FUNCIONES DE DISTRIBUCIN ESPECIALES

DISTRIBUCIN NORMAL
En estadstica y probabilidad se
llama distribucin
normal, distribucin
de
Gauss o distribucin
gaussiana,
a
una
de
las distribuciones
de
probabilidad de variable continua que con ms frecuencia aparece aproximada en
fenmenos reales.
La grfica de su funcin de densidad tiene una forma acampanada y es simtrica
respecto de un determinado parmetro estadstico. Esta curva se conoce
como campana de Gauss y es el grfico de una funcin gaussiana.
La importancia de esta distribucin radica en que permite modelar numerosos
fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que
subyacen a gran parte de este tipo de fenmenos son desconocidos, por la
enorme cantidad de variables incontrolables que en ellos intervienen, el uso del
modelo normal puede justificarse asumiendo que cada observacin se obtiene
como la suma de unas pocas causas independientes.
De hecho, la estadstica descriptiva slo permite describir un fenmeno, sin
explicacin alguna. Para la explicacin causal es preciso el diseo experimental,
de ah que al uso de la estadstica en psicologa y sociologa sea conocido
comomtodo correlacional.
La distribucin normal tambin es importante por su relacin con la estimacin
por mnimos cuadrados, uno de los mtodos de estimacin ms simples y
antiguos.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el
modelo de la normal son:

caracteres morfolgicos de individuos como la estatura;

caracteres fisiolgicos como el efecto de un frmaco;

caracteres sociolgicos como el consumo de cierto producto por un mismo

grupo de individuos;
caracteres psicolgicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes;
etc.

La distribucin normal tambin aparece en muchas reas de la propia estadstica.

Por
ejemplo,
la distribucin
muestral de
las medias muestrales
es

aproximadamente normal, cuando la distribucin de la poblacin de la cual se

extrae la muestra no es normal.1 Adems, la distribucin normal maximiza
la entropa entre todas las distribuciones con media y varianza conocidas, lo cual
la convierte en la eleccin natural de la distribucin subyacente a una lista de
datos resumidos en trminos de media muestral y varianza. La distribucin normal
es la ms extendida en estadstica y muchos tests estadsticos estn basados en
una supuesta "normalidad".
En probabilidad, la distribucin normal aparece como el lmite de varias
distribuciones de probabilidad continuas y discretas.
Distribucin normal

La lnea verde corresponde a la distribucin

normal
estndar
Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad

Parmetros

Dominio
Funcin
densidad (pdf)

de

Funcin
distribucin (cdf)

de

Media
Mediana
Moda
Varianza
Coeficiente
simetra

de 0

Curtosis

Entropa
Funcin generadora
de momentos (mgf)
Funcin
caracterstica
Definicin formal
La funcin de distribucin de la distribucin normal est definida como sigue:

Por tanto, la funcin de distribucin de la normal estndar es:

Esta funcin de distribucin puede expresarse en trminos de una funcin

especial llamada funcin error de la siguiente forma:

y la propia funcin de distribucin puede, por consiguiente, expresarse as:

El complemento de la funcin de distribucin de la normal estndar,

, se

denota con frecuencia

, y es referida, a veces, como simplemente funcin Q,
especialmente en textos de ingeniera. 5 6 Esto representa la cola de probabilidad
de la distribucin gaussiana. Tambin se usan ocasionalmente otras definiciones
de la funcin Q, las cuales son todas ellas transformaciones simples de .7
La inversa de la funcin de distribucin de la normal estndar (funcin cuantil)
puede expresarse en trminos de la inversa de la funcin de error:

y la inversa de la funcin de distribucin puede, por consiguiente, expresarse

como:

Esta funcin cuantil se llama a veces la funcin probit. No hay

una primitiva elemental para la funcin probit. Esto no quiere decir meramente que
no se conoce, sino que se ha probado la inexistencia de tal funcin. Existen varios
mtodos exactos para aproximar la funcin cuantil mediante la distribucin normal
(vase funcin cuantil).
Los valores (x) pueden aproximarse con mucha precisin por distintos mtodos,
tales como integracin numrica, series de Taylor, series asintticas y fracciones
continuas.
Lmite inferior y superior estrictos para la funcin de distribucin
Para grandes valores de x la funcin de distribucin de la normal estndar
es
muy prxima a 1 y
est muy cerca de 0. Los lmites elementales

en
densidad

trminos

de

la

son tiles.

Usando el cambio de variable v = u/2, el lmite superior se obtiene como sigue:

De forma similar, usando

Resolviendo para

y la regla del cociente,

proporciona el lmite inferior.

Funciones generadoras
Funcin generadora de momentos
La funcin generadora de momentos se define como la esperanza de e(tX). Para
una distribucin normal, la funcin generadora de momentos es:

como puede comprobarse al completar el cuadrado en el exponente.

Funcin caracterstica
La funcin caracterstica se define como la esperanza de eitX, donde i es la unidad
imaginaria. De este modo, la funcin caracterstica se obtiene
reemplazando t por it en la funcin generadora de momentos.
Para una distribucin normal, la funcin caracterstica es 8

Propiedades
Algunas propiedades de la distribucin normal son:
1. Es simtrica respecto de su media, ;

Distribucin de probabilidad alrededor de la media en una distribucin

N(, 2).
2. La moda y la mediana son ambas iguales a la media, ;
3. Los puntos de inflexin de la curva se dan para x = y x = + .
4. Distribucin de probabilidad en un entorno de la media:
1. en el intervalo [ - , + ] se encuentra comprendida,
aproximadamente, el 68,26% de la distribucin;
2. en el intervalo [ - 2, + 2] se encuentra, aproximadamente, el
95,44% de la distribucin;
3. por su parte, en el intervalo [ -3, + 3] se encuentra
comprendida, aproximadamente, el 99,74% de la distribucin. Estas
propiedades son de gran utilidad para el establecimiento
de intervalos de confianza. Por otra parte, el hecho de que
prcticamente la totalidad de la distribucin se encuentre a tres
desviaciones tpicas de la media justifica los lmites de las tablas
empleadas habitualmente en la normal estndar.
5. Si X ~ N(, 2) y a y b son nmeros reales, entonces (aX + b) ~
N(a+b, a22).

6. Si X ~
N(x, x2)
eY~
N(y, y2)
normales independientes, entonces:

son

variables

aleatorias

Su
suma
est
normalmente
distribuida
con U = X + Y ~
2
2
N(x + y, x + y ) (demostracin). Recprocamente, si dos variables
aleatorias independientes tienen una suma normalmente distribuida,
deben ser normales (Teorema de Crmer).

Su
diferencia
est
normalmente
distribuida
con
.

Si las varianzas de X e Y son iguales,

independientes entre s.

La divergencia
de
Leibler,

Si

son

entonces U y V son
Kullback-

variables

aleatorias

independientes normalmente distribuidas, entonces:

Su producto

sigue una distribucin con densidad

donde

dada por

es una funcin de Bessel

modificada de segundo tipo.

Su

cociente

sigue

una distribucin

de

Cauchy con
. De este modo
distribucin de Cauchy es un tipo especial de distribucin cociente.

Si

entonces
libertad.
Si
la media

son

variables
sigue

normales

estndar

una distribucin

la

independientes,

con n grados

de

son variables normales estndar independientes, entonces

muestral

la varianza

muestral
son
independientes. Esta propiedad caracteriza a las distribuciones normales y
contribuye a explicar por qu el test-F no es robusto respecto a la nonormalidad).

Estandarizacin de variables aleatorias normales[editar]

Como consecuencia de la Propiedad 1; es posible relacionar todas las variables
aleatorias normales con la distribucin normal estndar.
Si

, entonces

es una variable aleatoria normal estndar:

La transformacin de una distribucin X ~ N(, ) en una N(0, 1) se

llama normalizacin, estandarizacin o tipificacin de la variable X.
Una consecuencia importante de esto es que la funcin de distribucin de una
distribucin normal es, por consiguiente,

A la inversa, si
entonces

es una distribucin normal estndar,

es una variable aleatoria normal tipificada de media

y varianza

La distribucin normal estndar est tabulada (habitualmente en la forma de el

valor de la funcin de distribucin ) y las otras distribuciones normales pueden
obtenerse como transformaciones simples, como se describe ms arriba, de la
distribucin estndar. De este modo se pueden usar los valores tabulados de la
funcin de distribucin normal estndar para encontrar valores de la funcin de
distribucin de cualquier otra distribucin normal.
Momentos[editar]
Los primeros momentos de la distribucin normal son:

Nmero Momento

Momento
Cumulante
central

Todos los cumulantes de la distribucin normal, ms all del segundo, son cero.
Los momentos centrales de orden superior (2k con = 0) vienen dados por la
frmula

El Teorema del Lmite Central[editar]

Artculo principal: Teorema del lmite central

Grfica de la funcin de distribucin de una normal con = 12 y = 3,

aproximando la funcin de distribucin de una binomial con n = 48 y p = 1/4
El Teorema del lmite central establece que bajo ciertas condiciones (como pueden
ser independientes e idnticamente distribuidas con varianza finita), la suma de un
gran nmero de variables aleatorias se distribuye aproximadamente como una
normal.
La importancia prctica del Teorema del lmite central es que la funcin de
distribucin de la normal puede usarse como aproximacin de algunas otras
funciones de distribucin. Por ejemplo:

Una distribucin binomial de parmetros n y p es aproximadamente normal

para grandes valores de n, y p no demasiado cercano a 1 0 (algunos
libros recomiendan usar esta aproximacin slo si np y n(1 p) son ambos,
al menos, 5; en este caso se debera aplicar una correccin de
continuidad).
La normal aproximada tiene parmetros = np, 2 = np(1 p).

Una distribucin de Poisson con parmetro es aproximadamente normal

para
grandes
valores
de
2
La distribucin normal aproximada tiene parmetros = = .

La exactitud de estas aproximaciones depende del propsito para el que se

necesiten y de la tasa de convergencia a la distribucin normal. Se da el caso
tpico de que tales aproximaciones son menos precisas en las colas de la
distribucin. El Teorema de Berry-Essen proporciona un lmite superior general
del error de aproximacin de la funcin de distribucin.

Divisibilidad infinita[editar]
Artculo principal: Divisibilidad infinita (probabilidad)
Las normales tienen una distribucin de probabilidad infinitamente divisible: Para
una distribucin normal X de media y varianza 2 0, es posible
encontrar n variables aleatorias independientes {X1,...,Xn} cada una con
distribucin
normal
de
media /n y
varianza 2/n
dado
que
la
suma X1 + . . . + Xn de estas n variables aleatorias

tenga esta especfica distribucin normal (para verificarlo, sese la funcin

caracterstica de convolucin y la induccin matemtica).
Desviacin tpica e intervalos de confianza
Alrededor del 68% de los valores de una distribucin normal estn a una distancia
< 1 (desviacin tpica) de la media, ; alrededor del 95% de los valores estn a
dos desviaciones tpicas de la media y alrededor del 99,7% estn a tres
desviaciones tpicas de la media. Esto se conoce como la "regla 68-95-99,7" o la
"regla emprica".
Para ser ms precisos, el rea bajo la curva campana entre n y + n en
trminos de la funcin de distribucin normal viene dada por

donde erf es la funcin error. Con 12 decimales, los valores para los puntos 1-,
2-, hasta 6- son:

0,682689492137

0,954499736104

0,997300203937

0,999936657516

0,999999426697

0,999999998027

La siguiente tabla proporciona la relacin inversa de mltiples

correspondientes a unos pocos valores usados con frecuencia para el rea
bajo la campana de Gauss. Estos valores son tiles para determinar intervalos
de confianza para los niveles especificados basados en una curva
normalmente distribuida (o estimadores asintticamente normales):

0,80

1,28155

0,90

1,64485

0,95

1,95996

0,98

2,32635

0,99

2,57583

0,995

2,80703

0,998

3,09023

0,999

3,29052

0,9999

3,8906

0,99999

4,4172

Donde el valor a la izquierda de la tabla es la proporcin de valores que caern

en el intervalo dado y n es un mltiplo de la desviacin tpica que determina la
anchura del intervalo.
Forma familia exponencial
La distribucin normal tiene forma de familia exponencial biparamtrica con
dos parmetros naturales, y 1/ 2, y estadsticos naturales X y X2. La forma
cannica tiene como parmetros

y estadsticos suficientes

y
Distribucin normal compleja
Considrese la variable aleatoria compleja gaussiana

Donde X e Y son variables gaussianas reales e independientes con igual

varianza

. La funcin de distribucin de la variable conjunta es entonces

Como
, la funcin de distribucin resultante para la
variable gaussiana compleja Z es

Distribuciones relacionadas
es

una distribucin

donde
independientes.

es

una distribucin

donde

de

Rayleigh si

son

con

dos

grados

para

de

distribuciones

normales

libertad si

y son independientes.
es una distribucin de Cauchy si

para
independientes.

son

es
y
Relacin
entonces
Distribucin
debajo de
media
e

dos

una distribucin

distribuciones

normales

log-normal si

.
con

una distribucin

estable:

si

.
normal truncada. si
entonces truncando X por
y por encima de
dar lugar a una variable aleatoria de
dond

y
es la funcin de densidad de una variable normal estndar.
Si
es una variable aleatoria normalmente
entonces tiene una distribucin normal doblada.

DISTRIBUCIN CHI2 CUADRADO DE PEARSON

distribuida

Si (X1,X2,...,Xn) son n variables aleatorias normales independientes de media 0 y

varianza 1, la variable definida como
n
Yn X12 X n2 i1 X i2
se dice que tiene una distribucin CHI con n grados de libertad. Su funcin de
densidad es
f (x)

1
x ( n 2) / 2 e x / 2
n
n
2
2

x0

Siendo ( P) 0 X P 1e x dx la funcin gamma de Euler, con P>0. La funcin de

distribucin viene dada por
x

F( x ) P( X x ) f ( x )dx
0

La media de esta distribucin es E(X)=n y su varianza V(X)=2n. Esta distribucin

es bsica en un determinado nmero de pruebas no paramtricas.
Si consideramos una variable aleatoria Z~N(0,1), la variable aleatoria X=Z 2 se
distribuye segn una ley de probabilidad distribucin CHI con un grado de libertad
Si tenemos n variable aleatoria independientes Z i~N(0,1), la suma de sus
cuadrados respectivos es una distribucin CHI con n grados de libertad,
n

Z i N(0,1) Z i2 2n
i 1

La media y varianza de esta variable son respectivamente, E(X)=n y V(X)=2n

Ejemplo, El espesor de un semiconductor se controla mediante la variacin
estndar no mayor a =0.60 mm. Para mantener controlado el proceso se toman
muestras aleatoriamente de tamao de 20 unidades, y se considera que el
sistema est fuera de control cuando la probabilidad de que 2 tome valor mayor
o igual al valor de la muestra observado es que es 0.01. Que se puede concluir si
s=0.84mm?
Solucin. Existe fuera de control si (n 1)s 2 / 2 con n=20 y =0.60, excede
02.01,19 36.191

(n 1)s 2 19 * 0.84 2

37.24
2
0.60 2
Por tanto, el sistema est fuera de control

Entonces,

La funcin de distribucin CHI tienen importantes variaciones de acuerdo con los

grados de libertad y del tamao muestral (menor tamao muestral y mayor tamao
muestral respectivamente),

En consecuencia, si tenemos X1,..,Xn, variable aleatoria independientes, donde

cada
X i N ( i , i ) , se tiene
Xi i

i
i 1

2n

La distribucin Chi muestra su importancia cuando queremos determinar la

variabilidad (sin signo) de cantidades que se distribuyen en torno a un valor central
siguiendo un mecanismo normal.
Teorema (Cochran). Sean X1,,Xn con distribucin N(,), la variable aleatoria
independiente, entonces
n

X
i 1

N ,

X X

y i

i 1
n

2n 1

La funcin Chi-cuadrado es igual a la funcin normal elevada al cuadrado. Esto es,

el producto de dos distribuciones de Gauss es una distribucin de Chi-cuadrado.
Si de una poblacin normal, o aproximadamente normal, se extraen muestras
aleatorias e independientes, y se le calcula el estadgrafo 2 usando el valor
muestral de la varianza y el poblacional con:
(n 1)s 2
2
2
Esta funcin matemtica est caracterizada por el valor del nmero de grados de
libertad =n-1 (donde n es el tamao muestral). Al igual que la t-Student, el valor
total del rea bajo la curva es igual a la unidad, pero la diferencia principal es que

esta no es simtrica respecto al origen, sino que se extiende desde 0 hasta +

porque no puede ser negativa.

A medida que los grados de libertad aumentan, la curva cambia de forma y sus
valores se han tabulado en el anexo de tablas estadsticas, donde se muestran los
valores del rea bajo la curva, para los principales valores de 2, a la derecha de
ste. O sea, se muestra la zona de rechazo para diferentes niveles de significacin
y de grados de libertad, lo cuales varan entre 1 y 100. Ms all, conviene usar
directamente la funcin de Gauss.
Para cada grado de libertad hay una tabla de valores que pueden obtenerse
variando el nivel de significacin, parecida a la de Gauss. El problema de calcular
los valores crticos, para un nivel de confianza dado, se resuelve de dos maneras:
usando computadoras para resolver los clculos, y la otra ms comn, usando
tablas resumidas, en forma anloga a la vista para el modelo de t-Student. La
distribucin de 2 se usa principalmente para analizar dispersiones. Se compara la
dispersin muestral expresada a travs de sus cuadrados medios contra la
dispersin poblacional cuantificada a travs de la varianza ( 2).
Existen otros criterios, como el de Thonks, que usa un error relativo admisible
mximo, y se calcula como un cuarto del rango de los valores normales de
referencia, dividido por el valor medio de dicho intervalo (referido a la magnitud
clnica en cuestin y expresado en porcentajes). Tambin se emplea a este
modelo para realizar la llamada prueba de chi-cuadrado en las comparaciones de
frecuencias observadas contra las frecuencias esperadas, con datos de recuento.
Ms adelante se desarrolla mejor este tema, lo mismo que su so para testear la
independencia de dos o ms factores en una Tabla de Contingencia.
En la industria farmacutica se la usa para analizar la dispersin de los
componentes de los productos terminados. Todo remedio fabricado debe cumplir
estrictas normas de calidad, generalmente referidas al contenido en peso de sus
principales componentes. Se usan dos lmites: el superior e inferior, dentro de los
cuales se los debe mantener controlados. Este rango de valores define la

dispersin mxima admisible y lo ideal es que la dispersin de los productos

terminados sea bastante inferior a dicho rango. Ese control de la dispersin es
muy similar al explicado ms arriba, para los bioqumicos.
Ejemplo. Un bioqumico sospecha que su micro-centrfuga no mantiene constante
su velocidad mientras trabaja, lo cual le da una variabilidad indeseada en sus
determinaciones. Para controlarla, consigue un tacmetro regulado y mide cada
minuto la velocidad durante 10 minutos. Los resultados fueron: una velocidad
promedio en las 10 mediciones de 3098 rpm con una desviacin de 100,4 rpm.
Testear para un error relativo mximo del 2% o menos, si la centrfuga es estable.

