DATOS NO AGRUPADOS DATOS AGRUPADOS PROBABILIDADES

P(E)= ;
Media = Media = ; k:#clases fi= frecuencia 0
2 P()=1 =1
Varianza S2 = Varianza S = Probabilidad condicional
Cuantiles i.a=(n+1)(%C) P(A/B)= =
Cuantiles = +
Probabilidad total
Diagrama de cajas Se la analiza donde se encuentre la mayor frecuencia f. P(A)=
Li=Limite inferior del intervalo A=Amplitud Teorema de Bayes
Moda = + (A) ; S= ; a= P( |A)=

Matriz.Varian.Cova. Variables Aleatorias Discretas

COVARIANZA VALOR ESPERADO Funcin generadora de
[ ]= ; E(g(x))= momentos (depende solo de t)
=
Sxy=Syx E(a)=a E(ag(x))=aE(g(x)) (t)=E(etx)=
Siendo a una constante
Coeficiente de correlacin Matriz.Coef.Corre.Lin. Media =E(x)= Mx(t=0)=E(x)
lineal Varianza =V(x)=E[(x- )] Mx(t=0)=E(x)
[ ]=
= ; -1 =E(x)-[E(x)] , V(a)=0 (t=0)=E( )
V(ax)=aV(x) =1

VARIABLES ALEATORIAS DISCRETAS

Uniforme xU(1,N) Binomial xb(x;n,p) Geomtrica Binomial Negativa xbn(x;r,p)
f(x)= ; f(x)= xg(x;1,p) f(x)= , Sx={r, r+1, r+2,}
Sx={1,2,N} f(x)=p ,
Sx={0,1,2,3.n} = = Mx(t)=
Sx={1,2,3,n}
=E(x)= =np =np(1-p)
n = = Hasta que ocurra el r-simo xito.
= Mx(t)=[ p+(1-p)]
X:#de repeticiones , para que el r-simo
Se fija n Mx(t)= p
Misma probabilidad suceso ocurra
X:#de sucesos ocurrido X:#de repeticiones
para cada elemento
de Sx hasta que ocurra el 1er
xito
Hipergemetrica xh(x;a,N,n) Poisson xp(x;) Bernoulli Multinomial
f(x)= , xber(p) Sx={1,2}
f(x)= , Sx={0,1,2k} , k=min{n;a} xito= p
Sx={0,1,2} f( )=
Fracaso= 1-p
= = N: # eleme. Pob. Obje == 0,1,2n
=p
Mx(t)= =p(1-p) =n
n:# eleme. Muestra a:# elem. Carac. Inters
x: # elem.q cumplen con las caractersticas Conteo en un tiempo X: 1 , 0

VARIABLES ALEATORIAS CONTINUAS

Uniforme xU(,) Normal xN( ,) Normal Estndar xN(0,1) Estandarizacin
f(x)= , Sx={xR/<x<} = f(x)= Sx={xR} Z=
f(x)= Sx={xR}
P3 P(x P3)=0.03
= Mx(t)= Mx(t)= P(x<C)=%C
Mx(t)=
Gamma xG(,) Beta xB(,) Weiball xW(,)
f(x)= , Sx={xR/x>0} f(x)=
f(x)= ,x>0
()=(-1)! = = Sx={xR/x>0} , =
=(1+1/)
Mx(t)= , t< = ={(1+2/)-
[(1+1/)]}
 VARIABLES ALEATORIAS CONJUNTAS
2 V.A.Discretas Marginales Valores Esperados Cov(x,y)=E(xy)-E(x)E(y)
f(x,y)=P(X=x,Y=y)=fxy = E(g(x))= Cov(x,a)=0 Cov(x,x)=Var(x)
0 f(x,y) 1 = Cov(x,y)=Cov(y,x)
1 Cov(ax,by)=abCov(x,y)
Cov(x+a,y+b)= cov(x,y)
E(g(x))= 3VariablesDiscretas Cov(ax,y)=Cov(x,ay)=aCov(x,y)
f(x/y)= ,condicio. = Cov(ax+by)=avar(x)+bvar(y)-2abcov(x,y)
Cov(ax+by,cz)=acCov(x,z)+bcCov(y,z)

Error Tipo I () : P(Rechazar Ho ; Ho es verdadera) VALOR P= P(Dist.Muestral <,> Estadist.de prueba)

Error Tipo II () : P(No rechazar Ho ; H1 es verdadero)
Potencia de la prueba (1-)= 1 P()= P(Rechazar Ho ; H1 es verdadero)
Nivel de confianza: 1-= P(No rechazar Ho ; H1 es verdadero)
PRUEBAS PAREADAS Estimador insesgado: E( )=
Estimador eficiente: Var( )<Var( )
= | = | = |E.P: ZT= Estimador consistente: =0
Sesgo de un estimador: B= E( )-

TABLAS DE CONTINGENCIA
Ho: variable 1 es independiente de la variable 2
Vs
H1: Ho (negacin de Ho)
:Observaciones dadas
=( = ,
=nmero de filas
=nmero de columnas
Estadstico de Prueba Regin de Rechazo
> , v=(f-1)(c-1) g.l
=
Si no hay , utilizamos el
v=(f-1)(c-1) grados de libertad valor p.
Si puedo unir a mi criterio
las filas o columnas que desee. Determinar si los datos de
5 : Valor que se espera en la nuestra muestra son
celda independientes.

BONDAD DE AJUSTE
Por Ji-Cuadrado (Discretas) *Cuando hay datos agrupados
X:variable aleatoria poblacional Determina si los datos de la
f(x):Densidad o Distribucin especificada o supuesta para x = , v=(f-1) g.lib. muestra dada se ajustan a la
Ho: f(x)=fo(x) vs H1: Ho (negacin de Ho) = distribucin especificada o
propuesta
XSx, misma probabilidad (uniforme discreta) Datos pertenecientes al tiempo Datos pert. Peso, edad (normal)
Conteo en un tiempo o espacio ( Poisson) de espera (Exponencial) Tiempo de vida til (weiball)
Por Kolmogorov Smirnov (Continuas) *Datos no agrup.
Sn(x): Distribucin emprica (1/n para cada elemento)- Regin de rechazo
Utiliza la muestra Estadstico de Prueba
D>Dn , n:tamao de la muestra.
Fo(x)=P(x xo) Acumulada, utiliza la poblacin D=max|Sn(x)-Fo(x)|
Si no hay utilizamos el valor p.

REGRESIN LINEAL SIMPLE

Modelo de R.L.S Estimado Tabla ANOVA SCE=
Fuentes de Grados de Suma de Cuadrados medios Estadstico de SCR=
variacin libertad cuadrados prueba
SCR SCR/1 SCT=SCR+SCE
Modelo matricial de estimados REGRESIN 1 F*=
Error estimado = -
ERROR n-2 SCE S=SCE/(n-2) Potencia de la prueba r
= TOTAL n-1 SCT
r= , 0 r 1
 Estadstico de prueba Regin de Rechazo Intervalo de Confianza
H0: =0 1) t < -t/2 v t > t
Vs desconocidaestimador S
2) t < -t
1) H1: b0 T= , v=(n-2)g.li. , =S - < < +
2) H1: < b0 3) t > t
3) H1: > b0
H0: =0
Vs desconocidaestimador S 1) t < -t/2 v t > t
1) H1: 0 T= , v=(n-2)g.li. , = 2) t < -t - < < +
2) H1: <0 3) t > t
3) H1: >0
Ho: N(0,)
= max|Sn( )-Fo( )|
Vs
Kolmogorov-Smirnov
H1: Ho