You are on page 1of 28

Economa Estadstica II Avellan / Lemus

Apuntes de Clase # 2
Fecha: Noviembre-2006

3. Distribuciones de muestreo
3.1. Muestreo aleatorio
Definicion 3.1.1 Una poblacion consiste en la totalidad de las observaciones en las cuales se esta
interesado.

Definicion 3.1.2 Una muestra es un subconjunto de una poblacion

Definicion 3.1.3 Sean X1 , X2 , . . . , Xn variables aleatorias independientes, cada una con la mis-
ma distribucion de probabilidad f (x). Definimos entonces a X1 , X2 , . . . , Xn como una muestra
aleatoria de tamano n de la poblacion f (x) y escribimos su distribucion de probabilidad conjunta
como
f (x1 , x2 , . . . , xn ) = f (x1 ) f (x2 ) . . . f (xn )

Definicion 3.1.4 Cualquier funcion de las variables aleatorias que constituyen una muestra alea-
toria se conoce como estadstico.

Definicion 3.1.5 Si X1 , X2 , . . . , Xn representa una muestra aleatoria de tamano n entonces la


media muestral se define por el estadstico
Pn
Xi
X = i=1
n
Pn
x i
Notese que X asume el valor x = i=1 n cuando X1 = x1 , X2 = x2 , . . . , Xn = xn
En la practica al estadstico y a un valor del estadstico se le da el mismo nombre.
Definicion 3.1.6 Si X1 , X2 , . . . , Xn representan una muestra aleatoria de tamano n, acomodada
en orden de magnitud creciente, entonces la mediana muestral se define por el estadstico

X si n es impar
(n+1)
2

X =
X n2 +X n2 +1

2 si n es par

Definicion 3.1.7 Si X1 , X2 , . . . , Xn no necesariamente todos diferentes, representan una muestra


aleatoria de tamano n, entonces la moda M es aquel valor de la muestra que ocurre mas a menudo
o con la mayor frecuencia. La moda puede no existir, y cuando existe no necesariamente es unica.

Definicion 3.1.8 El rango de una muestra aleatoria X1 , X2 , . . . , Xn se define por el estadstico


X(n) X(1) , donde X(n) y X(1) son, respectivamente, las observaciones mas grande y mas pequena
en la muestra.

Definicion 3.1.9 Si X1 , X2 , . . . , Xn representan una muestra aleatoria de tamano n, entonces la


varianza muestral se define por el estadstico
Pn
2 (Xi X)2
S = i=1
n1
Teorema 3.1.1 La varianza de una muestra aleatoria de tamano n puede ser re-expresada de la
siguiente manera Pn Pn
2 n i=1 Xi2 ( i=1 Xi )2
S =
n(n 1)

A2-1
Definicion 3.1.10 La desviacion estandar muestral, representada por S, es la raz cuadrada
positiva de la varianza muestral.

Definicion 3.1.11 La distribucion de probabilidad de un estadstico recibe el nombre de distri-


bucion muestral

Nota: La distribucion muestral de un estadstico depende del tamano de la poblacion, del


tamano de las muestras y del metodo de seleccion de estas ultimas.

3.2. La distribucion normal


Definicion 3.2.1 La funcion de densidad de la variable aleatoria normal X, con media y varianza
2 , es:
1 1 x 2
f (x; , ) = ,2 (x) = e 2 [ ] <x< ; >0
2
Observacion 3.2.1 La funcion de distribucion acumulada de una variable aleatoria normal X
esta dada por
Z x
,2 (x) = ,2 (s) ds

Z x
1 1 s 2
= e 2 [ ] ds
2
Nota: En adelante, cuando se que quiera decir que una variable aleatoria X se distribuye como
una normal con media y varianza 2 se escribira

X N (, 2 )

Teorema 3.2.1 La funcion generatriz de momentos de la distribucion normal esta dada por
1 2 2
MX (t) = et+ 2 t

Teorema 3.2.2 El valor esperado de una variable aleatoria normal es y su varianza es 2

Definicion 3.2.2 La distribucion de una variable aleatoria normal X con media cero y varianza 1
se llama distribucion normal estandar.
1 1 2
0,1 (x) = (x) = e 2 x <x<
2
Observacion 3.2.2 La funcion de distribucion acumulada de una variable aleatoria normal estandar
X esta dada por
Z x
(x) = (s)ds

Z x
1 1 2
= e 2 s ds
2

Teorema 3.2.3 La funcion de densidad normal estandar cumple las siguientes propiedades:
(x) = (x)

(x) = 1 (x)

Demostracion Para probar la primera propiedad basta con reemplazar x por x en la funcion
de densidad normal estandar
1 1 2 1 1 2
(x) = e 2 (x) = e 2 x = (x) //
2 2 QED

A2-2
Para demostrar la segunda propiedad se tiene que
Z x
(x) = (s)ds

Si se representa al lmite inferior de la integral por s0 , el superior por s1 y se realiza el siguiente


cambio de variable, w = s, se obtendra que

dw = ds; w0 = s0 ; w1 = s1

por tanto Z x Z x
(x) = (w)dw = (w)dw

haciendo uso de la propiedad anterior y de las propiedades que debe satisfacer una funcion de
densidad de probabilidad
Z x
(x) = (w)dw = [(x) ()]

por definicion () = 1, as

(x) = [(x) 1] = 1 (x)

(x) = 1 (x) //
QED

Teorema 3.2.4 La funcion generatriz de momentos de la distribucion normal estandar esta dada
por
1 2
MX (t) = e 2 t

Teorema 3.2.5 Si la variable aleatoria X sigue una distribucion normal con media y varianza
2 entonces la variable aleatoria
X
Z=

sigue una distribucion normal estandar.

Corolario 3.2.1 Si X es una variable aleatoria normal con media y varianza 2 ,y x1 y x2 son
dos valores cualquiera, entonces

P (x1 < X < x2 ) = P (z1 < Z < z2 )

donde
x1 x2
z1 = z2 = y Z N (0, 1)

Demostracion Se tiene que
( 2 )
x2 
1 x
Z
1
P (x1 < X < x2 ) = exp dx
x1 2 2

Realizando el siguiente cambio de variable


x dx x1 x2
z= dz = z1 = z2 =

se obtiene
( 2 )
z2 
1 (z + )
Z
1
P (x1 < X < x2 ) = exp dz
z1 2 2
Z z2  
1 1
= exp z 2 dz
z1 2 2

A2-3
La funcion dentro de la integral corresponde a la de una variable aleatoria Z normal estandar, por
tanto Z z2
P (x1 < X < x2 ) = (z) dz = P (z1 < Z < z2 ) //
z1 QED

Uso de tablas para el calculo de probabilidades


La funcion de densidad de una distribucion normal no se puede integrar directamente.
Existen infinidad de tablas que tabulan areas bajo la curva normal estandar. Una de ellas se
puede encontrar en la pagina A2-8.
Haciendo uso del corolario 3.2.1 se pueden calcular las probabilidades asociadas a cualquier
variable aleatoria normal a traves de la distribucion normal estandar.
Ejemplo 3.2.1 Para una variable aleatoria normal X con = 4 y = 2 determinar

P (2,84 < X < 6,24)

Solucion: Haciendo uso del corolario 3.2.1


 
x1 X x2
P (x1 < X < x2 ) = P < < = P (z1 < Z < z2 )

Reemplazando valores
 
2,84 4 X 6,24 4
P (2,84 < X < 6,24) = P < <
2 2

= P (0,58 < Z < 1,12) =


= (1,12) (0,58)

La tabla de la distribucion normal estandar no contiene valores negativos de z, sin embargo se puede
superar el problema haciendo uso del teorema 3.2.3. As, (0,58) = 1 (0,58) y

P (2,84 < X < 6,24) = (1,12) + (0,58) 1


= 0,8686 + 0,7190 1 = 0,5876
P (2,84 < X < 6,24) = 58,76 %

Definicion 3.2.3 z es el valor de una variable aleatoria normal estandar que satisface
Z
(z) dz = o equivalentemente 1 (z ) =
z

Figura 1: Interpretacion grafica de z

A2-4
Observacion 3.2.3 z puede ser encontrado mediante el uso de tablas de la distribucion normal
estandar. En particular, en la tabla de la pagina A2-8, se debe buscar el valor z para el cual
(z) = 1 .