La desviacin estndar es max=2%*3098=62 rpm, luego,

H0: max62 rpm
H1: max62 rpm
2

(n 1)s 2 (10 1) * 100.4 2

23.6
2
62 2

De la Tabla de valores crticos surge: 20,99;9=21,666 y 20,991;9=27,877. Por lo tanto,

el bioqumico ha encontrado una muy fuerte evidencia que la velocidad del equipo
oscila en forma indeseada, tal como sospechaba. Y deber ajustarlo si desea
disminuir la variabilidad de sus mediciones. Los resultados fueron muy
significativos 2 = 23,6
Ejemplo. Un farmacutico Jefe del Dpto. Control de Calidad en una industria
alimenticia, descubre que en su proceso de produccin el contenido de ciclamato
en su lnea de mermeladas dietticas vara en forma indeseada. Sospechando que
se trata de una falla en el dosificador, decide tomar 10 muestras seguidas del
mismo. Encuentra un promedio de 20 gramos con una desviacin de 8 gramos. Si
en su protocolo de fabricacin la variacin mxima permitida es del 3%,
determinar si el dosificador debe ser corregido.
El desviacin estndar aceptable es: mx = 3% de 20 g = 6 g. Luego:
H0:mx 6 g.: el dosificador funciona correctamente
H1:mx > 6 g.: el dosificador debe ser cambiado
(n 1)s 2 (10 1) * 8 2

16
2
62
2

De la Tabla de valores crticos surge: 20,95;9=16,9. Por lo tanto, el farmacutico no

ha encontrado evidencia que respalde sus sospechas. Sin embargo, el valor
hallado es muy cercano al crtico, por lo que le convendra hacer ms pruebas.
En estadstica, la distribucin Chi-cuadrado, tambin denominada Chi-cuadrado de
Pearson, es una distribucin de probabilidad continua con un parmetro k que
representa los grados de libertad de la variable aleatoria:
X Z12 Z 22 Z 2k
donde Zi son variables de distribucin normal, N(0,1) o de media cero y varianza
uno.
Se suele usar la denominada prueba Chi-cuadrado como test de independencia y
como test de bondad de ajuste. La funcin de densidad Chi-cuadrado es
f k (x)

(1 / 2) k / 2 k / 21 x / 2
x
e
( k / 2)

x0

es la funcin gamma. La funcin de distribucin es

Fk ( x )

(k / 2, x / 2)
( k / 2)

donde (k,z) es la funcin gamma incompleta.

El valor esperado y la varianza de una variable aleatoria X con distribucin Chicuadrada son
E[X] = k
V[X] = 2k
La distribucin Chi-cuadrado tiene muchas aplicaciones en inferencia estadstica,
por ejemplo en el test Chi-cuadrado y en la estimacin de varianzas. Tambin est
involucrada en el problema de estimar la media de una poblacin normalmente
distribuida y en el problema de estimar la pendiente de una recta de regresin
lineal, a travs de su papel en la distribucin t-Student, y participa en todos los
problemas de anlisis de varianza, por su papel en la distribucin F-Snedecor, que
es la distribucin del cociente de dos variables aleatorias de distribucin Chicuadrado e independientes.
Relacin con otras distribuciones. La Chi cuadrado es una distribucin binomial
inversa cuyo coeficiente de variabilidad es 10.1, esta tiene un intervalo de
confianza de 2.3 grados en la escala de desviaciones estndar. Posee una
distribucin de Poisson elevada la cual asciende a 56.5 m Eq en los tres
primeros cuartiles de la recta. Para k=2 la distribucin es una distribucin
exponencial.
La prueba de Chi-cuadrado es una prueba no paramtrica que mide la
discrepancia entre una distribucin observada y otra terica (bondad de ajuste),

indicando en qu medida las diferencias existentes entre ambas, de haberlas, se

deben al azar. Tambin se utiliza para probar la independencia de dos muestras
entre s, mediante la presentacin de los datos en tablas de contingencia. La
frmula que da el estadstico es la siguiente:

Valor Observado Valor Terico

Valor Terico

Los grados de libertad nos vienen dados por: gl= (r-1)(k-1). Donde r es el nmero
de filas y k el de columnas.
Criterio de decisin: Se acepta H0 cuando ,n 1 . En caso contrario se
rechaza. Donde representa el valor proporcionado por las tablas, segn el nivel
de significacin elegido. Cuanto ms se aproxima a cero el valor de Chi-cuadrado,
ms ajustadas estn ambas distribuciones.
2

CORRECCIN DE YATES
La correccin de Yates se aplica a la prueba Chi-cuadrado cuando la frecuencia
de las observaciones en alguna de las celdas es menor de 10. La Chi-cuadrado
corregida:

Valor Observado Valor Terico 0.5

Valor Terico

En general, se aplica la correccin de Yates o tambin correccin por continuidad

cuando aproximamos una variable discreta a una distribucin continua. La
correccin consiste en aadir y substraer 0,5 a la variable en cuestin. Por
ejemplo, obtener 3 caras al lanzar una moneda es una medida discreta (nominal)
que se ajusta a la distribucin binomial. Mientras que si la aproximramos a la
distribucin normal, su valor oscilar entre 2,5 y 3,5.
DISTRIBUCIN F SNEDECOR O F-FISHER

Si U y V son dos variables aleatorias independientes que tienen distribucin Chi

Cuadrada con n1 y n2 grados de libertad, respectivamente, entonces, la variable
aleatoria
U n1
F
tiene funcin de distribucin F-Snedecor
V n2

(n 1 n 2 ) / 2 n 1 / n 2
h (f )
n 1 / 2 n 2 / 2

n1 / 2

f ( n1 2 ) / 2

1 n 1 f / n 2 ( n n ) / 2
1

Que es la llamada funcin de distribucin F-Snedecor o F-Fisher con n 1 y n2

grados de libertad
Ejemplo, Un valor de f con 6 y 10 grados de libertad para un rea de 0.95 a la
derecha es,
f0.95,6,10=1/(f0.05,10,6)=1/4.06=0.246
Si de dos poblaciones normales, o aproximadamente normales, se extraen dos
muestras aleatorias e independientes, y a cada una se le calcula su respectiva
2
varianza, el cociente de ambos valores F s12 s 2 (con F>1, esto es, siempre se
coloca el ms grande como numerador) tendr una distribucin de Fisher, cuyos
valores crticos fueron obtenidos por W. Snedecor en una tabla que se caracteriza
por tener dos grados de libertad: el correspondiente al numerador 1=n1-1 y el del
denominador 2=n2-1. Programas de computacin permiten calcular los valores
crticos respectivos

En las Tablas se presenta una hoja para cada nivel de confianza, se eligen los
ms apropiados como: 95%; 97,5% ; 99% ; 99,5% y 99,9%. Como siempre, el
rea total bajo la curva es la unidad y se extiende desde 0 a + . La forma es muy
parecida a la Chi-cuadrado. Se muestran tres casos, con diferentes grados de
libertad, y se marca el valor de F=2,5 con una ,lnea punteada vertical.
El principal uso de esta funcin es el Anlisis de Varianza, que se ver ms
adelante, y es para cuando se necesita comparar ms de dos medias mustrales
a la vez. En estos casos la idea es detectar si el efecto de uno o ms tratamientos
afecta a las muestras testeadas. En cambio, cuando se tiene el caso de dos

muestras, la idea es testear si hay homocedasticidad en las dos poblaciones en

estudio. Una vez verificado este supuesto, se puede avanzar ms verificando si
hay diferencia entre las medias mustrales, y as verificar si ambas muestras
tienen igual media y varianza, porque eso significa que en realidad provienen de la
misma poblacin normal. Eso probara que no hay efecto de un tratamiento si se lo
compara con un placebo, o que dos tcnicas de laboratorio son equivalentes.
Si el experimento no verifica esto, entonces se deber elegir el caso que presente
menor varianza, para tener menor variabilidad en las mediciones. En Gentica se
puede verificar si una generacin de cras es ms variable en un carcter que la
de sus padres. En Sistemtica se puede testear si dos poblaciones locales tienen
la misma variabilidad. En Bioqumica y Farmacia el uso ms frecuente es
comparar el error casual de mediciones de laboratorio, al introducir algn efecto o
cambiar el mtodo de medicin. En el caso de testear si dos tcnicas de
laboratorio tienen igual dispersin, o bien, para elegir aquella con mayor precisin,
conviene pensar el problema como la incidencia de un factor en estudio en lugar
de dos tcnicas totalmente diferentes entre s. Por ejemplo, se trata de una misma
prctica, pero se usan dos espectrofotmetros diferentes, y se trata de determinar
si la modificacin de la varianza se debe al uso de un aparato diferente. El factor
ac sera: tipo de espectros.
Tambin se puede estudiar la incidencia del factor humano, realizando las mismas
mediciones a dos personas diferentes. De esa forma se puede imaginar que las
dos muestras provienen de diferentes poblaciones, o que el efecto del factor
analizado no es despreciable cuando se rechaza la hiptesis nula. En la figura se
muestra el caso de dos poblaciones. En el caso (a) ambas poblaciones tienen la
misma media, pero por efecto del error casual sus varianzas son diferentes. Si
esta diferencia es significativa, resulta evidenciada por el Modelo de Fisher que
permite la comparacin de ambas.

En el caso (b) hay un error sistemtico que desplaza la media, pero sus varianzas
permanecen iguales. Es lo mismo que sumar una constante a todos los valores;
ocurre un desplazamiento hacia la derecha. T-Student se usa para detectar esto
cuando se hace el test de comparacin de dos medias independientes. Como se
ver ms adelante, se puede construir todo un bagaje de mtodos para efectuar
un Control de Calidad interno en un laboratorio de medicin clnica. Por ahora,
basta decir que se puede controlar la exactitud con los modelos de t-Student y la
precisin con los de Chi-cuadrado y Fisher.

Con esto se pueden comenzar a controlar y calibrar los sistemas de medicin. Las
limitaciones de todo esto son dos: la primera es que se puede estudiar el efecto
del factor analizado en solo dos muestras y no en ms de dos. La segunda es que
si la calidad se entiende como exactitud y precisin, solo se pueden emplear estos
modelos para magnitudes de tipo cuantitativas como las de la Qumica Clnica,
pero no en magnitudes cualitativas como las usuales en Microbiologa,
Bacteriologa, Micologa, etc. En magnitudes cuantitativas, por calidad se entiende
precisin y exactitud, en lugar de la capacidad de una prueba clnica para
diagnosticar. Sin embargo, a pesar de estas limitaciones sigue siendo una
herramienta sencilla y poderosa de control.
Para poder aplicar este modelo se deben tener en cuenta los requisitos siguientes:
- Las muestras fueron extradas de una poblacin normal o aproximadamente
normal.
- La seleccin de las muestras se hizo en forma aleatoria.
- Las muestras son independientes entre s.
Ejemplo, El jefe de un laboratorio se encuentra con una tcnica de medicin fuera
del control estadstico. Para investigar las causas decide investigar si el factor
humano tiene incidencia, y toma una muestra de suero cualquiera la divide en 20
alcuotas. Luego elige 10 de ellas al azar y se las entrega al laboratorista 1 para
que haga las determinaciones; las restantes las encomienda al laboratorista 2 para
que las mida. Los resultados obtenidos son: s 12=2,4 es la varianza obtenida por el
laborista, 1 y s22=0,8 para el otro. Decidir si hay diferencia en dispersin entre
ambos.

H0: 12 22
H1: 12 22
El estadgrafo es
12 2.4
F 2
3.0
2 0.8
Como se trata de un ensayo de dos colas, para un nivel del 95% de confianza, se
busca en las tablas para: 1=2=n1-1=9 grados de libertad, mientras que = 0,025
para el lmite inferior y = 0,975 para el superior. Estos valores son F 0,975;(9,9) =
4,03.

Luego, para calcular el valor no tabulado = 0,025 se aprovecha una propiedad

que tiene la funcin F usando la inversa: F 0,025;(9,9) =1/F0,975; (9,9) =1/4,03 = 0,248
Como el valor hallado F=3 cae dentro de la zona de aceptacin, no hay evidencia
significativa como para decir que el factor humano tiene incidencia en la dispersin
de las mediciones.
La distribucin F de Snedecor aparece en los contrastes asociados a
comparaciones entre las varianzas de dos poblaciones normales. Si (X 1,X2,...,Xm) y
(Z1,Z2,...,Zn) son m+n variables aleatorias normales independientes de media =0
y varianza 2, la variable
1 n 2
i1 X i
Yn m
1 n 2
Zi
n i1
tiene una distribucin Fm,n-Snedecor de m y n grados de libertad. Su funcin de
densidad es

m/2

m n m
(m 2)/
f(x) 2 n x(m2)/ 1mx

m n n

2 2

con x > 0, siendo (P) 0 X P 1e x dx la funcin gamma de Euler con P>0.

Finalmente, la funcin de distribucin viene dada por
F( x ) P( X x )

f ( t )dt

y sus momentos por la media y la varianza son

E(X)

n
n2

V(X)

2n 2 (m n 2)
m(n 2) 2 (n 4)

Definindole de otra manera, sean

independientes, entonces,
F

X 2n

y Y 2m variables aleatorias

mX
Fn , m
n Y

sigue una distribucin de probabilidad F-Snedecor, con (n,m) grados de libertad.

Obsrvese que Fn,mFm,n

Es claro que la distribucin F-Snedecor no es simtrica, pues slo tienen densidad

de probabilidad distinta de cero, y adems

F Fn,m entonces F 1 Fm,n

DISTRIBUCIN t-STUDENT
Si (X,X1,X2,...,Xn) son n+1 variables aleatorias normales independientes de media
0 y varianza 2, la variable
X
Yn
1 n 2
Xi
n i 1
tiene una distribucin t-Student con n grados de libertad. Su funcin de densidad
es
n 1

1
2

f (x)
n
n

2

x2
1

n 1
2

x0

Siendo ( P) 0 X P 1e x dx la funcin gamma de Euler con P>0. La media de la

distribucin t-Student es E(X)=0 y su varianza V(X)=n/(n-2), la cual no existe para
grados de libertad menores que 2.

Esta distribucin aparece en algunos contrastes del anlisis normal.

La distribucin t-Student se construye como un cociente entre una normal
Z~N(0,1) y la raz de una Chi 2n independientes. De modo preciso, llamamos
distribucin t-Student con n grados de libertad, t n a la de una variable aleatoria T,
X
Z

T
tn
T
tn
2
1 2
y adems,
n
1 n Xi i
n

n i 1
i

Para calcular
P (T t )

f ( t )dt

n 1

2
2 1 x

n
n
n
2

( n 1) / 2

dx

Sea un estadgrafo t calculado para la media con la relacin

t

Ejemplo, En 16 recorridos de prueba de una hora cada uno, el consumo de

gasolina de un motor es de 16.4 gal, con una desviacin estndar de 2.1 gal.
Demuestre que la afirmacin que el consumo promedio de gasolina de este motor
es 12.0 gal/hora
Solucin, Sustituyendo n=16, =12.0, x =16.4 y s=2.1 en la formula de t-Student,
se tiene
t

16.4 12.0
2.1

16

8.38

Para el cual en las tablas, para =5% y 15 gl es insignificante, y por tanto se

puede concluir que el consumo de 12 gal/h es real
Ejemplo, Encuentre los valores de la funcin para:
a. 14 gl, =97.5%t0.975=-t2.5%=-2.145
b. P(-t0.025<T<t0.05)=0.925
Si de una poblacin normal, o aproximadamente normal, se extraen muestras
aleatorias e independientes y a cada una se le calcula dicho estadgrafo usando
los valores mustrales de la media y el desviacin estndar, entonces se obtiene
una distribucin muestral t. Esta funcin matemtica tiene un parmetro que la
define en forma unvoca: el nmero de grados de libertad =n-1 (donde n es el
tamao muestral). El concepto matemtico de est relacionado con la cantidad
de observaciones independientes que se hagan y se calcula con el tamao
muestral n, menos la cantidad k de parmetros poblacionales que deban ser
estimados a travs de ellas. O sea: =n.k. Si se observa la ecuacin superior, se
ve que el nico parmetro poblacional que figura es , por lo tanto k=1 y as
resulta =n.1. Cuando el tamao muestral es mayor que 30 la distribucin de tStudent se aproxima mucho a la de Gauss, en el lmite ambas son iguales.
Es decir que la funcin t-Student tiende asintticamente a la funcin de Gauss.
Para cada grado de libertad hay una tabla de valores que pueden obtenerse
variando el nivel de significacin, parecida a la de Gauss. La distribucin de tStudent, al igual que la de Gauss, es simtrica respecto al origen de coordenadas
y se extiende desde hasta + . Pero a diferencia de la normal, puede adoptar
diferentes formas dependiendo del nmero de grados de libertad. Por ejemplo, la
que tiene un solo grado de libertad (n=2 y =1), se desva marcadamente de la
normal, como se puede ver en la figura anterior. Luego, a medida que los grados
van aumentando, se acerca cada vez ms, hasta igualarla en el infinito.
Los intervalos de confianza para esta distribucin se arman en forma anloga a la
vista para el caso de Gauss. Con la nica diferencia en cmo se calcula el valor
crtico t; en lugar de z.
( e t , * e )

La teora de decisiones se usa en forma anloga, empleando los intervalos de

confianza visto ms arriba. Pero para poder aplicar este modelo se deben tener en
cuenta los requisitos siguientes:
- Las muestras fueron extradas de una poblacin normal o aproximadamente
normal.
- La seleccin de las muestras se hizo en forma aleatoria.
- Las muestras son independientes entre s.
Si alguno de ellos no se cumple, las conclusiones que se obtengan no son vlidas.
Los supuestos se pueden resumir as: para poder usar t-Student, se deben tener
muestras normales, aleatorias e independientes. Notar que el error estndar de
estimacin es e.
- t-Student para medias mustrales. En este caso e =.x luego: e= y e2=s2/n .
Por lo tanto el valor de comparacin se calcula,
t

x
s

Ejemplo. Se desea saber si un instrumento de medicin cualquiera est calibrado,

desde el punto de vista de la exactitud. Para ello se consigue un valor patrn y se
lo mide 10 veces (por ejemplo: una pesa patrn para una balanza, un suero
control para un mtodo clnico, etc.). Suponiendo que el resultado de estas
mediciones arroja una media de 52,9 y una desviacin de 3, usando un patrn de
valor 50, se debe determinar si el instrumento est calibrado y la estimacin de su
error sistemtico, si es que se prueba su existencia (no se usan unidades para
generalizar este ejemplo).
Ho: = 50 el instrumento est calibrado en exactitud
H1: 50 no est calibrado. Hay un error sistemtico

Se trata de un ensayo de dos colas donde hay =101=9 grados de libertad. De

la Tabla t-Student se obtienen los valores crticos para el 95% de t 0,059 2,262,
para el 99% de t 0,019 3
,25 y para un nivel del 99,9% es t 0,0019 4,781. Lo que
permite establecer las zonas de aceptacin y rechazo:

52.9 50.0
3

10

Dibujando las zonas con los valores crticos, el valor de t cae en la de rechazo
para el 95% y no alcanza para las otras. La conclusin es que se ha probado la
existencia de un error sistemtico con una confianza del 95%.
Ejemplo. Se midi colesterol total a 11 pacientes varones adultos escogidos al
azar los resultados obtenidos arrojan una media de 235 mg/dl y un desviacin
estndar de 35 mg/dl. Ensayar la hiptesis de que se mantienen por debajo del
valor lmite de referencia de 220 mg/dl

Ho: 220 mg/dl

H1: 220 ,g/dl

El valor t-Student para una sola cola es,

t

235 220
35

11

1.42

Valor no significativo pues t0.05,10=1.81, entonces cae dentro del intervalo del
95%
Para el caso de una cola, el valor de tablas para el 95% debe ser el que est en la
Tabla t-Student para el 90% en dos colas. La idea es que el 10% en dos colas
significa el 5% en cada una, por la simetra de la curva de t-Student. Luego, para
=10, el lmite para el 95% ser t = 1,812 en una cola y t = 2,228 para dos colas.
La conclusin es que no puede rechazar la hiptesis nula, por lo que debe
considerarse un colesterol total admisible desde el punto de vista clnico, por estar
por debajo del lmite de referencia.
- t-Student para proporciones. En este caso e=P y p== luego con se puede
obtener el valor del estadgrafo de comparacin con la relacin,
t

P
1

Ejemplo. Un analgsico de plaza, afirma en su propaganda que alivia el dolor en el

90% de los casos antes de la primera hora luego de su ingesta. Para validar esa

informacin, se hace un experimento en 20 individuos con cefalea. Se observa

que fue efectivo en 15 de ellos.

