Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FORMUL
FORMUL
( x i x ) ni
Varianza =
s2 i
n
ESTADÍSTICA DESCRIPTIVA
xi 2 ni
x n i
x2
Media aritmética i i n
x i
n x i x ni
2
Mediana Cuasivarianza * =
s i
2
N i 1 n / 2 N i Si n/2 < Ni n 1
n
Me=xi s2
n 1
Si n/2= Ni x i Me n i
Desviación media respecto a la mediana DMe i
Me=(xi+xi+1)/ 2
n
Moda Recorrido Intercuartílico RQ = C3- C1
Mo=xi tal que ni es máximo s
Coeficiente de Variación de Pearson CV x
3
( x i x ) ni
Percentil de orden p Coeficiente de asimetría de Fisher
g1 i
Pp=xi tal que Ni1< pn Ni ns 3
100
Coeficiente de apuntamiento de Fisher
x ir ni
Momento de orden r respecto al origen ar i
n xi x 4 ni
g2 i 3
Momento de orden r respecto a la media ns 4
( xi x ) r ni Momento de orden r,s respecto al origen
i
mr x ir y sj nij
n
i j
a rs
n
Momento de orden r,s respecto a la media Vm,n
m!
m( m 1) ( m n 1)
Variaciones ( m n)!
( x i x ) r ( y j y ) s nij
Variaciones con repetición Vm, n m
n
m rs
i j
n Permutaciones Pn n!
Covarianza n ,, nk n!
Permutaciones con repetición Pn 1
( x i x )( y j y )nij x i y j nij n1! n k !
i j i j
s xy xy
n n Teorema de la probabilidad total:
s xy
Coeficiente de correlación lineal rxy
sx sy Si el espacio muestral lo podemos dividir en n sucesos A i, disjuntos
dos a dos,
n
Recta de regresión p( B) p( B A j ) p( A j )
j 1
Recta de regresión de Y sobre X y=a+bx con
s xy Teorema de Bayes:
b a y bx
s x2
Si el espacio muestral lo podemos dividir en n sucesos A i, disjuntos
( yi yi* ) 2 ( yi a bx i ) 2 dos a dos, de los que conocemos su probabilidad y la probabilidad
Varianza residual s e2 i
i
n n condicionada p ( B Ai ) , entonces
s 2 p ( B Ai ) p ( Ai )
p ( Ai B ) n
Coeficiente de determinación R 1
2 e
2
s y p( B A j ) p( A j )
j 1
Desigualdad de Tchebychev
PROBABILIDAD
Si X es una v.a. con media y varianza 2 , entonces para todo k,
constante positiva se verifica:
Fórmulas de combinatoria
1
m! m(m 1)(m n 1) P ( X k ) 1
Combinaciones C m, n k2
n!(m n)! n!
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD 1
a xb
f ( x) = b - a
0 en otro caso
Distribución binomial (o Bernoulli con n=1)
n x ba (b-a)2
p (1 p ) n x x 0,1,2,....., n E( X ) ; Var(X)=
f ( x) x E ( X ) np Var ( X ) np (12 p ) 12
0 en otro caso
Distribución exponencial
Distribución binomial negativa (o geométrica con r=1)
x 1 p r (1 p ) x r x r , r 1, r 2,..... e x
x0 1 1
f ( x) r 1
f ( x) E( X ) Var ( X )
E( X ) r / p Var ( X ) r0(1 en
p)otro2
/ p caso 2
0 en otro caso
Distribución hipergeométrica
n a n n a
x k x
x max(0, n a k n),..., min(n a , k ). n k na n
f ( x) n E ( X ) kna / n Var ( X ) k (1 a )
k n 1 n n
0 en otro caso
Distribución de Poisson
e x
x 0,1,2,.....
f ( x) x! E ( X ) Var ( X )
0 en otro caso
Distribución uniforme
Distribución normal
1 ( x ) 2
1
e2
2
f ( x) x R
2 2
E( X ) Var ( X ) 2
Distribución Gamma
x 1e x /
x0
f ( x ) ( ) E ( X ) Var ( X ) 2
0 en otro caso
siendo ( ) 0 x 1e x dx
Propiedades de la función gamma:
( ) ( 1)( 1)
si n es un entero positivo ( n) ( n 1)!)
1
1
( x μ)' -1 (x - )
f ( x) 1/ 2
e 2
x R 2
2