Ejemplo 3.2.2 Encontrar los valores de z para


= 0,05
= 0,975

Solucion: Para = 0,05 se necesita encontrar el valor z tal que (z) = 1 0,05 = 0,95. En la
tabla de la pagina A2-8 no hay exactamente (z) = 0,95, sin embargo se tiene que (1,64) = 0,9495
y (1,65) = 0,9505. Se puede aproximar un valor para z mediante interpolacion

(1,65) (1,64) (z ) (1,64)


=
1,65 1,64 z 1,64
Reemplazando valores
0,9505 0,9495 0,95 0,9495
=
1,65 1,64 z 1,64
(0,0005)(0,01)
z 1,64 =
0,001
z = 1,645 //
R
Para = 0,975 el valor z debe satisfacer (z) = 0,025. La tabla de la distribucion normal estandar
de la pagina A2-8 solo contiene valores para (z) 0,5, por tanto para obtener z se podra hacer
uso del teorema 3.2.3

(z ) = 1 (z ) = 0,025
(z ) = 0,975

El valor z que da como resultado (z) = 0,975 es z = 1,96, por tanto

z = 1,96
z = 1,96 //
R
Teorema 3.2.6 Si X es una variable aleatoria binomial con media = n y varianza 2 = n(1 ),
entonces la forma lmite de la distribucion de
X n
Z=p
n(1 )

cuando n , es la distribucion normal estandar

Observaciones 3.2.4 Si se desea aproximar probabilidades binomiales a traves de la distribucion


normal estandar se deben de tomar en cuenta los siguientes puntos:
Para cualquier valor finito de n la distribucion de
X n
Z=p
n(1 )

no es igual a la distribucion normal estandar, sin embargo se la podra considerar una aproxi-
macion valida.
La aproximacion se suele considerar aceptable cuando n y n(1 ) son ambos mayores a 5.
En caso la aproximacion sea aceptable, X se distribuye aproximadamente normal con media
n y varianza n(1 ).

A2-5
n=2 n=5

n = 25 n = 200

Figura 2: Distribuciones binomiales para = 0,4 y distintos valores de n

Se necesita de una correccion por continuidad segun la cual cada entero no negativo k se
representa con el intervalo k 21 a k + 12 .

Ejemplo 3.2.3 Para cada caso se desea usar la aproximacion normal a la distribucion binomial
para determinar b(1; n, ).
n = 16 y = 0,20
n = 65 y = 0,10
n = 120 y = 0,98

Realizar el calculo solo si se satisface la regla mencionada en las observaciones al teorema 3.2.6.

Solucion: Para el ejercicio, b() y P () representan probabilidades a ser calculadas bajo la distri-
bucion binomial y normal, respectivamente

Caso 1: n = 16 y = 0,20

Dado que n = 3,2 5 la aproximacion normal de la binomial no se considera aceptable.

Caso 2: n = 65 y = 0,10

n = 6,5 > 5 y n(1 ) = 65(0,9) = 58,5 > 5

A2-6
por lo tanto la aproximacion es aceptable.
   
1 1
b(x; n, ) ' P x <X < x+
2 2
" #
x 12 n x + 21 n
 
b(x; n, ) ' P p <Z< p
n(1 ) n(1 )
! !
(x + 21 ) n (x 12 ) n
b(x; n, ) ' p p
n(1 ) n(1 )

Reemplazando valores
! !
1,5 (65)(0,1) 0,5 (65)(0,1)
b(X = 1; 65, 0.1) ' p p
65(0,1)(0,9) 65(0,1)(0,9)

' (2,07) (2,48)

Utilizando la tabla de la distribucion normal estandar

b(X = 1; 65, 0.1) ' [1 (2,07)] + [1 (2,48)]


' 2 0,9808 0,9934
b(X = 1; 65, 0.1) ' 0,0258 = 2,58 % //
R
Caso 3: n = 120 y = 0,98

n = 120(0,98) = 117,6 > 5 y n(1 ) = 120(0,02) = 2,4 5

por tanto la aproximacion no es aceptable


Teorema 3.2.7 Si, X1 , X2 , . . . , Xn son variables aleatorias independientes que tienen distribuciones
normales con medias 1 , 2 , . . . , n y varianzas 12 , 22 , . . . , n2 respectivamente, entonces la variable
aleatoria,
Y = a1 X1 + a2 X2 + . . . + an Xn
tiene una distribucion normal con media

Y = a1 1 + a2 2 + . . . + an n

y varianza,
Y = a1 1 + a2 2 + . . . + an n

A2-7
Distribucion normal estandar
Valores de (z)

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224

0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621

1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441

1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817

2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952

2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990

A2-8
3.3. Distribuciones muestrales de medias
3.3.1. Poblaciones infinitas
Teorema 3.3.1 Si X1 , X2 , . . . , Xn constituyen una muestra aleatoria de una poblacion infinita con
media y varianza 2 , entonces
Var(X) 2
E(X) = E(X) = y Var(X) = =
n n
Demostracion

Valor esperado:
   
X1 + X2 + . . . + Xn X1 X2 Xn
E(X) = E =E + + ... +
n n n n
La expresion que se ha encontrado no es mas que el valor esperado de la suma de n variables
aleatorias. Por tanto, haciendo uso de los teoremas 2.3.1 a 2.3.3, y sus respectivos corolarios, tenemos
que
1 1 1
E(X) = E(X1 ) + E(X2 ) + . . . + E(Xn )
n n n
Dado que E(Xi ) = i = 1, 2, . . . , n por asuncion del teorema, la expresion se simplifica a
1 1 1
E(X) = + + ... +
n n n
n
1X 1
= = (n ) = //
n i=1 n QED

Varianza:
La expresion puede ser escrita de la siguiente manera
 
X1 X2 Xn
Var(X) = Var + + ... +
n n n
Utilizando la definicion de muestra aleatoria (definicion 3.1.3) se sabe que X1 , X2 , . . . , Xn son varia-
bles aleatorias independientes. Por tanto, utilizando el teorema 2.3.6 la expresion para la varianza
se puede simplificar a
1 1 1
Var(X) = Var(X1 ) + 2 Var(X2 ) + . . . + 2 Var(Xn )
n2 n n
1h i
= 2
Var(X1 ) + Var(X2 ) + . . . + Var(Xn )
n
y dado que Var(Xi ) = 2 i = 1, 2, . . . , n por asuncion del teorema, se puede concluir que
1
2 + 2 + . . . + 2

Var(X) =
n2
1  2
= 2
n 2 = //
n n QED

Observacion 3.3.1 Si de una poblacion normal con media y varianza 2 se toma una muestra
aleatoria de n observaciones, entonces por el teorema 3.2.7 podemos concluir que la media muestral
X1 + X2 + . . . + Xn
X =
n
sigue una distribucion normal con media

X = E(X) =

y varianza
2 2
X = Var(X) =
n

A2-9
Teorema 3.3.2 (Teorema del lmite central) Si X es la media de una muestra aleatoria de
tamano n que se toma de una poblacion con media y varianza finita 2 , entonces la forma lmite
de la distribucion de
X
Z=
/ n
conforme n , es la distribucion normal estandar N (0, 1)
Idea de la demostracion:
  La demostracion se basa en probar que la funcion generatriz de
X
momentos de (/ n) , cuando n , es la misma que la de una distribucion normal estandar.