Ho: 0.9
H1: 0.9
El valor t-Student para una sola cola es, siendo P el porcentaje de xitos
P=15/20=0.75 y la media de =0.90 con desviacin 0.9 * 0.1 / 20 0.067
0.75 0.90 2.24
t
0.067
Valor es significativo pues t0.999,19=-3.579 o t0.99,19=-2.539 o t0.95,19=-1.729, entonces
cae fuera del intervalo del 95%. De todas formas la evidencia no alcanza para
rechazar la hiptesis a los niveles del 99% y 99,9%. Se la rechaza al nivel de 95%
nicamente. Si bien no es tan terminante, se puede afirmar que la aseveracin es
falsa con un 95% de confianza.
-

t-Student para dos muestras independientes. El modelo de t-Student tambin

se puede usar cuando se desean comparar dos muestras entre s, para
detectar si hay diferencia significativa entre ellas, debido a algn factor
analizado. En primer lugar se analizar el caso de dos muestras
independientes como: aplicar dos tipos de remedios a dos grupos de pacientes
escogidos al azar, o las mediciones repetidas de una misma magnitud, etc. El
otro caso, cuando las muestras no son independientes sino apareadas, se ver
en el prximo tema. Una vez ms, los supuestos para poder aplicar este
modelo se resumen en: para poder comparar con t-Student, las dos muestras
deben ser normales, aleatorias e independientes.

Se sacan muestras aleatorias e independientes, de dos poblaciones normales. La

idea es averiguar si ambas muestras provienen de la misma poblacin o de
poblaciones diferentes. Con eso se puede ver si el efecto de los tratamientos
aplicados a las muestras es apreciable, en cuyo caso las muestras parecern
provenir de diferentes poblaciones. Se usa en los casos donde se compara el
efecto de una droga aplicada a un grupo de pacientes, contra otro grupo al cual se
le suministra un placebo. Tambin para comparar dos tcnicas clnicas y detectar
si hay diferencias, por ejemplo: dos marcas comerciales de plaza, dos
instrumentos de medicin, dos individuos, dos tcnicas diferentes (la nueva contra

la vieja), dos protocolos, etc. Con estas comparaciones se pueden realizar muchos
controles internos en el laboratorio para hacer calibraciones, medir eficacia, etc.
Hay una limitacin: solo se pueden comparar dos muestras entre s a la vez y
nada ms. Para el caso de tener ms de dos muestras, se recurre a los modelos
de Anova.
- Comparacin de medias. Para estos casos, el valor de t-Student para
validaciones de medias se calcula con:
x x 1 2
t 1 2
s12 s 22

n1 n 2
El cual se contrasta con t ; donde =n1+n2-2 grados de libertad. Hay casos
particulares cuando: las muestras son de igual tamao y/o las muestras son
homocedsticas (tienen igual varianza). En ambos casos se simplifican las
frmulas de clculo.
Ejemplo. Se aplica un medicamento a 15 pacientes que padecen cierta
enfermedad, escogidos al azar, y un placebo a 20 pacientes. En el primer grupo, la
desaparicin del estado febril se observa a las 19 horas de tratamiento en
promedio (con una desviacin de 2 h.). En el grupo control, la mejora se observa
en promedio las 25 horas con un desviacin de 3 horas. Decidir si el medicamento
modifica el tiempo de curacin.

Ho: 1=2
H1: 12
El valor t-Student para dos colas para 33 gl, siendo
t

25 19 0 7.06
9
4

20 15

Valor cae fuera del intervalo, como el valor hallado de t es mucho ms grande que
el valor crtico de tablas para 33 grados de libertad: t ;=t0,999;33=3,44 (ensayo de
dos colas y un 99,9% de confianza), por tanto se obtuvieron resultados altamente

significativos como para rechazar la hiptesis nula. Se tiene una prueba cientfica
del efecto del medicamento.
Ejemplo. Se desea verificar si hay diferencia en las mediciones a travs de dos
mtodos clnicos diferentes. Se toma una muestra de suero lo suficientemente
grande como para obtener 10 alcuotas. Se distribuyen al azar 5 alcuotas para
cada mtodo. Efectuadas las mediciones, con el primero se tuvo una media de 85
mg/dl con un desviacin de 8 mg/dl. Mientras que con el segundo se tuvo una
media de 83 mg/dl con un desviacin de 6 mg/dl.

Ho: 1=2
H1: 12
El valor t-Student para dos colas para 33 gl, siendo
t

85 83 0 0.44
64 36

5
5

Por tanto, no se puede rechazar H0, pues hay diferencia entre ambos mtodos
- Comparacin de proporciones. Para estos casos, el valor de t-Student para
validaciones de proporciones se calcula la misma frmula, pero reemplazando
los valores esperados con
(1 1 ) 2 (1 2 )
1 2 (1 2 )
12 2 1

n1
n2
Entonces, el valor de comparacin del modelo t-Student para este caso es,
( p 1 p 2 ) ( 1 2 )
t
1 (1 1 ) 2 (1 2 )

n1
n2
Contrastando con el valor de tablas dado por t ;; con = n1+n2-2 grados de
libertad.
Ejemplo. Se escogen al azar dos grupos formados por 20 individuos cada uno,
entre los que padecen cierta alergia. Se administra una droga curativa al primer

grupo y se observa una mejora en 15 de los casos. Al segundo grupo se le

administra un placebo y mejoran 13 de ellos. Ensayar la hiptesis que la droga
sirve para curar ese tipo de alergia. Se emplean las hiptesis siguientes:
H0 : 1-2 = 0 las diferencias observadas se deben al azar
H1: 1-2 0 la droga produce efecto.
Si se supone que ambas muestras fueron extradas de la misma poblacin, y por
lo tanto no hay diferencias entre las muestras observadas (H 0) 1-2 = 0, eso
significa que el porcentaje de curados en dicha poblacin ser = 1=2 y habr
que estimarlo con los datos mustrales, calculando la proporcin ponderada con:
p=( total de curados en las muestras / total muestral ) = (15+13) / 40 = 0,7
Entonces, sacando factor comn en la frmula de la varianza, esta resulta: 2()
= (1.) [2 / n] =(0,7 . 0,3) (2/20) = 0,021
Y es () = 0,145; de los datos del problema surgen P 1 =15/20 = 0,75 y P2 =
13/20 = 0, 65
t = ( 0,75 0,65 ) / (0,021)1/2= 0,69 < t0,95 ; 38=2,02. 1-2 = 0 cae dentro de 95%.
Un resultado no significativo. Las diferencias observadas no se deben a la droga
sino al azar.
- Test de equivalencia biolgica. Hay ocasiones donde la Ho no busca establecer
si hay o no diferencia entre dos muestras, como las del ejemplo anterior, sino
que se trata de establecer si un mtodo clnico o tratamiento nuevo es lo
suficientemente bueno como para reemplaza al que se vena usando hasta
entonces, el mtodo viejo. Las ventajas de este nuevo mtodo pueden ser: un
costo menor, ms rpido, menos daino o peligroso para el paciente, etc. La
cuestin bsica aqu es ver si, en promedio, la diferencia entre ambos es menor
que un cierto valor lmite para la magnitud estudiada. Es decir que tal diferencia
no implique una inferioridad del nuevo mtodo, desde un punto de vista clnico.
Para estos casos la H o: La diferencia entre ambos promedios es mayor o igual al
valor aceptable y la alternativa es H 1 : Esta diferencia de medias es menor al valor
crtico; en cuyo caso ambos mtodos pueden ser considerados clnicamente
equivalentes. La idea es que, si se rechaza la H o se puede usar el mtodo nuevo
en lugar del viejo y aprovechar las ventajas que este posee. Pero la decisin se
basa ms en consideraciones mdicas que estadsticas. Entonces, si se trata de
magnitudes continuas, se puede usar el test de t-Student para comparar la
diferencia de las dos medias contra el valor crtico o mximo aceptable desde el
punto de vista clnico.
El planteo se hace as: Ho : V N = . > . Donde V es el valor poblacional que se
obtiene con el mtodo viejo y N con el mtodo nuevo, . es la diferencia real entre
ambos mtodos y es la diferencia mxima admisible entre ambos mtodos. De
esta manera, cuando Ho pueda rechazarse se tendr evidencia suficiente como
para efectuar el reemplazo, esto es cuando H1 : V N = . < .

Se trata de un ensayo de una sola cola. Pero cuando se trate de ver si en valor
absoluto la diferencia entre ambos mtodos no supere a un cierto valor , porque
aqu no interesa tanto que sea menor, sino que tambin interesa que no sea
mayor (dependiendo de la magnitud clnica analizada); entonces la Ho ser : V
N= y el ensayo ser de dos colas. Anlogo al visto en el punto anterior. Para
ilustrar este procedimiento se usar un ejemplo tomado de la obra de Armitage
Ejemplo. Sea el ndice cardaco CI (respuesta cardiaca normalizada para la
superficie del cuerpo) el cual se mide con un procedimiento invasivo como es el
colocar un catter en el corazn del paciente llamado Termo-dilucin (el mtodo
viejo) y la unidad de medicin son litros por minuto tomado por m2 de superficie
del cuerpo humano. Se ha propuesto una nueva manera de medir esa magnitud
con una tcnica no invasiva, llamada el mtodo de la Bioimpedancia, en la cual se
le adosa un instrumento al cuerpo de paciente en forma externa, y mide en forma
elctrica el valor del CI usando una escala adecuada (el mtodo nuevo). El criterio
clnico de aceptacin es: el nuevo mtodo se considerar equivalente al viejo
cuando, en promedio, el valor obtenido difiera en un 20% respecto al promedio
aceptado de 2,75 l / min. / m2 para el mtodo del catter. Esto significa que el 20%
de tal valor es = 0,55. Luego el planteo se hace as:
Ho : .V N . = ... > = 0,55 o lo que es lo mismo (V N ) = = 0,55
H1 : .V N . = ... < = 0,55 cuyo equivalente es (V N ) = 0,55

Se toma una muestra de N=96 individuos a los cuales se le aplica el mtodo

nuevo, los valores encontrados fueron un promedio de 2,68 l / min. / m2, y un
desviacin estndar de 0,26 l / min. / m2 luego ser,

x 2.68 2.75 2.642

0.26

96

Como se observa t=-2.642 es mayor que t 0.99,95=-2.62, lo que indica que hay
evidencia significativa como para rechazar a H0

La conclusin final es que se puede usar el mtodo nuevo en lugar del viejo, con
una gran ventaja para el paciente, pues ahora ya no tendr que ser cateterizado
para efectuarle su medicin del ndice cardaco. A este procedimiento estadstico
aparecido en los ltimos aos en Medicina se lo conoce tambin con el nombre de
test de equivalencias mdicas o biolgicas.
- t-Student para dos muestras apareadas. El modelo de t-Student se puede usar
para el caso especial de muestras apareadas, esto es, cuando se le efectan
dos tratamientos a la misma muestra; por ejemplo, del tipo antes despus
donde al mismo individuo se lo mide dos veces para ver el efecto del
tratamiento realizado, o el caso de mtodo nuevo contra el mtodo viejo, donde
al mismo grupo de pacientes se le hacen dos mediciones a cada uno, la del
mtodo de rutina habitual y una extra con el nuevo mtodo a probar para
decidirse entre ambos. La idea bsica es como sigue: se sacan n muestras
aleatorias e independientes de una poblacin normal. A cada muestra se le
aplican dos tratamientos A y B diferentes y lo que interesa detectar es si
producen algn efecto apreciable.
Este caso es muy diferente al anterior si bien las muestras son independientes
entre s, los tratamientos no lo son, porque a un mismo individuo se le aplican
ambos tratamientos. Entonces, la misma persona aparecer dos veces en los
resultados: uno en el grupo A y el otro en el grupo B.
El truco para resolver este problema de la independencia es trabajar con la
diferencia de los resultados de cada par de mediciones efectuadas: d=x A-xB. Luego
se tendrn n diferencias d 1;d2;d3...dn, que son independientes entre s, puesto que
cada valor di corresponde a un solo individuo. Luego, se le aplica el modelo tStudent para una sola muestra, ensayando la hiptesis de que no hay diferencias
entre ambos grupos. O sea, efectuando
t

d O

Las hiptesis Inicial y alterna implica un efecto diferente para cada grupo, H 0:d=0
H1:d0. Si se prueba que el valor esperado del promedio de las diferencias es
diferente de cero, entonces el tratamiento aplicado produce un efecto demostrable.
Para aclarar estas ideas se presenta el siguiente caso:
Ejemplo. Se escogen 5 pacientes al azar, del grupo que concurre diariamente al
Laboratorio de Anlisis Clnicos a efectuarse una determinacin de Uremia. Las
muestras extradas se miden con el procedimiento habitual y adems con una
nueva tcnica clnica que se desea probar. Ver si hay diferencia entre ambas
tcnicas. Los resultados expresados en g/l fueron:
Paciente
Vieja
Nueva

1
0.38
0.33

2
0.54
0.45

3
0.22
0.15

4
0.11
0.09

5
0.23
0.22

Diferencia 0.05

0.09

0.07

0.02

0.01

Promedio y desviacin estndar, respectivamente: 0.048 y 0.033

Con los valores de las diferencias se calculan
t

0.048
0.033

d 0.048

0.033 ,

luego

3.25

Que obviamente es mayor que t0.95,4=2.776, entonces O cae por fuera del intervalo,
y entonces se tienen evidencia significativa de que hay diferencia entre ambas
tcnicas

DISTRIBUCIN UNIFORME
En teora de probabilidad y estadstica, la distribucin uniforme continua es una
familia de distribuciones de probabilidad para variables aleatorias continuas, tales
que cada miembro de la familia, todos los intervalos de igual longitud en la
distribucin en su rango son igualmente probables. El dominio est definido por
dos parmetros, a y b, que son sus valores mnimo y mximo. La distribucin es a
menudo escrita en forma abreviada como U(a,b).

Para la distribucin discreta, vase Distribucin uniforme discreta.

Uniforme

Utilizando

convencin

de

mximo

Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad

Parmetros
Dominio
Funcin
densidad(pdf)

de

Funcin
de
distribucin (cdf)

Media

Mediana

Moda

cualquier valor en

Varianza

Coeficiente
simetra

de

Curtosis

Entropa
Funcin
generadora
de
momentos (mgf)
Funcin
caracterstica
Funcin de densidad de probabilidad
La funcin de densidad de probabilidad de la distribucin uniforme continua es:

Los valores en los dos extremos a y b no son por lo general importantes

porque no afectan el valor de las integrales de f(x) dx sobre el intervalo, ni
de x f(x) dx o expresiones similares. A veces se elige que sean cero, y a veces
se los elige con el valor 1/(b a). Este ltimo resulta apropiado en el contexto
de estimacin por el mtodo de mxima verosimilitud. En el contexto
del anlisis de Fourier, se puede elegir que el valor de f(a) f(b) sean 1/
(2(b a)),
para
que
entonces
la
transformada
inversa
de
muchas transformadas integrales de esta funcin uniforme resulten en la
funcin inicial, de otra forma la funcin que se obtiene sera igual "en casi todo
punto", o sea excepto en un conjunto de puntos con medida nula. Tambin, de
esta forma resulta consistente con la funcin signo que no posee dicha
ambigedad.

Funcin de distribucin de probabilidad

La funcin de distribucin de probabilidad es:

Funciones generadoras asociadas

Funcin generadora de momentos
La funcin generadora de momentos es

a partir de la cual se pueden calcular los momentos mk

y, en general,

Para una variable aleatoria que satisface esta distribucin, la esperanza

matemtica es entonces m1 = (a + b)/2 y la varianza es m2 m12 = (b a)2/12.
Propiedades
Generalizacin a conjuntos de Borel
Esta distribucin puede ser generalizada a conjuntos de intervalos ms
complicados. Si S es un conjunto de Borel de medida finita positiva, la distribucin
probabilidad uniforme en S se puede especificar definiendo que la pdf sea nula
fuera de S e igual a 1/K dentro de S, donde K es la medida de Lebesgue de S.
Estadsticas de orden
Sea X1,..., Xn una muestra i.i.d. de U(0,1). Sea X(k) el orden estadstico k-simo de
esta muestra. Entonces la distribucin de probabilidad de X(k) es una distribucin
Beta con parmetros k y n k + 1. La esperanza matemtica es

Esto es til cuando se realizan Q-Q plots.

Las varianzas son

'Uniformidad'
La probabilidad de que una variable aleatoria uniformemente distribuida se
encuentre dentro de algn intervalo de longitud finita es independiente de la
ubicacin del intervalo (aunque s depende del tamao del intervalo), siempre que
el intervalo est contenido en el dominio de la distribucin.
Es posible verificar esto, por ejemplo si X U(0,b) y [x, x+d] es un subintervalo de
[0,b] con d fijo y d > 0, entonces

lo cual es independiente de x. Este hecho es el que le da su nombre a la

distribucin.
Uniforme estndar
Si se restringe
y
, a
llama distribucin uniforme estndar.

la

distribucin

resultante U(0,1)

se

la

Una propiedad interesante de la distribucin uniforme estndar es que si u 1 es una

distribucin uniforme estndar, entonces 1-u 1 tambin lo es.
Distribuciones relacionadas
Si X tiene una distribucin uniforme estndar, entonces:

Y = -ln(X)/ tiene una distribucin exponencial con parmetro .

