Formulario Primer Parcial Mtodos Estadsticos

ESTADSTICA DESCRIPTIVA
Mediaaritmtica

Varianza
2
xi ni

x n
i i
x i

s2

2
( x i x ) ni

Me=xi
Me=(xi+xi+1)/ 2
Mo=xi tal queni es mximo

mr

( xi
i

x ) r ni
n

s *2

Desviacinmediarespectoalamediana

Moda

Momentodeordenr respectoalamedia

x i x ni
i

n
s2
n 1

Sin/2=Ni

Momentodeordenrrespectoalorigen

Cuasivarianza

Sin/2<Ni

Percentildeordenp
Pp=xitalque

x2

Mediana
N i 1 n / 2 N i

RecorridoIntercuartlico

DMe

100

ar

x ir ni
i

CoeficientedeasimetradeFisher
CoeficientedeapuntamientodeFisher

xi x
g2 i
ns 4

4 ni

Momentodeordenr,srespectoalorigen
x ir y sj nij

a rs

x i Me ni
i

RQ=C3- C1

CoeficientedeVariacindePearson CV
Ni1< pn Ni

n 1

3
( x i x ) ni

g1 i
ns 3

Momentodeordenr,srespectoalamedia
( x i x ) r ( y j y ) s nij
i

m rs

n
Covarianza
( x i x )( y j y )nij

s xy

x i y j nij

Coeficientedecorrelacinlineal

sx sy

s x2

n
Variaciones con repeticin Vm , n m
Pn n!
Permutaciones

n ,, nk

Permutaciones con repeticin Pn 1

n!
n1! n k !

Si el espacio muestral lo podemos dividir en n sucesos A i, disjuntos

dos a dos,
n

p( B) p( B A j ) p( A j )

RectaderegresindeYsobreX

s xy

Teorema de la probabilidad total:

s xy

Recta de regresin

m!
m( m 1) ( m n 1)
( m n)!

Variaciones

xy

rxy

Vm,n

y=a+bx

j 1

con
Teorema de Bayes:

a y bx
Varianzaresidual

s e2

( yi yi* ) 2 ( yi a bx i ) 2
i

2
Coeficientededeterminacin R 1

s
s

2
e
2
y

Si el espacio muestral lo podemos dividir en n sucesos A i, disjuntos

dos a dos, de los que conocemos su probabilidad y la probabilidad
condicionada p ( B Ai ) , entonces
p ( B Ai ) p ( Ai )
p ( Ai B ) n
p( B A j ) p( A j )
j 1

PROBABILIDAD
Frmulas de combinatoria

Combinaciones

Cm, n

m!
m(m 1)(m n 1)

n!(m n)!
n!

Desigualdad de Tchebychev
Si X es una v.a. con media y varianza 2 , entonces para todo k,
constante positiva se verifica:
P ( X k )

1
k2

DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

1
f ( x) = b - a
0

Distribucin binomial (o Bernoulli con n=1)

n x
p (1 p) n x
f ( x ) x

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

E ( X ) np

en otro caso

x 1 p r (1 p) x r
f ( x) r 1

Distribucin exponencial

x r , r 1, r 2,.....
en otro caso

E( X ) r / p

e x
x0
2
r0(1 en
p)otro
/ p caso

f ( x)

Var ( X )

E( X )

Distribucin hipergeomtrica

f ( x)

n na
kx

n
k

x max(0, n a k n),..., min(n a , k ).

0

en otro caso

Distribucin de Poisson

e x

f ( x)
x!
0

en otro caso

ba
(b-a) 2
E( X )
; Var(X)=
12
Var ( X ) np (12 p)

Distribucin binomial negativa (o geomtrica con r=1)

na
x

a xb

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

E ( X ) Var ( X )

en otro caso

DISTRIBUCIONES CONTINUAS DE PROBABILIDAD

Distribucin uniforme

E ( X ) kn a / n

Var ( X ) k

n
n k na
(1 a )
n 1 n
n

Var ( X )

Distribucin normal
1

f ( x)

2 2

1 ( x ) 2
2
e2

x R

Var ( X ) 2

E( X )

Distribucin Gamma

x 1e x /

x0
f ( x) ( )
0 en otro caso

E ( X )

Var ( X ) 2

siendo ( ) 0 x 1 e x dx
Propiedades de la funcin gamma:
( ) ( 1) ( 1)
si n es un entero positivo ( n) ( n 1)! )
Distribucin normal bivariante
f ( x)

Si

1
2

1/ 2

1
( x )' -1 (x - )
2

x R 2

Teorema central del lmite

X 1 , X 2 ,........, X n son independientes con idntica distribucin y

E ( X i ) Var ( X i )

2
N (,
)
n

( o equivalentemente X i
i 1

N (n , n 2 ) )