Está en la página 1de 8

TABLA DE FRECUENCIAS

Frec.Abs - Amplitud Centro Frec.Relativa fi Frec.Abs.I Frec.Rel.Izq. Frec.Abs. Frec.Rel.Der.


Intervalos - xi
fa -A interv. - Ci = (fa / n) zq. Fai Fi = (Fai/n) Der. Gai Gi = (Gai/n)
20 30 1 10 25 0.01 1 0.01 100 1
30 40 15 10 35 0.15 16 0.16 99 0.99
40 50 39 10 45 0.39 55 0.55 84 0.84
50 60 32 10 55 0.32 87 0.87 45 0.45
60 70 11 10 65 0.11 98 0.98 13 0.13
70 80 2 10 75 0.02 100 1 2 0.02
Suma frec. n = 100 1.00 F(x) = 1 - G(x) G (x) = 1 - F (x)
Nota: Abosulto = Valor; Relativo = %
fa: Frecuencia absoluta de cada intervalos
A: Amplitud de cada intervalo
Ci: Centro de intervalo (suma de valores de intervalo) / 2
fi: Frecuencia relativa, porcentaje que ocupa la frecuencia absoluta en el total
Fai: Frecuencia Absoluta por izquierda. Suma de frec. Tomando el valor ms alto del intervalo y
mirando
Fi: hacia atrs,
Frecuencia cuantos
Relativa valores tiene
por izquierda. Sumafa de
de ahi para abajo (fi), tomando el valor ms alto del
Frec.Relativas
intervalo
Fai: y mirando
Frecuencia hacia atrs,
Absoluta cuantos valores
por derecha. Suma de tiene
frec.fi Tomando
de ahi parael abajo
valor ms bajo del intervalo y
mirando
Fi: hacia adelante,
Frecuencia cuantos
Relativa por valores
derecha. tienedefaFrec.Relativas
Suma de ahi para adelante
(fi), tomando el valor ms bajo del
intervalo y mirando hacia adelante, cuantos valores tiene fi de ahi para adelante

