Professional Documents
Culture Documents
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
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
(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 )
ESTIMACION
esinsesgadosi: E ( )
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