
o
z2
e- 2 dz = <p (a);
hallar cr de la ecuacin q/ (<1) = O.
Respuesta
U=
./ 2 (ln~
w-ai
- l na) .
6. Distribucin exponencial y sus

caractersticas numricas
La dislribuci611 de las probabil idades de una rnagn iturl aleator ia
coutinua X, que se descriLe por la fu ncin ctifercnc1al
f (x) = {
O.
para x
<
1,,,e-}..:c pii r it x ~
O,
(,.)
O,
donde 1,,, es un a magni tud constante positiva, se llama exponencal.
La fu nc1t'll tn1.,gra l ele la distribucion exponencial
f ' (x),,. {
parax < O,
e.- ,.x para x ~ O.
{u )
La pHba b1hJad < <111.: una magn itud a lcat,:,n a continua X,

distril>u1 ua .11:,r u 11.i l(y <' Xl>t1e11c1al, caiga ~11 d i!J l,.:rvalo (a, b) e:;
P (a < X <b) = e- i. 01 -
e-1..b .
La spera11la rr1 akm l.1,:;;J, la J.i~pcrsin y l a desviacin cuadrl1c:a meuia de la <l1.\,tri l,uc111 t' Xpo ne11cial son r<',spectiva ml.'Jd.c iguales a
. ,.
D .x
( ) = ,.,,i1 ' cr (x>.,,, T1 .
,.1 V, >= .T" '
Pr cons1gu1c11tc, la e:;pernnza mat<:miit.1ca y la d~sv iacin cua

drt1<.a m~d1a di.: la <l1~t. r1b u1.: li.Jn (:xp0111.'11cial s,_.n iguaks ent re s i.
346. Escnb ir las funciones diferencial e integra l de la

distribucin expon~ncial cuando el parm.'tro 11. = 5.
s0Luc10N. Sustituyendo 11.
5 en las correlaciones (*)
y (**) , obtenemos:
. . . { O para x <O,
j (x) = 5e- 5 x para x :;;t, O.
para x < O,
1-e-~x para x ~O.
.
{ O
F (x) =
34 7. Escri bir las funciones diferencial e integral de la

distribucin exponenc ial cuando el parmetro "' = 6.
Respuesta f (x) = 6 r x en e.l intervalo (O, oo), fuera de
este intervalo f (x) = O; F (x) = I - e-0x en el
intervalo (O, oo) , fuera de este intervalo F (x) - O.
348. Hallar el parmetro ). de la distribucin exponencia l:

a) dado por la fu ncin diferencial / (x) = O para x < O,
f (x) = 2r2 x para .t ~ O; b) prefijado por la funcin integral
F (x) = O pa ra x < O, F (X) = l - r 0 , 4 x para x ~ O,
Respuesta. a) ;li, = 2; b) ;li, = 0,4.
349 . De moshor que si la magnitud alea toria continua )(
est distrbui<la segun una ley exponencial, la probab ilidad
de que X caiga en el intervalo (a , b) es igua l a e- " - e->..b .
s0Luc10N. J>R MErt .ME.TODO. Supongamos que la magnitud
X est dada por la funcin integral
P(x) = 1-e-?.x (x~O).
164
En tal ca5o, la probabilidad ele qut X caiga en el intervalo

(a, ) (cap. VI, 1)
C'.>
P(a<X<b)~F(b) --F(a}=[l-c-'J
e-J,,iJ=
- e-'/..;., -e-~,b.
si::01.1Noo 1vt1 .. 101)0. Supongamos qm J magn itud X est prefijada por la funcin diferencial f (x) "-- '/.e ~-" (x ;~ 0). Entonces (cap. VI, 2)
P(rt<X<b) - t.
1)
1\.
1'1
j c>,xd.x ,( . -- {-)e-'. I=
350. La magnitud aleatoria continua X est distribuida

por una ley exponencial expuesta por la funcin diferencial
f (x) = 3 e-sx para x ~ O; f (x) = O para t < O. Hallar la
probabil i<lad de que en el resultado de la prneba X cae en el
intervalo (0,1.3; 0,7).
sowc10N
Utilizamos la frm ula

P (a <X < b)
= E-1.., .___ e -'-b.
Teniendo en cuenta que por los datos a = 0,1.3; b = 0,7;

'A. = 3 y utilizando la tabla de valores de la funcin e-x,
obtenemos
P(O, 13< X< 0,7) ~,
c-3,t3_e-':,o,7 ~c-0.39_e-2,1
-' 0,677 -0, 122 = 0,552.

351. La magnitud aleatoria continua X est distribuida
por una ley exponencial prefija,fa por la funcin diferencial
f (x) = 0,04 ,e-o,o4x para x ~ O; f (x.) = O cuando x < O.
Hallar la probabilidad de q11e en el resultado de la prueba X
caiga en el intervalo (1; 2).
Respuesta P (l <X< 2) = 0,038.
352. Una magnitud aleatoria X est distribuida por una
ley exponencial expuesta por la funcin mtegral F (x) =
= 1 - e-0 ,ox para x ;;;;:: O; F (x) = O cuando x < O. Hallar
la probabilidad de que en el resultado de la prueba X caiga
en el intervalo (2; 5).
Respuesta P (2 <X< 5) = 0,252.
165
353. Hallar la esperanza matemtica de la distribucin

exponencial f (x) = Ae-;..-c (x ~ O); f (x) = O (x < O).
sowc10N.
00
Jx f (x) dx.
ll1 (X)=
- oo
<
Teniendo en cuenta que f (x) = O cuando x

= e-~ para x ~ O, obtenemos
Oy f
(x)
Af (X) = 'A
x -c.- hx dx.
o
00
""
Integrando por parles segn la frmula ) udv

o
""
- vdu,
poniendo u
x, dv
uv 1 o
e ,..:.: dx y, por lo tanto,
(1
du
= dx,
= - -!--,..
,e,- 1.x. realizando los clculos, final mente
obtenemos M (X) = ~ , es decir, la esperanza matemtica

<le una distribucin exponencial es igual a la magnitud inversa del parmetro.
354. Hallar la esperanza matemtica de Ja distribucin
exponencial dada por la funcin diferencial f (x) = 5 ,e-6x
(x ~ O) .
Respuesta M (X)
= 0,2.
355. Hallar la esperanza matemtica de la distribucin

exponencial ada por la funcin integral F (x) = l - e-0 .1.~
(x ~ O).
Respuesta M (X)
10.
356. Hallar: a) la dispersin, b) la desviacin cuadrti

ca media de la distribucin exponencial f (x) = O cuando
x < O, f (x} = 'Ae-'}.x para x ~ O.
s0Luc10N. a) Empleamos la frmula
00
D(X) =
j x f (x)dx-JM(X)J
2
- oo
166
Ten iendo en cuenta que f (x) = O cuando x

= ~ (problema 353), obtenemos
""
D(X)=?..) x2 e-A" dx - ~2
<
O, M (X)
Integrando dos veces por partes. hallamos

co
')., f xze-'":z: dx --, : ~

o
Por lo tanto. la dispersin buscada es

2
D(X) =F--rz= '-2,

es decir, la dispersin de una distri bucin exponencial es
igual a la inversa del cuadrado del parmetro 7,,,
b) Hallamos la desv iacin cuadrtica meda:
a(X)= VD.(X ) =
~= -},
es decir, Ja desviacin cuadrtica media de una distribucin

exponencial es igual a la magn itud inversa del parmetro A.
357. H allar la dispersin y la desviacin cuadrtica media
de la distribucin exponencial dada por la funcin diferencial
f (x) = 10 e-1.x(x O).
Respuesta D (X) = 0,01; O' (X) = 0,1.
de la distribucin exponencial dada por la funcin integra]
F (x) = 1 - e-0 , 4 .x (x
O).
Respuesta D (X) = 6,25; cr (X) = 2,5.
>
>
359. Un estudiante recuerda que la funcin diferencial

de la distribucin exponencial t iene la for ma f (x) = Ocuando
x < o. f (x) = C e-i:.x (x
O), pero se olvida a qu es igual
la constante C. Se necesita hallar C.
>
ossERVAC10N.
""
rencial )
Emplese la prop ied ad ele la funcin dife-
f (x) dx = 1.
Respuesta C = A.
167
p. 3
360. Hallar el 111ome11to central terico de tercer orden

,W [X - M (X)l de una distribucin exponencial.
ORSER VACJON
l?cspucsla
Utilcese los problemas 353 y 356.
1 3 .::.
,:::x .
361. Hallar la ..i~i 111etra As
= O'tt(:) de
una distribucin
exponencial.
Ultlc:e.se los problema::; 353 y 360.
Respuesta As :::.: 2.
OBs1 r iv1,c10 N
~i~
362. Hall ar el mo mento centra l terico de cuarto orden

M IX - A1 (X)l 4 dt> una distribucin exponencial.
Ncspuesta
t .1 ,,,= 1
363. Hallar el exceso E,.
= f,X)
4
. -
3 de una distribucin
exponencial.
Resp uesta 1\ :.. . ; 6.

364 . Demo!:.irar que la magnitud aleatoria continua T,
o sea , el tiew po en tre la apa ricin de dos sucesos sucesivos
de un flujo elernt:ntal de intensidad prefijada "- (cap. IV,
2), tiene. distribucin exponencial F (t) = 1 - e-).t(t ~
;;;;;: O).
soLuctoN Suponga mc,5 que en el insta nte t0 ocurri

el suceso il 1 del flujo. Admita mos que t1 = t0 + t (recomendamos al k dor, pa ra mayor clarid ad, trazar el eje de
tie mpo y sobre d marcar los puntos 10 y t1).
Si por lo menos un suceso del flujo, que sigue a l suceso Ar,
ocurre en el 11tervalo (comprendido dentro del intervalo
(t 0 , t1)) , por ejemplo, en el intervalo (t0 , t2), el t iempo T
entre las apanciones de dos sucesos sucesivos resulta menor
que t, es decir, resul ta que T < t.
Para hallar la probabilidad P (T < t), tomamos en consideracin que los sucesos dentro del intervalo (t0 , tJ apareci aunque sea u n suceso del flujo y dentro del intervalo
(t 0 , t1) no apa reci ni un slo suceso del flujo, son opuestos
(la suma de sus probabilldades es igual a la unidad).
168
La probabilidad de que en el tiempo t no ocurra ningn

suceso del flujo es
(' t ) -?.t
P 1 (O)= "
;
0
e-,. ,.
Por lo tanto, la probabilidad'que nos interesa del suceso opues.to es
P (T < t ) = 1 -- c->.t,
o bien (por definicin de la funcin integral F (i) = P (T <
<
l))
F ( t) = 1- e-'M,
lo que se quera demostra r.

365. Dada la intensidad de un flujo elemental t. = 5~
hallar: a) la esperanza matemtica, b) la dispersin, e) l:1
desviacin cuadrtica media de la magnitud aleatoria continua T. o sea, el tiempo entre las apariciones de dos sucew.i;
sucesivos del flujo.
OB!;ERVACION.
Utilcese el problema 364 .
Respuesta a) /1,f (T) - 0,2; b) D (T) = 0,04; e) o (T) ,,..
0,2.
366. En una carretera por la que se desplaza el transporte

automvil se encuentra un puesto de c.onlrol para verificar
el estado tcnico de los automviles. Hallar la esperanza
matemtica y la desviacin cuadrtica media de la magnitud
aleatoria T, es decir, del tiempo de espera del automvi l
siguiente por el inspector si el flujo de autos es si rnple y el
tiempo (en horas) entre los pasos de los automviles por el
puesto de control est distribuido por la lC'y exponencial
f (t) = Se- ~t.

on.<.E~v AooN.
El tiempo de espera de los aulo mv les por
el inspector est distrbu ido de igual modo que el tiempo de

paso por el puesto de control.
Respuesta. M (T) = o (T) = 0,2 hora, En trmino medio
el inspector esperar el automvil siguiente

12 minutos.
169
7. Funcin de fiabilidad
Se denomi na elemerito un dispositivo cualqu iera in dependiente
mente de que s te ~ea simple o complejo. Supongamos que el elemento comienza a traba.iar en el instante t 0 = O, y en el instante t
ocurre el fallo. Dc~ignC' mos por T la magnit ud aleatoria continua, es
decir, la duracin del t iempo de trabajo s in fallo de l elemento, y por~
la intensidad de fallos (promedio de fallos por unidad de ti<-'mpo).
Frecuentemenlt.' la duracin del tiempo de tra bajo sin fallo del
elemento tiene uua d istri bucin exponencial, cuya funcin integral
F(t)=P(T<t) =l-e-M
(1,>0)
dekrmina la probabilidad de fallo del elcrnenlo en el tiempo t.

Se llama funciri de fiabilidad R (t) la funcin que determi na la
probabili dad de trabajo sin fallo del elemento en el tiempo t:
R (t)=e-M.
367. La duracin del tiempo de trabajo sin fallo de un

elemento tiene la distribucin exponencial
F (t) ,.,, l -e-0,011 (t > O).
Hallar la probabilidad de que en el tiempo de duracin t
= 50 horas: a) el elemento falle, b) el elemento no falle.
sowc10N. n) Puesto que la funcin integral F (t) = 1 - e-0 , 011 determina !a probabilidad de fa llo del elemento
en el tiempo de duracin t, entonces, poniendo t = 50 en la
funcin integral, obtenemos Ja probabilidad de fallo
F (50) = l -e-0 ,01,r>o = 1-e-0,5 = 1-0,666 = 0,394.
b} Los sucesos el elemento falla y el elemento no falla

son opuestos, por eso, la probabilidad de que el elemento no
falle es
P
I-
0,394
= 0,606.
Este mismo resultado se puede obtener directamente utilizando la funcin de fiab ilidad R (t) = e-M que determina
la probabilidad de trabajo sin fallo del elemento en el tiempo
de duracin /:
R (50) = a-0 ,01.50 =e-o,5 = o,606.
368. La duracin del tiempo de trabajo sin fallo de un elemento tiene la distribucin exponencial F (t) = 1- e-0.ost.
Hallar la pro babi! idad de que en el tiempo de duracin t =
= 100 horas: a) el elemento falle, b) el elemento no falle.
Respuesta ~) F (IOO) = 0 ,95; b) R (100) = 0,05.
170
369. Se prueban dos elementos que trabajan independientemente. La duracin del t iempo de trabajo sin fallo
del primer elemento tiene la distribucin exponencial F1 (/) =
= 1 - e---0,021 , y el segundo F 2 (t) = 1 - e-0 ,05' . Hallar la
probabilidad de que en el tiempo de duracin t = 6 horas:
a) ambos elementos fallen, b) ambos elementos no fa llen ,
c) slo un elemento falle, d) falle por lo menos un elemento.
sotuc10N. a) La probabilidad de fallo del primer elemento es
Pt = F (6) = 1-e-o,oz.o = l -e-0 , 12 ~ t -0,887 _..;. O, 113.
La probabilidad de fallo del segundo elemento es

P 2 = 1-e-o,os-6 = 1-e- = J-0,741 =0,259.
La probabilidad buscada de que ambos elementos fallen,

por el teorema del producto de probabilidades de sucesos
independientes, es
P 1 P'I. = 0, 113 0,259 = 0,03,
b) La probabilidad de trabajo sin fallo del primer ele
mento
Q1
= Rt(6) = e-o,oz. s = e-0, 12 =0,887.
La probabHidad del trabajo sin fallo del segundo elemento

es
q2 = R2 (6) =e-o,os-n = e-o,:i = 0,74 1.
La probabilidad buscada del trabajo sin fallo de ambos elementos es
qlq2 = 0,887 0,741 = 0,66.
e) La probabilidad de que falle slo un elemento es
P1q2 +P 2q1 = 0,1130,741 +0,2590,887 = 0,31.
d) La probabilidad de que por lo menos un elemento no
fa!Je es
P = l - q1qz = l - 0,66 = 0,34.
370. Se prueban tres elementos que trabajan independientemente entre si. La duracin del tiempo de trabajo sin
fallo de los elementos est distribuida por una ley exponencial: para el primer elemento F1 (t) = l - e-0 , 11, para el
segundo F, (t) = 1 - e-o.,t, para el tercer elemento F 3 (t) =
171
l - e-o,3t _ Hallar la probabilidad de que en el intervalo

<le tiempo (O; 5) horas fallen: a) slo un elemento, b) slo
dos elementos, e) los tres elementos.
Respuesta a) 0,445; b) 0,29; e) 0,05.
=,
37 1. Se prueban tres el ementos que t rabajan indepen<lcnternente entre s. La duracin del trabajo sin fallo de los
ele mentos est distri buida segn una ley exponencial: para
el primer elemento {1 (t) = 0,1 e-0 , 1 t, para el segundo elenwnto f 2 (t) = 0,2 e-0 , 21 , para el tercer elemento f 11 (t} =
= 0,3 e-11 ,1 Ha llar la probab ilidad de que en el intervalo de
tiempo (O; 10) horas fall en: a) por lo menos un elemento,
b} no lllenos de dos elementos.
Aplquese los resultados del problema 370.

Respuesta a) 0,95; b) 0,35.
onsERV.\c.10:<-
372. Se !lama ley e.sponencial <le la fiab ilidad la funcin

<le fiabi lidad determinada por la igualdad
R(t) = e-~-1,
donde el nmero positivo A es la intensidad de fa llos. Demostrar la propiedad caracterstica de la ley exponencial de
la fiabilidad: la probabilidad del trabajo sin fallo de un elemento en el intervalo de tiempo de duracin t no depende
del tiempo del trabajo precedente hasta el comenzo del
interva lo examinado , sino depende sJo de la duracin del
tiempo t (para una intensidad de fa llos ., dada).
1~oi.uc10N lntroduci mos las designaciones de los sucesos: A, el trabajo sin fa llo del elemento en el intervalo (O, /0)
<le duracin t 0 :
B , el trabajo .,;in fall o <le1 elemento en el intervalo (t0 ,
Lo 1- l) de duracin t.
En tal caso, AB es el trabajo sin fallo en el interva lo
(O, t0 + t) de duracin t 0 + t.
Hal lamos las probabilidades de estos sucesos por 1( f rmula R (t) = e-'J,.t .
P (A) =e-'-10,
P (B) = e-'-',
P (AB) = e-"-<to+t>~ e-A.to. e -M.
Hallamos !a probabilidad condic ional de que el elemento

trabaje sin fa llo en e.1 intervalo (t0 , ! 0 + !) con la condicin
de que haya trabaja do sin fallo en el intervalo precedente
172
(O, to):
p (AIJ)
,..-?. tu .,' ,.L
PA (ll) '"" - = --e - >.ltoP(A)
.-.- c-
,1
1
Puesto que la frmula obtenida no contiene i 0 , sino contiene

solamente t, significa precisamen te que el tiempo <le! trabajo
en el intervalo anterior no infl uye en la magnitud de la probabilidad de trabajo sin fal lo en el intervalo siguiente, y
depende slo de la duracin t del intervalo signiente (t0 + t),
lo que se quera demostrar.
En otras palabras, la probabil id ad condicional P11 (R}
de trabajo sin fallo en el intervalo de tiempo de duracin t,
calculada suponiendo que el elemento trabaj sin fallo en el
intervalo anter ior, es igual a la probabili dad incondicional
p (B).
CAPITULO SEPTIMO
Distribucin de la funcin
de uno y de dos
argumentos aleatorios
1. Funcin de un argumento aleatorio
Si a cada valor posible de una magnitud aleator ia X corresponde
un solo valor posible de la magnitud aleatoria Y, tendremos que Y se
llama funcin del argumento aleatorio de X y se escribe Y = q> (X).
Si X es una magntud aleatori a discreta y la fu ncin Y = <p (X)
es montona, a los distintos valores de X les correspon dern diferentes

valores de Y; al mismo t iempo, las probabilidades de los respectivos
valores de X e Y sern idnticas. En otras palabras, los valores posibles
de Y se hallan por la igualdad y = cp (xl), donde X son los valores
posibles de X; las probabilidades de los va ores posibles de Y se hallan
por la igualdad
p (Y= !J)
p (X= X),
Si Y = q> (x) es una funcin no montona, en general, a los distin

tos valores de X pueden corresponder iguales valores de Y (as ser.
sl los valores posibles de X caen en el intervalo donde la funcin <p (.r)
no es montona). En este caso, para ballar las probabilidades de los
valores posibles de Y hay que sumar las probabilidades de aquellos
valores posibles de X, para los cuales Y toma iguales valores. Dicho
de otro modo, la probali lidad del valor repelido de Y es igual a la
suma de las probabilidades de aquellos valores posib les de X, para
los cuales Y toma un mismo valor.
Si X es una magnitud aleatoria continua prefijada por la funcin
diferencial f (x), y si y = q, (x) es una funcin diferenciable rigurosamente creciente o rigurosamente decreciente, cuya funcin inversa
x = ,, (y), la fundn diferencial g (y) de la magnitud aleatoria Y se
baila por la igualdad
g (y)= f [1.)> (y)) 111>' {y) 1.
Si la funcin y = cp (x) en el intervalo de los valores posibble~ de X no es montona, hay q ue dividir este interva lo en interva los
tales que la funcin q, (x) sea montona y hallar las funciones diferenciales g 1 (y) para cada uno de los intervalos de monotona, y , a con tin ua
en, representar g (y) en forma de suma
g (y)=~ g (y}.
Por ejemplo, si la fu ncin q, (x) es montona en dos intervalos en los

que las funciones inversas correspondientes son iguales a 'J) 1 {y)
y 'lj>i, (y), tendrenws que
g (y) = f lif>t (y)J l
(y) 1 f (,,, (y)) 111:' (y),.
lji:
174
373. Una magnitud aleatoria discreta X se da por la ley

de distribucin
X
p
0,4
O,l
0,5.
Hallar la ley de distribucin de la magnitud aleatoria Y
3X.
sowc10N. Hallamos los valores posibles de la magnitud
Y= 3X:
Y1
3 1
3; Ys
= 3 3 = 9;
y3 = 3 5
15.
Como vemos, a distintos valores posibles de X corresponden diferentes va lores posibles de Y. Esto se debe a que
la funcin y = cp (x) = 3x es montona.
Hallamos las probabilidades de los valores posibles de Y.
Para que Y
y1 = 3, es suf ciente que la magnitud X tome
el valor x1 = l. La probabilidad del suceso X = 1 por los
datos es .igual a 0,4; por lo tanto, la probabilidad del suceso
Y = y 1 = 3 tambin es igual a 0,4.
Anlogamente obtenemos las probabilidades de los dems
valores posibles de Y:
P (Y = 9)
P (Y = 15)
= P (X= 3) = 0,1 ;
= P (X = 5) = 0,5.
Escribi mos la ley de distribucin buscada de Y:

Y 3
9
15
P
0,4
o, 1
0,5.
374. Dada la magnitud aleatoria discreta X por la ley de

distribucin:
X
p
3
6
0,2 0,1
lO
0, 7,
hallar la ley de distribucin de la magnitud aleatoria Y=

l.
R csp uest n
= 2X
Y
p
7
13
0,2 0,1
2!
0,7
375. Una magnitud alQatora X se da por la ley de distribucin:

X
-1
0,3
-2
0,1
1
0,2
2
0, 1.
Hallar la ley ele distribucin de la magnitud aleatoria Y
= x2.
=
175
sowcroN Hallamos
los valores posibles de Y:
Y1 xt = (- 1)2 = 1,
!/2 ='-.Y~= ( - 2)2 '-- 4,
JI - .x'l - ( 1)2 -- 1
,:;,:\
- ~ - -
y4 =x = (2) 2 = 4.
Vemos que a los distintos valores de X corresponden iguales valores de Y . Esto se debe a que los valores posibles de X
corresponden al intervalo, en el cual la funcin Y = X 2 no
e,;; montona.
Hallamos las probabilidades <le los valores posibles <le Y.
Para que la magnitud Y tome el valor Y = 1, basta que la
magnitud X to me el valor X = - 1 o bien X = l. Estos
lti mos dos sucesos se excluyen mutuamente, sus proba
bilidades son respectivamente iguales a 0,3 y 0,2. Por eso,
la probabilidad del suceso Y = l por el teorema de la adi
cin es
P (Y = 1) = P (X = - 1)
P (X = l ) =
= 0,3 + 0,2 = 0,5.
Anlogamente hallamos la probabilidad del valor posible

de Y = 4:
P (Y = 4)
P (X = -
2)
+ P (X =
=
= 0, 1 + 0,4 =
2)
0,5.
Escribimos la ley de Jistribucin buscada de la magnitud
376. Dada
11 11a
0.5 0,5.
magnitud aleatoria d iscreta X por la ley de
d istribuci n
X
24
Jt
3n
0,2
0,7
0, 1,
"
hallar la ley ele distribuc.in de la rnagnlud aleatoria Y ==

= sen X.
Respuesta
y
p
176
V2
-2-
0,3
0,7.
377. Se da la funcin diferencial f {x) de una magn itud

aleatoria X, cuyos valores posibles esi11 acolado.$ en el intervalo (a , b). Hallar la funcin difere11cwl de la magnitud
aleatoria Y = 3X.
s0Li.;c10N. Puesto que la funcin y = 3x e.s dferenciable
y rigurosamente creciente, se puede utilizar la frmula
g (y)= f [ 'lj) (y)] l '1''' (y) ,
(*)
donde ,P (y) es la funcin inversa de la funcin y =" 3x.

Hallamos:
'!'(y) '""
Encontramos
X=
f [ 'lj1 (y)]:
f1P'.(Y)I = f ( ; )
Hallamos la derivada ,p' .(y):
!.
i.
(o)
~;' (y)= ( ; ) , :e::
Es evidente que
1,r (y) 1=:::
<***)
Hallarnos la funcin diferencial buscada, para lo cual

ponernos las Ecs. (**) y (* **) en la (*)
1/ ( y \
g(y)=3
3.J
Puesto que x vara en el intervalo (a, b) e y = 3x, entonces

3a< y< 3b.
378. Dada la funcin diferencial f (x) de una magnitud
aleatoria X, cuyos valores posibles estn acotados en el inter
valo (a, b), hallar la funcin diferencial g (y) de la magnitud
aleatoria Y, si
a) Y= -3X; b) Y= AX -1- B.
Respuesta a) g (y)= ~ f [ - ;
J; (- 3b <y< - 3a);
g (y)=
(Aa+B<y<Ab - B) para A>O,

=mf -A-_; (Ali +B<!J<:,1a l B) para A<O.
b)
[y-B]
12-0540
~~
379. La magn itud al~atoria X est distribuida por la ley

e.le Cauchy
f tx) =
1
n(I +x~)
Hallar la funcin diferencial de la magnitud aleatoria Y =
X3
+2.
Respuesta g (!/) =
T
3n l(y -2) +
T
(u-2) 1
380. Dada la funcin diferencial f (x) de una magnitud

aleatoria X. cuyos valores posibles estn acotados en el intervalo (O, oo) , hallar la fundn diferenc ial g (y) de la magnitud aleatoria Y, si:
d)
Respuesta a) g (!J)
e) Y=VX
=-; f [ 1n J
(O <y< l);
b) g (y)= e" f [eY}

e) g(y)= /,-
3 l' y
) g
Y= x2 ;
( - oo< y<oo);
~f[.Yy}
(O<y < oo);
<Y>= 2y v1 -y t [ viy- J
(O< y< oo);
(0< y < oo).
e) g (!/)-= 2yf (y2)
381. Dada la funcin diferencial f (x) ele una magnitud

alea toria X, cuyos valores posibles estn acotados en el intervalo (-oo , oo), hallar la funcin diforencial g (y) de la magnitud aleatoria Y, si:
a) Y =X2 ;
b) Y=e-X\
e} Y= IXI; d) Y= cosX;
e) Y = arctgX;
f) Y =
1
i+xz
Respuesta aJ g(y)=
V - [t(V y)+t (-v ii)]
.
2 y
(O< y<oo );
178
h) g (y)
(O<y< l);
e) g(y)=f (!J)+f(-y)
d)
f!
{y) = ~
h ,:-00
e) g (y)
(O<y<oo);
:v~[f(2nk-[-arccost/
l-y
+ f (2n:.ll -arcco<- y)] ( --1 <
2
_,
y< 1);
= co~2 !/ f (tg !I)
r) g (y) =
2y2
_--[t(v~
1
-- 1)+
--1
y
+f ( -
(: - 1 ) ]
(O< y< oo) .
382. En el sistema de coordenadas rectangulares xOy

desde el punto A (4; O) se traza (bajo un ngulo arbitrario t)
un rayo que corta al eje Oy. Hallar la funcin diferenci_al
g (y) de la distribucin de probabilidades de la ordenada y
del punto de interseccin del rayo trazado con el eje Oy.
s0Luc10N. El ngulo t se puede considerar como una
magnitud aleatoria distribuida uniformemente en el intervalo ( - ; , ; ) ; al mismo tiempo, la funcin diferencial f (t)
en este intervalo es igual a
l
t (t) = ; _ ( _ ; ) = "" ;
fuera del intervalo considerado f (t) = O.
De la fig. 7 se deduce que la ordenada y est vinculada
con el ngulo t por la siguiente dependencia:
y=
tg t.
,, enel mlerva
.
j (.
'I
t t,
s a f unc1on
o - n , Ttr. .) creu.' 111onolonamen
El
2
por eso para ht11lar la funcin d iferenci al incgnita g (y)
y
,:
A{4,0)
1 . ___
-'uf
:is
Fig. 7
e.s
aplicable
la
frmula
(*)
g (y) = f [~, (y) l l '11' {y) ,.
donde ,, (y) es la funcin inversa de la funcin y = 4 tg t.
Hallamos ,~, (y)
,, (!/) = t = arctg
Hallamos
t.
'1)'1' (t).'.
,p' (y)=
16~yll '
Por Jo tanto,
Encontramos
f ('lj) (y)l.
Como
1
f (t) = n.
tendremos
,, {y)] = ...!....
n
que
()
Poniendo las Ecs. (*"') y (*"**) en la (*), finalmente obte-
nemos
g (y) =
adems, -oo
<y< oo
ll6+ y 2).
(esta ltima se debe a que
!J :- 4tgt y
I8
7t
--2< '< 2n } .
,i;
_ 4.2,11. _ i
- ,,:-4 -2 -- .
383. La magnitud aleatoria X est distribuida unifor memente en el inter;~io ( - ; , ; ) Hallar la funcin diferencial
g (y) de la magn itud aleatoria Y= sen X.
sou.1C,0N Hallamos la funcin diferencial f (x) de la
magnitud aleatoria X . La magnitud X est distri buida unifor m<:>mente en el intervalo( - ; , ; ) , por eso en este intervalo
1
f (x) =
= -~
;-(-;)
n'
fuera del intervalo exa minado f (x) = O.

La funcin y = sen x en el intervalo ( - ; , ; ) es montona,
por lo tanto, en este intervalo tiene funcin inversa
x = 'V (y) = arcsen y.
Hallamos la derivada 11>' (y):
,1t,' (" t). =
-1
.
l / l - y2
Encontramos la funcin diferencial bu~cada por la frmula

g (y)
= f!~J(y) l I~,, (y) f.
Teniendo en cuenta que f (x) =
f {1~1 (y)] = ,\)
1,1,'
(y) 1=
g ( t) ~=
. -
1/~
n
! (por consiguiente,
obtenemos
,1 .....
l' ! - ,,~
Ya que y= sen x, al mismo tiempo - ; <:: x < ; , enton

ces -1 < y < l. De este modo, en el intervalo (-1; l)
. '
g {lj) ~-:: -1
-\
~
n ... --y
fuera de este intervalo g (y)
= O.
181
VJ::Rlf'!CA<.:ION:
g (y) dy =
-1
! c:1rcsen y
1
o
-1
! ,; -= L
384. La magnitud aleatoria X est distribuida uniforme-
mente en el intervalo ( O; ; ) . Hallar la funcin diferencial

g {y) de la magnitud aleatoria Y = sen x.
Respuesta g (e)
=
. .
__
,i:1,-1 l -{/2
en el intervalo (O; 1), fuera
de este intervalo g (y) = O.

385. Dada la funcin diferencial dela magnitud aleatoria X:
f (x} = ~ en el intervalo ( - ; , ; ) ,fuera de este intervalo
f (x) = O, hallar la funcin diferencial g (y) de la magnitud
aleatoria Y = tg X.
1
Respuesta g (y)= n (l + yz) ( -
oo
< !J <
oo ).
386. La magnitud aleatoria X est distribuida uniformemente en el intervalo (O, 2n}. Hallar la funcin diferencial
g (y) de la magnitud aleatoria Y= cos X.
sowc10N. Hallamos la funcin diferencial f (x) de la

magnitud alea tona X: en el intervalo (O; 2.n:) tendremos
/ (x), =-1-=-'-.
2:n:-0
2n '
fuera de este intervalo f (x) = O.

De la ecuacin y = cos x hallamos la func in inversa
x = 'lj, (y) . Puesto que en el intervalo (O; 2n) la funci n
y = cos x no es montona, dividimos este intervalo en los
intervalos (O; n) y (1t; 2n), en los cuales esta funcin es
montona (fig. 8). En el intervalo (O; re-) la funcin inversa
es ~,1 (y) = arccoc, y; en el intervalo (n; 2n) la funcin inversa es ~1) 2 (y) = - arccos y.
La funcin diferencial buscada se puede hallar por la
igualdad
g (y) = f l 1h (y)l l 11); (y) 1+f l~12 (y)] I ~"!;(y) .

182
()
Hallamos las derivadas de las func iones inversas:
,,;(y)= (arccos y)' =

,,~ (y) = ( - arccos y)'
-F-;il ,
0,--
.,
l -y
Encontra mos los mdulos de las derivadas:
l iJ,; (y)I = ~
V '-
Y~
l,p; (y) 1- ..- 1-
t, t -
y2
(o)
f (x) = ~ , obtenemos
Teniendo en cue.nta que

1
f [~'1(y)J = zn , f 1'11'2(9)1 =-
1
:.!n
( )
Poniendo las Ecs. (**) y (***) en la ("'), tendremos

1
g (y) = 2nvr.-::i
+
= ,- - .
l-Y2 2n l / 1- y2 n l,d-y~
Como y= cos x y O< x < 21t, tendremos que - 1 < y < 1
y
,_
/ '{l
1:
Fig. 8
Por consiguiente, en el intervalo (- 1: 1) la funcin diferencial buscada es igua l a

1
g(y)= re ~
-f/
fue ra de este intervalo g (y)
= O.
1
VER l flCACION;
g (!J) d!J = :_
1(.
~t
f ~
J 1: J - yt
-1
= .!..
n .
vdy
1-y
=I.n
arcsen 1 =_2._ _::_= l.

n
183
387. La rnagnlud aleatoria X est distribuida uniformemente en el intervalo (- ~ , ; ) Hallar la funcin diferencial g (y) de la magnitud aleatoria y
= cos X.
Respuesta g (y) =
.
en el intervalo (O; I), fuen 1, 1-y2
ra de este intervalo g (y) = O.
388. La magnitud aleatoria X est distribuida normalmente con esperanza matem tica igual a a y desviacin cuadrlica rnedia igual a u. Demostrar que la funcin lineal Y =
-'- AX + B t:rn1bin est distribuida normalmente; al
mismo t iempo
il-1 (Y)
= Aa -1- B, cr (Y) = 1 A I cr.
s0Luc10N . Escrib mos la funcin diferencial <le la magnitud aleatoria X:
(:c - a)'j
- 202".
f (x)= --=e
(J
V2it
Puesto que la funcin y= Ax

puede utilizar la frmu la
= f ('!> (y) 1 I t'
g (y)
Hallamos x
= ,p (y)
+B
1,
(y)
de la ecuacin y
es montona, se
(*)
= Ax + B:
y-8
t~(y) = A-.
Encontramos f hl) (y)l:

[ 11 -A B- ar
ff,p (y)J= _ ,_e

CT \I 2n
Hallarnos '!"' (y):
it,
2oz
.,1~e
a v' 2n
[11- <Aa+B))2
[y-8 ]' =-;;r
(y)=
-A-
Hallamos l 1.f (y) 1:

,p (y)
I
1
= TifT.
Poniendo la,; Ecs. ('~*) y (***) en la (*):

. .
o ..
a l lll =
184
e
(l A 1<1) V211
[11-(A,i+Ili]2
2(A0)2
2(Ao)a
(u)
De aqu se aprecia que la funcin lineal Y = AX

est distribuida normalmente; adems, l\.1 (Y) = Aa
y <1 (Y) = 1 A I cr, lo que se quera de mostrar.
389. Dada la funcin diferencial f (x) =
< x<
V2:rr.
+B
+B
x2
e- 2 (-oo <
oo) de la magnitud aleatora X normalmente distribuida, halJar la funcin diferencial g (y) de. la magnitud
aleatoria Y = X 2
sou.c10N. Hallamos de. la ecuacin y = x2 la funcin

inversa. Puesto que en el interva lo (- oo, oo} la funcin
y = x2 es no montona, dividimos este intervalo en los intervalos (- oo, O) y (0, oo), en los cuales la funcin a examinar
es montona. En el intervalo (- oo, O} la funcn inversa es
'ljl1 (y) = - f y; en el intervalo (O, oo) la funcin inversa
es ,i,2 (y>
= Yu.
La fu ncin diferencial buscada se puede hallar por la

igualdad
g (y)= f l,P1 (y)l, ,,; (y) 1+ f (11'2. (u)l l 1~; {y) 1(*)
Hallamos las derivadas de Jac, funciones inversas:
'lj):.(y)=-~-.
21,, y
Encontramos los mdulos de las derivadas:
,p; (y) 1=
V ,",;
(y) 1= 2
{1 .
()
..:2.
Teniendo en cuenta que f (x)
'P::. (y)
= V.Y,
vi_2n e-2 ',11.(y) = - VY,
obtenemos
Poniendo las Ecs. (**) y (** "') en la (*), tendremos

1
g (y)=
Puesto que y= x 2 y -
,1-('
V 2ny
_ _!!..
2..
oo < x < oo, entonces O< y< oo.

185
De este modo, en el interva lo (O, oo) la funcin di fe

rencial buscada es igual a
_.!!....
g (y)= 1/2,i:y e
fuera de este intervalo g (y)
VERIPlCACION,
i)
= O.
g (y) dy= - 1 yf,t
Tomando y = t2 y, por lo tanto, dy
:i '
f-V
1
2tdt, obtenemos
_.!.:_
2
J g (u) dy = V 2"' J e
~ dy.
-e-
dt.
t2
J e- 2 dt =
00
Teniendo en cuenta que (integral de Poisson)
V2n
= - 2- ,
hallamos
oo
g(y) dy=
2
v-
21'
112't
2- =
1.
x2
390. Dad a la fu ncin diferenci al f (x)
= VI_
e-z de
2n
la magnitud aleatoria normal mente distribuida X, hallar la

funcin diferencial de la magnitud aleatoria Y = ; X2.
Respuesta g (y) =
}_ e-11 en el intervalo (O, oo), fuera

lnry
de este intervalo g (y) = O.
39 1. Dada la funcin diferencial
f (x) =
<J
2n
x2
e-2.az,
hallar la funcin diferencial g (y) de la magnitud aleatoria
Y=
! x2.
')
.V
- 2y
Respuesta g (y) = 11 ny e 2 en el intervalo (O, oo),

2
fuera de este intervalo g (y) = O.
186
392. Una magnitud aleatoria X se da por la funcin diferencial f (x) = ~ sen x en el intervalo (O; re): fuera de este
magnitud aleatoria Y = cp (X) = x2, encontrando previamente la funcin diferencial g (y) de la magnitud Y.
sowcioN. Al principio hallamos la funcin diferencia 1
g (y) de la magnitud aleatoria Y. Dado que la funcin y =
= cp (x) = x2 para los valores consi derados de x (O < x < re)
es r igurosamente creciente, la funcin diferencial g (y) la
encontraremos por la frmula
g (y) = f h, (y)l l 'IIJ' (y) l.
donde ,~ (y) = VY es una funcin inversa a la funcin y = x2

Poniendo aqu '\j) (y) = VY y teniendo en cuenta que f (x) =
=
1
2
sen x, l '1'' (y) 1 = l ('Vy)' 1 =
1
y
2 il
obtenemos
YY .
vy
sen
g(y) = 4
Hallamos la esperanza matemtica buscada de la magnitud Y, tomando en consideracin que los valores posibles
de Y estn acotados en el interva lo (O, n 2) ya que y = x2
y O< x < n, entonces O< y< n 2):
n2
M (Y) =
Poniendo y
,i2
,-
5o yg (y) dy= Jo y ~e-~,}'y dy.

y
t2, obtenemos
1t
M (Y) =
y Jt sen t dt.
2
Integrand o dos veces por partes, fin almente obtenemos

A-1 (Y}= M (X 2) =
n~;-
NOTA La solucin mostrada antes tiene carcter didctico.

La frmula
u
Jn
IX"~ 1=
1t
1 z
d
n2 _ 4
2 J x sen x x = - 2-- ,
1
187
nos lleva ms rpidamente a la solucin. Esta misma nota

es extensible al proble ma 393.
393. La magn itud aleatoria X expone por la funcin dife.
rencial f (x) = cos x en el intervalo ( O; ; ) , fuera de este
funcin Y = qi (X) = X 2
Jt2-8
Respuesta i\-1 (Y) = -
-.
394. La magnitu d al eatoria X est dada por Ja funcin

<lferencial f (x) =
sen x en el intervalo (O, n) fuera de
este intervalo f (x) = O. Hallar la dispersin de la funcin
Y = 'P (X) = x i, utilizando la funcin diferencial g (1/).
s0Luc10N. Aplica mos la frmul a
D (Y)=
j y2g (y) dy- {M (Y)J2,
donde e y d son los extremos del interva lo, en el que estn

acotados los valores posibles de Y.
= n 4 (proble4
y
ma 392) y teniendo en cuenta que e= Oy d = n 2 (como y = x2
y O< x < n , entonces O< y< n 2), obtenemos
2
Poniendo aqu g (y) =sen~ , M (Y)
.
.,M)= i. !J sen-V
D (Y)=D(X
- dy- [;n.2
--4
-Jz .
;n2
1)
4-Vy
Integrando al principio la sustitucin y= t',., y despu

cuatro veces por partes, obtenemos
JJ,2
VY
J....
r l,f fi l/l
4 Jy
,_ J
d !J -- . n4
- 61tz+ 24
2
Poniendo la (**) en la (*), final mente obtenemos

D (X2) = n'l - J~n2+
so .
395. La mugnitu<l aleatoria X se da por la funcin diferencial f (x) .,._., cos x en el intervalo ( O; "f) ; fuera de este
188
intervalo
(p (X)
f (x) =
= X2
Hllese previamente la
ODSERVAc10N.
g(y)
O. Hallar la disper'iion de la f1 1ncin Y
= e~~~
u n cn
2
dl~ la magnit ud Y= X
diferencial
apl ruese la fr-
mula
:rt2
T
D (Y)=
f;2g(y) dy-[M(Y)l2. donde
(problema 393). Al integrar, al prmcipio utilcese la sustitucin y = t2 , y Iuego intgrese por parte~.
Respuesta D (X 2) = 20 - 2:n~.
396. La arista de un cubo se mide aproxin1adamente.

adems a::::;;; x ~ b. Considerando la arista del cubo como
una magnitud aleatoria X distr ibuia uniformemente en l
interva lo (a, b), ha1Iar: a) la esperanrn mate m~t ica del volumen del cubo, b) la dispersin del volu men del cu bo.
OBsE11 vAc1 0N.
g (y)
3 (b-a)
Hllese previamente la funcin diferencial

3
2 de la magnitud aleatoria Y = X Ut-
y3
b8
lcese
las
M (Y) =
frmulas:
D (Y) =
y g (.y) y,
ns
b*
y2g (y) dy- lM (Y)l 2
a3
Respuesta M (Y)=
_ [ (b + a) t+ai)
(b+ a) (b2+ a2i
J2.
(b
- <l)
D (Yl "''= b1
ci1
7 (&-at
397. Dada la funcin integral F (x) de una magnitud aleatoria X, hallar la funcin integral G (y) de la magnitud aleatoria Y= 3X + 2.
sowc10N.
Por definkn de la funcin integral

G (y)
= P (Y< y) .
189
Puesto que la func in y = 3x + 2 es creciente, la desigualdad Y < y se cumple si tiene lugar la desigualdad X< x,
por eso,
= P (Y< y) = P (X< x) = F (x).

De la ecuacin y = 3x + 2 expresamos x:
G (y)
y -2
X=-3-
(*)
(**)
Poniendo 1a (**) en la (*). final mente obtenemos

G (y) =F
[Y-;- 2].
398. Dada la funcin integral F (x) de una magnitud alealoria X, hallar la fu ncin integral G (y) de la magnitud alea2
x + 2.
Y = t ona
3
s0Luc10N. Por definicin de la func in integral

G (y) = P (Y< y).
Puesto que la funcin y = - ~ x + 2 es decreciente, la
desigualdad Y < y se satisface cuando se cumple la desigualdad X > x, por eso
= P (Y < y) = P (X > x) .
Corno los sucesos X < x y X > x son opuestos, la suma
G {y)
de las probabilidades de estos sucesos es igual a la unidad:

P (X < x)
P (X > x) = 1.
De donde
P (X> x) = l - P (X< x) = 1 - F (x)
y, por lo tan to,
G (y) = 1 - F (x).
(*)
., y = De 1a ecuac10n
X=
2
+2 expresamos x:
3 x
3 (2;-y) .
(**)
Sustituyendo la (* *) en la (*), finalmente obtenemos

G (y)= l -F [
190
3{2;-Y)J.
399. Dada la funcin integral F (x) de una magnitud aleatoria X . hallar la funcin integral G (y) de la magnitud aleatoria Y, si: a) Y = 4X + 6, b) Y = -5X + 1. e) Y = aX + b.
6
1
Respuesta a) G (y)=f[Y~
b) G(y)= l -F [
J;
[Y:-],
cuando a<O G(11)= 1-F [y-;;l>J .
a> O
e) cuando
l
5Y
O (y)= F
2. Funcin de dos argume.ntos aleatorios

Si a cada par de valores posibles de las 111ag111ludes aleatorias X
e Y les corresponde un solo va lor posible de la magni tud aleatoria
entonces Z se llarna funcin de dos argumentos lllratorios X e Y y se
escribe:
z.
Z = q> (X, Y).

Si X e Y son magnitudes aleator ias independientes dscretas, para
hallar la distri bucin de la funcin Z = X
Y hay que encontrar
todos los valores posibles ele Z, para lo cual es suficiente sumar cada
valor posible de X con todos los valores posibles de Y; las probabli
dades de los valores posibles del hallados son iguales a los productos
de las pro babilidades de los valores sumados de X e Y.
S X e Y son magnitudes aleatorias independientes continuas,
la funcin diferencial g (z) de la s uma Z = X
Y (a condicin de
q ue la funcin diferencial de aunque sea uno de los argumentos est
prefi/' ada en el intervalo (-oo, oo) por una frmula) se puede hallar
por a fr mula
00
J f (x) f
g(z)=
(z-x)dx
o bien por la frmula equi valente

00
j ft(z -
g (z)=
y)/2 (y)dy;
-oo
donde / 1 y fa son las funciones diferenciales de los argumentos; si los

valores posibles de los argumentos no son negativ-os, la funcin dife
rencial g (z) de la rnagnit ud Z = X
Y se halla por la frmula
g (z) =
j /t (x}f (z - x) dx,
2
o
o bien por la frmu la equiva l ente
%
g(z)=} f dz-y) f dy)dy.

o
191
Cuando ambas funciones diferenciales f 1 (x) y f, (y) estn dadas

en inf.erval,,s f11 11tus, para !tallar la funcin d1foren<:ial g (z) de la
magni tud Z = X
Y cc.,nvi<'ne al principio encontrar la funcin
rntegral G (z), y despucs d1forcnciarla por z: g (z) = O' (z).
Si X e Y son magnitudes aleatorias independientes prefijadas por
las respectivas funciones d iferenciales fi (x) y f 2 (y) , la probabilidad
<le que el punto aleatorio (x, y) caiga en la regin D es ig ual a la intc
gral doble de esta regin respecto del producto de estas funciones:
P [(X, Y) C Dj =
j '1.(x) f
(y) el:-< dy.
( D)
400. Las magnitudes aleatorias independientes discretas
X e Y estn <ladas por las distribuciones

X
P
l
3
0,3 0,7;
Y
P
2
4
0,6 0,4.
Hallar 111 distribucin de la magnitud aleatoria Z
= X + Y.
sowc10N. Para formar la distribucin de la magnitud

Z = X
Y hay que encontrar todos los valores posibles
<le Z y sus probabil idades.
Los valores posibles de Z son la suma de cada valor posible de X con todos los valores posibles de Y:
Z1
+ 2 = 3;
Z'l.
Z.,
= l + 4 = 5;
Z3
= 3
+2 =
5;
= 3 +4 = 7.
Hallamos las probabilidades de estos valores posibles.

= 3, es suficiente que la magnitud X tome el
valior x1 = l y la magnitud Y, el valor y1 = 2. Las probabilidades de estos valores posibles, como se deduce de las
leyes de distribucin dadas, son respectivamente iguales a
0,3 y 0,6. Dado que los argumentos X e Y son independientes,
los sucesos X= 1 e Y= 2 son independientes y, por Jo tanto,
la probabil idad de que ocurran si multneamente (es decir,
la probabilidad del suceso Z = 3) por el teorema del producto es igual a 0,3 0,6 = O, 18.
Anlogamente hallamos:
Para que Z
= 1
P (Z = 3
P (Z-= 3
P (Z
+ 4 = 5) = 0,3 0,4 = 0, 12;

+ 2 = 5) = 0,7 0,6 = 0,42~
+ 4 = 7) = 0,70,4 = 0,28.
Escribimos la distribucin buscada sumando previa-
mente las probabilidades de los sucesos mutuamente exclu192
yentes Z
z2
5, Z
i.:
P
Vlol{ IF ICACJON ;
=5
Z11
:J
!.i
U, 18
O,M
0, 18 -J- 0,54
-j-
(0,12
+ 0,42 = 0,54):
7
0,2tl
0,28 = }.
401. Las magn itudes aleatorias discretas X e Y estn

<ladas por las dislribuciones:
a) X
b) X
10
0,4
4
O, 7
l2
16
O, 1 0,5
IU
O,:!
1
0,2
1
0,8
Y
P
2
0,8.
7
0,2.
Hallar la distribucin de la magnitud aleatori a Z = X

Respuesta
a} Z
P
b) Z
11
12
0,08 0,32
5
11
0,56 o,:is
13
14
0,02
0,08
17
O,IO
+ Y.
rn
0,40;
17
0,06.
402. Las magnitudes aleatorias indcpe11 dientes X e Y

estn dadas por las funciones diferenciales:
(O~ x~oo),
ft(x)=e-x
_J!...
fi(y)= 2 e
(O ~y< oo) .
Hallar la composicin de estas leyes, es dec ir, la fu ncin

diferencial <le la magnitud aleatoria Z = X .- Y.
sowc,oN. Ya que los valores posibles di? los argumentos
no son negativos, es aplicable la frmu la
z
g (z} =
1ft
(x) f z (z - x) dx.
Por lo tanto,
z-x
g(z) =Je-"' [+e-TJ dx.