FORMULAS DE CALCULO
Valores de Tendencia Central
Intevalo Modal - Io:Se hace el diagrama de (xi ; fai) y e que ms valores tenga es el Io
Promedio - X : = (SCi.fai) / n
Promedio Armnico - Xarm: Cuando varia el denominador Xarm = n / [S 1 / (Ci.fai)]
Mediana - Me: Es el punto medio donde se divide la muestra en 2. Es el fractil del 50% y se
ubican los valores en el Fai que contiene al 0,5
Mediana - Me: Me = Linf x + Ai * [((n*0,5)-Fa(x-1)) / fax ].
Linfx: Lmite inferior del intervalo que contiene el 50%
Fa(x-1): Lmite inferior del intervalo que contiene el 50%
fax: Frecuencia Absoluta del intervalo que contiene el 50%
Fractil dado % hayar valor: % = Linf x + Ai * [((n*%)-Fa(x-1)) / fax ].
Linfx: Lmite inferior del intervalo que contiene el %
Fa(x-1): Lmite inferior del intervalo que contiene el %
fax: Frecuencia Absoluta del intervalo que contiene el %
Fractil dado Valor hayar %: y = [{fax * (( y - Linf y) / Ai)} + Fax(x-1)] / n
Linfy: Lmite inferior del intervalo que contiene el valor Y
Fa(y-1): Lmite inferior del intervalo que contiene el valor Y
fax: Frecuencia Absoluta del intervalo que contiene el valor Y
Valores de Dispersin
Varianza - S2: (S(Ci - X)^2 * fai ) / n
Desvo Standar - S: S = [(S(Ci - X)^2 * fai ) / n] S2
Coeficiente de Variacin - Cv: Cv = (S / X) *100
Si Cv < 5%: es un conjunto Homogeneo y representativo de la muestra
Si 5% <= Cv <= 20%:
Si Cv > 20%: es un conjunto Hetergeneo, hay que fraccionar la muestra
Valores de Forma
Coeficiente de Asimetra - As: As = [(S(Ci - X)3 * fai ) / n] / S3
Coeficiente de Curtosis - K: K = [(S(Ci - X)4 * fai ) / n] / S4
Clculo de Fractiles
Y es el mayor valor pedido, X es el menor valor pedido
Si piden % q' est entre X y Y Dominio(X ? Y) = [ Fractil (Y) - Fractil (X) ]
Si piden % q' est por debajo de Y, y mayor a X [Fractil (Y) - Fractil (X)] / Fractil (Y)
Si piden q' estn por debajo de Y, q' estan por debajo de X Fractil (X) / Fractil (Y)
Si piden de los que supera X y % Qu estn por debajo de Y? Tomar valores de % como si
fueran valor: y%X = X#; 1- X# = P(a > X) and y%Y = # = P(a < Y) => P(a > X)-P(a<Y) = P(a>X)
P(a>Y) => [(P(a>X) P(a<Y)) / P(a > X)]
Tipos de Sucesos
INCOMPATIBLES Puede Ocurrir 1 suceso pero no el otro P(A B) = F
COMPATIBLES INDEPENDIENTES Ocurrencia de 1 no influye ni condiciona a otro
Para saber si un suceso es Independiente se deben dar todas estas
condiciones:
1. P (A B) = P(A) * P(B)
2. P (A -B) = P(A) * P(-B)
1. P (-A B) = P(-A) * P(B)
1. P (-A -B) = P(-A) * P(-B)
Ocurrencia de 1 suceso influye condiciona la
CONDICIONADOS
ocurrencia de otro
Reglas de Clculo
Sucesos Incompatibles
SUMA - U = o P ( A U B ) = P(A) + P(B)
P ( A U B U C U D U ...) = P(A) + P(B) + P(C) + P(D) + ... + P(x)
TEOREMA DE MORGAN P ( A U B ) = 1 - P(-A -B), para todo tipo de Suceso
Sucesos Compatibles
Con Reposicin: Se tratan todos los sucesos como INDEPENDIENTES
Sin Reposicin: Se tratan todos los sucesos como CONDICIONALES
SUMA - U = O P ( A U B ) = P(A) + P(B) - P(A B)
P ( A U B U C) = 1 - P(-A -B -C), Por ley de morgan
Compatibles
PRODUCTO - = Y Independientes P ( A B ) = P(A) * P(B)
Compatibles
Condicionados P ( A B ) = P(A) * P(B / A), que es igual que
P(A / B) = P ( A B ) / P(B)
P ( A B ) = P(B) * P(A / B) , que es igual que
P(B / A) = P ( A B ) / P(A)
Tabla Contingencia B -B Se deduce: 1. P ( A ) = P(A B) + P(A -B)
A P(A B) P(A -B ) P(AB)+P(A-B) 2. P ( B ) = P(A B) + P(-A B)
-A P ( -A B) P ( -A -B ) P(-AB)+P(-A-B) 3. P ( -A ) = P(-A B) + P(-A -B)
P(AB)+P(-AB) P(A-B)+P(-A-B) 1 4. P ( -B ) = P(A -B) + P(-A -B)
P(A B C D...) = P(A) * P(B/A) * P(C/AB) * P(D/ABC)
COMPLEMENTARIO P ( A ) = 1 - P(-A)
TEOREMA DE BAYES - P. Condicionales - por sucesos INCOMPATIBLES
Se determinan por: Sucede en 1espacio muestral A1 A4
Ai = Causa s A3
S =Suceso Ocurrido A2

Frmula General P(Ai / S) = [P(Ai) * P(S/Ai)] / S [P(An) * P(S/An)] = P(Ai S) / P(S)