Y = 1 - X1/n tiene una distribucin beta con parmetros 1 y n. (Notar que esto
implica que la distribucin uniforme estndar es un caso especial de la
distribucin beta, con parmetros 1 y 1).

Relaciones con otras funciones

Siempre y cuando se sigan las mismas convenciones en los puntos de transicin,
la funcin densidad de probabilidad puede tambin ser expresada mediante
la funcin escaln de Heaviside:

en trminos de la funcin rectngulo

No existe ambigedad en el punto de transicin de la funcin signo. Utilizando la

convencin de la mitad del mximo en los puntos de transicin, la distribucin
uniforme se puede expresar a partir de la funcin signo como:

Aplicaciones
En estadstica, cuando se utiliza un p-value a modo de prueba estadstica para
una hiptesis nula simple, y la distribucin de la prueba estadstica es continua,
entonces la prueba estadstica esta uniformemente distribuida entre 0 y 1 si la
hiptesis nula es verdadera.
Muestreo de una distribucin uniforme
Existen muchos usos en que es til realizar experimentos de simulacin.
Muchos lenguajes de programacin poseen la capacidad de generar nmeros
pseudo-aleatorios que estn distribuidos de acuerdo a una distribucin uniforme
estndar.
Si u es un valor muestreado de una distribucin uniforme estndar, entonces el
valor a + (b a)u posee una distribucin uniforme parametrizada por a y b, como
se describi previamente.
Muestreo de una distribucin arbitraria
La distribucin uniforme resulta til para muestrear distribuciones arbitrarias. Un
mtodo general es el mtodo de muestreo de transformacin inversa, que utiliza
la distribucin de probabilidad (CDF) de la variable aleatoria objetivo. Este mtodo
es muy til en trabajos tericos. Dado que las simulaciones que utilizan este
mtodo requieren invertir la CDF de la variable objetivo, se han diseado mtodos

alternativos para aquellos casos donde no se conoce el CDF en una forma

cerrada. Otro mtodo similar es el rejection sampling.
La distribucin normal es un ejemplo importante en el que el mtodo de la
transformada inversa no es eficiente. Sin embargo, existe un mtodo exacto,
la transformacin de Box-Muller, que utiliza la transformada inversa para convertir
dos variables aleatorias uniformes independientes en dos variables aleatorias
independientes distribuidas normalmente.
Ejemplo en el intervalo [0,1]
Para este caso el intervalo queda definido por

Entonces resulta:

para
para

TABLA 1: DISTRIBUCIN NORMAL

reas bajo la curva normal
Ejemplo:

P
V

P [Z > 1] = 0.1587
P [Z > 1.96] = 0.0250

Desv.
normal
x
0.0
0.1
0.2
0.3
0.4

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

0.5000
0.4602
0.4207
0.3821
0.3446

0.4960
0.4562
0.4168
0.3783
0.3409

0.4920
0.4522
0.4129
0.3745
0.3372

0.4880
0.4483
0.4090
0.3707
0.3336

0.4840
0.4443
0.4052
0.3669
0.3300

0.4801
0.4404
0.4013
0.3632
0.3264

0.4761
0.4364
0.3974
0.3594
0.3228

0.4721
0.4325
0.3936
0.3557
0.3192

0.4681
0.4286
0.3897
0.3520
0.3156

0.4641
0.4247
0.3859
0.3483
0.3121

0.5
0.6
0.7
0.8
0.9

0.3085
0.2743
0.2420
0.2119
0.1841

0.3050
0.2709
0.2389
0.2090
0.1814

0.3015
0.2676
0.2358
0.2061
0.1788

0.2981
0.2643
0.2327
0.2033
0.1762

0.2946
0.2611
0.2296
0.2005
0.1736

0.2912
0.2578
0.2266
0.1977
0.1711

0.2877
0.2546
0.2236
0.1949
0.1685

0.2843
0.2514
0.2206
0.1922
0.1660

0.2810
0.2483
0.2177
0.1894
0.1635

0.2776
0.2451
0.2148
0.1867
0.1611

1.0
1.1
1.2
1.3
1.4

0.1587
0.1357
0.1151
0.0968
0.0808

0.1562
0.1335
0.1131
0.0951
0.0793

0.1539
0.1314
0.1112
0.0934
0.0778

0.1515
0.1292
0.1093
0.0918
0.0764

0.1492
0.1271
0.1075
0.0901
0.0749

0.1469
0.1251
0.1056
0.0885
0.0735

0.1446
0.1230
0.1038
0.0869
0.0721

0.1423
0.1210
0.1020
0.0853
0.0708

0.1401
0.1190
0.1003
0.0838
0.0694

0.1379
0.1170
0.0985
0.0823
0.0681

1.5
1.6
1.7
1.8
1.9

0.0668
0.0548
0.0446
0.0359
0.0287

0.0655
0.0537
0.0436
0.0351
0.0281

0.0643
0.0526
0.0427
0.0344
0.0274

0.0630
0.0516
0.0418
0.0336
0.0268

0.0618
0.0505
0.0409
0.0329
0.0262

0.0606
0.0495
0.0401
0.0322
0.0256

0.0594
0.0485
0.0392
0.0314
0.0250

0.0582
0.0475
0.0384
0.0307
0.0244

0.0571
0.0465
0.0375
0.0301
0.0239

0.0559
0.0455
0.0367
0.0294
0.0233

2.0
2.1
2.2
2.3
2.4

0.0228
0.0179
0.0139
0.0107
0.0082

0.0222
0.0174
0.0136
0.0104
0.0080

0.0217
0.0170
0.0132
0.0102
0.0078

0.0212
0.0166
0.0129
0.0099
0.0075

0.0207
0.0162
0.0125
0.0096
0.0073

0.0202
0.0158
0.0122
0.0094
0.0071

0.0197
0.0154
0.0119
0.0091
0.0069

0.0192
0.0150
0.0116
0.0089
0.0068

0.0188
0.0146
0.0113
0.0087
0.0066

0.0183
0.0143
0.0110
0.0084
0.0064

2.5
2.6
2.7
2.8
2.9
3.0

0.0062
0.0047
0.0035
0.0026
0.0019
0.0013

0.0060
0.0045
0.0034
0.0025
0.0018
0.0013

0.0059
0.0044
0.0033
0.0024
0.0018
0.0013

0.0057
0.0043
0.0032
0.0023
0.0017
0.0012

0.0055
0.0041
0.0031
0.0023
0.0016
0.0012

0.0054
0.0040
0.0030
0.0022
0.0016
0.0011

0.0052
0.0039
0.0029
0.0021
0.0015
0.0011

0.0051
0.0038
0.0028
0.0021
0.0015
0.0011

0.0049
0.0037
0.0027
0.0020
0.0014
0.0010

0.0048
0.0036
0.0026
0.0019
0.0014
0.0010

TABLA 2: DISTRIBUCIN t DE STUDENT

Puntos de porcentaje de la distribucin t
Ejemplo
Para = 10 grados de
libertad:
P[ t > 1.812] = 0.05
P[ t < -1.812] = 0.05

0,25

0,2

0,15

0,1

0,05

0,025

0,01

0,005

0,0005

1
2
3
4
5

1,000
0,816
0,765
0,741
0,727

1,376
1,061
0,978
0,941
0,920

1,963
1,386
1,250
1,190
1,156

3,078
1,886
1,638
1,533
1,476

6,314
2,920
2,353
2,132
2,015

12,706
4,303
3,182
2,776
2,571

31,821
6,965
4,541
3,747
3,365

63,656
9,925
5,841
4,604
4,032

636,578
31,600
12,924
8,610
6,869

6
7
8
9
10

0,718
0,711
0,706
0,703
0,700

0,906
0,896
0,889
0,883
0,879

1,134
1,119
1,108
1,100
1,093

1,440
1,415
1,397
1,383
1,372

1,943
1,895
1,860
1,833
1,812

2,447
2,365
2,306
2,262
2,228

3,143
2,998
2,896
2,821
2,764

3,707
3,499
3,355
3,250
3,169

5,959
5,408
5,041
4,781
4,587

11
12
13
14
15

0,697
0,695
0,694
0,692
0,691

0,876
0,873
0,870
0,868
0,866

1,088
1,083
1,079
1,076
1,074

1,363
1,356
1,350
1,345
1,341

1,796
1,782
1,771
1,761
1,753

2,201
2,179
2,160
2,145
2,131

2,718
2,681
2,650
2,624
2,602

3,106
3,055
3,012
2,977
2,947

4,437
4,318
4,221
4,140
4,073

16
17
18
19
20

0,690
0,689
0,688
0,688
0,687

0,865
0,863
0,862
0,861
0,860

1,071
1,069
1,067
1,066
1,064

1,337
1,333
1,330
1,328
1,325

1,746
1,740
1,734
1,729
1,725

2,120
2,110
2,101
2,093
2,086

2,583
2,567
2,552
2,539
2,528

2,921
2,898
2,878
2,861
2,845

4,015
3,965
3,922
3,883
3,850

21
22
23
24
25

0,686
0,686
0,685
0,685
0,684

0,859
0,858
0,858
0,857
0,856

1,063
1,061
1,060
1,059
1,058

1,323
1,321
1,319
1,318
1,316

1,721
1,717
1,714
1,711
1,708

2,080
2,074
2,069
2,064
2,060

2,518
2,508
2,500
2,492
2,485

2,831
2,819
2,807
2,797
2,787

3,819
3,792
3,768
3,745
3,725

26
27
28
29
30

0,684
0,684
0,683
0,683
0,683

0,856
0,855
0,855
0,854
0,854

1,058
1,057
1,056
1,055
1,055

1,315
1,314
1,313
1,311
1,310

1,706
1,703
1,701
1,699
1,697

2,056
2,052
2,048
2,045
2,042

2,479
2,473
2,467
2,462
2,457

2,779
2,771
2,763
2,756
2,750

3,707
3,689
3,674
3,660
3,646

40
60
120

0,681
0,679
0,677
0,674

0,851
0,848
0,845
0,842

1,050
1,045
1,041
1,036

1,303
1,296
1,289
1,282

1,684
1,671
1,658
1,645

2,021
2,000
1,980
1,960

2,423
2,390
2,358
2,326

2,704
2,660
2,617
2,576

3,551
3,460
3,373
3,290

TABLA 3: DISTRIBUCIN F2
Puntos de porcentaje de la distribucin

Ejemplo:
Para = 10 grados de
libertad
P[

0.995
1
2
3
4
5

0.99

0.975

0.95

0.9

3.93E-05 1.57E-04 9.82E-04 3.93E-03 1.58E-02

1.00E-02 2.01E-02 5.06E-02
0.103
0.211
7.17E-02
0.115
0.216
0.352
0.584
0.207
0.297
0.484
0.711
1.064
0.412
0.554
0.831
1.145
1.610

0.1

0.05

> 15.99] = 0.10

0.75

0.5

0.25

0.025

0.01

0.005

0.102
0.575
1.213
1.923
2.67

0.455
1.386
2.37
3.36
4.35

1.323
2.77
4.11
5.39
6.63

2.71
4.61
6.25
7.78
9.24

3.84
5.99
7.81
9.49
11.07

5.02
7.38
9.35
11.14
12.83

6.63
9.21
11.34
13.28
15.09

7.88
10.60
12.84
14.86
16.75

1
2
3
4
5

6
7
8
9
10

0.676
0.989
1.344
1.735
2.16

0.872
1.239
1.647
2.09
2.56

1.237
1.690
2.18
2.70
3.25

1.635
2.17
2.73
3.33
3.94

2.20
2.83
3.49
4.17
4.87

3.45
4.25
5.07
5.90
6.74

5.35
6.35
7.34
8.34
9.34

7.84
9.04
10.22
11.39
12.55

10.64
12.02
13.36
14.68
15.99

12.59
14.07
15.51
16.92
18.31

14.45
16.01
17.53
19.02
20.5

16.81
18.48
20.1
21.7
23.2

18.55
20.3
22.0
23.6
25.2

6
7
8
9
10

11
12
13
14
15

2.60
3.07
3.57
4.07
4.60

3.05
3.57
4.11
4.66
5.23

3.82
4.40
5.01
5.63
6.26

4.57
5.23
5.89
6.57
7.26

5.58
6.30
7.04
7.79
8.55

7.58
8.44
9.30
10.17
11.04

10.34
11.34
12.34
13.34
14.34

13.70
14.85
15.98
17.12
18.25

17.28
18.55
19.81
21.1
22.3

19.68
21.0
22.4
23.7
25.0

21.9
23.3
24.7
26.1
27.5

24.7
26.2
27.7
29.1
30.6

26.8
28.3
29.8
31.3
32.8

11
12
13
14
15

16
17
18
19
20

5.14
5.70
6.26
6.84
7.43

5.81
6.41
7.01
7.63
8.26

6.91
7.56
8.23
8.91
9.59

7.96
8.67
9.39
10.12
10.85

9.31
10.09
10.86
11.65
12.44

11.91
12.79
13.68
14.56
15.45

15.34
16.34
17.34
18.34
19.34

19.37
20.5
21.6
22.7
23.8

23.5
24.8
26.0
27.2
28.4

26.3
27.6
28.9
30.1
31.4

28.8
30.2
31.5
32.9
34.2

32.0
33.4
34.8
36.2
37.6

34.3
35.7
37.2
38.6
40.0

16
17
18
19
20

21
22
23
24
25

8.03
8.64
9.26
9.89
10.52

8.90
9.54
10.20
10.86
11.52

10.28
10.98
11.69
12.40
13.12

11.59
12.34
13.09
13.85
14.61

13.24
14.04
14.85
15.66
16.47

16.34
17.24
18.14
19.04
19.94

20.3
21.3
22.3
23.3
24.3

24.9
26.0
27.1
28.2
29.3

29.6
30.8
32.0
33.2
34.4

32.7
33.9
35.2
36.4
37.7

35.5
36.8
38.1
39.4
40.6

38.9
40.3
41.6
43.0
44.3

41.4
42.8
44.2
45.6
46.9

21
22
23
24
25

26
27
28
29
30

11.16
11.81
12.46
13.12
13.79

12.20
12.88
13.56
14.26
14.95

13.84
14.57
15.31
16.05
16.79

15.38
16.15
16.93
17.71
18.49

17.29
18.11
18.94
19.77
20.6

20.8
21.7
22.7
23.6
24.5

25.3
26.3
27.3
28.3
29.3

30.4
31.5
32.6
33.7
34.8

35.6
36.7
37.9
39.1
40.3

38.9
40.1
41.3
42.6
43.8

41.9
43.2
44.5
45.7
47.0

45.6
47.0
48.3
49.6
50.9

48.3
49.6
51.0
52.3
53.7

26
27
28
29
30

40
50
60
70

20.7
28.0
35.5
43.3

22.2
29.7
37.5
45.4

24.4
32.4
40.5
48.8

26.5
34.8
43.2
51.7

29.1
37.7
46.5
55.3

33.7
42.9
52.3
61.7

39.3
49.3
59.3
69.3

45.6
56.3
67.0
77.6

51.8
63.2
74.4
85.5

55.8
67.5
79.1
90.5

59.3
71.4
83.3
95.0

63.7
76.2
88.4
100.4

66.8
79.5
92.0
104.2

40
50
60
70

80
90
100

51.2
59.2
67.3

53.5
61.8
70.1

57.2
65.6
74.2

60.4
69.1
77.9

64.3
73.3
82.4

71.1
80.6
90.1

79.3
89.3
99.3

88.1
98.6
109.1

96.6
107.6
118.5

101.9
113.1
124.3

106.6
118.1
129.6

112.3
124.1
135.8

116.3 80
128.3 90
140.2 100

-2.58

-2.33

-1.96

-1.64

-1.28

-0.674

0.000

0.674

1.282

1.645

1.96

2.33

Z
Para

> 100 tmese

= 12

2I

2.58

. Z es la desviacin normal estandarizada correspondiente al nivel de

significancia y se muestra en la parte superior de la tabla.

TABLA 4: DISTRIBUCIN F DE FISHER

Puntos de Porcentaje de la distribucin F

Ejemplo:
Para n1 = 9, n2 = 12 grados de libertad:
P[ F > 2.80 ] = 0.05
P [ F > 4.39 ] = 0.01

n2
1
2
3
4
5
6
7
8
9
10

5 % (normal) y 1 % (negritas) puntos para la distribucin de F

n1 grados delibertad (para el mayor cuadrado
7
8
9
10
11 medio)
12
14
16
20
24
30
40
50
75
100
200
500
237
239
241
242
243
244
245
246
248
249
250
251
252
253
253
254
254
254
5928 5981 6022 6056 6083 6107 6143 6170 6209 6234 6260 6286 6302 6324 6334 6350 6360

1
2
3
4
5
6
161
199
216
225
230
234
4052 4999 5404 5624 5764 5859
6366
18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.40 19.41 19.42 19.43 19.45 19.45 19.46 19.47 19.48 19.48 19.49 19.49 19.49
19.50
98.50 99.00 99.16 99.25 99.30 99.33 99.36 99.38 99.39 99.40 99.41 99.42 99.43 99.44 99.45 99.46 99.47 99.48 99.48 99.48 99.49 99.49 99.50
99.50
10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.71 8.69 8.66 8.64 8.62 8.59 8.58 8.56 8.55 8.54 8.53 8.53
34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23 27.13 27.05 26.92 26.83 26.69 26.60 26.50 26.41 26.35 26.28 26.24 26.18 26.15
26.13
7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.94 5.91 5.87 5.84 5.80 5.77 5.75 5.72 5.70 5.68 5.66 5.65 5.64 5.63
21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55 14.45 14.37 14.25 14.15 14.02 13.93 13.84 13.75 13.69 13.61 13.58 13.52 13.49
13.46
6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.64 4.60 4.56 4.53 4.50 4.46 4.44 4.42 4.41 4.39 4.37 4.37
16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05 9.96 9.89 9.77 9.68 9.55 9.47 9.38 9.29 9.24 9.17 9.13 9.08 9.04 9.02
5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.96 3.92 3.87 3.84 3.81 3.77 3.75 3.73 3.71 3.69 3.68 3.67
13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.79 7.72 7.60 7.52 7.40 7.31 7.23 7.14 7.09 7.02 6.99 6.93 6.90 6.88
5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.53 3.49 3.44 3.41 3.38 3.34 3.32 3.29 3.27 3.25 3.24 3.23
12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.54 6.47 6.36 6.28 6.16 6.07 5.99 5.91 5.86 5.79 5.75 5.70 5.67 5.65
5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.24 3.20 3.15 3.12 3.08 3.04 3.02 2.99 2.97 2.95 2.94 2.93
11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.73 5.67 5.56 5.48 5.36 5.28 5.20 5.12 5.07 5.00 4.96 4.91 4.88 4.86

n2
1
2
3
4
5
6
7
8
9
10

n2
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
32

1
4.84
9.65
4.75
9.33
4.67
9.07
4.60
8.86
4.54
8.68
4.49
8.53
4.45
8.40
4.41
8.29
4.38
8.18
4.35
8.10
4.32
8.02
4.30
7.95
4.28
7.88
4.26
7.82
4.24
7.77
4.23
7.72
4.21
7.68
4.20
7.64
4.18
7.60
4.17
7.56
4.15
7.50