%
Realizando transformaciones elementaks, obtene mos

z
g (z) =e -y\ l -e-2] .
Aqu z ~ O, como Z = X
X e Y no son negativos.
IJ - 05-iO
+Y
y los v,.ilores posibles de

193
Oe este modo, g {z) = e-2J l - e-il en el intervalo (O, oo),

fuera de este intervalo J.! (z) = O.
Reco men<la mos al lector cerciorarse de que
Jg (z) dz = l.
o
403. Las magmtudes aleatorias independientes X e Y

se dan por las f undones diferenciales:
+:r
X
i , (x) -::
(O~x< oo) ,
.ti
..) 1 --r
fi (.Y ~-5e
(O~ y< oo).
Hallar la compos1cln de estas leyes, es decir, la funcin

diferenc ial de la magnitud aleatoria Z = X + Y.
R,esmesta
- e
l{ (_z) - ~
_ ..!_
_ 2z
1 -e ts
pa
ra z ; 3- 0,
para
z< O.
404. Las magn itudes aleatorias X e Y independientes

normalmente d istribuidas se dan por las funciones diferen-
ciales:
x1
1
-f1( X) = ,.r..::- e 2 ,
V
2Jt
Demost rar que la composicin de estas leyes, es decir, la

funcin diferencial <le la magnitud aleatoria Z = X + Y.
tambin es una ley normal.
sowcroN.
00
g(z) =
J fdx)f'l(z -
x)dx.
- oo
En tal caso
= 2in Jr
""
g (zj
--2. e
:xi
(z-x ji
dx.
-00
Realizando clculos elementales, obtenernos
- oo
194
Adicionando el nd ice de 1a fu ncin exponencial afectada

por el signo de integral, hasta el cuadrado compldo, sacarnos
-2.
e'f" fuera de la integral:
Teniendo en cuenta que la integral <le Poisson, que se encuentra en segundo mie mbro de la igualdad, e& igual a f n, finalmente obtenemos
""
Recomendamos al lector cerciorarse de que ) g(z) dz
l:
_,,,x,
para ello sustilyasc Z = 'V2 t y tmese en consideracin

oo
tZ
que la integral ele Poisson \ e- 2 dl

'
=f
2n.
~': -
Cabe hacer notar que en el problema a examinar, corno

se comprueba fcilmente, M (Z) = M (X) + M (Y) y o (z} =
= V0 2 (X) + a2 (Y). Se puede demostrar que estas frmulas son ciertas tambin para la composicin de leyes normale.s generales (es decir, si la esperanza matemtica es distinta de cero y la desviacin cuadrtica media no es igual
a la unidad).
405. Dadas l.:1s funciones diferenciales de las magnitudes
aleatorias independientes distribuidas uniformemente X e
Y: f1 (x) = { en el interva lo (O; 2), fuera de este intervalo
f1 (x) = O; f i
(y)
= { en el intervalo (O; 2), fuera de este
intervalo f 2 (y) = O. Hallar las funciones integral y diferencial de la magnitud aleatoria Z = X , Y. Construir la
grfica de la funcin diferencial g {z) _
soi,ucroN, Por los datos. los valores posibles de X se determinan por la desigualdad O< X < 2, los valores posibles
de Y, por la desigualdad O< y< 2. De aqu se ded uce que
los puntos aleatorios posibles (.x. y) se encuentran en el cuadrado OABC (fig. 9, a).
13"'
195
Por definicin de la fu ncin
G (z)
P (Z
<
z)
integral
+Y <
P (X
z).
Los puntos (x, y) del plano xOy que se encuentran debajo

de la recta x + y = z {esta reda corta los ejes Ox y Oy formando los segmentos iguales a z) satisfacen la desigualdad
x -1- y< z; $ se toman solamente los valores posibles de x
!)A
IJ
/}~ ",
"
.'i
' ~ '.:.__
.-
'
....
tli
Fig. 9
y < z es justa slo para los puntos

que estn en e-1 cuadrado OABC debajo de la recta x
y = z.
Por otra parte, como las magnitudes X e Y son independientes, entonces
e y, la desigualdad x
G (z) =
J) f dx)fi
(y) dx
dy=
+JJ
dx
dy =+s,
<>
(3)
donde S es la magnitud de aquella parte de la super ficie del

cuadrado OABC que se encuentra debajo de la recta x +y= z.
Es evidente que la magnitud de la superficie S depende del
valor de z.
Si z -~ O, tendremos que S = O, es decir G (z)
Si O < z < 2, entonces (fig. 9,a}
1
G (z) :::- 4
196
S .011E =
za
z2
4 2 = 8
= ~ O = O.
Si 2 < z < 4, en tal caso (fig. 9,b)

I
G (z) = 4
t 4- z)'
= J8
Aclaremos que el rea de la fi gura OAHKC se hall como diferencia entre el rea del cuadrado OABC, que, evidentemente,
es igual a 2i = 4, y el rea del tringu lo rectngulo HBK:
2
St.B nrc =
, al mismo tiempo HB = 2--A H = 2-AF =
O A HICC
Hf
=- 2 -(z - 2)=4-z.
1
Si z > 4, se tendr que G (z) .~ 4 S o.uw = 4 -4
l.
fj{Z)
Fig. IC,
De este modo, la funcin integral buscada es:

parn
J
G(z) .,... ,
para 0<z < 2,
;
1--
(1 - z):
para 2<z < 4.
1
para
z .: : :, 4.
Hallamos la funcin d iferencial g (z) = G' (z)
O
para
z~ . O.
z
para O<z< 2,
g(z) =
1-
para 2 < z < 4,
O
para
z> 4.
En la fig. lOse muestra la grfica de la funcin dfcrencalg (z) ,
Para control. recomenda mos al lector venficar que el rea
limitada por la cu rva de distribucin g (z) ~s igual a la unidad .
406. Dadas las funciones diferencia les ck~ las magnitudes
alea torias independientes uniformemente distribuidas X e Y.
f1 (x) = 1 en el intervalo (O; 1), fuera de este nlervalo / 1 (x) =
=0;}, <.YL= 1 en el intervalo (O; 1), fuera de este inter197
val o f 11 (y) = O, hallar las funciones integral y diferencial

de la magnitud aleatoria Z = X + Y y construir la grfica
de la funcin diferencial g (z).
para
z<O,
z2
Respnesta
para O<z< 1,
1 2
2
- f 1- <2-; 2 > para 1< z < 2.
(J (z) -
para
z > 2.
para
z< O,
z
para O<z < l,
t(z) =
2-z para l<z<2,
{
O
para
z>2 .
407. Dadas las funciones diferenciales de las magnitudes
a1eatorias independientes uniformemente distribuidas X e Y:
f1 (x)
en el intervalo {l; 3), fuera de este intervalo {1 (x) =
l
=}
= O; f 2 (y)=-} en el intervalo (2; 6) , fuera de este intervalo

/2 (y) = O, hallar las funciones integral y diferencial de la
magnitud aleatoria Z = X + Y y construir la grfica de la
funcin diferencial r.t (z).
O
(Z-3 )
Respuesta G(z) =
'
_!__,
para
para ,3<i<5,
para fi <
'1
z< 3
z< 7,
(9- z)2
1 - - - para 7< z< 9,

16
1
para
O
.
- ~!
,i!
(z)
=1T
9 .. z
-K-
para
z< ~1,
para 3<z<.:: S,
para 5<..z<7,
para 7<.z<:9,
para
Z>9.
z>9.
CAPITULO OCTAVO
Sistema de dos magnitudes

aleatorias
t. Ley de distribucin de una magnitud

aleatoria bidimensional
La magnitud aleatoria (X, Y), cuyos vat~ire!!. posibles es un par

de nlimeros (x, y), se llama bidmensional . Las compont>ntes X e Y
anal iuidas simultineamen!C' forman un sistema de dos magnH udcs
aleatorias.
Geomtricamente la magni tud hidime11si0nal St: puede intcrprc ..
tar como un punto aleatorio M (X, Y) en t'l plann xOy, o bien como
un vector aleatorio OM.
La magnitud bidimensional se llama discreta, tuando las com ponentes son discretas.
La magnitud bidimensional se llama continua tuando sus componentes son continuas.
Se llama le11 de distribucin de las prnbab1hdat!cs <lf' una magnitud aleatoria bidimensional la corresp,,nrlencia entre los val0rP.5.
posibles y sus probabilidades.
La ley de distribucin de una magnitud alr~aloria discreta puede
ser dada: a) en forma de tabla con dos entradas 'que conl1enen los
valores posibles y sus probabil idades, b) analticamcnk, por ejemplo,
en forma de funcin integral.
Se llama funcin integral de la distribucin d,'. prnh.a bilidades de
una magnitud aleatoria bdimensional la funcin F (x, y). que determina para cada par de nmeros (x, y) la probabil 1dad dt' que X tome
un valor mem1r que x y, en eslc caso, Y tomt:! un valor menor que y:
F (x, y) = P (X<x, Y < y) ,
Geomtricamente e~ta igualdad se puede rnterprdar as: F (x, y)
es la probabilidad de que el punto aleatorio {X, Y) caiga c,n un cuadran te infinito de vrtice (x, y), ubicado a la izquienla v debajo de esl.r.,
vrtice.
Frecuentemente en lugar del trmino funcin integral se util1zn

el trmino funcin de distribucin.
La func in integral posee las siguientes prc:oi~' diides:
PROPIF.OAO 1. Los valores de 1~ funci n lnl1:gra l safr,facen (.:,
doble desigualdad
O "' F (x, y)
1,'
PROPIEDAD 2. La funcin integral es una fund n no decreciente
respecto de cada argumento:
F (x2 , y} :;;;,,, F (x1 , y), si x 2 > x 1 ,
F (x, 1:12) :;;;. F (x, y1 ), si y 2 > y1
<
199
PROPIEDAD 3
T 1enen I ugar las correlaciones Iml tes:
l} F l-oo, y)= O,
2) F (x, -oc )"- O,
3) F(-oo
4)
- ,: :,o)=O
{oo, oo) .~.. J
'
PIWPIEOAD 4. a) Cuaudo y = oo la funcin integral del sistema

1kv1enc una func11:,1\ integral de la componenle X .
F (x, oo)
F 1 (x).
b) Cuando x ,.: ,,o la fu ncin integral del sii;tema deviene una

fuuci,:,n mf.t~gral de la c:omponente Y:
F {oo, y)= Fn (y)

Utilirn11d1.1 la funcio11111tegral se puede hallar la probabilidad de que
un punto 1.1lca!'urio c:a1ga en el rectngulo x 1 < X < xll, y 1 < Y < Y2 :
P (x1 <X< x 3 ,
!!1
<
< Ya) =
1J
(xi, !12) -
F (x1, Ya)) - [F (x2, Y1) -
F (X, Y1)J.
S( lla111afunci11 difuencaldela distribucin de las probahilidades
de u1111 mag111!.ud alratoria bidi mensional continua la derivada mixta

st::gunda dt' la fun c1(,11 rntrgral:
iJ3 F (x, y)
(x, y)
" iJg
Frecu.:,ntc>rnenf.e E-11 lugar del t~rmino funcin diferrncial se

uliliza c>l trm11w densidad bidimensional de la probabilidad.
La func1611 diferencial se puede considerar como lmite de la
relacin de la probabilidad de que un punto aleatorio caiga en el
rectngulo de lados llx y lly a la superficie de este rectngulo, cuando
ambos de sus lados tienden a cero; geomtricamente se puede interprrtar comn una superficie, denominada superficie de distribucin.
Conoccndo la func in diferencial se puede hallar la funci6n
inl<!gral pnr la formula
F (x, y)
1J
f (x,
y) dx dy
-oo - oo
La prr:,babi!Jd11d de que el punto aleatorio (X. Y) caiga en la regin

D se d.:>termina pr,r I a igualdad
P(X, Y)cDJ=
JJ
f(x, y)dxdy.
(D)
La fun(i,:'n diferencial tiene las siguientes propiedades:

pf{OPIEDAD 1.
La !uncin diferencial no es negativa:
f
200
{x, y) ;;;;i, O.
PROPIEDAD 2. La integral impropia doble dci lmites infini te>~ d~

una funcin diferencial es igual a la u11idad:
00
QO
(x, y) .tx dy = 1
) f
-00
-oo
En particular, si todos los valores posibles de:' (X, Y) pert~ntccn a la

regin finita D, tendremos que
) ) f (X,
y) dx dy = L
(D)
408. Dada la distribucin de las probabilidades de una

magnitud aleatoria bidimensional discreta:
1
~",
........,X
12
JO
o, 13
0,17
4
5
o, 10
0,25
0 ,05
0, 30
hallar la ley de distr ibucin de las componentes X e Y.

sowc10N. Sumando las probabilidades por columnas,
obtenemos las probabilidades de los valores posibles de X :
p (3)
= 0,27;
p (10)
0,43; p (12)
= 0,30.
Escribimoc; la ley de distribucin de la com ponente X:

X
0,27
10
12
0,43
0,30.
VER JFJCACION 0,27

,43 -j- 0,30 = l.
Su mando las probabilidades por lneas>'>, anloga mente
encontramos la distribucin de la componente Y:

y
0,55 0,45,
!)
0,55 + 0,45 = 1.
409. Dada la distribucin de las probabilidades de una
magnitud aleatoria bidimensional discreta
VE~IFICACION:
~.,...._X\
y
',
2,3
2,7
26
0,05
0,09
1 30
o, 12
0,30
5 ()
,08
O, 11
0,04
0.21
201
h1\lar las leyes de <listribucin de las componentes.

Respur.sla
X
p
26
o, 14
ao
41
50
0,25:
o, 19
0,42
J,3
0,29
2,7
0,71.
410. Dada la func in integral ele una magnitud aleatoria

bidimensional
F (x, y)= {
O~ y~;,
scnx,eny
para O~x~;,
para x< O o y< O,
hallar la probab ilidad de que el punto aleatorio (X, Y) caiga

en el rectngulo Iirn i<la<lo por las redas x-'-- O, x = ~ , y= ~ ,
n
Y= ,;
sowcioN. Utilizamos la frmu la
P (xi< X<
X2,
Tomando x.1
= O,
Y1 <Y< Y2) = [f {x2,. Y2) - F (x1, Yz}l - [F (x2, Y1)- F (X1 , Y1}].
x3
=: ,
y1 = ~ , !h = ; , obtenemos
P= [ sen : ,sen ; - sen O,sen ; ] - [. sen 4:n; ,sen 6Jt - sen0-sen T1t
J= 1/6- 112 = 0,26.

4
411. Hallar la probabilidad de que el punto aleatorio

(X, Y) caiga en eJ rectngulo limitado por las rectas x = 1,
x = 2, y = 3, y = 5, conociendo la fu ncin integral
-.,,. , y '-0
F (x ) = 1 - 2 -:r --'2-y + 2-x- y para x ,;::,::? ,
{
'Y
O
para x<O o y<O.
3
Respuesta P= 128
bidi mensional
F (x
)={ Ol - Tx-:r +3-x- v para

para x~O, y ~O .
,y
x<O o y<O,
11
hallar la funcin diferencial del sistema.

202
s0Luc10N . Utilizamos la frmula f

mos las derivadas parciales:
(x,
y)= ;:~ . Halla-
ax = In 3(3-x_3-x-,-)..
2
}
t = ln2 3.3-x-u.
vx r,y
iJF
De este modo, la funcin diferencial buscada es

fn2 3,3-x-y para X ;,.~Q, !J ';;"?- ,
{
f (x, y)= O
para x< O o f1<0 .
Recomendamos al lector cerciorarse de que
00
)n 2 3
CO
j J3-x-y dx dfJ = 1.
o o
bidimensional
F
. { (1- C 4 x)( I -e-2 11) para x > O, y> O,
(x, Y) = O
para .t < O, y< O,
hallar la funcin uiferencial del sistema.

Respuesta f (x, y) = 8e-4 x-:w para x > O, y> O;
f(x, y)=O para x< O o bien y<O.
414. Dada la funcin diferencial del sistema de magnitudes aleatorias (X, Y):
f (x,
y) = (16-j xi (25+ y:i.)'
hallar la funcin integral del sistema.

OBSERVACION, Aplquese la frmula
11
F (x, y)
JJ f
(x, y) dxdy.
Respuesta F (x, y) = ( in arctg ;
+ ! ){5~ arctg ~ + /0 ) .
415. Dada la funcin diferencial de un sistema de dos mag-
nitudes aleatorias:
f (x,
y)=
! sen
(x
+ y)
en el cuadrado
203
O ~ x ~ . ; , O ~ y ~ ; ; fuera de este cuadrado f (x, y) = O,

hallar la funcin integral del sistema.
Respuesta. F (x, y) ,... ~ [sen x
el
cuadrado
+ sen y -
dado;
fuera
sen (x + y)] en
del cuadrado
= O.
F (x , y)
416. En e! crculo x 2
y"' = R2 la funcin diferencial
2
(x, y) = C (R - f x .~ yz);
fuera de este crculo
f (x ,y) =
O, hallar. a) la constante C ,b) la probabilidad <le que

el punto alealono (X, Y) ca iga en el crculo con centro en
el origen de coordenadas de rad io r = I, si R ~ 2.
~01 uc10N a) Aplicamos la segunda propiedad de la fun-
cin diferE>ncal
J) C(R -
l rx 2 + y2 )dxdy = I.
i'[.eJ
De donde
C=
Vx2+u2). d.ly .
.\ \ (P -
Pasando a las coordenadas pola res, obtenemos

1
C"""'
2:ri
d(p \
fX
ri<-p) r d)
b) Segn los datos R
f (x , y) =&~ (2 -
- nRl .
2; por lo tanto, C = &t y
-! y2).
La probabilidad de que el punto aleatorio caiga en el

crculo de rado r = 1 con centro en el origen de coordenadas
(regin D 1 ) es
P [(X. Y) c. Dtl =
J) (2-1/x + y2) d.t dy.
Rn:
I D1)
Pasando a las coordenadas polares, obtenemos la probabilidad buscada
p ,._
204
2:11'
;~i Jd1r 1(2 -
fJ)pdp = +
417. La superficie de distribucin de un sistema de magnitudes aleatorias (X, Y) es una semiesfera con centro en el
origen de coordenadas de radio R. Mallar la funcin diferencial c.lel sistema.
oasERVAc10N.
Pse5e a las coordenadas polares.
Respuesta f (x, y) = '2:.RS R 2 - (x2 + !12) dentro del

crculo con centro en el origen de coordenadas
de radio R; fuera de este crculo f (x, y) = O.
418. Dada la funcin diferencial f (x. y) = (9 +x) ~l6 +y2.)
de un sistema de. dos magni tudes aleatorias, hallar la cons-
tante C.
Respuesta C =
12
nz .
419. Dada la funcin diferencial f (x, y) .-: (xi+iz+i}s de

un sistema <le dos magnitudes aleatorias (X, }1, hallar
la constante C.
oasERVAc 10N
Psese
las coordenadas polares.
Respuesta C = -!e .
420*. Dada la funcin integral de url sistema de dos magnitudes aleatorias en el pri mer cuadrante: F (x, y) = l - 2-x - 2-u + 2-x-u; fuera de este cuadran Le F (x, y) = O,
hallar: a) la funcin diferencial del sistema, b) la probabilidad de que el punto aleatorio (X, Y) caiga en el tringulo
de vrtices A (l; 3), B (3; 3), C (2; 8).
Respuesta a) f (x, y) = ln2 2 ,2-.r- en el pri mer cuadrante; fuera del cuadrante f (x, y) = O; b) P =
5
3.21i.
2. Leyes condicionales de distribucin

de las probabilidades de las componentes
de una magnit ud aleatoria bidimensional discreta
Supongamos que las componentes Xi: Y son d1s<:rctas y sus valores
posibles sean: x1 , x11 , , Xn ; Y1, Y2, . , ., y,,.

Se llama distributln condicional de la componente X para Y
= IJJ
(/ tiene un mlsmo valor para t odos los valores posibles de X)el con205
Junto de probah1 l11lade.s c o nd1ewnale.s

P (x, 1 f/j) , /J (x2 1 Yi) .. , fJ (x,, l //j),
Anlogarnent,:o se determina la d btribucii; n condicional de Y.
La$ probal.,il1 dades condkionalts de las com ponentes st> calculan
res pec tivamente por las fi:irrn ulas:
td= p (x., YJ)

P (x, l _J.
p(yjl
'
(y l.x)=p(x,y ) .
p (xi)
i.
Para contrnlar [o$ t.ilc ulus conviene comprobar que la suma de las
prohabilidades de u11a distribucin condicional es igual a la unidad.
421. Dada la magnitud aleatoria bidimensional discreta
>---~I
x, = 2
.1/j ""o,r..
x2 ....~
,q=8
1
0,35
0,03
0,30
0, 12
O, 15
0,05
Y2 -:-:- 0,8
hallar: a) las leyes incondicionales de distribucin de las
componente.5, b) la ley condicional de distribucin de la

componente X, a condicin de que la componente Y tome
el valor y1 = 0,4, e) la ley condicional de la distribucin
de Y, a condicin de que X = x 2 = 5.
so1.ucroN . a) Sumando las probabilidades por colum nas, escribimos la ley de distribucin de X:
X
2
5
0,20 0,42
/!
0.38.
Sumando las probabilidades por lneas, hallamos la ley

de distribucin de Y:
Y
0,4
0,8
0,80
0,20.
b) Hallamos las probabilidades condicionales de los valo.

res posibles de X, a condicin de que la componente Y tome
el valor y 1 = 0,4.
. _l .
p p :i Yi )
. j .
/J lX2 Yt) =
.
p l_X3 Yt ) =
206
p (X, y)
= p (Y1) =
p (Xz, y }
/> (//1)
p (X3, //1 )
p (y)
=
=
0, 15
0,80
3 .
l fi '
0,30
3 .
O,i;<O = 8 '
0,35
0,80
7
16.
Escribimos la ley condicional buscada de la distribucic>n

de X:
X
p(X I Yt)
.
Venr1cac1l,n:
f,
136
16 .
+3+1
16 8 16 = 1.
c) Anlogamente encontramos la ley condkiona l de distribucin de Y:
y
0,4 0,8
3
f.
p(Y I Xz)
-r+--r=i.
Verificacin:
422 . Dada una magnitud aleatoria bidimensional dis.

creta:
':'~I
r,
0,2/i
0, 15
0,32
10
14
18
0, 10
0,05
0, IJ
hallar: a) la ley condicional de distribucin de X, a cotldicin de que Y = 10, b) la ley condicional de distribucin
de Y, a condicin de que X= 6.
Respue.sta
p (X l 10)
6
; ;
b) y
p (Y 16)
10
14
18
28
3. Hallazgo de las funciones diferencial

y diferencial condicional de las componentes
de una magnitud aleatoria bidimensional continua
La funcin diferencia l de u na de las comp,JJJrnles es gual a la
integral impropia de limites infi nitos respecto de la funcin diferencial del sistema, asimismo la variable, de in tfgr acir',11 cc,rri::sp.:.111.lc.
a otra componenk:
r /'
""
00
f 1 (X) =
Jf
-oo
(x, y) dy,
f z. (y) =
-
(x, y) J:c.
,X,
207
Aqu se sup1Jne que los valores posi bles de cada una de las compone ntes corrr$p1111do..11 a h:,di:, r.l eje n umrico; si los valores posibles
,cr ten!ccn a un inte rvalo fi ni to, como Hmites de ntegraci <>n se loinan
1<1'.> c(irres pudi~ntcs u mc-ws fin itos.
Se Jlama f imc:i!L dif arnc:.iul condcional q (.x I y) de la compo
nente X para un va lor dado de Y = 11 , la r elacin ent re la funcin
dikrencial del s1i:.te ma y la fu ncin dfferencial de la componente Y:
f (x,
<T'l~ I I/) = !{ x, y)
fz(U)
y)
00
t(x, y) dx
-oo
i\ n logamenk, la funcin diferencial condicional de la componente

Y es:
f (x, y)
,i,{y l x}=- f (x, y)
f1 (x)
""
f (X, y) dy
-oo
Si las funciones diferenciales condicionales de las magnitudes

aleatorias X e Y son iguales a sus funciones d1ferenc ales absol utas,
estas magni tude~ son independientes.
La dsl rb ucin de una magnitu d a leatoria bi dimens iona l continua se lla ma uniforme, c:uand0 en la regin a la que correspor..den lodos
los valores pos.11,lcs de (x, y), la funcin diferencial conserva un valor
constante.
423. Dada la funcin diferencial de la magn itud aleatoria

bidi mensiona l continua
.
_!, (x2+2:q 1+ri vii

e 2
,
f p:, y) = -n
hall ar a) las funciones di fere nci ales de las co mponentes ,

b) las funcone.s diferenciales condic ional~s de las componentes.
so1.Uc 10 N a)
ft(x) =
Halla mos la func in diferencial de X:
ex.
00
- .
- oo
f .
1 - - (x~+ Zx11+ri1/l.)
J f { x, y)dy = -; J e 2
dy.
;,c2
Sacamos fuera <le. la integra l el factor e- 2 que no depende

de la variable de integracin y. y completamos el ndice que
queda hasta el cuadrado complE>lo; entonces
~ X~
. .
1
-:- f1(X) ::..-:c n.: t ,, 10.
/-
f,.
'X
'
~ e
(1: ' -T
11+
1,rz )2
1
:,::
00
Tenien<lo en cuenta que la integral de Poisson
= -V.
Je-u d11 _,._

2
obtenemos la funcin diferencial <le X:

/\ (x) =
c-0.1:x:i.
:
5
Anlogamente bailarnos la funcin diferencial <le Y :
fdy) = ( ;
e - 2112,
b) Hallamos las funciones <liferencia1es condicionales de

las componentes. Mediante transformaciones elementales,
obtenemos:
cp (x I y)= f (x, y) = _ l- e-0,5 cx+ul2,
l/2'i
f2 (y)
'P (!J IX)= f
5-e.-0,l {x+511rl.
(x, Y) = -
l/2i
f 1 (x)
424. La funcin diferencial de una magnitud aleatoria bidimensional continua es

f (x, y)= Ce-x2-2.-.:y-4yZ.
Hallar: a) el factor constante C, b) las funciones diferenciales

de las componentes, e) las funci ones diferenciales cond i
cionales de las componentes.
0
L\
espuesta a) C =
f2 (y)=
.
V3
n '
b)
f 1 (x) = 1/3_ e- o. 1 sxz
Vav:n e-3vZ;
\j. t I x) =
,~
2 V:
e) <p(xly)=
.
VI_n
'
e-(Xi1J~ .
e-0, 25 ('-+4, >2.
v 2n
425. La funcin diferencial <le una magn itud aleatoria

bidimensional continua f (x, y) = cos x <:os y en el cuadrado O~x ~ ; O~ y~ ; ; fuera del cuadrado f (x, y) = O
Demostrar que las componentes X e Y son independientes .
ossERVt\CtON . Demustrese que las funcones diferenciale.;;
absolutas de las componentes son iguales a las respecii v,1~
funciones condicionale.$.
14-0510
20()
426. Una magnitud aleatoria bid imensional continua

(X, Y) est distr ibuida uni formemente dentro de u n rectngulo
con centro de si metra en d origen de coordenadas y de lados
de longitud 2a y 2b, para lelos a los ejes de coodcna<las. Hallar:

a) la funcin d 1fem1cial del sistema, b) las funci ones dife
renciales de la,; co mponentes.
Respuesta a) f (x, y) =
~b
dentro el red~ngulo dado;
fuera del mismo / (x, y) = O; b} {1 (x) = ~

para I x 1 -~ a, f 1 (x) = O cuando I x 1 > a;
f 2 (y) =~para I y 1 ~ b, f 2 (y) = O cuando
l .t1 1> b.
427*. Una nwgni tud aleatoria bid1 mensional continua
X, Y) csl d b lril,uida uniformemc:ntc dentro <le un trapecio rectangu lar de vrtices O (O; 0), A (0, 4), B (3; 4),
C (6; 0) . Hallar: a) la funcin diferencial del sistema, b) las
func ione:> diferenciales de las componentes.
Respuesta a) f (x,
y) -= 1\~dentro del trapecio; fuera de l

(x, y) -; O:
para
h)
r:
para 0<x<3,
f , (.q = .
.
1 -27
2 x+ 9
4
(1
.
.
/z l l) J--~
x<O,
{"
para 3<x<6.
p,1ra
x>6;
para
, 1
!J < O,
-24 Y 3
p:1ra O< y< 4,
para
Y>4.
428. La mag111tud aleatoria bidimensional cont in ua (X, Y)

esl distribuida un iformemen te den tro de un tringulo rectngulo <le vrtice.:; O (; O}, A (O; 8) B (8; O) . Hallar: a) la
func in diferencial del sistema, b) las funciones diferenciales
y e! i fe rencia les C-Olldi dona les el e la::; co mponentes.
2 11)
Respuesta a) / tx, y) =
[ 1 ix) .. , ; - -
~ ; b)
3
;~~ .x
(0
<
L(y) -1 -;:2 y(O< y<8);

= o-!J
~ (O < !/ <:: 8l, 111 (.t I y) .,-
,, ..- .,
<x.< 8),
<. (x
I y)
(O< x. < 8). Fuera de los inknalos ind icados

toda~ las funciones son iguales a cero.
429* . La magnitud alealor ia bicJi me11sJonal continua
(X, Y) est dist ribuida uniformemente de ntro de un trapecio de vrtices A (-6; O), 13 (-3; 4), C i3; 4), D (6; 0) .
Hallar: a) la funci n diferencial del siste ma , b) las funciones
diferenciales de las componentes.
J
Respue::,ia a ) /(x, y) =
;
36
O
1
'27
b)
/1 (x) ~-
par~1
x +1
t
-
x<--6 ,
pura
6 < x<
- ;~,
para -3< x <3,

2
27
x I 9 para
(l
para
y..::::. O,
para
para 0< y<4 ,
y>4.
p;~ ra
4. Caractersticas numricas de un sistema

continuo de dos magn itudes a leatorias
Conoc iendo li1s funciones <liferenc1a lc; ,:k h~) .::,impo11<'1J L1:~. ;e
pu.:ch:11 hallar ~u<; 1::..S[H:ra 11z.as matem( 1.:a\ y {n, cJ1x p,r, 1u11<'.S :
,,o
M (X) =
Jxft(x) Jx,
A1 1,Y) =
11f
tlji J/y ;
cu
('O
D(X)-
I""
J tx- Mt \')l2 f i(xii/x .- )
x 2 / 1 1,)Jr-(M (\ .1(~.
-oo
'
D{Y) =
t"'\,
ly- /vJt Y)J2 {2 ()dy =
j y f21.!i't.iiJ -l,111,l') F.
2
-ce
!4*
:./j J
A veces son m,\s convenien tes las frmulas que util izan la funcin
diferencial del shtema (l as in tegrales dobles se toman s~gn la
t\'gi n rle !,.os v,tlc,n'> posibles clel .siste ma)
M (X)-
D (X) =
D(Y} =
JJ
xf(x , yJdx dy,
M tr )=
JJyf(x, y)dxdy;
Jj \x- H (,\)12 f (x, 11) dxdy= j j x2 (.t, y) dx dy-[M (X)J2,

j J!y-M (YJP / (x, y)dx dy= .\ 1y2f(x, y)d.~ dy-!M (Y)]2.
+
Se ll ama mom,: rito 1ntcwl v h ,s de orden k

s de un sistema (X , Y}
la esperanza 1trn k intica del producto x1, ys:
v 11 , 8 = M (Xh Y s].
En parlk ular
V1, o=.}/ (X),
Vo,
1=M (Y}.
Se llama momento ce11tral k ,s de orden k

s <le un siste ma
(X, Y) la esprr anza matemtica del prod ud o de las desviaciones
re~pec tivanwnle de ., .. f,im,; y ssimo rdenes:
ltl;, ~ ,ad1 {[X-M (X)]h [Y - M (Yi)s}.
En particular.
H o~.;H (X -M (X)J=,
o, 1=M (Y-M (Y)]= O;
2
/ tll, o=M (X-M (X)J =D (X),
/to, z=M (Y -M (Y))2= D(Y).
Se J lama mume11lo de correlcicin ~Lxy del .sistema (X, Y) el momento
centra l 1 . 1 de ordt: n J
l:
1.1.xy ' .M {[X-M (X)](Y - .'W (Y)]} .
S,.. llama (:;),:/iLlenle d<' correlacin de Jas maguitudes X e Y la

rdac111 C'ntre el 1n ,:;1111::11l" <lt:'. correlacin y el producto de las desvia
L1011es cuadrl1t.:as meuias <le estas magnit udes:
r ,q = ~
Ox<Jy
El coeficien te ele (~r nlad t1 es una magn itud a<li m.::nsional ; al mismo
tiempo 1 'xu 1
J. fl coefic ie nte de c()rrelacicin sirve para estimar
l a estrechez de l a n :lae:1011 li11iuil e nt re X e Y : cuanto ms pr xima es
(1 magnit ud a bsoluta <kl C:(ef ie:1nte de corrdae:in a la uni da d, tanto
m;is m,rfr es el vnculi.J; cua nto ms pr xima a cero es la magni t ud
a bsolu ta del coef1uen tc de currelain, tanto ms dbil es el vnculo.
Di.!> 111agn1Lud1:::, aleal urli!S SL: llaJ11a11 cvrrd,.,do1wdas, cuando sus
111ome11t.:,; dc u ,rrdal:i,,11 soJt disli utos de cero.
D~1s m agn 1l ude~ alealurtas se llaman na currelaca11adas, si sus
momentos ue Crrda1:1r:in son igual \!.S a cero .
Dos magn itudes correl acion adas tam bin son de pendientes; si dos
$ .
magnitudes son depen die ntes, ellas p uede n ser ta ntr1 cor relacionad as,
como no correlacionadas.
De la ind<pendPneia de dos magnitudes se deriva s u no correla

de la Jh. <'t. rrcl ac1i:,n 1t 11 no se puede dcd u<: ir la indc p,'ndcn
c 1{,11, p crn
21.2
cia el e estas magn itudc:; (rn ra las magnitucle" di'- l11b uitlas 11or malmenk
de la no correlacin se d0ducr su indp1C' nd,:, n,~1aJ.
Para las magnitud0s continuas X e: Y el rnurnlll,, d.: currel a.:1011
se puede hallar por las formul as:
00
l'xy=
00
j j
{X -M(X)][ Y-,\-l (Yl\f (x, y-,Jx dy,
-oo -eo
1j
00
xy=
00
xyf(",!/Jdxdy-.M (X) M( Yj.
-oo -oo
430. Dada la funcin diferencial de una magnitud aleatoria bidimensional continua (X, Y)
4xye-x 2-
f (x,
Y) =
(x > O, y> 0)
(x < O o bien fl < 0) ,
11l
{o
hallar: a) las esperanzas matemticas de las componentes X

las dispersiones de las componentes.
e Y, b)
sowc10N. a) En prime.r lugar hallamos la funcin dife-
rencial de X:
00
f1 (x) =
Jf (x, y) dy = 4xe-x
o
Jo yt-u dy = 2xe""
(x > O).
Anlogamente obtenemos
f2(Y) = 2ye-Y2
(y>O).
Hallamos la esperanza matemtica de la componenle X :
Jxf (x) dx = 1x (2xe-;;; dx) .

""
M (X)=
00
()
t)
Integrando por partes y teniendo en cuenta que la integral
f e-xi d.x-= 11
00
de Poisson
dentemente M (Y)
Vi
= -i-.
obtenemos M (X) = 1/n ; evi2
b) Enc.ontra mos la dispersin ele X:

00
D (X).,...
x 2 f1 (t) dx - [:\1 )X)l 2
tl
"'
-'- \' 1: 2 12 1:e.-i.2 dx'i

~
.-
\ .
l ll!(J = l - ~ .
:/
4 '
fl
evidenlewente, D ( }') . . 1- ~ .
431. Dada la func in diferencial de una magnitud aleatoria bid imen<.iona l ( X , Y):
f (x. !J)
... { ;16xp;
'"i +yii
lJ
<x > O.
Y> O) ,
(x< I) o t>ien y< O),
hallar Jas esperanzas matem ticas y las clispersiones de las

co mponenies.
R.rs)uesltl .'1(\'J <H(Y)=
1}:i;
D (X)= D (Y )=- ~n.
432. Dada hl funcin uifcrcncial de la magnitud aleatoria

bi<l rnensonal continua (X , Y): f (.\'., y) = 2 cos x cos y en el
< '. .x ~~,
..- re , O ~
~ !J ~
...- ; i , fuera del.
cua dra do
cuac1rado () ...,~
4
4
f (x, y} ~ O, bal lar las e-spcranzas matemticas <le las co mpommt.es.
Resmesta
f./\) ..... .:.\1 (Y) =" n.+4-4l''2 .

4
H V
.,H
433. Dada la funcin diferencial de una magnitud alea-
toria biclimens1011al continua (X, Y): f (x:, y)
=~
sen
(x
+ y) en el
rnadrado O :;~ x :s; ; , O~ y~.; ; ; fuera ele este

intervalo f (x, y) = O, hallar las esperanzas matemticas
y las dspersiones de Jas componentes.
Respuesta A1 (Xi= . H (Y)= : ; D (X )= D (Y)=
'.'l.2-J- f.1,r. - 32
1~,
434. Daua la funcin diferencial d(' la magnitud alea-
loria bidimensional continua (X, Y) : f (x, y)

ii-1
= 4 sen x sen y
en el cuadrado O ~ x ~ re, O ~ y ~ n; fu('ra del cuadrado

y) = O, hallar: a) las esperanzas ma te m ticas y las
dispersiones de las componente.e;, b) el mom('nto lle correlacin.
f (x,
Rr:spuesla ;,i) ,\.1(X)= .l1(Y),; ; D (X ) O(Y) .- n~-4;
l.J) /l x11 = O.
435. Dadas las fu nciones diferenciales de Ja.s co mponentes
independ ientes de una magnitud aleator ia bid imensional
cont inua ( X, Y):
O
para x < O,
5e-,-,:,: pa ra x>O:
f1 (x) {
f i (yJ - {
2!-211
L
para !J< O,
pa, r a y ....
~-> n
.. :
hallar: a) la funcin diferencia l del ,5h,tema, b) la funcin

integra l del s istema.
onsrnv ACH)N. Si las componentes del s iste ma son nde.
pendientes, las fu nciones diferencial e integral del sistems
son iguales respectivamente al producto de las fundonra
diferenciales e integrales de las co rnponenle.~
R(>spuesta a}
f (x,
y)=
parn x < O o bl e11 !J < O,
= { ~Oe-"
1 ~ 111
p~ffa x ::>O,
./!":.> O:
Ll) F (x , y) =
para x -<0 o hien 1;<0,
O
{
= (1-- cdx) (I -e-~!!) para x :> O, y> O.
436. La magnitud aleatoria bidimensional rnnt inua (X , Y)

est~ distribuida uniformcmenle en el crculo Je ratlio r c.on el
centro en el or igen de coordenadas. Dc mo~lra r quf' X e Y son
depencl ientes. pero no correlacionadas.
oss1~RvAc:ioN. Comprese las funcione:. cJiferenc.iales absolutas y condicionales de las componentes; denrn(s lrese que el
momento de correlacin es igual i:i cero.
RPspllfsta
2
f1 (x ) = -;-V,
-xi,
nr
?
r--2
2
fz (!/) =
,~ ~
1
Vr
-,tJ ,
\J;'
(f (x i 11) ~

. , I
V r2 __ y2
(y /x) .. - - - -
4. V" r~-x2
2 1~
437. Demostrar que si la funcin diferencial del sistema

de magnitudes alea loras {X, Y) puede ser representada en
forma de produdo de dos fu nciones, una de las cuales depende wlamenle de x, y la ot ra, slo de y, las magnitudes X
e Y son independientes.
.oi.unoN Por los da tos
f (x, y) = <p (x) ,p (y).
(*)
Hallamos las {unciones diferencia les de las componentes:
[,(x)=
f f (X, .IJ)dy=q,(x) J~, (y)dy,
""
00
-:'O
-oo
oo
fz (1/) "
1f
(n)
00
(Y, y) dx = ,P (y)
cp (x) dx.
(,u*)
-oo
Ex pre$a mos q (x) por mcd io de la (**) y '11,l (y) por med io
de la (** *) ;
. .
/1 iX )
~, (y}= = f2 (y)
((' (X}= ""'
.
s \t,(y) dy
'{> (x)
d;,;
-oo
-00
En virtud de la (*),
f (x, !f) = ft (x}fz (y)
oo
00
~ 11' (y) dy
-oo
q:, (x) dx
- i
Teniendo en cuenta que por la segunda propiedad de la funcin diferencial del sistema
""
00
f'X)
- 00
j ) f (x, y) dx dy = 1,
y, por lo tanto,
00
00
OU
J ) q,(x)'11(y)dxdy=)
00
q>(x)dx) ,~(y)dy = 1,
-oo - co
final mente obtenemos

f (x, y) = !1 (x} f 2(y).
De este modo, la funcin diferencial ele la magnitud aleatoria
bidimensional considerada es igual al producto de l~s fun-
ciones diferenciales <le las componentes. De aqu se deduce

que X e Y son independiente~, Jo que se quera demostrar.
438. De mostrar que si X e Y estn vincid ndas por una
dependencia lineal Y= aX -f- b, el va lor absoluto del coeficiente de correlacin es igua l a la unidad .
sourcroN. Por definic in del coeficiente de correlacin

' X// = Gx<1y
l!xy
donde
1
px1,= AJ {IX - M(X)l iY- Al (V) I}
()
Hallamos la esperanza matemt ica de Y ;

M (Y) = M [aX
+ b]
~ a}v1
/X)
+ b.
(* *)
Poniendo la (**) en la (*), despu(s de transformaciones

elementales, obtenemos
.q = a.W [X-/11 (X)JZ -aD (X) = cHT~,
Tomando en consideracin que
Y-
M (Y)
(aX
+ b) -
(aA1 (X) -1- b)
=
" a [X -A1 (X) l,
hallamos la dispersin de Y:
D (Y)= A1 [Y -A1 (Y)]i3 = ai:\1 [X- ,l f (X}l11
De donde
a11lii.
" = la 1x
Por consiguiente, el coeficiente de corre lacin es
x,,
aCTi
= x y = ax (I a l :-t) To.f .
Si a > O, entonces rxy = l; si a <. O, kn<lremos que
fxy = -1.
De este modo, l r xy 1 = 1, lo que se quera dc mostrn r.
f xy
PARTE TERCERA
ELEMENTOS DE ESTADISTICA 1\:\ATEMATICA
CA PITULO NOVENO
Mtodo muestral
1. Distribucin estadstica de la muestra
S1.1por1 garno5 ,r1,: p11ro 1:,t 11 diar el cari1dN l.'lla!llt lal.iv,) X (<lis..
uelo, 1 hicu C' t1t111L11i'1 )e 1'xt rat> ch, u11 \:l)n junl(, g..:m:rnl la mur~trn
X, x 2 , . . , x,. dc- voolumr ll 11. Los val,ir6 <hSt'.rVa tfos. de X del l',litC
l er X .se JJ ;:i man ~1t1rian.t,s, v l,1 r:.uc<.sin <le varianit~, c., crilas tell orden
uec ienle, serie d,1- 11,.1r u1111;:.~.
Se lla n111 di.sfr ,buo <\n 1,s! ad1sl i c:1 de la m.1U'sfr la eu umeracin de
las va rian tes X; d..: la ~<w ch: varia11t~s y .su~ corres p,rndicnl l's frecuC'ncias 11. 1 (In ~u111,1 d<' toda1, la, fr~.cuen.:ias l!:> igual al vc:durn.-n de~ la
mues t ra
11.)
o re?c1.1e11,1as n:h11.ivas
w1.
(la s un1a <k lvdns las frt>c uencias
rela t ivas es 1g11;1l a l .:i 11111d11cl) .

La dislribuw>n t'\ la rlis l.ica de la 111u1?sl.ra st J) ll(dc prC'!ijar tamb1cn, en forma de suce~111 <le i11t.ervalos v sus rC'~p.<'rli vas frec ueuc-ias
(c.:>mo frecuenc ia de un intervalo se toma b su111a de frecuencias de las
variaut.:s que carn rn C', ts> iul.er valo).
4:n1. 1) Dadc1 una muestra en forma de clblribucin e

frecuencias:
!'i
"i
1 3 ti,
hallar la d islr ibucin de las fr~cuencias relativas.

8oruc10N. Hal lamos el volumen de la muestra:
n ,,.... 1 + .3 + 6 = 10.
Encontramos !as frecuencias rela t vas
::c,1
w =-=0,1 ; w'l =io=0,3; w~=To= 0,6.
Escribimos la distr ibucin busca<la de la., frecuenc ias relativas:

Vl:.1~11'1(,\CION :
, 1
u:o,
0, 1 0,3
U,G.
+- 0,3 + 0,6 =
440. Dada una muestra en for ma de lfr,lnhucin de fre -
cuencias
4
;)
8
;
12
l (1 ,
ha llar la d istribucin <le las frecuenl'.1a~ relat ivas.

4
0,25
X;
w,
7
0, 10
R
0, 15
12
0 ,50.
2. Funcin emprica de distribucin

Se lla ma f1wci,i emp rica de dislrib11.ci(1t ( fu:i (1,)11 d<> d 1slr ihucin
de la rnueslra) la fu 11c1 ,.>n F* ixl, q ue dt:1,r1111 11;, parn rn <la va lor dr x
la frec uencia tC' bl.1va (Id ~uce.,o X <- .t
F* (x ) =
.
donde
fl (
C'S
ti ii n,e ro
llx
de varian tes, rn(n,,re~ r 11,: x,
n es el vol umtTJ <le la nnw~ lrn .

La fu11c ion crn prica p1.1SC'<' '3s .si.u k nl.<~ r, rnp icdade~:
l'ROP lt.DAD 1.
L,,~ va lMS dC' fo fnnci.-,n
t'Jl lpir1c a
Cuf<''>POIJdt ll
al segme nto [O, 11 .

PRo r 11:oA[i 2. F* (x) es una fun rin no deu-r>.: ientc-.
PROP ll-:DAD 3 S i x 1 (;,; 1a m enor v.:irianl ,: , y x,,. 1il 111:ivor, kr1drem,,~
que F* (x)
O p;ira x .,-..: t L y F* (x)
i n,111du
x 11
x>
441. Hall ar la funcin emp rica por la distribucin da<la

de la muestra:
soLunoN.
11
] ()
f,
15 25.
Halla mos el volumen de la muestra:

n = 10 -1- 15 + 25 = fiO.
La variante mnima es igual a la unidad, por consi-
guiente,
F*
(x)
O c u~ndo
x ~ ; l.
21'1
El valor 1.k X< 4, y precisamente de

10 veces, por lo tanto,
;,, ,,..".)
~-O,
50,-
para 1 <
= l, se observ
--4
X~
El valor de x <:.: 6, y precisamente x1 = I y x 2

observaron 10 1 15 ""' 25 veces, por con.siguiente,
f
'* lX)
' ' =- 25 ~
50
4, se
o,5 para 4<x~

. ''.6.
Puesto que x = 6 es la variante mxima , entonces

T* (x) = l
cuando x > 6.
Escribimos la funcin emprica buscada:

O para
X .!~ l,
..* . .
0.2 para l < x,s::._; 4,
f \X) , =
0,5 para 4< x ~6.
{
1 para
x>6.
La grfica de esta funcin est representada en la fig. 11.
' _________ i
f*'{c)l
'
/1,J ---i
"~vr
oH - -4.___ _._i6_ _ __
1
Fig. JI
442. Hallar la funcin emprica por la distribucin dada

de la muestra:
3) X;
TI
2 5 7 $
1 ;3
b) x 1 4 7 R
n; 5 2 ::l,
1',
para
x~2 .
1~. 1 parn 2<x<:"',,
1
R 's11u sta a) p (x) = 0,4 para 5<x~7.
.
1 0,6 para 7<x ~,:;~8.
l 1
para
para
b) p (x)
~.4
{
~, 7
x>8 ;
.x ,:::;;1,
para 4 < x~ 7 ,
para 7 <x~ 8,
para
x>8.
3. Polgono e histograma
A. Distribucin discreta del carcter X
Se llama poligono de frecuencias la ln('a qul"hrada cuyos segmentos
estn un idos por los puntos {x 1, n 1 ), (x2 , 112) , . . , (x,,. 111, ), don de x 1
son las varia ntes <le la muestra y n., sus r ~spec t1vas fr,!cue11cias.
Se llama poligon.CJ de frecuencias relatiws la lnea qu('brada, cuyos
segmentos se unen por los puntos (x1 , w1 i, (.t: 2 , w1), , (XJv w11) ,
donde x 1 son las var ia ntes de la muestra y w, sus respect I V'IIS frec uencias
relativas.
B. Dlstribucn continua del carctrr X
Parn una distrib ucin continua del carcter se div ide todo <'l
intervalo, en el que estn comprendidos todos 1,.,\ val,_ires o bservablei,
del carcter, en una serie de intervalos pordak$ de \r, ngllud h y se
hallan., o sea, la suma de las frec uencias de las variaulcs que caen en
el i-simo in tervalo. Se lla ma histograma de f rewencws la fig ura escalonada, com puesta de rect ngu los cuyas bf,e~ so n los 111 t(!r valos parciales de longit ud h y <le alturas iguales a la relaci,:in
';i
(dens i dad de
frecuencia). El rea del t-simo recingul 0 rs i:1rn l a h - ~: =- n1, es

decir, a la suma de la~ fr<'CU\!l1cia$ de- las varln 11ks qu e caN1 en d
i-simo Intervalo. El Jrea del h1s togramn rl c frcClll'IIClltS es igual a la
suma de todas las freculneias, es decir, dcI v .. lurnc11 ,fo la muestra 11 .
Se llama hisLOframa dt f recuen.cuis rela.l111ns la figura escalonada,
compu~sta de r.::da11guli'ls cuyc1s bases ~,:,11 fu:. i nf.:-rvalos parciales Je
longit ud h y alt urn:- lJuales a la relc1c1u : 1 ( d.i ns,.J~d J e frC'cuc11cia
relativa) . El rea del 1-slmo rectangulo parc,111 es 1f:u11l a~ ~i'
.-s
w1,
o sea , la frec uencia rrlativa de las varia11tes que cae u c11 t!I 1-s irn
intervalo. El .irc.>a del histograma de frccucnc 1a<- rC'lnt.lvas es igua l
a la suma ne todas la\ frccuc nc 1a'1 f(:ialr va~, e~ d,:c,r, 11 la 1111i d11d.
221
443. Construir el polgono de frecuencias por la distribu

c in dacia de la mues! rn:
sor.11c10,
X,
x...
;;,
11 1
2U
10
14
G.
Llevamos ~obre el eje de abscisas las variantes
y sobre el f je de orJenadas sus respectivas frecuencias
ll ;
?O
~~
!4 .
!O 6 ..
W
0/15
_ __J_, ... .l.---1....___
'i
r ,;.:.
T:
12
4 5
10
Xi.
Pig. 1~1
un iendo los puntos (xt, n1) por segmentos de rectas, obtenemos el polgono de frecuencias buscado (fig. 12).
444. Construir el polgono de frecuencias por la distribucin dada de la muestra:
a) xi
,ii
!O
u)
K1
n1
15 5 20:
rn 20 25 :.m 10
10 15 30 20 25.
445. a) Con~truir el polgono de frecuencias rel ativas por

la distribucin dada de la muestra:
X
2
O, 13
4
0,2
fi
7
0, 1 0,1
JO
0,45.
so1.uc10N Ue\.amos sobre el eje de abscisas las varian

tes x 11 y sobre el eje de ordenadas, las respectivas frecuencias
relativas w1 Uniendo los puntos (x, w1) por segmentos de
rectas, obtenemos el pollgono buscado de frecuencias relativas (fig. 13).
u) Construir el polgono de frc-cuencia~ relativas por la
distribucin <lada tle la muestra:
a) X
w,.
L1 x;
ft'
222
o. 1r.
2u
0, l
0,2:i
40
0,2
fl
GS
so
o,3
0,3
0,2
0,4.
o, 1:
446. Constru ir el histograma de frecuencias por la distribucin dada de la muestra de volumen 11 -= 100:
Nu,n~ro de
lulrrvalu
1'~'r. , i:! l
lnh. rv~, h>

1
"-Kt+1
1
2
5-- 9
S\1m ,1 de 1'r,1,;.u(\1u. , .1io

,le IM; v1rianlt1 t, i:kI
i11t ~r"t,ln
fr ~\l lCfl..:! ia
n,
"
-,-,
10
:.!O
50
1-- 5
:3
4
D--13
13- 17
17- 21
Dc 11s ,daJ <le
2,5
12,5
3
2
12
8
--
so1.uc10N . Trazamos sobre el eje de abscisas los interv.dos prcfijados de longitud h = 4. Sobre estos Intervalos
i
.?
1J_
.5
- - - - - - - L ---.c....l-
13
_Jh_ ___
..
.L_ ___
17
21
:e
Fig. 14
trazamos segmentos paralelos el eje. de abscisas y a las distancias de ste iguales a las respectivas densidades ele frecuencia nt
. Por ejemplo, sobre el interva lo O;
5) trazamos
}
el segmento paralelo al eje de abscisas a una distancia ";

=
h
= ~o = 2,5; anlogamente se trazan los tlnHs segmentos.