Para el grfico del P(A1/S) = [P(A1)*P(S/A1)] / [(P(A1)*P(S/A1)) + (P(A2)*P(S/A2)) + (P(A3)*P(S/A3)) + (P(A4)*P(S/A4))
ejemplo, Bayes sera:
Donde: P(Ai) = Probabilidad a Priori
P(S / Ai) = Probabilidad del Suceso dado la Causa
P( S ) = Probabilidad Total
P(Ai / S) = Probabilidad a Posteriori
Clasificacin Variable Aleatoria
DISCRETAS - ri Surgen de un proceso de Observacin directa
CONTINUAS - xi Surgen de una ecuacin emprica q alguien di
VARIABLES ALEATORIAS DISCRETAS - ri
Dominio: MIN r MAX
Definicin: r P(r); P(r) Funcin de Probabilidad Puntual
La V.A. tendr un valor P(V.a. = r)
P(V.a =r) Por: Asigancion Arbitraria Subjetivo
Por: Determinacin
Intiuitivo
directa
Por: Clculo
Por: Ecuacin emprica P(r) = f(r)
Siempre se cumplen las siguiente reglas de V.A:
REGLAS GEN. PARA TODAS LAS VARIABES ALEATORIAS
1. MAX 6. Complemento F(r) = 1 - G(r+1)
S P(r) = 1 G(r) = 1 - F(r-1)
min 7. P(r) = para hayar P(r) = F(r) - F(r-1)
2. P(Va r) = r partiendo de F G P(r) = G(r) - G(r+1)
F(r) = S P(r) 8. P (A r B) B

min Donde A y B estn P (A r B) = S P(r)


3. P(Va r) = MAX en el dominio A
G(r) = S P(r) 9. P (A r B) B F(B) - F(A-1)
r S P(r) = G(A) - G(B+1)
4. F(r) + G(r) = 1 + P(r) A
5. F(r) + G(r+1) = G(r) + F(r-1) = 1
LEYES GENERALES PARA TODAS LAS V.A.
r=q+s Cuando se tiene que armar la formula para hayar la VA. Q y S son
mr = mq + ms datos independientes, ejemplo 2 dados q = dado1, s=dado2
Varianza = s2r = s2q - s2s
R = ax + by + cxy + d
Esperanzas mr = amx + bmy + cmxmy + d
Varianzas = a Esperanzas
VALORES DE TENDENCIA CENTRAL
1. Modo Mo P(ro) MAXIMO
2. Mediana Me Se tienen que cumplir dos condiciones:
a. P(va re -1) = F(re -1) 0,5
a. P(va re) = F(re) 0,5
3. Esperanza Matemtica: es el promedio E m
MAX
E(r) = m = S ri * P(ri)
min
VALORES DE DISPERSION
1. Varianza s 2
MAX
S [ ri2 * P(ri) ] * m2
min
2. Desvo Standar s Varianza
3. Coeficiente Variacin Cv ( s / m ) *100
EXPECTATIVA PARCIAL: parte de la esperanza matemtica Total
1. Expectativa parcial Izquierda: 2. Expectativa parcial Derecha:
r MAX
H(r) = S ri * P(ri) J(r) = S ri * P(ri)
min r
3. Esperanza de espectativas: 4. Esperanza entre valores:
m = H(r) + J(r+1) B =H(B) - H(A-1)
E (A r B) = S ri * P(ri)
m = J(r) + H(r-1) A =J(A) - J(B+1)
5. Esperanza Truncada Izquierda 6. Esperanza Truncada Derecha
m (Va r) = H(r) / F(r) m (Va r) = J(r) / G(r)
7. Esperanza truncada entre valores:
m (A r B) = =H(B) - H(A-1) / F(B) - F(A-1)

file:///conversion/tmp/scratch/367773589.xls 3 de 8

=J(A) - J(B+1) / G(A) - A(B+1)

OJO: n n! Nmero combinatorio nCr


r r! (n-r)!
n =1 n =1 n =n Reglas generales Nmeros
0 n 1 combinatorios
PROCESO DE BERNOULLI
P Probabilidad de xito o Fracaso
n Cantidad de EXPERIMENTOS a realizar = "PARA"
r Cantidad de Exitos/Fracasos a encontrar en n = "EN"
Modelo BINOMIAL
P Probabilidad de Exito o Fracaso PARAMETROS
n Cantidad de Experimentos a realizar = "PARA"
r Variable Aleatoria
Dominio : 0rn
Funcin Puntual: Pb(va = r) = Pb ( r / n ; p) = n pr (1-p)n-r
r
2. Funcin Pb Acumulada Izquierda
Fb (r / n ; p) = r
S n px (1-p)n-x
x=0 x
2. Funcin Pb Acumulada Derecha
Gb (r / n ; p) = n
S n px (1-p)n-x
x=r x
3. Esperanza Binomial: 4. Varianza Binomial:
E(b) = m = n.p s2 np (1-p)
5. Esperanza Parcial Izquierda:
Hb ( r / n;p) = np Fb( r-1 / n-1 ;p)

