SlideShare una empresa de Scribd logo

Distribuciones continuas de probabilidad

1 de 12
Descargar para leer sin conexión
[Escribir texto]
DISTRIBUCIONES CONTINUAS DE
PROBABILIDAD
Distribución normal
La distribución normal continua de probabilidad más importante en todo el campo de la
estadística es la distribución normal. Su gráfica, que se denomina curva normal, es la
curva con la forma de campana de la figura 2, la cual describe aproximadamente muchos
fenómenos que ocurren en la naturaleza, la industria y la investigación. Las mediciones
físicas en áreas como los experimentos meteorológicos, estudios de lluvia y mediciones
de partes fabricadas a menudo se aplican más que adecuadamente con una distribución
normal. Además, los errores en las mediciones científicas se aproximan extremadamente
bien mediante una distribución normal. En 1733, Abraham Demoivre desarrollo la
ecuación matemática de la curva normal. Proporciona una base sobre la que se
fundamenta gran parte de la teoría de la estadística inductiva. La distribución normal a
menudo se denomina distribución gaussiana, en honor de Karl Friedrich Gauss (1777-
1855), quien también derivo su ecuación a partir de un estudio de errores en mediciones
repetidas de la misma cantidad.
σ
µ X
Figura 2: La curva normal
Una variable aleatoria continua X que tiene la distribución en forma de campana de la
figura 6.2 se llama variable aleatoria normal. Le ecuación matemática para la
distribución de probabilidad de la variable normal depende de los dos parámetros µ y σ,
su media y desviación estándar. De aquí, denotamos los valores de la densidad de X con
n (x; µ, σ).
Distribución normal
La función de densidad de la variable aleatoria normal X, con media µ y varianza σ2
, es:
n(x; µ,σ) =
  2
/
2
1
2
1 







 x
e , -  x , donde  = 3.14159… y e =
2.71828…
[Escribir texto]
Una vez que se especifiquen µ y σ, la curva normal queda determinada por completo. Por
ejemplo, si µ = 50 y σ = 5, entonces se puede calcular las ordenadas n (x; 50, 5) para
varios valores de x y dibujar la curva. En la figura 3 dibujamos dos curvas normales que
tienen la misma desviación estándar pero diferentes medias. Las dos curvas son idénticas
en forma pero están centradas en diferentes posiciones a lo largo del eje horizontal.
σ1
σ1
µ1 µ2
x
Figura 3. Curvas normales con µ1 < µ2 y σ1 = σ2
Si trazamos dos curvas normales con la misma media pero con diferentes desviaciones
estándar. Esta vez vemos que las dos curvas están centradas exactamente en la misma
posición sobre el eje horizontal, pero la curva con la mayor desviación estándar es más
baja y se extiende más lejos. Recuerde que el área bajo una curva de probabilidad debe
ser igual a 1, y entre más variable sea el conjunto de observaciones más baja y ancha
será la curva correspondiente.
Si trazamos dos curvas normales que tienen diferentes medias y diferentes desviaciones
estándar, claramente, están centradas en posiciones diferentes sobre el eje horizontal y
sus formas reflejan los dos diferentes valores σ.
De una inspección de las anteriores curvas y al examinar la primera y segunda derivadas
de n (x; µ, σ), listamos las siguientes propiedades de la curva normal:
1. La moda, que es el punto sobre el eje horizontal donde la curva es un máximo, ocurre
en x = µ.
2. La curva es simétrica alrededor de un eje vertical a través de la media µ.
3. La curva tiene sus puntos de inflexión en x = µ + σ, es cóncava hacia abajo si µ - σ < X
< µ + σ, y es cóncava hacia arriba en cualquier otro punto.
3. La curva normal se aproxima al eje horizontal de manera asintótica conforme nos
alejamos de la media en cualquier dirección.
4. El área total bajo la curva y sobre el eje horizontal es igual a 1.
Muchas variables aleatorias tienen distribuciones de probabilidad que se pueden describir
de manera adecuada mediante la curva normal una vez que se especifiquen µ y σ2
. En
este capítulo supondremos que se conocen estos dos parámetros, quizás de
investigaciones previas. Más tarde haremos inferencias estadísticas cuando se
desconozcan µ y σ2
y se estimen a partir de los datos experimentales disponibles.
[Escribir texto]
Señalamos en un principio el papel que juega la distribución normal como una
aproximación razonable de variables científicas en experimentos de la vida real. La
distribución normal encuentra una gran aplicación como distribución limitante. Bajo ciertas
condiciones la distribución normal proporciona una buena aproximación continua a las
distribuciones binomial e hipergeométrica. Resulta que la distribución limitante de
promedios muestrales es normal. Esto proporciona una base amplia para la inferencia
estadística que es muy valiosa para el analista de datos interesado en la estimación y
prueba de hipótesis. Las importantes áreas del análisis de varianza y del control de
calidad tienen su teoría basada en suposiciones que hace uso de la distribución normal.
Áreas bajo la curva normal
La curva de cualquier distribución continua de probabilidad o función de densidad se
construye de modo que el área bajo la curva limitada por las dos ordenadas x = x1 y x = x2
es igual a la probabilidad de que la variable aleatoria x tome un valor entre x = x1 y x = x2.
El área bajo la curva entre cualesquiera dos ordenadas también debe depender de los
valores µ y σ.
Por fortuna es posible transformar todas las observaciones de cualquier variable aleatoria
normal X en un nuevo conjunto de observaciones de una variable aleatoria normal Z, con
media 0 y varianza 1, esto puede realizarse por medio de la transformación:



X
Z
Donde: Z se lee en las tablas A3. X es la variable aleatoria, µ es la media de la
población y σ es la desviación estándar.
La distribución de una variable aleatoria normal con media cero y varianza 1 se llama
distribución normal estándar.
Hemos reducido ahora el número que se requiere de tablas de áreas de curva normal a
una, la de la distribución normal estándar. La tabla A.3 indica el área bajo la curva normal
estándar que corresponde a P (Z < z) para valores de z que van de -3.49 a 3.49. Para
ilustrar el uso de esta tabla encontremos la probabilidad de que Z sea menor que 1.74.
Primero, localizamos un valor de z igual a 1.7 en la columna izquierda, después nos
movemos a lo largo del renglón a la columna bajo 0.04, donde leemos 0.9591. Por tanto,
P (Z < 1.74) = 0.9591. Para encontrar un valor z que corresponda a una probabilidad
dada, el proceso se invierte. Por ejemplo, el valor z que deja un área de 0.2148 bajo la
curva a la izquierda de z se ve que es -0.79.
Ejemplo 1: Dada una distribución normal estándar, encuentre el área bajo la curva que
yace (a) a la derecha de z = 1.84 y (b) entre z = -1.97 y z = 0.86
[Escribir texto]
Solución
(a) El área en la figura 4 (a) a la derecha de z = 1.84 es igual a 1 menos el área en la
tabla A.3 a la izquierda de z = 1.84 a saber, es decir, 1 – 0.9671 = 0.0329
(b) El área en la figura 4 (b) entre z = - 1.97 y z = 0.86 es igual al área a la izquierda
de z = 0.86 menos el área a la izquierda de z = -1.97. De la tabla A.3 encontramos
que el área que se desea es 0.8051 – 0.0244 = 0.7807
(a) 0 1.84 z (b) - 1.97 0 0.86
z
Figura 4. Áreas del ejemplo 1.
Ejemplo 2: Dada una distribución normal estándar, encuentre el valor de k tal que (a) P (Z
> k) = 0.3015, y (b) P (k < Z < -0.18) = 0.4197
Solución
(a) En la figura 5 (a) vemos que el valor k que deja un área de 0.3015 a la derecha
debe dejar entonces un área de 0.6985 a la izquierda. De la tabla A.3 se sigue que
k = 0.52
0.3015
0.4197
(a) 0 k z (b) k -
0.18 0 z
Figura 5. Áreas del ejemplo 2
(b) De la tabla A.3 notamos que el área total a la izquierda de -0.18 es igual a 0.4286.
En la figura 5 (b) vemos que el área entre k y -0.18 es 0.4197 por lo que el área a
la izquierda de k debe ser 0.4286 – 0.4197 = 0.0089. Por lo tanto, de la tabla A.3
tenemos k = -2.37
[Escribir texto]
Ejemplo 3: Dada una distribución normal con µ = 50 y σ = 10, encuentre la probabilidad de
que X tome un valor entre 45 y 62.
Solución
Los valores z que corresponden a x1 = 45 y x2 = 62 son
Z1 =
10
5045 
= -0.5
Z2 =
10
5062 
= 1.2
Por tanto, P (45 < X < 62)= P ( -0.5 < Z < 1.2)
-0.5 0 1.2 z
Figura 6. Área del ejemplo 3
La P(-.05 < Z < 1.2) se muestra por el área de la región sombreada de la figura 6.11. Esta
área se puede encontrar al restar el área a la izquierda de z = 1.2. Con el uso de la tabla
A.3, tenemos
P (45 < X < 62) = P (-0.5 < Z < 1.2) = P (Z < 1.2) – P (Z < -0.5) = 0.8849 – 0.3085 =
0.5764
Ejemplo 4: Dada una distribución normal con µ = 300 y σ = 50, encuentre la probabilidad
de que x tome un valor mayor que 362.
Solución
La distribución de probabilidad normal que muestra el área que se desea se representa en
la figura 6.12. Para encontrar la P(X > 362), necesitamos evaluar el área bajo la curva
normal a la derecha de x = 362, esto se puede realizar al transformar x = 362 al valor z
correspondiente, al obtener el área a la izquierda de z de la tabla A.3 y después restar
esta área de 1. Encontramos que:
[Escribir texto]
Z =
50
300362 
= 1.24
Por lo que,
P(X > 362) = P (Z > 1.24) = 1 – P (Z < 1.24) = 1 – 0.8925 = 0.1075
 = 50
300 362 x
Figura 7. Área del ejemplo 4
En ocasiones se nos pide encontrar el valor de z que corresponde a una probabilidad
específica que cae entre los valores que se listan en la tabla A.3 (véase ejemplo 5). Por
conveniencia, siempre elegiremos el valor z que corresponde a la probabilidad tabular que
está más cerca de la probabilidad que se especifica. Sin embargo, si la probabilidad dada
cae a la mitad entre dos probabilidades tabulares, debemos elegir para z el valor que cae
a la mitad entre los valores correspondientes de z. Por ejemplo, para encontrar el valor z
que corresponde a una probabilidad de 0.7975, que cae entre 0.7964 y 0.7995 en la tabla
A.3, elegimos z = 0.83, pues 0.7975 es más cercano a 0.7967. Por otro lado, para una
probabilidad de 0.7981, que cae en la mitad entre 0.7967 y 0.7995, tomamos z= 0.835.
Los anteriores dos ejemplos se resolvieron al ir primero de un valor de x a un valor z y
después calcular el área que se desea. En el ejemplo 6.6 invertimos el proceso y
comenzamos con un área o probabilidad conocida, encontramos el valor z y después
determinamos x reacomodando la fórmula:



X
Z Para dar x =  z + 
Ejemplo 5: Dada una distribución normal con µ = 40 y σ = 6, encuentre el valor de x que
tiene (a) 45% del área a la izquierda y (b) 14% del área a la derecha.