El desarrollo completo se puede encontrar en el libro de Estadstica matematica con aplicaciones


de Freund, Miller & Miller. Captulo 8.2: La distribucion de la media.
 2

Corolario 3.3.1 X se distribuye aproximadamente como una normal N , n para valores gran-
des de n.
Observacion 3.3.2 Se suele considerar al tamano muestral como grande cuando este es mayor
o igual a 30 observaciones (n 30).
Teorema 3.3.3 Si se sacan al azar muestras independientes de tamanos n1 , n2 , . . . , nm de m po-
blaciones discretas o continuas, donde ni 30, i = 1, 2, 3, . . . , m y cada poblacion tiene medias
1 , 2 , . . . , m y varianzas 12 , 22 , . . . , m
2
, respectivamente, entonces la distribucion muestral de la
combinacion lineal de medias, a1 X1 + a2 X2 + . . . + am Xm , es aproximadamente una normal con
esperanza y varianza:
(a1 X1 +a2 X2 +...+am Xm ) = a1 1 + a2 2 + . . . + am m

a21 12 a2 2 a2 2
2
(a1 X1 +a2 X2 +...+am Xm )
= + 2 2 + ... + m m
n1 n2 nm
Adicionalmente
(a1 X1 + a2 X2 + . . . + am Xm ) (a1 1 + a2 2 + . . . + am m )
Z= q 2 2
a1 1 a22 22 a2m m
2

n1 + n2 + . . . + nm

es aproximadamente una variable aleatoria normal estandar


Demostracion De acuerdo a lo establecido en el teorema 3.3.2 cada una las medias muestrales
Xi i = 1, 2, . . . , m se distribuyen aproximadamente como una normal. Por tanto, de acuerdo al
teorema 3.2.7, a1 X1 + a2 X2 + . . . + am Xm debe tambien distribuirse aproximadamente como una
normal con media
(a1 X1 +a2 X2 +...+am Xm ) = a1 1 + a2 2 + . . . + am m
y varianza
a21 12 a2 2 a2 2
2
(a1 X1 +a2 X2 +...+am Xm )
+ 2 2 + ... + m m
=
n1 n2 nm
Esto lleva a concluir que Z debe distribuirse aproximadamente como una normal estandar.

Corolario 3.3.2 Si m = 2, a1 = 1 y a2 = 1, entonces la combinacion lineal a1 X1 + a2 X2 + . . . +


am Xm se reduce a X1 X2 que es una diferencia de medias. Esta diferencia de medias esta distribuida
aproximadamente en forma normal con media y varianzas
(X1 X2 ) = 1 2

12 2
(2X1 X2 ) = + 2
n1 n2
De aqu que
(X1 X2 ) (1 2 )
Z= q 2
1 22
n 1 + n2

es aproximadamente una variable aleatoria normal estandar y X1 X2 es aproximadamente una


2 2
variable aleatoria normal N (1 2 , n11 + n22 )

A2-10
3.3.2. Ejemplos para poblaciones infinitas:
Ejemplo 3.3.1 La produccion diaria de una fabrica de colchones es una variable aleatoria con media
de 200 colchones y desviacion estandar de 15 colchones. Cual es la probabilidad de que la cantidad
promedio de produccion en una muestra aleatoria de 36 dias sea de al menos 204 colchones?

Solucion: De acuerdo al teorema 3.3.1, la distribucion de X (la media muestral de la cantidad de


colchones producidos en un da) tiene una media de X = 200 colchones y desviacion estandar de

X = (15/ 36) colchones. De acuerdo al teorema del lmite central (teorema 3.3.2) X se distribuye
aproximadamente como una normal. Por tanto
 
204 200
P (X > 204) = P Z > 15 = P (Z > 1,6)
/ 36

donde Z sigue aproximadamente una distribucion normal estandar.

Utilizando la tabla de la distribucion normal estandar encontramos que la probabilidad de que una
muestra aleatoria de 36 das presente una media diaria de produccion de 204 o mas colchones es
5,45 %.

Ejemplo 3.3.2 (Diferencia de medias) Se tiene la siguiente informacion acerca de la esperanza


y desviacion estandar de la produccion diaria de dos fabricas de colchones.
Produccion Diaria de Colchones
Fabrica A Fabrica B
Media 200 230
Desv. estandar 12 15
Cual es la probabilidad que en una muestra de 36 das de la fabrica A y 45 das de la fabrica B, la
produccion diaria promedio de la fabrica B no exceda en mas de 27 unidades a la de la fabrica A.

Solucion: Expresado en terminos estadsticos, lo que se nos pregunta es el valor de


 
P (XB XA ) 27

donde XB es la media muestral para la fabrica B y XA es la media muestral para la fabrica A.


De acuerdo con el corolario 3.3.2 (XB XA ) se distribuye aproximadamente como una normal con
media y varianza

(BA) = E(XB ) E(XA ) = XB XA =


= 230 200 = 30

2 2 2
(BA) = Var(XA ) + Var(XB ) = XA
+ XB
=
2
A 2 (12)2 (15)2 144 225
= + B = = + =
nA nB 36 45 36 45

720 + 900
= = 9
180
Por tanto  
  27 30
Prob (XB XA ) 27 = Prob Z = 1
9
donde Z se distribuye aproximadamente como una normal estandar.
Haciendo uso de la tabla de la normal estandar se encuentra que, para los tamanos muestrales dados,
la probabilidad que la produccion diaria promedio de la fabrica B no exceda en mas de 27 unidades
a la de la fabrica A es del 15,87 %

A2-11
3.3.3. Poblaciones finitas
Cuando la poblacion es finita y se muestrea sin reemplazo no se cumple la condicion de indepen-
dencia entre variables aleatorias implcita en el Teorema del Lmite Central (3.3.2). Esto se debe a
que la probabilidad de ocurrencia de cualquier resultado cambia en funcion de cuantos elementos
ya se hayan sacado. Adicionalmente, no se puede hablar de una distribucion lmite puesto que el
maximo tamano muestral es finito.
Para estos casos aun es posible aproximar la distribucion de la media muestral a una normal cuando
el tamano de la muestra es grande. En esta sub-seccion se establecera la media y la varianza que
dicha aproximacion normal tiene.
Definicion 3.3.1 Si un experimento consiste en seleccionar uno o mas valores de un conjunto finito
de numeros {c1 , c2 , . . . , cN }, este conjunto se conoce como poblacion finita de tamano N .
Definicion 3.3.2 Si X1 es la variable aleatoria que representa al primer valor sacado de una po-
blacion finita de tamano N , X2 al segundo valor sacado, . . . , Xn al n-esimo valor sacado, y la
distribucion de probabilidad conjunta de estas n variables aleatorias esta dada por
1
f (x1 , x2 , . . . , xn ) =
N (N 1) . . . (N n + 1)
para cada n-tuplo ordenado de valores de estas variables aleatorias, entonces se dice que X1 , X2 , . . . , Xn
constituyen una muestra aleatoria de la poblacion finita dada.
Observacion 3.3.3 La probabilidad de obtener la muestra aleatoria X1 , X2 , . . . , Xn , sin importar
el orden, g(x1 , x2 , . . . , xn ), es igual a n! veces la probabilidad conjunta de X1 , X2 , . . . , Xn , donde X1
es el primer elemento de una muestra aleatoria sacada de una poblacion finita de tamano N , X2 es
el segundo elemento, . . ., Xn es el n-esimo elemento.

g(x1 , x2 , . . . , xn ) = n! f (x1 , x2 , . . . , xn )
n!
=
N (N 1) . . . (N n + 1)
1
g(x1 , x2 , . . . , xn ) =  
N
n

donde f (x1 , x2 , . . . , xn ) es como en la definicion 3.3.2.


