MITJANA ARITMÈTICA MOSTRAL Una variable i no és repeteix Una variable i és repeteix

N N

 Xi  X ꞏn i i
X i 1
X i 1
  Xifi
N N
VARIÀNCIA MOSTRAL N

 (X i  X) 2 ꞏn i
X 2
i n i  NX 2
S  2
X
i 1

N 1 N 1
DESVIACIÓ TÍPICA O ESTÀNDARD
SX   S 2
X
COEFICIENT DE VARIACIÓ SX
CV  _
ꞏ100
X
VARIABLE TIPIFICADA O X X
ESTÀNDARDITZADA Zi  i
Sx
DISTRIBUCIÓ CONDICIONADA

f X i Yj   n X Y  
f Yi X j   nY X 

f X i Yj   f Y  n Y 
i j

f Yi X j   f X  n X 
i j

j j j j

INDEPENDÈNCIA ESTADÍSTICA n X i Yj  n X i  n Yj 

 
f X iYj  f X i ꞏf Yj   N

N
ꞏ
N

 X  
COVARIÀNCIA n m

i  X Yj  Y ꞏn ij
i 1 j1
S xy 
N 1

 X  
COEFICIENT DE CORRELACIÓ n m

i  X Yj  Y ꞏn ij
S i 1 j1
rXY  XY   1  rXY  1
SXSY  (X i  X) 2 n i ꞏ  (Y i  Y) 2 n j
ESTIMACIÓ PARÀMETRES REGRESSIÓ
S XY
LINEAL SIMPLE
Ŷ    X   Y  X
S X2
COEFICIENT DE DETERMINACIÓ S 2XY
R2  0  R2  1
S 2X S 2Y
ÍNDEX SIMPLE Yit
I 0t (i)  ꞏ100
Yi 0
ÍNDEXS COMPOSTOS SENSE PONDERAR MITJANA ARITMÈTICA MITJANA AGREGATIVA
Yit
 ꞏ100  Yit
Yi 0  I it IA  ꞏ100
I    Yi 0
N N
ÍNDEXS COMPOSTOS PONDERATS SAUERBECK BRADSTREET-DUDOT
Y
 ( it *100) * Wi
Yi 0 Y W it i
S 0t  BD 0t 
Wi  Y W i0 i

INDEXS DE PREUS ÍNDEX DE LASPEYRES ÍNDEX DE PAASCHE

P0t ( p) 
P Q it it
Lt0 ( p) 
P Q it i0

P Q i0 it P Q i0 i0
ÍNDEX DE VALOR O DE VOLUM
V0t 
P Q it it

P Q i0 i0
PROPIETATS CANVI DE BASE DEFLACIÓ
I 0t V0t (monetaris)
I tj  V0t (reals ) 
I 0j IPC
 S Yt t 2
S 2Yt t
SÈRIES TEMPORALS TENDÈNCIA: Yt     t    Y t  ꞏt R 
S 2t S 2Yt S 2t
PROBABILITAT DEL CONTRARI P( A )  1  P(A)
PROBABILITAT DE LA UNIÓ P(A  B)  P(A)  P(B)  P(A  B)

P(A  B  C)  P(A )  P( B)  P(C)  P(A  B)  P(A  C)  P( B  C)  P(A  B  C)

PROBABILITAT DE LA DIFERENCIA P(A  B)  P(A)  P(A  B)

LLEIS DE MORGAN
P( A  B)  P(A  B)  1  P(A  B)

P( A  B)  P(A  B)  1  P(A  B)
REGLA DE LAPLACE nombre de successos favorables a A
P(A) 
nombre total de possibles successos
PROBABILITAT CONDICIONADA P(A  B) P(A  B)
P(A / B)  P( B / A ) 
P(B) P( A )
PROBABILITAT DE LA INTERSECCIO P(A B)  P(B)ꞏP(A / B)
P(A B) P(A)ꞏP(B / A)
SUCCESSOS INDEPENDENTS P ( A  B) P ( A )ꞏP ( B)

SUCCESSOS NO INDEPENDENTS P( A  B) P( A )ꞏP( B)

TEOREMA DE LA PROBABILITAT n
TOTAL P(X)   P(A i )ꞏP(X A i )
i1
TEOREMA DE BAYES P( A i ) P( X / A i )
P(A i / X) 
 P(A i )P(X / A i )
VARIABLE ALEATÒRIA DISCRETA FUNCIÓ QUANTIA P (X = x)
FUNCIÓ DISTRIBUCIÓ P(X  x )   P(X  x )
Xx

ESPERANÇA MATEMÀTICA E (X )   xꞏP(X  x)

x
COMBINACIONS n n!
C n , x    
 x  x!(n  x )!
DISTRIBUCIÓN BINOMIAL n
B (n , p) P(X  x )   p x (1  p) n  x si x = 0, 1 ,2, ...n
x
DISTRIBUCIÓN DE POISSON x 
P( P(X  x )  e si x = 0,1,... 
x!
DISTRIBUCIÓ NORMAL 1  x m 
2

1   
N( m, σ) f ( x)  e 2  
  x  
 2
DISTRIBUCIÓ NORMAL TIPIFICADA z2
1 2  12   22  ....   n2 )
N( 0,1) f(z)= e
2
SUMA O DIFERENCIA DE VARIABLES
NORMALES INDEPENDENTS
X1  X2  ......... Xn = N (m1  m2  ....  mn )