Está en la página 1de 6

Universidad de los Andes

Departamento de Ingeniera Industrial


Probabilidad y Estadstica I EXAMEN FINAL

ESTADSTICA
Media Muestral
=
Mediana Muestral

=1

( + 1)
_: = [
]
2

_: = [ ( + 1)]
2
2

Desviacin Estndar (s) y Varianza (s2)


=1( )2
2 =
; = + 2
1
Coeficiente de Variacin

PROBABILIDAD
Axiomas
() = 1
(1 ) + (2 ) + + ( ) = (1 2 )

Teorema
( ) = () + () ( )
( ) = () + () + () ( ) ( )
( ) + ( )
#
() =
#
MTODOS DE CONTEO
Regla de la Multiplicacin
# = 1 2
Arreglo Ordenado
# _
#(; ) =
Permutaciones Ordinarias
= ; () = !
Permutaciones (No hay repeticin de elementos, Sin reemplazo,
Arreglo ordenado)
!
< ; (; ) =
( )!
Combinaciones (No hay repeticin de elementos, Sin reemplazo,
No importa orden)
!
(; ) =
( )! !
Particiones Ordenadas
#(1 , 2 , , ; )
1 1 2
1 2 1
= ( )(
)(
)(
)
1
2
3

!
=
1 ! 2 ! !
PROBABILIDAD CONDICIONAL
(|) =

( )
()

Independencia
( ) = () () (|) = ()

Teorema de Bayes
(|)() = (|)() = ( )
Propiedades

() = 1 ( )
( |) = 1 (|)

( |) = (|) + (|)
Ley de Probabilidades Totales
= {1 2} () = ( 1) + ( 2)
P(N1)*P(B|N1)=P(BN1)
Recuerda:
Dos eventos mutuamente
excluyentes NO son
independientes.

VARIABLES ALEATORIAS
Discretas
Funcin de Probabilidad () = ( = )
(0)
=0
(1)

=1
() = {

:
( ) = 1
()

0 ( ) 1 ()
Funcin de Distribucin Acumulada () = ( )
0
<0
(0)
0<1
() = {

Continuas
Funcin de Densidad de Probabilidad
:
() 0

() = 1

()

( < < ) = ()

Funcin de Distribucin Acumulada ()

() = () = ( )
() = ()

VALOR ESPERADO Y VARIANZA


Propiedades Valor Esperado
() =
() = ()
( ) = () ()
() = () ()

Propiedades Varianza
() = 0
() = 2 ()
( ) = () + () ,
( + ) = 2 () + 2 () 2 (, )
Si , independientes (, ) = 0

Discretas

Continuas

( )

[] =

()
2

[] = [ ]

([])

2 ( )

[ ( )]

()

2 () [

()

()

[ ] = ( )

Funcin Generatriz De Momentos ()

()

()

()

[ ] =

()

()

() ]

()

()
Propiedad fundamental de la FGM ( = 0) = ( )

Recuerde:
*Definir siempre la VA e identificar su distribucin y sus parmetros.

VARIABLES DISCRETAS (DISTRIBUCIONES)


Parmetros

gx(x)

E(X)

DISTRIBUCIN UNIFORME
DISCRETA
(Probabilidades idnticas)

= 1 , 2 ,

HIPERGEOMTRICA
(Sin reemplazo)

BERNOULLI
(xito o fracaso)
BINOMIAL
(# xitos en n ensayos)
GEOMTRICA
(# ensayos hasta el primer
xito)
BINOMIAL NEGATIVA
(# ensayos hasta el k-simo
xito)
POISSON
(# llegadas en un intervalo de
tiempo )

Var(X)

=1

=1

=

=

=


( )(
)

( )

:


(1 )1
= 0,1

( ) (1 )

= 0,1,2, ,
0xn

(1 )1
= 1,2,

1
2

=


#
=
.
=

1 (1
(
) )
1

()

!
= 0,1,
, > 0

(1 )
2

F.G.M

1
( )2

(
) (1 )
1

: =

(1 )

(1 ) +

(1 )

((1 ) + )

1 (1 )


)
1 (1 )

( 1)
= 1

VARIABLES CONTINUAS (DISTRIBUCIONES)

Parmetros
DISTRIBUCIN
UNIFORME CONTINUA

=
=

DISTRIBUCIN NORMAL

=
2 =

=
DISTRIBUCIN
EXPONENCIAL
(Tiempo entre 2 arribos
consecutivos)

DISTRIBUCIN
TRIANGULAR

=
=
=

fx(x)

1
2 ()2
2

E(X)

Var(X)

+
2

( )2
12

Recuerde: ( ) = (
) = (
)

#
.

(; ) =

VARIABLES ALEATORIAS CONJUNTAS

1
{
0
1

{
0

, > 0

1
2

Recuerde:

( > + | > ) = ( > + ) = 1 ( + ) = (+)

() = ( ) = 1
2( )
<
( )( )
++
2 + 2 + 2
2( )
3
18
<
( )( )
{
0
. .