Observacion 3.3.4 Una muestra aleatoria de tamano n sin reemplazo (muestra aleatoria simple) de
una poblacion finita de tamano N , puede ser obtenida sacando elemento por elemento o sacando los
n elementos de una sola vez. En ambos casos la probabilidad de obtener una muestra X1 , X2 , . . . , Xn
es la misma que la indicada en la observacion 3.3.3.
Observacion 3.3.5 Se sigue de la definicion 3.3.2 que la distribucion marginal de Xr , esta dada
por
1
f (xr ) = para xr = c1 , c2 , . . . , cN
N
para r = 1, 2, . . . , n y donde el conjunto {c1 , c2 , . . . , cN } representa a la poblacion.
Definicion 3.3.3 La media y la varianza de la poblacion finita {c1 , c2 , . . . , cN } son
N N
X 1 X 1
= ci y 2 = (ci )2
i=1
N i=1
N

Observacion 3.3.6 De la definicion 3.3.2 se sigue tambien que la distribucion marginal conjunta
de dos variables aleatorias cualesquiera X1 , X2 , . . . , Xn esta dada por
1
h(xr , xs ) =
N (N 1)
para cada par ordenado de elementos de la poblacion finita.

A2-12
Teorema 3.3.4 Si Xr y Xs son las r-esimas y s-esima variables aleatorias de una muestra aleatoria
de tamano n sacada de una poblacion finita {c1 , c2 , . . . , cN }, entonces

2
Cov(Xr , Xs ) =
N 1
Demostracion Por la definicion de covarianza para variables aleatorias discretas (definicion 2.2.3)
N X
N
X 1
Cov(Xr , Xs ) = (ci )(cj )
i=1 j=1
N (N 1)
i6=j

N N
1 X X
= (ci ) (cj )
N (N 1) i=1

j=1

j6=i

y puesto que
N
X N
X
(ci ) = (cj ) (ci ) = (ci )
j=1 j=1
j6=i

se obtiene
N
1 X
Cov(Xr , Xs ) = (ci )2
N (N 1) i=1
1
= 2 //
N 1 QED

Teorema 3.3.5 Si X es la media de una muestra aleatoria de tamano n de una poblacion finita de
tamano N con media y varianza 2 , entonces

2 N n
 
E(X) = y Var(X) =
n N 1

Demostracion
Esperanza: Por extension del corolario 2.3.3
n n
X 1 X 1
E(X) = E(Xi ) = = //
i=1
n i=1
n QED

Varianza: Por el teorema 2.3.7 se sabe que la varianza de X se puede expresar como
n
X XX
Var(X) = a2i Var(Xi ) + 2 ai aj Cov(Xi , Xj )
i=1 i<j

2
1
Si se reemplaza ai = n, Var(Xi ) = 2 , y Cov(Xi , Xj ) = N1 , se obtendra que
n XX 1  2

X 1 2
Var(X) = +2
i=1
n2 i<j
n2 N 1
n
2
 XX
X 1 2 1
= + 2 1
i=1
n2 n2 N 1 i<j

2 2
 
n(n 1)
= +2
n 2n2 N 1
2
 
N n
= //
n N 1 QED

A2-13
Observaciones 3.3.7
(N n)
Al factor (N 1) se lo conoce como factor de ajuste de la varianza para poblaciones
finitas.

El teorema del lmite central sigue aplicando para el caso de poblaciones finitas, la unica
diferencia es la varianza de X. Por tanto, se puede concluir que

X E(X) X
Z= q =r  
2
X 2 N n
n N 1

se distribuye aproximadamente como una normal estandar para muestras grandes.


Si el muestreo se realiza con reemplazo, entonces cada una de las variables aleatorias que
conforman la muestra son independientes entre si. En tal caso la varianza de la media muestral
coincide con aquella calculada para poblaciones infinitas.
Si el tamano de la muestra es menor al 5 % del tamano de la poblacion, se suele considerar
aceptable no hacer el ajuste de la varianza por poblacion finita.

3.4. Distribucion muestral de la varianza


3.4.1. La distribucion chi-cuadrado (2 )
Definicion 3.4.1 Una variable aleatoria X tiene una distribucion chi-cuadrado y se conoce como
una variable aleatoria chi-cuadrado si y solo si su densidad de probabilidad esta dada por

v 1
v2 x
x 2 e 2 ; para x > 0

2 /2 (v/2)
f (x) =

0 ; en cualquier otro caso

Observaciones 3.4.1
Al parametro v se lo conoce como el numero de grados de libertad.
() se conoce como funcion gamma y esta definida por
Z
() = y 1 ey dy
0

La funcion gamma satisface la formula recursiva

() = ( 1)( 1)

por tanto, si es un entero positivo

() = ( 1)!

Teorema 3.4.1 La funcion generatriz de momentos de la distribucion chi-cuadrado esta dada por
 v/2
1
MX (t) =
1 2t

Teorema 3.4.2 La media y la varianza de la distribucion chi-cuadrado estan dadas por

=v ; 2 = 2v

A2-14
Referencias para la demostracion:
Walpole, et al. Captulo 6.6. Probabilidad y estadstica. Sexta edicion.
Freund, et al. Captulo 6.3. Estadstica matematica con aplicaciones. Sexta edicion.

Teorema 3.4.3 Si X tiene una distribucion normal estandar, entonces X 2 tiene una distribucion
chi-cuadrado con v = 1 grados de libertad.

Teorema 3.4.4 Si X1 , X2 , . . . , Xn son variables aleatorias independientes que tienen distribuciones


normal estandar, entonces
Xn
Y = Xi2
i=1

tiene la distribucion chi-cuadrado con v = n grados de libertad.

Corolario 3.4.1 Si X1 , X2 , . . . , Xn son variables aleatorias independientes que tienen distribuciones


normales identicas con media y varianza 2 , entonces la variable aleatoria
n  2
X Xi
Y =
i=1

tiene una distribucion chi-cuadrado con v = n grados de libertad.

Teorema 3.4.5 Si X1 , X2 , . . . , Xn son variables aleatorias independientes que tienen distribuciones


chi-cuadrado con v1 , v2 , . . . , vn grados de libertad, entonces
n
X
Y = Xi
i=1

tiene la distribucion chi-cuadrado con v1 + v2 + . . . + vn grados de libertad

Teorema 3.4.6 Si X1 y X2 son variables aleatorias independientes, X1 tiene una distribucion chi-
cuadrado con v1 grados de libertad, y X1 +X2 tiene una distribucion chi-cuadrado con v > v1 grados
de libertad, entonces X2 tiene una distribucion chi-cuadrado con v v1 grados de libertad.

Referencias para la demostracion: Los teoremas anteriores pueden ser demostrados mediante
el uso de sus funciones generatrices de momentos. El desarrollo de las pruebas puede ser revisado en
Freund, Miller & Miller; Estadstica matematica con aplicaciones 6ta ed. Captulo 8.4.

3.4.2. Distribucion muestral de la varianza


Teorema 3.4.7 Si X y S 2 son la media y la varianza de una muestra aleatoria de tamano n de una
poblacion normal con media y varianza 2 , entonces
1. X y S 2 son independientes.
(n 1)S 2
2. La variable aleatoria tiene una distribucion chi-cuadrado con n1 grados de libertad.
2
Demostracion No se realizara la demostracion de la parte 1 hasta que se llegue al estudio de
distribuciones multivariadas.

