ESTADSTICADESCRIPTIVA

Datossinagrupar
media

Datosagrupados
n

ni ci

m: n clases
ni : n datos por clase

ci : marca de clase

xi
i 1

i 1

desviacintpicadelapoblacin
N

( xi )2

( c i ) 2 ni

i 1

i 1

desviacintpicamuestral
N

( xi x ) 2

sn 1

i 1

n 1

sn

( xi x )2
i 1

s n 1

( c i x ) 2 ni
i 1

n 1

( c i x ) 2 ni

s n 1

i 1

n 1

coeficientedeasimetra
N

C . A.

( xi )3
i 1

N 3

, C . A.

( n 1) sn31

C . Ap.

i 1

N 4

C . A.

i 1

coeficientedecurtosis

( xi ) 4

( xi x )3

( c i x ) 3 ni
i 1

( n 1) sn31

- 3, C . Ap.

( xi x ) 4
i 1

( n 1) s n41

C . Ap.

-3

(c

x ) 4 ni

i 1

( n 1) sn41

-3

Diagramadecajas

L. I . Q1 1. 5

Q3 Q1
,
2

L . S . Q3 1. 5

Q3 Q1
2

Transformacioneslineales

yi a bx i

sy b sx

TeoremadeChebyshev
Independientementedelaformadeladistribucindefrecuencias,odeprobabilidad,deunconjuntode
datos:

p ( k X k ) 1

1
k2

Distribucionesbivariantesdefrecuencias

distribucinconjunta

fr ( x i , y j )

nij
n

fr ( x i , y j ) 1
i, j

distribucionesmarginales

f r ( x i ) f r ( x i , y j ),
fr ( x i y j )

fr ( x i , y j )
fr ( y j )

distribucionescondicionales........

Covarianza

fr ( y j ) fr ( x i , y j )

fr ( y j x i )

fr ( xi , y j )
fr ( x i )

Cov ( X , Y ) f r ( x i , y j )( x i x )( y j y )
j

( X , Y )
Coeficientedecorrelacin

rectaderegresin

Cov ( X , Y )
sx sy

Y a bX ,

a y bx ,

Cov ( X , Y )
s x2

PROBABILIDAD
p( A ) p( A ) 1
p( A B ) p( A ) p( B ) p( A B )
sucesosincompatibles

p ( A B ) p ( A ) p ( B ),

sucesoscondicionados

p( A B)
p( B)

sucesosindependientes p ( A B )

p( A) p( B)

p( A B)

A B=

TeoremadeBayes:
Si el espaciomuestral lopodemos dividiren nsucesosA i, disjuntosdosados,de losque
conocemossuprobabilidadylaprobabilidadcondicionada

p ( Ai B )

p ( B Ai ) ,entonces

p( B Ai ) p ( Ai )
n

p ( B A ) p( A )
j 1

Frmulasdecombinatoria

Vn , k

n!
(n k )!

VRn ,m = n m

C n,m
Pn = n!

n!
m!(n m)!
PRnn1n2 ... =

n m 1

CR n,m C n m 1,m
n!
n1!n 2 !.....

n 1 n2 ...... n

DISTRIBUCIONESDISCRETASDEPROBABILIDAD

DistribucindeBernoulli
p x q 1 x
x 0,1
f ( x)
en otro caso
0

0
1

si es fallo
si es acierto

E( X ) p

Var ( X ) p (1 p )

DistribucinbinomialX=ndeaciertos

C n, x p x q n x

f ( x)

x 0,1,2,....., n

E ( X ) np

en otro caso

Var ( X ) npq

DistribucindePoissonX=ndeaciertos
e x

f ( x) x!
0

x 0,1,2,....., n

E ( X ) Var ( X )

en otro caso

DistribucinhipergeomtricaX=ndeaciertos
C k , x C N k ,n x

f ( x)
C N ,n
0

k : n aciertos poblacin
nk
N n
E( X )
Var ( X ) npq
N
N 1

x 0,1,2,....., n
en otro caso

DistribucinbinomialnegativaX:nfracasosantesdeobtenerkxitos
k + x - 1 k x
p q
x

p ( x; k , p ) =
E( X ) =

ValormediodeX:
Mediana:

Varianza:

k(1 - p)
p

x = 0,1,2,....., n

Var ( X ) =

k(1 - p)
p2

E( X ) x f ( x )
x

p(Xm)
p(Xm)
p(Xm)p(X>m)
p(X<m)p(Xm)

Var( X ) E X

(x )

f ( x)