Discretas

(, ) = 1
() ()

( ) = (, ) = (, )

( ) (, )
=

( )
()

( | ) =

Coeficiente de Correlacin

(, )

1 1

Continuas
(, ) = 1
() ()

( ) = (, ) = (, )

Distribuciones Marginales
Discretas

1
={0
1

Teorema del Lmite Central( )


() = (, )
()

1 , 2 , ,
:
( ) = , () = 2

() = (, )
()

, :

Continuas
() =

(, )

() =

(, )

()

()

~(, 2 /)

/

Distribucin Condicional (Continua)

(, )
()
(, )
| (, ) =
()

xi ~(, 2 )

| (, ) =

xi

Independencia

(, ) = () (), entonces

: | (, ) = () | (, )
= ()

Valor Esperado de una V.A.


Caso Discreto
= () = ()
()

Caso Continuo
= () =
()

() =

() ()

((, )) =

() ()

()

(, )

(, ) (, )

Varianza y Covarianza de una V.A.


() = 2 = ( 2 ) [()]2
= ()
(, ) = () ()()

() = [( )2 ] = ( )2 () = ( )2 ()

()

Valor Esperado Condicional


(| = ) = | (, = )
( | )
(| = ) =

| (, = )

(|=)

Probabilidades Condicionales
( | = ) =
(|=)

~(0,1)

| (, = )

~(0,1)

Suma de VAs independientes


Sean 1 2 variables aleatorias independientes con funcin
generadoras de momentos 1 () 2 (),respectivamente, y sea =
1 + 2
Entonces:
() = 1 () 2 ()
Suma V.A. Binomiales
1 ~(1 , )
2 ~(2 , )
= 1 + 2 ~(1 + 2 , )
Suma V.A. Poisson
1 ~(1 )
2 ~(2 )
= 1 + 2 ~(1 + 2 )
Suma V.A. Geomtricas
1 ~()
2 ~()
= 1 + 2 ~ (2, )

ESTIMACIN PUNTUAL (Parmetro )


1.

SESGO:

2.

MNIMA VARIANZA

3.
4.
5.

INTERVALOS DE CONFIANZA

()

(1 ) < (2 )
ERROR CUADRTICO MEDIO (ECM)
2
() = () + [()]
CONSISTENCIA
Lim () = ; lim () = 0

EFICIENCIA (Cota Rao-Cramer=VarIanza )


1

=
([

(ln (; ))] )

1
2
([ 2 (ln (; ))])

ESTIMADOR DE MXIMA VEROSIMILITUD


Pasos:
1)
2)
3)
4)

(1 , , ; ) = =1 ( )
( (1 , , ; ))

[() (1 , , )] = 0

MEDIA POBLACIONAL( )
Intervalo de Confianza
Tamao
Distr. Pob.
Var. Pob.
Muestral
(1- )%

(1)
Normal
Conocida
Pequeo
2

(1;1)
Normal
Desconocida
Pequeo
2

(1)
Cualquiera
Conocida
Grande
2

Cualquiera
Desconocida
Grande
(1 )
2
ESTIMACIN DE UNA PROPORCIN POBLACIONAL (p)
Intervalo de Confianza
Tamao
Distr. Pob.
Var. Pob.
Muestral
(1- )%
Binomial,
(1 )
Bernoulli,
(1)
Desconocida
Grande

2
Binomial

=
,
donde

Negativa

ESTIMACIN DE UNA VARIANZA POBLACIONAL ( )


Intervalo de Confianza
Distr. Pob.
Var. Pob.
(1- )%
Normal

Cualquiera

( 1) 2 ( 1) 2
( 2
; 2
)

(1 ;(1))
2

BONDAD DE AJUSTE

(1) =

( )2
( )2
2
=
~(1)

= #

Normales

=1

= , =
#

1 2

Desconoci
-das e
iguales

Pequeos

Conocidas

Cualquiera

1
2 =
( )2
1
=1

DISTRIBUCIONES
Distribucin : + + + ()
Donde Xi es N(0,1) y Xi es independiente de Xj.

()

Donde X es N(0,1) y Y es 2 () , siendo X y Y independientes.


Distribucin :

(,)

Donde X y Y son Vas independientes con distribuciones 2 (1) y 2 (2)


respectivamente.
Si (.) =

1
2

(1 1)12 + (2 1)22
1 + 2 2

1 2 (1)

12 22
+
1 2

1 2 (1)

12 22
+
1 2

12 22
1 2 (1) +
1 2
2

ESTIMACIN DE UNA DIFERENCIA DE PROPORCIONES POBLACIONALES


p1-p2
Var.
Tamao
Distr. Pob.
Intervalo de Confianza (1- )%
Pob.
Muestr.
1 2
Desco
1 (1 1 ) 2 (1 2 )
Bernoulli
nocida Grandes
(1)
+
s
1
2
2

Varianza muestral

Distribucin :

Desconoci
das

Ambos
Grandes

Cualquiera

=
=1
=

Conocidas

(1 ;(1 +2 2)) 1

> 2 (1;(1))

Media muestral

( ;(1))
2

ESTIMACIN DE UNA DIFERENCIA DE MEDIAS POBLACIONALES 1Intervalo de Confianza


Distr.
Tamao
Var. Pob.
Pob.
Muestr.
(1- )%

(.)