Parte 2: Se tiene que


n
X
2
(n 1)S = (Xi X)2
i=1

A2-15
Se probara que la expresion del lado derecho se puede re-escribir como
n n  2
X X X
(Xi X)2 = (Xi )2 1/n
i=1 i=1

para tal efecto, se sabe que

n
X n
X
(Xi )2 = (Xi X + X )2 =
i=1 i=1
n
X  2
= (Xi X) + (X )
i=1
n
X
(Xi X)2 + 2(Xi X)(X ) + (X )2
 
=
i=1
n
X n
X n
X
= (Xi X)2 + 2 (Xi X)(X ) + (X )2
i=1 i=1 i=1
n
X n
X n
X
= (Xi X)2 + 2(X ) (Xi X) + (X )2 1
i=1 i=1 i=1
n
" n #
X X
= (Xi X)2 + 2(X ) Xi nX + n(X )2
i=1 i=1
n
" n n
#
X X X
2
= (Xi X) + 2(X ) Xi Xi + n(X )2
i=1 i=1 i=1
n
X
= (Xi X)2 + n(X )2
i=1
n n  2
X
2
X
2 X
(Xi ) = (Xi X) + 1/n
//
i=1 i=1

Si se divide toda la expresion para 2 se obtiene


n  2 n  2  2
X Xi X Xi X X
=
i=1
i=1
/ n

n  2 2
(n 1)S 2

X Xi X
= /n
i=1
2

El primer termino del lado izquierdo de la igualdad es una chi-cuadrado con n grados de
libertad por el teorema 3.4.4.
El segundo termino del lado derecho de la ecuacion sigue una distribucion chi-cuadrado con
un grado de libertad por el teorema 3.4.3 junto con el teorema del lmite central.
Los dos terminos de la derecha son independientes por la primera parte del teorema 3.4.7.
Finalmente, aplicando el teorema 3.4.6 se concluye que
(n 1)S 2
2
es una variable aleatoria chi-cuadrado con n 1 grados de libertad.

Definicion 3.4.2 2,v es el valor de una variable aleatoria chi-cuadrado con v grados de libertad
que satisface
P (X 2,v ) =

A2-16
Figura 3: Valor de una variable aleatoria 2 tal que P (X 2,v ) =

Ejemplo 3.4.1 Una corporacion colchonera es duena de distintos puntos de fabricacion en el Ecua-
dor. Cada fabrica posee el mismo tipo de maquinaria que se caracteriza por producir con una
desviacion estandar no mayor a 5 colchones diarios.

Para mantener un control sobre el proceso, anualmente se toman muestras aleatorias de 20 das de la
produccion de cada fabrica. Si la probabilidad de que S 2 sea mayor al valor observado en la muestra
es menor a 0,01, P (S 2 > s2 ) < 0,01, se considera que el proceso esta fuera de control y se llama
la atencion al ingeniero responsable del proceso.

En el punto de fabricacion Guayaquil, donde el Ing. Faciln esta a cargo, la muestra aleatoria
periodica arrojo una desviacion estandar de 7 colchones por da. Debe el Ing. Faciln prepararse
para recibir una amonestacion?

Solucion: 2
El proceso se declara fuera de control si (n1)s
2 (el estadstico de prueba) con n = 20 y = 5
excede a 20,01;19 = 36,191 (el valor crtico).

Procedemos a calcular el estadstico de prueba.

(n 1)s2 19(7)2
2
= = 37,24
(5)2
Como el valor del estadstico de prueba (37,24) excede al valor crtico (36,191), el proceso se consi-
dera fuera de control y el Ing. Faciln recibira una amonestacion.

Nota: Las conclusiones a las que hemos llegado asumen que la muestra se puede considerar una
muestra aleatoria de una poblacion normal.

A2-17
Distribucion Chi-cuadrado
Valores de 2,v


v 0.999 0.990 0.975 0.950 0.900 0.100 0.050 0.025 0.010 0.001
1 0.000 0.000 0.001 0.004 0.016 2.706 3.841 5.024 6.635 10.828
2 0.002 0.020 0.051 0.103 0.211 4.605 5.991 7.378 9.210 13.816
3 0.024 0.115 0.216 0.352 0.584 6.251 7.815 9.348 11.345 16.266
4 0.091 0.297 0.484 0.711 1.064 7.779 9.488 11.143 13.277 18.467
5 0.210 0.554 0.831 1.145 1.610 9.236 11.070 12.833 15.086 20.515
6 0.381 0.872 1.237 1.635 2.204 10.645 12.592 14.449 16.812 22.458
7 0.598 1.239 1.690 2.167 2.833 12.017 14.067 16.013 18.475 24.322
8 0.857 1.646 2.180 2.733 3.490 13.362 15.507 17.535 20.090 26.125
9 1.152 2.088 2.700 3.325 4.168 14.684 16.919 19.023 21.666 27.877
10 1.479 2.558 3.247 3.940 4.865 15.987 18.307 20.483 23.209 29.588

11 1.834 3.053 3.816 4.575 5.578 17.275 19.675 21.920 24.725 31.264
12 2.214 3.571 4.404 5.226 6.304 18.549 21.026 23.337 26.217 32.910
13 2.617 4.107 5.009 5.892 7.042 19.812 22.362 24.736 27.688 34.528
14 3.041 4.660 5.629 6.571 7.790 21.064 23.685 26.119 29.141 36.123
15 3.483 5.229 6.262 7.261 8.547 22.307 24.996 27.488 30.578 37.697
16 3.942 5.812 6.908 7.962 9.312 23.542 26.296 28.845 32.000 39.252
17 4.416 6.408 7.564 8.672 10.085 24.769 27.587 30.191 33.409 40.790
18 4.905 7.015 8.231 9.390 10.865 25.989 28.869 31.526 34.805 42.312
19 5.407 7.633 8.907 10.117 11.651 27.204 30.144 32.852 36.191 43.820
20 5.921 8.260 9.591 10.851 12.443 28.412 31.410 34.170 37.566 45.315

21 6.447 8.897 10.283 11.591 13.240 29.615 32.671 35.479 38.932 46.797
22 6.983 9.542 10.982 12.338 14.041 30.813 33.924 36.781 40.289 48.268
23 7.529 10.196 11.689 13.091 14.848 32.007 35.172 38.076 41.638 49.728
24 8.085 10.856 12.401 13.848 15.659 33.196 36.415 39.364 42.980 51.179
25 8.649 11.524 13.120 14.611 16.473 34.382 37.652 40.646 44.314 52.620
26 9.222 12.198 13.844 15.379 17.292 35.563 38.885 41.923 45.642 54.052
27 9.803 12.879 14.573 16.151 18.114 36.741 40.113 43.195 46.963 55.476
28 10.391 13.565 15.308 16.928 18.939 37.916 41.337 44.461 48.278 56.892
29 10.986 14.256 16.047 17.708 19.768 39.087 42.557 45.722 49.588 58.301
30 11.588 14.953 16.791 18.493 20.599 40.256 43.773 46.979 50.892 59.703

A2-18
3.5. Distribucion muestral de la media cuando 2 no es conocido
En la mayora de las aplicaciones de la vida real se desconoce el valor de la varianza poblacional
(el parametro 2 )
Se hace necesario reemplazar 2 con un estimado. Usualmente este valor es la varianza de la
muestra, S 2 .
Esta seccion trata acerca de la distribucion exacta de
X
S/n

para muestras aleatorias de poblaciones normales.

3.5.1. La distribucion t de Student


Teorema 3.5.1 Si Y y Z son variables aleatorias independientes, Y sigue una distribucion chi-
cuadrado con v grados de libertad, y Z sigue una distribucion normal estandar, entonces la distri-
bucion de
Z
T =p
Y /v

esta dada por  


v+1
 v+1
t2
 2
2
f (t) = v 1 + para < t <
v v
2
y se llama distribucion t de Student con v grados de libertad.

Referencias para la demostracion: La demostracion del teorema puede ser encontrada en


Freund, Miller & Miller; Estadstica matematica con aplicaciones 6ta ed.; captulo 8.5.

Observaciones 3.5.1
La distribucion t depende del parametro v, los grados de libertad.
t,v el valor que debe tomar una variable aleatoria t-student con v grados de libertad para
satisfacer
P (T t,v ) =

La distribucion t es simetrica, por tanto t1,v = t,v


La media de la distribucion t es cero y su varianza, que es siempre mayor a 1, depende de v.
Cuando v la distribucion t converge a una distribucion normal estandar.