Recomendados

Tarea 8 de probabilidad y estadística con respuestas
Tarea 8 de probabilidad y estadística  con respuestasTarea 8 de probabilidad y estadística  con respuestas
Tarea 8 de probabilidad y estadística con respuestasIPN
 
Tarea 11 de probabilidad y estadistica con respuestas
Tarea 11 de probabilidad y estadistica con respuestasTarea 11 de probabilidad y estadistica con respuestas
Tarea 11 de probabilidad y estadistica con respuestasIPN
 
Tarea 10 de probabilidad y estadistica con respuesta
Tarea 10 de probabilidad y estadistica con respuestaTarea 10 de probabilidad y estadistica con respuesta
Tarea 10 de probabilidad y estadistica con respuestaIPN
 
Problemas resueltos de distribución muestral
Problemas resueltos de distribución muestralProblemas resueltos de distribución muestral
Problemas resueltos de distribución muestralasrodriguez75
 
Ejercicio para presentar.pptx
Ejercicio para presentar.pptxEjercicio para presentar.pptx
Ejercicio para presentar.pptxVladimirCazares2
 

Más contenido relacionado

La actualidad más candente

Tarea 6 de probabilidad y estadistica con respuestas
Tarea 6 de probabilidad y estadistica con respuestasTarea 6 de probabilidad y estadistica con respuestas
Tarea 6 de probabilidad y estadistica con respuestasIPN
 
Ejercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarEjercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarNathywiiz Hernández
 
Tarea 16 de probabilidad y estadistica con respuestas
Tarea 16 de probabilidad y estadistica  con respuestasTarea 16 de probabilidad y estadistica  con respuestas
Tarea 16 de probabilidad y estadistica con respuestasIPN
 
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTAS
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTASTarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTAS
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTASIPN
 
Tarea 12 de probabilidad y estadística con respuestas
Tarea 12 de probabilidad y  estadística con respuestasTarea 12 de probabilidad y  estadística con respuestas
Tarea 12 de probabilidad y estadística con respuestasIPN
 
Tarea 13 de probabilidad y estadística con respuesta
Tarea 13 de probabilidad y estadística con respuestaTarea 13 de probabilidad y estadística con respuesta
Tarea 13 de probabilidad y estadística con respuestaIPN
 
Trabajo probabilidad
Trabajo probabilidadTrabajo probabilidad
Trabajo probabilidadFreddy Adrian
 
Tarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestasTarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestasIPN
 
Tarea 4 de probabilidad con respuestas
Tarea 4 de probabilidad con respuestasTarea 4 de probabilidad con respuestas
Tarea 4 de probabilidad con respuestasIPN
 
50 ejercicio de estadistica.docx1
50 ejercicio de estadistica.docx150 ejercicio de estadistica.docx1
50 ejercicio de estadistica.docx1Juan Zaruma
 
Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...
Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...
Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...IPN
 
Estadística Probabilidades
Estadística ProbabilidadesEstadística Probabilidades
Estadística ProbabilidadesEdwin Lema
 
Tarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestasTarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestasIPN
 
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasEjercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasJaviera Huera (Temuco)
 
Guia intervalos de confianza
Guia intervalos de confianzaGuia intervalos de confianza
Guia intervalos de confianzaAndres Oyarzun
 

La actualidad más candente (20)

Tarea 6 de probabilidad y estadistica con respuestas
Tarea 6 de probabilidad y estadistica con respuestasTarea 6 de probabilidad y estadistica con respuestas
Tarea 6 de probabilidad y estadistica con respuestas
 
Ejercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarEjercicios de distribucion normal estandar
Ejercicios de distribucion normal estandar
 
Tarea 16 de probabilidad y estadistica con respuestas
Tarea 16 de probabilidad y estadistica  con respuestasTarea 16 de probabilidad y estadistica  con respuestas
Tarea 16 de probabilidad y estadistica con respuestas
 
Ejercicios estadistica
Ejercicios estadisticaEjercicios estadistica
Ejercicios estadistica
 
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTAS
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTASTarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTAS
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTAS
 
Tarea 12 de probabilidad y estadística con respuestas
Tarea 12 de probabilidad y  estadística con respuestasTarea 12 de probabilidad y  estadística con respuestas
Tarea 12 de probabilidad y estadística con respuestas
 
Tarea 13 de probabilidad y estadística con respuesta
Tarea 13 de probabilidad y estadística con respuestaTarea 13 de probabilidad y estadística con respuesta
Tarea 13 de probabilidad y estadística con respuesta
 
Trabajo probabilidad
Trabajo probabilidadTrabajo probabilidad
Trabajo probabilidad
 
Tarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestasTarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestas
 
Tarea 4 de probabilidad con respuestas
Tarea 4 de probabilidad con respuestasTarea 4 de probabilidad con respuestas
Tarea 4 de probabilidad con respuestas
 
50 ejercicio de estadistica.docx1
50 ejercicio de estadistica.docx150 ejercicio de estadistica.docx1
50 ejercicio de estadistica.docx1
 
Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...
Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...
Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...
 
Estadística Probabilidades
Estadística ProbabilidadesEstadística Probabilidades
Estadística Probabilidades
 
Tarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestasTarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestas
 
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasEjercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
 
Resueltos estimacion
Resueltos estimacionResueltos estimacion
Resueltos estimacion
 
EJERCICIOS DE DISTRIBUCIÓN MULTINOMIAL
EJERCICIOS DE DISTRIBUCIÓN MULTINOMIALEJERCICIOS DE DISTRIBUCIÓN MULTINOMIAL
EJERCICIOS DE DISTRIBUCIÓN MULTINOMIAL
 
2012 3 distribucion-f_(fisher)
2012 3 distribucion-f_(fisher)2012 3 distribucion-f_(fisher)
2012 3 distribucion-f_(fisher)
 
Teorema del limite central
Teorema del limite centralTeorema del limite central
Teorema del limite central
 
Guia intervalos de confianza
Guia intervalos de confianzaGuia intervalos de confianza
Guia intervalos de confianza
 

Similar a Distribuciones continuas de probabilidad

lfstat3e_ppt_05_rev.ppt
lfstat3e_ppt_05_rev.pptlfstat3e_ppt_05_rev.ppt
lfstat3e_ppt_05_rev.pptssuser02b397
 
Ejemplo distribucion normal
Ejemplo distribucion normalEjemplo distribucion normal
Ejemplo distribucion normaldavid silva
 
Ensayo ent # 2 densidades probabilisticas
Ensayo ent # 2   densidades probabilisticasEnsayo ent # 2   densidades probabilisticas
Ensayo ent # 2 densidades probabilisticasGERENCIA MTTO 3ER CORTE
 