2
3.98
7.21
3.89
6.93
3.81
6.70
3.74
6.51
3.68
6.36
3.63
6.23
3.59
6.11
3.55
6.01
3.52
5.93
3.49
5.85
3.47
5.78
3.44
5.72
3.42
5.66
3.40
5.61
3.39
5.57
3.37
5.53
3.35
5.49
3.34
5.45
3.33
5.42
3.32
5.39
3.29
5.34

3
3.59
6.22
3.49
5.95
3.41
5.74
3.34
5.56
3.29
5.42
3.24
5.29
3.20
5.19
3.16
5.09
3.13
5.01
3.10
4.94
3.07
4.87
3.05
4.82
3.03
4.76
3.01
4.72
2.99
4.68
2.98
4.64
2.96
4.60
2.95
4.57
2.93
4.54
2.92
4.51
2.90
4.46

4
3.36
5.67
3.26
5.41
3.18
5.21
3.11
5.04
3.06
4.89
3.01
4.77
2.96
4.67
2.93
4.58
2.90
4.50
2.87
4.43
2.84
4.37
2.82
4.31
2.80
4.26
2.78
4.22
2.76
4.18
2.74
4.14
2.73
4.11
2.71
4.07
2.70
4.04
2.69
4.02
2.67
3.97

5
3.20
5.32
3.11
5.06
3.03
4.86
2.96
4.69
2.90
4.56
2.85
4.44
2.81
4.34
2.77
4.25
2.74
4.17
2.71
4.10
2.68
4.04
2.66
3.99
2.64
3.94
2.62
3.90
2.60
3.85
2.59
3.82
2.57
3.78
2.56
3.75
2.55
3.73
2.53
3.70
2.51
3.65

6
3.09
5.07
3.00
4.82
2.92
4.62
2.85
4.46
2.79
4.32
2.74
4.20
2.70
4.10
2.66
4.01
2.63
3.94
2.60
3.87
2.57
3.81
2.55
3.76
2.53
3.71
2.51
3.67
2.49
3.63
2.47
3.59
2.46
3.56
2.45
3.53
2.43
3.50
2.42
3.47
2.40
3.43

7
3.01
4.89
2.91
4.64
2.83
4.44
2.76
4.28
2.71
4.14
2.66
4.03
2.61
3.93
2.58
3.84
2.54
3.77
2.51
3.70
2.49
3.64
2.46
3.59
2.44
3.54
2.42
3.50
2.40
3.46
2.39
3.42
2.37
3.39
2.36
3.36
2.35
3.33
2.33
3.30
2.31
3.26

5 % (normal) y 1 % (negritas) puntos para la distribucin de F

n1 grados delibertad (para el mayor cuadrado
8
9
10
11 medio)
12
14
16
20
24
2.95 2.90 2.85 2.82 2.79 2.74 2.70 2.65 2.61
4.74 4.63 4.54 4.46 4.40 4.29 4.21 4.10 4.02
2.85 2.80 2.75 2.72 2.69 2.64 2.60 2.54 2.51
4.50 4.39 4.30 4.22 4.16 4.05 3.97 3.86 3.78
2.77 2.71 2.67 2.63 2.60 2.55 2.51 2.46 2.42
4.30 4.19 4.10 4.02 3.96 3.86 3.78 3.66 3.59
2.70 2.65 2.60 2.57 2.53 2.48 2.44 2.39 2.35
4.14 4.03 3.94 3.86 3.80 3.70 3.62 3.51 3.43
2.64 2.59 2.54 2.51 2.48 2.42 2.38 2.33 2.29
4.00 3.89 3.80 3.73 3.67 3.56 3.49 3.37 3.29
2.59 2.54 2.49 2.46 2.42 2.37 2.33 2.28 2.24
3.89 3.78 3.69 3.62 3.55 3.45 3.37 3.26 3.18
2.55 2.49 2.45 2.41 2.38 2.33 2.29 2.23 2.19
3.79 3.68 3.59 3.52 3.46 3.35 3.27 3.16 3.08
2.51 2.46 2.41 2.37 2.34 2.29 2.25 2.19 2.15
3.71 3.60 3.51 3.43 3.37 3.27 3.19 3.08 3.00
2.48 2.42 2.38 2.34 2.31 2.26 2.21 2.16 2.11
3.63 3.52 3.43 3.36 3.30 3.19 3.12 3.00 2.92
2.45 2.39 2.35 2.31 2.28 2.22 2.18 2.12 2.08
3.56 3.46 3.37 3.29 3.23 3.13 3.05 2.94 2.86
2.42 2.37 2.32 2.28 2.25 2.20 2.16 2.10 2.05
3.51 3.40 3.31 3.24 3.17 3.07 2.99 2.88 2.80
2.40 2.34 2.30 2.26 2.23 2.17 2.13 2.07 2.03
3.45 3.35 3.26 3.18 3.12 3.02 2.94 2.83 2.75
2.37 2.32 2.27 2.24 2.20 2.15 2.11 2.05 2.01
3.41 3.30 3.21 3.14 3.07 2.97 2.89 2.78 2.70
2.36 2.30 2.25 2.22 2.18 2.13 2.09 2.03 1.98
3.36 3.26 3.17 3.09 3.03 2.93 2.85 2.74 2.66
2.34 2.28 2.24 2.20 2.16 2.11 2.07 2.01 1.96
3.32 3.22 3.13 3.06 2.99 2.89 2.81 2.70 2.62
2.32 2.27 2.22 2.18 2.15 2.09 2.05 1.99 1.95
3.29 3.18 3.09 3.02 2.96 2.86 2.78 2.66 2.58
2.31 2.25 2.20 2.17 2.13 2.08 2.04 1.97 1.93
3.26 3.15 3.06 2.99 2.93 2.82 2.75 2.63 2.55
2.29 2.24 2.19 2.15 2.12 2.06 2.02 1.96 1.91
3.23 3.12 3.03 2.96 2.90 2.79 2.72 2.60 2.52
2.28 2.22 2.18 2.14 2.10 2.05 2.01 1.94 1.90
3.20 3.09 3.00 2.93 2.87 2.77 2.69 2.57 2.49
2.27 2.21 2.16 2.13 2.09 2.04 1.99 1.93 1.89
3.17 3.07 2.98 2.91 2.84 2.74 2.66 2.55 2.47
2.24 2.19 2.14 2.10 2.07 2.01 1.97 1.91 1.86
3.13 3.02 2.93 2.86 2.80 2.70 2.62 2.50 2.42

n2
30
2.57
3.94
2.47
3.70
2.38
3.51
2.31
3.35
2.25
3.21
2.19
3.10
2.15
3.00
2.11
2.92
2.07
2.84
2.04
2.78
2.01
2.72
1.98
2.67
1.96
2.62
1.94
2.58
1.92
2.54
1.90
2.50
1.88
2.47
1.87
2.44
1.85
2.41
1.84
2.39
1.82
2.34

40
2.53
3.86
2.43
3.62
2.34
3.43
2.27
3.27
2.20
3.13
2.15
3.02
2.10
2.92
2.06
2.84
2.03
2.76
1.99
2.69
1.96
2.64
1.94
2.58
1.91
2.54
1.89
2.49
1.87
2.45
1.85
2.42
1.84
2.38
1.82
2.35
1.81
2.33
1.79
2.30
1.77
2.25

50
2.51
3.81
2.40
3.57
2.31
3.38
2.24
3.22
2.18
3.08
2.12
2.97
2.08
2.87
2.04
2.78
2.00
2.71
1.97
2.64
1.94
2.58
1.91
2.53
1.88
2.48
1.86
2.44
1.84
2.40
1.82
2.36
1.81
2.33
1.79
2.30
1.77
2.27
1.76
2.25
1.74
2.20

75
2.47
3.74
2.37
3.50
2.28
3.31
2.21
3.15
2.14
3.01
2.09
2.90
2.04
2.80
2.00
2.71
1.96
2.64
1.93
2.57
1.90
2.51
1.87
2.46
1.84
2.41
1.82
2.37
1.80
2.33
1.78
2.29
1.76
2.26
1.75
2.23
1.73
2.20
1.72
2.17
1.69
2.12

100
2.46
3.71
2.35
3.47
2.26
3.27
2.19
3.11
2.12
2.98
2.07
2.86
2.02
2.76
1.98
2.68
1.94
2.60
1.91
2.54
1.88
2.48
1.85
2.42
1.82
2.37
1.80
2.33
1.78
2.29
1.76
2.25
1.74
2.22
1.73
2.19
1.71
2.16
1.70
2.13
1.67
2.08

200
2.43
3.66
2.32
3.41
2.23
3.22
2.16
3.06
2.10
2.92
2.04
2.81
1.99
2.71
1.95
2.62
1.91
2.55
1.88
2.48
1.84
2.42
1.82
2.36
1.79
2.32
1.77
2.27
1.75
2.23
1.73
2.19
1.71
2.16
1.69
2.13
1.67
2.10
1.66
2.07
1.63
2.02

500
2.42
3.62
2.31
3.38
2.22
3.19
2.14
3.03
2.08
2.89
2.02
2.78
1.97
2.68
1.93
2.59
1.89
2.51
1.86
2.44
1.83
2.38
1.80
2.33
1.77
2.28
1.75
2.24
1.73
2.19
1.71
2.16
1.69
2.12
1.67
2.09
1.65
2.06
1.64
2.03
1.61
1.98

2.40
3.60
2.30
3.36
2.21
3.17
2.13
3.00
2.07
2.87
2.01
2.75
1.96
2.65
1.92
2.57
1.88
2.49
1.84
2.42
1.81
2.36
1.78
2.31
1.76
2.26
1.73
2.21
1.71
2.17
1.69
2.13
1.67
2.10
1.65
2.06
1.64
2.03
1.62
2.01
1.59
1.96

11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
32

n2
34
36
38
40
42
44
46
48
50
55
60
65
70
80
100
125
150
200
400
1000

1
4.13
7.44
4.11
7.40
4.10
7.35
4.08
7.31
4.07
7.28
4.06
7.25
4.05
7.22
4.04
7.19
4.03
7.17
4.02
7.12
4.00
7.08
3.99
7.04
3.98
7.01
3.96
6.96
3.94
6.90
3.92
6.84
3.90
6.81
3.89
6.76
3.86
6.70
3.85
6.66
3.84
6.63

2
3.28
5.29
3.26
5.25
3.24
5.21
3.23
5.18
3.22
5.15
3.21
5.12
3.20
5.10
3.19
5.08
3.18
5.06
3.16
5.01
3.15
4.98
3.14
4.95
3.13
4.92
3.11
4.88
3.09
4.82
3.07
4.78
3.06
4.75
3.04
4.71
3.02
4.66
3.00
4.63
3.00
4.61

3
2.88
4.42
2.87
4.38
2.85
4.34
2.84
4.31
2.83
4.29
2.82
4.26
2.81
4.24
2.80
4.22
2.79
4.20
2.77
4.16
2.76
4.13
2.75
4.10
2.74
4.07
2.72
4.04
2.70
3.98
2.68
3.94
2.66
3.91
2.65
3.88
2.63
3.83
2.61
3.80
2.60
3.78

4
2.65
3.93
2.63
3.89
2.62
3.86
2.61
3.83
2.59
3.80
2.58
3.78
2.57
3.76
2.57
3.74
2.56
3.72
2.54
3.68
2.53
3.65
2.51
3.62
2.50
3.60
2.49
3.56
2.46
3.51
2.44
3.47
2.43
3.45
2.42
3.41
2.39
3.37
2.38
3.34
2.37
3.32

5
2.49
3.61
2.48
3.57
2.46
3.54
2.45
3.51
2.44
3.49
2.43
3.47
2.42
3.44
2.41
3.43
2.40
3.41
2.38
3.37
2.37
3.34
2.36
3.31
2.35
3.29
2.33
3.26
2.31
3.21
2.29
3.17
2.27
3.14
2.26
3.11
2.24
3.06
2.22
3.04
2.21
3.02

6
2.38
3.39
2.36
3.35
2.35
3.32
2.34
3.29
2.32
3.27
2.31
3.24
2.30
3.22
2.29
3.20
2.29
3.19
2.27
3.15
2.25
3.12
2.24
3.09
2.23
3.07
2.21
3.04
2.19
2.99
2.17
2.95
2.16
2.92
2.14
2.89
2.12
2.85
2.11
2.82
2.10
2.80

5 % (normal) y 1 % (negritas) puntos para la distribucin de F

n1 grados delibertad (para el mayor cuadrado medio)
7
8
9
10
11
12
14
16
20
24
2.29 2.23 2.17 2.12 2.08 2.05 1.99 1.95 1.89 1.84
3.22 3.09 2.98 2.89 2.82 2.76 2.66 2.58 2.46 2.38
2.28 2.21 2.15 2.11 2.07 2.03 1.98 1.93 1.87 1.82
3.18 3.05 2.95 2.86 2.79 2.72 2.62 2.54 2.43 2.35
2.26 2.19 2.14 2.09 2.05 2.02 1.96 1.92 1.85 1.81
3.15 3.02 2.92 2.83 2.75 2.69 2.59 2.51 2.40 2.32
2.25 2.18 2.12 2.08 2.04 2.00 1.95 1.90 1.84 1.79
3.12 2.99 2.89 2.80 2.73 2.66 2.56 2.48 2.37 2.29
2.24 2.17 2.11 2.06 2.03 1.99 1.94 1.89 1.83 1.78
3.10 2.97 2.86 2.78 2.70 2.64 2.54 2.46 2.34 2.26
2.23 2.16 2.10 2.05 2.01 1.98 1.92 1.88 1.81 1.77
3.08 2.95 2.84 2.75 2.68 2.62 2.52 2.44 2.32 2.24
2.22 2.15 2.09 2.04 2.00 1.97 1.91 1.87 1.80 1.76
3.06 2.93 2.82 2.73 2.66 2.60 2.50 2.42 2.30 2.22
2.21 2.14 2.08 2.03 1.99 1.96 1.90 1.86 1.79 1.75
3.04 2.91 2.80 2.71 2.64 2.58 2.48 2.40 2.28 2.20
2.20 2.13 2.07 2.03 1.99 1.95 1.89 1.85 1.78 1.74
3.02 2.89 2.78 2.70 2.63 2.56 2.46 2.38 2.27 2.18
2.18 2.11 2.06 2.01 1.97 1.93 1.88 1.83 1.76 1.72
2.98 2.85 2.75 2.66 2.59 2.53 2.42 2.34 2.23 2.15
2.17 2.10 2.04 1.99 1.95 1.92 1.86 1.82 1.75 1.70
2.95 2.82 2.72 2.63 2.56 2.50 2.39 2.31 2.20 2.12
2.15 2.08 2.03 1.98 1.94 1.90 1.85 1.80 1.73 1.69
2.93 2.80 2.69 2.61 2.53 2.47 2.37 2.29 2.17 2.09
2.14 2.07 2.02 1.97 1.93 1.89 1.84 1.79 1.72 1.67
2.91 2.78 2.67 2.59 2.51 2.45 2.35 2.27 2.15 2.07
2.13 2.06 2.00 1.95 1.91 1.88 1.82 1.77 1.70 1.65
2.87 2.74 2.64 2.55 2.48 2.42 2.31 2.23 2.12 2.03
2.10 2.03 1.97 1.93 1.89 1.85 1.79 1.75 1.68 1.63
2.82 2.69 2.59 2.50 2.43 2.37 2.27 2.19 2.07 1.98
2.08 2.01 1.96 1.91 1.87 1.83 1.77 1.73 1.66 1.60
2.79 2.66 2.55 2.47 2.39 2.33 2.23 2.15 2.03 1.94
2.07 2.00 1.94 1.89 1.85 1.82 1.76 1.71 1.64 1.59
2.76 2.63 2.53 2.44 2.37 2.31 2.20 2.12 2.00 1.92
2.06 1.98 1.93 1.88 1.84 1.80 1.74 1.69 1.62 1.57
2.73 2.60 2.50 2.41 2.34 2.27 2.17 2.09 1.97 1.89
2.03 1.96 1.90 1.85 1.81 1.78 1.72 1.67 1.60 1.54
2.68 2.56 2.45 2.37 2.29 2.23 2.13 2.05 1.92 1.84
2.02 1.95 1.89 1.84 1.80 1.76 1.70 1.65 1.58 1.53
2.66 2.53 2.43 2.34 2.27 2.20 2.10 2.02 1.90 1.81
2.01 1.94 1.88 1.83 1.79 1.75 1.69 1.64 1.57 1.52
2.64 2.51 2.41 2.32 2.25 2.18 2.08 2.00 1.88 1.79

n2
30
1.80
2.30
1.78
2.26
1.76
2.23
1.74
2.20
1.73
2.18
1.72
2.15
1.71
2.13
1.70
2.12
1.69
2.10
1.67
2.06
1.65
2.03
1.63
2.00
1.62
1.98
1.60
1.94
1.57
1.89
1.55
1.85
1.54
1.83
1.52
1.79
1.49
1.75
1.47
1.72
1.46
1.70

40
1.75
2.21
1.73
2.18
1.71
2.14
1.69
2.11
1.68
2.09
1.67
2.07
1.65
2.04
1.64
2.02
1.63
2.01
1.61
1.97
1.59
1.94
1.58
1.91
1.57
1.89
1.54
1.85
1.52
1.80
1.49
1.76
1.48
1.73
1.46
1.69
1.42
1.64
1.41
1.61
1.39
1.59

50
1.71
2.16
1.69
2.12
1.68
2.09
1.66
2.06
1.65
2.03
1.63
2.01
1.62
1.99
1.61
1.97
1.60
1.95
1.58
1.91
1.56
1.88
1.54
1.85
1.53
1.83
1.51
1.79
1.48
1.74
1.45
1.69
1.44
1.66
1.41
1.63
1.38
1.58
1.36
1.54
1.35
1.52