223
En la Hg. 14 se muestra el histograma de frecuencias buscado.

447. Construir el hislogra ma de frecuencias por la distribucin dada de la muestra:
D)
N(,m,r('I de,
in l cn >9k _....
lnl t!r \"~ lo
1
1- --
~~~~-
Sum~ de frecuenc i11.5
de las var lant ~~ del
D~usldad de
___
i_itc_r_va_1_
,, _ _
1_re_c_ue_n_c1_,i__
1
11
ti
X - x i+ I
---'
2-7
1
2
3
7-12
12--17
17-22
22-27
4
5
10
25
6
4
b)
ln le:r,111<
-pare , al
Sutna de frecumc i as
ele las variant es del
int.ervalo
xt - xi+i
11
1
2
3-5
f. -7
'-9
9-- l l
20
40
11 - 13
20
13-,lii
15-17
Nmero de
intervalo
5
6
7
Den sid ad ele

frccnenca
11
4
6
z.
O
'l <,
,o
2
H llese previamente- la densidad de frecuencia ~t para cada intervalo y compltese la lt ima colu mna
de la tabla .
onsERVA<.:TC)N.
448. Con.strur el histogra ma de frecuencas relat ivas por

la distrib ucin dada de la muest ra:
224
------ -
",11m,1 1\r fr<;(1tt-11c i:1s d<'
Nmero de
inler~aJQ
Jnltr~,, 10 rnrr.ial
X - Xi+i
11
0-2
2-4
4-6
30
1;i~
2
3
.,r i ,1111~, ,lel

1d ervu ln
20
50
11=
1
~ n, =100
so1.uc10N. Hallamos la.s frecuencias relativas:

W
W
lOO
= 0,2;
00
W: = lOO =
0 ,3;
W3
JUO
= ,5
Hallamos las densidades de frecue ncias relativas,

niendo en cuenta que la longitud del intervalo h = 2:
W1_ 0 ,2 _Ql
---
2 -
' '
te-
Wz _0,3_0} 5
h -
2 -
'
'
Trazamos sobre el eje de abscisas los intervalos parciales dados. Sobre estos ntervalos traza mos segmentos parale
0,25
0.1.'i
~-'-=-+-..--_-_-_-_-_-_-:____- !
O
4-
---
,....
6:&
Fig. 15
los al eje de abscisas y a las distancias iguales a las respcc.

tivas densidades de frecuencia relativ a. Por ejem plo, sobre
el intervalo (O; 2) trnza mos el segmento paralelo al eje de
15-0!HO
!.!25
abscisas y a la distanca de ~ste iguai a O,i ; anlogamente

se trazan lo5 dems segmentos.
El histogra ma buscado de frecuencias relativas se muestra en la fig. 15.
449. Construir el histograma de frecuencias relativas por
la distr ibucin dada de la muestra:
a)
Nmrro de
lnlervalo parcia l
Suma de [recuencias de las

variantes del Interva lo
X - Xt+l
,1,
10-15
15-20
1nterva lo
2
3
2
4
8
20-25
25-30
30-35
4
2
n= ~ n= 20
Suma de frecuenci as de
las variantes del
Int ervalo
Nmero 1le
intervalo
lnlcrv~lo parc i al
x, - x 1+t
n,
2-5
5-8
8-1 1
10
2
3
4
4
5
ll-14
n=
LJ n; =26
ousERVAc10N. Hllese al princ1p10 las frecuencias relat

vas y las respectivas densidades de frecuencia relativa de
cada intervalo.
226
APITULO DECiMO
Estimaciones estadsticas
de los parmetros de
distribucin
l. Estimaciones puntuales
La estimacn estadstica que se determina por un nmero se
llama puntual.
La estimacin puntual c:uya esperanza matemtica es igual al

parmetro que se estima, para cualquier volumen de la muestra, se
1lama no desuiada.
La eslimac:n p unt ual cuya esperanza matemtica no es igual al
parmetro que se est ima se llama desuiada.
La media muestra)
k~
~~llX
i=1
Xm=--n-do nde
x
ti
1t '
es la variante de la muestra,
la frecuencia de la variante x,
~ ni, el vol umcn de la muestra,

i=i
sirve de estimacin no desuiada de la media ge11eral (esperanza malem

tica).
NOTA 1. S las variantes primarias xi son nmeros grandes, para
simplfcar el clculo conviene restar de cada una de las variantes un
mismo nmero C, es deci r, pasar a las variantes condicionales
u 1 = x1 - C (C conviene tomarlo prximo a la media muestra] ;
puesto que la med ia muestra! no se conoce el nmero C se toma
a ojo). En tal caso
Como estimacin desviada de una dispersin gmeral sirve la media

muestra!
/t
~ ll(x, - xm?
=I
n,
m=------
abscisas y a 1a distancla de ~ste iguai a O, i; anloga mente

se trazan Jo.'> dems segmentos.
El histograma buscado de frecuencias relativas se muestra en la fig. 15.
449. Construr el histograma <le frecuencias relativas por
la distribucin dada de la muestra:
a)
Nmero de
1ntervo lo
Intervalo parcial
Suma de frecuencias de las

variaolcs del !nkrva lo
X - Xi+I
"1
1015202530-
z
3
4
15
20
25
30
35
2
4
8
4
2
rz= lj n = 20
l>)
Nmero de
In tervalo
Jnl ~rt,t!o pare lal
Suma dt' frecuencias de

las variantes del
Inter valo
xl - xl+I
2-5
5-8
8-11
11-14
3
4
1
JO
4
5
fl.=
1 n=25
OBSERV AcioN . Hllese al princ1p10 las frecuencias relati

vas y las respectivas densidades de frecuencia relativa de
cada intervalo.
226
APITULO DECAtO
Estimaciones estadsticas
de los parmetros de
distribucin
1. Estimaciones puntuales
La estimacin es tadstica que se determina por un n mero se
llama puntual.
La estimacin puntua l cuya esperanza ma temtica es igual al
parmetro que se estima, para cualquier volumen. de la muestra, se
llama no desuiada.
La estimacin puntual cuya esperanza matemtica no es igual al
parmetro que se cslima se llama desc;iada.
La media muestra!
,. ~
lj~ft Xt
i= I
Xm = - -,- -
donde X es la varia nte de la muestra,

ni la frecuencia de la varia nte x,
n
= ~" n ,
el volumf.'!1 de la muestra,
i= t
sirve de estimacin no desuiada de la media genera l (esperanza matem
t ica).
NOTA 1. Si las variantes primarias x1 son nmeros grandes, para
simplificar el clculo conviene restar de cada una de las variantes un
mismo n mero C, es decir, pasar a las variantes condicionales
u1 = x1 - C (C con viene tomarlo prximo a la media mues tra) ;
puesto que la media muest ra\ no se conoce el n me ro C se toma
f8 ojo). En tal caso
Como estimacin. desviada de una dispersin gen.eral s irve la media

mues tra!
A
} n (x,- xm)i
Dm =-'i_-..:1_
_ _ __
"
M (Oni'J =
esta e.slimac,011 es d,::sv111cla, puC'sto que
/1- l D, Es ms
TI
la f,_,rui ula
cv11ve1111!1tl~
_ _ 2J
nX~
Dm = _xz -[ " J = .=;___;..

11
Si las va r iantes inici ales x son nmeros grandes, con

v ie ne res tar de t oda'., las v ari antr.s un mismo n mero C, igual a la
med ia muestra) o prximo a el la, es decir, pasar a las variantes condid onalcs u = X - C (en este caso la dispersin n o se altera). Entonces,
NOT A 2 .
Dm (X)= Dlll (U) =u2 - [ul 2
"C"1
,i ,u~
= LJ /
LJ
l lU
11
]2
NOTA 3. Si las prob abd1d adcs iniciales son fracciones dec imales,
con k cifras decimales despus de la coma, para evi tar las operaciones
con fracciones, las variantes i niciales se rn ult iplican por la constante
e = 1011, es dec ir, se pasa a las varian tes condicionales ui = C x1
En este caso In dis persin se incre menta C veces. Pur eso, al h allar
la dispersin de las varia ntes condiciona les, hay que dividirla por C2 :
Dm (X)= D~!u)
Como eslimac1n ,w desviada de la dispersin general se utiliza ,la
dis pers in 111uc~lral Cineg1da
n
i::., Ttt (Xt-Xm) 2
s2=-Dm=
'
n-1
n-l
Es ms convenien te la frm ula
,,
"'-J
n,x~ - [~ nix;]
11
n- 1
Sx=
En varia nks condtcionales
st
n-1
ol mismo tiempo, si u;=x-C, entonces s}= sl,; si Ut=Cxi, ten~
1
sr,
dremos que Sx=cr

NOTA 4. Paril un gran nmero de datos se uti lizan el m~todo de
productos (cap. XI, 1), o bien el mto do de sumas (cap. XI, 2).
450, De un conju nto general se extrae la muestra de vo-
lumen n
= 50:
-vari ante
frccurnc1a
x1
11 1
2
16
5
12
7
8
10
14.
Hallar la esti macin no desviada de la media general.

228
s01 uc10N. La media muestra! es la estimacin no desviada de la media general

_
Xm-
J6.2-j- 12,!i+ 8,7-+ 14 lO _ 5 ?6

50
'
nX; _
451. De un conjunto general se extrae la muestra de vo-
lumen r,
= 60:
"t
1 3
8 40
f3 26
10
2.
Hallar la esti rnacin no desviada de la media general

Respuesta Xrn = 4.
452. Dada la distribucin de las variantes iniciales ele
la muestra de volumen n:
X
n;
demostrar
que
-
X2
llz
X1
11 1
,
.
Xt
n, ,
~llU
,
donde las variantes condicionales u1 = x, - C.
X111
=C+
sowc,oN. Como u1 = x 1 - C, entonces n1ui = n; (xi C) y sumando el primero y segundo miembro de la igual.
da d segn todos los valores i, obtenemos:

"2n;u1 = l:nt (x1 - C),
o bien
'J:.nU
~nX -
cr.n1
ZrtX -
Cn.
De donde
Por lo tanto,
e+ LJ n , ,
,-, ll U
~llX
o bien
Xm =
e LJ ll1U
,i
lo que se quera demostrar.

453. Hallar la media muestral dada la distribucin de
na muestra de volumen n = 10:
X
1250
ti
1270
1260
;3,
sotuctoN Ya que las variantes iniciales son nmeros

grandes pasamos a las variantes condicionales u1 = x, - 1270.
Como resul tado obtenemos la distribucin de las variantes
condicionales:
U
f!
-20 0
2 5
10
3.
Halla mos la med ia muestra! buscada:
-e -,L :BnU
n
-
Xm -
12'?()
'
2(-20)+50+3- IO _
10
= 1270- I = 1269.
454. HaUar la media muestra} dada la distribucin de
una muestra de volumen n = 20: >\
25lQ 2600 2620 2650
2
3
10
4
X
ni
oos1mvAc10N.
X-
2700
l.
Psese a las variantes c.ondicionales
2620.
Respuesta
X.n =
u, =
2621.
455. Por una muestra de volumen n = 41 se ha encontrado la estimacin desviada Dm = 3 de la dispersin general. Hallar la estimacin no desviada de la dispersin de un
conjunto generaL
sotuc10N. La estimacin
a la dispersin corregida:
s2 =
no
desviada buscada
es
igual
n.:_ l Dm =~ 3= 3,075.
456. Por una muestra de volumen n = 51 est encontrada

la estimacin desviada Dm = 5 de la dispersin general.
Hallar la estimacin no desviada de la dispersin de un conjunto general.
Respuesta s'l = 5, l.
457. Como resultado de cinco mediciones de la longitud.

de. una barra con un aparato (sin errores sistemti~os) se ha
obtenido los siguientes resultados (en mm): 92; 94; 103;
I05; 106. Hallar: a) la media muestra! del largo de la barra ,
b) las dispersiones muestra! y corregida ele los errores del
aparato.
s0Luc10N. a) Hallamos la media muestra!:
xm=92+
+2 + 1~+ 13 +14 =92+8= 100
b) Hallamos la dispersin muestra}:

~ (x-Zm)Z
Dm=---n
(92 - IOW+ (94-100)LJ-(103-100)2... (105-10012 ! ( 106-100) 2
=34.
Hallamos la dispersin corregida:
s2 = rt-1
_n_Dm=2
34=42 ' 5.
4
458. Como consecuencia de cuatro med iciones de una
cierta magnitud fsica con un solo aparato (sin errores sistemticos) se obtuvieron los siguientes resultados: 8; 9; 11; 12.
Hallar: a) la media muestral de los resultados de Jas mediciones, b) las dispersiones muestra! y corregida de los errores
del aparato.
Respuesta a) -Xm = 10; b) Dm = 2,5; ::;2 = 310 .

459. A continuacin se dan los resultados de las mediciones de la estatura (en cm) de 100 estudiani.es lomados fortuitamente
Estatura 154-158 158-162 162-166 IGfi-170 170-1 7,f 174 - 178 178- 182
Nmero
de estudiantes
10
14
26
28
12
8
2.
Hallar la media muestra{ y la dispersin mue.sira! de la estatura de los estudiantes examinados.

oasERVACJON. Hllese las mitades de los intervalos y tmese los mismos corno variantes.
Respuesta Xm = 166; Dm = 33,44.
460. Hallar la dispersin muestra! dada la distr ibucin
de una muestra~de volumen n = 10:
X
186
)92
194
3.
sowc10N. Puesto que las variantes son relativamente

nmeros grandes, pas~mos . las variantes condicionales
231
U = x1 191 (re:;lamo5 de la variante el nmero C = 191,

prximo a la media ntuestral). Como resultado obtenemos la
distribucin de las variantes condicionales:
rt
11;
-5 1 3
2 5 ;} ,
Hallamos la dispersin muestra! bw,cada

D _ ~ 11 ,uf
,,, -
_,
~ n;11,
11
11
--r..
J2 _ 2.52+5.10p +3. 32 _
-
1 33 2
5
=
(- ); ;
8,2-0, 16 = 8,0-1.
461. Hallar la dispersin muestra! dada la distribucin

<le una muestra de volumen n = 100:
:HO 360 ;75 ~80
,:;1
n1
20
50
18
12.
0051::1~v"c,0N P,sesc a las variantes condicionales u 1 =

= x1 -360.
l~espucsta D111 ( X) = Dm {u) = 167 ,29.
462. Hallar la dispersin muestra) dada la distribucin
de una muestra de vol umen n = 100:
X
2502 2804 2903 ;3028
n1
os~rRv,,c10N.
= X; - 2844.
30
2.
Psese a las variantes condicionales u1 =
Respuesta Drn (X) .,,,, Don (u)
12 603.
463. Hallar la dispersin rnuestral <lada la distribucin

de una muestra de volumen n = 10:
X
111
0 ,01
0,04
0,08
fi
2.
so1.1Jc10:-1 . Para ev itar las operaciones con fracciones,

pasamos a las variantes condicionales u1 = 100x;. Como resultado obtenemos la distribucin:
U
TI
1 4
:3
[i
R
2.
Hall amos la d ispcrsin muestra) de las variantes cond icionales:

'\
' , 11,U 1
[ ~.
L lli Ut ] ''/) {U) -"- .:.::_ 111
fl
..
'~
Sustituyendo en esta frmula las variantes condicionales y

sus frecuenc.ias, obtenemos
D11.1 (u) = 7,21.
Hallamos la dispersin husc.ada:de las variantes inicia les
~oJ~) = :i(~~u
Dm (X) =
=-
0,0007.
464. Hallar la dispersin mu estrai daua la distribucin

de una muestra de vol umen n = 50:
onsrnvACJON
xi
O, l
0,5
15
0,6
0,8
20
JO .
Psese a las variantes conuc ionales u, =
= lOxi.
Dm (u)
31 ,GM
O
m .11. = W2 =
R. es.puesta D(v)
100 = ,,.32 .
465. Hallar la dispersin muestra! dada la distribucin
e.le una muestra de volumen n = 50:
X
11.
ossERVAC10N.
18,4
5
18,9 J9,3
JO 20
)9,6
rn.
Psese a las variantes cond icionales u1 =
I Ox;- 195.
Dm (u)
,16 O ~
= 59100
= , D916
Respuesta Din_(X)_ = 102
466. Hallar la dispersin muestral corregida dada la

distribucin de la muestra de volu men n = 10:
X
102
ui
104
108
a ~sow c10N. Pasamos

a las vari an tes cond icionale.s
= X; - 104. Como resultado obtenemos la distribucin
2
11,
-2 n 4
2 :i 5.
u;
ti
Hallamos la dispersin muestral corregida de las variantes

concl iciona]es:
~
Su =
[J 1i1111 _] 1
ntU i
n- J
Sustituyendo en esta frmula las variantes condicionales,

sus frecuencias y el volumen de la muestra, obtenemos
S~=
9,49,
Ya que todas las variantes iniciales fueron disminuidas en

un mismo nmero constante C = 104, la dispersin no cambi, es decir, la dispersin buscada es igual a la dispersin
de las va riantes condicionales:
s!: =S~=9,49.
467. I-Iallar la dispersin muestra! corregida dada la
distribucin de una muestra de volumen n = 100:
X
fl
oasmvAc10N.
= xi- 1275.
1250 1275 1280 1300

20
25
50
5.
Psese
Respuesta s! =
~~
las variantes condicionales ui
= 170,42.
468. Hallar la dispersin muestra! corregida dada la distribucin de una muestra de volumen n = 10:
x,
11
0,01 0,05 0,09

2
3
5.
sowc10N. Para evitar las operaciones con fracciones

pasamos a las variantes condicionales u; = 100 x1. Como re
sultado obtenemos la distribucin:
u
1 5
11;
2 3 5.
Hallamos la dispersin muestra! corregida de las variantes

condicionales
~
[~ n 1u 1] 2
TlUf
s~, = ----.,---n-1
Sustituyendo en esta frmula los datos del problema, obtenemos sJ = 85,28.
Hallamos la dispersin corregida buscada de las variantes

iniciales:
234
469. HalJar la dispersin muestral corregida dada la distribucin de una muestra de volumen n = 20:
oss~vAc10N.
X.
xi
0,1
0,5 0,7 0,9

1
l.
12
Psese a las variantes condicionales
u,
- 10
"'D espues/ a
Sx
si = 5,25 = Q,055
= '"I<J'f
, "' .
100
470. Hallar la dispersin muestra! corr<'gida dada la

distribucin de una muestra de volumen n = 10:
0BsERVAc10N.
10 x1 -268.
Respuest a
Sx
Xt
23,5
lt
26, 1 28,2
3
30,4
l.
Psese a las variantes condicionales u 1
si = 489 = 4,89 .
= 100
100
2. Estimaciones por Intervalo

La estimacin determinada por dos nmeros, o sea, los extremos
del intervalo, que cui.Jrc <.'! parmetro que se es lima, se )[ama por lritervalo.
El intervalo que cubre con la fiab ilidad '/ prefijada el parmetro
que se estima se llama de confianza o co11[ ide.ncia(.
Para estimar la esperanza matemtica a del carcter cuan titativo X
normalmente distribuido segn la media muestra) .i;u, al conocer la
desviacin cuadrtica media a del conjunto general sirve el intervalo
de confianza
-Xm-t --<a<xui-J-t
a
a
--_,
donde t
Vn= o
11
Vn
es la precisin de la cslimacic,p,
es el volumen de la muestra,
l ticno un valor tal del argumento de la fur.c1011 de 1 aplace
(J) (! )
(sumplemento 2), para el cual <l> (t) =

cuando sr. desconoce a {y el
volumen de la muestra es n < 30}
s
s
xm-tv ,r.: < a<xm+ fv--=,
vn
Vn
dondes es la desviacin cuadrtica m~dia corr<>gul.a, tv !\C. halla pc,r

tabla (suplemento a) dados n. y y.
Para estimar la desviacin cuadrtica media o del carcter cuanftyo de X normalmente distribuido con fiali1!i clad y segn fa
desviacin cuadri. 1('3 media mues tra! corregld11 s sirven los iutcrvalos
confidencia les:
s (/ -
< O' < s (1 + q)

O < a < s (1 + q)
q)
< 1),
q > [),
(para q
(para
donde q se halla pc,r la tabla (s uplemento 4) segn n y y dados.
471. Hall ar e:l intervalo confidencial para est imar con

fiabi lidad 0,95 la esperanza matemtica desconocida a del
carcter normalmente <lisir ibuido X de un conjunto general
dados la desviacin cuadr tica media general cr = 5, la media
muestra! Xm = 14 y el volumen de la muestran= 25.
s0Luc10N. Hay
-
que hallar el
CT
intervalo confidencia l
a
1;,1
x 111 - t - -_ <a<xm+ t-;::-.
v,1
()
Aqu se conocen todas las magnitudes a excepc in de t. Halla mos t. De la correlacin 2<1> (t) = 0,95 obt enemos (J) ({) =
= 0,475. Por Ia tabla (su plemento 2) encon tramos t = 1,96.
Poniendo i = l ,96, Xin = 14, O' = 5, n = 25 en la (*), fi nal mente obtenemos e:l intervalo de confianza buscado
0
12,04 <a< 15,9G.

472. Hallar el inteIVa lo de confianza para esti mar con
fiabili dad 0,99 la esperanza matemtica incgnita a del carcter X normalmente distribuido de un conjunto general
dados la desviacin cuad rtica media general CJ, la media
muestra! ~ y el volumen ele la muestra n:
a) o = 4,
Xin = 10,2,
n = 16,
b) a=5, xm=16,8, tt -=25.

a< 12,77; b) 14,23 <a< 19,37.
0
Resp uesta
a) 7,G3 <
473. Se realizan 5 mediciones con igual precisin de la

distancia de<:;Je el can hasta el blanco mediante un aparato
con clesv iac in cuadrtica med ia de los errores aleatorios de
las medicioneF- <T = 40 m. Hallar el interva lo confidencia l
para estimar la distancia rea l a hasta el blanco con fi abilidad v =- 0,95, conociendo la media aritmtica de los resultados de las med iciones X.n = 2000 m.
Respuesta 1960,8 < a < 2039 14 .
474. Una muestra de una gran partida de l,hnparas elctricas contiene 100 lrr1 paras. La duracin medi a de f uncionamiento de la lmpara de la muestra es de 1000 horas. Ha llar
con fiab ilidad 0,95 el intervalo de confianza para la duracin
media de funcionamiento a de la l mpara de iocla la part ida ,
si se sabe que la desviacin cuadrt ica media de la durac in
de funcionamiento es o = 40 b .
Respuesta 992, 16 <a< 1007,84.
475, Una mquina automtica estampa cilindros. Por una
muestra de volumen n = 100 se ha calculado la media muestral de los dimetros do los cilindros producidos. Hallar con
fiabil idad 0,95 la exactitud 6 con la que la med ia muestra!
esti ma la esperanza ma te mtica de los dimetros de los cilindros fabr icados, sabiendo que su desviacin cuadrtica
med ia O' = 2 mm.
Respuesta 8 = t, ~ = 1, 96 } = 0,392 mm.

vn
v JOO
476. Hallar el volu men mnimo de una muestra, para el
cual con fiab ilidad 0,975 la precisin de estimacin de la esperanza matemtica a de un conjunto general srgn la media
muestr a} ser igual a 8 = 0,3, si se conoce la desviacin
cuadrtica med ia cr = I ,2 del conjunto general normalmente
distrib uido,
sowcmN. Utiliza mos la frmula que determina la prec
sin de esti macin de la esperanza matemtica de un conjunto general segn la rnedia_rnuestral:
=/
y;.
De aqu
Por los datos y = 0,975 , o bien 2<D (t) = 0,975; por lo tanto,
= 0,4875. Por la tabla (suplemento 2) encontramos t =
= 2,24. Sustituyendo t = 2,24, cr = 1,2 y 6 = 0,2 e.n la ("'),
obtenemos el volumen buscado de la muestra n = 81.
cJ) (t)
477. Hallar el volumen mnimo de una muestra, para el

cual con fi abilidad 0,925 la precisin de estimacin de la esperanza matemtica de un conjunto general normalmente distribuid o segn la media muestral ser igual a 0,2, si se sabe
237
que ia desviacin cuadr~tica media del conjunto general es

a= 1,5.
Respuesta n
179.
478. De un conjunto general se extrae una muestra de

volumen n = 10:
Valor del carcter x1 -2 l 2 3 4 5
rrecuencia
2 1 2 2 2 l.
11 1
Estimar con fiabilidad 0,95 la esperanza matemt ica a

del carcter normalmente distribuido de un conjunto general
segn Ia meda muestra! mediante el intervalo de confianza.
sowc10N. Hallamos la media muestra! y la desviacin
cuadrtica med ia corregida por las frmu las:
_
Xm
11.X
2i n (x;-Xm)2
~ /
'
= f
n-1
Sustituyendo en estas frmulas los datos del problema, obte..

nemos
x,n=2, s=2,4.
y
Hallamos lv. Utilizando la tabla (suplemento 3) segn

y n = 10 hallamos fv = 2,26.
= 0,95
Hallamos el intervalo confidencial buscado

-
Xm-ty yii < a<xm+tv -Vii,
Xm
Sustituyendo aqu
= 2, fv = 2,26, s = 2,4, n = 10,
obtenemos el intervalo confidencial buscado 0,3 < a< 3, 7,
que cubre la esperanza matemtica incgnita a con fiabili-
dad 0,95.
479. De un conjunto general se extrae una muestra <l~ vo
lumen n = 12:
Valor del carckr x 1 -0,5 -0,4 -0,2 O 0,2 O,G 0,8 1 l,2 1,5
Frecuencia
11
l
2
l
I l
1 1 1 2
l.
Estimar c.on fiabilidad 0,95 la esperanza matemtica a del

cucter distribuido normalmente de un conjunto general me
<liante el intervalo de confianza.
Respuesta -0.04 < a < 0,88,

238
48(). Por ios dalos cie 9 medicione.s independientes de

igual precisin de una cierta magnitud fsica se J1a hallado la
media aritmtica de los resultados de las mediciones Xm =
= 30, 1 y la tlesviadn cuadrtica media corregida s = 6.
Estimar el valor real de la magnitud que se mide mediante
el intervalo de confianza con fiabilidad y = 0,99.
sowcioN. El valor real de la magnitud que se mide es
igual a su esperanza matemtica a. Por eso, el problema se
reduce a estimar la esperanza matemtica (cuando a es incgnita) mediante el intervalo confidencial
-
. Xro.-tv ,r < a<xm+tv ,1::.

vn
vn
Aqu se conocen todas las magnitudes sa lvo t..,. Hallamos
tv Por la tabla (suplemento 3) segn , = 0,95 y n = 9 en
contramos t,,, = 3,36.
Sustituyendo Xro. = 30,1, t = 3,36, s = 6, n = 9 .en la
(*), obtenemos el intervalo de confianza buscado
23,38 < a< 36,82.
481. Por los datos de 16 medicones independientes de
igual precisin de cierta magnitud fsica se encuentran la
media aritmtica de los resultados de las mediciones m =
= 42,8 y la desviacin cuadrtica media corregida s = 8.
Estimar el valor real de la magnitud que se mide con fiabi
lidad y
= 0,999.
Respuesta 34,66 < a< 50,94.

482. Por los datos de una muestra de volumen n = 16 de
un conjunto general se encuentra la desviacin cuadrtica
media corregida s = J del carcter cuantitativo normalmente
distribuido. Hallar el intervalo confidencial que cubre la
desviacin cuadrtica media general <J con fiabilidad 0,95.
sowc10N. El problema se reduce a buscar el intervalo
de confianza
s (1-q) < <1< s (1 + q) (cuando q< 1)
(*)
o bien
O< o< s (1
q) (cuando q > 1).
Segn los datos y = 0,95 y n = 16 por la tabla (suplemento 4) hallamos q = 0,44. Ya que q < 1, tendremos que,
239
sistituyendo s - 1 y q = 0,44 en la correl acin (*), obtenemos el intervalo de confmza buscado

0,5G < o< 1,44.
483. Por los datos de una muestra de volumen n de un conjunto general de carcter cuantitativo normalmente distri
buido se ha encontrado la desviacin cuadrtica media corregida s. Hallar el intervalo de confianza que recubre la desviacin cuadrtica media general <J con fiabilidad 0,999, si
a) n = 10, s = 5,1; b) n = 50, s = 14.
Respuesta a) O< cr < 14,28; b) 7,98 <a< 20,02.
484. Se realizaron 12 mediciones con un slo aparato (sin

error sistemtico) de cierta magnitud fsica; adems, la desviacin cuadrtica media corregida s de los errores aleatorios
de las mediciones result ser igual a 0,6. Hallar la precisin
del aparato con fiabilidad 0,99,
sowc10N. La precisin del aparato se caracteriza por
la desviacin cuadrtica media de los errores aleatorios de las
mediciones. Por eso, el problema se reduce a buscar el intervalo de confianza que cubre <J con la fiabilidad dada y
= 0,99:
s (1 - q) < u< s (1 .. q).
(*)
Segn los datos y = 0,99 y n = 12 por_la tabla (suplemento

q = 0,9. Sustituyendo s = 0,6, q = 0,9 en la
correlacin (*), finalmente obtenemos
0,06 < cr < 1, 14.
4) hallamos
485. Se realizaron 10 mediciones con un .slo aparato

(sin error sistemtico) de cierta magnitud fsica; adems, la
desviacin cuadrtica media corregida de los errores aleatorios de las mediciones result igual 0,8. Hallar la precisin
del aparato con f 1abilidad 0,95.
Respuesta 0,28 < f1 < l 132.
CAPITULO ONCE
Mtodos de clculo de las caractersticas

generales de una muestra
l. Mtodo de los productos de c.lcu1o
de la media y la dispersin muesfrales
A. Variantes equ !distantes
Supongamos que una muestra se da en form a de distribucin de
va riantes equidistantes y sus corresp un di<.'riles frrcuencias . En esl<caso convicue hallar la media y la dispersn mue!i.irales mediante el
mtodo de los produc tos por las frmulas:
xm=Mth+C,
Dm = lMt-(Mf)ZI h2 ,
h es el paso (la diferencia entre dos variantes contiguas};
C es el cero accidental {una varunt.e que tiene frecuenci;1
mx-ima);
donde
X- C
Ui=-h-
Mt =
Mf
j nU
i
'
n
,, n1u;
es la variante condic ional;

es el momento condicional de primer orden;
' es el momento condicional de segundo orden.

,,J
n
En el problema 486 se indica el uso prctico del mtodo de lo~
productos.
486. Hallar por el mtodo de los productos la media muestra} y la dispersin muestral dada la distrbucin de una
muestra de volumen n = lOO;
Variante
x1
Frecuencia n1
12
5
14 16
15 50
18 20
16 10
22
4.
sowc10N. Formamos la tabla de ckulo 1, para lo

cual:
1) escribimos las var iantes en la primera columna;
2) escribimos las frecuencias en la segunda colu mna ; la
suma de las frecuencias (100) la colocamos en la casilla inferior de la columna;
3) como cero accidental C toma mos la vari ante (16) que
tiene frecuencia mxima (como C se puede tomar cualquier
241
Variante situada en el medio de la columna); en la casila de

la tercera columna, correspondiente a la lnea que contiene
el cero accidental, escribimos el O; sobre el ce.ro escribi mos
~ucesivamente - 1, -2, y debajo del cero l, 2, 3;
4) los productos de las frecuencias n 1 por las variantes
condicionales u, los escribimos en la cuarta columna; hallamos por separado la suma (- 25) de los nmeros negativos y
por separado la suma (48) de los nmeros positivos; sumando
estos nmeros, su total (23) lo colocamos en la casilla inferior de la cuarta columna;
5) los productos de las frecuencias por los cuadrados de
las variantes condicionales, o sea, n1ut los escribimos en la
quinta col umna (es ms conveniente multiplicar los nmeros
de cada lnea de la tercera y cuarta columnas: u1 n 1u1 =
= n1u1); la suma de los nmeros de la columna (127) la colocamos en la casilla inferior de la quinta columna;
6) los productos de las frecuencias por los cuadrados de
las variantes condicionales incrementados en la unidad, es decir, n 1 (u + 1)\ los escribimos en la sexta columna de con
trol; la suma de los nmeros de la columna (273) la colocamos
en la casi lla inferior de la sexta columna.
Como resultados obtenemos la labia de clculo J.
Para verificar los clculos se utiliza la igualdad
2J 11 1 (ud- 1)2 = ~ n;t4 +2 } nu;+n.
\ERIFICACION
~ ni (u, + 1)3 = 273,
~ ntUI + 2 2J llU + n = 127
+ 223 -t- 100 = 273.
)..a coincidencia de las sumas de control atest igua la correccin de los clculos.
Calcularnos los momentos condicionales de primer y segundo rdenes:
*
M1 =
nu
/1
23
.
= - =0,23,
100
M~2 =
"n "t~ = 127

= 1,27.
100
L.J
11
Hallamos el paso (la diferencia entre <los variantes contiguas cualesquiera): h = 14 - 12 = 2.

Calculamos la media y la dispersin muestrales buscadas
teniendo en cuc>nta que el cero accidental (la variante que
tiene la frecuen cia mx ima) C = 16:
xru.:-,'Hfh+c _._-o,23 2+ 16 = 16,4G;
Dm = IM~ - (A11l 2 J1t 2 = l ,27-0,232 1 22 ,., 4,87.
242
_2_,3
nt
- io
l- 1
- 15
15
161
50
181
16
20
10
j
t
l 'I
1
50
04
lfi
1
40
.~6
1
48
64
lLJ
.,
~ nU = 23
90
12
1 1
20
1 1
+ l )l
2/
ni ( u i
15
1G
ln=IOOI
20
1
- 25
2
rl Uj.
n 111,
l- 1
141
22
1"t
.12
'J'abl a I
rlU .
= 127
1~
ri 1(u 1
+1)11 ~ 27J
487. Hallar por d mtodo de lol\ productos la media mues-
tral y la dispersin muestral dada la distribucin de la muestra:

a) vorian te
frecuencia
b) variant.:
frecuencia
Respuesta a)
x,
18,6
n.
65
2
x,
19,0 19,4 19,8 20,2 20,6

30
'10
18
6
2
70
75
80
85
25
5
15
3
Xm = 76,2,
Drn = 18,56; b)
Xm = 19,672,
Dm = 0 , 169.
B. Variantes no equidist ant es
Si las varia ntes iniciales no son equidtslanles, d intervalo en i'I

que estn acotados to das las variart(cs el<? la niuestra, $C divi de en
varios interval os parciales iguales de Iougit.ud Ir (cada int<?rvalo parcia l debe contner no menos de 8-10 variante::+ De~pus se hallan Jo;
16
243
tentros de los 1n tcrv:i(S parciales que- i'orman precisamente Ja suce

si,n <.l e varianles equidistantes. Como frecuenci a de coda centro de
intervalo se toma la suma de frecuencias de las variantes que caen
en los correspoodlcntcs intervalos parciales.
Al calcular la d1sers 1611 muestra! para disminuir el error cometido
deblo al agrupamiento (es pecialmente para un pequeo nmero de
intervalos), se procede a la correccn de Sheppard>, es deci r se resta
de la dispcrs1 on calculada un doceavo dd cuadrado de la longitud
del Intervalo parcial. Por consiguiente, teniendo en cuenta la correccin de Sheppard la dispersin se calcula por la frmula
0 ;11 =Dm - ~h2.
488. Ha11ar por el mtodo de los productos la media muestra! y la d isper~in mue~trnl dada la distribucin de la muestra <le volumen n = 100:
Xt
2 3 7 9 J l 12,5 16 18 23 26 26
lit
3 5 10 G 10
12 13
8 20
9.
so1,uc10N . Dividimos el intervalo 2 - 26 en los siguientes cuatro intervalos parciales de longitud h = 6: 2-8;
8-14; 14-20; 20-26.
Tomando los centros de los intervalos parciales como nuevas variantes y,, obtenemos las variantes e-quid istantes:
= 11,
Yt = 51 Y2
Ys = 17, y, = 23.
Como frecuencia n1 de la variante y1 = 5 to mamos la

suma de las frecuencias de las variantes que caen en el primer
intervalo: n1 = 3 + 5 10 = 18.
1Encontrando de. un modo anlogo las frecuencias de las
dems variantes, obtenemos la distribucin de las variantes
equidistantes:
Ut
lit
11
17
23
18 20 25 37.
Aplicando el mtodo de los productos, hallamos

Ym = 15,86, Dm=45,14.
Teniendo en cuenta que el nmero tle intervalos parciales
(4) es pequeo, consideramos la correccin de Sheppard:
Du' 1 = D01 -
1 2
h
12
62
= 45,14- 12
=
42, 14.
Cabe hace1 notar que. la dispersin muestra! , calculada

por las varia ntes iniciales (originales}, es aproximadamente
igual a 42,6.
244
489. Al calcular la dispersin de la distribucin de las

variantes no equidistantes una muestra se dividi en 5 intervalos de Iongdud h = 12. La dispersin muestra! de las
variantes equidistantes (centros de los intervalos parciales)
Dm = 52,4. Hallar la dispersin muestra! tomando en consi deracin la correccin de Sheppard.
Respuesta Dm = 40,4.
490. Hallar por el mtodo de los productos la media muestra] y la dispersin muestra} dada la distribucin de las variantes no equidistantes de una muestra de volumen n = 50=
x,
6 8 11 13 15,5 17,5 20 23,5 24,5 26

n; 1 9 6 6 4
6
8 5
4
1;
b) hallar la dispersin muestra} tomando en consideracin la

correccin de Sheppard.
ossERVAcroN.
Divdase el intervalo 6-26 en 5 intervalos

4.
parciales de longitud h
Respuesta a) -Ym = 15,68; Dm = 32; b) Dm' = 30 31 ,

491. Hallar por et mtodo de los productos la media muestra! y la dispersin muestra! dada la distribucin de las variantes no equidistantes de una muestra de. volu men n = 100:
X 10 13 15 17 19 23 24 26 28 32 34 35
n1 2 4 6 8 9 6 20 15 JO 8 7 5:
b) hallar la dispersin muestra} teniendo en cuenta la

correccin de Sheppard.
ossERVACION. Divdase el intervalo 10-35 en 5 intervalos
parciales de longitud h = 5. La frecuencia de la variante
x = 15, es decir, la frecuencia 6, distribyase entre los intervalos parciales segundo y tercero (ya que la variante 15
ha cado en el lmite del intervalo).
Respuesta
a)
Ym = 24,35;
Dm = 3 1,83;
b) D~ = 29, 75.
2. Mtodo de las sumas de clculo
de la media y la dispersin muestrales
Supongamos que 1,1na muestra est dada en forma de distribucin
de va riantes equi dis tantes y sus correspondientes frecuencias. En este
caso, como se indc en el ! , la media y la dispersin muestrales se
245
pueden calcular por las frmulas:
Xin=Mfh+C ,
Dm=[Mf - (Mf) 2] hll.
111 aplicar el mtodo de las sumas los momt!nfos condicionales de primer

y de segundo rdenes se hallan por las frmulls:
Mt=!!.!..,
Mt= s1+2s2
ri
'
donde d1 = a1 - b1, s1 = a1
b1, .~2 = a2
b2 . Por consiguiente,
<'11 resumidas c u1:11 t1-s hay qu<' calcular los nt'.1m<!ros a1 , a 2 , b1 , b2
En el proble ma 492 se indica como se calculan prcticamente estos
nmeros.
492. Hal lar f)or el mtodo de las su mas la dispersin

media y muestra! dada la distribucin de una muestra de
volu men n. = 100:
varnrnt.e
frecuencia
x 4R 52 56 60 64 68 72 76 80 84 j
ni
2 4 6 8 12 30 18 8 7 5.
sowc10N. Formamos la tabla de' clculo 2, para lo cual:

1) escribimos las varia ntes en la primera columna;
2) escrib mos las frecuencias en la segunda columna; la
suma de las frecuencias (100) la colocarnos en la casilla infe
rior de la colu mna;
3) como cero accidental C tomamos la variante (68) que
tiene frecuencia mxima (como C se puede tomar cualquier variante que se encuentra aproximadamente en el centro de la
columna); en las casillas de la lnea que contiene el cero
accidE.'ntal, escrihimos cero; en la cuarta columna sobre y debajo del cero escribimos un cero ms en cada casilla;
4) en las ca.sillas vacas sobre el cero de la tercera columna (excluyendo la superior) escribimos sucesivamente las
frecuencias acumuladas: 2; 2 + 4 = 6; 6 + 6 = 12; 12+
+ 8 = 20; 20 + 12 = 32; sumando todas las frecuencias
acumuladas, obtenemos el nmero b1 = 72 que colocamos en
la casilla superior de la tercera columna;
en )as casillas de la tercera columna que quedan vacas
bajo el cero (excepto la inferior) escribimos sucesivamente las
frecuencias acumuladas: 5; 5 + 7 = 12; 12 + 8 = 20; 20 +
+ 18 = 38; sumando todas las frecuencias acumuladas, obtenernos el nmero a1 = 75 que colocamos en la casilla inferior de la tercera columna;
5) anlogamente se completa la cuarta columna; adems,
se suman las frecuencias ele la tercera columna; sumando todas
las frecuencias acumuladas situadas sobre el cero, obtenemos
el nmero b2 = 70 que colocamos en la casilla superior de
246
la c.u arta columna; la suma de las frecuencias acu muladas y

situadas bajo el cero, es igual a] nmero a2 que colocamos en
la casilla jnferior de la cuarta columna,
Como resultado obtenemos la tabla de clculo 2:
Tabla 2
"'
lt i
48
52
:J
b1
32
30
1
18
1
1
..,
80
o
1
38
20
37
--
1
17
5
1
n=IOO
1
()
5
...... ~ .
a ,.-
40
12
84
76
20
12
72
20
12
08
64
ti
10
60
bz
7 :!
:=
56
75
G3= :9
Ha11amos los nmeros d1 , s 1 s 2:

d1 = a1 - b1 -::.:: 75 - 72 = 3:
S =a+ b1 -= 75 -j 72 = 147;
S2 = as + b2 = 59 + 70 = 129.
247
Encontramos los momentos cond cionales de pri mer y de

segundo rdenes:
Mf-~-_.!_-0
. n. -100- ' 03'
s1
ftH _
+ 2s
2_
.ti :a -
l47+2-129 _
100
-
4 ' 05
Calcula111os la media muestra} y la dispersin muestra}

buscadas, teniendo en cuenta que el paso (la diferencia entre
dos variantes contiguas) h = 4 y el cero accidental C = 68:
xm = Mth + C = 0 ,03 4+68= 68,12;
Dm= [M~- (Mt)2 Jh2 = {4,05-0,032 ]4 2 ~ 64,78.
493. Hallar por el mtodo de las sumas la media muestral

y la dispersin muestra! dada la distribucin de una muestra
de volumen n = !00:
a)
variate x, :11) 85 40 45 50 55 60 G5 70 75
frecuenc ia n
4
G
8 15 25 20
8
7
5
2;
b)
variante x1 122 12~ 1;~4 140 146 lr2 158 164 170 176
frecu~nC'ia n
7
8 12 16
4 20
J;.{
10
7
:3;
e)
.,. :
varian te
x; . 12
frecucnda
11,
<l)
r,
14
13
18
16
16
50
20
10
22
4;
variante X 10,2 10,4 10.fi 10,8 l l,O 11 ,2 11, 4 11,G 11,8 12,0
frecuencia n
2
3
8
13 25 20
12
10
G
1
Respuesta
a) Xm=51.1; Dm=-101,29; b) Xm =l 47,62;
Dm=212,3;
Xm= 16,46; Dm=4,87, d) Xm=lf,114;
Dm ~ 0, 14.
e}
3.
Asimetra y exceso de una distribucin emprica
la asimetrla y el exceso de una distribucin emprica se determinan

respectivamente por las Igualdades:
m3
a,=or,
m
m,
3
e11.-~-;
m
aq u <Ym es la desv iacin cuadrtica media nue.slral; m~ y m 4 son los

momentos em pncos ccn t rales de tercer y cuarto rdenes:
j fl {x, -xm)3
ma=
248
~ fl;{X-Xru)4
'
mi,. =
Estos mome11Los couvicnc calcularlos en el ca-,o de las varia11tC'5

equidistantes con paso h (el paso es igual a la difrrencia entre dos
variantes con tiguas cualesquiera) por las frmu las
ms=[Mt -3MfMt+2 (Mt)3] h3,
m4= [M! -4MfM f+ 6 (Mt) 1 M:- 3 (Mt}'Jh\
donde
M!
] niut
son los momentos conrlicion,lles de ll-simo orden;

n
x, -C son !as vananes
t cond.1c10na
1es,
u 1 =-haqu x son las variantes iniciales, C es el cero acci dental, es decir,
la variante que tiene frecuencia mxima (o cualqu1f'r var iante situada
aproximadamente en el centro de la serie de variacin).
De este modo, para hallar la asimetra y el exceso hay que calcular los momentos condicionales, lo que se puede hacer por el mtodo
de los productos o por el mtodo de las sumas.
A. Mtodo de los productos
494. Hallar por el mtodo de los productos la asimetra

y el exceso dada la distri bucin de una muestra de vol umen
n = 100:
variante
x
12 14 16 18 20 22
frecuencia n.1 5 15 50 16 10 4.
sowc,oN. Ap licamos el mtodo de los productos, para lo
cual formamos la tabla de clculo 3. Puesto que en el 1 de
este captulo al resolver el problema 486 se ind ic como se
llenan las columnas 1-5 de la tabla de clculo, nos li mitaremos
a breves aclaraciones.
Para llenar la columna 6 conviene multip licar los nmeros de cada lnea de las columnas 3 y 5.
Para llenar la columna 7 conviene mu lti plicar los nmeros
de cada lnea de las colu mnas 3 y 6.
La col u mna 8 sirve para verficar los clculos por la
igualdad
~ n1 (ui+ 1)4 = ~ nUf + 4 ~ n1ur + 6 j n;uf + 4 ~ nU +n.
Exponemos la tabla de clculo 3.

}:: n (Ut + 1)4 = 2145.
] n,u! +4 ~ n;uf + 6 ] n1u? +4 ~ ntU1 + n=
= 59f 4 -1 49 + 6 -127 + 4- 23 + 100 = 2145.
La coincidencia de las sumas de verificacin nos demuestra
Ja correci.n de los clculos.
VE~IFICACION:
249
Tabla 3
n.
121
lO 1 50
'2 2 1
'1
11 Lu I
"1"i
llfL~
""'
n( u +I ) '
uj~
18 1 1G
10
1-21-101
1-1[-151
141 15
wl
-- -
- -
n=
= 100
... ...
20!
40
1 31
12!
36
l'
80
204
J
~
50
i25G
1
810
160
1
324
108
~n1ul=
15
16
16
= 127
= 23
1
1
fl.U :=
-65
1 21
- 15
16
80
- 40
l!
~I
20
1024
1
~n1 x
llUl=
= 149
flUf:;::595
x( u 1
+1)4=
= 2145
Hallamos los momentos condicionales de tercer y cuarto

rdenes (los momentos condicionles de primer y segundo
rdenes estn calculados en el prob lema 486: M! = 0,23,
M! =
1,27):
M! =
' ' nicl

L..J n z ,
140
= 100 = 1,49; M, =
'\., nut
595
L..J n
= 100 =
5,95.
Encontramos los momentos empricos centrales de tercer

y cuarto rdenes:
tna = [,'\-1!-3/H~M; + 2 (Mr)3J h3 ,

m6 = lM!- 4M;M; + 6 (M:)2. M:-3 (Mt)'J h4
250.
Sustituyendo aqu 1t = 2 y MT
= 1,49,
= 5,95, obtenemos
M:
= 5,124,
m3
0,23,
79,582.
m4
A-H =
1,27, M~
Hallarnos la as metra y el exceso buscados, teniendo en

cuenta que Dm = 4,87 (vase el problema 486):
as=
11~3
5,124
{V4,81)
= O 49 .
,, = m,. = 3 = 79,582
<V,i ,s1)"'
0 :n
<;/
' ''
3 ., O:-lG

495. Hallar por el mtodo de los productos la asimetra

y el exceso dada la distribucin de una muestra de volumen
100:
a)
X
'1;
b} X
n
2,6
8
3,0 3,4
20
45
3,8
4,2
15
12;
11
16
21
25
40
20
10.
Re.spuesta
as = O, 145, ch = - 0,337; b) a, = O, 18,
a)
e,. = -
0,45.
8. Mtodo de las sumas

496. Hallar por el mtodo de las sumas la asimdra y el exceso dada
la distribucin de una muestra de volumen n = 100;
x,
n;
48 52 56 60 64 68 72 76 80 84
2
8 12 30 18
f,.
SOLUClON. Aplicamos el mtodo de las surnas, para lo cual for mamos ta tabla de clculo 4. Puesto q ue en el 2 de este captulo al resolv~r el prohlema 492 ya se i ndic como se llenan las columnas 1-4 dc
la tabla de clculo, nos limitaremos a breves aclaraciones.
Para llenar la columna 5 escribimos el cero en la casilla de la I inea
que contiene el cero accidental (68); sobre este cero y debajo del mismo
ponemos dos ceros ms.
En las casillas sobre los ceros escribimos las frecuenc:las a cumuladas.

para lo cual s umamos las frecuencias de la columna 4 de arriba abajo;
como resultado tendremos las siguientes frecuencias acumula das .
2; 2
8 = 10; 2
8
20 = 30; sumando la~ frecuencias acumuladas, obteneml)s el nmero b3 = 2
JO + 30 = 42 que colf.lcarno<.
en la casilla supcrinr de la quinta columna.
, En las casillas debajo de los ceros e'.5crib1mos las frecuencias acumuladas, para lo cual su mamos las frecuencias de la columna 4 de
abajo arriba; como resultado tendremos las siguientes frecuencias
acumuladas: 5; 5
17
22; sumando las frecuencias acumuladas,
+ +
251
obtenernos el nmero a8 = 5
22 = 27 que co1ocamos en la casilla
inferior de la qumta columna.
Anlogamente llenamos la columna 6, ade ms se suman las frecuencias de la columna 5. Sumando las frecuencias acumuladas situad:is sobre ICIS ceros, obtenemos.. ;el nmero b, = 2
12 = 14 que
escribimos en la casilla superior de la sexta col umna . Sumando los
nmeros situados debajo de los ce.ros (en nuestro problema hay un solo
sumando), obtenemos el nmero
5 que colocamos en la casilla
inferior de la sexta colurnna.
En conclusin (>! ,te11e 1110$ J fabla ck dlculc, 4.
Tabla 4
X,
b4 ...,. 14
l
1 - ----'-- - - - ' - - - - ; . . . . . ._ _ _ _;......_ _ ____,_ _ _ _ _ _ _ I
48
_4_r_G_i---;.1--8----.1--l-O--.- -12=56 =r6=)=12=i 20=-'.--3=,'=---_

1
_ 5_2__;..l
60
64
68
72
20
12
32
30
40
o
o
JOl,.._o--+--[-o -o
. j. . ; . . . . . . -
\:- - ':---;....-'- /_s---'-l_20-..;._'_31_/._o_/._0_

l.
18
38
_1_....:-6
1
80
84
252
12
17
22
\IRIPICAlON: la suma cie los nt'imcros situados directamenl.e

sobre el cero de la te rcera columna , a la izquierda de ste y dcbaJo
debe ser igual al volumen de la muestra (32

30
38 x: 100);
la suma de los dos 1n'.amerns situados sobre los dos escalones de la I i11N1
quebrada (trazada con scgrrumlos de rectas m.5 grue~as) debe ser
igual respectivamen te al nmero h1 que est sobre cf escaln a11tenor
(subic-ndo por la escalera): 32
40 = 72 = b1 40
JO = 70
b2 ;
30
12 = 42 = b3 ; anlogamente se venf1ca la cc,incidc.ncia de !as
sumas de los dos ni1meros que se encuentran uebao de los escalones
de la escalera que nvs cond uce hacia aba10 38
;7 = 75 = a 1 ,
37
22 = 59 = a2 ; 22
5 = 27 = a 3 Al no C(i11c1d ir aunq ue sea
una de las sumas indicadas hay q ue buscar d nrvr del clculo.
Hallarnos los nmeros d (i = 1, 2,
1 S (1 ~ J. 2, 3, 4)
:n
a1
b1
= 75 - .. 72 ~
dz
a2 -
b2
59 -
d3
a3
b3
27 -
d1
J;
70 = - l J ;
42 -:~ - 15;
= 1 + b = 75 + 72 = 147;
= <?2 + b2 = 59 + 70 = 129,
.Sa = tl3 + bs = 27 + 42 ~..,. 69;
\1. =
+ b4 = 5 1- 14 = 19.
$1
Sz
{/4
Encontramos los momentos conJicJOnales de pri mer, segundo,
tercer y cuarto rdenes
Mf = ~1 =
M*
'2
Ma =
M *
s1 +
s1 +2s 2
n
1~0
= 0,03;
147+2!29
100
= 4 OS
''
d 1 +6Jl!+6d3 = 3+6{ -1 1)+6( - 15) = _ 1 .

53
n
100
' '
14s2
+n36s3 +24s4
147+ 14 129+36-69+ 24, !9

IOO
48,93.
Hallamos los momentos empricos centrales de tercer y cuarto

rdenes:
m3 = [M; -3M: M! + 2 (Mt)3J ,h3 =
= [- l,53-30, 03,4,05 + 2(0,03)vJ 43 = - 121.248;

m 4 = [MT- 4M!M~ + 6 (M:)2 M! -3 (Mi)"] h4 =
= (48,93 - 4,0.03,(- 1,53) + 6 (0.03) 2 -4,05- 3 (O ,03)"1 44 = 49,135.
253
~Tallamos la asimdr ia y el exc1:so buscados, teniendo en cuen la

= ~ VG4,78 (l a dispersin Dm se encontr antes;
que Om
vase el prob ltma 492);
- 121,248
.f/13
o 23
$= 0 ,n = CV64 ,78)3 = - ' '

e = ~ = .. 49,1 34 = 01
4
tn (V4 ,78)
'
497. Hallar por el mtodo de las sumas la asimetra y el

''
exceso dada la distribucin de una muestra de volumen

IL = 100:
a)
X;
(l
10,2 10,4 10,11 10,8 11,0 11,2 11.4 11,13 11,8 12,0
2
3
I;
8 13 25 20 12 10
6
b)
X
11
12
14
J5
lti
/iO
18
lfi
20
JO
22
4.
Respursla a) as = -0,01, eh
e,, = 0,36.
= -0,24;
b) as
= 0,49,
CAPITULO DOCE
Elementos de la teora
de la correlacin
l. Correlacin lineal
Si a mbas lnea:,. dr. regresin ele Y en X '! de X en Y ~on rectas, la
correlacin se llama li neal.
L a ecuacin m ueslrat de la re.eta de rl'gresi n de Y en X tiene la
furtna
Yx - Y= rm
(Jy
(x --x),
Yx es la med ia cond ici onal,

x e /J son las mee dias mucs trales <lC'. los caradt,res X e Y ,
cr.., y a11 son las desviaciones cuadrticas m<"dtas mucslrales,
donde
'mes el coeficiente de correlacin muestr<1l; adems

~ rt..,,Xy -nxy
rm c:
Jl(1x<:1v
La ecuacin muestra{ de la reda de regreslon de X m Y tiene la
forma
<1x
Xy-X= rm a(y-!J).
()
11
Si los datos de las observaciones sobre los can11.: teres X e Y estn

dados en Iorma de tabla de correlacin con varian tes equidistantes,
conviene pasar a las varia ntes cond icionales
x-C1
y-C2
U
h
' Vj
h2
donde C1 es ef cero accide ntal de las varantes dr? x (nuevo origen de

lectura); t omo cero accidental conviene tomar la variante sit uada
aproximada ment e en el medio de Ja serie de variacin (en adelante
tomaremos corno c,ro accidental la vari ante que tiene frecuencia
mxima); h1 es el paso, o sea, la dife rencia ent re clv, variantes con tiguas de X ; C, es el cero acciden tal de las varian tes ck l': lt 2 es l pasv
de las variantes de Y .
En este caso el coeidentc de correlacin mue.stral es
'm
2J n,u;uv-n.
ncru.Or,
'
al mismo t iempo, ~ , urnando ljn 110 uv convirne c:ilr uliirlo ul ili1.an<lo

la t abla de clculo 7 (vast' la sol ucin dd prQbl<-ma 498).
2(i5
.a~ maguif.uclc!, -;';, :;', cr~, <Tr, pucrlen ser haila Jn~ por el mfodo
tle los productos (cuando el nmero de datos es grande), o bien directamen te por las frm ulas:
u
v.
11
l1u~l"ii2 -(u)2.
11
D'v~~v u2 - (v? .
C,~nocienclo es tas ma~nitudes, se pueden hallar las magni tudes qut

entran (!JJ las e..:uaciones (*) y {**) ,le la regresi n, por las frmulas
! e 1,
X~~ /11
i= 0 /12 +-C2, D'x = a,.h,