7 distribucion normal_total
7 distribucion normal_total7 distribucion normal_total
7 distribucion normal_totalAgustín Isach
 
La Distribucion Normal - Ing Juan Carlos Gallardo Mendoza- jcgallardo11@gmail...
La Distribucion Normal - Ing Juan Carlos Gallardo Mendoza- jcgallardo11@gmail...La Distribucion Normal - Ing Juan Carlos Gallardo Mendoza- jcgallardo11@gmail...
La Distribucion Normal - Ing Juan Carlos Gallardo Mendoza- jcgallardo11@gmail...jcgallardo11
 
Clase02 - Distribuciones de Probabilidad (1).pptx
Clase02 - Distribuciones de Probabilidad (1).pptxClase02 - Distribuciones de Probabilidad (1).pptx
Clase02 - Distribuciones de Probabilidad (1).pptxBaquedanoMarbaro
 
Distribuciones de Probabilidad
Distribuciones de ProbabilidadDistribuciones de Probabilidad
Distribuciones de ProbabilidadAndreaUrdaneta10
 
Distribución normal y teorema central del límite
Distribución normal y teorema central del límiteDistribución normal y teorema central del límite
Distribución normal y teorema central del límiteEileen Rodriguez
 
Superficies (1)
Superficies (1)Superficies (1)
Superficies (1)vlado1884
 
Distribuciones continuas de probabilidad
Distribuciones continuas de probabilidadDistribuciones continuas de probabilidad
Distribuciones continuas de probabilidadJulian
 
s4ESTADISTICA Y PROBABILIDAD_SEMANA 4_PF.pdf
s4ESTADISTICA Y PROBABILIDAD_SEMANA 4_PF.pdfs4ESTADISTICA Y PROBABILIDAD_SEMANA 4_PF.pdf
s4ESTADISTICA Y PROBABILIDAD_SEMANA 4_PF.pdfedumagic
 
La distribución normal
La distribución normalLa distribución normal
La distribución normalMatemolivares1
 
Cc trabajo tema 5
Cc trabajo tema 5Cc trabajo tema 5
Cc trabajo tema 5josele78
 
CALCULO VECTORIAL Guia unidad1 cv-p44
CALCULO VECTORIAL Guia unidad1 cv-p44CALCULO VECTORIAL Guia unidad1 cv-p44
CALCULO VECTORIAL Guia unidad1 cv-p44Juan Miguel
 
AREA E INTEGRAL DEFINIDA.pdf
AREA E INTEGRAL DEFINIDA.pdfAREA E INTEGRAL DEFINIDA.pdf
AREA E INTEGRAL DEFINIDA.pdfJorgeRojas278373
 

Similar a Distribuciones continuas de probabilidad (20)

lfstat3e_ppt_05_rev.ppt
lfstat3e_ppt_05_rev.pptlfstat3e_ppt_05_rev.ppt
lfstat3e_ppt_05_rev.ppt
 
Ejemplo distribucion normal
Ejemplo distribucion normalEjemplo distribucion normal
Ejemplo distribucion normal
 
Ensayo ent # 2 densidades probabilisticas
Ensayo ent # 2   densidades probabilisticasEnsayo ent # 2   densidades probabilisticas
Ensayo ent # 2 densidades probabilisticas
 
Distribucion normal completo
Distribucion normal completoDistribucion normal completo
Distribucion normal completo
 
7 distribucion normal_total
7 distribucion normal_total7 distribucion normal_total
7 distribucion normal_total
 
La normal
La normalLa normal
La normal
 
La Distribucion Normal - Ing Juan Carlos Gallardo Mendoza- jcgallardo11@gmail...
La Distribucion Normal - Ing Juan Carlos Gallardo Mendoza- jcgallardo11@gmail...La Distribucion Normal - Ing Juan Carlos Gallardo Mendoza- jcgallardo11@gmail...
La Distribucion Normal - Ing Juan Carlos Gallardo Mendoza- jcgallardo11@gmail...
 
Normal 1
Normal 1Normal 1
Normal 1
 
Analisis.....
Analisis.....Analisis.....
Analisis.....
 
Clase02 - Distribuciones de Probabilidad (1).pptx
Clase02 - Distribuciones de Probabilidad (1).pptxClase02 - Distribuciones de Probabilidad (1).pptx
Clase02 - Distribuciones de Probabilidad (1).pptx
 
Distribuciones de Probabilidad
Distribuciones de ProbabilidadDistribuciones de Probabilidad
Distribuciones de Probabilidad
 
Distribución normal y teorema central del límite
Distribución normal y teorema central del límiteDistribución normal y teorema central del límite
Distribución normal y teorema central del límite
 
Superficies (1)
Superficies (1)Superficies (1)
Superficies (1)
 
Distribuciones continuas de probabilidad
Distribuciones continuas de probabilidadDistribuciones continuas de probabilidad
Distribuciones continuas de probabilidad
 
Clase02 distribuciones de probabilidad
Clase02   distribuciones de probabilidadClase02   distribuciones de probabilidad
Clase02 distribuciones de probabilidad
 
s4ESTADISTICA Y PROBABILIDAD_SEMANA 4_PF.pdf
s4ESTADISTICA Y PROBABILIDAD_SEMANA 4_PF.pdfs4ESTADISTICA Y PROBABILIDAD_SEMANA 4_PF.pdf
s4ESTADISTICA Y PROBABILIDAD_SEMANA 4_PF.pdf
 
La distribución normal
La distribución normalLa distribución normal
La distribución normal
 
Cc trabajo tema 5
Cc trabajo tema 5Cc trabajo tema 5
Cc trabajo tema 5
 
CALCULO VECTORIAL Guia unidad1 cv-p44
CALCULO VECTORIAL Guia unidad1 cv-p44CALCULO VECTORIAL Guia unidad1 cv-p44
CALCULO VECTORIAL Guia unidad1 cv-p44
 