Modelo PASCAL
P Probabilidad de Exito o Fracaso PARAMETROS
r Cantidad de Exitos/Fracasos a encontrar
n Variable aleatoria - Cantidad de Experimentos a realizar
Dominio : rn
Funcin Puntual: Ppa(va = n) = Ppa ( n / r ; p) = n-1 pr (1-p)n-r
r-1
2. Funcin Ppa Acumulada Izquierda
Fpa ( n / r ; p) = n
S x-1 pr (1-p)x-r
x=r r-1
2. Funcin Ppa Acumulada Derecha
Gpa ( n / r ; p) =
S x-1 pr (1-p)x-r
n r-1
3. Esperanza Pascal: 4. Varianza Pascal:
E(pa) = m = r/p s2 r (1-p) / p2
5. Esperanza Parcial Izquierda:
Hpa ( n / r ; p) = r /p * Fpa( n+1 / r+1 ; p)
NOTAS ESPECIALES
Fpa ( n / r ; p) @ Gb ( r / n ; p)
Gpa ( n / r ; p) @ Fb ( r-1 / n-1 ; p)
1 - Gb ( r / n-1 ; p)

PROCESO HIPERGEOMETRICO
N Total de elementos
R Total de xitos o fracasos
n Cantidad de EXPERIMENTOS en muestra - a realizar = "PARA"
Variable
r Cantidad de Exitos/Fracasos a encontrar en N = "EN"
Aleatoria
NB: Si n es despreciable frente a N se usa Bernoulli

file:///conversion/tmp/scratch/367773589.xls 4 de 8
Dominio : MAX[0; n-(N-R)] r min[n;R]
Funcin Puntual: Ph(va = r) = Ph ( r / n ;N ;R) = R N - R Casos
r n - r Favorables
N Casos
n Posibles
2. Funcin Fh Acum.Izquierda R N-R
Fh ( r / n ;N ;R) = r x n-x
S N
x = min n
2. Funcin Gh Acum.Derecha R N-R
Gh ( r / n ;N ;R) = MAX x n-x
S N
x=r n
3. Esperanza Hipergeomtrica: 4. Varianza Hipergeometrica:
E(pa) = m = n(R/N) s2 n R 1- R N-n
Cantidad de Exitos a encontrar N N N-1
5. Espectativa Parcial Izquierda:
Hh ( r / n ;N ;R) = n R Fh ( r-1 / n-1 ; N-1;P-1)
N
6. Espectativas Parciales: H( r ) = m - J (r+1)
J( r ) = m - H (r -1)
PROCESO PASCAL-HIPERGEOMETRICO
Se tiene que definir EXITO: cual es el objetivo de mi ejercicio. La probabilidad de xito y
primero fracaso son Ktes
Parmetros N: Lote P(exito)=p; P(falla)=1-p Para Bernoulli p y r son
parmetros; n es una V.A.
R: Total de exitos en N
n: Q+ de elementos a experimentar
Variable aleatoria (Muestra)
r: Q+ de xitos encontrados en N P n experim.Tengan r xitos
Dominio: r n N-R+r
Funcin Puntual: Pph(va = r) = Pph ( n / r ;N ;R) = R N - R Casos
r. r n - r Favorables
n N Casos
n Posibles
2. Funcin Fph Acm.Izquierda : R N-R
Fph ( n / r ; N; R) = n r. r n-r
S x N
x=r x
2. Funcin Gph Acum.Derecha R N-R
Gph ( n / r ;N ;R) = MAX r. r x-r
S x N
x-n x
3. Esperanza Hipergeomtrica: 4. Varianza Hipergeometrica:
E(n) = m = r(N+1) / (R+1) s2 m (r + 1) (N + 2) -1 - m 2

Cantidad de Exitos a encontrar (R + 2)