<Ty ~croh2.
Para e~li m:i.r la fuerza del enlace de corrclaci11 lineal se utiliza

el cCJcieicn te d (' Ct)rrelac1n muestra! rm; cua ntc> miis prximo es
1 rm I a la unidad, \auto ms fuerte es el eu [;'Jcc; cuanto ms proximo
es 1 'm I a cero, ta nt.o ms dbil es el enl.:ice.
498. Hallar la ecuacin muestra! de la recta de regresin

de Y en X por los datos <le la tabla de correlacin 5.
Tabla 5
2U
J6
,j
26
,'
56
12
n"
10
-18
44
22
1
1
20
16
46
14
1
1
4
32
flx
1
l
l
l -
;)f,
10
.......
--
46
8
. . .....-
36
so
2f.
1
ln=IOO
sou.1c10N . Componemos la; tabla: de correlacin 6 en las

variantes condicionales, eligiendo co mo ceros accidenta les
C1 = 30 y C2 = 36 (ca<la una de estas variantes se encuentra
en el medio de la correspondiente serie de variacin)
256
Tabla 6
~I
- 2
- 1
10
1
10
--
32
1
4
-...!...-1_------'--1--
--_
2
"''
.inu.u
~ nvv
V=
4G
~-
12
r-~
1
18
I_
_ __:_
22
r-;--6
1=100
20
v:
100
= 0.34;
!0, ( - 2'>+ 18,( -1)+440 + 22 1+ 6.2

100
Halla mos las magnitudes auxiliares 2 y

'\.
-44-
4( - 2) + 111-( -1) ..1.. 10-0 -1 .. 16.i +:w -2
12
14
Hallamos y
-
6
1
- 1
2.
.i nau
Encontramos cr11 y
vi:
+ 16, I + 20 4 =
44+ 14 1
100
rt
-0,04.
l 26 .
,,
O't,:
l 2. - <u) 2 = V 1,26 - ,342 = 1.01;

.
= l'/-v2- (ti)2 = 1/I' I,04 - 0,042 = 1,02.
cr1,=
11
Hallamos j nu.,,uv, para ello co mponeruos la tabla de

clculo 7.
17-0540
257
28
- 14
... ... - .. " ----1-------t
-8
18
~ -'
21
24
24
12
- - - _ .... - - - . - -.. -
22
32
-t
CvU 82
16
i vV -
Vertf,ca-
c1n
u = BZ~
Sumando lo~ n mero.s de la ltirna col umna de la tabl a 7

halla mos
1
'\ , t' U= n11 ,,av = 82.
,
Para verificar los dkulos hall amos la .<.uma ele los nmeros de la lt ima lnea:
'
.,_ U 1'
,.,
2., nut,UV = 82.
H.
La coincidenc H de las su mas denmestra la correccin de los

c~lcu los.
Ex plict1ci11 arn l.:1 tornposic in de l a tabla .
I. El producto de la frecuencia 11.u 1, por la variante u,
n.ut u, , e escriben en el ngulo superior derecho de
la casi ll a cu(' c(int icn<" la frecuenc ia. Por ejemplo, en los
es dec ir
258
~ngu ius .su periore.~ derechos de la.s c:1<.i lh1<:-. de Ia primera ii 11Pa
se han escri t o lo~ productos: 4 (- 2) ,.. - 8; ( .. 1) .-_ - 6
2. Se adic io,rnn todos los nn 1c>ros <,il uaclos tn los {1ngulo<.
s uperiores derechos de las casill a$ df unr.1 l 11e<1 ) :-1.1 su111a St>
coloca en la casilla de la misma l11c::1 l(' 1..i (,colu mna U. Por
ejemplo, para la primera lnea
U
= -8 + (-6) = -14.
3. P or lt imo, se mult iplica la varianh." v por U y el producto obtenido ~e escri be en la corre'.',po11d1ent e cas illa de la
columna v U. Por ejemplo, en la pr rnC'ra l11e::1 de la tabl a
v = -2, U =- -14; por lo tanto,
vU = (-2) ( - 14) "" .28.
4. Ad icionando todos los n 111c-rM ck la columna ul.f
obtenemos la suma ~ vU que es igual a la surna buscada
,,
~ nu1. uv. Por cjcniplo, para la tabla :
Y vU , 82; por con
siguiente, la suma bu1;cad a Y ll u r 11v = 82.

Para verificar el cmp uto, c{i lculo~ an,dogo<; se realizan
por colu mnas: los productos 11 11 , u se ec;rnben en el ngulo

inferior izqui erdo <le la casilla que: contiene la frecuencia;
todos los nmc-ros colocados en los ngulo:, inferiores izquierdos ele una columna se adicionan y su su 11w ~e coloca c:n la
lnea V; por ltimo, se mult.ipl ica ca da variante u por

y el resultado se escribe en las ca~illm, de In ltima lnea .
Sumando todos los nmeros de la ltima lnea ohtenernci,;
~ uV que lamlJ(n es igual a la su ma bu ~,\.:.ada \ ~ n"'' uv. Por
u.
ejemplo, para la ta b1a 7:
~ uV = 82;
por lo tanto, ~ n,,,,.uv , 82.
1<
Enconlra mos el coeficiente de cor rt,I::i~i<,n muestra] bu<;cado:

82- JliOO,;H (-0,11.n
J0 -1 ,1J7. f ,n:z
0.76.
Halla mos los pasos h1 y h 2 (diferencia ~nlre dos varanles
contiguas cualesquiera):
h, : "' 2!3 -20
= 5;
112 :
26 -
16
10.
Encontra mo~. x e y, teniendo
C2
= :,6:
cuenta que (;1
ei1
= 30,
., . . ~li d C1 ::::: 0,34 5 -1-30 = 31 ,70;
y=uh2 +Cz-:c:. ( - 0,04) 10 +36 ,

Halla mos
<Jx
35,60.
y ay:
a.Y= h1 a,1 = 5 1,07 = 5,35;

a,1 = h 2 - a 11 = 10 1,02 = 10,2 .
Sfl1tu yendo las magn itudes ha1ladas en la correlacin
(*) . obtene mos la ecuacin buscada de la reda de regresin
de Y en X :
Ux-35,60 -,, 0,76 ~\~ (x- 3 1,70),

o bien, fina l1tH:'1'1le
Yx =l,45x- l0 ,3G.
499. Hal lar la~ c,cuaciones muestra les de las rectas de regresin de Y en X y de X en Y por los datos de las tabl as de
correlac in:
1Ll
15
20
2s
Jo
1 3~
40
- 1- 1- 1-
100
- 1- 1- 11=140.1--,'---_ l'---5G s 1- l - l 3
l20
160
180
/1,:,:
1 -
1 -
1 -
.-
1 ...
1 -
6 1
nu
3
10
..-
-l
23
9
1
1
8 1 11 1
1n =
50
b)
iXI
125
150
175
200
225
250
nx 1
'
23
28
1 1 1 1
33
4:3
38
48
ny
- 1 1-1-1-1-1- 1 sbj -1 - 11- 1 - 1 l

- l - 1 1 1 - l - 1-1 - 1-1 1 3 1 -1 - 1- 1- 1- 1
1 s 1 2oi 10I
1
12
1 1
1 1
17
16
6
2
n. = 50
e)
IXI
100
120
140
160
180
n~ 1
1 1 1 1 1 1 nv
-1-1-1-1-1
-l-l-1-1-1 1
1
- 1- 1
1 1 Jl-1 - 1- l1 ll-J 1! -1-11 s/ IJ !11I 1 1
5
JO
16
20
25
30
35
6 1
8 (
10
23
10
-10
3 1n=50
Respuesta a) Yx=l.92x+I0I,6;
b)
Yx= 4x+ 57,8;
x 11 =0,12y+ 3,7;
Xy=0,19y- 3,l ;
e) !f,(=-2,1 5x+I81,8; Xy=-0,33y+65,7,

2. Correlacin curvilnea
S1 la grfica de b n.,'.f( ~i,.'.in se representa por una lnea curva, la
Ci.irrela<:ir.'n se lla ma (uw1l i11ca . En partic ular, l'n el ca~o de la correlarin parablica el <> ~t-gu11ck, (,rden ta ecuacin mueslrl1l de la regresin
de Y en X ilr11~ la rorm,i
11x.:..;:= Ax2 +Bx+C.

l (,s paritrudro!. mcc,;,;11ito5 .4, B y C se hal lan (por tjem plo, por el
metocfo dr Gaus\,) (.Id s,sllmll dr. ecuac iont>s :
()1, 11xx4) ,1 f(?, n,,3) 131-
()J nxxt) C=- L nxyx,t2;}
) .:1 -j- ~.:...J

,,., 11 :,;;X-q) 13 1 ('1
)
"i,1
( .._.,
L! n xxi_
L nxx ('~= L nxyxx;
(.~ n:\.x2 ) .il
(~ n~x) B 'IIC=- ~ "x.U.x,
;\11l1,gamenk ~"' J1al la l.:1 ecuacin muestra!

; 11 -
A 111 2 +B1y +C1
de la regrrs in d,,. X e11 Y.

Para <.? "St 1111ar Ll fuerz<1 de correlacin de Y ~n X se ulilza la
rclo cn di.' fo rnrri:l11u1i rtueslral (relacion de la desviaci n cuadrlica media r.' ntre grupo al vol umen de la cfesvi acin cuadr tica ml'dia
drl carcter Y)
'fJyx
CJcnt,gr u
gen
'
bien, en lfras nr,l.a(:iO:JIH.'S
'ly.x=
1 /x
-(J-.
Aqu
IJ_
lix
=1/Dent..gru = -../
~ n.x (Yx-Yl
f
11
a
do nde
~ nx(y
-y)2
n
11 e~ el v"l umt'n de la tn ll<:'5tra (suma de todas las frrcuencias) ;

nx es [3 rc.::u,~nc1a di'.'! v.1lnr de x del carcter X ;
ny cs la !rccuenc,a del valor de y del carcter Y ;
Y-,; es la media cond 1ci,m al del c.arcter Y,
es la media general del carcter Y.
262
-V:0---. /
gen-y
y-
Anlogamente
entre X e Y:
M'
de-t~rmna la relaci()n <le: la correlacin muestral

(]_
Xy
TJyx=a
X
500. Hallar la ec.uacin muestra! de la regresin y,.
= Ax2 + Bx + C por los datos de la tabla de correlacin 8.

Tablo
2
3
1
25
20
- -
20
1_ _ , _ _
1_'
- 4 5 _ , _ -~ 1 1
110
- - 3 - 11
48
49
20
49
ti=
100
Estimar la fuerza del enlace de correlacin por la relacin

de correlacin muestral
11, x.
sowc10N. Componemos
la 11Jla de clc-u.lo 9,
Tabla 9
-X
lix
l -
20
2
1
31
1
.~
xt1
1 nx ~.,/x 1" x!lx:t

- l n. x f'-x x~
40
1
80
1
1 160 1
32
1 500 ! 1 1
2 000
147, I 1 93
2791 837 12511] 1100 14380 , 13 141
671245
1225 j 5125 jao625 1s325 ,25 524 ]133 121
49 ]10s,
1 11 x d 111 x A 3
25
1
/lx.t
ilx
100
1378 11584 17122 133'1561 72851:{2 004 , l 48 21;2
Sustituyendo los n meros de la l tima lnea de la tabla 9

en (*), obtenemos un sistema de ecuacones con respecto a
263
incgnitos A, B, C:
A
7122 B
1584
A
1584 B
378
A
378 B
100
los coeficientes
33 456
7122
1584
+
+
+
+
+
+
e= 148 2s2,
e= 32 004,
e= 12ss.
Resolviendo este sistema (por ejemplo, por el mtodo de

Gauss), halJamos
A = 2,94. B = 7,27, C = - 1,25.
Poniendo los codicicnles hallados en la ecuacin de regresin
Vx=Ax2 +Bx+c,
finalmente obtenemos
Yx= Z,94x + 7,27x- l,25.

2
Para calcular la relacin de correlacin muestra! 11,Jx,

hallamos pr<:"Vi.irnente la media general y, la desviacin cuadrtica media general 0 11 y la desviacin cuadrtica media
entre grupo iix:
-
y=
l/ J
~ riuY
20-25+31 45+ 49 110 _

100
n
ny
~y-)'
72 '
SS
'
_ .. /20 (25-72 ,85J2+ 31 (45-72,85)2+ 49 (110-72,85) 2

100
-y
crllx
= 37 07
'
'
= 1 / ~ n,.;(iix-Y? =
t
_ v"20 (25-72~85) 2 +31 (47,1-72,85)2+49 (108,67-72,85)2 _

-
100
= 33,06.
Hallamos la relacin de correlacin muestra} buscada:
(J_
1
'Yj,x _,.
1 ;(
Oy
33,06
O 89
= 37 ,07 = '
501. Hallar la ecuacin muestra! de la regres1on Yx
= Ax11 + Bx + C
y la relacin de correlacin muestral 11 11 x

por los datos de la tabla de correlacin:
264
a)
18
:3
20
10
12
10
1
nx
1 22
1
26
17
18
ni/
14
20
21
20
19
20
20
20
n =IOO
b)
19
13
40
1
80
200
nx
'
21
14
ng
10
21
l l
22
16
27
15
15
21
21
18
23
17
21
n=IOO
e}
~I
50
:,!)
44
1
45
50
54
50
1
56
44
50
71,e
nll
46
tl.= 150
<l)
- ';'"~I
1
20
.,
10
ll
20
50
1
27
1 15
17
1 23
1 28
200
41
400
42
1
1
"
1
4
13
5
2~
{J
25
26
24
28
42
47
1
1
4D
1 n. _; 150
"11
;\
nx
~~I
300
35
11:,;;
1)
52
67
48
1
1
54
40
48
n= 150
41
1
..
Respuesta a) !fx= 0,66x2 + 1,23x+ 1,07, l'lyx=0,96

b) Yx= 3,20x2 - 13,0lx+9 ,09, 'Y]yx=0,99;
e)
= 1.53x2 + 1,95x + 1. 11 ,1x = o,86;
d) ljx = 1,59x2 +3,33x+9 A, l'].,~.= 0,83;
e) Yx-=- l ,52x2 + 12 1,94x - 5713,61, T) 11 x= 0,83.
Yx
502. Hal lar la ecuacin mue~tral de la regresin ;;1
Ay2
By + C y la relacin de correlacin rnueslrnl
dada la tabla de correlacin:
(,
.....
~o
30
1
11(/
15
15
15
14
Jx
!G
IG
1
20
nx
1h!I
1i<
1
11=50
1
b)
~I
13
1
16
1
13
12
23
l
1
n.,,
"y
10
l'.1
l)
25
11
2:3
n = 50
1
Respuesta a) 11 =2,8!P+0,02y+ 3,18, ll:ry =,96;

b) xy=Z,29y2 - l,25y+ 1, 'l:ry= 0,92.
267
CAPITULO TRECE
Verificacin estadstica
de la hiptesis estadfr,ticas
1. Conocimientos fundamentales
La hipt.es,~ ~(i hrc (:1 tipo de dstrbuc16n desconocida, o sobre los
parmetros de distnbuci)HCS conocidns se llama estadstica.
La h1pfr$b Jlfl'Srntada H0 se llama cero o nula (fundamental).
La h i plci:1s II 1 qiw contradice l a h plt>.sls cero o nula se llama
coneurrenie (a lt ,,r11al ivo).
Como rcsulfado tk la verificacin de la hiptesis pue.<len cometerse
errores de dos
g fll'TOS
El r.rror di'
prm cr genero consiste t'l que ser rechazada la hiptrsis verda dera . L<1 m ,babildacl del error de primC'r genro se llama
nivel de signif1c:auoo y se designa por ex..
El error de seg11t1do orden consiste en que ser admitida la hiptesis
falsa. La prob ab ili dad del <'rror de segundo orden se designa por ~.
Se llama critero estadstico (o simplemente criterio) la magnitud
aleatoria K que sirve para verificar la hiptesis.
Se llama valor obseruado (emprico) Kohs al valor del criterio
calculado por las muestras.
El con junto de valores del criterio, para los cuales se rechaza
la hiptesis fundamental, se llama regin. crtica.
El con junto de valort>s del criterio, para los cuales la hiptesis
fundament al se acepta, se llama regin de aceptacin de la hiptesis
(regin de valores adrni sibles).
Principio fundamental de verificacn de la hiptesis esladislica:
si el valor observado del criterio corresponde a la regin critica, la
hiptesis nula se rechaza; si el valor observado del criterio pertenece
a la regln de aceptacin de la hiptesis, la hiptesis se acepta.
Los puntos que separan la regin crtica de la regin de aceptacin
de la hiptesis se llaman puntos crticos (limites) k r
La regin critica determinada por la desiguallad K > kcr,donde
kcr es un nmero positivo, se llama de derecha.
La regin crtica deter minada por la desigualdad K < kcr, donde
kcr es un nmero negativo, se llama de izquierda.
La regin crtu:a de derecha o de izquierda se llama unilateral.
La regin criti ca determinada por las desigualdades K < k1 ,
!<. > k 2 , donde k 2 > k 1, sr. llama bilateral.
En particular si lf'.ls puntos crticos son smtricos con rcspectQ
a cero, la regi n <'rtica hila teral se determina por desigualdades (supo
niendo que kcr > 0)
K <-kcr, K>kcr,
268
o bten por la desigualdad cqulvale nk

1KI > kcr
Para hal lar la rcgio n crlt'lca se prd 1J,1n rl niv.J d.:> s'1 i:(11lf"1cadn
ex y se 1Jusca11 Ir,~ pt111 to8 crt icos, par ticndn ctr 111.~ ~ig1.1ientcs corrdaciones:
a) para la r<'gion critica de dcrcdia
P (K> kc r)=a. , (llc r> O)

b) para la regin crtica de izquiuda
P ( /( < llcc)=Ct., (kcr <U)
e) para la rcg iO::,n critica bil ateral
J) lJ( ".:~ k (' J:') = 2a
(kcr > O)
/>(K <-kc r) -
2. Comparacin de dos dispersiones

de conjuntos generales normales
Por las muest ras indcpc,n<lientes de vol m<:'JJcs ,11 y n 2 , ext. radas
de los conjuntos generales 11or m11les X e Y, ',<' hallan l.is dispet5iones
mues trales corregi da. .s1 y
Hay qu1: c,;,rn parar e::.ta.s dispers iones.
si.
REGLA l . Para verificar, a un nivel de sgnif1cac1n dado et., la

hiptesis nul a H 0 : D (X)~ D (Y) so!.i re la 1guald<l de las dispcrsio
nes. generales de conj un tos normales, siendo la hi p,:itr.sis alternat1Ya
f/ 1 : D (X ) > D ( Y), hay que calcular el valor r:,J,:;ervado del criterio,
(la relacit':on entre la$ dis persiones corregidas mayor y mc uor}
5 ~uay
fo bs = - 2 5men
y por la tabla de puntos crit.icos ele la disl.ribm.1611 de Fisher-Snedecor
dados d u ivel de signific<1ci n a y lo~ 11m1.:ros de gratlos de libertad
k1 = n l - 1, k 2 = n~ - l (k 1 es nmero de. grads dt> libertad de la
dispersin co rregida may or) , hallar el pu nt o cril 1co F~r (o:; k 1 , k2 i.
Si Fobs < Fe r no ha y porque rechazar la hiptc>s is nula .
Si f'obs > Fe r, la h1p6le:-,is nula se re-chaza
el
REGLA 2. Para la
hiptesis
alternativa
H1
D (X ) 9= D ( Y).
el punto crtico Fn ( ~; k1 , k2 ) se- halla por d nnd d,' sign ificacin ;

(dos veces menor qui~ el dado) y los n111(rvs de grados de libertad k1
y k 2 (k 1 es el nmc r de grados J., 11 t,,: rtaJ de la disper~in ma yor)
Si Fobs < l~:.r no hay porq ue rec h11zar la h1 ptJtJ:'.;is 11ula ,
Si Fobs > I'c r, la hiptesis nula se rccl1a2a ,
503. Por dos muestras independientes de volmenes n1 - 11 y n1. = 14, ex tradas de los conjuntos genera les norma269
X e t',
SC' ha ha llado la,; dispersiones muestra les corregidas

0,76 ) .~~. -- 0,38 . Parn el ni\. (] de significacin a =
- 0,0!) \'er ifie.11 la h1pkss nul a H :D <X) == D (Y) sobre
la igualdad di.:: hi .; d<.p<>rsione::,; ge11era le,;, ~i la hi ptesis
alternativa //1 D (X) .> O (Y).
!)<.>1.,1..; c10N . llal l11mo~ la relac icn entre la dispersin
corregida mayor y la rnE>nor:
\('<;
s;\;
:::.=.
..,,,
J- u l>S -.....'...'....:-2
- o,:38
Por los cJalo.s l,1 l11pk :,is alternati\:a tiene la forma D (X) >
I Y), por eso la regin cr tica e~ de derecha.
Por la tabla (.5upk mento 7) , !::egn el ni vel de significacin a = 0,05 y lo~ nmeros de grados de libertad k.1 = n1 ---1 = 11-1 - . 10 y llz :=- rt 2 - l =- 14-1 = 13, hallamos el punto crtic.o J.,r (0,05; 10; 13) = 2,6,.
Puesto q1w f,, 1,,, < Fw no hay porque rechazar la hiptesis sobre la igual dad de las dispet!'-iones generales. En otras
palabras, las ci isper~1011cs corregidas muestra les se d iferen
can muy poc.o.
504 . Por do-::. 111u1:slras indepcnci icntc:.s <le volmenes 11 1 =
= 9 y 11 2 =, 16, extradas de los conj untos generales normales X e Y, se han hallado las dispersio11e5 n1uest ral 1:s corregidas
sx = 34,02 y st =~ 12,15. Verificar para el n ivel de significacin 0,01 la hiptesis nula H 0 : D (X) = D (Y) sobre la
igualdad de las dispersiones corregidas, cuando la hiptesis
.:> D
alternativa es D (X) :_:;.,. D (Y) .

Respuesta F olb>< = 2,8; Fer (0,0 1; 8; 15)
ptesis nula se rcehaza.
2,64. La hi-
505. Por dos mt1eslras independientes de volmenes n1 =

11 2 ~= 10, escogidas de los conjuntos generales normales X e Y, se han hallado las dispersiones muestrales corregidas s} = 0,84 y s~ = 2,52. Verifcar para el nivel de significacin ry, = O, 1 la hiptesis nula H 0 : D (X) .,.... D (Y) sobre
la igualdad <le lal:, dispersiones generale~. siendo la hiptesis
alternatha H., : D (X) :::f= D (Y).
= 14 y
1,<11 uc10N. lfollaino.s

la relacin entre IH <.li~persin corregcla mayor y la menor:
2 .f..2 3
'ot,, =o,iH
= .
270
Por io."i datos, la hlplesis alterna th.a tc11< la forma D {X) =I=
+D ( Y) , por eso la regin crtica e.~ bi lnternl. De acuerdo
con la regla 2, al hallar el punto crHi<:o hay que toma r un
nivel de sign ificacin dos veces menor que el dado.
Por la tabla (su plemento 7), segn el niH'l de significacin
!!:_ = ~ = 0,05 v los n meros de grados de libertad /t1 "-
2
2
'
= 10 - J = 9 y /t 2 = 14 - l = 13, hallarnos el punto crtico Fe r (0,05; 9; 13) ,....,. 2,71.
Dado que F01,s > Fer, la h ipless nul a <,obre la igualdad
de la.~ di.spersoncs generales se rechaza .
506. Por dos muestrns independientEs ele vol menes n1 ., ..
y n. 2 = 6, extradas de los conJunto:> generales normale.)
X e Y, estn halladas las dispersiones mucslrales Dn, (X) -
= 14,4 y D 111 {Y) = 20,5. Verificar para el n ivel de significacin O, l la hiptesis nu la H0 : D (X) D (Y) sobre la
igualdad de las dispersiones generales, para la hiptesis alternativa H 1 : D (X) ::fo D (Y).
=9
o asER VAC IO \ Hllese al principio la.5 dispersiones corregi uas por l as fr mulas
si- -,-
n1
11 -
1 , /)m(X).
2
n /) m ( }'") .
S
=n;=T
Respul'sla F .,i,, .~ 1,52; F r.r 0,05; 5; 8) : .. 3,69. No ba y

porqlle rechazar la hipte.s1s nul a sobre l a
igua l<lad de las dispersiones generales.

507. Se mide una misma magnitud fi sica por doi:; mtodo~
y se obtienen los siguknles resullados:
a) por el pri mer
10,2;
m todo:
x1 =
9,6;
x! .
10,0; X:i . , 9,8 .
=- J0,6.
b) por <>I segundo mtodo: y1 ' 10,4 , Yz = 9, 7: Ya -:::
"""" JO.O; !/4 = 10.~.
Se puede cons iderar que ambos mtodo\ aseguran igual
precisin <le mediciones, si se a<lmite un 111vel de significacin a ~ O, I? Se supone que los resultados de las rned icones
estn cl i<;tri bu idoc; norma lmente y la:,, 1m1e<strn<; son indepenX,
X r,
dientes.
soLuctoN. Varno'> a juzgar la precisin <le los mtodos por

las magnitudes de l as dispersiones. De csk 111odo, la hiptc271
sls nula tiene IR forma H0 : D (X) = D (Y). Como hiptits1s alternativ~i to rnamos H, : D (X) =I= D (Y).
Ha llarnos las <l i!spersiones muestra les. Para simp lificar los
c-lculos pasamos a las variantes condicionales:
U = 10.t 100, V ; = IOy, - 100.
Como re:,ultado obtenemos las varia ntes condicionales
4
fl ,
t'
O - 2
- :~
2 6,
O ;
!fallamos la c; dispersiones muestrales corregidas:

, ' U~ .
.._
[
..
'\1
L..J U
flf
/11 ..
- - -------
l
,,
22
(16+4 -1 4+ 36) -- 5
5-l
(Id
[
, -, ,2. .. _L...._.
;, 1
LJ
lit
S~ =
11.i -
14,8;
- - =
42
(16+9+ 9) - ..,4
= 10.
Comparamo~ las dispersiones. Hallamos la relacin entre

la dispersin corregida mayor y la menor (a pesar de que cada
una de las llispersioncs se incrementaron 102 veces, su rela
cin no se aIter) .
.
s}
F ..,i,., = ~~
-~;,
s;
14,8
= --r = 1,48.
Por los datos <le\ problema la hiptesis allernativa tiene

la forma D (X) =f::,D (Y), por eso la regin crtica es bilateral,
y, conforme a la reg'la 2, al hallar el punto crtico hay que tomar un nivel de significacin dos veces menor que el pref ijado.
Por la tabl a (~uplemento 7), segn el nivel de significa., 2 = O,l - - CJ,L)
r y Jos numeras
,
1 gra dos de 1b
t d
c1011
te
I era
2
k = n., - 1 ""' 5 - 1 = 4 y k2 = lt2 - 1 = 4 - l = 3,
hallarnos el punto crtko Fr.r (0,05; 4; 3} = 9, 12.
Puesto que 1 .,1,,1 < F<:.r, no hay porque rechazar la hipte.51s funda mental sobre la igualdad de las dispersiones generales. En otras pal abras, las dispersiones com:gidas se diferencian muy poco, ) , por lo tanto, ambos mtodos aseguran igual
precision de la~ 111cdic1ones.
508, Para con1parar la precisin de dos mquinas automticas se toman <.los pruebas (muestras) ue volmenes 11 1 = 10
272
y n2 = 8. L:1s med ici ones de la d1rnc1 1sJll qu(' se controla

<le los artculos escogidos diero11 los sigu(nl.e<. re<;ultados
x
1,os 1,1 0 1. 12 1.14 1.15 1,2.~ 1/,6 1,,:,s 1,a1u J,42,
Yt 1,11 1,1 2 1, 18 1,22 1,33 l .~1::, J,3 J,.Al.
Podremos considerar que las miiquinas Ueucn igual pre
cis in (H0 : D (.X) = D (Y}). si se toma el rn vel de significacin a = O, l y wrno hiptesis alterna tirn ll 1 : D (X) =1=
:,j=D (Y)?
.
oosERVACION. Para simplificar los clrnlci<; pasa mos a la<;

variantes con<liconalcs r1. = lO Xt - 124. V - -= 100 Yt -
126.
Respuesta
s; ::-- 188,67;
Fe; (0,05; 9; 7)
'"" 12-1,,84.
Fobs
1,51;
3,63. No hay porque consi-
derar que la precis in de las mquinas es

di">tinta.
3. Comparacin de la dispersin muestra!
corregida con la dispersin general

hipottica de un conjunto normal
Designanrns pr n. d volumen de: unri muc::r:. l.r,, , pm rm:di de la
cuul :,e hall a la di1p.:?r.s1,5n corrtg1da s2 .
IHiGLA J. Para wrlfica!' a un 111vel e.le s1g11Jf1c11c1n da do o:, lo
hi p(,tesls fun damental Ho J 2 = o~ sobre lu 1guF.1 ldaJ cutre la dispersin genera l (lesco11<Ci da ai y el valc,r hipot et ,ci:, r::u pucslo) a5, sit:ndo
la hiptes is altcrn<1tiva Hi: o2 > ai. h:1y l llC' <'lil cul.ir d valor ob.s,r~
vado d..:! cri tcric,
,
(n -lj:,2
::~bs ''- ""
2
0o
y por la tab la de puntos crilicos de la disf ri buc- i,,11 'l. 2 , segn d niv d
de significacin dad o:. y el nmero de gratl0~ de JI b,:n ad k - , n - J.,
hal lar d punto r rl.11:;9 'l..~r (a, k).
Si X~bs < X~r, no hj,Y' porque rcch:iz;,r h !11,.::,lesis nu la.

Si X~i>s > X~r l I hiptes1s nuh, se rcd1az,1.
HEGL A 2. SienJu la hiite~Js allerna liv,1 H, : 0 2
puntos
crticos de m u ierdtl
X~r. iz,, ( 1 -
; k)
,::ri, se lwl/.in lo~

y
de dtrc..-11,1
Y~r. (lcr ( ~ ;
Si r..\. 1,.q < -xi1is < 1.h. dcr nn J1ay p,,r,111e rcd1;1 rar L, hiptesis nuh.
Si X~ bs ~.:: Y} r. :,;,1, o hien Xbs :', x::r. <k, I;, li i,!rsis nula \e
ll)
recha:rn.
18-0540
273
~EOLA 3. Siendo la hiptesis allernativo /11: ot < 05, se halla el

punt0 critico Xlr (l -a; k).
Si :4,bs > xtr (1- a.; k), no hay porque rechazar la hiptesis nula.
Si X~bs<X~r(l-a.; k), In hiptesis nula se rechaza.
Si el nmero de grados de libertad es k > 30, el punto crtico
se pu~ e hallar por la igualdad de Wllson - Gilferty:
NOT A .
xi,(a; k)
.,:
fi:x.1
"()r .
2 ]3
k)=k[1-...!...+z,,.1/
9k
- r 91,
'
d<:,n<le z'l- se l1al!a utilizando la funcin de La place (suplemento 2) por

la 1gua1<lad
l - 2a
<11 {zit)
2
509. De un conjunto gneral normal se ha extrado una

muestra de volumen n = 21 y por ella se ha hallado la dispersin muestra] corregida s2 = 16,2. Hay que verificar la
hiptesis nula H0 : <T2 = cr~ = 15, para el nivel de verifi
cacin0,01, toman<loc.omo hiptesis alternativa H 1 : cr2 > 15.
sotuc10N. Hallamos el valor observado del criterio
, 1
XoJ:,s -
(n - 1)-sz _(21 -
at
1)16,2 _
15
-
216
'
Por los datos del problema la hiptesis alternativa tiene la

forma cr2 > 15, por eso, la regin crtica es de derecha (regla 1). Por la tabla (suplemento 5), segn el nivel de significacin 0,01 y el nmero de grados de libertad k = n- 1 =
= 21 - 1 = 20, ha llamos el punto crtico xir (0,01; 20)
= 37,6.
Dado que X~ibs < Xr. no hay porque rechazar la hif tesis
nula sobre la igualdad entre la dispersin general y e valor
hipottico o-~ = 15. En otras palabras, la diferencia entre la
dispersin corregida (16,2) y la dispersin general hipottica
(15) es insignificativa.
510. Oe un conjunto general normal est extrada una
muestra de volumen n = l 7 y por ella se ha hallado la dispersin muestral corregida ~ = 0,24. Hay que verificar la
hiptesis nula H0 : a 2 = cr~ = 0,18, para el nivel de significacin 0,05, tornando como hiptesis alternativa H1 : az >
> 0,18.
Respuesta Xhs = 21,3,>; X.:r (0,05; 16) = 26,3. No hay
porque rechazar la hiptesis nula.
274
$t f. De un conjunto general normal e~U1 extrada una

muestra de volumen n = 31:
\'llriante
frl'CU1:nc ia
nx ,
1
10 ,11 0,3 10 ,6 11,2 1 1,G 11,8 12,0

1
3
7
10
ti
J
l.
Hay que verificar la hiptesis nula H 0 : u2 ::= u~ = O, 18,

para el nivel de significacin 0,05, tomando como hiptesis
alternativa H 1 : 0'2 > O, 18.
onsc~v ACION. Tmese las variantes c.ond icionales ui =
[J tlUz r
"
=
y
11; calclese al principio si =
10x1 -
s!
luego Sx = 102
2
LJn1ut - -- '
n
,
n-
Respuesta Si = 0,27; ~bs = 45,0; 'Xlr (0,05; 30) = 43,8.

La hiptesis nula se rechaza . La dispersin
muestra! corregida se diferencia de manera
significativa respecto de la hipottica.
512 . La precisin del trabajo de una mquina automtica
se verifica por la dispersin de la dimensin controlada de
los artculos a producir que no debe ser mayor que O'~ = 0,1.
Se ha tomado una muestra de artculos escogidos de manera
aleatoria, que ha dado los siguientes resultados de las med iciones:
dimcns ion qul' se controla
de los artcu los

muestra
frecuencia
de
la
3,0 a ,5 3,8 4,4 4,5
n1 2 6 9 7 1.
Hay que verificar si la mquina automtica garantiza la pre

cisin necesaria para el nivel de significacin 0,05.
a:
La hiptesis nula H 0 : 0'2 =

= O, 1. Como
hiptesis alternativa tomamos fli : 0'2 # O, l.
Hall amos la dispersin muestra! corregida. Para si mpJifi.
car el clculo pasamos a las variantes condicionales. Teniendo
en cuenta que la media muestra] es aprox imadamente igual a
3,9, tomamos u = I0x1 - 39. La distribucin de frecuencias
tiene la forma:
sowc10N.
Ut
n1
-9 -4 -1 5
2
6
9 7
G
J.
18 275
Hai}a mos la dispersin auxiliar de las variantes condicio

nales
sustituyendo los datos <lcl problema, obtenemos s!

Encontramos la dispersin corregida buscada
.. .~i 19,91 O
Si -= 102 ""100 ~ ' 2.
= 19,91.
Hatlamos el val or observado del criterio

~
Xolls =
(11- l)s1
0 ..,
(25-1)0,2
O1
'
= 48
Ya que la hiptesis alternativa tiene la forma a2 ::J=. O":

la regin crtica es bilateral (regla 2).
Hallamos por la tabla (suplemenlu 5) los puntos crticos:
. 1en
. la 'Xcr
., ( J -- ,:r. ; ,ir ) = Xcr
2
( l
24} =
<1e 1zq11
- -O,05
2- ;
2
2
= "'i
(O 9751 24) = 12,11, y de derecha 1\1ACr
(~
/1.,CT.>
2' k ) =
= XEr (0,025; 24) = 39,4.
Ya que X~os > Xr_d,,r, Ia hiptesis nula se rechaza; la

mquina no garantiza la precisin necesaria y requiere un
reajuste.
513. Debido al crono metraje prolongado del tiempo de
montaje de un nudo por distintos ajustadores se ha establecido
que la dispersin de este tiempo es o~ = 2 min2 Los resultados de 20 observaciones del trabajo de un novicio son:
tiempo <le m1lt11je de
un nudo e.n mluutos
frecuencia
x1
n1
56 58 60 62 64
1
10
2.
Podremos considerar que para el nivel de significacin 0,05

el novicio trabaja rHmicamente (en el sentdo de que la dispersin del tiempo que emplea no se diferencia sustancialmente de la dispersin del tiempo de los dems ajustadores)?
oasERVACION. La hip tesis nula es lo: u z = o~ = 2; la
hiptesis alternativ a /f1 : u2 =I= o~. Tmese ui = x1 - 60
y calclese st.
276
Respue.sta
s! = s; = 4; X~r 2 q (0,975;
Xlr.der (0,025; 19) = 32,9; xe,1,s
19)
8,91:
= 38. La hi-
ptesis nula se rechaza; el nov cio no trabaja

rtmk amenle.
514. Se ad mite una partida de productos si la dispersin

de la dimensin que se mide no es mayor de manera significante que 0,2. La dispersin muestra! corregida, hallada por
la muestra de volumen n = 121, result igual a Si = 0,3.
Se puede ad mi tir la partida para el ni vel de significacin
0,01?
sowc10N. La hiptesis nula !!0 : a2 = a~ = 0,2. La

hiptesis alternativa Hl : o 2 > 0,2.
Hallamos el valor observado del criterio
~
(n- l)s1
120-0 ,3 _ ISO
Xo1:is =
oi
0,2
Puesto que la hiptesis alternativa t iene la forma a2 >

> 0,2 la regin crtica es de derecha. Como la tabla (suplemento 5) no contiene el nmero de grados de libertad k =
= 120, hallamos el punto crtico aproximadamente por la
igualdad de Wilson ~ Gilferty:
~r ( ix;
k) = k [ 1 -
9~
V ik r.
-1- z~
Encontramos previamente (teniendo en cuenta que por los

da tos ex,= 0,01) Za = Z0 , 01 por la igualdad
,T,
'V (
z0, 01 ) =
l - 2cx
2
1-2,0,01
O n
,4~.
2
Por la tabla de la funcin de Laplace (suplemento 2), utilizando la interpolacin lineal, halla mos Z<i ,o1. = 2,326. Poniendo k = 120, Za = 2,326 en la frmula ele Wilson - Gil
forty, obtenemos X~r (0,01; 120) = 158,85. (Esta es una aproximacin bastante buena; en tablas ms completas se da un
valor de 158,95).
!!? Puesto que xib5 > xr, la hiptesis nula se rechaza. La
partida no se puede aceptar.
515. Resolv<'r el problema 514 tomando el nivel de signi
ficacn a = 0,05.
Respuesta Zo,M = 1,645; X~r (0,05; 120) = 146, 16. La
partida se rechaza.
277
4. Comparacin de dos medias de conjuntos
generales, cuyas dispersiones se conocen

(grandes muestras independientes)
Designam,)1; pnr n y m los vol menes de las grandes (n
>
30,
m > 30) muestras 1n<lependicntes, por las cuales estn halladas las
respectivas med ia, rnucstrales
y D (Y) son co11oc1das.
x e y.
Las dispersiones geneniles D (X)
Rl:OI.A J.. Para verificar, a un nivel de. significacin a dado, la

hiptesis nula IJ 0 : M (X) = M (Y) sobre la igualdad de las esperanzas
matemticas (las mcdins g<'ncrnles) ele dos conj untos generales normales con cl!sper<,i,, ncs conocidas (en el caso d(> grandes muestras) scndo
la hipte:,is altNn11!Jva /f\: M (X) e/= M (Y), hay que calcular el
valor Cibservado del <:ritcrw
x-y
Z
-obs
-, /
D (X)
D (Y)
v-n-+-m-
y por la ta bla (h la funcin de Laplacc encon trar el pun to critico Zc r
por la ig11alcla<l <t> (zc,r)
-.7
; .
Si I Zobs 1 < Zc r, n1~ hay porq ue rechazar la hiptesis nula.

Si I Zobs 1 > Zcr, la hiJ)(ltess nula se rechaza .
REGLA 2 . Si la hi ptesis alterna tiva es Jf1 : M (X) > M (Y),
se halla el punto crt ico Zc r por la tabla <le la funcin de Laplace y por
1-2a
la igualdad <l> (Zcr) = - - .
2
Si Zobs < Zcr, no hay porque rechazar la hiptesis nula.
Si Zobs > Zc r la hi pksis nula se rechaza.
REGLA 3. Para la h ptcsis alternativa H 1 : M (X) < M (Y),
se ha lla el punto a ux il iar Zc r por la regla 2.
Si Zobs > -Zc r, no hay porque rechazar la hi ptesis nula.
Si Zobs < -Zcc, la h p6tesis nula se rechaza.
516. Por dos muestras independientes de volmenes n =

40 y m = 50, escogidas de conjuntos generales normales
se han hallado las medias muestrales = 130 e
140.
Las dispersiones generales son conocidas: D (X) = 80,
D (Y) = 100. 1-lay que verificar para el nivel de significacin
0,01 la hiptesis nula H 0 :M (X) = M (Y), cuando la hip
tesis alternativa H1 :M (X) =I= M (Y).
sornc.10N.
Hal1a mos el
z -.
.t- y
ob.~ - .
r(
278
valor
D tX)
D (Y)
- +mII
observado del1 criterio

l:'10-140
100
40
50
, /~+
y=
= -5.
Por los datos del problema la hiptesis altc.>rnativa tiene la

forma M (X) + M (Y), por eso la regin crtica e.s bila teral.
Halla mos el punto crtico derecho por la 1g-w1ldad
(1)
(Zer) = 1
;et. =
1 -i,01 " 0.493.
Por la tabla de la fu ncin de Laplace (supl emento 2) hallamos Zcr = 2,58.

Dado que I Zob 5 1 > Zcr, de acuerdo con la regla 1, la hiptesis nula se rechaza. En otras palabras, las medias muestrates se diferencian de manera significativa.
517. Por una muestra de volumen n = 30 est hallado el
peso medio = 130 g de 1os artculos producidos por la
primera mquina; por una muestra de volumen m = 40
est hallado el peso medio
125 g de los artculos producidos por la segunda mquina. Las dispersiones generale-'>
son conocidas: D (X) = 60 g2 , D (Y) = 80 g2 Hay que verificar para el nivel de sign ificacin 0,05 la hipte.sis nula
H0 :M {X) = M (Y), siendo la hiptesis alternativa M (X) -=fo
=fo. M (Y). Se supone que las magnitudes aleatorias X e Y
estn distribuidas normalmente y las muestras son indepen-
y=
dientes.
Respuesta
= 2,5; Zcr = 1.96. La hiptesis fundamental se rechaza. El peso medio de los artculos se diferencia de manera significativa.
Zobs
518. Por la muestra de volu men n = 50 se ha encontrado

la dimensin med ia = 20,1 mm del dimetro de los c ilindros producidos por la mquina automtica J\1 1; por !a
muestra d~ vol umen m = 50 se ha hallado la dimensin media
y = 19,8 mm del dimetro de los cilindros producidos por la
mquina automtica M 2. Las dispersiones genera les (;Ofl
conocidas: D (X) = l, 750 mmz, D (Y) = 1,375 mrn 2 Ha y
que verificar para el nivel de significacin 0,05 la hi ptesi<;
nula H 0 :M (X) = M (Y}, cuando la hipte.<; is alternativa e;.
M (X) r:/= M (Y). Se supone que las magnitudes aleatorias X
e Y estn distribuidas norma lmente y las muestras son independientes.
Respuesta Zobs= 1,2; Zcr = l ,96 . Los da tos de las observaciones concuerdan con la hiptesis nula; la~
medias muestrales se diferencian de manera
no significativa.
279
5. Comparacin de dos medias de conjuntos

generales normales, cuyas dispersiones
son desconocidas e idnticas
(pequeas muestras independientes)

17 v m lo:, vol menes de la5 pequeas muestras
Ju, m < 30), segn lus cuales se ha u encont rad o
Ja5 r,~~pedi v.n mo:. di.1 ~ nrne~t rnles e y y la, dispersiones m ueslral es
rorr;:,gi d;s
y
pesJr J1: <ue las dispersi(lt1es genP.rales son deseo
D<\.~ignamos por
indl'pP11diP1ites (11
<
s; ~i ,\
nc i,Ias, ~<' supo11 <n 1dnt1cas.

Rr.:Gl e\ l. P.ir,l Yff 1f1rnr a 1111 ni v<'I de stgrlificaci,n dndo ~ la
111,,:t,::,,ls uula fin .-U (X)= ;\IJ {Y ) so bre la igual dad de las espera nz.as
rmrl cm ;i ti cas (r ni.d 1.1<. g<>ner,ile.,) de d<: ( onj unt,,~ gPnera 1P~ con d isper5iO tH!~ <lescow,.::, da~. rcm ,d;.11ti cas (en el UJ $O dt> pe<ueas mue!ilras
rndepLrHlientPs). ,1e11do l;1 hi ptesis alt,~rn ati va H 1 : 1\,1 (X) ~ Af (Y ),
h:.1 y < tw c11lcu lar d val,.:,r bservado dd .::ritcriu
rn1,s--__
V (n -
v.-ii
1) si
+ tm -
1) st
~ nm <n+m-2)
ri
+m
y por Lt ta hl a rlP r un h,s; cr i tic os de la d isl rt b urt,n de: Stucterd seg n

t'l 111\el d~ s1;.;t11f1u ,c 1n cla!l,;1 a, dis pui:>sto en la lnea superior de la
ta lila (s upkm<!1 1!0 lii, y el nmero de grados de libertad k
n m - 2,
ha llar d punlo cr1 l 1c,: t,r, b lJ;tt('X, k) .

Si I T olis 1 < fe r blht (o:., Id, no hay porq ue r echazar la hip6tesis
1rn!a.
Si ITr, bs 1 > t ff bi l~I (ix, !,i), la hipMesi;; nula se rch az a.
QEGLA 2. Cum1 d la hipt.e~is alternati va l'S A1 (X j > M (Y)
h al la LI punto cr fco lc:r ,dr(CI., k ) por la labia (~ uplernenlo ti), SC'i? n
d nivd de s1gn1fi ca,:i611 a , di <.puesl,, en la lrr~!3 infnior de la ta b la
y d nr'rnwro d~ g ra,fo, de lr lierlad k = n
m - 2.
Si To hs < t, 1 .,]r r, 110 h;1y porq ue tPchazar la hiptrsis nu la.
St Tol)s
/(' l' dr-r, la h iptes is md a se rcdrnza.
5l'
>
~ F.GLA 3 Cua11 ,lo la h1p,Jlesis alterna ti va es ,W (X)< (M Y) se

halla al pn nci m, d punto crtico tcr.dcr por la r<'gla 2 y se ad mi te
f, r- l i'l -
. . /,,r.rlr:r ,
Si Tr,hx .:> -1, r. d!.r, no hay porque rec haza r la bi p.6lesis nu l~.
Si T 0 t.,s <~ - t,.r.ilr, la lripte~h nula se recha7a,
519. P or do.~ pequefis muestras independ ientes de vol mene.~ n .:: 12 y m 18, c>scogidas de los conjuntos genera les
normalcEi X e Y, ~.e ha n h;iJJado las mc-cli::15 rnucstralcs =
-.,. 31 ,2,
29, 2 y las d. hpersion<:s corregidas s~ = 0,84 y
,~; = 0,40. Hay que verificar para el nivel de significacin
0,05 la hiptesi5 nu la f/ 0 :/vl (X) = M (Y), la hiptes is alternat iva es H1:M {X) =#; IW (Y).
0
y=
so1.ucwN. Puesto que las d ispersioncs corregidas .son

distintas, verif camos previamente la hipote~is de la igualdad
de las dispersiones, utilizando el critl'ri o de Fisher - Snedecor ( 2),
Hallamos la relacin entre las dispersiones corregi das nrnyor y menor:
0,84
I
F 01,,, = 0,4() ~ . 0.::.,
La dispersin s~ es bastante mayor que la dispersin si.

por eso tomarnos como hiptesis ,dl crnat1 va H 1:D (X)>
> D (Y). En este caso la regi6n crtica e.c;; hrla teral. Por la
tabl a (suplemento 7), segn el nivel de s ignif icacn a. = 0.05
y los nmeros de grados de libertad k, -= n . - 1 . 12- 1 =
.,..., 11, k 2 = m - 1 =- 18 - 1 =,. 17, baHa n1 0'> el pu nlo crtico f,.r (0,05; 11; 17) = 2,41.
Puesto que Fc,1>~ < F,,r, no hay porque rechazar la hiptesis nu la sobre la igua ldad de las diiipersiones generales.
Ya que la hi pte$is sobre la igualdad de las dr:.persiones generales se cumple. comparamos la5 rnedlas
Calculamo~ el valor observado del criter io de Student
T ohs =
x-y
. /nm(rt +-l m- 2)
lr1(n - . 1) s:}+ (rn- !) st r1.-
11
--m
Sustituyendo los valores numricos de las n1c1gnitut1e.s que. entran en e.~ta frmula, obtenemos Tn1 ,fi _.,.,.. 7,8
Como sabemos la hiptesis alternat vn t iene la forma
M (X) =fa M (Y). por eso la regn crtica(''> bil ateral. Por el
nivel de significacin 0,05 y el nmero de grados de libertad
k = n + m - 2 = 12 + 18 - 2 = 28, halla mos en la tabla
(suplemento 6) el punto crt ico tcr. lJ!lnt. (0,05 ; 28) = 2,05.
Puesto que Tohs > te,. M tot, rechazamos la hiptesis nula
sobre la igualdad de las med ias. En otras pal abras, las media~
muestrales se diferencian de manera signifkativa.
520. Por dos pequea<:. muestras indcpcnclientes de vol mene,s n = 10 y m = 8, escogidas de conjuntos generales norma
les, se han hallado las medias 11111e~trn leEi :x ,::; 142,3, y,,.
= 145,3 y las <fpersiones corregidax s~ 2, 7 y .)'t = .3.2.
Para el nivel de significacin 0,01, "erific~r la hiptesis nula
/f0 :M (X) = A: (Y), siendo la
hipk~.Js
alterna tiva
H~'. M (X) -:/= M (Y).
oasERVAC10N. Verifquese previamente la igualdad de las

dispersiones por el criterio de Fisher- Snedecor.
Respuesta F0 b 5 = 1,23; Fer (0,01; 7; 9) = 5,62. No hay
porque rechazar la hiptesis sobre la
igualdad de las dispersiones. 1 Tobs 1 = 3,7;
lc-r 1,Jt nt (0,01; 16) = 2,92. La hiptesis nula
sobre la igualdad de las medias se rechaza.
52 t. En dos partidas de artculos producidos por dos rn

quinas ajustadas de manera idntica, estn escogidas dos
muestras pequeas de \ol menes n = 10 y m = 12:
dlmcus1n c.onl rnla da de los
artculos UC' la primera mquina x.i
frecuencia (nume.ro ele ar tculos) n
dimensin C()Otf(,\ada de los
artcull)~ dr la sc~unda mquina y
fCC U<'II C.:I
3,4 3,5 3,7 3,9

!
2
3
4
'
3,2 3,4 3,6

2
2
8.
Para d nivel de significacin 0,02 hay que verificar la hip6tesls H0 :lvl (X) = l\-1 (Y) sobre la igualdad de las dimensiones
medias de los artculos, siendo la hiptesis alternativa
H 1:M (X) -:/= M (Y}. Se supone que las magnitudes aleatorias
X e Y estn distribuidas normalmente.
sowc10N. Por las frmuJas
- J
n 1x
;<;=-=--n-
hallarnos las medas mueslrales = 3,6 e y = 3,5.

Para simplificar los clculos de las dispersiones corregidas, pasa rnos a las variantes condicionales
fl t ....,, 10 Xt 36, V, = 10 y - 35.
Por las frmulas
halJamos s?i = 2,67 y

Por lo tan lo,
2
Sx
si = 2,54.
si
102
2 ,67
100
=O'0267 '
: = 102s: = 2,54
o 02c:4
100 = ' O .
Sy
282
Vemos que las dispersiones corregidas son distintas; el

criterio examinado en este prrafo supone que las dispersiones
generales son idnticas, por eso, por et criterio de Fisher Snedecor hay que comparar las dispersiones, lo que hacemos
tomando como hiptesis alternativa /f 1:D (X) =I= D (Y)
( 2, regla 2) .
Ha llamos el va lor observado del crtero
_ 0 ,0267
or.:
F ul,s - O,0254 = 1' :).
Por la tabla (.suplemento 7) hallamos Fer (0,0 1; 9; 11) =

= 4,63. Puesto que Fob; < Fer, las disper~iones se diferencia n de manera no significativa y, por consiguiente, se puede
considerar que la hiptesis sobre la igualdad de las dispersiones generales se cumple.
Comparamos las medias, para lo cual calculamos el valor
observado del criterio de Student
x-y
T obs = Y(n - 1) s1+ (m-1) si
,r11n jn+rn- 2}
. ~,
n 1-m
..
Sust ituyendo en esta frmu la los va lores numr icos de las magnitudes que entran en ella, obtenemos Toba = 0,72,
Por los datos del problema la h iptesis alternativa tiene,
la for ma M (X) =I= M (Y), por eso la regn crtica es bilateral. Segn el n ivel d e significacin 0,02 y el nmero de grados
de libertad k = n
m- 2 = 10 12 - 2 = 20, hallamo~
por la tabla (suple mento 6) el punto crtico lc.r. blla t (0,02; 20) =
= 2,53.
Puesto que T oba< tor. bllnt, no hay porque rechazar la
hi ptesis sobre la igualdad de las media.s. Por consiguiente,
1as dimensiones medias de los artculos no se d iferencian sustancia 1mente.
522. P ara el nivel de significacin 0,05 hay que verificar

la hiptesis nula H 0 :M (X) = M (Y) sobre la igualdad de las
med ias generales de los conjuntos normales X e Y, siendo la
hiptesis alternat iva H 1 :M (X) =I= M (Y), segn pequeas
muestras independientes de volmenes n
IO y m = 16:
X
n
Yt
m
12,3
1
12,2
6
12,5
2
12,3
8
12,8
4
13,0
2.
13,0
2
13,5
) ',
283
onsERV ACION. Verifquese previamente la hiptesis nula

H0 :D (X) = D ( Y) sobre la igualdad de las dispersiones generales, para la hiptesis allernativa H 1:D (X) > D (Y) ( 2).
Respuesta
x = 12,8: y = 12.35;
sf
= O, t 1; s~ = 0,07;
= 2, 59; Tobs =
Fobs = 1,57; Fer (0,05; 9; 15)
= 1,71; lrr . der (0,05; 24} = l.71. No hay porque admitir o rechazar la hiptesis sobre la
igualdad ele las medias. Hay que repetir el
expuimento aumentando el volumen de las
muestra~.
6. Comparacin de la media muestra! con
la media general hipottica

de un conjunto normal
A. 1 a displ'rsin del conunto general
es conocida
REGLA 1. P;11 a verificar, a un n ivel dl' slg1111c.1C'.i11 d-i do o;, l a
hpl csls nula 110 a = a 0 sobre la igua ldad de:> la med ia general a de
un conj un to nor mal con dis persin conoc11la ~2 al valor hipottico
(supucslo) o0 , s1r11d o la hiptesis allemal, vn 1/i : a if= a0 , hay que
calcular el valor c,bservadc:, del criterio
U ohs
(x- ao)Vn
= - --------<1
y por IJ labia de 111 func i n ele Laplace, hallar el pun to crtico Ucr
de la regin cr it ita bilakra l por la igual<la<l
1-a
- .
2
Si I U,)bs 1 < " cr no hay porque rccha1-ar la hi pksis 11ula.
Si I Uol)s 1 > U c r, la hiptesis nula se rechaza.
ID (r.tcr) = -
ucLA 2.. Par a l::i ht ptrsls aill'rna liva H1 : a> a 0 , r l punto crtico
de J rcgion crt ica o:11: derrcha se halla pr la igualdad
1-2a
<D t11cr)=- -2-
S1 ll 0 r,5
S1 Uobs
< ltc' r,
>
fl (r
hny purque rechazar la hi plesis nula.

la hr plC'-S nula Sl' r1:chaia.
11 0
Rf'GLA 3, Para la h1p6lsis alternaliva /11 a< a 0, al pri ncipio

se lrnlla el punl cril1i.:o . auxil ia r Ucr por ln regla 2, y des pus se
11dmi le que 11 Hniilc de la regin crticl de izqu ierda
Si U <>bs
Si Uobs
u~,= -ucr
uo hay porq ue rechaznr la hiptesis nula,
- 11.r, la hiptesis nula se rechazn.
>-
<
U,'.r,
523. De un conjunto general normal con desv iacin cuadrtica media conocida cr = 5,2 se ha escogido una mut>,c;tra de
volumen n = IOO y por ella se encontr la media muestra\
= 27,56. Para el nivel de significacin 0,0!3 hay que verificar la hiptesis nula H 0 :a = a0 = 26, pani la hiptesi~ alternativa H 1 :a 4=26.
sowc10N. Hallamos el valor observado del criterio

_ <x-ao) V _ c21,s6 - 2(>) "t/i'if __
Uob~a
5,2
.. 3
Por los datos del problema la hiptesis alternativa t iene la

forma a '=fo a 0 , por eso la regin critica es bi lateral.
Hallamos el punto crtico por la igualdad
1-a
(D(Ucr)=-.!-=
1-0,05
2
..,
=0,4,5.
Mediante la tabla de la funcin ele Laplace (suplemento 2)

halla mos Uc.r = 1,96.
Puesto que Uobs > Ucr, rechazamos la hiptesis nula.
En otras palabras, las medias muesiral y general hipottica
se d ierencian de manera significativa.
524. De un conjunto general normal con desviacin cuadrtica media conocida cr = 40 se ha extrado una muestra de
volumen n = 64 y por ella se ha bailado la media muestra!
= 136,5. Para el nivel de verifica cin 0,01, hay que veri
ficar la hiptesis funda mental !1 0:a = a0 = 1.30, siendo la
hiptesis alternativa H1:a '=fo 130.
Re.spuesla Uohs = 1,625; Ucr = 2,57. No hay porque
rechazar la hiptesis nula.
525. Resolver el problema 524 siendo la hiptesis alternativa H 1:a > 130.
Respuesta Uc. = 2,33. No hay porque rechazar la hiptesis nula.
526. Una el nica ha establecido que el peso medio de un

compri mido de fuerte accin txica debe .ser igual a a0
= 0,50
mg. La verificacin muestral de 121 comprimidos de

la partida de remedios recibida ha demosiraclo que el peso
medio de un comprimido de esta partida es = 0,53 mg.
Para el nivel de significacin 0,01 hay que veri ficar la hiptesis nula H 0 :a = a 0 = 0,50 para la hiptesis alternativa
285
H1:a -:/= 0,50. Mediante mltiples pruebas de peso previas

de los c.ompri midos, suministrados por una fbrica farmacutica, se supo que el peso de los co mprimidos est distribuido
normal mente con desviacin cuadrtica media cr = O, 11 mg.
Respuesta
V obs = 3; Ucr = 2,57. El peso medio del comprimido se <l iferencia de manera significativa
del admisible; no se puede dar remedio a los
enfermos.
B. La dispersin del conjunto general

es desconocida
Si la dispersin ~el conjunto general est desconoci da (por ejemplo,
en el caso de pequcnas muestras), como criterio de verificacin de la
hiptesis nula se toma la magnitud aleatori a
r - <X-ao} 1/
l]
JI
11 X
(~
:tXt )2
donde s=
n- l
es la desviacin cuadrt ica media
corregida. La magnitud T t iene la distribucin de Student~ con
k = n - 1 grados de li bertad.
REGLA 1. Para un nivel de significacin dado ex, a fin de verificar
la hi ptesis nula H 0 : a= a 0 sobre la igual dad entre la media gene
ral incgnica a (conjunto normal con dispersin desconoci da) y el
valor hipottico a0 , cuando la hi ptesis alternativa H 1 : a = a 0 , hay
que calc: ular el va!,,r observado del criterio:
Toba
(x-ao)
y por la tabla de puntos crticos de la dn:,tribuci6n de Student, segn

el nivel de signiicacin dado ex, situado en la linea supnior de la tabla
y el nmero de grados de libertad k = n - 1, hallar el punto cr.tico
tcr.bllnt{a, k).
Si I T obs 1 tcr ,bllat, la hi ptesis nula se rechaza.
REOl.A 2. Cuando la hiptesis alternativa H 1 : a> a 0 por el nivel
de significacin et situado en la lnea inferior de la tabla (suplemento 6)