AREA E INTEGRAL DEFINIDA.pdf
AREA E INTEGRAL DEFINIDA.pdfAREA E INTEGRAL DEFINIDA.pdf
AREA E INTEGRAL DEFINIDA.pdf
 

Más de angiegutierrez11

Guia de costos de ejercicio marginal
Guia de costos de ejercicio marginalGuia de costos de ejercicio marginal
Guia de costos de ejercicio marginalangiegutierrez11
 
Guia de aplicacion integrales definidas
Guia de aplicacion integrales definidasGuia de aplicacion integrales definidas
Guia de aplicacion integrales definidasangiegutierrez11
 
Guía de aplicación por fracciones parciales
Guía de aplicación por fracciones parcialesGuía de aplicación por fracciones parciales
Guía de aplicación por fracciones parcialesangiegutierrez11
 
Guía de inversas trignometricas
Guía de inversas trignometricasGuía de inversas trignometricas
Guía de inversas trignometricasangiegutierrez11
 
Guía “integración de potencias de funciones trigonométricas”
Guía “integración de potencias de funciones trigonométricas”Guía “integración de potencias de funciones trigonométricas”
Guía “integración de potencias de funciones trigonométricas”angiegutierrez11
 
Guía sobre integración por partes
Guía sobre integración por partesGuía sobre integración por partes
Guía sobre integración por partesangiegutierrez11
 
Guía sobre integración por sustitución
Guía sobre integración por sustituciónGuía sobre integración por sustitución
Guía sobre integración por sustituciónangiegutierrez11
 
Guía sobre integral indefinida
Guía sobre integral indefinidaGuía sobre integral indefinida
Guía sobre integral indefinidaangiegutierrez11
 
Clasificación de funciones reales
Clasificación de funciones realesClasificación de funciones reales
Clasificación de funciones realesangiegutierrez11
 
Metodo de resolucion de ecuaciones
Metodo de resolucion de ecuacionesMetodo de resolucion de ecuaciones
Metodo de resolucion de ecuacionesangiegutierrez11
 
Productos notables vs factorización
Productos notables vs factorizaciónProductos notables vs factorización
Productos notables vs factorizaciónangiegutierrez11
 
Operaciones entre expresiones algebraicas
Operaciones entre expresiones algebraicasOperaciones entre expresiones algebraicas
Operaciones entre expresiones algebraicasangiegutierrez11
 
Proposiciones y su clasificación
Proposiciones y su clasificaciónProposiciones y su clasificación
Proposiciones y su clasificaciónangiegutierrez11
 

Más de angiegutierrez11 (20)

Guia de costos de ejercicio marginal
Guia de costos de ejercicio marginalGuia de costos de ejercicio marginal
Guia de costos de ejercicio marginal
 
Guia de aplicacion integrales definidas
Guia de aplicacion integrales definidasGuia de aplicacion integrales definidas
Guia de aplicacion integrales definidas
 
Guía de aplicación por fracciones parciales
Guía de aplicación por fracciones parcialesGuía de aplicación por fracciones parciales
Guía de aplicación por fracciones parciales
 
Guía de inversas trignometricas
Guía de inversas trignometricasGuía de inversas trignometricas
Guía de inversas trignometricas
 
Guía “integración de potencias de funciones trigonométricas”
Guía “integración de potencias de funciones trigonométricas”Guía “integración de potencias de funciones trigonométricas”
Guía “integración de potencias de funciones trigonométricas”
 
Guía sobre integración por partes
Guía sobre integración por partesGuía sobre integración por partes
Guía sobre integración por partes
 
Guía sobre integración por sustitución
Guía sobre integración por sustituciónGuía sobre integración por sustitución
Guía sobre integración por sustitución
 
Guía sobre integral indefinida
Guía sobre integral indefinidaGuía sobre integral indefinida
Guía sobre integral indefinida
 
Funciones trigonometricas
Funciones trigonometricasFunciones trigonometricas
Funciones trigonometricas
 
Teorema de pitagoras
Teorema de pitagorasTeorema de pitagoras
Teorema de pitagoras
 
Clasificación de funciones reales
Clasificación de funciones realesClasificación de funciones reales
Clasificación de funciones reales
 
Relación y función
Relación y funciónRelación y función
Relación y función
 
Metodo de resolucion de ecuaciones
Metodo de resolucion de ecuacionesMetodo de resolucion de ecuaciones
Metodo de resolucion de ecuaciones
 
Eucación y funciones
Eucación y funcionesEucación y funciones
Eucación y funciones
 
Productos notables vs factorización
Productos notables vs factorizaciónProductos notables vs factorización
Productos notables vs factorización
 
Operaciones entre expresiones algebraicas
Operaciones entre expresiones algebraicasOperaciones entre expresiones algebraicas
Operaciones entre expresiones algebraicas
 
Expresiones algebraicas
Expresiones algebraicasExpresiones algebraicas
Expresiones algebraicas
 
Tablas de valor
Tablas de valorTablas de valor
Tablas de valor
 
Conectores logicos
Conectores logicosConectores logicos
Conectores logicos
 
Proposiciones y su clasificación
Proposiciones y su clasificaciónProposiciones y su clasificación
Proposiciones y su clasificación
 