75
100
200
500
1.67 1.65 1.61 1.59
2.08 2.04 1.98 1.94
1.65 1.62 1.59 1.56
2.04 2.00 1.94 1.90
1.63 1.61 1.57 1.54
2.01 1.97 1.90 1.86
1.61 1.59 1.55 1.53
1.98 1.94 1.87 1.83
1.60 1.57 1.53 1.51
1.95 1.91 1.85 1.80
1.59 1.56 1.52 1.49
1.93 1.89 1.82 1.78
1.57 1.55 1.51 1.48
1.91 1.86 1.80 1.76
1.56 1.54 1.49 1.47
1.89 1.84 1.78 1.73
1.55 1.52 1.48 1.46
1.87 1.82 1.76 1.71
1.53 1.50 1.46 1.43
1.83 1.78 1.71 1.67
1.51 1.48 1.44 1.41
1.79 1.75 1.68 1.63
1.49 1.46 1.42 1.39
1.77 1.72 1.65 1.60
1.48 1.45 1.40 1.37
1.74 1.70 1.62 1.57
1.45 1.43 1.38 1.35
1.70 1.65 1.58 1.53
1.42 1.39 1.34 1.31
1.65 1.60 1.52 1.47
1.40 1.36 1.31 1.27
1.60 1.55 1.47 1.41
1.38 1.34 1.29 1.25
1.57 1.52 1.43 1.38
1.35 1.32 1.26 1.22
1.53 1.48 1.39 1.33
1.32 1.28 1.22 1.17
1.48 1.42 1.32 1.25
1.30 1.26 1.19 1.13
1.44 1.38 1.28 1.19
1.28 1.24 1.17 1.11
1.42 1.36 1.25 1.15

1.57
1.91
1.55
1.87
1.53
1.84
1.51
1.81
1.49
1.78
1.48
1.75
1.46
1.73
1.45
1.70
1.44
1.68
1.41
1.64
1.39
1.60
1.37
1.57
1.35
1.54
1.33
1.50
1.28
1.43
1.25
1.37
1.22
1.33
1.19
1.28
1.13
1.19
1.08
1.12
1.00
1.00

34
36
38
40
42
44
46
48
50
55
60
65
70
80
100
125
150
200
400
1000

TABLA 5: PROBABILIDADES BINOMIALES

n

0.05

0.10

0.15

0.20

p
0.25

0.30

0.35

0.40

0.45

0.50

1
1

0
1

0.9500
0.0500

0.9000
0.1000

0.8500
0.1500

0.8000
0.2000

0.7500
0.2500

0.7000
0.3000

0.6500
0.3500

0.6000
0.4000

0.5500
0.4500

0.5000
0.5000

2
2
2

0
1
2

0.9025
0.0950
0.0025

0.8100
0.1800
0.0100

0.7225
0.2550
0.0225

0.6400
0.3200
0.0400

0.5625
0.3750
0.0625

0.4900
0.4200
0.0900

0.4225
0.4550
0.1225

0.3600
0.4800
0.1600

0.3025
0.4950
0.2025

0.2500
0.5000
0.2500

3
3
3
3

0
1
2
3

0.8574
0.1354
0.0071
0.0001

0.7290
0.2430
0.0270
0.0010

0.6141
0.3251
0.0574
0.0034

0.5120
0.3840
0.0960
0.0080

0.4219
0.4219
0.1406
0.0156

0.3430
0.4410
0.1890
0.0270

0.2746
0.4436
0.2389
0.0429

0.2160
0.4320
0.2880
0.0640

0.1664
0.4084
0.3341
0.0911

0.1250
0.3750
0.3750
0.1250

4
4
4
4
4

0
1
2
3
4

0.8145
0.1715
0.0135
0.0005
0.0000

0.6561
0.2916
0.0486
0.0036
0.0001

0.5220
0.3685
0.0975
0.0115
0.0005

0.4096
0.4096
0.1536
0.0256
0.0016

0.3164
0.4219
0.2109
0.0469
0.0039

0.2401
0.4116
0.2646
0.0756
0.0081

0.1785
0.3845
0.3105
0.1115
0.0150

0.1296
0.3456
0.3456
0.1536
0.0256

0.0915
0.2995
0.3675
0.2005
0.0410

0.0625
0.2500
0.3750
0.2500
0.0625

5
5
5
5
5

0
1
2
3
4

0.7738
0.2036
0.0214
0.0011
0.0000

0.5905
0.3281
0.0729
0.0081
0.0005

0.4437
0.3915
0.1382
0.0244
0.0022

0.3277
0.4096
0.2048
0.0512
0.0064

0.2373
0.3955
0.2637
0.0879
0.0146

0.1681
0.3602
0.3087
0.1323
0.0284

0.1160
0.3124
0.3364
0.1811
0.0488

0.0778
0.2592
0.3456
0.2304
0.0768

0.0503
0.2059
0.3369
0.2757
0.1128

0.0313
0.1563
0.3125
0.3125
0.1563

0.0000

0.0000

0.0001

0.0003

0.0010

0.0024

0.0053

0.0102

0.0185

0.0313

6
6
6
6
6

0
1
2
3
4

0.7351
0.2321
0.0305
0.0021
0.0001

0.5314
0.3543
0.0984
0.0146
0.0012

0.3771
0.3993
0.1762
0.0415
0.0055

0.2621
0.3932
0.2458
0.0819
0.0154

0.1780
0.3560
0.2966
0.1318
0.0330

0.1176
0.3025
0.3241
0.1852
0.0595

0.0754
0.2437
0.3280
0.2355
0.0951

0.0467
0.1866
0.3110
0.2765
0.1382

0.0277
0.1359
0.2780
0.3032
0.1861

0.0156
0.0938
0.2344
0.3125
0.2344

6
6

5
6

0.0000
0.0000

0.0001
0.0000

0.0004
0.0000

0.0015
0.0001

0.0044
0.0002

0.0102
0.0007

0.0205
0.0018

0.0369
0.0041

0.0609
0.0083

0.0938
0.0156

7
7
7
7
7

0
1
2
3
4

0.6983
0.2573
0.0406
0.0036
0.0002

0.4783
0.3720
0.1240
0.0230
0.0026

0.3206
0.3960
0.2097
0.0617
0.0109

0.2097
0.3670
0.2753
0.1147
0.0287

0.1335
0.3115
0.3115
0.1730
0.0577

0.0824
0.2471
0.3177
0.2269
0.0972

0.0490
0.1848
0.2985
0.2679
0.1442

0.0280
0.1306
0.2613
0.2903
0.1935

0.0152
0.0872
0.2140
0.2918
0.2388

0.0078
0.0547
0.1641
0.2734
0.2734

7
7
7

5
6
7

0.0000
0.0000
0.0000

0.0002
0.0000
0.0000

0.0012
0.0001
0.0000

0.0043
0.0004
0.0000

0.0115
0.0013
0.0001

0.0250
0.0036
0.0002

0.0466
0.0084
0.0006

0.0774
0.0172
0.0016

0.1172
0.0320
0.0037

0.1641
0.0547
0.0078

8
8
8
8
8

0
1
2
3
4

0.6634
0.2793
0.0515
0.0054
0.0004

0.4305
0.3826
0.1488
0.0331
0.0046

0.2725
0.3847
0.2376
0.0839
0.0185

0.1678
0.3355
0.2936
0.1468
0.0459

0.1001
0.2670
0.3115
0.2076
0.0865

0.0576
0.1977
0.2965
0.2541
0.1361

0.0319
0.1373
0.2587
0.2786
0.1875

0.0168
0.0896
0.2090
0.2787
0.2322

0.0084
0.0548
0.1569
0.2568
0.2627

0.0039
0.0313
0.1094
0.2188
0.2734

8
8
8
8

5
6
7
8

0.0000
0.0000
0.0000
0.0000

0.0004
0.0000
0.0000
0.0000

0.0026
0.0002
0.0000
0.0000

0.0092
0.0011
0.0001
0.0000

0.0231
0.0038
0.0004
0.0000

0.0467
0.0100
0.0012
0.0001

0.0808
0.0217
0.0033
0.0002

0.1239
0.0413
0.0079
0.0007

0.1719
0.0703
0.0164
0.0017

0.2188
0.1094
0.0313
0.0039

TABLA 5 (CONTINUACIN)

0.05

0.10

0.15

0.20

p
0.25

0.30

0.35

0.40

0.45

0.50

9
9
9
9
9

0
1
2
3
4

0.6302
0.2985
0.0629
0.0077
0.0006

0.3874
0.3874
0.1722
0.0446
0.0074

0.2316
0.3679
0.2597
0.1069
0.0283

0.1342
0.3020
0.3020
0.1762
0.0661

0.0751
0.2253
0.3003
0.2336
0.1168

0.0404
0.1556
0.2668
0.2668
0.1715

0.0207
0.1004
0.2162
0.2716
0.2194

0.0101
0.0605
0.1612
0.2508
0.2508

0.0046
0.0339
0.1110
0.2119
0.2600

0.0020
0.0176
0.0703
0.1641
0.2461

9
9
9
9
9

5
6
7
8
9

0.0000
0.0000
0.0000
0.0000
0.0000

0.0008
0.0001
0.0000
0.0000
0.0000

0.0050
0.0006
0.0000
0.0000
0.0000

0.0165
0.0028
0.0003
0.0000
0.0000

0.0389
0.0087
0.0012
0.0001
0.0000

0.0735
0.0210
0.0039
0.0004
0.0000

0.1181
0.0424
0.0098
0.0013
0.0001

0.1672
0.0743
0.0212
0.0035
0.0003

0.2128
0.1160
0.0407
0.0083
0.0008

0.2461
0.1641
0.0703
0.0176
0.0020

10
10
10
10
10

0
1
2
3
4

0.5987
0.3151
0.0746
0.0105
0.0010

0.3487
0.3874
0.1937
0.0574
0.0112

0.1969
0.3474
0.2759
0.1298
0.0401

0.1074
0.2684
0.3020
0.2013
0.0881

0.0563
0.1877
0.2816
0.2503
0.1460

0.0282
0.1211
0.2335
0.2668
0.2001

0.0135
0.0725
0.1757
0.2522
0.2377

0.0060
0.0403
0.1209
0.2150
0.2508

0.0025
0.0207
0.0763
0.1665
0.2384

0.0010
0.0098
0.0439
0.1172
0.2051

10
10
10
10
10
10

5
6
7
8
9
10

0.0001
0.0000
0.0000
0.0000
0.0000
0.0000

0.0015
0.0001
0.0000
0.0000
0.0000
0.0000

0.0085
0.0012
0.0001
0.0000
0.0000
0.0000

0.0264
0.0055
0.0008
0.0001
0.0000
0.0000

0.0584
0.0162
0.0031
0.0004
0.0000
0.0000

0.1029
0.0368
0.0090
0.0014
0.0001
0.0000

0.1536
0.0689
0.0212
0.0043
0.0005
0.0000

0.2007
0.1115
0.0425
0.0106
0.0016
0.0001

0.2340
0.1596
0.0746
0.0229
0.0042
0.0003

0.2461
0.2051
0.1172
0.0439
0.0098
0.0010

11
11
11
11
11

0
1
2
3
4

0.5688
0.3293
0.0867
0.0137
0.0014

0.3138
0.3835
0.2131
0.0710
0.0158

0.1673
0.3248
0.2866
0.1517
0.0536

0.0859
0.2362
0.2953
0.2215
0.1107

0.0422
0.1549
0.2581
0.2581
0.1721

0.0198
0.0932
0.1998
0.2568
0.2201

0.0088
0.0518
0.1395
0.2254
0.2428

0.0036
0.0266
0.0887
0.1774
0.2365

0.0014
0.0125
0.0513
0.1259
0.2060

0.0005
0.0054
0.0269
0.0806
0.1611

11
11
11
11
11

5
6
7
8
9

0.0001
0.0000
0.0000
0.0000
0.0000

0.0025
0.0003
0.0000
0.0000
0.0000

0.0132
0.0023
0.0003
0.0000
0.0000

0.0388
0.0097
0.0017
0.0002
0.0000

0.0803
0.0268
0.0064
0.0011
0.0001

0.1321
0.0566
0.0173
0.0037
0.0005

0.1830
0.0985
0.0379
0.0102
0.0018

0.2207
0.1471
0.0701
0.0234
0.0052

0.2360
0.1931
0.1128
0.0462
0.0126

0.2256
0.2256
0.1611
0.0806
0.0269

11
11

10
11

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0002
0.0000

0.0007
0.0000

0.0021
0.0002

0.0054
0.0005

12
12
12
12
12

0
1
2
3
4

0.5404
0.3413
0.0988
0.0173
0.0021

0.2824
0.3766
0.2301
0.0852
0.0213

0.1422
0.3012
0.2924
0.1720
0.0683

0.0687
0.2062
0.2835
0.2362
0.1329

0.0317
0.1267
0.2323
0.2581
0.1936

0.0138
0.0712
0.1678
0.2397
0.2311

0.0057
0.0368
0.1088
0.1954
0.2367

0.0022
0.0174
0.0639
0.1419
0.2128

0.0008
0.0075
0.0339
0.0923
0.1700

0.0002
0.0029
0.0161
0.0537
0.1208

12
12
12
12
12

5
6
7
8
9

0.0002
0.0000
0.0000
0.0000
0.0000

0.0038
0.0005
0.0000
0.0000
0.0000

0.0193
0.0040
0.0006
0.0001
0.0000

0.0532
0.0155
0.0033
0.0005
0.0001

0.1032
0.0401
0.0115
0.0024
0.0004

0.1585
0.0792
0.0291
0.0078
0.0015

0.2039
0.1281
0.0591
0.0199
0.0048

0.2270
0.1766
0.1009
0.0420
0.0125

0.2225
0.2124
0.1489
0.0762
0.0277

0.1934
0.2256
0.1934
0.1208
0.0537

12
12
12

10
11
12

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0002
0.0000
0.0000

0.0008
0.0001
0.0000

0.0025
0.0003
0.0000

0.0068
0.0010
0.0001

0.0161
0.0029
0.0002

TABLA 5 (CONTINUACIN)

0.05

0.10

0.15

0.20

p
0.25

0.30

0.35

0.40

0.45

0.50

13
13
13
13
13

0
1
2
3
4

0.5133
0.3512
0.1109
0.0214
0.0028

0.2542
0.3672
0.2448
0.0997
0.0277

0.1209
0.2774
0.2937
0.1900
0.0838

0.0550
0.1787
0.2680
0.2457
0.1535

0.0238
0.1029
0.2059
0.2517
0.2097

0.0097
0.0540
0.1388
0.2181
0.2337

0.0037
0.0259
0.0836
0.1651
0.2222

0.0013
0.0113
0.0453
0.1107
0.1845

0.0004
0.0045
0.0220
0.0660
0.1350

0.0001
0.0016
0.0095
0.0349
0.0873

13
13
13
13
13

5
6
7
8
9

0.0003
0.0000
0.0000
0.0000
0.0000

0.0055
0.0008
0.0001
0.0000
0.0000

0.0266
0.0063
0.0011
0.0001
0.0000

0.0691
0.0230
0.0058
0.0011
0.0001

0.1258
0.0559
0.0186
0.0047
0.0009

0.1803
0.1030
0.0442
0.0142
0.0034

0.2154
0.1546
0.0833
0.0336
0.0101

0.2214
0.1968
0.1312
0.0656
0.0243

0.1989
0.2169
0.1775
0.1089
0.0495

0.1571
0.2095
0.2095
0.1571
0.0873

13
13
13
13

10
11
12
13

0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000

0.0001
0.0000
0.0000
0.0000

0.0006
0.0001
0.0000
0.0000

0.0022
0.0003
0.0000
0.0000

0.0065
0.0012
0.0001
0.0000

0.0162
0.0036
0.0005
0.0000

0.0349
0.0095
0.0016
0.0001

14
14
14
14
14

0
1
2
3
4

0.4877
0.3593
0.1229
0.0259
0.0037

0.2288
0.3559
0.2570
0.1142
0.0349

0.1028
0.2539
0.2912
0.2056
0.0998

0.0440
0.1539
0.2501
0.2501
0.1720

0.0178
0.0832
0.1802
0.2402
0.2202

0.0068
0.0407
0.1134
0.1943
0.2290

0.0024
0.0181
0.0634
0.1366
0.2022

0.0008
0.0073
0.0317
0.0845
0.1549

0.0002
0.0027
0.0141
0.0462
0.1040

0.0001
0.0009
0.0056
0.0222
0.0611

14
14
14
14
14

5
6
7
8
9

0.0004
0.0000
0.0000
0.0000
0.0000

0.0078
0.0013
0.0002
0.0000
0.0000

0.0352
0.0093
0.0019
0.0003
0.0000

0.0860
0.0322
0.0092
0.0020
0.0003

0.1468
0.0734
0.0280
0.0082
0.0018

0.1963
0.1262
0.0618
0.0232
0.0066

0.2178
0.1759
0.1082
0.0510
0.0183

0.2066
0.2066
0.1574
0.0918
0.0408

0.1701
0.2088
0.1952
0.1398
0.0762

0.1222
0.1833
0.2095
0.1833
0.1222

14
14
14
14
14

10
11
12
13
14

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0003
0.0000
0.0000
0.0000
0.0000

0.0014
0.0002
0.0000
0.0000
0.0000

0.0049
0.0010
0.0001
0.0000
0.0000

0.0136
0.0033
0.0005
0.0001
0.0000

0.0312
0.0093
0.0019
0.0002
0.0000

0.0611
0.0222
0.0056
0.0009
0.0001

15
15
15
15
15

0
1
2
3
4

0.4633
0.3658
0.1348
0.0307
0.0049

0.2059
0.3432
0.2669
0.1285
0.0428

0.0874
0.2312
0.2856
0.2184
0.1156

0.0352
0.1319
0.2309
0.2501
0.1876

0.0134
0.0668
0.1559
0.2252
0.2252

0.0047
0.0305
0.0916
0.1700
0.2186

0.0016
0.0126
0.0476
0.1110
0.1792

0.0005
0.0047
0.0219
0.0634
0.1268

0.0001
0.0016
0.0090
0.0318
0.0780

0.0000
0.0005
0.0032
0.0139
0.0417

15
15
15
15
15

5
6
7
8
9

0.0006
0.0000
0.0000
0.0000
0.0000

0.0105
0.0019
0.0003
0.0000
0.0000

0.0449
0.0132
0.0030
0.0005
0.0001

0.1032
0.0430
0.0138
0.0035
0.0007

0.1651
0.0917
0.0393
0.0131
0.0034

0.2061
0.1472
0.0811
0.0348
0.0116

0.2123
0.1906
0.1319
0.0710
0.0298

0.1859
0.2066
0.1771
0.1181
0.0612

0.1404
0.1914
0.2013
0.1647
0.1048

0.0916
0.1527
0.1964
0.1964
0.1527

15
15
15
15
15
15

10
11
12
13
14
15

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

0.0001
0.0000
0.0000
0.0000
0.0000
0.0000

0.0007
0.0001
0.0000
0.0000
0.0000
0.0000

0.0030
0.0006
0.0001
0.0000
0.0000
0.0000

0.0096
0.0024
0.0004
0.0001
0.0000
0.0000

0.0245
0.0074
0.0016
0.0003
0.0000
0.0000

0.0515
0.0191
0.0052
0.0010
0.0001
0.0000

0.0916
0.0417
0.0139
0.0032
0.0005
0.0000

0.05

0.10

0.15

0.20

p
0.25

0.30

0.35

0.40

0.45

0.50

16
16
16
16
16

0
1
2
3
4

0.4401
0.3706
0.1463
0.0359
0.0061

0.1853
0.3294
0.2745
0.1423
0.0514

0.0743
0.2097
0.2775
0.2285
0.1311

0.0281
0.1126
0.2111
0.2463
0.2001

0.0100
0.0535
0.1336
0.2079
0.2252

0.0033
0.0228
0.0732
0.1465
0.2040

0.0010
0.0087
0.0353
0.0888
0.1553

0.0003
0.0030
0.0150
0.0468
0.1014

0.0001
0.0009
0.0056
0.0215
0.0572

0.0000
0.0002
0.0018
0.0085
0.0278

16
16
16
16
16

5
6
7
8
9

0.0008
0.0001
0.0000
0.0000
0.0000

0.0137
0.0028
0.0004
0.0001
0.0000

0.0555
0.0180
0.0045
0.0009
0.0001

0.1201
0.0550
0.0197
0.0055
0.0012

0.1802
0.1101
0.0524
0.0197
0.0058

0.2099
0.1649
0.1010
0.0487
0.0185

0.2008
0.1982
0.1524
0.0923
0.0442

0.1623
0.1983
0.1889
0.1417
0.0840

0.1123
0.1684
0.1969
0.1812
0.1318

0.0667
0.1222
0.1746
0.1964
0.1746

16
16
16
16
16

10
11
12
13
14

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0002
0.0000
0.0000
0.0000
0.0000