y el nmero de grados de 1/ l>ertad k = n - l, se halla el punto crtico
tc:r.aer(a, k) de la regin crtica de derecha.
Si Tobs < tcr.dcr, no hay porque rechazar la hiptesis nula.
Si T01,s > ter. der, la hiptesis nula se rechaza.
REOl. A 3. S1en d la hip<itesis alternativa H1 : a < a 0 , al principio
se halla el punto critico auxil iar> (por la regla 2)tcr .der(a, k) y se
286
consi dera cuc el lmiie d<' ta regin u lirn de iztutm -la lcr
= - ter. d\c
Si T C1 hs
Si Tohs
>-
<-
Izq -
l. rr. tl r, 110 h ay porq 11C' r<:chazar la h iptesi., n ula

fc.r. d'r, la hipl<:s1s nula c:.e rt>cl1a t/l .
527. Por una muestra de volumen n = 16 escogida de un

conjunto general normal, se encontr la media rnuc[..tral x =
= 118,2 y la desviacin cuadrtica media corregida s =
= 3,6. Para el nivel de verificacin 0,05, hay que verificar la
hiptesis nula H 0 :a = a 0 = 120, siendo la hiptesis alternativa H 1 :a =fa 120.
sowc10N. Halla mos el
valor
observado del criter io
_ (x- ao) vn _ (11 8,2 -1 20)-l/J6 _ -2

T obs s
a,6
.
Por los da tos del problema la hiptesis alternativa llene la

forma a =',:. a 0 , por eso la regin crtica es bilateral.
Mediante la t abla de punt os crticos de la distribuc in de
Student (suplemento 6) , segn el nivel de significacin ry, =
= 0,05 situado en la lnea superior de la tabl a y por el nmero
de grados de libertad k = n - 1 = 16 - 1 = 15, halla mos
el punto critico ter. blla t. (0,05; 15) = 2, 13
Puesto que / 7'obs 1 < tcr.b Hat, no hay porque rechazar la
hi ptesis nu la. En otras palabras, la media muestral x =
= 118,2 se diferencia de manera insign ifica tiva de la med ia
general hipott ica a 0 = 120.
528. Resolver el problema 527, tomanclo como hiptesis
alternativa H1 :a < a0 = 120.
Respuesta T0 b6 = -2; - fer. dcr = -1, 75. Se rechaza la

hi ptesis nula.
529. La di mensin terica a controlar de los artculos pro

<lucidos por una m quina automtica es a = a0 = .35 mm.
Las med iciones de 20 artcu los tomados al azar dieron los
siguientes resultados:
x,
di mensin controlada
34,8 34,\J 35,0 35, 1 3;;,3
frecuencia (n mero dC' artculos) n 1 2
3
4
(;
5_
Para el nivel de significacin 0,05 hay que verificar Ja hiptesis nula H 0 :a = a0 = 35, cuando la hiptesis alternati va
H1 :a =J=.35.
287
;~ti-wc10N. H,11V1Jnos la el i men.c;;in med ill de los ar1.cu1o~ de la muestra:
x= Li n11;.X = 2 14,8+ :L34,9 +435,0

+635.1-1-5 35,3 ~ 35 07
20
' .
Hallarnos la <lispersin corregida. Para simplificar el c.lculo pasamos a las variantes condicionales u,= 10 x 1 - 351.
Como resultaclo obtenemos la distribucin
U
11
-:3 - 2 -- l
2
O :2
(> fi .
Encontramos la d ispcrsi<5n corregida de 1as variantes condicionales

,,
{~
Jf'lU,-
nu;]2
tt
S~ = - - - H - - 1
-- - - =
f-61'.?
44------;r19
= 2,22 1.
Por consiguie11te, la d i.spersin correg1<la de las variantes

iniciales es
1
s! = 2 ;;; = O,022.
De donde la dC',svfac1n cuadrtica media <<corregi da es
Sx
= l0,022 = 0, 15.
Hallamos el valor observado del criterio

_ c:i:-a0;,V _ (35,07-35,0) 1 /20 _ 2 15
T obs -
s
o, 15
- ' '
'Por los datos del problema la hiptesis alternaliva tiene

1a forma a -=I= a 0 , por eso la regin crtica es bilateral. Median
te la tabla t.le puntos crticos~ de la distribucin de Student
{suplemento 6), segn el nivel de signiiic.ac-in a = 0,05 situado e.n la lnea superior de la labia y por el nmero de grados de libe.rtad / = n- l = 20- 1 = 19, hallarnos el
punto critico fer, b\l;)t {0,05; 19) = 2,09.
Puesto que 1'ous > lcr.blln t, la hiptesi~ nula se rechaza.
En otras palabras, la mquina no garantiza la dimensin
terica de los artculos y necesita un reajuste.
288
i. Comparacin de dos medias de conjuntos

gene.mies normales con disper.siones desconocidas
(muestras de.pendientes)
Sup11ga111os q11
lv, c,;nuntQS gc1w1al,s X e Y l':!,[ju d1~t ol.1111J,.,s
nurm almt nte; al m 1,. n1 0 ticmp,:,, .s us ,fr,p.'bl..tll<''. ~,,11 d(.;..\.ctir1,ic 1<las

De eMos co11ju nfr:, ~.e ha 11 '=xi.r ado ruu P,; l.r,H dt. r111ul11::11k!. dr 1g11;'Jl
vc,lumrn n, ,~u ya;. vriantes 5,111 rc$ 1,cd1 va1111 11L1.. 1/11<1ks ..r; e ;_/1.
lntroJu.:: irnos l,1s desigm11:: wnc.s:
tl =X;. - lh, la d1[_crem:1 a

les nmrr:,;:,
J.:: Ja<, ~1f11.111le.s
C(ll
1g1111-
!;1 dif<'fPnu,, 1nC'd1a d,., l:1s ~:1rwnk,; (,.:, n

igunlc~ 1111 rnr-r1>.,,
'J. )
=
' '\' :'-----;
r-
1 .
"-1
s,1
,,1,1~
..1i
,_
;_J r72_....;::.
ri - 1
lit Jcs,1,1,. 1011
c1.ia,Jr,,,1.Ji.:u rned 1..1 <..
rrcgida.
l<L<.. L,\ P.,r,1 vcrd1c,.1r, :1 un niv.-1 de ,;1t{n1f!l..:11.. i..1,1 Jado a, J,1

hipolcsi~ nuli1 H0 ;H (.f.1 ..: t'\1 ( Yj s(,l.irc la 1g1.1lld..id de las do:, rnc1J1,:1;
de los CC1 nju11ios 111,r r11ak~ X e Y c,,n ili;,:ou;1ll<; ir1.::,,::11rlM, (en d
caso de rnue.stra, depend1( nks de igual v,:, um,:n), s1<.1hl1, la hq1,A..isr:;
alternativa 111 M (XI-,> M ( Y), ha y .JU.' u1k ul a1 ,:1 vi1i<.u ohscrvaili,
del cri!erio
ti,1/
101is=--Sd
y por la taLla de punh:,, c:ritic u:; <lt: la di. tnhuc1 ll tk St udcnl, scgt'111
el 1civel de signif1cac1n <laJ rx, situuck ~' n l~ li nta 5u p.cnor <le la labia
y el nmero d~ grados Jt: l1b1cr tad k = rt - 1, hallar el p1llllo <:r1t1c
l c.r. l>H,lt (ex, kj.
:Si/!,:,t,s .< fc.r. 1,u,.,t, no hay

1
$1
rbs
> fcr. bll~t,
p(rqw:: lt':l111i,1 r l<'I hlp ,'.,tes1~ uula

.'>f.! rt!chaza ,
la hlpt)lcS16 11ul(1
530. Mediante dos aparatos se han medido 6 piezas en

igual onlen y se obtuvieron los siguientes resu ltados (encent
simas de mm):
X1 = 2,
X~ = :\
Xs .= 5,
X4 = b,
X; :::::. 8,
Xa =- 10
Y1 = 10, Y2 = 3, 13 = 6, y, :. . :. : l, u~ = 7, 11 6 = 4.
P ara el nivel de signif icacin 0,05, hay que estab lecer si
los resu llados de las med iciones se diferenc ian de manera
significa tiva o msignif icativa, sup)niendo qut: c::;\n distribuidos
normal mente.
5otucroN .
Hallamos las diferencias d, ....,
Xi -
y;; rts-
tan<lo de los nmeros de la prinicra lnea los nmeros de la

10- 0540
segunda, obtenemos
d1 = -8; di '""=
d;i
= 5,
= - l, d4
d~
1, d,
6.
Halla rnos la media muestra!, teniendo en cuenta que

~d; = 3:
d=
63 = 0,5.
Encontramos la de.sv iadn cuadrtica media corregida

sd, tomando en consideracin que ~ d
: - , .
/ JZ_
LJ
l /i
l~,. dj2
tL
n -1
S.= ,,
L.;
1/
V
126 y ~di
= 3:
J26- -
6-1
. , --
V24,9.
Hallamos c-1 valor observado del criterio

, 1/ii
0,5 y;
O
T ub.s"'"'" Sd = 1/24.9
= ,24 5.
24,9
Por la tabla
uC' puntos crticos de
la distribucin de Stu-
dent (sul pemento 6), segn e! nivel de significacin 0,05 situa-
do en la lnea superior de la tabla y el nmero de grados de

11bertad k = 11 - 1 = 6 - I = 5, halla mos el punto crtico
ter, bilat (0,05; 5) ~ 2,57.
Puesto que Tobs < ter. Llat, no hay porque rechazar la
hiptesis nula. En otras palabras, los resultados medios de
las mediciones se diferencian de manera insignificativa.
0
531. En dos balanzas de precisin se pesan en un mismo

orden 10 muestras de una sustancia qu mica y se obtienen los
.siguientes resultados (en mg):

X
Yt
25 ~Q 28 50 20 40 32 36 42 38
28 31 26 52 24 J G 33 35 45 40.
Para el nivel de significacn 0,01, hay que establecer si

los resultados de las pesadas se diferencian de manera significativa o insignif icativa, suponiendo que estn distribuidos
normalmente.
sd = 2,69; Tobs =
(0,0 1; 9) = 3,25. Los resultados de las pesadas se diferencian de man0ra nsignificativa.
Respuesta d -~ -0,9; ~dt
= - 1,06;
= 65;
lr.r. lltlnt
532. La preparacin fsica de 9 deportistas fue verificada

al ingre5ar a una escuela deportiva, y, despus, luego de una
semna de entrenamiento. Los resultados de la verificacin

resultaron los siguientes, en puntos (en la pnmera lnea se
indica el nmero de puntos obtenidos por cada deportista al
ingresar a la escuela; en la segunda lnea, despus del entrenamiento):
76 71 57 49 70 69 2G 65 59
8J 85 52 52 70 6~. 3:; ~J 6:2.
x1
Para el nivel de significacin 0,05, hay que establecer si

la preparacin fsica de los deportistas mejor de manera significativa o insignificativa, suponen<lo que el nmero de
puntos est distribu do normal mente.
Respuesta -d = - 939
,,d.. = 6r3~
,.,
~LJ
sd =" 7,94;
Tobs
= -1,64; tcr.bilat (0,05; 8) = 2,31. No hay

porque considerar que la preparacin fsica
mejor.
533. Un laboratorio qumico ha realizado en un msmo

orden el anlisis de 8 pruebas por dos mtodos, que han dado
los siguientes resultados (en la primera lnea se indica el
contenido de cierta sustancia en tanto por cientos, en cada
prueba, determinado por el primer mtodo; en la segunda
lnea, por el segundo mtodo):
X
20 16 22 24 (4 18 20
15 22 14 25 29 16 20 24 .
15
Para el nivel de significacin 0,05, hay que establecer si

los resultados medios de los anlisis se diferencian de manera
significativa o insignificativa, suponiendo que estn distribuidos normalmente.
Respuesta -d = -2; "L,d = 66; sd = .,y/34

7 ; ....T obs =
= -2,57; ter. bllo.t (0,05; 7) = 2,36. Los resultados de los anlisis se diferencian de
manera significativa.
534. Dos laboratorios han determinado por un mismo mtoqo y en igual orden el contenido de carbono en 13 pruebas de
acero no aleado y han obtenido ]os siguientes resultados de
los anlisis (en la primera lnea se indica el contenido de carbono, en tanto por cientos, en cada prueba, obtenido por el
primer laboratorio; en la segunda lnea, por el segundo !abo-
291
ratorio):
X
!Ji
X
f./
0, ffl
O, ll
0,22
O,N
0,12
0,09
0,34
0,28
(),J2
0,08
O, 14
O, 11
0,08 0,08 0,{2 0,1 9 0,:32 0,27

0,05 O, 13 O, 10 0 , 14 0,30 O, J 1
0,46
0,42
Para el nivel de significacin 0,05, hay que. establecer si los

resultados m<>d ios del anlisis se diferencian de manera significativa o insigmficativa, suponiendo que estn distribuidos
normalmente.
Respuesta d = 0,018; LdI = 0,0 177;
:::=
1,89;
cr. b 11at
sd = 0,034; Toos
(0,05; 12) = 2, 18. Los resul
ta<los del an lisis se diferencian de manera

insign ificativa.
8. Comparacin de la frecuencia rela tiva
observada con la probabilidad hipottica
de. aparicin de un suceso
Supongan1os que por un nrnero sui ici<.'nte111en te grande n de
experi mentos independientes, en cada w10 de lo~ cuales la probabilidad p de aparici6n dd suceso es constante, p~rn desc~,nocida , se encon
tr la frecuencia rela tiva !!!... Para un nivel de signifi cacin a, hay que
11
verificar la l11pk~i \. nula consistente en que la probabili dad incgnita p es igual a la proba bil idad hipotica p 0
RCOL1\ l. Para ver lftcar a un nivel de significacin dado a la
hiptesis nula H 0 : fl = p 0 svlnc la igualdad d1: la proba llilidad incgnita p con l.:i pr,:,ba b1lidad hi pottica Pu, hay que calcular el valor
observad,; <l<!l cri lt'r Jo
U01,s =
(~- Po)vri
, r.:-::V
Poqo
y por la ta bla de la funci n de Laplace hallar el punto crtico Ucr
aplicando la igualdad
.
1-o:
<D (llcr ) = ~ ,
Si I Ur, t,s 1 < Ur ri no hay porque rechazar la hiptesis n ula.

Si I U 0 ,8 1 > u, 1. , ta h iptt>sis nula ~e rtc haza.
HEGLA 2 Para la ltiplC'~is alternativa H 1 : p > p 0 , se halla el
punlo crtico de la regin crtica de derecha por la igual dad
1-2<:t
<ll (U..r) = - 2 -
29:.!
Si Uobs
Si U obs
< Ucr ,
> llcr>
no hay porque rechazar la h1 ptPsis nula.

la hiptesis n ula Sl! 1echaza.
REGLA 3 . Para la hi ptesis allernativa JI1 p < Po , S(' halla al

principio el punto crtico auxiliar Uc r por la rt:'gl a 2, y, a conti nuacin.
se admite que el lmite de la regin crti~a de iz quier(la u~r = -ucr
Si Uobs > -Ucr no hay porque rl'th:nar la hiptesis nula.
Si Uobs
- l lcri la hiptesis n ula ~e recha za
<
NOTA. Los resultados salisfadn rins. a 5l'g'uran d

de la desi gualdad 11p0q0 > 9 .
cumplir11ic11to:o
535. Por 100 pruebas indep endientes se encontr la frecuencia rel ativa ..!'.!:.. =O, 14. P ara el nivel de ' sig~ificacin
n
0,05 hay que verificar la hiptesis nula lfo:P = Po = 0,20,
cuando la hiptesis alternativa H0:p -/- 0,20.
sowc10N. Hallamos el valor observado del criterio.
teniendo en cuenta que q0 == l - Po = 1 - 0,20 = 0,80:
u Clbs =
~- ~ Vri =
1/Poqo
<0,1 4-0,20, , V Too

1/0,20-0,80
= - 1,5.
Por los datos del problema la hiptesi~ alternativa tiene

la for ma p
p 0 , por eso la regin crtica es bilateral.
Hallamos el punto crtico Ucr por la igualdad
J
O(llcr
1-a
=~=
1-0,05
2
0,'175.
Por la tabl a de la funcin de La place (suplemento 2) encontramos Ucr = 1,96.

Puesto que I Uobs 1 < Ucr, no hay porque rechazar la
hiptesis nula. En otras palabras, la frecuencia relativa
observada O, 14 se diferencia de manera insgniicali va de la
probabilidad hipott ica 0,20.
536. Resolver el problema 535 para la hiptesis alternativa H1:p < p 0

sowc10 N. Por los datos del problema la hiptesis
alternativa tiene la forma p < p 0 , por e.so la regin crtica
es de izquierda. H all amos al principio el punto crtico auxiliar, o sea, el Jmite de la regin critica de derecha por la
igualdad.(reg]a 2)
$( ) - l-2a. _ i -2,0,05 _04"
Ucr 2
2
, o.
293
Por la tabla de la funcin de Laplace hallamos Ucr = 1,65.

Por consigu iente, el 1 mite de la regin crtica de izquierda
es U~r = - 1,65.
Puesto que Uohs > u~r, no hay porque rechazar la hiptesis nula (regla 3).
537. Una partida de artculos se acepta, si la probabilidad
de que el artculo resulte defectuoso no es mayor que 0,02.
Entre 480 artculos escoRidos al azar resultaron 12 defectuosos.
Se puede aceptar la partida?
oasE"RVAc10N. La hiptesis nula H 0 tiene la forma: p =
Tomamos co mo hiptesis alternativa H1 :p >
0,02 y el nivel de significacin <1, = 0.05.
Hallamos la frecuencia relativa del artculo defectuoso:
= Po = 0,02.
>
: = 4:0 = 0,025.
Encontramos c>l valor observado del cri terio
Uobs =
tn
)
;( _:_ _Po l n
.,,(0,025-0,02) v 480 = ,78 .

v o,02.0,98
lfpo'7o
Por los datos del problema la hip6t~is alternativa tiene
la forma p > Po, por eso la regin crtica es de derecha.
Hallamos el punto crtico Ucr de la regin critica de de.recha por la igualdad (regla 2)
1-20,05 O 45
(J') (
)
U<:r .
= , .
Por la fabla de la funci6n efe Laplace (suplemento 2) hallamos

Ut.r
1,645.
Puesto que Uo.b" < Ucr, no hay porque rechazar la hiptesis de que la probabilidad del artculo defectuoso no sea
mayor que 0,02. Por consiguiente, la partida se puede aceptar.
538. Una partida de artculos se acepta, si la probabilidad
de que el artculo resulte defectuoso no es mayor que 0,03.
Entre 400 artculos tomados al azar resultaron 18 defectuosos.
Se puede aceptar la partida'?
oasERVACION. Tmese la hiptesis nula H 0 :p = p 0 =
= 0,03. y como hiptesis alternativa H1 :p > 0,03; el nivel
de significacin rx = 0,05.
Respuesta
294
= 1,76; Ucr
puede aceptar.
Uobs
1,645. La partida no se
539. Una fbrica envi catlogos publicitarios a los posibles el ientes. La experiencia demostr que la prohabil idad
de que la organizacin receptora del catlogo pida el artcu
lo ofrecido es igual a 0,08. La fbrica envi 1000 catlogos
nuevos de forma mejorada y recibi 100 pedidos. Se puede
considerar que la nueva forma de public.i<la<l resulte signifi
cativamente ms eficaz que la primera?
OBSE~VACION.
Tmese la hiptesis nula 1!0 :p = p 0
= 0,08, y como hiptesis alternativa H 1 :p :> 0,08; el nivel de
signifcacin es a = 0,05.
Respuesta Uobs = 2,32; Ucr = 1,645. La hiptesis nula
se rechaza. La nueva forma publicitaria es
significativamente ms eficaz que la anterior.
540. Como resultado de observaciones prolongadas una
clnica ha establecido que la probabilidad de curacin com
pleta de un enfermo que tom el remedio A, es igual a 0,8.
La clnica ha experimentado un nuevo remedio B en 800
enfermos; al mismo tiempo 660 de ellos se curaron totalmente.
Se puede considerar que el nuevo remedio es significativamente ms eficaz que el remedio A al nivel de significacin
del cinco por ciento?
Tmese lfo'.P = 0,8, H:p =fo. 0,8.

Respuesta Uobs = 1,77; Ucr = 1,96. No hay porque con
siderar el nuevo remedio significativa mente ms
eficaz que el anterior.
OBSERVACION.
9. Comparacin de varias dispersiones
de conjuntos generales normales por muestras

de distinto volumen. Criterio de Bartlett
Supongamos que los conjuntos generales X 1, X 2 , , , Xi e.stn
distribuidos normal mente. De estos con juntos se han extrado muestras
independientes, en general, de distinto5 volmenes n (algunos vo!C1
menes pueden ser idnticos; s todas las muestras tienen igual volu
men, conviene utilizar el criterio de Cochran expue~to en el prrafo
siguiente). Por las mue.~tras se encontraron las d1~ pers1nnes muestrales
corregidas sf, s, .. , s.
Para el nivel de sgn,fica~in o: ha y q ue ver1l'i c-ar la hiptesis nula
~obre la homoge11d dad de las <lispersio11cs, (>S decir, la hip<',tc~ls scibre
la igualdad entre s de !as dis persiones generale:s
H 0 : D (XJ
= D (X) = ... = D (X).

1
295
rntrodudmos !:~, dcsignad.-,nes:

1, d nfimcro de grndos ele h berli1 d ,.re la dispersin
lt -"- n -
si,
k c:. ~k,
~~
1,i w ma de /os nmeros de grndos de lil.icrlad,
~ ks?
si =_i_.. 1- k- - , h
mc,l1i1 M d.111Nh:a de lns d 1spersioncs correg das,
porulcrnd .1 it.,r kis n meros de gn,dos de libertad.

l
L}
li= 2,30;3 (k lg s2 -
kl ~ s;J ,
=1
l
e.
+ J c1~ 1) [ ~
~ -
i= l
l,
\l
B .: C' u na m ,1~~11 itu d ,llt<1 loria (criterio de Bar tld t) , la cual, a cond ic in de cu111 pl 1111 iu il o de h ;; hiptesis sobre la hom ogn11ida d de las
d ispcr.si,:int:~. <~Li <l '',l rtb uida aprox imada me11!.,~ c,:,mo r.2 con / - l
gra do!. d,.: l1 bc~rl11 d , l;I ,:. 1 v,:,lu men de cada mu1.;~ tra c-s n ~ 4.
'R EGLA. P.u,i vc-nf1cM, a un nivel de sign 1f tcau11 dado a., la
hiptesis nu l11 s(,bfc Jt1 hom~tncidad <le las <llsperswnes de conj untos
normak~. h.iy q 11\! ':'alcular el valor ohservadi:, MI criter io de Bartldt
B.:.bs=c
y por l,1 tabl,i d<.' puuf..-,~ crticos de la <fo l:rihuc16n r.2 , ~eg n d ni vel
de s1g111f1c uc i 11 a y d nme ro de grados de li bcrta <l l - 1 (l es el
nmero de nJU<=~ f.r a~). h,illar el punt,:, crtico 'Y.~r (o:, l - 1) dt la
regi n crit 1ei d,~ i:k rei:1111 .
Si Bbs < 7.[ 1, nr, hay porque r~chazar la hip01.t:'~is nula.
Si Bobs :::,, xgr, la h, ph,sis nula se rechaza .
NOTA 1. i\'o hay que apresurarse en calcular la constan te C. Al
principi o ha y qut: hallar V y compararlo con X~r: si r<.' su!ta que
v < Z~r lan to m,:Jor (ya que C > !} B = < x~ro y, por lo l anl ,
no hav necesidad de calcular C.
s, V > Xr, hay que calc ular C y, luego, c(lm para r B con rJr,
NOT A
2. El criterio de Barllett e~ muy scnsihle a las des viaciones
de las d1strlbut1r:111~~ n.:spedo de la norma l, pr,r eso hay qu~ trafar
con cu1clado las d,,,1 1.1cC'10t1c~ obtcnidas por C'.s t,, cntcrio.
NOTA 3. P,m 1 la COHd 1c,,in de homogeneidad de las dispersiones,

comv csl 11naciJ1 uc la dispcrs1r1 general so: tom a la media aritmtica
de las di$persioncs corregidas, ponderada por los nmeros de grados
296
de libertad;
54 t. Por tres muestras independientes <le volmenes

n1 = 9, 112 = 13, n 3 = 15, extraidas rk conjuntos generales
normales, se hallan las dispersiones muestrales corregidas,
respectivamente iguales a 3,2; 3,8; 6,3. Hay que verificar
para el nivel d~ significacin 0,05 la hiptesis nula o cero de
homogeneidad de las dispersiones.
sow c1QN. Forma mos la tabla de clculo 10 (la colu mna 8 por ahora no la co mpletaremos, ya que an no sabe mos si
es neces.ario calcular C).
Tabla 10
N(,m<:>-
\"o l11m'-! n
ro d~
rra
,h: lfr ado~

,J e liL1r,~..i
D, srfrs i>n
,.
/,.
U. ;
,i
!t., lg
1)
4,fJ408
1 0,[.((,l
'
-;:,.
15. f, 1 , 57!.18
6, 9576 1
1
88,2 1 O, i93
6,3
1
1c ~ .'l4
t:..J
-
25,
3,8
"\.,
ic
l4
k,l
,. ,.
3, 2
15
12
13
corregid a
..
Nt'l tn~rc
muc!.tn1
d ~ la
mu<.\s-
,:.
] 1ri&,4
1
J J, 1902
122, 1886 1
. Utilizando la t.abla de clculo, ha lla mos:

-..2 -
s -
"'
~ k 152i k
-
V= 2,303 [k lg
2 -
59 "-' 4
~
34
' '
lg s2 = 0,6709;
lg sU =
= 2,303 [34 0,6709-- 22, 1886] = 1,43.
ft
Por la tabla (suplemento 5), segn el nivel de significacin

0,05 y el nmero de grados de libertad l - 1 = 3 - 1 = 2,
encontramos el punto crtico X~r (0,05; 2) = 6,0.
297
Puesto que V< X~r tanto mejor (ya que C > I) Boba =
= ~ < X}r y, por lo tanto, no hay porque. rechazar la h ip
tesis nula sobre la homogeneidad de las dispersiones. En otras
palabras, las dispersiones muestrales se diferencian de manera
insignificativa.
542 . Por los datos del problema 541 ha y que csti mar la
dispersin general de los conjuntos generales examinados.
s0Luc10N . Dado que la solucin del problema anterior

ha determinado la homogeneidad de las dispersiones, como
estimacin ele la dispersin general tomamos la media aritmtica de las dispersiones corregidas, ponderada por los nmeros de grados de libertad:
v:,,,;,2.=
-
~ks~ = 159 ,4=4.688.

k
34
543. Se puede utilizar el criterio de Bartlett para veri ficar !a hiptesis de homogeneidad de las d ispersi ones por las
muestras de vol menes n1 = 3, n2 = 2, n3 "'""" 20?
Respuesta. No es posib le (el vol umen de cada muestra no
debe ser menor que 4).
544. Por cuatro muestras independientes de vol menes
n1
= 17, n 2 = 20, n 3 = 15, n, = 16, extradas de conjuntos
generales normal es, estn halladas las dispersiones muestrales

corregidas, respectivamente iguales a 2,5; 3,6; 4, 1: 5,8. Hay
que: a) verificar la hi ptesis de homogeneidad de las <lsper
siones para el nivel de significacin 0,05, b) esti mar 1a dispersin general.
Respuesta a) k = 68; Jk;sJ = 252,8; ~k lg s\ =
= 36,9663; V= 2,8; Bobs < 2,8; ~r (0,05; 3) =
=- 7,8. No hay porque rechazar la hiptesis
ele homogene idad de las dispersiones. b) D; =
~- 3,7~
545. Cuatro inve$tigadores han determinado paralelamente el porcentaje <le carbono en la aleacin; adems, el
primer iiwestiga dor anc:1Iiz 25 muestras, el segundo, 33, el
tercero, 29 y el cuarto, 33 muestras. Las desviaciones cuadrticas medas muestra les corregidas resultaron respectivamente igual es a 0,05; 0,07; O, IO; 0,08.
298
Para el nivel de significacin 0,01 hay que verificar la

hiptesis d~ homogeneidad de las dispersiones, suponiendo que
el porcentaJe de carbono en Ja aleacin e.st distribu ido nor-
malmente.
JBSERVACION.
S.
Para simplificar los clculos tmese r 1
Respuesta k
100
116; jk;r! = 7016;
r2 = 60,48; ~/t lg d =
Bobs =
= 11,:3 . SE' rechaza la
= 201 ,4344; V= 12,0475; C.....,. 1,0146;
= Jl,87; X~r (0,01; 3)

hiptesis de homogeneida d de las dispersiones.
546. Se comparan 4 mtodos de elaboracin de artculos.

El mtodo, cuya dispersin del parmetro controlado es me
nor, se considera el mejor. Por el primer mtodo se han elaborado 15 artculos, por el segundo, 20, por el tercero 20 y
por el cuarto, 14 artculos. Las dispersiones muestrales corregidas son respectiva mente iguales a 0,00053; 0,00078;
0,00096; 0,00062. Se puede dar preferencia a uno de los mtodos, para el nivel de significacin 0,05? Se supone que el
parmetro controlado est distribuido normal mente.
oasERvAc10 N,
100 000 st
Respuesta k
Para simplificar los clculos tmese
d =
65; r2 = 74,68; ~k1 lg r~ = 121,0550; V =

= J ,62; Bobs < 1,62; xir (0,05; 3) = 7,8.
No hay porque preferir uno de los mtodos a

los otros.
547. Se necesita comparar la precisin de la elaboracin

de artculos por lres mquinas. Para ello, en la primera mquina se elaboraron 20 artculos, en la segunda, 25 y en la
tercera, 26 artculos. Las desviaciones X, Y, Z del parmetro
controlado respecto del prefijado resultaron las sigu ientes (en
dc mas de mm):
desviaciones de los artculos
de la primera mquina
x 2 4 6
frecuencia
n 5 6 ;;
desviacio11c.s de k,s artculos
de la sej;!unda m:r11na
!/t 1 2 3
frecuencia
m 2 4 4
desviaciones J~ lc,s artculos
de la tercera mq ui na
z1 2 3 4
frecuencia
p1 3 6 4
8 9
2 4,
5 7 8 12
6 [j 5 1;
7 8 JO 14
6 3 2 3.
299
a) Se puede considerar que las mquinas aseguran igual

precisin, para el nivel de significacin 0,05, suponiendo que
las desviaciones estn distribuidas normal mente?

b) Excluyendo la tercera mquina (la dispersin de las
desviaciones de esta mquina es ms grande), cerciorarse por
el criterio de Fisher - Snedecor, de que la primera y la
segunda mquinas aseguran igual precisin de elaboracin
de los artcu los.
Respuesta a) s5c = 3,96; st = 7,92; si = 13,92; s1- =
= 9,02; ~ k ;s~ = 61 3,32; ~k 1 Jg s}= 6 1,5151;
V
7,92; C
1,02; B 0 1,8
= 7, 76; r1r (0, 05;
2) = 6,0. La hi ptesis de homogeneidad de las

di'>per~ iones se rechaza . Las mqu inas no garantizan i~ual prec isin.
b) f o1i~ = 2; Fer {0, 05; 19} = 2, 11.
10. Comparacin de varias dispersiones
de conjuntos generales normales por muestras
de igual volumen. Criterio de Cochran

Suponganws que los conj untos generales X 1 , X 2 , , X I estfo
distribuidos normalmenl<>, Oc estos conjuntos s~ csc.ogen l muestras
independientes de igual volumen 11 y por ellas se hallan las dispers iones
muestrales corregidas sf, s, ... , sf, todas con idntco nmero de
grados de libertad k = n - l.
Para un niv<'I de significacin ~ hay que verificar la h i ptcsis
nu la sobre la homogeneidad de las d ispers iones , es decir, la hiptesis
so bre la igualdad entre s de las dispersiones genera les:
Ho' D (X1) = D {Xa)
= ... = D (X i).
Como crterl(l de verif icacin de la hi ptesis n ula lomamos el de

Cochran , es <ledr, Ja re laci n entre la dis pcrsl n corregi da m xi ma
y la suma de todas la s dis persi ones corregidas:
a
La d istrib uci n de (~st a mag ni t ud aleatoria d epende solame nte del
n mero de grads de libertad k = n - 1 y la cantidad de muestras l .
Para vc.>rificar la hi pfrsis nula se construye la regin crtica de derecha.
REGLA. Para v~r ifk.ar, a un nvel de significacin dado a., la
hip6tcsis de ho111ogent1dad de las dispersiones de conjuntos distribuidos normal mente. hay que calcular el valor observado del criterio
y por la tabl a de p untos crticos de la di~fr ib11i::1o'i11 d,::, Cod1ran {suple

mento 8), hallar el puulo ~Ttico Gcr (a; !<.; ll
Si Gol>s < Gc.r> 11.-. hay porque rEcha-zar la h, pk~. i~ rrnla.
Si Gobs > ((-, la h1 11:,l.e~i s oul S(' 1ecltaza
J\O'I t\, A cond ,u ~11 dr~ homogenEd <lad dr- 1,n ,.l 1:, pvr.si,_oms , C<,ni n
c~ t.imacin de la dH,pcr~1JJ i;cn{;ral S(: lnrna la tm,d ia ant rnd ic,1 <le l.i ,
dispcrsiont!S Crtrreg,tlas.
548. Por cuatro mue.stras independientes de igual volumen n = l 7, escogidas de conjuntos generales normales, E.e
han hallado las clispeniiones muestra les corregidas: 0,21; 0,25;
0,34; 0,40.
Se necesita: a) para el nivel de sign ificacin 0,05, verificar la hipt<:>sis nula de homogeneidad de las dispersiones (la
regin crtica es de derecha), b) estimar la dispersin general.
s0Luc10N. a) Hallamos el va lor observado del criterio de
Cochran, es decir, la relacin E.'ntre la dispersin corregida
mxima y la suma de todas las dispersiones:
0,40
1
Gc:ills ~- 0. 21 +o,2s + o,::i.1+0,40 = :r
Encontramos por la tabla de puntos crticos de la distribucin de Cochran (supl<)mento 8), segn el nivel de sign ificacin 0,05, el nmero de grados de libertad k = n - 1 =
= 17 - l = 16 y el nmero de muestras l = 4, el punto
crtico Gcr (0,05: 16; 4) = 0,4366.
Puesto que Oobs < Gcr, no hay porque rechazar la hiptesis nula. En otras palabras, las dispersiones muestrales
corregidas se diferencian de manera in.significativa.
b) Como la homogeneidad de las dispersiones est establecida, en calidad de estimacin de la dispersin general tomamos la media aritmtica de las dispersiones corregidas:
= 03
Dg* = 0,21 +o,2s +o.:1i1+0,40
4
-' .
549. Por seis muestras independientes de igual volumen
n = 37, escogidas de conjuntos generales nor males. estn
halladas las dispersiones muestrales corregidas: 2,34; 2,66;
2,95; 3,65; 3,86; 4,54.

Hay que verificar la hiptesis nula de homogeneidad de las
dspersiones: a) para el nivel de significacin 0,01, b) para
el nivel de significacin 0,05.
301
Respuesta k = 36; l = 6; Gobs = ,2270. a) cr (,OI;
36; 6) = 0,2858; b) Gcr (0,05; 36; 6) = 0,2612.

En ambos casos no hay porque rechazar la
hiptesis de homogeneidad de las dispersiones.
550. Demostrar que el valor observado del criterio de

Cochran no vara si todas las dispersiones corregidas se multiplica por un mismo nmero constante.
55L Por cinco muestras independientes de igual volumen
n = 37, escogidas de conjuntos generale.s normales, se han

hallado las desv iaciones cuadrticas rned ias corregidas:
0,0002 1; 0,0003.5; 0,00038; 0,00062; 0,00084.
Hay que verificar la hiptesis nula de homogeneidad de
Jas dispersiones para el nivel de significacin 0,05.
ossmvAc10N. Multiplquese previamente todas las desv iaciones cuadrtic. as medias por 106
Respuesta k = 36; l = 5; Gobs = 0,4771; Gcr (0,05; 36;
5) = 0,.3066. Se rechaza la hiptesis de homogeneidad de las dispersiones.
552. Cuatro mquinas automticas de empaquetar estn
reguladas para la pesada de un mismo peso. En cada mquina
automtica se pesaron 10 pruebas, y, a continuacin, estas
mismas pruebas fueron pesadas en balanzas de. precisin y se
encontraron por las desviaciones obtenidas las dispersiones
corregidas: 0,01 2; 0,021; 0,025; 0,032. Se puede considerar
que, para el nivel de significacin 0,05, las mquinas automticas garantizan idntica precisin de pesaje? Se supone
que las desviaciones del peso registrado respecto del necesario
estn distribuidas normal mente.
Respuesta k = 9; l = 4; Gobs = 0,3556; Gcr (0,05; 9;
4) = 0,5017. Las mquinas automticas aseguran igual precisin de pesaje.
553. Cada vno de los tres laboratorios analiz 10 pruebas

de aleacin para t.leterminar el porcentaje de carbono; con iodo
las dispersiones muestrales corregidas resultaron iguales a:
0,045; 0,062, 0,093.
Hay que vcnficar la hiptesis de homogeneidad de las
dispersiones para el nive-1 de significacin 0,01. Se supone que
el porcentaje de carbono en 1a aleacin est distribuido normalment:!.
Respuesta k
= 9; l =
3;
obs
= 0,465;
cr
(0,01 : 9; $)
= 0,6912. No hay porque rechazar la hiptesis
nula de homogeneidad de fris dispersiones.
554. La estabilidad (sin desarreglo) de trabajo de una mqu ina se verifica por la magnitud de la dimensin que se controla de los artcu los. Para eJlo, cada 30 minutos se toma una
muestra de 20 artculos; en total se han tomado 15 muestras.
Como resultado de las mediciones de los artculos escogidos
se calcularon las dispersiones corregidas, expuestas en la tabla I l.
Tabla 11
Nmero
de la
mue&l.ra
2
3
Dispersln
r-0rr~gida
N~imero
O,94
0, )62
1
1
o, 143
0 ,121
o, 109
1
11
~
~
'
0 , 12 1
0 ,0'14
0 ,082
Dispcrs,,,1
corr1.>g-1t1a
rle la
muest ra
O, 15G
1
10
l
~
~
~
0 , 110
Nf',mc,r <,
,11. 1,
fl'lll t:~f r.a
Di sr<:rsi6 n
corregida
J
(), l 12
11
12
:;
..
14
1
15
fl
O, 109
O, !JO
0, 15G
0, 164
Se puede considerar que para el ni\'el <le significacin

0,05 la mquina trabaja establemente (no hubo desajuste)?
OBSERVAc10N.
Al utilizar la tabla (suplemento 8) procdase
a }a interpolacin lineal.
= 15; Gobs = 0,089, Gcr (0,05; 19;

15) = O, 1386. La mquina tra baj a establemente.
Respuesta k = 19; l
J 1. Verificacin de la hiptesis de significacin

del coeficiente de correlacin muestra!
Supongamos que el conj unto general bid imensinl'.ll (X, Y) es t
distribuido normalmente. Dc este conjunto se ha cx.t.ra(rfo una muestra
de vol umen n y por ell a se encontr el codlc1enf.r nwcstral de corre-
303
lacn 'm ,/- O. Jlay , uE! vcnfic:ir la hip,:;tcs:, nu la 110

1guilldad a
rg
= O clc
dd cor1ck,ntc de corrclac16n general.

~. la hi p,'.t f''.t" nula 51: admi te, C!>lo .si~nifica que X e Y no estn
c.orrc laci0 nnd,is; t lt c:1~0 ('ontrario, l'S t n cc,rrclae1011allo~.
Ct: l)
RtGL A P arn "l'l l t<:ar, a un ni ve! d1: sign l icac1un ix , la h i p(e.si!>

fu11da mc11tal di.! 1g 11alcla d a u::ro d,;,I codi c1<'11l, general d~ correccin
do: uua m;1g111 t ud at.::itorrn ui11on11o l, eua11d0 h1 hiptesi~ alLi:'rnBliva
JJ1 : r g "/= O, hay q u<= ,:,a k ular el vulot o b~.crv1,rlo dd crit<'rto
- ' m V='2
1,.1, _ "
ous-
'111
y por lit !.1h l~ dr pu1tl1;,~ , rilicos d1~ la di s( ri but1 ;u de St ud,1ll srgii n

,:1 11Jvel do: ~1g11 1i1Lad11 dadu a y el ni1 1TH'ro J e, ,:raclos de lll>ertad
k. - 11 .. - . 2. hJl lar d pu11to crific.o L0 1 (a., k ) dr la n,gi6n crtica b ila
L,:,rnl .
Si I T 01,~ 1 < t ,i r> no h:iy porq ue rl!cliaz:1 r la 111 plt!.>tS nuln.
Si J 7'0 1.,s 1 > 11 ,, la hi ptesis nuln s~: recha7.a.
555. Por una muestra de volumen ti = 100, escogida <le

un conj un to normal bidimensional (X, Y), se ha hallado el
coeficiente rnuc:-;lral de correlacin rm = 0,2. Para el nivel de
significacin 0.05 hay que verificar la hiptesis nula de igualdad a cero <ld coeficiente de correlacilSn general, cuando la
hiptesis alternat iva H 1 :r rr. +o.
so1t1c10N Halla mos el valor observado del criterio
T, ,,,:
ol ,;
'm, fl/=2
=
t-r2
l
t1\
,2I~J - 0,22
V
=2 02.
'
Por los dalo!- tlel problema la hipte..o;is alterna lhra t iene la

forma rg :f= O, por eso, la regin crtica es bi lateral.
Por la tabl1 de puntos crticos ele la distribucin de Student (suplemen to 6), segn el nivel de ~ignificacin ex. = 0,05,
situada en la lnea superior ele la tabla, y el nmero de grados de 1ibertad ll = n - 2 = 100 - 2 = 98, hallamos el
punto crt ico <le la regin critica bilateral fer (0,05; 98) =
= .665.
Pue.sto que T 0 118 > lm rechazamos la hiptesis nula de
igualdad a cero del coeficiente de correlacin general. En otras
palabras, el coeficiente <le correlacin se diferencia significat iva mente de cero; por lo tanto, X e Y estn correlacionados.
556. Por una muestra <le volumen n = 62, escogida ele un
conjunto genernl bidi mmsonal normal (X, Y) , est hallado
el coeficienle tk correlacin muestra! rm = 0,3. Para el nivel
304
de significacin 0,01 hay que verificar la hpte.sis nu la de

igualdad a cero del coeficiente de c:orrelm:In general, siendo
la hiptesis alternativa !Ji: r g :;l= O.
Respuesta k = 60;
Tobi;
2,4:3;
(0,0 1. 60)
fe r
2,66.
No hay porque rechazar la hiptesis nula;

X e Y son magnitudes aleatonas no correlacionadas.
557. Por una muest ra de rnlumen n = 120, escogida de un

conjunto general bidimensional normal (X, Y). est hallado
el coeficiente de correlacin muest ra! frn =- 0.-1 Para el nivel
de significacin 0,05, hay q ue verificar la hiptesis nu la de
igualdad a cero del coeficiente <le correlacin genera 1, cuando
la hiptesis alternativa H 1 : rg :;i=O.
Respuesla k = l 18; T 01,s = 4, 74: ter (0,05; 118) = 1,66.
La hiptesis nula se rechaza; X e Y son magnitudes aleatorias correlaciona da,~.
558. Por una muestra de volu men n = 100, escogida de un

conjunto general bidimensional normal (X, Y), se ha obtenido
la tabta de correlacin 12.
Tabla 12
1O
35
45
ti
1
55
75
1
20-0540
5
1
1
4
19
1
!/
--
50
17
19
52
1
li
1 ---
4(1
--
J5
1
5
l!x
,o
2.5
1
(jf>
20
15
1 n ...
1110
30~
Se necesita: a) hallar el coeficiente muestral de corre1acn, b) para el nivel de significacin 0,05, verificar la
hiptesis nula de igualdad a cero del coeficiente de correlacin
general, cuando la hiptesis alternativa H1 : r g =# O.
so1.uc10N . a) Para si rnplificar los clculos pasamos a las
variantes condcionales
Y1 - C2
V = - ,ti,
donde C1 y Ci son e-eros accidentales (como cero accidental

conviene tomar la variante situada aproximadamente en el
medio de la serie de variacin; lomamos C1 = 25, C2 =
= 55); h = Ut+i - u; , es decir, la diferencia entre dos varian
tes contiguas (paso);
Prcticamente la tabla de correlacin en las variantes condicionales se compone asi: en la primera lnea en lugar del cero
accidental C1 =~ 25 escribimos el cero; a la izquierda del cero
escribimos sucesivamente - 1, - 2, - 3, y a la derecha del
cero escribi mos 1, 2, 3. Anlogamente en la primera columna
Tabla 13
-3
-2
-2
J
1
-1
o
1
n,.
'
50
17
19
19
"7
52
no
1
306
40
6
1
-l
n= 100
en lugar del cero accidental C2 = 55 escrib mos el cero;

sobre el cero escribimos sucesivamente -1, -2, -3, y debajo del cero 1, 2, 3. Las frecuencias las transcribimos de la
tabla de correlacin en las variantes iniciales . Como resultado
obtenemos la tabla de correlacin 13.
Utilizamos la frmula para el clculo del coeficiente de
correlacin muestra! en variantes condicionales:
fm
v.
Al calcular las magnitudes que entran en esta frmula ,

cru, crt, por el mtodo de los productos, o bien mediante el cl culo directo, obtenemos:
=-0,03;
= o,35; cru = 1,153: al,= 1,062.
Utilizando la tabla de clculo (vase el problema 498,

tabla 7), halla mos ~ nuvUV = 99.
Por consiguiente, el coeficiente de correlacion muestra! es
nu.vuv-nv _
nouO-v
-
99 -J00(-0,03)0,35
' m l/=2
0,817 l/i"o'o'=z
-Vi - 0,8172
O,S
b) Verificamos la hiptesis nula de igualdad a cero del coeficiente de correlacin general.
Calculamos el valor observado del criteri()
fm =
T
obs
Vi - r~
1001,1531,0G2
= 14 03
'
Por los datos del problema la hiptesis alternativa tiene la

forma rg
por eso la regin crtica es bilateral. Mediante
la tabla de puntos crticos de la distribucin de Student (suplemento 6), segn el nivel de significacin a = 0,05, situado en
la lnea superior de la tabla y el nmero de grados de libertad
k = n - 2 = 100 - 2 = 98, hallarnos el punto crtico de la
regin critica bilateral ter (0,05; 98) = 1,665.
Puesto que Tobs > ter, rechazamos la hiptesis nula de
igualdad a cero del coeficiente de c.orrelacin general. En otras
palabras, el coeficiente de correlacin se diferencia significativamente de cero; por consiguiente, X e Y estn correla
donados.
+o.
559. Por una muestra de volumen n = !00, escogida de

un conjunto general bidimensional normal (X, Y}, se ha ob
tenido la tabla de correlacin 14.
20* 307
Tabla 14
' ...
, , ,
"'
110
"
120
2
1
130
~-t-.J
1
140
150
15
1
{/y
--
--
55
17
14
134
1
27
"'J
1
f
JO
1
1
50
JO
llx
t..
~2
17
1i
n :- \00
3
1
Hay que: a) hallar el codiciente <k correlacin muestral;

b) para el nivel de ~ignif icacin 0,01 ver ificar la hiptesis nula
de igualdad a cero <ld coeficiente <le correlacin general , ,.,
cuando la hipotesis alterna liva H1 : rg ,#=O.
"
ossERV /\C10N, Psese a las variantes c:ondic:ionales u =
X- 17
5
fj-130
'U ,=.
10
tt -=-~ -
O, 11; O'u = 0,948; v = 0,25; av =

'-' 0.994; ~rt ,,uv = 73; fn , -"' 0,8. b) T 00 ~ =
= 13,2; tl'r {0,01; 98) = 2,64. La hiptesis
nula se rechaza: X e Y estn correlacionados.
Respuesta a)
11
560. Por una muestra <le vol umen 11 = 100, escogida de

un conjunto general bidimensional normal (X, Y), se ha ob tenido la tabla de correlacin 15.
Hay que: a) hallar el coeficiente muestra! de correlacin;
b) para el ni ve'I de ~ignificacin 0,00 1, verificar la hiptesis
nula de igualrlad a cero del coeficiente general de correlacin
rg, cuando la hiptesis alternat iva H1 : rg ,#:O.
01.1sER VACTON P sese a las variantes cond icionales U =
-
3U8
X;- 42
10
U ..
y -~0
- -5-
T a,'!la 15
~J
~)
'l
12
1 -
?,~
1 32
1 -
1 -
1~
1 5~
1 f,S
1 72
[I)
()
'
l~
1- - - - - 1- - - - - , - - - , - - - - , ; - - - - - - , - - - - - , - - - . , . . - - -
70
_,,
'1
21.,
11
113
ll=[l)(J
Respuesta a) , - 0,03; cr11

::._ ) ,877;
Tr,118
l ,.'321;
~ fl.,,,UV -
= - 14,73;
---206.;
l, ,.
== -
0,09;
O; -
( 11 , -= - 0,83. b)
i0,001; 98}
= 3,43. Se
rech~za la hi ptesis nula ; X e Y Cstn correlac.ionados.

561. Por la muestra de volumen 11 ,: 100, e::.cogida de un
conjunto general bdi mensional normal ( X, Y'), se ha obteni-
do la tab la M correlacin 16.

Hay que: l) ha'llar el coeficiente muestra'! de correlacin;
b) para el nivel de ~ignificadn O,OS, \erficar la hiptesis
nula de igualdad a cero del coeficicn k ge11eral de correlacin
r g, cuando la hiptesis alternat iva H, r l{ + o.
ous1~rNAciON .
Xi -
:}
l 15
v, ::::,
Psese a las va riantes l'Ond1cio11a le.,:;

!J;-45
11)
u,
Tabla 16
.,"'
y
~
X 1
100
35
4
1
45
20
28
22
18
17
25
15
19
1
nx
6
[j
75
10
ny
1
65
..,
125
1
fj
120
l l
55
11 O
105
l. -
13
n=IOO
15
Respue.sla a) u -"-- - 0.84; "' = 1,758; o = 0,69; 0-0 =

n.1<, r l.lil = - 94; rm = - O, 13. b) Tobs = - 1,3;
l ,563~ ~
ter (0,05; 98) = 1,665. No hay porque rechazar la hiptesis nula: X e Y no estn correlacionados.
12. Verificacin de la hiptesis de distribucin normal
de un conjunto general por el criterio de Pearson

A. La distribuci n emprica est dada en forma
dt> sucesin de variantes equidistantes

y sus correspondientes frecuencias
Supongarno~ que la dis tribucin emprica 1'.'Sl dada en form a
de sucesin de van autes equidistantes y sus correspondientes frec:uencias
X
X1
n 1 n'l. . n
X2
, . ,
XN
Utilizando el criterio de Pearson hay que verificar la hiptesis

de que el conj unto general X est distribuido normalmente.
REOLA 1. Para verificar a un nvel de sJgn ificacl6n dado l a hip
l.esis de d istribuc1 11 normal del conjunto general, hay que:
1. Calcular directamente (para un pequeo nmero <le observac:1ones) o por un mtodo >lmplifi ~ado (para un n mero grande de obser
~110
vaciones), por ejemplo, por el mtodo de los productos o bien de las

sumas, la media muestra! Xm y la desvi ac in cuadrtica media
muestra! O'ro,
2. Calcular las frecuencias tericas
,
nh
ni=
Om q> uj,
donde n es el volumen de la muestra (suma de todas las irecucncias),

h es el paso (d ifert'ncia entre dos variantes contiguas},
ui=
x,-xm
om
'
u'l
cptu)=
1121'
-2
3. Comparar las frecuencias empricas y tericas por el criterio

de Pearson, para !o cual:
a) se compone la tabla de clculo (vase la tabla 18 de l problema 563), por la que se halla el valor observado del criterio xibs
= "1 (n-n;)2
LJ
11
'
b) por la labia de puntos crticos de la distribucin r.2. segn
el nivel de signficacln prefijado ex y el nmero de grados de libertad
k
s - 3 (ses el nmero de grup~s de la muestra); se halla el punto
crtico x.~ (et, k) de la regin critica de derecha .
Si ~be
Xfu,, no hay porque rechazar la hiptesis de distribucin
normal del conjunto ge neral. En otras palabras, las frecuencias emp
ricas y tericas se diferencian insignificativamcnte (fortuitamente).
Si xibs > Xlr- la hiptesis se r echaza. En otras palabras, las
frecuencias emplrlcas y tericas se diferencian significativamente.
<
Nota 1. Las frecuencias poco numerosas (11 1 < 5) hay que unirlas; en este caso, tambin hay que sumar sus correspondi entes fre
cuendas tcrc.as. Si se unieron las frecuencias, al determinar el nmero
de grados de libertad por la frmula k --'- ~ - 3, comos hay que tomar
.el nmero de grupos de la muestra q ue quedan dt>spus de unir la!>
frecuencias.
562. Porque al verificar por el criterio de Pearson la hiptesis de distribuci6n normal del conjunto general, el nmero
de grados de libertad se halla por la frmula k = s - 3?
sowc10N. Al utilizar el criterio de Pearson el nmero de
grados de libertad es k = s - 1 - r, donde res el nmero de
parmetros, estimados por la muestra. La distribucin normal
se determina por dos parmetros: la esperanza matemtica
a y la desviacin cuadrtica media a. Como ambos parmetros
se estimaron por la muestra (como estimacin de a se toma la
311
med ia muestra]. y como esti macin de <T, la desviacin cuadrtica media muestra)), r = 2; por Jo tanto, k = s- 1 - 2 = s - :J,
56a. Aplicando el criterio de Pearson, para el n ivel de
significacin 0,05, hay que ver ificar si la hiptesis de distribucin normal del conj unto general X concuerda con la di.slrbucin emprica de la muestra de volu men n -= 200:
A,
['.
{1
IJ
1f>
2b
25
][
;:!Q
[ ;3
15
J9
2(3
2l
24
20
2J
la .
l. Util izando el mtodo de los productos hallamos la 111<:'dia uwestral Xm = 12,63 y la desviacin cuadrti sor uc10 N.
ca media 0,11
4,695.
2. Calcula mos las frecuencias terica.s, teniendo en cuenta

que n = 200, h , 2, <Jm = 4,695, por la frmul a
11 h
.
.
fl '1. = ,. -_-,
cp {u;)=
'' rn
200
2
( U; )
695(1-'
4,
= 8",>,2 (J.' (U ) .
para lo c.ual componemos la tabla de clculo 17 (los valores

<f (u) se encuentran en el stiple mento 1).
de la funcin
Tabla 17
ii
'
---
X - Xln
:')
- l ,1>2
2
3
4
G
fi
7
8
9
-1 , 20
- O. 77
''I = 85 ,Z q (u )
rp (r, )
o. 1074
o, 1942
0, 2966
9, l
16 ,fi
25,a
o,;f
0,3752
O. OH
0 ,-'i l
O, '.l87i
0 ,3i\0.3
17
19
0 , 9J
0 ,2'i89
:3:3 ,9
29 ,P.
22 ,0
21
J,78
0, 0818
13 ,5
7 ,0
JI
LI
15
1582
1 ,;;f
:1:.! ,0
3. Comparamos las frecuencias empricag y tericas .

a) Compone mos la tabl a de clculo 18, de la que hall amos
el valor observado del criterio
2
.. " '
Xol,s .. LJ
(n
-n'n~r~
T ;1b/,;
ltl:
U;.
11
.'!. J
'';
i' i f3
i11
n,'.
.14 .f. 1
f!II 2,,
11.09
:i, 8
.l,.i
4.1).l
!l . l
15
[! . 1
--,'i,9
2C
l l>,(
9,;i
:3
2f>
;jo
:2., ,:-l
-0.J
:12 ,1)
2il
3:1,9
2,0
-7,9
-8,l',
J,2 , 41
Ti ..i-t
').
2.0
4 . IJfi
13
21
29.8
7
R
9
2-t
22 ,0
2()
J.-],:,
l:!
, , 1)
200
1
(\' 5
r. .o
,,.,.~
---
l
2
1
5
12
!X
(\, l_l
' ~)
1) '2
'.r,
,{,()
~. 1
:1i) .-10
l~,I,,
1
20.0
De la tabla 18 ha ll amos xib~ - 20,0.

b) Por la tabla de puntos crticos el<' la di.!'; tribuc.iin x.2
{suplemento 5), ~egn el nivel de ~ignf icac1i11 a ..... 0,05 y d
nmero de grados ti<? libC'rtad k =-~- s - :i ,- 9 - 3 = 6.
encon tramos el pun to crt ico de la regicn crtica de derecha
xir (0,05:
6) = 12,6.
> X~r. la hi pte~i~ de la d~t ribucin

normal del conjunto genera l se rechaza. En otra.'l palab ras, la~
frecuencias empricas y terica.s ., e diferEoncia n ,;ignif:ativamen te.
Puesto <]lle Y.<~118
564. Aplicando el criterio de Pear<;ot1, para el nivel de

significacin 0,05 ver ificar si Ji:i hipk$JS de dstrbucic n
normal del conjunto general X concuerda con h1 distr ibucin
emprica de una mue.,;tra de volu men 11. - 200:
X
0,3 (1,5 1),7 0 ,9 1,1 l,J J,,') lJ 1,9 2,2 2, )

9
213 25 :JQ 26 21
24
21J 8 ,:, .
n; 6