ESTIMACIN DE UN COCIENTE DE VARIANZAS POBLACIONALES 12/ 22


Var.
Distr. Pob.
Intervalo de Confianza (1- )%
Pob.
2
1
12
Cualqui
( 2
; 2
)
Normales
era
2 ( 2 ;(21);(1 1)) 2 (1 2 ;(21);(11))

Hiptesis Nula

Hiptesis Alternas
1 :

: =

1 : >
1 : <

Hiptesis Nula

Hiptesis Alternas
1 :

: =

1 : >
1 : <
1 :

: =

1 : >
1 : <

Hiptesis Nula
: 2 = 2

: 2 = 2

Hiptesis Alternas
1 : 2 2
1 : 2 > 2
1 : 2 < 2
1 : 2 2
1 : 2 /2 < 1
1 : 2 /2

Hiptesis Nula

PRUEBA DE HIPTESIS PARA LA MEDIA POBLACIONAL


Estadstico de
Regin Crtica,
Supuestos
Supuestos
prueba
Rechazar Ho cuando:
< 1 > 1
n Grande
2
2

Normalidad
2
Conocido
=
> 1
2 desconocido

normalidad
< 1
PRUEBA DE HIPTESIS PARA LA DIFERENCIA DE MEDIAS POBLACIONALES
Supuestos
Estadstico de prueba
1) , grandes, independencia,

2 2 conocidos.
=
o
2 2
+
2) Normalidad, independencia,

2 2 conocidos.

=
1
1
+
Normalidad, independencia, 2 2

desconocidos, 2 = 2
( 1)2 + ( 1)2
=
+ 2

Normalidad, (, 2 )
, 2 desconocidos

Hiptesis Alternas

1 : > 0
1 : < 0

ERROR TIPO I
ERROR TIPO II

Poblacin Bernoulli()
30

1 : >
1 : <

: = 0

2 =

( 1) 2
2

Normalidad, X y Y independientes,
(1 , 12 ), (2 , 22 )
2
= 2
1 , 12 , 2 , 22 desconocidos

X es la poblacin que tiene la mayor


varianza muestral
PRUEBA DE HIPTESIS PARA LA PROPORCIN Y LA DIFERENCIA DE PROPORCIONES
Supuestos
Estadstico de prueba

>1

1 : 0

Regin Crtica, Rechazar Ho


cuando:
< (1; 1) > (1;1)

> (1; 1)
< (1; 1)

Poblacin Bernoulli( ) Bernoulli ( ),


, 30

= ( 0 |0 )

= ( 0|0 )
POTENCIA
= 1 = ( 0 |0 )


(1 )

1
1
( + )

+
+

P-VALUE

=

Regin Critica, Rechazar Ho cuando:


< (1) > (1)
2

> (1)
< (1)
< (1;
2

+ 2)

> (1;

> (1; +2)

+ 2)

< (1; +2)

PRUEBA DE HIPTESIS PARA LA VARIANZA POBLACIONAL Y LA RAZN DE VARIANZAS POBLACIONALES


Supuestos
Estadstico de prueba

1 :
: =

Estadstico de
prueba

Regin Crtica, Rechazar Ho cuando:


2 < (2; 1) > 2 (12; 1)
2 > 2 (1; 1)
2 < 2 (; 1)
< (2; 1; 1) > (12; 1; 1)
< (; 1; 1)
> (1 ; 1; 1)
Regin Crtica, Rechazar Ho cuando:
< (1) > (1)
2

> (1)
< (1)
< (1) > (1)
> (1)
< (1)

REGRESIN LINEAL
REGRESIN LINEAL SIMPLE
= 0 + 1 +
:
( ) = 0; ( ) = 2 ; ( , ) = 0 ; ~(0, 2 )
Estimacin de parmetros
=

1 = 2
0
0 =
1

1 =

( )( )
=
( )2

Propiedades de los estimadores (Centrados)


E(1 ) = 1
2
(1 ) =
= ( )

Hiptesis de inters y prueba asociada


= +
2
( )2 = ( )2 + ( )

(1;2)
2 =

=1

0 2 1

REGRESIN LINEAL MULTIPLE


= 0 + 1 1 + 2 2 + + +
Estimacin de parmetros
0 +
1 + + )
= (
Hiptesis de inters y prueba asociada
= +
Recuerde:

( ) =

(;1)

( )

Intervalo de Confianza
(1) ( ) = (1,1) . ( )
2

=
1