3.5.2. Distribucion de la media muestral cuando 2 es desconocido


Teorema 3.5.2 Si X y S 2 son la media y la varianza de una muestra aleatoria de tamano n de una
poblacion normal con media y varianza 2 , entonces

X
T = S/n

tiene la distribucion t con n 1 grados de libertad.

A2-19
Figura 4: Valor t tal que P (T t,v ) =

Figura 5: Distribucion t para distintos valores de v

Demostracion Por los teoremas 3.4.7 y 3.3.2 (teorema del lmite central), las variables aleatorias

(n 1)S 2 X
Y = y Z= /n
2

tienen, respectivamente, una distribucion chi-cuadrado con n1 grados de libertad y una distribucion
normal estandar.
Sustituyendo en la formula que indica el teorema 3.5.1 se tiene

X
/n X
T =p 2 = S
S / 2 / n

Por la primera parte del teorema 3.4.7 se sabe que X y S 2 son independientes y esto completa la
demostracion.

Observacion 3.5.2 Para tamanos de muestra mayores a 30 (n 30) se suele considerar que la
distribucion t no difiere de manera considerable una distribucion normal estandar.

A2-20
Distribucion t de Student
Valores de t,v

v 0.4000 0.2500 0.1000 0.0500 0.0250 0.0100 0.0050 0.0005

1 0.3249 1.0000 3.0777 6.3138 12.7062 31.8205 63.6567 636.6192


2 0.2887 0.8165 1.8856 2.9200 4.3027 6.9646 9.9248 31.5991
3 0.2767 0.7649 1.6377 2.3534 3.1825 4.5407 5.8409 12.9240
4 0.2707 0.7407 1.5332 2.1318 2.7765 3.7470 4.6041 8.6103
5 0.2672 0.7267 1.4759 2.0150 2.5706 3.3649 4.0321 6.8688

6 0.2648 0.7176 1.4398 1.9432 2.4469 3.1427 3.7074 5.9588


7 0.2632 0.7111 1.4149 1.8946 2.3646 2.9980 3.4995 5.4079
8 0.2619 0.7064 1.3968 1.8595 2.3060 2.8965 3.3554 5.0413
9 0.2610 0.7027 1.3830 1.8331 2.2622 2.8214 3.2498 4.7809
10 0.2602 0.6998 1.3722 1.8125 2.2281 2.7638 3.1693 4.5869

11 0.2596 0.6974 1.3634 1.7959 2.2010 2.7181 3.1058 4.4370


12 0.2590 0.6955 1.3562 1.7823 2.1788 2.6810 3.0545 4.3178
13 0.2586 0.6938 1.3502 1.7709 2.1604 2.6503 3.0123 4.2208
14 0.2582 0.6924 1.3450 1.7613 2.1448 2.6245 2.9768 4.1405
15 0.2579 0.6912 1.3406 1.7531 2.1315 2.6025 2.9467 4.0728

16 0.2576 0.6901 1.3368 1.7459 2.1199 2.5835 2.9208 4.0150


17 0.2573 0.6892 1.3334 1.7396 2.1098 2.5669 2.8982 3.9651
18 0.2571 0.6884 1.3304 1.7341 2.1009 2.5524 2.8784 3.9216
19 0.2569 0.6876 1.3277 1.7291 2.0930 2.5395 2.8609 3.8834
20 0.2567 0.6870 1.3253 1.7247 2.0860 2.5280 2.8453 3.8495

21 0.2566 0.6864 1.3232 1.7207 2.0796 2.5177 2.8314 3.8193


22 0.2564 0.6858 1.3212 1.7171 2.0739 2.5083 2.8188 3.7921
23 0.2563 0.6853 1.3195 1.7139 2.0687 2.4999 2.8073 3.7676
24 0.2562 0.6849 1.3178 1.7109 2.0639 2.4922 2.7969 3.7454
25 0.2561 0.6844 1.3163 1.7081 2.0595 2.4851 2.7874 3.7251

26 0.2560 0.6840 1.3150 1.7056 2.0555 2.4786 2.7787 3.7066


27 0.2559 0.6837 1.3137 1.7033 2.0518 2.4727 2.7707 3.6896
28 0.2558 0.6834 1.3125 1.7011 2.0484 2.4671 2.7633 3.6739
29 0.2557 0.6830 1.3114 1.6991 2.0452 2.4620 2.7564 3.6594
30 0.2556 0.6828 1.3104 1.6973 2.0423 2.4573 2.7500 3.6460

inf 0.2533 0.6745 1.2816 1.6449 1.9600 2.3264 2.5758 3.2905

A2-21
3.6. La distribucion F
Teorema 3.6.1 Si U y V son variables aleatorias independientes que tienen distribuciones inde-
pendientes con v1 y v2 grados de libertad, entonces
U/v1
F = V /v2

es una variable aleatoria que sigue una distribucion F cuya funcion de densidad esta dada por
    v21
v1 + v2 v1
v1
2 v2 f 2 1
g(f ) = v  v    12 (v1 +v2 ) para 0 < f <
1 2
v1
2 2 1+ f
v2
Referencias para la demostracion: La demostracion del teorema puede ser encontrada en
Freund, Miller & Miller; Estadstica matematica con aplicaciones 6ta ed.; captulo 8.6.

Observaciones 3.6.1
La curva de la distribucion F no solo depende de los parametros v1 y v2 , sino del orden en que
se establecen.
Se suele representar con f,v1 ,v2 al valor que debe tomar una variable aleatoria F para satisfacer
P (F f,v1 ,v2 ) =

Figura 6: Valor f tal que P (F f,v1 ,v2 ) =

Teorema 3.6.2 Para cualquier valor posible de v1 , v2 y se cumple que


1
f,v1 ,v2 =
f1,v2 ,v1

3.6.1. Distribucion del ratio de varianzas muestrales


Teorema 3.6.3 Si S12 y S22 son las varianzas de muestras aleatorias independientes de tamano n1
y n2 tomadas de poblaciones normales con varianzas 12 y 22 , respectivamente, entonces
S12/ 2 22 S12
1
F = =
S22
/22 12 S22
tiene una distribucion F con v1 = n1 1 y v2 = n2 1 grados de libertad.

A2-22
Demostracion Si se sacan muestras aleatorias independientes de tamano n1 y n2 de dos pobla-
ciones normales, entonces haciendo uso del teorema 3.4.7 se tendra que

(n1 1)S12 (n2 1)S22


21 = y 22 =
12 22

son dos variables aleatorias independientes que siguen una distribucion chi-cuadrado con n1 1 y
n2 1 grados de libertad.
Por tanto, utilizando el teorema 3.6.1 se puede decir que
 2

(n1 1)S1
21/(n1 1) 2
1 /(n1 1)
F = =
22
 2

/(n2 2) (n2 1)S2
2 /(n2 1)
2

sigue una distribucion F con n1 1 y n2 1 grados de libertad en el numerador y denominador


respectivamente.

Luego de simplificar se obtiene que el ratio en cuestion es


S12/ 2 22 S12
1
F = = //
S22 /22 12 S22 QED

Observaciones 3.6.2
Por variables aleatorias independientes se quiere decir que las n1 + n2 variables aleatorias
que constituyen las dos muestras son todas independientes. De este modo las dos variables
aleatorias chi-cuadrado son independientes.
La independencia entre las dos variables chi-cuadrado no es algo que pueda ser generalizado,
va a depender de cuales sean las poblaciones normales que las generan y de que el muestreo
sea aleatorio.