5. Espectativa Parcial Izquierda:
Hph ( n / r ;N ;R) = m* Fph ( n+1 / r+1 ; N+1;R+1)

file:///conversion/tmp/scratch/367773589.xls 5 de 8
Clasificacin Variable Aleatoria
CONTINUAS - xi Surgen de una ecuacin emprica que alguien di
Siempre se cumplen las siguiente reglas de VC:
1ra Condicin: Positiva en todo su domnio
2da Condicin: La integral debe ser un espacio muestral
REGLAS GEN. PARA TODAS LAS VARIABES CONTINUAS
3. P(Va = r) = P(x) x 6. Complemento F(r) = 1 - G(r+1)
NO EXITEN PUNTUALES POR QUE f(x) dx = 0 G(r) = 1 - F(r-1)
SON AREAS NO PUNTOS x 7. P(r) = para hayar P(r) = F(r) - F(r-1)
2. x partiendo de F G P(r) = G(r) - G(r+1)
P (Vc x) = F(x) = f(x) dx 8. P (A r B) B

- Donde A y B estn P (A r B) = S P(r)

3. en el dominio A
P (Vc x) = G(x) = f(x) dx 9. P (A r B) B F(B) - F(A-1)
x S P(r) = G(A) - G(B+1)
4. F(x) + G(x) = 1 A
5. F(x) = 1 - G(x) G(x) = 1 - F(x)
LEYES GENERALES PARA TODAS LAS V.A.
r=q+s Cuando se tiene que armar la formula para hayar la VA. Q y S son
mr = mq + ms datos independientes, ejemplo 2 dados q = dado1, s=dado2
Varianza = s2r = s2q - s2s
R = ax + by + cxy + d
Esperanzas mr = amx + bmy + cmxmy + d
Varianzas = a Esperanzas
VALORES DE TENDENCIA CENTRAL
1. Modo Mo P(ro) MAXIMO
2. Mediana Me Se tienen que cumplir dos condiciones:
a. P(va re -1) = F(re -1) 0,5
a. P(va re) = F(re) 0,5
3. Esperanza Matemtica: es el promedio E m
MAX
E(r) = m = S ri * P(ri)
min
VALORES DE DISPERSION
1. Varianza s 2 MAX
S [ ri2 * P(ri) ] * m2
min
2. Desvo Standar s Varianza
3. Coeficiente Variacin Cv ( s / m ) *100
EXPECTATIVA PARCIAL: parte de la esperanza matemtica Total
1. Expectativa parcial Izquierda: 2. Expectativa parcial Derecha:
r MAX
H(r) = S ri * P(ri) J(r) = S ri * P(ri)
min r
3. Esperanza de espectativas: 4. Esperanza entre valores:
m = H(r) + J(r+1) B =H(B) - H(A-1)
E (A r B) = S ri * P(ri)
m = J(r) + H(r-1) A =J(A) - J(B+1)
5. Esperanza Truncada Izquierda 6. Esperanza Truncada Derecha
m (Va r) = H(r) / F(r) m (Va r) = J(r) / G(r)
7. Esperanza truncada entre valores:
m (A r B) = =H(B) - H(A-1) / F(B) - F(A-1)

=J(A) - J(B+1) / G(A) - A(B+1)

OJO: n n! Nmero combinatorio nCr


r r! (n-r)!
n =1 n =1 n =n Reglas generales Nmeros
0 n 1 combinatorios
PROCESO DE BERNOULLI
P Probabilidad de xito o Fracaso
n Cantidad de EXPERIMENTOS a realizar = "PARA"
r Cantidad de Exitos/Fracasos a encontrar en n = "EN"
Modelo BINOMIAL
P Probabilidad de Exito o Fracaso PARAMETROS
n Cantidad de Experimentos a realizar = "PARA"
r Variable Aleatoria
Dominio : 0rn
Funcin Puntual: Pb(va = r) = Pb ( r / n ; p) = n pr (1-p)n-r
r
2. Funcin Pb Acumulada Izquierda
Fb (r / n ; p) = r
S n px (1-p)n-x
x=0 x
2. Funcin Pb Acumulada Derecha
Gb (r / n ; p) = n
S n px (1-p)n-x
x=r x
3. Esperanza Binomial: 4. Varianza Binomial:
E(b) = m = n.p s2 np (1-p)
5. Esperanza Parcial Izquierda:
Hb ( r / n;p) = np Fb( r-1 / n-1 ;p)