Distribuciones continuas de probabilidad

  • 1. [Escribir texto] DISTRIBUCIONES CONTINUAS DE PROBABILIDAD Distribución normal La distribución normal continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. Su gráfica, que se denomina curva normal, es la curva con la forma de campana de la figura 2, la cual describe aproximadamente muchos fenómenos que ocurren en la naturaleza, la industria y la investigación. Las mediciones físicas en áreas como los experimentos meteorológicos, estudios de lluvia y mediciones de partes fabricadas a menudo se aplican más que adecuadamente con una distribución normal. Además, los errores en las mediciones científicas se aproximan extremadamente bien mediante una distribución normal. En 1733, Abraham Demoivre desarrollo la ecuación matemática de la curva normal. Proporciona una base sobre la que se fundamenta gran parte de la teoría de la estadística inductiva. La distribución normal a menudo se denomina distribución gaussiana, en honor de Karl Friedrich Gauss (1777- 1855), quien también derivo su ecuación a partir de un estudio de errores en mediciones repetidas de la misma cantidad. σ µ X Figura 2: La curva normal Una variable aleatoria continua X que tiene la distribución en forma de campana de la figura 6.2 se llama variable aleatoria normal. Le ecuación matemática para la distribución de probabilidad de la variable normal depende de los dos parámetros µ y σ, su media y desviación estándar. De aquí, denotamos los valores de la densidad de X con n (x; µ, σ). Distribución normal La función de densidad de la variable aleatoria normal X, con media µ y varianza σ2 , es: n(x; µ,σ) =   2 / 2 1 2 1          x e , -  x , donde  = 3.14159… y e = 2.71828…
  • 2. [Escribir texto] Una vez que se especifiquen µ y σ, la curva normal queda determinada por completo. Por ejemplo, si µ = 50 y σ = 5, entonces se puede calcular las ordenadas n (x; 50, 5) para varios valores de x y dibujar la curva. En la figura 3 dibujamos dos curvas normales que tienen la misma desviación estándar pero diferentes medias. Las dos curvas son idénticas en forma pero están centradas en diferentes posiciones a lo largo del eje horizontal. σ1 σ1 µ1 µ2 x Figura 3. Curvas normales con µ1 < µ2 y σ1 = σ2 Si trazamos dos curvas normales con la misma media pero con diferentes desviaciones estándar. Esta vez vemos que las dos curvas están centradas exactamente en la misma posición sobre el eje horizontal, pero la curva con la mayor desviación estándar es más baja y se extiende más lejos. Recuerde que el área bajo una curva de probabilidad debe ser igual a 1, y entre más variable sea el conjunto de observaciones más baja y ancha será la curva correspondiente. Si trazamos dos curvas normales que tienen diferentes medias y diferentes desviaciones estándar, claramente, están centradas en posiciones diferentes sobre el eje horizontal y sus formas reflejan los dos diferentes valores σ. De una inspección de las anteriores curvas y al examinar la primera y segunda derivadas de n (x; µ, σ), listamos las siguientes propiedades de la curva normal: 1. La moda, que es el punto sobre el eje horizontal donde la curva es un máximo, ocurre en x = µ. 2. La curva es simétrica alrededor de un eje vertical a través de la media µ. 3. La curva tiene sus puntos de inflexión en x = µ + σ, es cóncava hacia abajo si µ - σ < X < µ + σ, y es cóncava hacia arriba en cualquier otro punto. 3. La curva normal se aproxima al eje horizontal de manera asintótica conforme nos alejamos de la media en cualquier dirección. 4. El área total bajo la curva y sobre el eje horizontal es igual a 1. Muchas variables aleatorias tienen distribuciones de probabilidad que se pueden describir de manera adecuada mediante la curva normal una vez que se especifiquen µ y σ2 . En este capítulo supondremos que se conocen estos dos parámetros, quizás de investigaciones previas. Más tarde haremos inferencias estadísticas cuando se desconozcan µ y σ2 y se estimen a partir de los datos experimentales disponibles.
  • 3. [Escribir texto] Señalamos en un principio el papel que juega la distribución normal como una aproximación razonable de variables científicas en experimentos de la vida real. La distribución normal encuentra una gran aplicación como distribución limitante. Bajo ciertas condiciones la distribución normal proporciona una buena aproximación continua a las distribuciones binomial e hipergeométrica. Resulta que la distribución limitante de promedios muestrales es normal. Esto proporciona una base amplia para la inferencia estadística que es muy valiosa para el analista de datos interesado en la estimación y prueba de hipótesis. Las importantes áreas del análisis de varianza y del control de calidad tienen su teoría basada en suposiciones que hace uso de la distribución normal. Áreas bajo la curva normal La curva de cualquier distribución continua de probabilidad o función de densidad se construye de modo que el área bajo la curva limitada por las dos ordenadas x = x1 y x = x2 es igual a la probabilidad de que la variable aleatoria x tome un valor entre x = x1 y x = x2. El área bajo la curva entre cualesquiera dos ordenadas también debe depender de los valores µ y σ. Por fortuna es posible transformar todas las observaciones de cualquier variable aleatoria normal X en un nuevo conjunto de observaciones de una variable aleatoria normal Z, con media 0 y varianza 1, esto puede realizarse por medio de la transformación:    X Z Donde: Z se lee en las tablas A3. X es la variable aleatoria, µ es la media de la población y σ es la desviación estándar. La distribución de una variable aleatoria normal con media cero y varianza 1 se llama distribución normal estándar. Hemos reducido ahora el número que se requiere de tablas de áreas de curva normal a una, la de la distribución normal estándar. La tabla A.3 indica el área bajo la curva normal estándar que corresponde a P (Z < z) para valores de z que van de -3.49 a 3.49. Para ilustrar el uso de esta tabla encontremos la probabilidad de que Z sea menor que 1.74. Primero, localizamos un valor de z igual a 1.7 en la columna izquierda, después nos movemos a lo largo del renglón a la columna bajo 0.04, donde leemos 0.9591. Por tanto, P (Z < 1.74) = 0.9591. Para encontrar un valor z que corresponda a una probabilidad dada, el proceso se invierte. Por ejemplo, el valor z que deja un área de 0.2148 bajo la curva a la izquierda de z se ve que es -0.79. Ejemplo 1: Dada una distribución normal estándar, encuentre el área bajo la curva que yace (a) a la derecha de z = 1.84 y (b) entre z = -1.97 y z = 0.86