0.0014
0.0002
0.0000
0.0000
0.0000

0.0056
0.0013
0.0002
0.0000
0.0000

0.0167
0.0049
0.0011
0.0002
0.0000

0.0392
0.0142
0.0040
0.0008
0.0001

0.0755
0.0337
0.0115
0.0029
0.0005

0.1222
0.0667
0.0278
0.0085
0.0018

16
16

15
16

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0000
0.0000

0.0001
0.0000

0.0002
0.0000

17
17
17
17
17

0
1
2
3
4

0.4181
0.3741
0.1575
0.0415
0.0076

0.1668
0.3150
0.2800
0.1556
0.0605

0.0631
0.1893
0.2673
0.2359
0.1457

0.0225
0.0957
0.1914
0.2393
0.2093

0.0075
0.0426
0.1136
0.1893
0.2209

0.0023
0.0169
0.0581
0.1245
0.1868

0.0007
0.0060
0.0260
0.0701
0.1320

0.0002
0.0019
0.0102
0.0341
0.0796

0.0000
0.0005
0.0035
0.0144
0.0411

0.0000
0.0001
0.0010
0.0052
0.0182

17
17
17
17
17

5
6
7
8
9

0.0010
0.0001
0.0000
0.0000
0.0000

0.0175
0.0039
0.0007
0.0001
0.0000

0.0668
0.0236
0.0065
0.0014
0.0003

0.1361
0.0680
0.0267
0.0084
0.0021

0.1914
0.1276
0.0668
0.0279
0.0093

0.2081
0.1784
0.1201
0.0644
0.0276

0.1849
0.1991
0.1685
0.1134
0.0611

0.1379
0.1839
0.1927
0.1606
0.1070

0.0875
0.1432
0.1841
0.1883
0.1540

0.0472
0.0944
0.1484
0.1855
0.1855

17
17
17
17
17

10
11
12
13
14

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0004
0.0001
0.0000
0.0000
0.0000

0.0025
0.0005
0.0001
0.0000
0.0000

0.0095
0.0026
0.0006
0.0001
0.0000

0.0263
0.0090
0.0024
0.0005
0.0001

0.0571
0.0242
0.0081
0.0021
0.0004

0.1008
0.0525
0.0215
0.0068
0.0016

0.1484
0.0944
0.0472
0.0182
0.0052

17
17
17

15
16
17

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0001
0.0000
0.0000

0.0003
0.0000
0.0000

0.0010
0.0001
0.0000

18
18
18
18
18

0
1
2
3
4

0.3972
0.3763
0.1683
0.0473
0.0093

0.1501
0.3002
0.2835
0.1680
0.0700

0.0536
0.1704
0.2556
0.2406
0.1592

0.0180
0.0811
0.1723
0.2297
0.2153

0.0056
0.0338
0.0958
0.1704
0.2130

0.0016
0.0126
0.0458
0.1046
0.1681

0.0004
0.0042
0.0190
0.0547
0.1104

0.0001
0.0012
0.0069
0.0246
0.0614

0.0000
0.0003
0.0022
0.0095
0.0291

0.0000
0.0001
0.0006
0.0031
0.0117

18
18
18
18
18

5
6
7
8
9

0.0014
0.0002
0.0000
0.0000
0.0000

0.0218
0.0052
0.0010
0.0002
0.0000

0.0787
0.0301
0.0091
0.0022
0.0004

0.1507
0.0816
0.0350
0.0120
0.0033

0.1988
0.1436
0.0820
0.0376
0.0139

0.2017
0.1873
0.1376
0.0811
0.0386

0.1664
0.1941
0.1792
0.1327
0.0794

0.1146
0.1655
0.1892
0.1734
0.1284

0.0666
0.1181
0.1657
0.1864
0.1694

0.0327
0.0708
0.1214
0.1669
0.1855

18
18
18
18
18

10
11
12
13
14

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0001
0.0000
0.0000
0.0000
0.0000

0.0008
0.0001
0.0000
0.0000
0.0000

0.0042
0.0010
0.0002
0.0000
0.0000

0.0149
0.0046
0.0012
0.0002
0.0000

0.0385
0.0151
0.0047
0.0012
0.0002

0.0771
0.0374
0.0145
0.0045
0.0011

0.1248
0.0742
0.0354
0.0134
0.0039

0.1669
0.1214
0.0708
0.0327
0.0117

18
18
18
18

15
16
17
18

0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000

0.0002
0.0000
0.0000
0.0000

0.0009
0.0001
0.0000
0.0000

0.0031
0.0006
0.0001
0.0000

TABLA 5 (CONTINUACIN)
n

0.05

0.10

0.15

0.20

p
0.25

0.30

0.35

0.40

0.45

0.50

19
19
19
19
19

0
1
2
3
4

0.3774
0.3774
0.1787
0.0533
0.0112

0.1351
0.2852
0.2852
0.1796
0.0798

0.0456
0.1529
0.2428
0.2428
0.1714

0.0144
0.0685
0.1540
0.2182
0.2182

0.0042
0.0268
0.0803
0.1517
0.2023

0.0011
0.0093
0.0358
0.0869
0.1491

0.0003
0.0029
0.0138
0.0422
0.0909

0.0001
0.0008
0.0046
0.0175
0.0467

0.0000
0.0002
0.0013
0.0062
0.0203

0.0000
0.0000
0.0003
0.0018
0.0074

19
19
19
19
19

5
6
7
8
9

0.0018
0.0002
0.0000
0.0000
0.0000

0.0266
0.0069
0.0014
0.0002
0.0000

0.0907
0.0374
0.0122
0.0032
0.0007

0.1636
0.0955
0.0443
0.0166
0.0051

0.2023
0.1574
0.0974
0.0487
0.0198

0.1916
0.1916
0.1525
0.0981
0.0514

0.1468
0.1844
0.1844
0.1489
0.0980

0.0933
0.1451
0.1797
0.1797
0.1464

0.0497
0.0949
0.1443
0.1771
0.1771

0.0222
0.0518
0.0961
0.1442
0.1762

19
19
19
19
19

10
11
12
13
14

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0001
0.0000
0.0000
0.0000
0.0000

0.0013
0.0003
0.0000
0.0000
0.0000

0.0066
0.0018
0.0004
0.0001
0.0000

0.0220
0.0077
0.0022
0.0005
0.0001

0.0528
0.0233
0.0083
0.0024
0.0006

0.0976
0.0532
0.0237
0.0085
0.0024

0.1449
0.0970
0.0529
0.0233
0.0082

0.1762
0.1442
0.0961
0.0518
0.0222

19
19
19
19
19

15
16
17
18
19

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0001
0.0000
0.0000
0.0000
0.0000

0.0005
0.0001
0.0000
0.0000
0.0000

0.0022
0.0005
0.0001
0.0000
0.0000

0.0074
0.0018
0.0003
0.0000
0.0000

20
20
20
20
20

0
1
2
3
4

0.3585
0.3774
0.1887
0.0596
0.0133

0.1216
0.2702
0.2852
0.1901
0.0898

0.0388
0.1368
0.2293
0.2428
0.1821

0.0115
0.0576
0.1369
0.2054
0.2182

0.0032
0.0211
0.0669
0.1339
0.1897

0.0008
0.0068
0.0278
0.0716
0.1304

0.0002
0.0020
0.0100
0.0323
0.0738

0.0000
0.0005
0.0031
0.0123
0.0350

0.0000
0.0001
0.0008
0.0040
0.0139

0.0000
0.0000
0.0002
0.0011
0.0046

20
20
20
20
20

5
6
7
8
9

0.0022
0.0003
0.0000
0.0000
0.0000

0.0319
0.0089
0.0020
0.0004
0.0001

0.1028
0.0454
0.0160
0.0046
0.0011

0.1746
0.1091
0.0545
0.0222
0.0074

0.2023
0.1686
0.1124
0.0609
0.0271

0.1789
0.1916
0.1643
0.1144
0.0654

0.1272
0.1712
0.1844
0.1614
0.1158

0.0746
0.1244
0.1659
0.1797
0.1597

0.0365
0.0746
0.1221
0.1623
0.1771

0.0148
0.0370
0.0739
0.1201
0.1602

20
20
20
20
20

10
11
12
13
14

0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000

0.0002
0.0000
0.0000
0.0000
0.0000

0.0020
0.0005
0.0001
0.0000
0.0000

0.0099
0.0030
0.0008
0.0002
0.0000

0.0308
0.0120
0.0039
0.0010
0.0002

0.0686
0.0336
0.0136
0.0045
0.0012

0.1171
0.0710
0.0355
0.0146
0.0049

0.1593
0.1185
0.0727
0.0366
0.0150

0.1762
0.1602
0.1201
0.0739
0.0370

20
20
20
20
20
20

15
16
17
18
19
20

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

0.0000
0.0000
0.0000
0.0000
0.0000
0.0000

0.0003
0.0000
0.0000
0.0000
0.0000
0.0000

0.0013
0.0003
0.0000
0.0000
0.0000
0.0000

0.0049
0.0013
0.0002
0.0000
0.0000
0.0000

0.0148
0.0046
0.0011
0.0002
0.0000
0.0000

TABLA 6: PROBABILIDADES DE POISSON

0.005

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

0
1
2
3

0.9950
0.0050
0.0000
0.0000

0.9900
0.0099
0.0000
0.0000

0.9802
0.0196
0.0002
0.0000

0.9704
0.0291
0.0004
0.0000

0.9608
0.0384
0.0008
0.0000

0.9512
0.0476
0.0012
0.0000

0.9418
0.0565
0.0017
0.0000

0.9324
0.0653
0.0023
0.0001

0.9231
0.0738
0.0030
0.0001

0.9139
0.0823
0.0037
0.0001

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

0
1
2
3
4

0.9048
0.0905
0.0045
0.0002
0.0000

0.8187
0.1637
0.0164
0.0011
0.0001

0.7408
0.2222
0.0333
0.0033
0.0003

0.6703
0.2681
0.0536
0.0072
0.0007

0.6065
0.3033
0.0758
0.0126
0.0016

0.5488
0.3293
0.0988
0.0198
0.0030

0.4966
0.3476
0.1217
0.0284
0.0050

0.4493
0.3595
0.1438
0.0383
0.0077

0.4066
0.3659
0.1647
0.0494
0.0111

0.3679
0.3679
0.1839
0.0613
0.0153

5
6
7

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0000
0.0000
0.0000

0.0001
0.0000
0.0000

0.0002
0.0000
0.0000

0.0004
0.0000
0.0000

0.0007
0.0001
0.0000

0.0012
0.0002
0.0000

0.0020
0.0003
0.0000

0.0031
0.0005
0.0001

1.1

1.2

1.3

1.4

1.5

1.6

1.7

1.8

1.9

0
1
2
3
4

0.3329
0.3662
0.2014
0.0738
0.0203

0.3012
0.3614
0.2169
0.0867
0.0260

0.2725
0.3543
0.2303
0.0998
0.0324

0.2466
0.3452
0.2417
0.1128
0.0395

0.2231
0.3347
0.2510
0.1255
0.0471

0.2019
0.3230
0.2584
0.1378
0.0551

0.1827
0.3106
0.2640
0.1496
0.0636

0.1653
0.2975
0.2678
0.1607
0.0723

0.1496
0.2842
0.2700
0.1710
0.0812

0.1353
0.2707
0.2707
0.1804
0.0902

5
6
7
8
9

0.0045
0.0008
0.0001
0.0000
0.0000

0.0062
0.0012
0.0002
0.0000
0.0000

0.0084
0.0018
0.0003
0.0001
0.0000

0.0111
0.0026
0.0005
0.0001
0.0000

0.0141
0.0035
0.0008
0.0001
0.0000

0.0176
0.0047
0.0011
0.0002
0.0000

0.0216
0.0061
0.0015
0.0003
0.0001

0.0260
0.0078
0.0020
0.0005
0.0001

0.0309
0.0098
0.0027
0.0006
0.0001

0.0361
0.0120
0.0034
0.0009
0.0002

2.1

2.2

2.3

2.4

2.5

2.6

2.7

2.8

2.9

0
1
2
3
4

0.1225
0.2572
0.2700
0.1890
0.0992

0.1108
0.2438
0.2681
0.1966
0.1082

0.1003
0.2306
0.2652
0.2033
0.1169

0.0907
0.2177
0.2613
0.2090
0.1254

0.0821
0.2052
0.2565
0.2138
0.1336

0.0743
0.1931
0.2510
0.2176
0.1414

0.0672
0.1815
0.2450
0.2205
0.1488

0.0608
0.1703
0.2384
0.2225
0.1557

0.0550
0.1596
0.2314
0.2237
0.1622

0.0498
0.1494
0.2240
0.2240
0.1680

5
6
7
8
9

0.0417
0.0146
0.0044
0.0011
0.0003

0.0476
0.0174
0.0055
0.0015
0.0004

0.0538
0.0206
0.0068
0.0019
0.0005

0.0602
0.0241
0.0083
0.0025
0.0007

0.0668
0.0278
0.0099
0.0031
0.0009

0.0735
0.0319
0.0118
0.0038
0.0011

0.0804
0.0362
0.0139
0.0047
0.0014

0.0872
0.0407
0.0163
0.0057
0.0018

0.0940
0.0455
0.0188
0.0068
0.0022

0.1008
0.0504
0.0216
0.0081
0.0027

10
11
12

0.0001
0.0000
0.0000

0.0001
0.0000
0.0000

0.0001
0.0000
0.0000

0.0002
0.0000
0.0000

0.0002
0.0000
0.0000

0.0003
0.0001
0.0000

0.0004
0.0001
0.0000

0.0005
0.0001
0.0000

0.0006
0.0002
0.0000

0.0008
0.0002
0.0001

1.0

2.0

3.0

3.1

3.2

3.3

3.4

3.5

3.6

3.7

3.8

3.9

4.0

0
1
2
3
4

0.0450
0.1397
0.2165
0.2237
0.1733

0.0408
0.1304
0.2087
0.2226
0.1781

0.0369
0.1217
0.2008
0.2209
0.1823

0.0334
0.1135
0.1929
0.2186
0.1858

0.0302
0.1057
0.1850
0.2158
0.1888

0.0273
0.0984
0.1771
0.2125
0.1912

0.0247
0.0915
0.1692
0.2087
0.1931

0.0224
0.0850
0.1615
0.2046
0.1944

0.0202
0.0789
0.1539
0.2001
0.1951

0.0183
0.0733
0.1465
0.1954
0.1954

5
6
7
8
9

0.1075
0.0555
0.0246
0.0095
0.0033

0.1140
0.0608
0.0278
0.0111
0.0040

0.1203
0.0662
0.0312
0.0129
0.0047

0.1264
0.0716
0.0348
0.0148
0.0056

0.1322
0.0771
0.0385
0.0169
0.0066

0.1377
0.0826
0.0425
0.0191
0.0076

0.1429
0.0881
0.0466
0.0215
0.0089

0.1477
0.0936
0.0508
0.0241
0.0102

0.1522
0.0989
0.0551
0.0269
0.0116

0.1563
0.1042
0.0595
0.0298
0.0132

10
11
12
13
14

0.0010
0.0003
0.0001
0.0000
0.0000

0.0013
0.0004
0.0001
0.0000
0.0000

0.0016
0.0005
0.0001
0.0000
0.0000

0.0019
0.0006
0.0002
0.0000
0.0000

0.0023
0.0007
0.0002
0.0001
0.0000

0.0028
0.0009
0.0003
0.0001
0.0000

0.0033
0.0011
0.0003
0.0001
0.0000

0.0039
0.0013
0.0004
0.0001
0.0000

0.0045
0.0016
0.0005
0.0002
0.0000

0.0053
0.0019
0.0006
0.0002
0.0001

4.1

4.2

4.3

4.4

4.5

4.6

4.7

4.8

4.9

0
1
2
3
4

0.0166
0.0679
0.1393
0.1904
0.1951

0.0150
0.0630
0.1323
0.1852
0.1944

0.0136
0.0583
0.1254
0.1798
0.1933

0.0123
0.0540
0.1188
0.1743
0.1917

0.0111
0.0500
0.1125
0.1687
0.1898

0.0101
0.0462
0.1063
0.1631
0.1875

0.0091
0.0427
0.1005
0.1574
0.1849

0.0082
0.0395
0.0948
0.1517
0.1820

0.0074
0.0365
0.0894
0.1460
0.1789

0.0067
0.0337
0.0842
0.1404
0.1755

5
6
7
8
9

0.1600
0.1093
0.0640
0.0328
0.0150

0.1633
0.1143
0.0686
0.0360
0.0168

0.1662
0.1191
0.0732
0.0393
0.0188

0.1687
0.1237
0.0778
0.0428
0.0209

0.1708
0.1281
0.0824
0.0463
0.0232

0.1725
0.1323
0.0869
0.0500
0.0255

0.1738
0.1362
0.0914
0.0537
0.0281

0.1747
0.1398
0.0959
0.0575
0.0307

0.1753
0.1432
0.1002
0.0614
0.0334

0.1755
0.1462
0.1044
0.0653
0.0363

10
11
12
13
14
15

0.0061
0.0023
0.0008
0.0002
0.0001
0.0000

0.0071
0.0027
0.0009
0.0003
0.0001
0.0000

0.0081
0.0032
0.0011
0.0004
0.0001
0.0000

0.0092
0.0037
0.0013
0.0005
0.0001
0.0000

0.0104
0.0043
0.0016
0.0006
0.0002
0.0001

0.0118
0.0049
0.0019
0.0007
0.0002
0.0001

0.0132
0.0056
0.0022
0.0008
0.0003
0.0001

0.0147
0.0064
0.0026
0.0009
0.0003
0.0001

0.0164
0.0073
0.0030
0.0011
0.0004
0.0001

0.0181
0.0082
0.0034
0.0013
0.0005
0.0002

5.1

5.2

5.3

5.4

5.5

5.6

5.7

5.8

5.9

0
1
2
3
4

0.0061
0.0311
0.0793
0.1348
0.1719

0.0055
0.0287
0.0746
0.1293
0.1681

0.0050
0.0265
0.0701
0.1239
0.1641

0.0045
0.0244
0.0659
0.1185
0.1600

0.0041
0.0225
0.0618
0.1133
0.1558

0.0037
0.0207
0.0580
0.1082
0.1515

0.0033
0.0191
0.0544
0.1033
0.1472

0.0030
0.0176
0.0509
0.0985
0.1428

0.0027
0.0162
0.0477
0.0938
0.1383

0.0025
0.0149
0.0446
0.0892
0.1339

5
6
7
8
9

0.1753
0.1490
0.1086
0.0692
0.0392

0.1748
0.1515
0.1125
0.0731
0.0423

0.1740
0.1537
0.1163
0.0771
0.0454

0.1728
0.1555
0.1200
0.0810
0.0486

0.1714
0.1571
0.1234
0.0849
0.0519

0.1697
0.1584
0.1267
0.0887
0.0552

0.1678
0.1594
0.1298
0.0925
0.0586

0.1656
0.1601
0.1326
0.0962
0.0620

0.1632
0.1605
0.1353
0.0998
0.0654

0.1606
0.1606
0.1377
0.1033
0.0688

10
11
12
13
14

0.0200
0.0093
0.0039
0.0015
0.0006

0.0220
0.0104
0.0045
0.0018
0.0007

0.0241
0.0116
0.0051
0.0021
0.0008

0.0262
0.0129
0.0058
0.0024
0.0009

0.0285
0.0143
0.0065
0.0028
0.0011

0.0309
0.0157
0.0073
0.0032
0.0013

0.0334
0.0173
0.0082
0.0036
0.0015

0.0359
0.0190
0.0092
0.0041
0.0017

0.0386
0.0207
0.0102
0.0046
0.0019

0.0413
0.0225
0.0113
0.0052
0.0022

15
16
17

0.0002
0.0001
0.0000

0.0002
0.0001
0.0000

0.0003
0.0001
0.0000

0.0003
0.0001
0.0000

0.0004
0.0001
0.0000

0.0005
0.0002
0.0001

0.0006
0.0002
0.0001

0.0007
0.0002
0.0001

0.0008
0.0003
0.0001

0.0009
0.0003
0.0001

5.0

6.0

TABLA 6 (CONTINUACION)