A2-23
Distribucion F
Valores de f,v1 ,v2 para = 0,1

v1
v2 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60
1 39.86 49.50 53.59 55.83 57.24 58.20 58.91 59.44 59.86 60.19 60.71 61.22 61.74 62.00 62.26 62.53 62.79 63.33
2 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38 9.39 9.41 9.42 9.44 9.45 9.46 9.47 9.47 9.49
3 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24 5.23 5.22 5.20 5.18 5.18 5.17 5.16 5.15 5.13
4 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94 3.92 3.90 3.87 3.84 3.83 3.82 3.80 3.79 3.76
5 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32 3.30 3.27 3.24 3.21 3.19 3.17 3.16 3.14 3.10

6 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96 2.94 2.90 2.87 2.84 2.82 2.80 2.78 2.76 2.72
7 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70 2.67 2.63 2.59 2.58 2.56 2.54 2.51 2.47
8 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56 2.54 2.50 2.46 2.42 2.40 2.38 2.36 2.34 2.29
9 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42 2.38 2.34 2.30 2.28 2.25 2.23 2.21 2.16
10 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32 2.28 2.24 2.20 2.18 2.16 2.13 2.11 2.06

11 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27 2.25 2.21 2.17 2.12 2.10 2.08 2.05 2.03 1.97
12 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19 2.15 2.10 2.06 2.04 2.01 1.99 1.96 1.90
13 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16 2.14 2.10 2.05 2.01 1.98 1.96 1.93 1.90 1.85

A2-24
14 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12 2.10 2.05 2.01 1.96 1.94 1.91 1.89 1.86 1.80
15 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06 2.02 1.97 1.92 1.90 1.87 1.85 1.82 1.76

16 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06 2.03 1.99 1.94 1.89 1.87 1.84 1.81 1.78 1.72
17 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03 2.00 1.96 1.91 1.86 1.84 1.81 1.78 1.75 1.69
18 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00 1.98 1.93 1.89 1.84 1.81 1.78 1.75 1.72 1.66
19 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98 1.96 1.91 1.86 1.81 1.79 1.76 1.73 1.70 1.63
20 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94 1.89 1.84 1.79 1.77 1.74 1.71 1.68 1.61

21 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95 1.92 1.87 1.83 1.78 1.75 1.72 1.69 1.66 1.59
22 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93 1.90 1.86 1.81 1.76 1.73 1.70 1.67 1.64 1.57
23 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92 1.89 1.84 1.80 1.74 1.72 1.69 1.66 1.62 1.55
24 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91 1.88 1.83 1.78 1.73 1.70 1.67 1.64 1.61 1.53
25 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89 1.87 1.82 1.77 1.72 1.69 1.66 1.63 1.59 1.52

30 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82 1.77 1.72 1.67 1.64 1.61 1.57 1.54 1.46
40 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79 1.76 1.71 1.66 1.61 1.57 1.54 1.51 1.47 1.38
60 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71 1.66 1.60 1.54 1.51 1.48 1.44 1.40 1.29
120 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65 1.60 1.55 1.48 1.45 1.41 1.37 1.32 1.19
2.71 2.30 2.08 1.94 1.85 1.77 1.72 1.67 1.63 1.60 1.55 1.49 1.42 1.38 1.34 1.30 1.24 1.00
Distribucion F
Valores de f,v1 ,v2 para = 0,05

v1
v2 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60
1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88 243.91 245.95 248.01 249.05 250.10 251.14 252.20 254.31
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.41 19.43 19.45 19.45 19.46 19.47 19.48 19.50
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.74 8.70 8.66 8.64 8.62 8.59 8.57 8.53
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.91 5.86 5.80 5.77 5.75 5.72 5.69 5.63
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.68 4.62 4.56 4.53 4.50 4.46 4.43 4.36

6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.00 3.94 3.87 3.84 3.81 3.77 3.74 3.67
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.57 3.51 3.44 3.41 3.38 3.34 3.30 3.23
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.28 3.22 3.15 3.12 3.08 3.04 3.01 2.93
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.07 3.01 2.94 2.90 2.86 2.83 2.79 2.71
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.91 2.85 2.77 2.74 2.70 2.66 2.62 2.54

11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.79 2.72 2.65 2.61 2.57 2.53 2.49 2.40
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.69 2.62 2.54 2.51 2.47 2.43 2.38 2.30
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.60 2.53 2.46 2.42 2.38 2.34 2.30 2.21

A2-25
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.53 2.46 2.39 2.35 2.31 2.27 2.22 2.13
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.48 2.40 2.33 2.29 2.25 2.20 2.16 2.07

16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.42 2.35 2.28 2.24 2.19 2.15 2.11 2.01
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.38 2.31 2.23 2.19 2.15 2.10 2.06 1.96
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.34 2.27 2.19 2.15 2.11 2.06 2.02 1.92
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.31 2.23 2.16 2.11 2.07 2.03 1.98 1.88
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.28 2.20 2.12 2.08 2.04 1.99 1.95 1.84

21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.25 2.18 2.10 2.05 2.01 1.96 1.92 1.81
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.23 2.15 2.07 2.03 1.98 1.94 1.89 1.78
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.20 2.13 2.05 2.01 1.96 1.91 1.86 1.76
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.18 2.11 2.03 1.98 1.94 1.89 1.84 1.73
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.16 2.09 2.01 1.96 1.92 1.87 1.82 1.71

30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.09 2.01 1.93 1.89 1.84 1.79 1.74 1.62
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 2.00 1.92 1.84 1.79 1.74 1.69 1.64 1.51
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.92 1.84 1.75 1.70 1.65 1.59 1.53 1.39
120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.83 1.75 1.66 1.61 1.55 1.50 1.43 1.25
3.84 3.00 2.60 2.37 2.21 2.10 2.01 1.94 1.88 1.83 1.75 1.67 1.57 1.52 1.46 1.39 1.32 1.00
Distribucion F
Valores de f,v1 ,v2 para = 0,025

v1
v2 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60
1 647.79 799.50 864.16 899.58 921.85 937.11 948.22 956.66 963.28 968.63 976.71 984.87 993.10 997.25 1001.41 1005.60 1009.80 1018.23
2 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40 39.41 39.43 39.45 39.46 39.46 39.47 39.48 39.50
3 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42 14.34 14.25 14.17 14.12 14.08 14.04 13.99 13.90
4 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.75 8.66 8.56 8.51 8.46 8.41 8.36 8.26
5 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.52 6.43 6.33 6.28 6.23 6.18 6.12 6.02

6 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.37 5.27 5.17 5.12 5.07 5.01 4.96 4.85
7 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.67 4.57 4.47 4.41 4.36 4.31 4.25 4.14
8 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.20 4.10 4.00 3.95 3.89 3.84 3.78 3.67
9 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.87 3.77 3.67 3.61 3.56 3.51 3.45 3.33
10 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.62 3.52 3.42 3.37 3.31 3.26 3.20 3.08

11 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.43 3.33 3.23 3.17 3.12 3.06 3.00 2.88
12 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.28 3.18 3.07 3.02 2.96 2.91 2.85 2.72
13 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.15 3.05 2.95 2.89 2.84 2.78 2.72 2.60

A2-26
14 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 3.05 2.95 2.84 2.79 2.73 2.67 2.61 2.49
15 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 2.96 2.86 2.76 2.70 2.64 2.59 2.52 2.40

16 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.89 2.79 2.68 2.63 2.57 2.51 2.45 2.32
17 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.82 2.72 2.62 2.56 2.50 2.44 2.38 2.25
18 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.77 2.67 2.56 2.50 2.44 2.38 2.32 2.19
19 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.72 2.62 2.51 2.45 2.39 2.33 2.27 2.13
20 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.68 2.57 2.46 2.41 2.35 2.29 2.22 2.09

21 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.64 2.53 2.42 2.37 2.31 2.25 2.18 2.04
22 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.60 2.50 2.39 2.33 2.27 2.21 2.14 2.00
23 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.57 2.47 2.36 2.30 2.24 2.18 2.11 1.97
24 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.54 2.44 2.33 2.27 2.21 2.15 2.08 1.94
25 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.51 2.41 2.30 2.24 2.18 2.12 2.05 1.91