  • 4. [Escribir texto] Solución (a) El área en la figura 4 (a) a la derecha de z = 1.84 es igual a 1 menos el área en la tabla A.3 a la izquierda de z = 1.84 a saber, es decir, 1 – 0.9671 = 0.0329 (b) El área en la figura 4 (b) entre z = - 1.97 y z = 0.86 es igual al área a la izquierda de z = 0.86 menos el área a la izquierda de z = -1.97. De la tabla A.3 encontramos que el área que se desea es 0.8051 – 0.0244 = 0.7807 (a) 0 1.84 z (b) - 1.97 0 0.86 z Figura 4. Áreas del ejemplo 1. Ejemplo 2: Dada una distribución normal estándar, encuentre el valor de k tal que (a) P (Z > k) = 0.3015, y (b) P (k < Z < -0.18) = 0.4197 Solución (a) En la figura 5 (a) vemos que el valor k que deja un área de 0.3015 a la derecha debe dejar entonces un área de 0.6985 a la izquierda. De la tabla A.3 se sigue que k = 0.52 0.3015 0.4197 (a) 0 k z (b) k - 0.18 0 z Figura 5. Áreas del ejemplo 2 (b) De la tabla A.3 notamos que el área total a la izquierda de -0.18 es igual a 0.4286. En la figura 5 (b) vemos que el área entre k y -0.18 es 0.4197 por lo que el área a la izquierda de k debe ser 0.4286 – 0.4197 = 0.0089. Por lo tanto, de la tabla A.3 tenemos k = -2.37
  • 5. [Escribir texto] Ejemplo 3: Dada una distribución normal con µ = 50 y σ = 10, encuentre la probabilidad de que X tome un valor entre 45 y 62. Solución Los valores z que corresponden a x1 = 45 y x2 = 62 son Z1 = 10 5045  = -0.5 Z2 = 10 5062  = 1.2 Por tanto, P (45 < X < 62)= P ( -0.5 < Z < 1.2) -0.5 0 1.2 z Figura 6. Área del ejemplo 3 La P(-.05 < Z < 1.2) se muestra por el área de la región sombreada de la figura 6.11. Esta área se puede encontrar al restar el área a la izquierda de z = 1.2. Con el uso de la tabla A.3, tenemos P (45 < X < 62) = P (-0.5 < Z < 1.2) = P (Z < 1.2) – P (Z < -0.5) = 0.8849 – 0.3085 = 0.5764 Ejemplo 4: Dada una distribución normal con µ = 300 y σ = 50, encuentre la probabilidad de que x tome un valor mayor que 362. Solución La distribución de probabilidad normal que muestra el área que se desea se representa en la figura 6.12. Para encontrar la P(X > 362), necesitamos evaluar el área bajo la curva normal a la derecha de x = 362, esto se puede realizar al transformar x = 362 al valor z correspondiente, al obtener el área a la izquierda de z de la tabla A.3 y después restar esta área de 1. Encontramos que:
  • 6. [Escribir texto] Z = 50 300362  = 1.24 Por lo que, P(X > 362) = P (Z > 1.24) = 1 – P (Z < 1.24) = 1 – 0.8925 = 0.1075  = 50 300 362 x Figura 7. Área del ejemplo 4 En ocasiones se nos pide encontrar el valor de z que corresponde a una probabilidad específica que cae entre los valores que se listan en la tabla A.3 (véase ejemplo 5). Por conveniencia, siempre elegiremos el valor z que corresponde a la probabilidad tabular que está más cerca de la probabilidad que se especifica. Sin embargo, si la probabilidad dada cae a la mitad entre dos probabilidades tabulares, debemos elegir para z el valor que cae a la mitad entre los valores correspondientes de z. Por ejemplo, para encontrar el valor z que corresponde a una probabilidad de 0.7975, que cae entre 0.7964 y 0.7995 en la tabla A.3, elegimos z = 0.83, pues 0.7975 es más cercano a 0.7967. Por otro lado, para una probabilidad de 0.7981, que cae en la mitad entre 0.7967 y 0.7995, tomamos z= 0.835. Los anteriores dos ejemplos se resolvieron al ir primero de un valor de x a un valor z y después calcular el área que se desea. En el ejemplo 6.6 invertimos el proceso y comenzamos con un área o probabilidad conocida, encontramos el valor z y después determinamos x reacomodando la fórmula:    X Z Para dar x =  z +  Ejemplo 5: Dada una distribución normal con µ = 40 y σ = 6, encuentre el valor de x que tiene (a) 45% del área a la izquierda y (b) 14% del área a la derecha.
  • 7. [Escribir texto] Solución: (a) En la figura 8 (a) se sombrea un área de 0.45 a la izquierda del valor x deseado. Requerimos un valor z que deja un área de 0.45 a la izquierda. De la tabla A.3 encontramos P (Z < - 0.13) = 0.45 por lo que el valor z deseado es -0.13. De aquí X = (6) (-0.13) + 40 =39.22 (b) En la figura 8 (b) sombreamos un área igual a 0.14 a la derecha del valor que se desea. Esta vez requerimos un valor z que deje 0.14 del área a la derecha y por ello un área de 0.86 a la izquierda. De nuevo, de la tabla A.3, encontramos P (Z <1.08) = 0.86 por lo que el valor z que se desea es 1.08 y, x = (6) (1.08) + 40 = 46.48 (a) (b)  = 6  = 6 0.45 0.14 40 x 40 x Figura 8. Áreas del ejemplo 5 Aplicaciones de la distribución normal Algunos de los muchos problemas para los que es aplicable la distribución normal se tratan en los siguientes ejemplos. Ejemplo 1: Cierto tipo de batería de almacenamiento dura, en promedio, 3.0 años, con una desviación estándar de 0.5 años. Suponga que las duraciones de la batería de distribuyen normalmente, encuentre la probabilidad de que una batería dada dure menos de 2.3 años. Solución Primero construya un diagrama como el de la figura 9, que muestra la distribución dada de duraciones de las baterías y el área que se desea. Para encontrar la P (X < 2.3), necesitamos evaluar el área bajo la curva normal a la izquierda de 2.3. Esto se logra encontrando el área a la izquierda del correspondiente valor de z. Por lo tanto se encuentra que:
  • 8. [Escribir texto]  = 0.5 2.3 3 x Figura 9. Área del ejemplo 1 5.0 33.2  Z = - 1.4, Y entonces con el uso de la tabla A.3 tenemos P(X< 2.3) = P (Z < - 1.4) = 0.0808 Ejemplo 2: Una empresa eléctrica fabrica focos que tiene una duración, antes de fundirse, que se distribuye normalmente con media igual a 800 horas y una desviación estándar de 40 horas. Encuentre la probabilidad de que un foco se funda entre 778 y 834 hora.  = 40 778 800 834 x Figura 10. Área del ejemplo 2 Solución La distribución de los focos se ilustra en la figura 6.15. Los valores z que corresponden a x1 = 778 y x2 = 834 son: 40 800778 1  Z = - 0.55 40 800834 1  Z = 0.85 De aquí que: P (778 < X < 834) = P (-0.55 < Z – 0.859) =P (Z < 0.85) – P (Z < - 0.55) = 0.8023 – 0.2912 = 0.5111
  • 9. [Escribir texto] Ejemplo 3: En un proceso industrial el diámetro de un cojinete es una parte componente importante. El comprador establece que las especificaciones en el diámetro sean 3.0 ± 0.01 cm. La implicación es que ninguna parte que caiga fuera de estas especificaciones se aceptara. Se sabe que en el proceso el diámetro de un cojinete tiene una distribución normal con media 3.0 y una desviación estándar σ = 0.005. En promedio, ¿cuántos cojinetes se descartarán? Solución La distribución de diámetros se ilustra en la figura 6.16. Los valores que corresponden a los limites especificados son x1 = 2.99 y x2 = 3.01. Los correspondientes valores de z son: 005.0 0.399.2 1  Z = - 2.0  = 0.005 005.0 0.301.3 2  Z = + 2.0 0.0228 0.0228 2.99 3.0 3.01 Figura 11. Área del ejemplo 3 Por lo tanto, P (2.99 < X < 3.01) = P (-20 < Z < 2.0) De la tabla A.3, P (Z < - 20) = 0.0228. Debido a la simetría de la distribución normal, encontramos que P (- 2.0 < Z < 2.0) = 2 (0.0228) = 0.0456 Como resultado se anticipa que, en promedio, 4.56% de los cojinetes fabricados se descartaran. Ejemplo 4: Se utilizan medidores para rechazar todos los componentes donde cierta dimensión no está dentro de las especificación 1.50 ± d. Se sabe que esta medición se distribuye de forma normal con media 1.50 y desviación estándar 0.2. Determine el valor d tal que las especificaciones “cubran” 95% de las mediciones.
  • 10. [Escribir texto] Solución  = 0.2 0.025 0.025 1.108 1.50 1.892 x Figura 12. Especificaciones del ejemplo 4. De la tabla A.3 sabemos que, P (-1.96 < Z < 1.96) = 0.95 Por lo tanto, 1.96 =   2.0 50.150.1  d de la cual se obtiene: d = (0.2) (1.96) = 0.392 Ejemplo 5: Cierta maquina fabrica resistores eléctricos que tiene una resistencia media de 40 ohmios y una desviación estándar de dos ohmios. Suponga que la resistencia sigue una distribución normal y se puede medir con cualquier grado de precisión, ¿qué porcentaje de resistores tendrá una resistencia que exceda 43 ohmios? Solución Se encuentra un porcentaje al multiplicar la frecuencia relativa por 100%. Como la frecuencia relativa para un intervalo es igual a la probabilidad de caer en el intervalo, debemos encontrar el área a la derecha de x = 43 en la figura 13. Esto se puede hacer al transformar x = 43 al valor z correspondiente, con lo que se obtiene el área a la izquierda de z de la tabla, A.3, y después se resta esta área de 1. Encontramos que:  = 2.0 40 43 x Figura 13. Área del ejemplo 5 2 4043 Z = 1.5 De aquí que, P(X > 43) = P (Z > 1.5) = 1 – P (Z < 1.5) = 1 – 0.9332 = 0.0668 Por tanto, 6.68% de los resistores tendrán una resistencia que excede 43 ohmios.
  • 11. [Escribir texto] Ejemplo 6: Encuentre el porcentaje de revisores que exceden 43 ohmios para el ejemplo anterior si la resistencia se mide al ohm más cercano. Solución Este problema defiere del ejemplo anterior pues ahora asignamos una media de 43 ohmios a todos los resistores cuyas resistencias sean mayores que 42.5 y menores que 43.5. Realmente aproximamos una distribución discreta por medio de una distribución continua normal. El área que se requiere es la región sombreada a la derecha de 43.5 en la figura 6.19. Encontramos ahora que:  = 2.0 40 43.5 x Figura 14. Área del ejemplo 6 2 405.43  Z = 1.75 De aquí que, P(X > 43.5) = P (Z > 1.75) = 1 – P (Z < 1.75) = 1 – 0.9599 = 0.0401 Por tanto, 4.01% de los resistores exceden 43 ohmios cuando se miden al ohmio mas cercano. La diferencia 6.68% - 4.01% = 2.67% entre esta respuesta y la del ejemplo anterior representa todos los resistores que tienen una resistencia mayor que 43 y menor que 43.5 que ahora se registran como de 43 ohmios. Ejemplo 7: La calificación promedio para un examen es 74 y la desviación estándar es 7. Si 12% de la clase obtiene A y las calificaciones siguen una curva que tiene una distribución normal, ¿Cuál es la A más baja posible y la B más alta posible?  = 7 0.12 74 x Figura 15. Área del ejemplo 7
  • 12. [Escribir texto] Solución En este ejemplo comenzamos con una área de probabilidad conocida, encontramos el valor z y después determinamos x de la formula x = σ + µ. Un área de 0.12, que corresponde a la fracción de estudiantes que reciben A, se sombrea en la figura 6.20. Requerimos un valor z que deje 0.12 del área a la derecha y, por ello, un área de 0.88 a la izquierda. De la tabla A.3, P (Z < 1.175) = 0.88, por lo que el valor z que se desea es 1.175. De aquí: X= (7)(1.175) + 74 = 82.225 Por tanto, la A más baja es 83 y la B más alta es 821 . 1 Documento tomado en su totalidad del libro Probabilidad y estadística para ingeniería. Escrito por Ronald E; Walpole, Raymond H; Myers, Sharon L. Pág. 145 a 157. Editorial Pearson. Consultado en línea http://books.google.com.co/books?id=9DWw696jLbMC&printsec=frontcover#v=onepage&q&f=false