Modelo PASCAL
P Probabilidad de Exito o Fracaso PARAMETROS
r Cantidad de Exitos/Fracasos a encontrar
n Variable aleatoria - Cantidad de Experimentos a realizar
Dominio : rn
Funcin Puntual: Ppa(va = n) = Ppa ( n / r ; p) = n-1 pr (1-p)n-r
r-1
2. Funcin Ppa Acumulada Izquierda
Fpa ( n / r ; p) = n
S x-1 pr (1-p)x-r
x=r r-1
2. Funcin Ppa Acumulada Derecha
Gpa ( n / r ; p) =
S x-1 pr (1-p)x-r
n r-1
3. Esperanza Pascal: 4. Varianza Pascal:
E(pa) = m = r/p s2 r (1-p) / p2
5. Esperanza Parcial Izquierda:
Hpa ( n / r ; p) = r /p * Fpa( n+1 / r+1 ; p)
NOTAS ESPECIALES
Fpa ( n / r ; p) @ Gb ( r / n ; p)
Gpa ( n / r ; p) @ Fb ( r-1 / n-1 ; p)
1 - Gb ( r / n-1 ; p)

PROCESO HIPERGEOMETRICO
N Total de elementos
R Total de xitos o fracasos
n Cantidad de EXPERIMENTOS en muestra - a realizar = "PARA"
Variable
r Cantidad de Exitos/Fracasos a encontrar en N = "EN"
Aleatoria
NB: Si n es despreciable frente a N se usa Bernoulli
Dominio : MAX[0; n-(N-R)] r min[n;R]
Funcin Puntual: Ph(va = r) = Ph ( r / n ;N ;R) = R N - R Casos
r n - r Favorables
N Casos
n Posibles
2. Funcin Fh Acum.Izquierda R N-R
Fh ( r / n ;N ;R) = r x n-x
S N
x = min n
2. Funcin Gh Acum.Derecha R N-R
Gh ( r / n ;N ;R) = MAX x n-x
S N
x=r n
3. Esperanza Hipergeomtrica: 4. Varianza Hipergeometrica:
E(pa) = m = n(R/N) s2 n R 1- R N-n
Cantidad de Exitos a encontrar N N N-1
5. Espectativa Parcial Izquierda:
Hh ( r / n ;N ;R) = n R Fh ( r-1 / n-1 ; N-1;P-1)
N
6. Espectativas Parciales: H( r ) = m - J (r+1)
J( r ) = m - H (r -1)
PROCESO PASCAL-HIPERGEOMETRICO
Se tiene que definir primero EXITO: cual es el objetivo de mi ejercicio. La probabilidad de xito y fracaso son
Parmetros Ktes N: Lote P(exito)=p; P(falla)=1-p Para Bernoulli p y r son
R: Total de exitos en N parmetros; n es una V.A.
n: Q+ de elementos a experimentar (Muestra)
Variable aleatoria r: Q+ de xitos encontrados en N P n experim.Tengan r xitos
Dominio: r n N-R+r
Funcin Puntual: Pph(va = r) = Pph ( n / r ;N ;R) = R N - R Casos
r. r n - r Favorables
n N Casos
n Posibles
2. Funcin Fph Acm.Izquierda : R N-R
Fph ( n / r ; N; R) = n r. r n-r
S x N
x=r x
2. Funcin Gph Acum.Derecha R N-R
Gph ( n / r ;N ;R) = MAX r. r x-r
S x N
x-n x
3. Esperanza Hipergeomtrica: 4. Varianza Hipergeometrica:
E(n) = m = r(N+1) / (R+1) s2 m (r + 1) (N + 2) -1 - m 2

Cantidad de Exitos a encontrar (R + 2)


5. Espectativa Parcial Izquierda:
Hph ( n / r ;N ;R) = m* Fph ( n+1 / r+1 ; N+1;R+1)