Respuesta h = 8; X~b~ = 7, 71; r.ir !,OS; 8) :::-:- 15,5. No

hay porque rechazar la hiple.<- is de d istribucin normal del conjunto g<'nernl .
565. Aplicando el criterio de Pe.arson C'<.lablecer para el
nivel de significacin 0,0 1 si la clivergencia es all:.'atoril o signifi<_:ativa entre las frecuencias e111prica~ 11 y la~ frecuencia~
tericas n calculadas partiendo de la hiptesis de distribucin

normal del conjunto general X:
n1 8
ft; 6
!ti
18
40
72 36
18
36
76
18
39
10
7.
sotuc10N Hal lamos el valor observado del criterio de

(n 1 -n'.)2
1
Pearson 'X5bs = L.J
'1 ,
n1
para lo cual componemos la tabla
de clculo 19.
Tabla 19
tl
(11 -
(11 1 - ni
nj )t
"'i
;${
.in
IX
11<
--
10
:1
')
1,287
"72
,.,1
-4
- ;
8
!ti
[i
(\
11
0,667
0,224
0,448
0,208
0,234
-
11
fj
..2
lH
16
ifl
4
4
1fi
16
8
"
L.: 1 /1. ...:. 201.) 1
'X,~,bs
3 ,068
De la tabla 19 encontramos el valor observado del criterio
xil)s = 3,068.
Por la tabl a de puntos crticos de la distribucin x2 (suplemento 5), segn en nivel de significacin 0,01 y el nmero
de grados de libertad ft = s- 3 = 7 - 3 = 4, hallamos el
punto crtico de la regin crtica de derecha X~r (0,01; 7) =
= 13,3.
Puesto que X5bs < XZr, no hay porque rechazar la hiptesis sobre la distri bt1<.:in normal del conjunto general. En otras
palabras, la divergencia entre las frecuencias empricas y tericas es insignificativa (aleatoria).
566. Aplicando el criterio de Pearson, establecer para el
nivel de significacin 0,05 si la divergencia es aleatoria o significativa entre las frecuencias empricas n., y las tericas
n. calculadas partiendo de la hiptesis de distribucin normal del conjunto general X:

314
a) ni
n:1
b)
f!
n'.t
e) n,
n'i
d) n
11j
5
6
6
5
14
10
5
Respuesta.
20
14 18
JO
g
9
18
24
7
8
7
15
13
14
16
7
5;
20 w
18 16
10
,.
32 70 20 36 10
34 80 18 22 12;
,:.
15 14 21 1G 9
6 14 15 22 15 8 8
~
a) Es
aleatoria;
k ~ 2.
X~r (0,05: 2) = 6,0.
I.J) Es aleatoria;
k, = 6-,
Xir (O.OS; 6) = 12,6.
e) Es signf icativa; k, -= 4;
%~r (0,05; 4) = 9,5.
d) Es
aleatoria;
I? "' 6;
XJr (0,05; 6) = 12,6.
X~us
Xbbs
= 1,52:;
2,47;
= ;,i,9,3;
%~bs = 0,8,3,
X~hs
B. La distribucin emprica est dada en forma

de una sucesin de Intervalos de igual longitud
y sus correspondientes frecuencas
Supougamos que la di.sttibuci(,n <'mpinc.i ,]sta da da en for ma de
una sucesin de intervalos .x;, xi+ r y sus ccirres poncl ,entes frecuencias
n (n es la suma de frecuencias que cayeron Nl el 1-simo intervalo)
(xi, Xz)
(X2, X:)
n1
n2
(X;;, Xs; 11
n8
Aplicando el criterio de Pearson hay que verificar la hiptesis
de que el conjunto g1meral X est dist rib uido normalmente.
REGLA 2. Para verificar el nivel de significac:,n CG la hiptesis
sobre la dis tribucin normal del conjunto gtneral, hay que:
l. Calcular, por ejemplo, por el mtodo de !ns productos, la media
muestra} ; y la desviacin cuadrtica media muestra! <Ym; adems,
como variank. xf se torna la rncdia aritmtica de los extremos del
interva lo:
x+x 1H
Xi =
2. Normalizar X, es decir, pasar a la maRml ud alC?atria 2
= X ;.i
y calcular los extremS de los inttrvalos
x- x
Z=~,
Z+
as1m1smo, e l valor mnimo de Z, o sra. z1 sr:' ~up,:,11~ igual a -ex,,

y el mximo, es decir,
Za
se supone igual a oo,
315
3. Calcular las frccucm:ias terc:s
n = nP ,
do11d
,, es el vn\ umen de la muestra (su ma de t odas las

frt,c11encia.~).
Pi -:- fl (Z +)
,11(z) !;on ias probab ilida <les de < He X caiga en E:e l
111 1.ervalo (x; , xi+ t) , cr> (z 1 es la f un cin de l,a place.
4. Compar:i r la~ frecu,11c ias emp ricas y trricas por el criterio
d,.> Pt~ar<,on, ra ra 111 cual
,ll S<' ccmqu ,n, 1~ iahla de clculo (vas t a bla 18), por la c ual se
encuentra el y~lr,r ,,!,servado dd crif.1:rio ele Pearson
.
Xot.$ ""'
(11 - n;i2
11 ,
h) p..r la 1:.i l.Ja d( puntos crticos d<' la d1 ~tribucin y;, Si!gn

d ni vd d., "-J.:11il'11:a"16n dado a y <>1 n1r1w r,.1 d<> grade:,~ d libertad
k = .~- 8 (s t:S d nmero de, intervalos de la muestra), se halla el
punte, crt 1c11 ck la regi n critica de dt?re:cha xg,. (a., k).
Si x.~1,s < X,. 110 hay porq ue rcch.i:zar la hi ple!>is sc,brc la cl istrihucin normal c.h,I conj unt.o general.
S i y~ 1,8 > X~, . la h1p,tesis se rechaza
NOT /1 ~ . Le,:; inlt: rvalos q ue contienPn fr~cwmcias emprica:; poco
nu mt>ro~as (11, <." ;',) ltay q ui u11 irl ns , y las frec uencias de estos interval n~ ha y que i.;1.1111arla,. S1 !ns intervalN, se unii;ron, al <lelt!rmi nar el
n(t mern <1 .. grnd,,~ d1 li lwr tad pnr la formula k. :c. s - 3, comos se
t,,ma f.'i 11 11m,r1;, d, 111i<rva l,1s que ,1 uec.J a11 <11:'S pus de la uni n.
567 . Aplica ndo d cr iterio de. Pearson, hay que verificar

para el nivel de significacin 0,05 si concuerda la hiptesis
sobre la distribucin nor ma l del conjunto general X con la
distribucin e mprica de la muestra de volu men n = 100,
expuesta
en
la tabla
:w.
T abla 20
N i1 mcr1.1
del i nl t;;r..
V.JI,,
L-i111 il
' 1
1
:~
,1
}.OllJrn N
;el
i11(1n:iln
F r(iC IICIIC i a
N1i mPn
<! I i 11tcr-
'V.JI<.
, !+ 1
Lirndc s <lcl
inl cr v~ lo
.,,
1) .
!i
2.1
l.J
fi
2~
IX
i:.1
lf>
40
18
5
I<
.n
xi + I
2R
;t{
'.!8
Frnc1,enc ia
fl,
'
16
8
..,
'
n.: - 100
L Ca k ula mo'> la med ia 11Juestral y la desv ia-
cin cuad riitic'a n1edia mucstrnl por el mlodo de los productos. Para ello pa<;a11 1()s de l;i (1 istr ibm:n de intervalo prefijada
:~ f~
a la distribucin de variantes equidistane-5, {a mando como

varia nte x~ la mee.la aritmtica de los extremos del intervalo:
1
= x,
. Como resultado ob tenemos la distribucin:
l;a
xr
.xt
5,5
n1
10,5
8
15,5
20,5
25,5
15
40
16
illl,5
~
;15,5
.
Calculando por el mtodo de los productos, hallamos la inedia

muestral y la desv iacin cuadrtica media muestra !:
= 20,1, <J* = 1,28.
x*
2. Hallamos los intervalos (z,, Zi+ 1) , ten1enJo en cuenta

l
que x* = 20,7, a* = 7,28, a- = O, 137, para 1o cual componemos la tab la de clculo 21 (el extre mo izquierdo del primer
intervalo 1o tomamos igual a - oo, y el cxtremo derecho del
ltimo intervalo, igual a oo).
T(/1>1,i 'J t
l.frni(e;; ,ltI
i1,l~r, ,1 lo
L1nu J.. :, ,k l i rih:f',') h.>

)., i
xi
...\*
x,+ I - X*
.ti. H
,.
zi '"
- 12, 7
1
2
3
1J
1~
,~
-12,7
2:l
-2,7
5
6
7
2J
2F!
2t<
L>
;1:j
-~~
1,$
:ts
-7f7
7 , :~
12,J
- 7, 7
- 2,7
:~. <* 1 ; i. + t ,.... Xi+I*.. x*
-'.X)
- l ,74
- l ,74
- 1,06
- 0,37
0,02
1, 01:,
-0,
2.J
j .:3
ll , -~'.2
1:2 ,:{
1, UO
J , (,~l
1 ,00
1113~1
00
3. Hallamos las probabilidades tericas P, y las frecuencias tericas ni= n. Pi = l OO P1, r>a ra lo cual componemo~
la tab la de clculo 22.
4. Compara mos las frecuencia s ~mpricas y ter icas por el
criterio de Pearson.
a) Calculamos el valor observado del criterio de Pearso11,
para lo cual compone mos la tabla de clculo 23. La:s colu mnas
7 y 8 sirven para controlar los clculos por la fr mula
nt
2
"'
Xobs= LI
7.
-rt.
J J
'l'abla 22
L ftni(es del in tl'Tval o
f'
 (z)
zi
<D (z
zi+I
,u > = <1> (z1+1>- n=

= 100 P;
- <D(z)
1,74
1
2
3
4
5
0. 32
0, 0409
0, 1037
0,2111
0,2698
0,2 158
0 , 1132
0 ,0455
- 0,4591 - 0.3554
.-() ,3!554 - 0, 1443

- 0, 1443
0, 1255
0, 1255
0, 3413
O,:l413
0,4515
- O,;'l7
ll , :~2
1, 1)/)
- 0,37
C,
7
0.5000 -0,459 [
... l , 1)6
- l ,74
- 0,06
1'(\!)
1
1,69
o. ~.0(10
0 ,454[>
4,09
10,37
21 , 11
26,98
21, 58
11,32
4,55
)J 1
IOO
Tabla 23
2
11
fl.
'
ni- n j
6
8
15
40
16
8
7
2
3
4
5
13
7
(.'li -
1,91
2,37
6 , 11
13,02
5, 58
-3 ,::12
:3,6481
5,6169
37,3321
IG9,5204
'.ll, 1364
11 ,0224
4 .5f
2,45
6, 0025
VBRIF JCACION:
(n i - 11)i
nf
nf
-,n
11 )2
4 .09
10 ,37
21.11
26 .9i'l
21,f8
11 ,32
J 100 100
n
0 ,8920
0, 5416
1, 7684
6.283:-l
1,4428
0 ,9737
1,3192
lx'
,obs
n' n = 113,22 i -).ni
Los clculos son correctos.
;36
64
225
1600
256
64
49
1322/
100
8,8019
6, 1716
10,6584
59,3052
11.8628
5,6537
10,7692
11 13,22
13,22 =
X~bs
b) Por la tabla de puntos crticos de la distribucin x2

(suplemento 5), segn el nivel de significacin a = 0,05 y el
nmero de grados de libertad k = s - 3 = 7 - 3 = 4 (s es
el nmero de intervalos), hallarnos el punto critico de la regin crtica de derecha X.~r (0,05; 4) = 9,5.
318
Puesto que
xibs > xr, rechazamos la hptesis sobre la
distribucin normal del conjunto general X : en otras palabras,

las frecuencias empricas y tericas se diferencian significa tivamente. Esto signif ica que los datos de las observaciones
no concuerdan con la hiptesis sobre la distribucin normal
del conjunto general.
568. Aplicando el cri terio de Pearson, para el nivel de
significacin 0,05 hay que verificar si concuerda la hiptesis sobre la distribucin normal del conjunto general X con
la distribucin emprica prefijada.
a)
Nmero
del I ntervalo
2
3
Nmero
1..lmltc de l
iutervalo
K
1 -20
j
J
1-101
1
1
o
10
Frecuc11- 1 rlt>l
el~
x+1
ll
-101
20
47
JO
20
l.lmll" deJ
l ul ~r valo
Ju-
t erva to
1
1
5
J
80
..,
'
1
1
89
20
30
40
1
1
l
1
Frecucnda
n
X+
30
40
50
40
1
1
1
16
8
n= 300
h)
Nmero
del Intcrvalo
J..mitc <le l
intervalo
1
2
3
4
5
X
1
1
1
1
1
1
1
3
5
7
11
l
1
1
1
1
f'rccuenCla
X.f.1
3
5
7
~
JI
13
1
1
1
1
1
1
Nmero
10
18
JI
f'recuencie
In terv alo
tervalo
20
1. lmlle de l
del in-
1
1
1
1
1
1
13
15
17
]9
21
1 Xt+t
15
16
l 11' 1 11
1
1
1
1
19
21
23
1
1
5
j
n = IOO
319
c.,
Nnu:r
dtl InIC"r , tJ IO
f i1 nit ,l <.1
1u1 ,,r :... l'1I
~1
(,
;~
4
11,
2t)
:\(\
4t_i
Ni1 rncro
,:k l
,mtr.
,.Jc,1 l 11 -
d ~t
1~r\,1t CJ
~ ..... 11,:11-
,,
'd!)
:~e,
-n
4,
--1
1 ), .1-\ J
(ili
7fi
86
Lm1I C" .1 ,~1

i Ul t\..t \O
'
.t' i
Xi
l t.r\'a lo
' 1/
7f;
ll
1 X!+ I
t\l11ne ru
dc.: f i fl-
r r,,, llltt,a
56
(j(:;
lf
[)f.,
(l;,t
Frec111.H1-
l 11fl:r,a lo
't
(j
Ji
t lil tf'., ; I \1'1
.Y
Hi
l irml:. ,k 1
H-
l;,:f\ dlu
,.
--~-)
, I
1
1
'';
,, f.+ t
1 hni fl' de l
n -~ 100
F r~..:.1HrnCi.a
+t
fl
1:
~:::1::::1:::r,_-__,.,I..___;_;-___l-:_-_1~~~""'1' ====3====1==3-1.)==I
:. =:a=G::1===1o:=~-'
1
1 1 1 r; 1
1 J5 1
1 :35
l4
10
1 4 ')
.w
1,)
1 40 1 45 1
-20___,l" ..25
11:s
1 45
1 5Ll
1 11 ~120
-4--i--l
5
1 2:i 1
:su 1 2a
Respuesta. a) Concuerda; x* = 10,4; cr* ~ 13,67; k = 4

X,~ ,.~ . ~ 5,,1; ,J,r (0,05; 4) = 9,5.
b)ous1::1~v ,Ki ol\' Unase las frecuenc.ia-':.i poco numerosas
de los dos pri meros y dos ltimos intervalos, as co mo los
mismos intervalo~.
Respuesta. Concuerda; x* = 12,04; rr* -= 4,261; k =
:..::. 9 -
= 6; xibs = 1,3; xJr (0,05; 6) =
::-.:: 12,6 .
e) No concuerda;
-- ''-'>, ,,'l
- L4,
1,.,,h~ d) Concuerda; x*
x*
= 42,5;
O'*
17,17; k
xcr! 4\ 0. , o~)11 , 1.
, , i::
.>) -= 27,54; a * = 10,44;
:.:: 6. x311s-,, 5,4; xJr (0,05; 6) ---= 12,6.
13. Verificacin grfica de la hiptesis

de distribucin normal de un conjunto general.
Mtodo de diagramas rectificados
A. Datos agrupa dos
Supongamos que la distrib ucin em prica de una muestra del
conjunto general X est dada rn form a dt'. 1111a .succs1cin de- intl'rval os
(Xo, X1), (x, X2), . , (X/-1 , X/)
y s us correspondientes frecuencias n 1 (n i':s el 11 t1w ro de variantes que
caen en d i-simo in terva lo). Hay (JUC v.:-1 ii1car griif1catnet1 le la hiptesis de la distri bucin normal de X .
Previamente introducimos la defi nici11 de p-cwmtila de l:1 magni
tud aleatoria X . S i se da la probabili dad P, i;e llama r.cua11tila (cuan
tila) de X un va lor dl'I argumento u 1, dt' la func1,:,11 integr al F (x)
tal, para la c ual la probabil idad dd suco.:.s(, X < 11 1> ('.$ igual al valvr
prefijado de p.
Por ejemplo, si la mag11itud X ~stii di~tn bu 1rla nor malmente
y p = 0,975, tendremos que up = u0 , 97 ~ , J ,9t,_ P.,,10 .significa qu1:
P (X < 1,96) = 0,975.
Cabe hacer notar que, como las unc1011cs itrlt'gralcs de las d istribuciones normale.s general y normalizada C!Stn v inculadas por la
igualdad (Gmurmau V . E . Teora de las prol>abil idacles y es tads tica
matemtica~. cap. X l J, 2, nota 2)
F (x) =FO (
x; ) ,
enton.:es
f (-"p) = Fo
Xp ( -<J-
y, por lo f. anlo,
x 1>- a
u/1 = - <1-
Rl!.GLA l. Para verificar gr:ficamenh: la l1iptesis de distribucin

normal de l conjunto genera l X segn la d1st. n buci611 emprica dada en
forma de una sucesin de: in tervalos y s us u ,rrespond1c11tes frecuencias ,
hay que:
1. Com poner la tabla de clcul o 24
Tabla 24
1
--Nmero del
intervalo
l!xtremo
derecho
del intcrvf lo
Frecuencla
Frcc,1encia
acumu lada
Fn}t.".uenci;s
acum ulada
f'recuenc ia
acumula1fo
rcl~l iva en %
Cuan
tilas
rclat. i va
Xt
n;
;.
~ n,
r= !
~ n,
P ---ri-
r, .100%
r. i
1
21-05~0
321
Las cuantilas conviene hallarlas por tablas especiales (suple

mento D).
En la columna 6 de la ta lila de clculo 111s frecuencias acumuladas
relal.i va.s <'~ln multiplicadas por 100, ya que en la ta bla (suplemento 9)
t=slas frecuencia, se dan en tantos por ciento.
2. Constru ir en el .5istema de coordenadas cartesianas (x, u) l os
puntos (x1, ttt), (xi , u 2 ), . (el signo p se omite en las cuantil as
para simpleza de la notacin). Si estos punto5 se encuentran pr
xi mas a una cierta r~cta, 110 hay porque rechatar la hiptesis de distrib ucin normal de X; si los puntos marcados no estn prxi mos a la
rtda, la hi plcsis se rH:haia.
H:.n; que tener l'll cuenta que: los p un tos de o:origen
y extrcmo:,(x., u1j pueden apadarscsern;il>lt>mente dela recta u= ~
.
NOT A 1 .
(1
Si l(ls p u11t (JS marcados re~uttan prx imos a la recta,

con facili dad se e~t iman grf icamen te los parmetros a y o de la distribucin normal.
NOTA 2.
/J.
.7- 0
li.
1=-'
11=l /
(j
:r
[a~.J.'t. ]
/ 6"'iic:r:11 I
b)
a)
Fig. 16
Com o est imal~in de la esperanza matemtica a se puede tomar

la abscisa del punto Z (xz.; O) de interseccin de la recta trai ada con
el eje Ox.
Como esti mac:ion de la desviac in cuadrtica media o se puede
loma r la diferencia ele las a bscisas del pun to Z (xr,; O) y del punto
N (xN ; - 1) de int.crsecc1n de la lnea t raza da con la recta u= - 1:
a = X L - XN {iig. JG).
NOTA :i . Cuan do se t ien e el pa pel es pecial no hay necesidad de
hallar las cua ntilas: sobre el eje correspondiente se marcan directamente las frec uencias relativas acum ulada~.
569. Suponga mos qu e el mtodo de diagra mas rectificados confir ma la hiptesis de distribucin norma l del conjunto
general X, es decir, los puntos (x; u) resultaron prxi mos a la
recta
x- a
U=-- ,
{T
322
a) Por qu como estimacin de la espnanza inatemt ca
a de distribucin normal se puede tomar la abscisa x 1, del
punto L de interseccin de la recta(*) con el eje O.x (fig. 16, a)?

b) Por qu como estimacin de la desviacin cuadrtica
media de una dislribucin normal se puede tomar la diferencia
de las abscisas xL - x,v (fig. 16, (J)?
so1.uc10N . a) En el punto L de intersec:cin de la recta (*)
con el eje Ox la ordenada u = O, y la abscisa x = x, (fig. 16, a).
Poniendo en la ecuacn (*) u = O, x = xL, obtenemos
=~.
(1
De donde a= X_.
b) Designa mas por N el punto de la recta (*) cuya ordenada
es u = -1; la abscisa de este punto la designamos por x,v
Sustituyendo las coordenadas del punto N en la ecuacin (*) ;
-1 = ~
.
(]
De donde
O'= a- XN,
Teniendo en cuenta que a= xL, finalmente obtenemos
(]=X, -
XN.
570. Del conjunto general X se escoge una muestra de volumen n = 100, dada en forma de sucesin de intervalos de
igual longitud y sus correspondientes frecuencias n1 (n 1 es el
nmero de variantes que caen en el -si mo intervalo). En la
tabla 25 se da la distribucin emprica.
Tabla 25
N,\mcro
del 111
tervalo
1
2
3
4
l.lmllt>S ((('(
lnterv:,lo
Frecuen
cla
Nmero
del Inlcrvalo
-'t-1
1
1
1
1
3
.'
9
11
1
1
1
1
1
3
5
7
11
13
1
1
1
1
10
JO
",-1 1
rn
1
15
17
)9
1
18
11
Prccuen
eta
Lfmlle:s de l
1ulnva lo
20
1
21
1
1
1
1
ni
"i
15
17
19
21
23
16
ll
1
1
n=lOO
21
32'.l
Se necesita; a) Por el mtodo de diagramas rectificados

verificar la hiptesis de distribucin normal del conjunto general X, b) estmar grficamente la esperanza matemtica y la
desviacin cuadrtica merl ia de X.
s0Luc10N. a) l ,
Componemos la tabla de clculo 26.

Tab la 26
N me-
E x trf'!mo
ro del
i nlerva lo
derech o
",
fre- Frecuencia
c. ueu -- ~tu mu l ada
del in fer vnlo
F recuenc ia
re latl va lll.
acumuladn
r ia
~' ''r
11
p .~
1
FrecuetJc la
Cuan-
re la ti va ac u1n11 lada elJ %
'\ n
L r
0
'\
-,-.-
ti la&
"P
100
r "" '
2
3
5
6
7
8
9
10
11
l
1
5
1
'T
1
1
1
1
1
1
1
1
1
11
13
1
1
15
JO
19
21
23
1
1
40
61J
1
J1
76
8i'
94
7
1
5
1
0,02
0,06
0,12
20
12
22
18
16
1
17
;
1
1
1
1
1
l
1
99
1
0,22
0,40
12
1-1,175
22
1 -0 ,772
40
1-0,253
(\()
0,76
76
1
87
0 ,87
1
0,94
- 2.054
1 - 1,555
0,6U
94
0,99
99
1,00
100
100
1
1
1
1
0,253
0,706
1, 126
1,555
2, 326
3,09
Las cuantlas para la columna 7 han sido tomadas del

suplemento 9.
2. Marca mos en el sistema de coordenadas cartesianas los
puntos (x Up 1) (fig. 17) . Puesto que los puntos marcados se encuentran prximos a la recta, no hay porque rechazar la hiptesis de distribucin normal de X. En otras palabras, los
datos de la muestra concuerdan con esta hiptesis.
324
b) Halla mos grfica mente la esti macin de la esperanza

matemtica y de la desviacin cuadrtica media de la distribucin nor mal supuesta.
Como estimacin de la esperanza ma temtica a tomamos
la abscisa xL = 12, J del punto de interseccin de la recta
trazada con el eje Ox..
llp
3 5
15 17 fg 2 f 2.i
!,f((J;-f}
O '"',ZL = f2.f
"-"2.j_-XN=fZ,t-8~4,f
-----
Fig. 17
Estimamos a, para lo cual trazamos la recta u = - 1

por el punto M (O; -1) del eje de ordenadas hasta cortar la recta trazada en el punto N; bajamos del punto N una perpen9icular al eje Ox; Ja abscisa de la base de esta perpendicular
es xN = 8. Como estimacin de Ja desviac.ion cuadrtic.a
media tomamos la diferencia de las abscisas <T = xL - x,,, =
= 12, l - 8 = 4, 1. Est claro que las estimaciones obtenidas son aproximadas. En realidad, a =: 12,04 y cr =- 4,261.
571. Del conjunto general X se escoge una muestra de
volumen n = 120, Ja que est dada en for ma de una sucesin
de intervalos de igual longitud y sus correspondientes frecuencias (tabla 27).
325
Tabta 27
Nmero
del In
" 1-1
2
3
Frec.uen-
Limites <Je l
lut.cr\'al o
tervalo
1
1
-"
10
10
15
15
20
25
20
1
l 30
1 25
r ia
1
1
1
1
Nmero
del i ntervnlo
n,
15
18
Intervalo
xi-1
23
J'"recucn-
Umlles <le\
1
1
30
35
40
45
1
1
1
1
1
cia
xt
35
40
45
50
11
1
1
1
1
19
14
JO
6
n= 120
Se necesi ta: a) verificar la hiptesis de distribucin normal de X, por el mtodo de diagramas rectifica dos; b) estimar
grficamente la esperanza matemtica y la desviacin cuadrtica media de X .
0BSERVAC101'1 . Emplese la siguiente tabla de cuantilas:
frecu,~ ncia
rela tiv a
ac umulada , %
5,8
12,5
25,0
41\ Q 59, 1 75,0 86,6 95 100 ,
cuantilas
- 1. .57 -- 1, 15 -0,67 -".,,25 0,23 0, 67 l, 11 l ,6 3,09.
Respuesta a) La hiptesis de distribucin normal de .X

concuerda con la muestra; b) a= 27,5; (J = 10,4.
572. Del conjunto general X se extrae una muestra de volu men n = 100, dada por Ja tabla 28.
Tab la 28
Nmero
Llmi les del
del ln
i
2
3
4
x,-1
1
1
1
1
326
1(i
2&
36
1
1
x,
16
1crvalo
fl.i
2G
46
16
15
1
1
xi-t
46
1
36
1
CIII
frecueneta
Lmit es del
i nte rvalo
Fm~~ del
Omuo
.
!n-
interval o
fervalo
'
1
1
56
66
76
1
1
1
x,
56
66
76
86
fl
1
1
1
1
35
6
5
8
n= \ 00
Se necesita verificar la hiptesis de la distribucin normal

de X por el mtodo de diagramas rectifica dos.
onsERV Ac10N
Utilicese la siguiente labia de cuantilas,
Frecuencia
relativa
acumu!,Hla, % 8
24
31
46
81
87
92
100
cuanti las
-1,405 - 0,706 -0,496 - 0, 100 0,878 J, 126 1,405 3,09
Respuesta. La hiptesis de la distribucin normal de X

no concuerda con la muestra.
B. Da tos no agrupados por Intervalos
Supongamos que la distrib ucin emprica de la muestra est
de.da en forma de una s ucesin de variantes x dispuestas en orden
creciente, es decir, en forma de serie de variacin y sus corres pon
dientes frecuencias n, Se necesita verificar grficamente la hipksis de la distribucin normal de X.
REGLA 2. Para verificar por una muestra de volumen rt no
agru pada por intervalos la hiptesis sobre la distribucin normal del
con junto general X, de la que se ha escogido la muestra, ha y que:
l. Componer la tabla de clculo 29. In mediatam<:'rtte sealemos
que, al llenar la col umna 4 de la suma de frecuencias se r<.'sta{; los

valores de las cuanl ilas para llenar la columna 7 se hallan por la
tabla del suplemento 9.
Tabla 29
1
Frecuencia
relot i ...a
acumulada
Frecuencia
rclal.iva
acumulada
en%
- -- N~mefO Varan- f'rede vate

cuenc!a
r lante
Frecuencia
acumulada
'
Cuanlilas
ni
N =
~n,r=l
'F*(x} =
-
P,=
= F* (X) 100
Upl
fl
-2
2. Marcar en el sistema <le coordenadas cartesianas los punto:;
(x1, u), (x 2 , u.a), .. . , (x1;, uh) (para si mpleza de la notacin se ha
omiti do la p de la u). Si estos puntos se encuentran prximos a una
cierta recta ( en el caso de que la hiptesis sobre la J1stri bucin normal

del conjunto general X se satisface, la ecuacin de esta recta es
327
u~ x-x ) , uo hay porriuc rechazar la hiptesis sohrela distribuciu

<1m
norm al dd conj1111 !.o ge neral X; en caso contr ario la h iptesis se rechaza.
NOiA 4 Lis 11<>las 1-3 r x1rn~slas antes para la muestra agru pada
pir iutervalos 1',-:,n5ervan su valide-i.
573. Del conjunto general X se escoge una muestra de volumen n = 50, no agrupada por intervalos (en la primera lnea
se indican las variantes, en la segunda, las correspondientes
frecuencias):
Xi
n1
Xt
ni
n;
X
11 i
1,52 1,6,3 1,09

1
1
l
1,99 2,0i' 2, 12
;1
1
1
2,40 2,44 2,47
3
3
1
1
2,7 1 2,74 2,78 2,8()
1
1
2
1
1,40
1
J,08
1
2,36
2, 16
1,78
1
2,20
2,23 2,26 2,31
1,73
2
1,89
1
2,52 2,55
j
1
1
2,93 3,02 3,30
1
2
l.
2,50
1,92
1
1,95
1
1
3
2,60 2,64
l
3
Hay que: a) verificar la hiptesis de la distribucin normal de X por el mtodo de diagramas rectificados; b) esti mar
grficamente }a esperanza matemtica y la desviacin cuadrtica meda de X
l1
2,5
z
1
t,40
1,O
2,50 2/flJ
-1
.J,00
J,20
""Xl.=230
6..,zrr.v=2,30-t,go-o,40
-z
-2,5
Fig. 18
l. Componemos la tabla de clculo 30.

2. Marcamos en el siste ma de coordenadas cartesianas los
puntos (xt, U ) (fig. 18). Como los puntos marcados estn pr
sowcror-i
328
Trrbl,i 30
1
,j
Nnl<'ro de
\' :lfj;31\
t j anl<'
Frt>cucn-
Fr~11 enci a
ac umulada
1
F rcc. ueuc,a
n-ln ti va
fP'CUC ltl ir.1
Vts.-
---- - le
ci a
--;
-- - - -i
ni
ilCU t1111 \ada
t ct,:,h va
,1~nm11l ndn
'' JI ~
C::u;rnt.i la s
I' "~ F*(.t:

JOO
UP
N. =
'
1 F (x j _ Ni
=~"r -y
11
r= I
l
2
1,40
1.52
1
1
;{
1,63
l ,69
l, 73
l ,78
1
1
2
l
56
7
R
9
JO
11
l:l
1:1. 14
15
16- 1.q
19-20
21
22
2a
24-2(;
27-29
30-32
33
l ,R9
1,9:l
1,9.)
l ,tl~
1,99
2 ,o:~
:2,07
2. 12
2, J(i
1
1
2
1
:;
1,5
2,5
3. l
f> 15
t3,5
7,f)
8 ,5
9 ,5
10, ;,,
11,5
13 , fi
14,:S
17 , ;-',
ltt ,5
2,21)
2
1
20,5
2,2;{
2 , 213
1
1
2 1,5
22 ,:;
2.a1
;~
2S, l
2,36
2,40
2,44
2,47
2 ,f,O
35
2,52
36
2,55
37
2,60
:38
39.4 1 2,64
2,71
42
2, 74
43
44.45 2.78
2,86
46
47-48 2,93
49 :3 ,02
:uo
50
34
(}.;:;
:.
l
1
1
1
1
1
3
1
1
'.l
1
2
1
1
28, 5
3 1,5
32 ,5
3.{ .5
34,5
35,5
;1(),5
37, 5
40,5
4 1,5
(). () 1
o,(n
(1, (\f>
!i
7
11
J''
,)
0 ,07
O, 11
1:
0 . l !i
O , 17
o, 19
n,2 1
1) , 2,1
0 . 'l.i
0 .2\1
o.
15
17
19
21
2J
27
2,)
() .. lf>
(\ .if.1
,\;,
O,4 1
() ' 4.'$
41
0,4::,
ff>
U,!'d
Cl .f,7
o. n:i
0 ,65
o,f)'j
,:i(l
0)
E,7
c,:1
fi5
() ,ii<..l
67
69
0 ,71
71
.~{
0,75
i5
0 ,81
81
7:~
0, R3
e,:
42,5
0,85
85
44,5
45 ,5
47,5
48,5
49,fi
0 .f)
~\)
O.'H
<J l
--2,:126
- 1,f\RI
- l,64
- l , 471i
- 1, 227
- 1, 126
. 1,03f$
- 0 ,%4
- 0,878
0 .80G
...o.w:i
- 0.131 :{
- O,5J
- -0,385
- ,279
- 0,228
_..(), 17(3
...o. 126
0,02!",
0.176
0.332
0.385
0,44()
0,496
0,55,1
0,6)3
0,6i4
0,878
0.954
1,036
1,227
J ,'.34 1
91",
ir
.. ,
l ,45
0, 97
0 .'J~
')9
,88 1
2,326
0, %
ximos a la recta, no ha y porque rechazar la hiple.s is de la

d istribucin normal de X; los datos de la muestra concuerdan
con esta hiptesis.
b) Utilizando la fig. 18 hallamos grficamente la estimacin de la esperanza matemt ica y la desv iacin cuadrtica
media <le la d istribuc in nor mal supuesta.
Como estim acin d<' la esperanza matemtica a tomamos
la abscisa Xi. = 2,30 del punto L de interseccin de Ja rect a
trazada con el eje Ox.
Esti ma mos a, para ello trazamos por el punto M (O; - !)
del eje de ordenada.s la recta u = -1 hast a corla r la recta
trazada en el punto N; bajamos desde el punto N una perpen(!icular al eje Ox; la abscisa de la base de esta perpend icu lar
e,. X:,; = , 1.90. Como esti macin de la desviacin cuadrtica
111edia u tomamos la diferencia de abscisas:
(T
Xc . -
X..,:=
2,30- ],9Q
= 0,40.
574. Del conjunto general X se escoge una muestra de volu men 11 = 50 (en la pri mera lnea se indican las variantes,
y en la segunda, las correspondientes frecuencias):
Xi - 20,0- 17,i.1 14 , I . . JJ/, --- 10,5
1
1
ll
l
1
,!;
- 4 ,0 _ ;{,O .. 1.5 - 1,0
1
l
1
1
1
ni
r>,O li,(J
6,5
4.0
4.5
1
l
1
2
n
2
12,.:, u,o 14 ,0 14,5
12,0
Xc
1
1
1
l
l
ll
23,5
X
'
x,
ltf
9,0 -8,0 -6,5 l

J
1
0,5 l ,O 1,5
2
2
1
7,0 7,5 8,5
2
2
2
17,0 18,0 19,0
1
l
l
5,5
1
2,0
2,5
1
9, 5 10,0 10,5
1
1
l
19,5 21 ,0
1
1
1
l.
Hay que: a) veriicar la hiptesis sobre la distribucin normal del conjunto general X por el mtodo de diagramas rectificados; b) estimar grfica mente la esperanza matemtica
y la desviacin cuadr tica media de X.
OBSERVAC10N Utilcese la siguiente tabla de cuantil as
(en la pri mera lnea se indica la frecuencia relativa menos
~ en %, y en la segu nda ,"_ las correspondientes cuantilas):
1
;~
~.
7
9
1J
13
15
-2,:326 - 1,ti&I - -1,645 -- 1,476 - 1,a4I -1,227 -1,126 -l,036
17
19
21
:B
25
27
Jl
3:3
...0,954 O. ~T8
0.80C,
0,739 - 0,674 - 0,6 1:~ - 0,496 - 0,440
35
:l9
41
4.'~
47
49
G3
55
- 0,385 .. 0.279
30
0,228 0,176 - 0,075 - 0,025
0,075
0,126
57
O, 176
79
0,806
61
0,279
65
0,385
81
83
95
97
0,878
1,881
1,645
0,954
G9
0,496
85
1,036
.., ...
71
0,553
I i~
0,G J;i
89
87
1,227
1,126
75
0,1374
91
U41
77
0,7;19
93
1, 476
99
2,326
Respuesta. a) No hay porque rechazar la hiptesis sobre

la distribucin normal <lel conjunto general X ;
b) a = 4, 16; o = 9,8.
14. Verificadn de la hiptesis de la distribucin
exponencial de un conjunto general

Dada la distrib ucin emprica de la magn itud aleatoria continua X en forma de sucesin de intervalos Xt - - X+ 1 y sus correspondientes frec uencias n; adems 2,jni = n (vol umcn de la muestra)
Hay que verificar la hiptesis de que la magnitud aleatoria X tene
distribucin exponencilll, utilizando <'i cr1t1::no de Pearson.
REGLA. Para vcr ficar a un nivel de significacin prefijado o:
la hiptesis de la distribucin de una n1agr11tu <l aleatoria continua
por una ley exponencial, hay que:
l. Hallar la media muestra! Xm por la d i!;tri bucin em prica
prefijada, para !o cual, toman do como representante del -smw
intervalo su centro xf = X \Xi+I , se fo rrna la -~ uc.e.si(m de variante'>

equidistan tes y su.s correspondientes frecuenc ias.
2. Tomar como estimacin <le! parmetro 1,. de !a di:,trib ucin
exponencial la magn itud inversa a la rnedia mur:stral:
l
A*=-=- .
Xm
3. Hallar las probabilidadt>s de que X ca iga cu los intervalos

parciales (x, x+1) por la frmula
-'/,,x ,
P=P Xt <X<X;+1)= e
4. Calcular las frec ucncias tericas
donde n
-e
-}.-r;. 1
i+.
l;n es el volumen dc la n11J1.stra ..

5. Com parar las frecuencias emprica!'. y tericas por el cri terio
de Pearson, tomando d nmero de sradm, de l1b<:rtad k = s - 2,
dondes es el nmero de intervalos imc1ales de la muestra; si se unieron
las frecuncias poco numernsas, y, por ct111s1guie11 te, tambin lo:. propios intervalos, ten dremos que.se~ el umern <le lnh,rv~lo:; que quedan
despus de la uni n .
575. Porqu al verificar la hiptesis de la distribucin

exponencial de un conjunto general por el criterio de. Pearson.
331
el n mero de grados de libertad se determina por la igualdad
k = s - 2, donde ses el nmero de intervalos de la muestra?

0
so1.uuoN Al utilizar el criterio de Pearson el nmero de

grados de libertad k = s - 1 - r, donde r es el nmero de
parmetros, estimados por la muestra. La distribucin exponencial se determina por un parmetro J... Pue.... to que este parmetro se estima por la muestra , entonces r = 1 y, por lo tanto,
el nmero de grados de libertad es k = s - 1 - l = s - 2.
576. Como resultado de la prueba de duracin de trabajo de

200 elementos se ha obtenido la distribucin emprica expuesta en la tabla 31 (en la primera columna se indican los intervalos de tiempo en horas. en la segu nda columna, las frecuencias, es decir. la cantidad de elementos que han trabajado el
tiempo entre lo!i lm ites del correspondiente intervalo).
Tabla JI
,1t
'K--X i+ (
1
O- r>
~-Xi+1
1:s3
15-20
4r
20--2[,
15
25..-3Q
...,.
j(l
J0 ... 5
ni
l
!
2
1

hiptesis de que el tiempo de trabajo de los elementos est
distribuido por una ley exponencial.
sowc10N. !.Hallamos el tiempo mediode trabajodetodos
los elementos (como tiempo medio de trabajo de un elemento
se toma el centro del intervalo al que pertenece el elemento) :
- = 1332,5+457,5-!
Xm
15,12,5+4 17,5 +222,5+ 127,5 =~= 5

200
200
'
2. Hallamos la estimacin del parmetro de la distribucin exponencial supuesta:

11. =.: ~
Xm
332
= 1. =0,2.
5
De este modo, la funcin diferencial de la distribucin exponencial su puesta tiene la forma

f (x) = o,2e-0,2.x. (x > )
3. Hallamos las probabili dades de que X ca iga en cada
uno de los intervalos, utilizando la fr mula
P = P(xi <X < xi +i) = e-"-' - ,_, -'"+1.
Por ejemplo, para el primer intervalo
P1 = P (O < X< 5) = e-o,2-o_e-0,2-r, - 1 _td ~"'
1 - 0.,3679 ~- 0, 632 I.
Anloga mente ob tenemos las probab llidl iles de que X caiga en los dems intervalos:
P2 = 0,2326; P3 = 0,0855; P4 = 0,0315; P. = 0,0116;
p6 = 0,0043.
4. Encontramos las frecuencias tericas
n1. - n P1= 200 P1.,
donde Pi es la probabilidad de que X caiga en el i-simo intervalo .
Por ejemplo, para el pri rne.r intervalo
ti=-= 200 P1 .,..,. 200 0,6321 "::126,42.
Anloga mente obtenemos las restantes frecuenc ias tericas:
n; = 46,52; n; = 17, 10;
11; = 6,30
n; =- 2,32; n;, = 0,86.
5. Comparamos las frecuencias empricas y tericas por el

criterio de Pearson, para lo que componemos la tabla de clculo 32; adems, unimos las frecuencias poco numerosas (4 +
Tabla 32
i
ni
n.
n-nl'
133
45
1213,42
15
46 ,52
17, IO
9,48
6, 58
-1,52
- 2, 10
-2,48
~ j n = 200
(11 -
( 11 -
n) 2
2, 3104
4 ,4IOO
0,3425
0,0497
0,2579
6. 1504
0,6488
43. 2964
x.~hs ..,
")
";.'
l ,30
+2+ 1 =
(6,30
2,32
7) y sus correspondientes frecu encias tericas

+ 0,86 = 9,48).
NOTA. Para simplificar los clculos en el caso de unir las

frecuencias poco numerosas conviene unir los propios interva los, a los que pertenecen las frecuencias poco numerosas,
en un intervalo As, en el problema con~derado, uniendo los
ltimos tres intervalos, obtenemos un solo intervalo (15; 30).
En tal caso, la frecuencia terica es
n~ =
,i .
P (15 < X < 30) = 200 0,0473 =-- 9.46.
En la tabla se <la la suma de las frecuencias tericas correspondientes a los lti mos tres interva los, igual a 9,48; la
pequea divergencia de los resultados se debe al redondeo de
los nmeros.
De la tabla 32 hall a mos X~bs = 1,30.
Por la tabla <le puntos crtkos de la distribucin X,2 (suple.mento 5), segn el nivel de significacin a. = 0,05 y el
nmero de grados de libertad k = s - 2 = 4 - 2 = 2, hallamos el punto crtico de la regin crtica de derecha
~r (0,05; 2) = 6,0.
Puesto que X~hs< X~r , no hay porque rechazar la hiptesis de Ja distribucin de X por una ley exponencial. En otras
palabras, los datos de las observaciones concuerdan con esta
hiptesis.
577. Como re8ultado de la prueba de. 450 lmparas se obtuvo la distribucin emprica de la duracin de encendido, que
est expuesta por la tabla 33 (en la prirnera colu mna se indi
can los intervalos de tiempo en horas, en la segunda columna,
las frecuencias, es decir, la cantidad de lmparas, cuyo tiempo
de encendido est comprendido entre los lmites del corres
pondiente intervalo).
Tabla 33
n,
xi - x i+1
1
0-400
400-800
800- 1200
1200- 1600
.;:,,J4
121
95
76
56
l)
nt
X - X+f
1
160() .... 2000
2000-2400
2400- 2800
45
36
21
n -= 450
Para el n ivel de significacin 0,01 hay que ver\ficar la

hiptesis de que el tie mpo de encendido de:' las hi mparas e::.t
distribuid o por una ley expone11cial.
Respuesta k = 5;
Xm =
0,001; la:s frecuencias

99,45: 66,64; 44,68,
29,97; 20,07; 13,46; zih,, - 36, 43 ; xir (0,01;
5) = 15, l . Se rechaza la hipk~is de la distri1000; "'
tericas son: 148,:f;

bucin exponencial.
578. Como resultado de las pruebas de 1000 elementos del

t ie mpo de t rabajo sin fallo se ha obtenido la distribucin
emprica expuesta en !a tabla 34 (en la primera colu mna se
ind ican los intervalos de tiempo en horas; en la segund a columna, la frecuencia ni. es decir, la cantidad de elementos que
fallan en el i-simo intervalo).
Tabla 34
nt
X - xi+I
0- 10
10- 20
20- 30
30- 40
365
245
150
100
"z
X - ~ i+ (
11
40- 50
70
50- f.:iO
60- 70
25
45
n = 1000

bipte!-is de la distribucin del tiempo de trabajo sin falio
de los elementos por una ley exponencal.
Respuesta. ll = 5; Xm = 20; A = 0,05: las frec uencias

te6ricas son: 393,47; 238,65; 144,75; 87,79;
53,26; 32,29; 19,fi9; ~b.'\ =- 11.10; xir (0,0 1;

5) = 15, 1. No hay porqul' rechaiar la hptesis
ele l a distrib ucin exponenral del tiempo de
trabajo sin fall o de los el ementos.

579. Como resu ltado del registro del tiempo de llegada de
800 visitantes a una exposicin (co mo origen del recuento del
tie mpo se toma el instante de apert ura de la exposicin),

se ha obtenido la distribucin em prica dada en la tabla 35
(en la primera col umna se indica n los intervalos de"tiempo:
en la segunda, las frecuencia s, es decir,lla canti dad detvisitantes que han ll egado durante el correspondiente intervalo).
Tabla 95
' - .t'i+I
..
'1 -
259
1-2
2--3
3-4
,..i +t
lb?
4-5
5- G
109
71
7-8
fi- 7
''i
70
47
40
34
Para el nvel M s ignificacin 0,01 hay que verificar la

hiptesis de ciue d tiempo de llegada de visita ntes a la expos icin est distribu ido por una ley exponencial.
6; Xm - 2,5; A = 0,4 : las frecuenci as tericas son; 191,76; 176,80; 118,48; 79,44; 53,28;
35,68; 2.3, 92; 16,00; ',1.Js = 65, 1; Xir (0,01;
6) ,::... 16,8. La hiptesis de la distribucin
exponencia l se rechaza.
Respuesta k
15. Verificacin de la hiptesis sobre
la distribucin de un conjunto general

por una ley binomial
Se real izan II cxpcn mentos. Cada c.1qierimenlo .se c<)Jn ponc de N
pruebas independientes, d l .::ada una d<.> las c1.ialP.s la probabilidad de
que aparezca el suceso A es la misma. Se regi.stra el nmero de apariciones del suceso A en cada experimento. Como res ul tado se obtiene la
siguiente distrib ucin de la magnitud aleatoria discreta X, o sea, del
nmero de apariciones del suceso A (en la pn me ra linea se indica el
nmero x; de apariciones dt:1 suceso A en un experimento; en la segunda
lnea, la frecuencia 11 ;, es decir, d nm rro de experi mentos en los que
se registran X apartcione.s del suceso A):
-"
O
rt; n 0
n1
2
ni
. .
"N
Hay que ve rific11r la hi ptesis de la distribucin de la magnitud

alea toria discreta X por una ley binomial, util izando el cri terio de
Pearson.
~EGLA. Para ven ficar. a u11 ni ve! de ~,gnifirnrn a, la hiptesis
de que la magui tud aleatc,ria discreta X (nmero de apariciones del
~uceso A) est <fr;trr bui d.i por una ley binom ial, se de be:
J. Hallar por la frmula de Bernoulli las probabil idades Pi
de aparicin exactamente de;. rncesos A en N pruebas (i = O, !, 2, ... ,s.
dondes es el n m!'rr, m ximo de apariciones observadas del s uceso A
<=11 un c,xper imento, rs deci r, s = N ).
2. Hal lar las frecuencia'., terc<l,;

donde 11 t:S PI nmc:ro d<' experimento/\.
3. Comparar l~s frecuenci as cmpiricas y tcor 1CM, pr,r el criterio
de Pearnon, tom.imf el n mlro de grados d(: libertad k = s {en este
caso se su pone JU la probalii lldad p de aparlc1611 del [!luce.so A cstii
prefij:ida, ~s decir, no se estim por la muestra y 110 11e w 1leron las
frccu nci as poco numerosas).
Si la probabilida d p fue estim ada por la rnuc~lra, euton(;e'>
k = s - J. Si, adems, se unieron las r1:c uncia, r,c:<1 11umero!.a;,,
tendremos que ses <il ruirnero de grupos de la rnue~tra que: quedan
despus de un ir las fr rcuencias.
580. Se realizan n = 100 experimentos. Cada experimento

se compone de N = 10 pruebas, en cada una de la.s cuales la
probab il idad p de aparici6n del suceso A es igual a 0,3. Co mo
resultado se obtiene la siguiente distribucin emprica (en la
primera lnea se indica el n mero X i de aparcones del suceso
A en un experimento; en la segunda lnea. la frecuencia n 1,
es decir, el nmero de experimentos, en los que se obseryaron
X; aparic iones del suceso A):
~t O
1 2
3 4 5
n 1 2 10 27 32 2J b.
Se necesita verificar, para el nivel de significacin 0,05,

la hiptesis de que la magnitud aleatoria discreta X (nmero
de apariciones del suceso A) est distribuida por una ley binomial.
sowccoN. 1. Hallamos por la f rmula de Bemoulli
P == P;v (i) = C~piqN-,.
las probabilidades P 1 lt = O, l. 2, 3, 4, 5) de que el suceso
= JO pruebas exactamente i veces.
Teniendo en cuenta que p = 0,3, q .,. . I -- 0,8 = 0,7,
obtenemos:
A aparezca en N
Po= Pu, (O)=- O, 7 10 = 0,0282;
P1 =- P 10 ( l ) = 10 0.3 X 0,7 = 0,1211.
Anloga mente hallamos: P '1 = 0,23.35; P ;$

= 0,2001; Ps = 0,1029.
2. Hallamos las frecuencias tericas
ni ""'"' nP,.
22- 0540
0,2668; P 4
Tomando en consideracin que ,i = 100, obtenemos:

n:i-'-2.82; n; " 12,1 1; n; =23,35; n;=26,68;
rt~
= 20,0 I;
n; = 10,29.

criterio de Pearson, para lo cual componemos la tabla de clculo 36. Puesto que la frecuencia n 0 = 2 es poco numerosa
(menor que cinco), la llnmos con la freciencia n1 = JO y en la
tabla escribi mos 2
+ 10 , . . ,.
12; como frecuencia terka, co-
rrespondiente a la frecuenc ia unificada 12, escribimos la suma

n; = 2,82
de las respect ivas frecuencias tericas: n:i
-1- 12,11 == 14,93.
Tabla 36
il
12
27
32
2
'..I
n(,
4
5
lt -:
'
"t
ll- "'
lL9:3
:l3,J5
:f3,68
'.Z0,01
10,29
-2 ,93
(11 ; -
ln - r1 12
,,.;) 2
3 ,65
8,5849
0,5750
13.3225
5.32
28,:3024
0,5706
2,99
-- 4,29
1,0608
0,4468
8,9,101
18,4041
1,7880
'l.~b5 - 4.44
100
1
De la tabla 30 encontramos X~b~ = 4,44.

Por la tabla de puntos crticos de la distrib ucin x2 , segn
el nivel de significacin a = 0,05 y el nmero de grados
de libertad ll ~, 5 - 1 = 4, hallamos el punto crtico
de la regin critica de derecha X~r (0.05; 4) ~" 9,5.
Puesto que X~1>s < X~r, no hay porque rechazar la hiptesis de la distribucin binomial de X.
581. Cuatro monedas fueron arrojadas simultneamente
100 veces. La distribucin emprica de la magnitud aleatoria
discreta X, o se;:i, del nmero de apariciones de la cruz, result la siguiente ('n la pri mera lnea se indica el nmero X
de cruces cadas en un slo arrojamiento de las monedas; en la
segunda lnea, Ja frecuencia n, es decir, el nmero de arrojamientos en los cu ales cayeron Xi cruces):
.r,.
11
3;J8
O l
2
3 4
8 20 42 22 8
Hay que verificar, para el nivel de significacin O.OS, la

hiptesis de que la magnitud aleatoria X est d.,tribuida por
una ley binomial.
ossERVAG10~. Tmese la probabilidad de cada de la cruz
p = 0,5.
Respuesta k = 4; las frecuencias tericas ~on: 6,25; 25,00;
37, 50; 25,00; 6,25; 'l.,\ s =-..o 2,88; X~r (0,05.
4) = 9,5. No hay porque rechazar la hiptesis de la distribucin hinom ial de X.
582. La seccin de control tcnico verf ica n = 100 partidas de artculos de N = 10 articulos en cada partida y obtiene la sigu iente distribucin emprica de la magnitud ale.atoria discreta X. es decir, del nmero de artculos no estndares (en la primera lnea se ndic.a el nmero x 1 de artculos no
estndares en una partida; en la segunda lnea, la frecuencia
n , o sea, la cant idad de partidas que contienen x 1 artculos
no estndares):
X
2 3
10
22 26 20
6
12 5.
Hay que verificar, para el nivel de sign ificacin 0,01, la

hiptesis de que la magnitud aleatoria X est distribuida por
una ley binomial.
ossERvAc10N. l. Himese al principio la frecuencia relativa
de aparicin de los artculos no estndares y tmese la misma
como estimacin J'' de la probabilidad de que el articulo
tomado al azar rC'sulte no estnda r.
2. Al co mponer la tabla ele clculo pa ra comparar laf> frecuencias emp iricas y tericas por e-1 criterio de Pcarson, nase
las frec uencias empricas (2 + 3 = !5) y sus respectivas frecuencias tericas (0,60 + 4,03 = 4,63) , t~ngasc en cuenta
que, despus de unir las frecuencias, el n(unt>ro de grupos de
la muestra es s ,,...,. 7.
3. Puesto que un parmetro (la probab11 idad p) se estim
por la muestra, al determinar el nmC'ro de ~rados de libertad
se debe restar de s no va la un dad, sino do:,: k = s - 2 =
= 7- 2 = 5.
.
Respuesta p* = 0,4; k = 5; las fre.cuenci as tericas son:
0,60; 4,03; 12,09: 21,50; 25,08; 20,07; 11, 15;
4,25; Xlbs = 0,63; YJr (0,01 ; 5) = 15, l. No
hay porque rechazar la hiptesis de la <listribuc.in de X por una ley binomia l.
0
58:1. En una bibl ioteca se escogen fortuita mente 200 muest ras de 5 libros cada una. Se registra el n mero de libros en
rnal e')tado (rayados. tachaduras, etc.) . Como resultado se
obtiene la ~igu ienle d istril>uci6n emprc:a (<>H la primera lnea
se indica el nmero xi de libros deteriorados en una muestra;
en J segunda lnea, la frecuencia nt, es deci r, la cantidad de
nmeslra.s (lll<' cont ienen X; 1i bros dclcriora<los):
O
,3
72
,,
34
14
l.
'-,
11
Utilizando el crit erio de Pearson hay que verificar, para

(~! nivel de sign ificar.in 0,05, la hiptesis de que la magnitud
aleatori a clisc:reta X, es decir, el nmero de libros deteriora-
dos, e..st distribu ida por una ley binorni~I.

0 1,5ER\' .,c10N. Tngase en cuenta las obscn aciones del problema 382.
Respuesta p* - 0,2; k = 2; la:::. f recucncias tericas son:
65,.54: 81,92; 40,96; l0,24: 1.28; 0,06; yJ,bs =
- .~.6S; 'X}r (0,05; 2) = (, ,O. No hay porque
reclrnw r Ia hiptesis de la d is tri bue in de X
por una lc>y binomial.
la distribucin uniforme de un conjunto general
Dada la distn buc1n emprica de la magnitud aleatoria cont i nua X, en froma dl: u 11a s uct'sin s de intervalos x;_1 - xi v sus correspt.,ru:lientes frecuencia s nt; al mismo tiempo, .n 1 = n (volumen de la
muestra), hay que vcrff1ca.r la hiptesis de que la ma gnit ud aleatoria X
est distribuula uniformemente utilizando <?l criterio de Pearson.
REGLA.
Para veriitl!ar la hiptesis d e la distri buc:1 6n uniforme
de X , es decir, pur la ley
f (.x ) -
f ,.I.en el
u- a
intervalo (a, bj,
O fuera del intervalo ta, bi

hay q ue .
l. Estimar los p rarnct.ros a y b, extremos del intervalo, en el
que se Qi).s<'rvar,:,11 le,', valore<. pos! bles \' X por las frm ulas
cstimal'ione!> de l(,~ pa riim dro~ se designan por a* y b*,i:
a*=.lm- l/3oru,
b =xm+ 'Vsvm.
2. Hal la r la func1f'Jn dikrc11cial de la dislrr b ucin s upuP.~ta
..
f(X) =
340
l
b*-a*
(las
a.
Hallar las l'rec uencias tericas .

1
n1
'=nP 1 -n -[f(:i:)(x 1 -a*)J= 11
, (x - a*J;
tl* - a' 1
n~.:.-- n.;~-.. . = n;_1 = n- b*~ a*

(1 =2,
(X,.- , ,_)
3, ... , s-1);
1
" r1
--s -n . b* -a* (b * ---~-
11'
4. Comparar las frecuencias empricas y te<'.irlca.~ por rl criterio de

Pearson, to ma ndo como nmero de grados de !1 hertarl k = s - 3,
dondes es el n mero de in tervalos, en los que <'.5bi d 1v 1dida la muestra.
584. Por qu los parmetros a y l.> de la magnitud aleatoria

X uniformemente d ic:;tribuida se esti man por las fr mulas a"' =
= Xin - - f3 0'1r1 , b* = Xm--- Vr3 Uw?
sowc10N.Se .sabe que, co mo estimacin <lela esperanza
matemt ica y de la desviacin cuadrt ica mccli a de la magni tud aleatoria X . se pu eden tomar respectiva mente la medi a
muestra\ .\'.n \: la desviacin ct1adntca med ia muestra! <im,
Se sabe ta 111bin que (cp VI, problemas 313, 315), para la
distribucin uniforme de la esperanza malemtica y de la desv iacin cuadrtica media son respecth-a mente igua les a:
(X _
) -- -,-- b ,
r
.Af
2
-./(b-a)2
11r
cr (X)=
D-()(
) -"' r
L
,
r
.
,2
b --a
=s--.
2 1/:3
Por eso, para estimar los par metros de la distri bucin unifor~
me obtene mos un siste ma de dos ecuacion es lineales
b* -1-a* b* !a* = X111,
{
l/3
=-= CT111
o bien
b* 1 a*,-- 2..t m,
{ b*- a* :, 2 i, 3 (lin
Resolviendo este siste ma, ob tenernos

1/-3 Oui,
a * =Xm-y
b* = Xm -f
l '3 Om,
585. Por qu al verifica r la hi pte<;is de la cftr ibt1cin

uni forme del conjunto general X por el <:rikn o d Pear.son . el
341
numero de grado::, de libertad se determina por la igualdad

k = s- 3, dondes es el nmero de intervalos de la muestra?
sowc10N. Al utilizar el criterio de Pearson, el nmero de

s- 1 - r, donde r es el nmero de
grados de libert ad h
par metros, est rnados por la muestra. La distribucin uni forme se determ ina por dos parmetros a y b. Ya que estos dos
par met ros se e,-:;timan por la muestra. tendremos que r = 2
y, por consiguiente. el nmero de grados de libertad es k =
00
= s-
l-
= s-
3.
586. Se realizan n = 200 pruebas. en el resultado de cada

una d0 las cuales el suceso A aparece en distintos instantes de
tempo. Corno resultado se ha obtenido la distribucn emp
rica expuesta en la tabla 37 (en la primera columna se indican
los intervalos de tiempo en minutos, en la segunda col um na,
las frecuencias correspondientes, es decir, el nmero de aparidones del suceso A en el intervalo). Hay que verificar la
hiptesis de que d tiempo de aparicin de los sucesos est
distribu ido uniformemente para el nivel de significacin 0,05.
lnt(ervrtl" ...
-1
Tabla .17
lntcrva lo
Fre~uenc1tl
~i-1 - - x f
:1
2-4
21
\f,
4 -G
1;
6-8
8-1 0
souJClON
.<i
22
"t
12-14
14