30 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.41 2.31 2.20 2.14 2.07 2.01 1.94 1.79
40 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39 2.29 2.18 2.07 2.01 1.94 1.88 1.80 1.64
60 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27 2.17 2.06 1.94 1.88 1.82 1.74 1.67 1.48
120 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16 2.05 1.94 1.82 1.76 1.69 1.61 1.53 1.31
5.02 3.69 3.12 2.79 2.57 2.41 2.29 2.19 2.11 2.05 1.94 1.83 1.71 1.64 1.57 1.48 1.39 1.00
Distribucion F
Valores de f,v1 ,v2 para = 0,01

v1
v2 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60
1 4052.18 4999.50 5403.35 5624.58 5763.65 5858.99 5928.36 5981.07 6022.47 6055.85 6106.32 6157.28 6208.73 6234.63 6260.65 6286.78 6313.03 6365.68
2 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39 99.40 99.42 99.43 99.45 99.46 99.47 99.47 99.48 99.50
3 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35 27.23 27.05 26.87 26.69 26.60 26.50 26.41 26.32 26.13
4 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55 14.37 14.20 14.02 13.93 13.84 13.75 13.65 13.46
5 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05 9.89 9.72 9.55 9.47 9.38 9.29 9.20 9.02

6 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.72 7.56 7.40 7.31 7.23 7.14 7.06 6.88
7 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.47 6.31 6.16 6.07 5.99 5.91 5.82 5.65
8 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.67 5.52 5.36 5.28 5.20 5.12 5.03 4.86
9 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26 5.11 4.96 4.81 4.73 4.65 4.57 4.48 4.31
10 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.71 4.56 4.41 4.33 4.25 4.17 4.08 3.91

11 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54 4.40 4.25 4.10 4.02 3.94 3.86 3.78 3.60
12 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.16 4.01 3.86 3.78 3.70 3.62 3.54 3.36
13 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10 3.96 3.82 3.66 3.59 3.51 3.43 3.34 3.17

A2-27
14 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94 3.80 3.66 3.51 3.43 3.35 3.27 3.18 3.00
15 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.67 3.52 3.37 3.29 3.21 3.13 3.05 2.87

16 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.55 3.41 3.26 3.18 3.10 3.02 2.93 2.75
17 8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.46 3.31 3.16 3.08 3.00 2.92 2.83 2.65
18 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51 3.37 3.23 3.08 3.00 2.92 2.84 2.75 2.57
19 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.30 3.15 3.00 2.92 2.84 2.76 2.67 2.49
20 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.23 3.09 2.94 2.86 2.78 2.69 2.61 2.42

21 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31 3.17 3.03 2.88 2.80 2.72 2.64 2.55 2.36
22 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26 3.12 2.98 2.83 2.75 2.67 2.58 2.50 2.31
23 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21 3.07 2.93 2.78 2.70 2.62 2.54 2.45 2.26
24 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17 3.03 2.89 2.74 2.66 2.58 2.49 2.40 2.21
25 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13 2.99 2.85 2.70 2.62 2.54 2.45 2.36 2.17

30 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.84 2.70 2.55 2.47 2.39 2.30 2.21 2.01
40 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80 2.66 2.52 2.37 2.29 2.20 2.11 2.02 1.80
60 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.50 2.35 2.20 2.12 2.03 1.94 1.84 1.60
120 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47 2.34 2.19 2.03 1.95 1.86 1.76 1.66 1.38
6.63 4.61 3.78 3.32 3.02 2.80 2.64 2.51 2.41 2.32 2.18 2.04 1.88 1.79 1.70 1.59 1.47 1.00
Distribucion F
Valores de f,v1 ,v2 para = 0,005

v1
v2 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60
1 16210.72 19999.50 21614.74 22499.58 23055.80 23437.11 23714.57 23925.41 24091.00 24224.49 24426.37 24630.21 24835.97 24939.57 25043.63 25148.15 25253.14 25464.08
2 198.50 199.00 199.17 199.25 199.30 199.33 199.36 199.37 199.39 199.40 199.42 199.43 199.45 199.46 199.47 199.47 199.48 199.50
3 55.55 49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.88 43.69 43.39 43.08 42.78 42.62 42.47 42.31 42.15 41.83
4 31.33 26.28 24.26 23.15 22.46 21.97 21.62 21.35 21.14 20.97 20.70 20.44 20.17 20.03 19.89 19.75 19.61 19.32
5 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77 13.62 13.38 13.15 12.90 12.78 12.66 12.53 12.40 12.14

6 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39 10.25 10.03 9.81 9.59 9.47 9.36 9.24 9.12 8.88
7 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51 8.38 8.18 7.97 7.75 7.64 7.53 7.42 7.31 7.08
8 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34 7.21 7.01 6.81 6.61 6.50 6.40 6.29 6.18 5.95
9 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42 6.23 6.03 5.83 5.73 5.62 5.52 5.41 5.19
10 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97 5.85 5.66 5.47 5.27 5.17 5.07 4.97 4.86 4.64

11 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54 5.42 5.24 5.05 4.86 4.76 4.65 4.55 4.45 4.23
12 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20 5.09 4.91 4.72 4.53 4.43 4.33 4.23 4.12 3.90
13 11.37 8.19 6.93 6.23 5.79 5.48 5.25 5.08 4.94 4.82 4.64 4.46 4.27 4.17 4.07 3.97 3.87 3.65

A2-28
14 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72 4.60 4.43 4.25 4.06 3.96 3.86 3.76 3.66 3.44
15 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42 4.25 4.07 3.88 3.79 3.69 3.58 3.48 3.26

16 10.58 7.51 6.30 5.64 5.21 4.91 4.69 4.52 4.38 4.27 4.10 3.92 3.73 3.64 3.54 3.44 3.33 3.11
17 10.38 7.35 6.16 5.50 5.07 4.78 4.56 4.39 4.25 4.14 3.97 3.79 3.61 3.51 3.41 3.31 3.21 2.98
18 10.22 7.21 6.03 5.37 4.96 4.66 4.44 4.28 4.14 4.03 3.86 3.68 3.50 3.40 3.30 3.20 3.10 2.87
19 10.07 7.09 5.92 5.27 4.85 4.56 4.34 4.18 4.04 3.93 3.76 3.59 3.40 3.31 3.21 3.11 3.00 2.78
20 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96 3.85 3.68 3.50 3.32 3.22 3.12 3.02 2.92 2.69

21 9.83 6.89 5.73 5.09 4.68 4.39 4.18 4.01 3.88 3.77 3.60 3.43 3.24 3.15 3.05 2.95 2.84 2.61
22 9.73 6.81 5.65 5.02 4.61 4.32 4.11 3.94 3.81 3.70 3.54 3.36 3.18 3.08 2.98 2.88 2.77 2.55
23 9.63 6.73 5.58 4.95 4.54 4.26 4.05 3.88 3.75 3.64 3.47 3.30 3.12 3.02 2.92 2.82 2.71 2.48
24 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59 3.42 3.25 3.06 2.97 2.87 2.77 2.66 2.43
25 9.48 6.60 5.46 4.84 4.43 4.15 3.94 3.78 3.64 3.54 3.37 3.20 3.01 2.92 2.82 2.72 2.61 2.38

30 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45 3.34 3.18 3.01 2.82 2.73 2.63 2.52 2.42 2.18
40 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22 3.12 2.95 2.78 2.60 2.50 2.40 2.30 2.18 1.93
60 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01 2.90 2.74 2.57 2.39 2.29 2.19 2.08 1.96 1.69
120 8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.81 2.71 2.54 2.37 2.19 2.09 1.98 1.87 1.75 1.43
7.88 5.30 4.28 3.72 3.35 3.09 2.90 2.74 2.62 2.52 2.36 2.19 2.00 1.90 1.79 1.67 1.53 1.00