6.1

6.2

6.3

6.4

6.5

6.6

6.7

6.8

6.9

7.0

0
1
2
3
4

0.0022
0.0137
0.0417
0.0848
0.1294

0.0020
0.0126
0.0390
0.0806
0.1249

0.0018
0.0116
0.0364
0.0765
0.1205

0.0017
0.0106
0.0340
0.0726
0.1162

0.0015
0.0098
0.0318
0.0688
0.1118

0.0014
0.0090
0.0296
0.0652
0.1076

0.0012
0.0082
0.0276
0.0617
0.1034

0.0011
0.0076
0.0258
0.0584
0.0992

0.0010
0.0070
0.0240
0.0552
0.0952

0.0009
0.0064
0.0223
0.0521
0.0912

5
6
7
8
9

0.1579
0.1605
0.1399
0.1066
0.0723

0.1549
0.1601
0.1418
0.1099
0.0757

0.1519
0.1595
0.1435
0.1130
0.0791

0.1487
0.1586
0.1450
0.1160
0.0825

0.1454
0.1575
0.1462
0.1188
0.0858

0.1420
0.1562
0.1472
0.1215
0.0891

0.1385
0.1546
0.1480
0.1240
0.0923

0.1349
0.1529
0.1486
0.1263
0.0954

0.1314
0.1511
0.1489
0.1284
0.0985

0.1277
0.1490
0.1490
0.1304
0.1014

10
11
12
13
14

0.0441
0.0244
0.0124
0.0058
0.0025

0.0469
0.0265
0.0137
0.0065
0.0029

0.0498
0.0285
0.0150
0.0073
0.0033

0.0528
0.0307
0.0164
0.0081
0.0037

0.0558
0.0330
0.0179
0.0089
0.0041

0.0588
0.0353
0.0194
0.0099
0.0046

0.0618
0.0377
0.0210
0.0108
0.0052

0.0649
0.0401
0.0227
0.0119
0.0058

0.0679
0.0426
0.0245
0.0130
0.0064

0.0710
0.0452
0.0263
0.0142
0.0071

15
16
17
18
19

0.0010
0.0004
0.0001
0.0000
0.0000

0.0012
0.0005
0.0002
0.0001
0.0000

0.0014
0.0005
0.0002
0.0001
0.0000

0.0016
0.0006
0.0002
0.0001
0.0000

0.0018
0.0007
0.0003
0.0001
0.0000

0.0020
0.0008
0.0003
0.0001
0.0000

0.0023
0.0010
0.0004
0.0001
0.0001

0.0026
0.0011
0.0004
0.0002
0.0001

0.0029
0.0013
0.0005
0.0002
0.0001

0.0033
0.0014
0.0006
0.0002
0.0001

7.1

7.2

7.3

7.4

7.5

7.6

7.7

7.8

7.9

0
1
2
3
4

0.0008
0.0059
0.0208
0.0492
0.0874

0.0007
0.0054
0.0194
0.0464
0.0836

0.0007
0.0049
0.0180
0.0438
0.0799

0.0006
0.0045
0.0167
0.0413
0.0764

0.0006
0.0041
0.0156
0.0389
0.0729

0.0005
0.0038
0.0145
0.0366
0.0696

0.0005
0.0035
0.0134
0.0345
0.0663

0.0004
0.0032
0.0125
0.0324
0.0632

0.0004
0.0029
0.0116
0.0305
0.0602

0.0003
0.0027
0.0107
0.0286
0.0573

5
6
7
8
9

0.1241
0.1468
0.1489
0.1321
0.1042

0.1204
0.1445
0.1486
0.1337
0.1070

0.1167
0.1420
0.1481
0.1351
0.1096

0.1130
0.1394
0.1474
0.1363
0.1121

0.1094
0.1367
0.1465
0.1373
0.1144

0.1057
0.1339
0.1454
0.1381
0.1167

0.1021
0.1311
0.1442
0.1388
0.1187

0.0986
0.1282
0.1428
0.1392
0.1207

0.0951
0.1252
0.1413
0.1395
0.1224

0.0916
0.1221
0.1396
0.1396
0.1241

10
11
12
13
14

0.0740
0.0478
0.0283
0.0154
0.0078

0.0770
0.0504
0.0303
0.0168
0.0086

0.0800
0.0531
0.0323
0.0181
0.0095

0.0829
0.0558
0.0344
0.0196
0.0104

0.0858
0.0585
0.0366
0.0211
0.0113

0.0887
0.0613
0.0388
0.0227
0.0123

0.0914
0.0640
0.0411
0.0243
0.0134

0.0941
0.0667
0.0434
0.0260
0.0145

0.0967
0.0695
0.0457
0.0278
0.0157

0.0993
0.0722
0.0481
0.0296
0.0169

15
16
17
18
19

0.0037
0.0016
0.0007
0.0003
0.0001

0.0041
0.0019
0.0008
0.0003
0.0001

0.0046
0.0021
0.0009
0.0004
0.0001

0.0051
0.0024
0.0010
0.0004
0.0002

0.0057
0.0026
0.0012
0.0005
0.0002

0.0062
0.0030
0.0013
0.0006
0.0002

0.0069
0.0033
0.0015
0.0006
0.0003

0.0075
0.0037
0.0017
0.0007
0.0003

0.0083
0.0041
0.0019
0.0008
0.0003

0.0090
0.0045
0.0021
0.0009
0.0004

20
21

0.0000
0.0000

0.0000
0.0000

0.0001
0.0000

0.0001
0.0000

0.0001
0.0000

0.0001
0.0000

0.0001
0.0000

0.0001
0.0000

0.0001
0.0001

0.0002
0.0001

8.0

TABLA 7: TABLA DE NMEROS AL AZAR

Primera serie
1 -

5 -

9 - 12

13 - 16

17 - 20

21 - 24

25 - 28

29 - 32

33 - 36

37 - 40

1
2
3
4
5

20
09
93
95
40

77
42
04
99
82

81
70
55
93
40

43
58
07
67
08

63
14
83
54
05

92
76
92
96
80

68
27
26
35
60

61
02
76
98
50

70
29
50
84
33

79
73
57
64
93

88
87
05
80
68

81
66
97
88
58

05
47
12
29
83

47
73
85
39
62

63
31
01
07
06

07
59
30
00
09

13
02
82
97
20

10
96
45
95
56

46
41
52
59
91

19
07
08
24
36

6
7
8
9
10

78
56
76
41
17

11
41
42
14
42

44
30
48
93
51

01
34
52
39
18

19
77
69
41
60

42
26
11
11
28

06
83
70
56
10

02
55
01
76
87

32
26
23
60
61

19
08
21
04
25

99
69
99
24
88

23
53
22
75
92

94
66
30
18
04

02
16
75
06
30

29
19
42
14
90

27
43
61
42
80

29
77
99
91
32

38
69
20
25
26

17
70
91
31
91

82
77
90
92
22

11
12
13
14
15

96
24
78
29
34

66
81
65
27
16

80
91
68
78
38

87
42
07
63
45

48
70
07
25
71

97
40
95
00
04

22
96
15
14
00

47
75
50
51
72

84
48
67
15
44

24
30
10
18
03

58
48
01
18
63

51
66
62
14
46

41
21
36
03
49

10
54
75
96
56

54
20
93
63
50

26
98
76
08
76

93
12
40
85
57

19
00
54
49
32

90
86
97
16
84

20
61
68
14
43

16
17
18
19
20

82
18
46
59
38

76
93
84
52
12

24
50
90
94
76

97
05
64
41
09

43
65
55
54
53

39
07
19
33
32

05
39
12
08
80

39
37
20
80
07

93
51
32
51
19

69
99
11
39
34

61
78
56
35
18

80
42
30
64
55

25
52
00
22
60

47
78
54
90
86

90
82
75
59
33

15
86
95
82
22

70
81
54
79
36

06
17
22
76
15

74
69
80
23
79

13
09
38
22
85

21
22
23
24
25

14
44
50
11
12

72
29
10
19
16

18
94
67
88
81

71
19
79
34
62

55
34
43
80
90

19
91
27
11
38

09
62
66
94
45

25
94
85
03
23

27
56
52
56
13

36
81
00
28
08

10
35
97
53
18

35
00
65
52
57

60
79
07
86
67

87
15
58
83
45

96
62
31
51
15

55
92
74
38
75

74
66
90
97
86

86
16
09
02
07

08
67
24
50
77

54
29
75
20
57

Segunda serie
1 -

5 -

9 - 12

13 - 16

17 - 20

21 - 24

25 - 28

29 - 32

33 - 36

37 - 40

1
2
3
4
5

83
27
75
60
27

79
98
57
73
42

21
04
42
07
15

68
97
55
27
67

54
52
59
71
94

51
48
91
94
44

23
19
72
68
48

50
33
75
70
62

78
82
66
48
37

17
16
75
81
53

73
00
39
40
83

51
34
70
91
15

94
30
55
16
90

71
67
24
24
90

91
58
09
45
60

31
00
19
24
19

29
80
70
54
78

97
80
22
03
62

13
92
42
18
44

16
26
10
03
70

6
7
8
9

57
22
61
24

27
79
94
28

77
42
32
53

75
39
42
76

38
32
83
13

18
65
81
61

24
83
92
73

32
60
40
22

91
74
99
50

53
63
00
51

78
56
05
75

91
77
66
08

33
47
33
10

38
21
61
90

31
88
32
71

95
36
10
58

85
43
43
22

11
10
15
42

33
19
49
46

87
41
25
83

10
11
12
13
14

06
83
33
63
84

75
81
66
14
43

46
98
09
10
66

13
41
91
59
38

77
67
21
10
65

68
38
26
68
72

97
97
52
27
14

05
30
57
91
55

56
12
47
00
93

73
31
14
17
78

34
87
27
36
24

86
76
75
79
57

42
81
07
01
38

22
07
84
79
10

37
32
50
65
54

75
88
96
43
53

94
42
95
13
92

87
29
12
98
41

57
94
25
52
82

72
58
01
21
56

15
16
17
18
19
20

36
17
57
33
80
45

75
23
09
49
52
29

92
20
57
47
82
44

36
39
60
96
00
64

76
81
40
50
02
44

77
03
64
21
12
70

89
49
00
75
67
22

27
79
77
68
61
10

06
68
31
28
43
70

57
20
05
12
23
26

37
94
83
46
14
43

70
45
44
25
53
49

36
95
96
72
10
28

09
92
62
64
66
51

99
63
56
50
16
69

90
06
42
72
29
52

66
55
42
75
06
85

44
29
68
16
60
95

91
20
46
67
23
98

89
82
42
00
20
58

21
22
23
24
25

16
81
20
43
27

04
09
61
17
84

54
97
83
00
00

67
91
96
05
90

60
19
58
86
41

53
60
12
39
44

51
91
64
95
05

60
96
99
58
43

82
53
78
12
36

45
66
24
35
93

56
45
94
84
01

26
33
36
31
37

08
75
99
97
91

89
09
60
75
93

42
67
07
50
24

25
42
70
52
78

93
59
27
06
00

76
02
40
88
12

69
18
97
27
04

73
97
15
79
12

TABLA7 (CONTINUACION)
Tercer
a
serie
01 - 04

05 - 08

09 - 12

13 - 16

17 - 20

21 - 24

25 - 28

29 - 32

33 - 36

37 - 40

1
2
3
4
5

35
16
44
36
92

87
58
20
04
15

68
21
51
26
17

11
36
20
10
81

29
34
95
46
81

27
35
87
13
67

78
92
87
47
17

34
56
37
92
00

74
72
37
34
76

92
85
05
02
64

86
03
06
53
77

13
91
43
54
34

33
31
61
97
20

22
33
75
57
18

34
26
51
24
88

75
62
99
18
01

59
08
52
37
88

44
30
03
62
31

61
95
23
98
18

63
09
29
35
40

6
7
8
9
10

29
19
14
02
31

12
37
92
19
18

08
78
75
07
25

74
71
64
98
46

26
07
31
20
66

94
12
51
98
31

48
90
00
21
15

03
53
20
10
27

85
13
86
69
09

60
34
47
15
80

23
19
07
39
13

69
49
04
55
44

65
81
40
80
72

52
36
26
23
58

53
85
57
80
42

18
96
62
26
93

26
19
34
63
71

72
81
95
33
72

47
68
57
81
69

62
65
17
26
17

11
12
13
14
15

51
11
93
19
26

96
78
10
32
84

70
29
34
42
50

26
90
79
52
36

99
66
41
58
62

94
21
18
31
73

81
63
07
29
35

55
60
79
38
95

72
39
30
39
56

29
87
84
31
00

57
77
77
00
76

37
34
27
68
61

29
55
07
71
16

36
26
40
25
40

99
56
54
28
08

55
94
24
05
80

35
74
90
27
71

99
43
96
55
87

22
71
43
56
20

79
04
63
18
48

16
17
18
19
20

05
45
71
47
33

50
14
44
46
95

36
18
13
52
58

40
03
65
39
94

59
19
14
25
59

22
34
74
41
65

90
32
67
96
09

33
93
80
96
99

76
93
11
98
47

82
37
11
22
45

58
97
01
11
70

66
11
90
51
06

30
37
47
90
60

65
04
58
91
66

68
64
36
82
75

23
62
86
16
22

38
60
13
96
43

98
53
68
43
93

39
86
85
11
79

92
33
64
05
62

21
22
23
24
25

28
33
85
04
47

74
68
38
29
20

81
25
32
07
21

01
37
52
21
03

28
96
85
28
47

31
38
14
33
88

47
70
64
85
47

96
64
87
69
25

55
36
82
93
51

75
19
11
51
49

26
60
85
57
70

61
48
11
30
21

48
71
19
02
07

51
41
29
14
71

10
05
80
58
07

20
53
35
12
03

50
77
09
84
08

43
56
99
34
69

83
81
54
30
69

28
78
23
71
35

Cuart
a
serie
01 - 04

05 - 08

09 - 12

13 - 16

17 - 20

21 - 24

25 - 28

29 - 32

33 - 36

37 - 40

1
2
3
4
5

72
34
94
28
75

43
71
75
97
89

49
89
59
88
87

72
58
95
17
84

61
13
98
22
83

99
15
99
80
13

36
56
88
49
56

48
47
03
80
59

80
41
83
81
46

20
24
67
22
28

10
57
75
07
26

31
70
75
83
11

66
96
92
41
62

31
69
73
63
28

84
59
56
15
81

83
17
60
27
61

87
28
91
25
42

39
25
80
72
86

93
55
59
00
35

25
05
53
01
50

6
7
8
9
10

77
46
53
55
38

44
06
46
23
44

16
66
28
44
74

92
76
21
40
56

59
61
43
08
06

93
89
74
34
24

41
59
40
48
85

27
75
07
33
13

08
61
15
12
22

86
68
60
12
04

09
68
52
28
07

45
50
15
12
70

47
47
39
69
00

43
98
94
81
18

35
47
67
14
43

19
21
29
58
99

66
84
90
25
03

71
05
83
01
53

81
52
08
00
77

08
95
61
13
98

11
12
13
14
15

08
34
19
39
38

12
27
98
05
96

50
77
90
72
83

56
14
19
32
88

81
64
27
69
05

86
22
12
87
76

61
20
80
95
23

59
77
34
50
20

77
22
87
82
09

00
41
97
76
33

11
50
73
50
08

71
92
09
79
02

00
51
98
82
10

47
67
80
18
74

29
70
66
72
93

62
54
74
77
22

68
14
77
88
09

87
26
59
60
75

25
54
11
92
83

30
47
54
11
23

16
17
18
19
20

72
86
14
24
92

94
61
78
17
52

21
52
87
92
08

37
23
24
19
30

57
80
89
81
47

90
46
77
85
44

48
97
62
71
31

48
81
94
91
36

43
15
19
02
80

96
83
26
41
12

66
88
16
45
73

75
88
08
08
65

33
71
78
44
98

08
98
08
99
06

09
73
97
72
15

65
73
24
36
69

62
43
19
84
59

00
63
03
23
18

94
93
47
59
38

38
74
46
51
58

21
22
23
24
25

94
47
76
90
44

47
21
89
93
93

16
92
16
86
41

55
90
29
13
83

89
36
20
61
33

88
20
24
32
43

64
85
00
15
31

29
34
47
62
74

02
96
33
99
85

59
73
89
30
47

48
11
74
63
44

90
69
11
47
45

06
71
59
88
91

90
36
62
87
36

57
65
84
86
40

14
16
53
12
48

65
49
03
59
56

55
89
14
30
84

75
41
74
69
10

97
78
77
44
09