14-10
16- 18
21
22
20-22
23
18-20
26
lU--1 :2
X_- -
Frecuencia
18
I Halla mos las estimaciones de los parmetros
a y /J ele la di~tribucn uniforme por las fr mulas:

Pa ra calcub1r la media muestra! Xm y la desviacin cuadrt ica med ia muestral o-,.," tomamos Ios centros xt de los
intervalos como variantes, o sea, los \alores observados de X.
Como resultado obtene mos la distribucin emp rica de las
variantes Pq uid isiante~:
xt
11
342
.-l
21
16
11
1:3
15 2G
22
14
15 J7
2 1 22
19 21
18 25.
Utilizando, por ejemplo, el mtodo de los productos, hallamos Xm = 12,2 1, O'in = 5,8I. Por lo tanto,
a* "'- 12,21 - 1,73, 5,81 : . . :2. 16:
b* = 12,21 + 1.73,G,8 1 = 22,26.
2. Hallamos la funcin diferencial de la distribucin uniforme sup uesta:
.
1
f (x}-= h*-a*
l
. )C:
= z2,16 -2,16=II.I .,.
3. Hallamos las frecuencias tericas:
n; ~~ n f (x}(x1 -a*) = 200 -0,05 (4-2, 16} = 18.4;

n; = 200-0,0G- (x2 - x 1) ,,.,- J0-(6- 4) = 20.
Puesto que las longitudes de los intervalos tercero - noveno son iguales a la longitud del segundo intervalo, entonces
las frecuencias tericas, correspondientes a estos intervalos,
son iguales a la frecuencia terica del segundo intervalo, es
decir,
n; = n.~ = n~ ---= n; = n; ~""' n~ ., _.,. n; = 20;
n;0 = 200,0,05. (b* -X9) .,_ 1O (22,26- 20) = 22,6.
criterio de Pearson, tomando el nmero de grados de libertad
k = s - 3 = 10 - 3 = 7, para lo cual componemos la tabla
de clculo 38.
Tol>ln ,18
;.
"1
"
21
16
l:1
2
:1
4
22
f>
14
21
20
20
20
22
8
9
20
20
18
25
10
22,6
11;,2
11
(l, ;;7
( ,'ili
Jn,00
-4
- 5
20
(fl -
(11, - 11;,2
f;,
2,6
18,4
20
20
26
"i -
o.~o
:.m
l ,2fi
l ,t\O
0,20
G
2
;)I)
- G
;)(I
1,80
2
- 2
4
,1
0 ,05
0,20
0,20
S,7H
() '2:1
2 ,4
1
1
'
i.'.~1,c
6,92
343
De la tabl a de clculo obtenernos xebs = 6,92.

Encontramos por la tabl a de puntos crticos de la d istri
bucin y,,2 (suplemento 5), segn el nivel de signifcacin
o: ~ 0,05 y el nmero de grados de libertad k = s - 3 =
= 10 - .3 .,,-- 7, el punto c:rtico de la regin crtica de derecha
-Y1r (0,05; } = 14, l.
Puesto que 1},1o~ < xJr, no hay porque rechazar la hiptesis de la distribucin unifor me de X. En otras palabras, los
datos de las ob~ervaciones concuerdan rnn esta hi ptesis.
587. Como resultado del peso de 800 bolill as de acero se
obtiene la cli~tribucin e mprica expuesta en la tabla 39
(en la primera columna se indica d intervalo del peso en gra mos, en la segun<la columna, la frecuencia, es decir, la canti daci de bol illas, el peso de las cuales corresponde a este intervalo).
Hay que \'erificar la hiptesis de que el peso de las bol i\las
X esi distribui do uniformemente, para el nivel de significacin 0,01.
T t1b/11 J9
.fi- 1 -
x,.
22 .o. 2(), ;',

20 ,5-21 ,ll
21 ,0.-21, ;',
2! ,5-2::? Jl
22 , -22 ,5
:2~ .5-2,LO
.X_j -
23, 0--2;), 5
9J
7C,
'.~1
;-4
92
83
x,
'
11
;'<l
23 , 5-21 .11
73
24 ,il-2-:L ;";
24,5- 25,U
80
...
ti
J,
11= W1ll
11
Respuesia
in
<J'lll = 1,44; a* = 19,98; b* f (x) = 0,2; k ~ 7: X~hs _,. 4,38;

'l.1.r 0,01; ,} = 18,f>. No hay porque rechazar
=.::
22 ,47;
= ~4.%:
la hipk.,ds de la d istrib ucin uniforme de X .

588. En cierta regin se ha registrado durante 300 das la
temperatura mecha del aire. Como resultado de las observaciones se obtu vo la d 1stribuci611 emprica exp uesta en la l abia 40
(en la primera col urnna se indica el intervalo de la te mperatura en grados, en la ~cgunda colu mna . la frecuencia ni, es decir, la cant idad de das, cuya temperatura med ia diaria corres
ponde a este intervalo).
3H
Hay que verificar la hiptesis de qu( la temperatura media

diaria del aire est distribuida t1nformeme11le, para el nivel
de significac in 0,0.5.
Ta/J/a 40
X~-) -
.<?
'l
--
:I
:1
1
- 40-{-:\11)
-30-f-'Ll)J
2fi
40
3U
- 20-.. {- 101
~-...---
'10
.. 111
45
- LO-u
,,
'11

\ ~.' - 1
4G
10--::?11
:.1.1-:10
4,<3
26
J(I..... 41)
l.G; O"m = 21,31 ; a* - - 35,37: h* ="-- :38,:37; f (x) = 0,014; li - 5; xl,hs ,.-,. 7,75;
x;;,. (0.05; 5) = 11, 1. No hay porque rechazar
la hiptesis de la distrib11cin uniforme ele la
temperatura.
589. Durante JO horas se ha registrado la llegada de automviles a un surtidor de gasolina y se obtiene la distribuc.n
emprica expuesta en la tabla 41 (en la primera colum na <..e
indica el intervalo de tiempo en horas, en la segunda columna,
la frecuencia, es decir, la cantidad de autom6vi les que han llegado en este intervalo). En totaJ se ha regi$trado 200 autom\'i!es .
Hay que verificar la hiptesi~ de que el tiempo de llegada
de los automviles e:o;U1 distribuido uniformemente, para el
nivel <le significacin 0,01.
Respuesta
Xui .,,.
Tabla 41
"i - t - X
'
'il
.' i-J .. .
l i. i
8-9
9-l
12
10
13- 1,1
14- 1~
IJ
10-l l
2:l
15- 11.,
33
JJ - 12
l f,
18
12-13
28
W--- 17
17- 18
......
14
Respuesta -; ,n - 12,71: crm - 2.86 . a* ,_ 7,76:
u* =
.. 17,66; f (x) :.o 0,101 ; fl o. ;-: xib~ ;:::- 53,t3,

xlr (0.01; 7) = 18,5. Se red ,aza la hiplte$is de
la distribucin uniforn1e del ('mpo. Los <l11to<;
rle las observaciones no l'Oncuerdan con esta
hip6tesis

la distribucin de un conjunto general
por la ley de Poisson
Dada la distribucn emprica de !a magnitud aleatoria discret a X.
hay que verificar la hiplesis de la distribuci{in del conjunto general
por la ley de Poisson, utiliz~ndo el criterio de Pf:'arson.
J?EOLA. Para verificar la hiptesis de que la magnitud aleatoria X
<!Sl,i clistribuida por la l<!Y de Poisson, para un nivel de significacin CI.,
hay que:
1. H allar por la distr,bucin emprica prefijada la media muestra
2. Tomar como estimacin del parmetro ), de la dis tribucin
de Poisson la med ia mueslral:
xm
"-=Xu,,
3. Hallar p,,r la f..'.irmula de Poisson (o por medio de tablas pre
paradas) las probabil idades P; de apa rcin exactamente de i sucesos
en n pruebas (i =, O, l , 2, . .. r, donde r es el n mero mximo
de sucesos observados; 11 e~ el volumen de la muestra).
4. Hallar las frecuencias tericas por la frmula
11 = n-P.
5. C,)rnrnrar las frel'.'u<:ndas empricas y tericas por el criterio
de Pcarsc,11 , tomando .::01n uumero de grados de libertad k = s - 2,
donde s es el nC1mcro de distintos grupos de la muestra (si se unen
las frecuencias poco numerosas en un solo grupo, tendremos que s

es el nmero de grupos restantes de la muestra despus de unir las
frecuencias).
590. La seccin de control tcnico verific n
= 200 parti-
das de iguales artculos y obtuvo la siguiente distribucin

emprica (en la pri 1T1era lnea se indica la cantidad X de artculos no estndares de una partida; en la segunda lnea, la
frecuenc.ia n , es decir, la cantidad de partidas que contienen
x; artculos no t:>stndares):
x,
n1
ll R 56 22 4 2.
Hay que Yenf1car la hiptesis de que el n mero de artculos no estndares X est distribuido por la ley de Poisson,
para el nivel de .s ignificacin 0,05.
WLLiCIO r>: l. Hallamos la media muestra!:
l 16 .o -56-1 f 22 2 -'. 4 .3 +-2 4 = O 6
200
'
2. Tomamos co rno estimacin del parmetro A de la d istribucin de Po i<:Son la media muest ra!: 11. = 0, 6. Por lo tanto, la
346
ley de Poisson supuesta

tiene la forma
( ') _
'2.00 l
t0,6) 'i.e,- 0,6
i!
3. Admit iendo i = O, \, 2, :~ . 4, halla mos las probabi1ida des Pi de aparicin de i artculos no e.stndares en 200 par
tidas:
Po = Pz.oo (O)= 0,5488; P1 = Pwo(l) "'-- 0,3923;
Pi= Pioo (2) =-.:. 0,0988;
P3 = Pwo (3)..,.. 0,01 98; P,. = P'!..oo (4} = 0,0030.
4. Halla mos las frecuencias tericas por la frmula
n.; = n-P; = 200Pi.

Sustituyendo en esta frmula los valores de las probab ilidades Pt obtenidas en el punto 3, tendrerno<..
11~=200,0.5488= 109,76.
Anlogamente ha llamos
n;=65,86;
n~=l9.76;
n;=3,96;
n~ =0,60 .
.5. Comparamos las frecuencias empricas y tericas por el

criterio de Pcarson, para lo cual componemos la tabla de
clculo 42.
Teniendo en cuenta la nota l ( 12), unimos las frecuencias
poco numerosas (4 + 2 = 6) y sus corresponc!'ientes frecuencias (3,96 + 0.60 = 4,56) y los resultados de la unin de las
frecuencias los e,;cr ibiinos en la tabla 42.
De Ja tabla de clculo halla mo$ el va lor ob,ervado del
criterio de Pearson xii,s = 2,54.
Por la tabla de punto~ crticos de Ja dslribucin 'X,2 (su plemento 5), segn el nivel de significacin a = 0,05 y el nmero de grados de libertad 1l = 4 - 2 """' 2, encontramos el
punto crtico de la regin crtica de derecha Y)r (0,05; 2) =
= 6,0.
La que %~bs < 'X~.-. no hay porque rechaiar la hiptesis
de la distribucin de la magnitud aleatoria X por la ley de
Poisson.
347
Tabla 42 .
'l i
o
1
11 (,
l
J
'l.
;\
1- 9.~lj
,,
- l
1.:. , ;.,
22
(n. -
ni) 2
0,3548
1
97,2 1%
1,4762
5 ,(1\ 7:,
2 ''.l4
u) :
ni
38,9376
1
1
1
(fJ -
h, 24
l1!9 JI,
,.r> .oti
.J(:j
1
n - "i'
;;
0,2539
f,
,1,5,
1
1
21)1)
2.ornfi
1.44
0,454 T
Y.~l~ = 2 , 54
59 1. Co lllo rc.-.111latl<> de la verificc,cin de la cua lid1:1cl de. no

estndar de 200 cajones de conservas, se obtuvo la siguiente
distribucin emprica (en la primera lnea se nd ica la cantidc1 d x1 de caja') no e.~tndar de conservas en un caj6n; en la
segunda lnea, la fr<?cuenc.ia n 1, es dc<:ir, el nmero e.le cajones
que contienen x 1 cajas de conservas no estndar):
X
li
0
J
2
132 43 20
3 4
3 2.
Hay que n :nfitar la hip1esis de que la magnit ud aleatona X, o sea, el nmero de cajas no estnciar ei::t di1;trbuida
por la ley de Poisson, para el nivel de significacin 0,05.

l\.'H:.RV,\CJ ON.
Cua~e Ja:s frecuencias poco numerosas de
los dos lt imos grupos.
Respuesta. ll 2; . - Xm = 0,5; las frec uenci as tericas

son; 121,31 ; 60,65; 15,1 6; 2.52; 0,32; xt.1;5 =
=- 9,27; Xir (0,05; 2) "'- 6,0. l\'o hay porque
f\'C'h azar la hiptesis de la dic;tribucin de X
por la ley de Poi.sson ,
592. Parn deter mi nar la cantidad de semi lla~ malas l' ll una
part ida <le se 11111las de trbol se verif icaron 1000 muestras
t>scogidas al aziJr y ~e obt uvo la siguien te distribucin emp348
rica (en la primera lnea se in<lica la cantidad xi de se millas

malas en una muestra: en la segunda lnea, la frecuencia n;,
es decir, el nmero <le muestras que cont ienE>n x, .semilla.s malas):
X
/'/
(.1
4(15
366
1 {i
4
;.5
175 40
1,
Ha y que Yerif icar la hiptesis ele que la rnagn ilud aleatoria

X, o sea el nmero de semillas malas, est d1~tribuida por la
ley de Poisson, para el nivel de significacin O,Ol.
oosERvAc10N. Unasc las frecuencias poco numerosas de lo'::>
ltimos do.e; grupos.
Respuesta k = 4; 1 = Xm = 0,9; las fre.cuencias tericas

son:
406,6; 365,9; 164,7; 49,4; l 1, 1: 2,3;

'Y.5r (0,01: 4) = 13,3. No hay porque rechazar la hipte.sis de la distribucin de
X por la ley de Poisson.
%~bs
= 9,27;
593. Como resultado de un experimento compuesto de

n = 1000 pruebas, en cada una de las cuales se registr el
nmero x 1 de apariciones de cierto suceso, se obtuvo la siguiente distribucin emprica (en la primera lnea se indica la
cantidad x 1 de aparicione.s del suceso; en la segunda lnea, la
frecuencia ni, es decir, el nmero de pruebas en los que se ob
servaron X apariciones del suceso):
0
n1
,')
505 336 125 24 8 2
Hay que verificar la hiptesis de que la magnitud aleatoria X. o sea, el nmero de apariciones del suceso, est distribuida por la lt'y cie Poisson, para el nivel de si~nficacin
o.os.
u1:1.s~R VACJON .
Unase las frecuencias de los do~ lti mos gru-
pos.
Respuesta k = 3; i.. = Xm = O, 7; las f rCX'u~ncias tericas

son : 496,6; 347,6; 121, 7; 28,4; 5,0: O, 7: Xiibs =
= 10,29; 'X,r (0,05; 4) = 9,5. La hiptesis de
la distribucin de X por la ley de Poisson se
rechaza .
594. Al llegar a destiJJo 500 contenedore'> con artculos de
vidrio y verificar los mismos se estableci que el nmero de
atculos daados X liene la siguiente distribucin emprica
349
(en la primera lnea se indica la cantidad x 1 de artculos daados en un contenedor; en la segunda lnea, la frecuencia n,
es decir, el nmero de. contenedores que tienen x, artculos
daiiados):
X
n;
19!.l
169
87
31
4 5
Ha~ que verificar la hiptesis de que la magnitud al eatoria X, es decir, el nmero de artculos daados, est distribuida por la ley de Poisson, para el nivel de significacin 0,01.
os.s1c~v AGtoN Una se Ias frecuencias de los ltimos tres grupos.
Rfspuesta k ::.:: 4, ~ = Xm = 1; las frecuencias tericas

:ion J83,!J5 183,95; 91,95; 30,65; 7, 65; 1,55;
0,25; 0,04;
X~bi
= 8,.38; 'lk (0,01;
4) = 13,3. No
hay porque rechazar la hiptesis de la distribucin de X por la ley de. Poisson.
595. Problcmu de Borlkvich. Basndose en 200 partes

obtenidos durante veinte aiios sobre la cantidad de jinetes del
ejrdto prusiano, allec1dos debido a la muerte de sus caballos. se obtuvo la siguiente distribucin emprica (en la primera lnea se indica la canti dad xi de jinetes cados, indicados
en un parte; en la segunda lnea, la frec uencia n 1, es decir, el
nmero de partes en los que se comunica la muerte de Xt jinetes)
;e
n,
l09 65 22 3 1,
Hay que verif 1car la hiptesis de la distribucin de la magnitud aleatoria X, o sea, del nmero de jinetes muertos, por
la ley de Poisson.
OB.5ERVACt<)N. Unai-e las frecuencia::, poco numerosas 3 y 1
en una.
Respuesta ll - . Z; J. = Xm = 0,61; las fr~uencias tericas son: 108,7; 66,3; 20,2; 4,l; 0,7; 'Xbs =
:: 0,34: xir (0,05; 2) = 6,0. No hav porque
r('chawr la hiptesi~ dr la distribudn de X
por la ley de Poisson.
350
CAPITULO CATORCE
Anlisis de dispersin
de un solo factor
1. Nmero idntico de pruebas en todos
los niveles
Suponga mos que suure el carcter c 11anlital1,..o d is t ribu id.:; normalmente de X infl uye e l factor F, que t ieur p niveles co 11$la nt.es
F 1 , F 2 , , F . E n cada nivel se realizan q pruelas. Los res ultad,;,~
de las observaciones, o sea. el n mero xu, donde t es el nmer,:, drprueba (i
1, 2, .. . , q), es el n mer,:, de nive l del factor (j = J. 2, .. .
. . . , p ) , se inscr 1hen en orma d~ lahla .
Tab la 43
Ni\'el ,Jt'I fa~ lor
Nmero de
prueba i
1
2
. ..
q
Media de g rupos Xgr i
/.'1
xu
F:
'
Xzt
X12
.. h'
X.(J>
Xz2
>
X2
...
...
Xqt
Xq2
. ..
...
.igrJ
. ..
Xqp
F'P
Xgr2
Xgr J.'
Se plantea el problema: al rnvrl <le ~ign ifil:ac:1011 a venf1car la

hi ptesis nula de l a igual dad de l11s mcd111s dc ;,rrup,:,~. admi tie ndo 4u,:
las dispe rsion~s gencralcs de grupo, au nq ue n,i se c-onocen, so11 1d11-
licas.
Para resolver cstc prob lema se inl roducrn :
la suma total de los cuadrados dP. las dcsv 1aciun1?s dl los valore, ,:,b5"'rvatlos del carder respecto dt! la m edia gc-no.:ral
Stot=
,,
.,,
",
L
..
L (:<u-xi,
i= t ,~1
la suma de factores ele los cuadrados de la s de:.vi aciones de las mrdi as dr

grupos respecto d~ la m rdi a general (corackr 1za la d1spe rs1 6n E>nlre
grupos)
p
Srac = q ~
L (Xgr1-x)Z,
i=1
as1
la swnt1 r c11dw:i l d,, !,,._ Luadrnuc,s dr J,1., def>viacioncs de los valores

,:d.1SN\'a<10.~ del g ru p,.. rc.s pc:do ,k su media ele grup,,s <.caracteriza la
d 15,Ch11o11 ~<kn tr,:., de grupo.~)
,
,,
,'>res = ~ . (xtl - ~r t!t 1 ~ (X2- x 1m 12

i=f
,-1
Prnct1t arn t'llk,
111
+ ... ,- ~ (Xp -
Xgr p) 2
i=i
surnu r e.;1<lual se lrn lta por la i gual dad

.Sr~s =Stot - Sr:ic
Para c11kular IJ, ::.urnas tl)tal y de factor !ion ms eo11 vcnic11tes

111~ ff.Jrmulas
.,~,
r,
[ ~ af
Y Rj
,
.J .. 1
J, d
,:j{M . .. - - . , - -
-"--pq-.- -
donde P;,... ~, x;J, t's !;i xuma de los cuadrado'- de los valores obser1-.;.t
R1 = "2-..J1 x,i c.~ la wma de los valores observados riel carder

t ..... ,
(O ( I nJVC'I
P,.
SI lo~ vai(,r(;.':I (11.>:>ccvHk>!, M I carfu.: ler ~on nmcro::, rl:'lalivamente

grandl:S, para simplificar los clculos li!! resta de cada valor observado
un mlsmo nii 11"11!ro C, aproxirnadamen k igua l a la media ~eneral.
S, los valor<'.~ Hdut1dn~ de y11 == xu - C, enlonces
'/J
1,
'S l'>t
l ~ r.,-J;.:
'"' ~j
,., -----pq-:i=l
= .!J
i= I
donde ,(1J =
'\1, ..,~,,
~
t=l
e~ 1., su ma tle los .:uatlriidos J ti los valo re~ redud -
dos del carder en el ni vel 1- ,1 ,
Tr =
Lj !:/t.i
rs l,1 S!1111;1 de los viilres rcdu..:idos del carcter en
1='1
el nivel f).
352
D1vid1C'nclr) l ns su1m1s <.le factor~ fC1>J11 ual c~ J..., uJ,1.ta~ pc,r <:I corres
,ondc11lc nC1rnerc, <.l.:: grados dc:> l 1berlad, ,.,<' l1 all 11 11 I::,~ <l1spers1oncs dC'
la ctur
v r.::,1,iatal :
Sr:1c
Sr,.io "' p-1,
2
,<; rr,i
5rcs" fl l'7- l) .
Por ultimo se .~ .. n,para n las dls per~ionc~ d L 11c1 ..r , n.s1dua l rnr
el c r1kr i,1 el~ fi.s h,r- Snecfocor (cop. XIII. 2
Si fubs < Fu, la J1frrencia de la:.; 1n.-tl 1:; d, gru,o~ ~, inMgn1fica l1va . .
S i fohs > 10 , la J,fer,: ncia d" la!, m :cl1..:1 ,, tk gr1.1p,~ es sig.111 ficativa
1
NOTA 1. Si la di s pcr~1<,11 de fa ctor r,.-sult,1 rn . 11,:,r qur. la r<'s1dual,

ya d<! aqu s1c dC's pn11 dc: la ccrlt:rn de 111 hlpi:,t t-S 1s mil .A ,J,, la Igualdad
de la~ media~ d (i gru pos, por cso los cii h:u lr,s ull ,r1(11(.~ (c.,mrarac1n
de la s cl1~pl'IS>CHH:S rnr d cri{erir> de f .1 ,,m1 1Hlit:C1sario!>.
.. NOTA ~- S1 lo::. v11l,:,rE>s observado!> d1:: xu -:.on lracc wnes decmalc:,;
con k cifras despu~~ de la coma, conviene pa-;;ar ll t,,,s n meros cwlt:ros
y 11 = IO"x1i - C, domle C e~ aproximallllme uk ~ 1 vol(,r m<'dio el<~
lo~ nmcrO'> 10 11.:1: 11 . .Aunque en co;lc caso las d1:;r11.'r.s1r,n<>s de JarlPr
y residual au men t;;n JQh veces, su rdacivn no vara.
596. Se rea lizan 4 pruebas en cadc1 uno de los tres n iveles

del fact or F . Por el mtodo del anlisis de dispersin, para
el ni vel de significacin 0,05, hay que verificar la hiptesi s
nula de la igu aldad de las medias de grupos. Se supone que
las muestras se escogen de conjuntos normales con iguales
dispersiones. Los resultados de las r rueba<; se exponen en la
tahla 44.
f<1bfo 44
'.>
____
,..
o\lv ll l"S de l ( ,u.lor

..
Num ero d~ l
t";\ peri O'lf'l-1) .
''2
38
3
35
31
20
21
24
,11')
21)
,:\ ]
JiJ
3-1
--
'sOLL'CIO"'.
-,r.
e;)
Para <.impl ificar el cJk.u lo
x ....
I e,,larnos
de cada
valr~r ob.sern 1do .x., 1 la media general

29, c:s i:kcir, pasamos a la~ magnitudes reducidas !J, 1 = l :, 1 - .. :;q l'<r ejemplo.
Yu ~ .t.u - 20 .... ?8 ....- :29 = 9;
.J~ t ..
. 11 ..... W ... ,, 36 -
- 2fJ "':.. 7. d( .
Componemos la tab la de cclulo 45.

Tabla 45
Ni veles d <' l helor
Nmero del
expe-rlt11011 to
1
~
7
T = ...i Y1J
T~
I
170
_J
1576
4
2..'
- 7
1 142 [
f 116
1-161
1-8
1 2561
24
64
49
25
-3
Yl3
- 8
81
-5
rJ i3
- 9
;1(}
f>
2
Y[2,
11 c2
49
sJ "' ,, Y;
,,
Tolsl
81
2
3
4
F~
P2
/i'1
64
~ Sj = 428
lj
TJ=O
~ Tj=896
Utilizando la columna de Total de la tabla 45, hallamos

las sumas total y de factor de los cuadrados de las desviaciones, teniendo en cuenta que el nmero de niveles del factor
es p = 3, el nmero de pruebas en cada nivel es q = 4:
v
~
S tot : .:.
f, T1}2
s - ~-pq
)-,j
428-0 = 428,
J= I
p
[~T)"
i- t
pq
= 89u - O= 224.
4
Hallamos la suma r~sidual de los cuadrados de las desvia-
ciones:
Srea -= S'tt - Srao = 428-224 =204.
Hallamos la dispersin de factor, para lo cual divid mos

Stao por el nmero de grados de libertad p 2
SrAc _ 224 _
Sr,1 0 - -- - --;;-p- 1
-
354
112
= 3-
2:
Hallamos la dispersin residual, para lo cual dividimos

Srei; por el n mero de grados de libertad p (q - 1) =
= 3 (4 - 1) = 9:
Comparamos las d ispersones de factor y residual por el

criterio de Fisher-Snedecor (cap. XI11. 2), para lo cual, al
principio hall amos el val or observado del criterio:
f oh~
Si ar.
:-o - 2-
Sres
= 22112li7 = 4'94.
Tomando en consideracin que el nmero de grados de

libertad del numerador k1 = 2, el del denom inador k 2 = 9
y el nivel de signif cacn a = 0,05 por la tabla (suplemento 7) encontra mos el punto crtico Fer (.0,05; 2; 9) = 4.26.
Puesto que Fo11s > Fer, la hiptesis nu]a de la igualdad
de las medias de gru pos se rechaza. En otras palabras, las
medias de grupos en total se difer<>ncian <le manera sign ificativa.
597. Se realizan 4 pruebas en cada uno de los cinco niveles
del factor F. Para el nivel de significacin 0,05 hay que
verificar por el mtodo de anlisis de dispersin la hiptesis
de la iguaJdad de las medias de grupos X.gr i Se supone que
las muestras se escogen de conjuntos normales con iguales
dispersiones. Los resultados de las pruebas se ex ponen en la
tabla 46.
Ta/Jla 46
Nmt rv d~ la
prueba i
Niveles JPI fo,~ i (r
F1
47
67
f,J , 6
Xgr j
,;9
(if>
::;8
136
79
f, 1 n
F,
'.l9
f.) 7
6:3
ti!
f
57
62, 13
1
F3
;",2
61
64
fiO
58
56
.16
1
2
;
F2
f>1,0
23* 355
T me:-.e
OBS.l:Ri AL Wr--
Respuesta
!}ij
= x,; - 58.
Sv, 1 ~ 1850 ,55;

S 1,._, -=--= 360 , 15;
S,-e:1 =
1490,40; sLc = 120; ,~i1s = 93 ; f ohs =1.29;
0
FL'r = (0,03; :3; 16) ""~ 3 .24. >lo J1ay porque recha
la hiptesis nula de la igua ldad de las me-
ZM
dia, de gru pos.

598. Se realmrn 8 pruebas en cada uno de los sis n iveles
del factor. Parn el nivel de significacin O.O 1, hay que vcrficar por el mtodo J e anlis is de dispersin la hiptesis nula
de la igua ldad de las med ias de grupos. Se supone q11e las
muestra.s se e.sc:ogen de conjuntos normal es con idn ticas dispersiones. Los rc\ul iad o.:; de las pru<>hn-: e'i-bin ex puesto.'.- ell la
ta bla 47.
Tabla 47
~c'l1th.~ rc,
,J~ 14
J)r ui,t,~
i\1 vcl Ls
- -- 1
i 1
,:
t1,t
F3
f:vtw
1
2
1)1 1
01
..~
'.::t,
"5
., '
21{
~--:
1
1
10.!
111~
11 ,
11 '.I
t.,
41
12~
17"
)2;'"-1
t><.
11r,
Oll~ll{ ~ .,,. 1( 0: \
bl.l
~~
;<'
~7
.,,,
f ;
JO I
)02
li)i ,
12,
\11~
11,
.. ,_
,:,i,
h7
94
2~i
i'-1
9,3
..
.......
xJ.1.':;
/'
Pe
i,
.'
1
'
r
(::9
lA
~.. :
k. ''
71
80
J:.j
80
X. l
~11t
~:
()1)
1
IUl
~ l
11
99
()J
'Ti', 111('"',(: //, _, :: X1 .1
(' ~
1
1
!
.....
1
-
x..,
81
'
10(1
Rcspt1(!Mt1 S,,,l - ~15G7,48. Sr,,< ,.,, 119-15,GO. Sr.,, =

, % 22 ; ~Le -: 2389. ~10,, = 229 , r ,>1o, =
- 1n,4;~;
(0,0 1; 5; 12) -...,. 2, 4'1 . Se rechaza
la hi p;:i l.bl-~ nul a de la 1gu.~ lda de la" medias
r.,.
d( ;'.!"ru po<:.
599. Se t~'>ll t, ,rn 4 .,ruebac. en cada u.no dt' lo~ tres n is<:les.
Para el nncal de .,,1 ~rn f1cac 1on 0,05. ha\:' quf veniicar por el
mdodo de au h.w . dt> d1':ip~:r'.~in la hi plr.!:i l'.) nu la de la 1g11aldarl ,-Jf, la<. rnedt ,:l':i de gru po::.. Se supone: qu.e la,;; muestr1, si:!
e'-cog:01 de 1.:011,1 11 1tn:- nor males con 1dent tc,i" d i;;;pers1one'> Los
re ,11 Jt_ doc; ')( c\1 11:in0n
e11
la t ablu ,18
l\ume:ru
ch: ia
pr1tl! b.J
- - - - - - - - ------F1
..:..-------;------'-- - - -
J2
;11
;:)
,\:1:(1
OH'.'-Lln ActoN .
Respuesta
11
,i!)
l
;
:;o
.H
ll
;:]
,~
1. ,'
Tme,e Yi.i
= xu .. _. 28.
296: Sur -- 104, .\,~ :.:-- 192; Sf,,r -L,1,~ l .H. f,c i0,0.5; 2,
9) . , 4,26 No hay porqut'. rrch::iza r la hips l ..l. =
~-: 52;
s;-c.~ -~ 21. ,1;
lo::sh uula de la igu alda d de> i<1s rnedi a"< de gru-
pos.
600. Se realizan prueha&en catfa u110 df' los cuatro lll\'C
les del factor. Paru d nhel de signific:ac1n 0,0.5 hay que ver ificar por el mtodo de anlisis de d1spcrYin la h1pte.-,is nul a
de la igualdad de las medias rk grupos. SC' ,;upone que la-s
muestras .se e,;cogen de conjuntos nonnal<>"> ~1 111 idrntica~ d1~p0re;i on(?-s. Loe, rc,1 iltados de las prtH'ba~ ,.p e\J)Qnen en la tabh1 49 .
T6mese Yti = x , - 63. Utilcese la nota I.

= 1539; Srac = 95; S,cs = 1444; Sfao =
= 3 1,6i; ses = 60, 17. No hay porque recha-
OBSLRVAc10N.
Respuesta Slnt
zar la hiptesis nula de la igualdad de las

rnedia<s de grupos.
601. Se realizan 4 pruebas en cada u no de los tres niveles
del factor. Para el nivel ele significacin 0,05 hay que verififcar por el mtodo de anlisis de dispersin la hiptesis nula
de la igualdad dE> las medias de grupos. Se supone que las
muestras se escogen <le conjuntos normales con idnticas dispersiones. Los resultados de ]as pruebas se exponen en la tabla 50.
Tabla 50
NI vd ~ riel f acf.<>r
N(1mcrt1 de
la prueb11
1
F1
27
1
2
3
4
23
29
OBSERVACION.
F3
24
20
22
30
37
21
26
29
3b
25
28
Xgr j
P2
Tme~e IliJ
29
1
X; -
27. Utilcese la
nota
Respuesta St.:t = 334: Scao = 32; Sres = 302; Sf'.ic = 16;

s~e$ = 33,56. No hay porque rechazar la hiptesis nula e.le la igualdad de las medias de grupos.
2. Nmero desigual de pruebas
en distintos niveles
SI el nmero de pru1:has en el ni vel F 1 <.>.s igual a q1 , l'll el rlivel
q2 , , e n d nrvel f-i, - 9p, la suma total de los cuadrados
de las desviacione:, se calcu la n corno e n el caso de un 11mero idntico
de pruebas rn todos los n1velel> ( l). La s umad~ factor lC' lo:1s cuadrado~ d.:: las de~\' 1acic,11es s~ hall a por la frmula
F2
))
Tt
d,indc
358
11
r~
rz
["T}2
,4J
'
S to. "'"_
1 ..-2 + ... .-..2.._...:1_-_
1_ _
Ir
Q2
qp
n
q1
q~
q,1 cs el nmero l l)tal dt pruebas.
+ + . .+
Los dem s clculos se realizan t amb1n como en t i caso de un

nmero idl>ntico de pruebas:
Sres=Stoi-Stnr,
Srar.
Sr,,~
2
sr"c= p-l, ~ns=n-p
2
602. Se realizan 13 pruebas, de tllas 4 en el primer nivel

del factor, 4 en el segundo, 3 en el tercero y 2 en el cuarto.
Para el nivel de sign ificacin 0,0.S hay qu~ verificar por el
mtodo de anlisis de dispersin la hiptec;is nula de la igual
dad de las medas de grupos. Se supone que las muestras .$e
scogen de conjuntos normales con idnt icas dispersione~.
Los resultados de las pruebas se exponen en la tabla 51.
Tabla 51
Niveles del factor
Nmero de
ln prut-ba
3
4
l ,41
1.42
1.44
1,38
l ,38
1,42
1,42
F2
F3
1,32
1,3:3
1 ,34
/4
1,3!
1,33
1,45
1
- gr j
1,40
X,
J.,43
1 ,32
1,3;)
1
s0Luc10N. Utilizando la nota 2 ( 1), pasamos a los nmeros

enteros Yii = X;j - 138.
Componemos la tabla de clculo 52.
Utilizando la columna de Total v la lnea inferior de
la: tabla 52, hallamos las sumas total y' de factor de los cuadrados de las desviaciones:
Siot = ~ S;-
rae -
["., T
12
LJ n J
= 293 -
;; =293 - 6,23 = 286,77;
2
n
T
(.~ T1)
fh + -;-+-;-;- +- n
= 644 + 400
+ 225
+ 144
_
4
3
2
Tf
6' 23 -_ 2r.v 6 ,f-.-1 '
Hallamos la suma residual de los cuadrados de las desviaciones:

Sres= Stot -Srac = 286,77 --256.77 =--= 30.
359
Tabla 52
N i1m~ rc, Me
h l ,~r11(b~
-------- - - ---- ---

~1
.._
Tot al
-( -
>.' 1 \
,,(
1
2
1.1
11
' h f
'
:t'.!,
I; 2,
~
1
3
4
s ""' ~
____
,, )
- - !
!li
Ti ~- ~ 11 ,.1
,1
lh
,j
1 11,
l SI
--
1,7 11 74[)
lJnl) l
S1:~293
1-151 1--121 'T1=-9
l 2i l 1
l~
T1 ---'l'------'
14 1- :.1 4i;u
4 ~)
2;,
49
1 1 :.2 1
_,__
-- 7
-- 5
- G 31';
25
113
11> -5
.'3 6 ---4
,_.
, ,i.,
1144 \
22G l
Hallamos J:J,. d1s ptr~iones de factor y residual :

i
~ r .1:
-"r,11! _25.; ,77 _ 256, 77 _ _, ,.
- . -- - -:-- -
> - -- 1
<
,,.,.,,,
.1- 1
,, )
,)(
- q.
- ~ -- o ,) ,,),. ,
. . ,.~ -i1='4=
..,
.,,
,,._,
'J
)3
---.:J,,>
<
Comparamos las dispersiones de foctor y residual por el
criterio de F ica p XIII, 2), para lo c-ual al com ienzo calculamos el \f:l lor ob<;Hvado del criterio
Teniend o 1.n ,~u(nta que d nrn~ro d,~ grndos Lle li bert ad

t:"- k , -= p 1 = 4 -- 1 -' ;3, , la del denominador, f< , 11 -- ;, :-:- l~~- 4-= ~i, B'i con10 el nivel de
e;grn f i,ac 11i11 e" -.: -- O,n5, por la tabhi l~u ple mento 7) encontramos el pmd_,:, o t 1c<.1 F, 1 (t\Oo~ 3, 9) -'-= 3.8G.
P1.1c~to q1 1v /,.,t,~ > L,, la hiptes i<; nula de la 1gualdad
de ta.:-; mNlia:, dt' .:., ru po-s :~t> rechaza. f.n otras pa labras, las
mt>rf1-~ d(? .;ni; o, (.t~ dif('r,:w:,an 6'ig1111c::it'ivarn(nt(.>.
MI numerador
60:i . ') ,: r e-:-,i l! ,111 14 J<L ueba::-, de la-~ ('l!i.1 le<; 0 en E'l primer
il c: I ~-l"F~undo, 2 en(' ! i.t' TC-0~1) . :-$ i:'fl el cui:\rto
ni ., el ,.1<'.I f,11_:ir.r ..; f
y uno en el quinto. Para el nivel de significacin 0,05 hay

que verificar por el mtodo de an lisis de dispersin la hiptesis nula de la igualdad de las medias <le grupos. Se su pone
que las muestras se escogen de conjuntos norma l('s con idnticas dispersiones. Los resultados de las pruebas se exponen en
la tabla 53.
Tabl a 53
NI vel es uel !acf.or
Nmero de
la pr uelJa
i
/"' I
; 3
f'2
1
1
2
7,3
7,6
8,3
8,3
8,4
4
5
-X.gr j
OBSERVACION.
5,4
0,4
7, 1
7,4
8 ,1
T mese y
Respuesta Stot = 1570,43;
10
l"ij
7, l
9 ,6
7, l
9 ,0
1
X j -
r .1
7/ J
9,5
7,25
6,63
7,98
1
78.
= 932,66; Sres= 637, 77;

sies = 70,86;
F 0 1is = 3,29;
Fer (0,05; 4; 9) = 3,63. No hay porque rechazar la hiptesis nu1a de la i~ualdf.d de las me-
sfac
StM
233, 16;
dias de grupos.
604. Se realizan 13 pruebas, de las cuales 4 en el primer
nivel del factor, 6 en el segundo y 3 en el tercero. Para el nivel
de significacin 0,01 hay que verificar por el mtodo de anlisis de dispersin la hiptesis nula de la igualdad de las medias de grupos. Se supone que 1as muestras se escogen de
conjuntos normales con idnticas dispersiones. Los resultaclos
se exponen en la tabla 54.
oasE~vAc10N. Tmese y = Xij - 73.

Respuesta Stot = 6444; Srac = 4284; Sres = 2160; s1i,,: =
= 2142; s;,8 = 216; F obs = 9,92; FN. (0,01;
2; 10) = 7,56. Se rechaza la hi ptesis
nula. Las medias de grupos se diferencian ~ig
nificativamente.
24-0 5~0
36 1
rabia 54
Nirnero ,:le 1,1
prue b1J 1
Niveles d~l faclor
,..,
F2
F3
60
69
8(i
;l7
47
40
100
67
60
98
!.12
%
98
:)
89
83
41,
,\'.gt' j
605. Se realiz<1n 14 pruebas, de las cuales 7 en el primer

nivel del factor, 3 en el segundo y cuatro en el tercero. Para
el nivel de significacin 0,01 hay que verificar por el mtodo
de anlisis de dispersin la hiptesis nula de la igualdad de
las medias de grupos. Se supone que las muestras se. escogen
de conjuntos normales con idnticas dispersiones. Los
resultados de las pruebas se exponen en la tabla 55.
Tabla 55
Nl\'eles del factor
Nl'.imero de. t ;i 1
prueba i
F1
34,78
r.,
3f>,50
J6,63
4:3,44
30 ,!il.l
:12 , GG
1
2
F2
P:i
3 1, 36
36 ,20
36 ,.:!8
42,20
47,51
53,80
40,20
42,28
-Xgr j
06,0<l
OBSI:RVAU ON.
T mese
Ytj
36,54-
41l,25
100 Xtj -
1
3900.
Respuesta Stnt. = 5463442; Srac = 3399389;

Sres =
= 2064053; s1ac = I699694; s:es = 18764I;
F,,bs
9,06;
F er
(0,01; 2; 11)
7 ,2 l. La hi-
p6te,c,ls nula se rechaza. Las med ias de grupos

se d ifcrencian significativa mente.
606. Se real izan 26 pruebas, de las cuales 7 en el pri mrr

nivel del fa ctor, 5 en el segun<lo, 8 en ('\ tercero y 6 en el cuarto.
Para el nivel de signif icacin 0,05 hay (llll' vcri ficar por el
mtodo de anlisis de dispersin la hiptesis nula de 1a igual dad de las medias de grupos. Se supone que las muestras se
escogen de conj11ntos normales con i dnticas dispersione<;.
Los resultados se exponen en la labia 56.
fo/ ,/a
Nmero
M 1,1
prueba i
Ni veles del liir l, r

/"'
J(\50
Hl80
1700
6
7
8
1700
1580
1640
1640
1700
HllO
Fz
lGOO
1
2
3
-Xg.r J
56
ousi::RvAc10-..:.
Tmese
1( I ).
Respuesta Stot
rnoo
15:30
l f>20
1570
1600
lGr:,O
1740
1820
1680
lfj~f.<
1
YtJ
1:;10
1620
1662
1
= x,1 -
F4
1460
1641)
lt\00
l(i7
1r,z,o
1750
F~
1568
1
1630. Utilcese la nota
192788; Sr1.1c = 45507; Sres = 147281 ;

Sie,s = 6695,
Fobs = 2,27:
Fer (0,05; 3; 22) = 3,05. No hay porque rechazar
la hiptesi:,; nula de la igualdad de las medas
Si:,c
= 15169;
de grupos.
24*
SUPLEMNTO 1
Tabla de valores de la funcin q; (x) =

X
o.o
O, 1
IJ, 2
o,:.{
0, 4
0,5
0,6
0, 7
O,!i
0,9
1,0
1, 1
1,2
1, ;1
l ,4
1,5
1,6
l. 7
1, 8
1, 9
2,0
2,1
2,2
2,3
2,4
2,
2,fi
2,7
2, 8
2. 9
3, 0
3, I
3, 2
3, 3
;:1.4
3 .u"
3,6
;u
3,8
3,9
364
0, 3989
3970
3910
3814
368J
3521
3J32
3 123
2897
2661
0.2420
2170
1942
1714
1497
1295
1109
0940
0790
0656
0, 0540
0440
0355
0283
0224
0!75
0136
0104
0079
0060
0,0044
0033
0024
00!7
0012
OOO<J
000(;
00()4
000,1
0002
xz
l
- -2
l,-2n
.l"7 e
3989 39891 JY88 398fi 3984 .3982 3980 39n 3973

.39,:,5 3961 J956 3951 39,15 J!jJ'J ;3932 3925 3918
3902 3894 3885 3876 3867 3857 3847 3836 3825
3765
3621
3448
3251
3034
2803
2565
3752
3605
3429
3230
3011
2780
254 1
3739
3589
3410
3209
2989
2756
2516
3726
;~fi72
3391
3187
2966
2732
2492
3712
:1555
3372
:H66
2943
2709
2468
3697
3538
3352
3144
2920
2685
2444
2:;\J6 237.1 2:347 2323

215f, 2131 21U7 2083
1919 1895 1872 1849
1691 1669 1647 1626
1476 1450 1435 1415
1276 1257 1238 1219
1092 1074 1057 1040
0925 0909 0893 0878
0775 0761 0748 0734
0644 0632 0620 0608
2299
2059
1s2n
1604
1394
1200
1023
0863
0721
0596
2276
2036
1804
1582
1374
1182
2251
2012
1781
1561
2227
1989
1758
1539
1334
1145
0973
08 18
0681
0562
2203
1965
1736
1518
1315
1127
0957
0804
0669
0551
3802 3790 3778

J668 3Gr,2 :{637
J503 3485 34fi7
3.312 3292 3271
;no1 3079 3056
2874 2850 2827
20;11 2()1:1 2589
0519
0422
0339
0270
021:3
l71 0167
0132 (Jl29
()JO I 0099
0077 0075
oor,8 0056
0529
0431
0347
0277
02!0
0508 0498 0486

0413 0404 039(;
oa:;2 0325 0317
0264 0258 0252
0208 0203 0198
0163 0158 0154
01213 0122 0119
0091'\ 0093 0091
007:3 0071 006!)
0055 005;3 0051
0478
0387
0310
0246
0194
0116
0088
00137
0050
0468 0459 0449

0379 0371 0363
o:~o:~ 0297 0290
0241 0235 0229
0189 01 84 0180
0147 0143 0139
0113 0110 0107
0086 0084 0081
0065 0063 0061
0048 0047 0046
0039
0029
0021
0015
0011
0008
0005
0004
0003
0002
0037
0027
0020
0014
0010
0007
0005
0003
0002
0002
0036
0026
0019
0014
001 0
0007
0005
0003
0002
0002
0043 0042 0040

00,:!2 tJO~H 0030
0Li23 0022 0022
00 17 001(; 0016
00 12 0012 0011
0008 OOOF. 0008
OOO(i 0006 0005
0004 0004 0004
0003 0003
0002 0002 0002
IOOfi
084R
070,
0584
Ja54
1163
0989
0833
0694
0573
0038
0028
0020
00 15
0(110
0007
0005
0004
0002
0002
Ol(l
0035
0025
00 18
0013
0009
0007
0005
0003
0002
0001
0034
0025
0018
0013
0009
0006
0004
0002
000 1
SUP LEMENTO 2
1
Tabla de valores de la funcin
Cl> ( x)
0,01
0 .02
0 .03
0 ,04
0,05
0 ,06
0 .07
0 .08
0,09
0, 10
0 . 11
0,12
0. 13
14
11
0,0000
0 ,32
0 ,0040
0 .0080
O-.OI2
0 .0 160
0 ,33
0,0(99
() 02,l9
0,0279
0.0319
0.0359
0.0398
0,0438
0 .0478
0.0517
0 ,0557
O 34
J
o :;15
O, 1443
0.1 480
J.517
0 . 1554
0, 1591
0. 1628
0 .38
o.a9
0 .40
0,41
0 ,42
0.43
0,44
0,45
0 ,6:5
0 ,1:,(,
0.137
o ' ()/:~
O, fiC)
0,70
0 , 71
0 ,72
o.73
O.H
O, 1664
0 ,75
0,7t:i
o. 17:36
0 ,i7
1700
/ 2.;1 ~)
o
,r, (.(1
1
.7.2
0. 23X9 1 ~)
0,2-122
0,2454 1i O, 98
0,248G .DD
0,2!',17
1.00
0,2f,J (_
1,0 1
0.2~180
1,02
?7
0 , 21:,J l
0,2ti12
0 , 21 ,Tl
0,27(1.)
0,2734
0,2764
0,2794
0. 2823
0,34~5
o .:3508
0 ,.153 1
1,06
0 ,355,1
1,07
0,3577
1,08
0,3599
o.Jn2 1
0,3G43
0.3665
0,3686
0,3708
0.:1129
0.3749
0.;1770
0,37!)0
1,09
1. 10
0 ,78
0,79
0,80
0,81
0,82
0 , 2~52
l ,l !
0 , 288 1
0 ,8J
0, 29G7
0,84
0,85
0,86
0,87
0,88
0,8!)
0 ,29%
o.~io2.i
1, 12
1, IJ
l , 14
l. 15
1, 16
1, 17
0 ,49
0 , 1915
0 ,51
o. 1950
0, 1985
0,2019
0.2054
0,2088
0.2123
0,2 157
0,2190
0,2224
0,2257
0,2291
0, 2324
0. 2357
0 ,60
o, 1217
0 ,61
0 ,62
0, 63
0 ,:,2
0 ,53
0 ,54
0 ,55
0.56
0 ,57
0.58
0,59
0,2910
0 , 29;:q
0,;3413
0,:3438
0 ,:34GI
1,03
0 . 1772
0 ,50
o,:rn ;,
o,:j:HO
0 ,:"1;l6i'
0 ,3389
1,04
1. 05
0 ,46
0.1 808
0, 1844
0 , 1879
 (x)
X
11
0 ,47
0,48
0,0636
0 ,0675
0,0714
0,0758
0,079.3
0.0832
0,0871
0,0910
0,0948
0,0987
0, 1026
O, 1064
0.1103
1141
0, 1179
0 . 1.'.368
0 ,37
o. 16
0,22
0,23
0,24
0,25
0, 26
0. 27
0, 28
0, 29
0,30
0, 31
0. 1293
o, 13;31
0 , 1406
0 ,0590
0 ,21
l 2Fi5
O.G4
l, ,-= ~ e-T di.
(x) -
11
o,3n
0 , 15
0, 17
0, 18
0. 19
0.20
 (xj
iri
0,3051
O,J U,;
1, 18
1. 19
J ,20
0 ,90
0 ,,3 159
1. 21
O,~l8IO
0,38~0
0,,1849
0,38(\9
0.91
0,92
0,9:3
0,94
0.95
O,; 1%
o .:l238
1,22
.2;-;
0,3t$83
0,3907
0,3264
0,328<)
1.24
0,3925
1,25
0 , 3944
0 ,3078
0 ,3101,
tJ,3212
365
Contirwaci 6n
(x)
1.26
1,27
o,:_1962
0,3980
1,28
1,29
o..~997
1,30
o.40a2
l ,;Jl
1,3,
0,4049
0,4066
0 ,4082
0,4099
0,4 l lf>
0, 4131
0 ,4147
1,311
0, 4JC2
lJ\9
0, 4177
1,40
1.41
l ,42
U,4 192
J,32
1,3-3
! ,31
1.35
l ,;36
(1)
(X)
!!
0,4015
l , :,Q
1,f.O
1,b l
1.(,2
1,(-.3
l ,64
1,65
l ,GG
l.67
1,08
1,i:i')
1, 71)
1,71
1,72
1, j\l
'
0, 1441
(.l,44f>2
0.44G3
0,44.74
0,4484
0,4495
0.4505
0,4515
0,4525
0.4~..;15
ll ,4.)45
0 ,4554
0,4564
,, ,4:;73
0,45X2
0 .420,
0, 4222
0, 4236
0, 42f>I
0.4265
1,74
0,4591
1.75
1, (
1' i'7
0,45')9
l. 78
O,4(\2!)
0,4279
1,79
l ,f:10
l. 8l
1.s.~
1,!'6
l ,f>7
0, 4292
0, 4306
0,4319
0,43~12
0,4;-145
0, 4357
0,4::170
0,4382
0,4394
0, 4'106
0,44 18
0,4633
0,464 1
1,58
0. 4429
1,43
l ,44
1.45
1,46
1,47
1.48
1,49
1,50
1,51
1,52
J ,53
1.54
1,55
366
0,1608
0.46W
0,4649
J,82
l ,83
46.."6
0,4GG4
1,84
0,4fiT I
,;
(x)
1.92
0 , 4726
2,52
0,4i'::l2
2, 54
0,4738
0,4744
2 ,56
0,4750 . 2,5!1
0,4,56
2,60
0,47(i1 2,62
l ,!)5
1,96
1.97
1,98
1.99
2 ' fi()
2.l4
0,4767
2,00
0,4772
2,02
2,04
2.06
0,478:3
0,4793
0, 4801
2,70
2, 2
2.0!!
2. 10
2 .1 2
2, 14
0, 4812
0.-1~21
2.7fi
2.16
2,18
2,20
2.22
2,24
2.26
2,28
2,30
2,32
2,34
l ,R8
1. 89
2,38
2,40
2,42
1,!JO
0,4713
2,46
1,91
0,4719
2,48
2,36
2, 44
0,48:lO
0,4tl38
0,4846
0.4854
0,4861
0,4868
0, 4875
0,4881
0,4887
0.48?3
0,489K
0,4904
0.4909
0,4913
0,4918
0,4922
0,4927
0,4931
0,4934
<l> (x)
1, 93
1,94
0,4G78
0,4686
0,469~l
0, 4699
0,4706
Ui6
1,R7
(J)
2, t16
2,68
2.74
2. 78
2.80
2,82
2,84
2, 86
2,88
2.90
2.92
2,94
2,96
2,98
::l,00
3,20
3,40
3,60
3,80
4,00
4,50
5,00
0,4938
0,4941
0,4945
0. 4948
0,4951
0.4953
0,4956
0,4959
0, 4961
0,49G:{
0, 4965
0.4967
0,4969
0,4971
0,4973
0,4974
0, 4976
0,4977
0.4979
0,4980
0,4981
0. 4982
0,4984
0,4985
0.4986
0, 49865
0, 49931
0,49966
0,499841
0,499928
0,499968
0,499997
0,499997
SUPLEMENTO 3
Tabla de va lores t.~ - t (y, n)
, 0,9510 ,0910,999
5
6
7
8
2,78
4,60
2,57
2,4fi
4,03
3,71
2,37
2,a1
3,50
;-! ,36
10
2.2G :3 ,25
11
12
~l. 17
,{. 1J
~:l. 06
1:1
14
15
16
17
)P.
19
2,23
2,20
2.1~
2.16
2, 15
3,01
2,<J8
2, 13
2,9,J
2.12
2 .11
2.92
2,90
2, IO
2,88
8 ,61
6,86
5, 9('\
5, 41
5, 04
4, 78
4,59
4,44
4,;{2
4, 22
4, 14
4,07
4,02
3,97
l ':'-'---,,,:, ,1), 951 0,?01

20
25
,f
:lS
40
2' (19: 2,8t31

2,0li4 2, 797
2,045 2,7:'iG
2,m2 2,720
2,():.23 2,70t\
1()()
120
2,0IG 2Ji92
2,009 2,679
2 001 2,662
l :9~ 2,G49
1,991 2,G40
1,987 2,(',;33
1.984 2,627
1. 980 2,617
00
1. [!/() 2,576
-15
5U
f,O
70
RO
90
0 , !)!l\)
3, 88~l
3, 74f,
~l . t,:-9
3,13011
4. ;,;,P,
:~,:127
~~ . ;-,()2
J, 4G4
3, -1-39
J, 418
3, 40J
3, :392
J,;174
3, 291
3,92
SUPLEMENTO 4
Tabla de valores q- q (y, n)
~ , 0,%
10,9910,999 ~~ , ,95 10,!191 0, 999

5. 64
20
1 ,38
2, 98
2,42
;:5
1.20
2,0fi
1,37
1,()9
2,01
0,92
0,80
0.71
fJ ,H!
0,59
0,55
0, 98
8
!)
10
11
12
IJ
14
15
16
17
18
19
0,52
0,48
0,46
(},44
0,42
0,40
0,39
2,67
l,62
1,08
0,90
0,8;3
0 ,78
0.73
0,70
0,66
0,63
,60
3, 88
1.80
25
;;o
40
0,28
o. 2(,
!.i,24
O,f>8
0,4()
0,43
, 88
0,7;
0 ,6::i
0,38
0, 56
0, f>(J
0,35
o,;{2
U,22
f{)
0,21
60
O, 188 0,2G9 0 ,38

O, 174 0,24& 0,34
l,::13
70
~o
1,23
l, 15
1,07
100
1,01
150
0,92
0/i2
45
1,60
1,45
0,96
o.:n
90
200
250
o,::o
O,JG1 0,221i
0 ,4b
0, 43
o.a1
n, 151 0,211 0,29

(), 14:l o. 198 0,27
O, 11 6 O, IGO 0.22 1
ll ,0911 O. 1:~fi 0.165
0 ,089 O, 120
162
367
SUPLEMENTO .5
Puntos c r( icos de la dist ribucin "l,'J.
Ni vel de slgn ficac n a
N ilmero <le
crn dr,s de
l i LertaJ k
0 , 0 1 1o. ozt, ,
o,os j
(iJ,
2
,,
, 2
11,:;
4
r,
13 .3
15. l
l ,R
7
8
9
18 ,5
JI, 1 9.5
12, 8 11.1
14,4 12, 6
IG,O 14, 1
20 , 1
17,r.
15, f,
21 ,7
rn.o
11)
!?:1 ,2
JI
!2
lJ
14
15
16
1,
18
19
20
21
22
23
24
25
2f>
27
28
29
:30
0 ,975
0, 99
1
0,0039
103
0,352
0, 71 1
0,00098
0,05[
0,216
0.484
1, 15
0,83 1
1, 64
2, 17
2, 73
1,24
1,69
2, 18
IG, 9
3, 33
2, 70
1, 65
2,09
20.5
18 ,3
3, 94
3, 25
2,56
24 ,7 21, 9
26,2 2a ,3
27 .7 24,7
26, 1
2()' '[
30 ,fi 27.5
a2.o 28,8
33 ,4 30,2
34 ,R ;J J,5
36 ,2 32.9
37,fi 34 ,2
19 ,7
21. 0
22,4
2a.1
25,0
2G ,3
27,6
4,57
5.23
5,89
3,82
4,40
5,01
3,05
3.57
6,57
5, 63
4,66
7,26
7, 96
8, 67
9,39
6,26
6 ,91
7,56
5,23
5, 81
fi ,O
7 ,4
ft,1
3.8
6.0
0 ,95
7, P.
1,24
4, l 1
6 .41
7 ,01
7, 63
8, 26
28 ,9
30, J
10, l
8, 9]
]1 , 4
10,9
9, 59
38 ,9 :l5, 5
40. ~ :)6.8
41 ,6 38. 1
4a.o 39 .4
44 .3 4() ,6
32,7
33, 9
11 ,6
12,3
11,0
35, 2
13, 1
11, 7
36,4
37, 7
13,8
14,G
12, 4
13, 1
10, 9
45 ,h
47,0
48 ,3
4] ,9
4,1 ,2
44 ,5
:-!8.9
13, 8
40 . 1
41 ,.1
15,4
16,2
!G,9
15,3
49 ,6
fi0 ,9
45 .7
42 ,6
17 ,7
47 ,0
43,8
18,5
16,0
16,8
12, 2
12,9
13, G
14,3
..
8,23
0, 000!6
0,020
0,11 5
0,297
0,554
0,872
!0,3
14, 6
8,90
9,54
J0,2
JI ,5
15,0
SUPLEMENTO fi
Pus1ios crticos de la distribucin de St udent
Nmero de
;rados
de I ibcrtad k
Nivel d~ 5lf!t1ii~at'.i'n l'.t

(regin cr!f.i <.:.a b U:ik ra I}
o 1o
r, ' :! 1
2
3
4
5
6
2,92
2,%
1 ,89
! ,86
1,83
8
9
2, 13
2.01
l.94
40
60
120
00
'HA,J
13:{, 7
31 )i2
i.\,97
4 ,54
3,7!:.
22 ,,.1.)
q,92
10,22
7, 17
5,84
4,60
4 ,03
3,37
5,89
5.21
3,7 1
3, 14
3,00
4,79
~{. 5(1
3,36
3,2.5
2,90
0,002
4,50
0, 001
rm .o
31.(,
12.9
8.61
G.86
5,96
5 , 40
5,04
4,78
2,20
2.hl
2,72
4,03
4 ,44
3,9!1
l, 77
1. 7
2, W
2,65
3 , 11
3,05
3,01
4 ,:32
4 ,22
2.14
2 ,62
l ,t\O
1,75
1, 75
1, 74
21
22
23
30
2,45
2 ,;16
2.!H
l,78
1.n
J, 73
27
28
29
3. 18
2,78
2,57
'
4. ;)i)
4, ]4
l~
19
24
25
26
,uo
:u,
11
12
13
20
12, 7
0,02
2,82
2,76
1,81
16
17
2,26
2,23
10
14
lf
o,oc
2.13
2.12
2.1 l
2, 10
2,68
2,60
2,98
2,95
2.,02
2,55
2,()0
2,88
2,86
2,58
2,57
l, 7?,
2,09
2,09
2,54
2,53
1,72
2,08
2,52
2.f.,J
l, 72
1,71
l, 71
1, 71
J,71
2,07
2,07
2,06
2,06
2,0G
2.05
2, 05
2,05
3,85
3,79
3,73
3. fi9
3,C\5
3,GI
3,;,A
~-
2,ll5
~
,.,0~
2 ,83
;3 ,5;1
;J,51
2.~2
2.81
2.RO
2,50
2,49
2,46
2,79
2 ;,;
2, 77
2 . 7r~
2 ,76
2,4H
2,48
2,47
4,59
4 .14
4,07
4,01
3.96
3,92
;,.~
3,85
3.~2
3,44
:1 , 79
3,Tl
3,74
3,72
3,71
3.69
3,66
3,6t3
3 .
;~.5fi
;{, 49
:3,47
:3,45
l, 70
2.04
2,46
2,75
3 ,42
3,40
3 ,'10
'.J.39
l ,ti8
2,02
2,00
2,42
2,70
;,;
2,39
2,36
2.:~:{
2 ,6fi
2,62
;, 17
3 ,,)/
;l, 09
;~.2.tl
1. 71
1,70
l ,70
l ,fi7
1, fi(i
1,64
1,98
1,96
2,46
0,05 1 0,025 1 0,01
~~ 1 2~3
2,58
1
o,005
a.46
0,001 1 0,0005
Nivel de- signifk.arin a

(regin trtica ttnilakral)
~69
SUPLEMENTO 7
"'
Puntos crticos de. la distribucin F de Fisher - Snedecor

(k1 -nmeros de gradc,s de libertad de la dispersi n nrnyor)
(k 2 -nmero de grnds de l ibertad de la d isp,~r.s i6n mcnoq
' ",,
,........, .
lr2
il1
Nivel de silfnl ticacln a -= i.0 1

2
'"---..~."
JO
9
1
11
12
1
J
4052
98,49
34,12
21 ,20
1
2
5
6
7
8
9
JO
11
12
13
14
15
16
17
16,26
13,74
12,25
11.26
10,56
10,04
9,85
9,33
9,07
8,86
8,68
8,53
8,40
4999
99,01
30,81
18,00
13,27
10 ,92
9,55
8,65
R,02
7,56
7,20
6,93
6,70
6,51
6,36
6,23
6,11
5403
99,1 7
29,46
16.69
12,06
9,78
8,45
7.59
6,99
6,55
6.22
5,95
5, 74
5,56
5,42
5,29
5,18
5625
99,25
28,71
15,98
11 ,39
9.15
7,85
7,01
6,42
5,99
5,67
5,41
5,20
5,03
4,89
4,77
4,67
5764
99,30
28,24
15,52
10,97
8,75
7,46
6,63
6,06
5,64
5,32
5,06
4,86
4,69
4,56
4 ,44
4,34
5889
99,33
27,9)
15,21
10,67
8,47
7, 19
6,37
5,80
5,39
5,07
4,82
4,62
4,46
4,32
4,20
4, 10
5928
99,34
27,67
14,98
10,45
8,26
',00
6, 19
5,62
5,21
4,88
4,65
4 ,44
4,28
4, !4
4,03
3,93
5981
99,36
27,49
14,80
J0,27
8, 10
G,84
6,03
5,47
5,06
4,74
4 ,50
4,30
4, 14
4,00
3,89
3,79
6022 j 61)513
99,38 99,40
27,34 27,23
14,66 14,54
10,15 !0,05
7,98
7,87
6,71
G,62
5,91
5,35
4,95
4,63
4,39
4,19
4,03
3,89
3,78
3,68
5,82
5,26
4,85
4,54
4,30
4.10
3,94
3,80
3,69
3,59
6082
6106
99,4 1 99,42
27,13 27,05
14,45 14,37
9,96
9,89
7,72
7 ~ 79
6,54
6,47
5'74 5,67
5,18
5, 11
4,78
4,71
4,40
4,46
4,16
4,22
3,96
4,02
3,86 3,80
3,73 3,67
3,61
3,55
3,52
3,45
~,
:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
:!
Continuacin
Ni ve l de slgnifkact6n a = 0,0 5
1
161
18,51
10,13
7,71
6,61
5,99
5,59
5,32
5,12
4,96
4,84
4,75
4,67
4,6()
4,54
4,49
4,45
200
216
19,00
9,55
6,94
5,79
5,14
4,74
4,46
19,16
9,28
6,59
5,41
4,76
4,35
4.07
3,86
3,71
3,59
3, 49
3,41
3,34
3,29
3,24
3 ,20
4,26
4, lO
3,98
3,88
3,80
3,74
3,68
3,63
3,59
225
19,25
9 ,12
6,39
5,19
4 ,53
4.12
3,84
3,63
3,48
3,36
3,26
3, 18
3,1 1
3,06
3,01
2,96
230
19,30
9.01
234
19,33
8,94
Jfl,36
6,26
6, lti
6,09
5,05
4,39
4,95
4 ,88
4 ,28
3,97
3,87
3,69
3,58
3,48
3,33
3,20
J,37
3,22
3,9
4,21
3,79
3,51)
3,29
3,14
3, ll
3 ,r)
2,92
2,85
2,79
3 ,02
2,96
2,90
2,85
2,81
2,74
2,70
237
8,88
3 ,01
2,92
2.134
2,77
2,70
2,G6
2,62
239
19,37
8,84
6,04
4 ,82
4,15
3,73
3,44
3,23
3,(lj
2,95
2,85
2,77
2,70
2,64
2,59
2,55
10
1
241
19,38
8,81
6.00
4,78
4, 10
3,68
3,39
3,18
3,02
2,9
2,80
2 , 72
2,w
2,59
2,54
2,50
242
19,39
8,78
5,96
4,74
4,06
3,63
3,34
3,13
2,97
2,86
2, 76
2,6'7
2,60
2,55
2,49
2,45
12
11
1
243
19,40
8,76
5,93
4,70
4,03
3,60
3,31
3, 10
2, 94
2,82
2,72
2,03
2,56
2,51
2,45
2 ,4 1
244
19,41
8,74
6,9l
4,68
4,00
3,57
3,28
3,07
2,91
2,79
2,69
2,60
2,53
2,48
2, 42
2,38
SUPLEMENTO 8
Puntos crticos de la dist r ibucin dc Corh ran
(k - nmr.ro dc ~r;i rfns <le liber ta d l--can lidad de mue.~tr as)
Nivel c1e sign if icaci n <X =l' ,Ol
-...... ..
l
'-...
~J
2
~I
5
(i
7
8
9
JO
12
15
20
30
40
60
120
OCi
l) . 9<199
0.9950 0,9794 0.9586

042;1
8831
8.1,'35
D13713
8t'l4:~ 7814
7212
0,927<1 f) ,781'(5 0, 6957 0, 6329
R~2R
72 1R
6258 56:'S5
83, 13
6644
5685
5080
(1, 7915 O. f:d52 0, 5209 0,4627
7fi44
5727 48 10 4251
7175
535R 4469 3934
0,6528 0,4751 0 .3919 0,3428
5747
4069 3317
2882
4799 3297 2654
2288
0,4247 0.2871 0,2295 0.1970
30:12 24 12
1913
1635
2940
191!1
1508
1281
0,2151 0, 1371 0 , !069 0,0902
122!:i
0759 0585
0000 0000 0000 0000
gq;~
04891
N ive l de ~ign il icac in

k 1
' , ''-..._
l
..................
10
IG
1
G9 12
f\743
605tl
!'702
55:36
48/H
O,f.tX~7
o.,p;:,4
4101
-n 29
:)7F.d
7
i\
9
[0
1
1
0,9373 0,9172 0,8988

79::!3 7606
7335
6761
64 10
6129
0J ill7,5 0,5531 O.;i2,'59
r:,195
4f>OR
4866
4659 4347
4105
0,4226 0,3932 0,3704
3870 3592
3378
3572 3308
31 06
CU099 0.2861 0,26f.\O
2[>9:3 2386
2228
2048
18n
1748
O, 1759 0,1608 0 ;[4~5
1454
12:12
1327
11.'35
103:l
0957
0,0796 0,0722 0, 0668
0~87
0357
0429
0()()0 0000
0000
:)')
IH
00
0,8823 0,8674 0,8539 0, 704!) 0,7067 0.6062 0.6000
7107
~897
J()I [
5153
11057
3207
294f.
3067
2813
4230
;'f i l
3333
2500
U,4697 0,4094 0, 3351 0, 2644 0.2000

4084
3529 2858 2229
1667
:3Gl6
3105 24<14
1929
1429
l) , Jf.2:.! ll ,~i.J73 t) , 3248 0 ,2779 0 ,22 14
372
<)
a = 0 , 01
2950
2704
2514
2297
1992
1811
O, 1700 0, 1250
1521
1111
1376
1000
ontinuaci&n
Nivel de signlfteaei<\n a= 0,01
~~~. .I
'.; f,
11)
10
.. ~~
141
1
O)
12
15
20
0,2535 0,2419 0.2320 O. H)GI O,F,V, O, ll:7 0,0830