Propiedades

1) E ( aX b ) aE ( X ) b
a, b constantes
2) X 1 , X 2 ,........, X n
v.a. independientes
E ( X 1 X 2 ........ X n ) E ( X 1 ) E ( X 2 ) ........ E ( X n )
E ( X 1 X 2 ........ X n ) E ( X 12 ) E ( X 2 )........ E ( X n )
3) Var ( X ) E ( X 2 ) E ( X )
4 ) Var ( aX b ) a 2 Var ( X )
5 ) X 1 , X 2 ,........, X n

v.a. independientes

Var ( X 1 X 2 ........ X n ) Var ( X 1 ) Var ( X 2 ) ........ Var ( X n )

Funcindedistribucin F ( X o ) p ( X x o )
Funcindeprobabilidad
f ( X ) p( X x )

f (x) 1
x

DISTRIBUCIONESCONTINUASDEPROBABILIDAD
Funcindeprobabilidad:

f ( x)

f ( x)

dx 1

p (a X b) f ( x ) dx
a

Distribucinuniforme

1
f ( x) = b - a
0

a xb
en otro caso

ab
= 2

(b a ) 2
2= 12

Distribucinexponencial
1 x

( ) f ( x) e
0

E( X )

x0

x<0
Var ( X ) 2
1

( x )2

N ( , ) f ( x)
e
2
Distribucinnormal
E( X )
Var ( X ) 2
2

2 2

x R

Teoremadellmitecentral
4

Si X 1 , X 2 ,........, X n

esunamuestraaleatoriadeunapoblacincualquiera,y,
n
2
X i N (n , n )
i 1
2

E ( X i ) Var ( X i ) 2 X

N ( , )
n

n(
) N (0,1)

Distribucinchicuadrado

n
2

f ( x) 2 ( n )
2

x2 e

x
2

x0

E( X ) n
Var ( X ) = 2n

x<0

Si X 1 , X 2 ,........, X n sonv.a. quesiguenunadistribucin normal tipificada

2
2
2
2
N(0,1), entonces X1 X 2 + ........ X n es una distribucin n , con n grados de
libertad.

Si X 1 , X 2 ,........, X n sonunamuestraaleatoriacuyamediaes x , entonces

(x
i 1

x )2

sigueunaunadistribucin n1
2

,con(n1)gradosdelibertad

.
DistribucintdeStudent
SiXeYsonv.a.independientes,dondeXsigueunadist.normalN(0,1),eY
t

X
Y
n sigueunadistribucintdeStudentconngradosde

una n ,entonces,lav.a.
libertad
Si X 1 , X 2 ,........, X n sonunamuestraaleatoriadeunapoblacin
2

x
n 1
normal N( , ) ,entonceslavariable s n 1
sigueunaunadistribucin
t n1 ,con(n1)gradosdelibertad.
2

Funcindedistribucin: F ( x ) p ( X x )

DISTRIBUCIONESMULTIVARIANTES
Funcindeprobabilidad f ( x , y ) p ( X x , Y y )

f (x, y) 1

f (x, y)dxdy 1

x,y

Funcindedistribucin

F ( x , y ) p( X x , Y y )

f ( x, y)

2 F( x, y)
xy

Distribucionesmarginales
f1 ( x) f ( x, y)

f1 ( x) = f ( x, y)dy

f 2 ( y) f ( x, y)

f 2 ( y) = f ( x, y)dx

Distribucionescondicionadas
p( X x Y y )
g1 ( x y )

p( X x , Y y )
p(Y y )

f ( x, y)
f2 ( y )

p( Y y X x )
g2 ( y x )

p( X x , Y y )
p( X x )

f ( x, y)
f1 ( x )

Variablesaleatoriasindependientes f ( x , y ) f1 ( x ) f 2 ( y )
Covarianza

Correlacin

Cov( X, Y) E X x Y y

( X , Y )

E(XY) E(X)E(Y)

Cov ( X , Y )
x y

Propiedades:
Var ( X Y ) Var ( X ) Var ( Y ) 2 Cov ( X , Y )

Var ( aX bY c ) a 2 Var ( X ) b 2 Var ( Y ) 2 abCov ( X , Y )

ESTIMACION


esinsesgadosi: E ( )

Funcindeverosimilitud L ( x1 ........ x n ) f ( x1 )............ f ( x n )

Intervalosdeconfianza:
2
paralamediadeunapoblacincualquiera( conocida)

x
,x
n
n

2
paralamediadeunapoblacinnormal( conocida)

x z
,x z

1
1
n
n

2
2
2
paralamediadeunapoblacinnormal( desconocida,n<30)

S
S
x t n 1 , x t n 1
1
1
n
n
2
2

2
paralamediadeunapoblacinnormal( desconocida,n30)

S
S
x z n 1 , x z n 1
1
1
n
n
2
2

2
paralavarianzadeunapoblacinnormal(y desconocidas)

( n 1)s 2n 1 ( n 1)s 2n 1

,

b
a

siendoaybconstantesdependientesdeladistribucinJicuadrado.
2