0()34
12:)1
066,
1918
1612
2104
2002
tj()(i()
113413
1501
124R
0709
0500
1567
24
30
40
O, 141)13 O. J;jJ8 0, 1283 O. 1060 O,Oi:Jl 0,0.195 0,0417

or.::;g
OJ.33
08137
0480
1157
l 100
1054
0250
0898
0853
0816 OGG8 1)50:3 o:i6:3
60
120
0,0625 0,0594 0,0567 0.041.> I 0,0344 0,0245 0,0167

008.3
0:3;34
03 16
0302 0242
0178
0125
0000
0000
0000 0000 0000 (1000 0000
00
Nivel de slnlflc,icln et - O,06
~...I
2
3
4
5
6
7
8
9
10
12
15
20
24
30
40
60
120
00
0,9%.3 0,97[0 0,9392 0.9057 0,8772 0,8534 0,8332

9u9
7977 74f,8
i 071 677 l
6530
8709
7679 6841
(.21J7
!'.l.1Y5
5365
9065
5598
0,8412 0,6338 0.5981 O,!i440 0.501}3 0,4783 0. 4564

4184
3980
7~08
6161
5321
4803
4147
7271
4307 3974 3726
3535
G612
4800
0,6798 0,5157 0.4377 0,39 10 0,3595 0,3362 0,3185
2901
6[s85
4775
4027 3584 3286 3067
2823
2666
6020
4450 3733 ;33 11
B029
0,5410 0,3924 0,3624 0.2880 0,2624 0.2439 0,2299
20;34
191!
4709
a:3413
2758
241n
2195
2205
1602
1501
2705
1921
1735
3894
0.3434 0.2354
2929
1980
2370
1576
o, 1907
O, 1656 0, 1493 0.1374 o, 1286

1377
1237
1061
J 137
1259
1082 0%8 0887
0827
1593
O, 1737 0,1131 0,089!i 0.0765 0,0082 0,0623 0.058::l

Off)
0312
0632
0495
0:177
0998
0371
()000
0000
0000 0000
0000
0000 0000
371
ConUnuacin.
Nh1<'1 lle si-11ttlcacl11 a. = O,06
~
'~ -.... " 1

2
,3
4
5
(j
IO
12
15
20
21
30
40
00
120
00
')
JG
IG
10
144
(X)
O,U1l O.ii602 0,5813 0.5000

4748
403 !
6466
3333
43013
::l720
2500
3093
0,3(>45 0,306 0,2515 0,2000
:3 135
26 12
1667
2119
2756
2278
1429
1833
0 ,2462 0,2022 0, 1616 O, 1250
2226
1820
l ll l,
1446
20J 2
W55
1308
1000
o.1n1 0, 1403 0, llOO 0.0833
1429
1144
0889
0667
l ll)~
0870
0675
0500
0,0942 0 ,0743 0,0567 0,0417
0771
0004
0457
0333
0462
0595
0.347
0250
O,Of">2 0,620 0,0497 0,04! 1 0,0316 0,0234 0,01()7
0292
0279
0266
0218
0165
0 120
0083
0000
0000
0000
0000
0000
0000
0,8159 0 ,8010 0.7880

Glt?,7
6~33
G025
5 l7;,
UJ7
4884
0,4387 0,4241 0,4118
;-;8 17
3082 3568
3154
3384
3259
1) ,304,j 0,2926 0,2829
2568
276>:i
21350
2353
2!'i41
2439
0.218T 0,2008 0,2020
173(;
18 15
1671
1422
1357
1:303
0 . 12113 0, 1160 0, 1113
ll2
0921
0958
074[
0713
0780
SUPLEMENTO 9
Cuantllas i.le disl r bucin norma l U p En esta parte de la t a bla los
valores de las cuaut ilas van con el signo , (menos)
IOOpl
o
1
2
3
4
5
6
7
8
9
374
0,0
2,32G
2, 054
1,881
1,751
1,645
(, 555
1,476
1,405
l ,;14!
1 0, 1
3 ,000
2,290
2,0;34
1,866
1,739
1,6,'35
1, 546
1,468
1,3!!8
1.~~{
o. 2 1 0 , 3
2 ,878
2 ,2.')7
2 ,014
1,852
1, 72(
l , 62(,
J .538
l , 4f, I
1, 392
l ,329
o.~
1
0, 6
0 ,6
1 0, 1
10,8
2,457
2,120
l,927
1,787
1.675
1, 580
1,499
! ,426
1,359
1,299
2,409
2,097
UH J
1, 774
1,665
1, 572
1,491
1,419
1,353
1, 293
2, 74R 2,G2 2,57 2 ,5 12

2,226 2, 197 2,170 2. 144
1,995 1, 977 1,960 1,943
l .8~ 1,825 1,812 1, 799
1,717 1,706 1,695 1,685
J ,61 () 1,607 1,598 l . ~89
1,5;30 1,522 1.5 14 l ,!506
1, 454 1,447 1,440 1,433
1 ,:W> l .379 l ,3i2 l ,36
1, i'~2J J .317 1, :rn t ,305
1 0,9
2,366
2,075
1,896
1,762
1, 655
1.563
1.483
l.4 12
1,347
1,287
Continuacin
lOOp l
10
11
12
13
14
15
16
17
0, 010,1
l ,282
1,227
l , 175
l. 126
1.0f<O
1.036
0.994
0,954
18 0.915
19 0,878
1,276
1,22 1
1.170
1, 122
1.076
1.032
0.990
0.950
0,912
0,874
0,2
l o, a
o,1 1
0,5 1 0 , G
I O,?
10,8
0 , !}
1,270 1, 265 l ,2fi9 J.25'1 l 241> 1.243 1,237 1, 2;32
1,216
1, 1()5
l. 117
l ,07 1
J ,028
0.9811
0.946
0.9~
0,87 1
1,211
l, 160
1.112
1,067
1.024
0,982
0.942
0,904
0,867
1,20/i
1.155
1.10>!,
1,0\,3
1,019
1.200
l, 150
1, 10.1
1,0"8
1.0 1;5
O.tl7R O.U74
0,9i.lH 11 .935
(),900 0.800
0,8f\J 0,860
1,1% l, 190 l, 185 1, 18-0

1. J4i:, 1. 14I l, 13tl l, 131
0,0'.* 1,094 1,089 1,085
1 .0;;4 1,049 l.045 1.041
1,0 11 l ,007 l.003 0.999
o.;:.70 0 .966 0.962 0.958
O.(nl 0,927 0.923 0.919
O.89,$ 0,889 0,885 0,882
O,ft56 O.l-152 0,849 0,845
20 0,842 0,838 0,834 0,831 0,1:!27 0,824 0,1120 0,817 0,813 0.810
796
789
806
803
800
79:J
786
21
782 779 776
772
7G5 762
22
769
7.59
755
i'2
749 745 742
732
729
726
722 719 716 71 3 710
23
739 736
24
700
687
706 703
697
693 690
684 681
678
671 668 665
662
25
674
659
N'l6
653 650
646
631
26
643
640
637
634
628 62[, 622 619 616
27
613 61 0 607 604 601 598
5%
692 589 586
28
577
574 571
568 565 562 559 556
583 580
548
545 _542
riY.>
29
553
550
63b
533 530 527
0,5(0
0,524
0,522
0
,519
0,516
0,513
0,507
30
0,504 0,502 0,499
31
490
487 485 482
496 493
479 476 473 470
462 459 457 454 451 448 445 443
32
468 465
429 426
423 421 418 415
33
440 437 434 432
34
412 410 407 404 402 399 396 393 39(
388
380 377
3G9 366 364 361
35
385 383
375 372
;345 342 340 337 335
358 356 353
350
348
36
37
332
329 327 324 321 319 :Hfi 313 311
308
292 200 287 285 282
305 303 300
298
295
38
279 277
274 272
269
2G6 264 261 259 256
39
0,253
0,248
0,246
0,243
0,240
40
0.25 1
0,238 0,235 0.233 0,230
228 225
222 220 217 215 212 210 207 204
41
192
42
202
199
197
194
IM9
187
184 181 179
174
171
169
16G
164
43
176
161
159 156
154
146 143
14 1 138
44
151
148
1~6
133 131
128
126
123
121
118
1JG
113
111
45
108 105
103
46
100
098 095 093
090 088 08,'i 083 080 078
47
075
073
070 068 065 063 060 058 055 053
048
045 043 040 038 035 033 030 028
48
050
013
015
49
025 023 020 018
010 008 005 003
Los dems valores de las cuantHas de la tabla son positivos
0,003 0,005 0.008 0,010 0,013 0,1)[5 0.018 0,020 0,023

50
51 0,025
028 030 033 035 038 040 043 045 048
52
53
54
050
075
100
053
078
103
055
080
105
058
083
108
060
085
11l
063
065
088
090
113
116
068
093
118
070
095
121
073
098
123
Con/ tnuaci6n
l 0011
O, O 1
(l , 1
0 ,2
1 o, 3 1 o ,.1
131
lJ;)
55
12;;
128
56
[,7
58
151
IG4
)7[1
181
202
201
207
159
184
210
'..?:>
233
235
59
176
228
60 ,2!i3
())
279
62
305
3:~2
63
64
3!i8
:~8f
6f>
412
66
440
67
Mitl
68
49G
69
70 0, 524
55:3
71
5&1
72
n 61:3
74
64~
674
75
706
76
77
739
772
78
79
80t3
80 0,842
81 0, 878
82 0, 915
83 0,954
84 0. 994
8.5
J. ();jf3
90
91
92
93
94
95
96
1, 282
1, 34 1
86 1,080
87 I, 126
88 I , l5
89 1;227
1. 405
1,476
1, 555
1, 645
l ,51
97 1.881
98 2,0M
9\l 2,326
15(;
O,:r,r:; 0,259 0,261

2>:\2
285
287
J08 311
313
;~;~5
3;n 340
31)1 :5134 366
388
391
393
4 15
418 421
44;;;
Wi
448
470
47J
476
499 502 504
0 ,;)27 o.sao 0,53;3
5[)t3
562
559
586
589 S92
61(\
619 622
1;.1(:;
650 653
678 681 684
7 1()
713 716
742 745 749
779 782
776
8 10
813 817
o.~45 0 , 849 0,852
0,882 0.885 0,889
0,919 0,923 0,927
0, %8 0.962 0,966
0, 999 1,003 1,007
1, 041 1,045 1,049
1, 085 1,089 1,094
1,1a1 l, 13C 1,141
l, IXO 1.18f, 1,190
J,W2 J.237 l ,243
1, 287 1,293 1,299
1,:i47 1,353 1.359
1,412 1,419 1,426
1,,rna 1,491 ! ,499
1,563 l,fi72 1,580
1.655 1,665 1,675
1,762 1,774 1,787
1,8% l,9 11 1,927
2,075 2,097 2,120
2, 3ti(l 2,409 2,457
1:36
161
187
212
238
0,5
1
;313
164
189
215
240
O, G
141
W6
192
217
243
0,264 0,266 0, 269

290
292
295
316
319 321
342 345
348
375
360 372
396 399 402
426
423
429
451
454 457
482 485
479
507 510 513
1 o' 71
143
0,9
'
146
0,536 0,539 0, 542 0,545 0,548

568 57 l 574 577
565
fi95 598 601 604 007
625 628 631 634 637
656
659 662 665 668
687 690 693 697 700
722
726 729 732
719
752 755 759 762 765
786 789 793 796 800
827 831 834
820
824
0,856 0,860 0,863 0,867 0,871
0.893 0.896 0.900 0,904 0,908
0,931 0,935 0,938 0,942 0,946
0.970 0 ,974 0, 978 0,982 0,986
1.011 1,015 1,019 1,024 1,028
1,054 1,058 1, 063 l,067 1,071
1,098 1,103 1,108 1, 112 l, ll7
1,146 I, 150 l, 155 1,160 1, 165
1.195 1,200 1,206 1,211 1.216
1,248 1,254 1,259 l ,265 1,270
1,305 1,31 1
1,366 1,372
l.433 1,440
1,506 1,514
1,589 1, 598
J ,685 l ,695
1, 799 1.812
1.943 1,960
2, 144 2.170
2.512 2, 57\l
1,317
1,379
1, 447
1,522
), 607
1,706
1,825
1, 977
2, 197
2,652
148
174
171
199
197
222 225
251
246
248
0,272 0,274 0,277
298 300 303
324 327 329
350 353 356
377 380 383
410
404 407
432 4;14 437
459 462 465
493
487 490
522
516 519
169
194
220
0,550
580
6 10
640
671
703
736
769
803
8.18
0,874
0.912
0,950
0,990
1,032
1,076
1, 122
1,170
1,221
1,276
1,323 1,329 1,335

1,385 1,392 1, 398
1,454 1,461 1,468
1, 530 1,538 ,l ,546
1,616 1, 626 1, 635
1,717 1,728 1,739
1,838 1,852 .1,866
1,995 2,0 14 '2, 034
2,226 2,257 2.290
2,748 2.878 3,090

Problemas de Estadística

Cargado por

Copyright:

Formatos disponibles

Problemas de Estadística

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Problemas de Estadística

Cargado por

Copyright:

Formatos disponibles

B. E.

J.13.llA'rRJib CTRO BlofCTI! All lliHOJI

del ruso por

({;) Tr:.i<luc,: in ;1! o,palol, Erl i tor ial ,\.\ir. lf)75

S UCESOS A L E.-'\T ORIOS

Ca pt u lo primero. Definicin de la pro ballilidad

2. Pro babilidad es geomtricas

Captulo seg und v. Tt:oremas funda1 n(:nia ks

J. Tcon: mas de la adicin y del

prod ucto ,k prnbabi li. ..... . ....

Ca ptulo te rct'ro. Repeticin Lle las pruebas

3. Caracter'!>tias numer1cas de magnitudes aleatorias

Captulo quinto. Ley de los grandes nmeros

Ca plulo s,1xto. Fuuciont\S de d istribucin de las prvbabil idadcs

l. Funcin i11lC!gra l de distribucin de las probabili dades

Capitulo s ptimo. Distri bucin de la funcin de uno y de d,:,s

!. Funcin de un argumento aleator iu . . . . .

Caphulo uct.avo. Si~terna de dos mag nitudes aleatoria.s

l. Ley di' distribucin de una magnitud aleatoria bidirnen.sional

F. LEMf::NTOS DE ESTADISTICA .MATEf,'\ATICA

l. Dislrih uci11 estadh tica de la 11 1uc,tra

Captulo dcimo. Estimaciones cstadisticas de los par metros

l. Mtodo de los productos de clculo de la media y la

dispersin muest rales

2. Mtodo de las su mas de c lculo de la me dia v la dis-

3. Asimetra y exceso de una dist ribucio emprica

Capitulo doce. Elementos de la teora d~ la correlacin

Captulo trec\'. Verii icacin estadstica de las hi ptesis es!a

l. Conoc micntos f un<lamentale!>

13. Verif10.:aci611 ~riica <.le la hif.tess de distribuci 11

16. Vcrficac, n de la hiptesis sobre la distribucin unif,,rrne de un conjunto general

l. Nmero identico d1:. pr ue bas en tod1Js los nivele:; .

La presente gua contiene ms de ~et-cicntos problemas.

donde rn es e l nmero de resultados tlemc11talcs de l ex perimento qn<.

donde m es d nmero de cxperi111c11los en los qu,~apareci el succs,., A;

t. Se han tirado <los dados. Hallar la probabilidad de que

puede combinarse con cada uno de los resu ltados de la tirada

es igual a 66 = 36. Estos resultados son los nicos posibles,

La probabilidad buscada es igual a la relacin entre el

dos los resultados elemcmtales posibles:

b) Entre las treinta piezas, cada una de las cuales puede

3. Se ha pensado un nmero binario, cuyas cifras son

5. Se tiran dos dados. Hallar las probabilidades de los

6. Cul es la probabilidad de que al tirar dos dados la

8. En una caja hay 6 cubos iguales enumerados. De a uno

rnLuc10N. El nmero total de resultados elementales del

La probabil idact buscada es igual a la relacin entre el

10. En un paquete ha y 20 tarjetas pt'rforadas marcadas

R.espuesta P,::. C~o = 1~0 .

!),8,7 ,6 1234 ::,',

b) El nmero de resultados favorab les a l suceso que nos

.N'2 l y .N'2 2 y. por lo tanto. 4 piezas tienen otros n meros),

12. En una caja hay 15 piezas, de las cuales 10 est n

13. Entre 100 fotografas de un sobre se encuentra la foto

14. Una caja contiene 100 piezas, de las cuales 10 son

15. Un dispositivo contiene 5 elementos. de los cuales

16. Al marcar el nmero de telfono. un abonado se olvid

17. En una partida de N piezas hay n estndares. Se escogen

Contamos eJ n mero de resulta <los fc:1 vorable:-s ai suceso que

es igual a C!C:_;~La probabilidad busca<la es igual a la relacin entre el