FORMULAS DE ESTADÍSTICA INFERENCIAL S12 S 22 S12 S 22

( x1  x2 )  t   1   2  ( x1  x2 )  t 
Intervalos de confianza para la media de una población 2 n1 n2 2 n1 n2
Varianza poblacional conocida Donde t/2 es el valor de t con v grados de libertad:

 
IC : X  Z     X  Z
2 n 2 n
Varianza poblacional desconocida y tamaño de muestra grande
(n≥30)
S S
IC : X  Z     X  Z
2 n 2 n

Varianza poblacional desconocida y tamaño de muestra pequeño Prueba de hipótesis para la media de una población
(n<30)
S S
IC : X  t    X  t
2 n 2 n

Intervalos de confianza para la diferencia de 2 medias Estadísticos de prueba

poblacionales
Varianza poblacional conocida
Varianzas poblacionales conocidas

 12  22  12  22
( x1  x2 )  z   1   2  ( x1  x2 )  z 
2 n1 n2 2 n1 n2
Varianza poblacional desconocida y tamaño de muestra grande
Varianzas poblacionales desconocidas pero iguales (n≥30)

1 1 1 1
( x1  x2 )  t S p2 [  ]  1   2  ( x1  x2 )  t S p2 [  ]
2 n1 n2 2 n1 n2

Cuya distribución es la t de Student con gl= n1+ n2 - 2 donde: Varianza poblacional desconocida y tamaño de muestra pequeño
(n<30)
(n1  1) s12  (n2  1) s 22
S 2

n1  n2  2
p

Varianzas poblacionales desconocidas y distintas

Prueba de hipótesis para dos medias poblacionales V: grados de libertad

H0: µ1 = µ2 H0: µ1 ≤ µ2 H0: µ1 ≥ µ2 Intervalos de confianza para la proporción de una

población
H1: µ1 ≠ µ2 H1: µ1 > µ2 H1: µ1 < µ2
𝑝𝑞 𝑝𝑞
Estadísticos de prueba p - Zα/2√ < 𝜋 < p + Z𝛼/2√
𝑛 𝑛
Varianzas poblacionales conocidas Intervalos de confianza para la diferencia de
( X 1  X 2 )  ( 1   2 ) proporciones de 2 poblaciones
Zc 
 12  22
 ( p1  p 2 )  z
p1q1 p 2 q 2
   1   2  ( p1  p 2 )  z
p1q1 p 2 q 2

n1 n2 2 n1 n2 2 n1 n2
Varianzas poblacionales desconocidas y tamaño de muestras Prueba de hipótesis para la proporción de una población
grandes (n≥30)

( X 1  X 2 )  ( 1   2 )
Zc 
S12 S 22

n1 n2 𝑝 − 𝑝0
𝑍𝑐 =
Varianzas poblacionales desconocidas pero iguales y tamaño de √𝑝𝑜 (1 − 𝑝𝑜 )
muestras pequeñas (n<30) 𝑛

Prueba de hipótesis para las proporciones de dos

poblaciones

Tt = T (n1+n2 – 2) grados de libertad

Varianzas poblacionales desconocidas, distintas y tamaño de
muestras pequeñas (n<30)
x1  x2
( X  Y )  ( x  y ) P
t
2 n1  n2
S x2 S y

nx n y
( S x2 / n x  S y2 / n y ) 2
V
( S x2 / n x ) 2 /( n x  1)  ( S y2 / n y ) 2 /( n y  1)
Intervalos de confianza para la varianza de una Prueba de hipótesis para la razón de dos varianzas
población

Estadístico de prueba

Prueba de bondad de ajuste Chi-cuadrado

( o i  e i )2
2  
Intervalos de confianza para el cociente de la varianza ei
de dos poblaciones

Otra fórmula:

Prueba de hipótesis para una varianza de una

Distribución de Poisson Distribución Binomial
distribución normal

Estadístico de prueba gl = k – p -1
Prueba de Independencia y Prueba de Homogeneidad 1. Ecuación de regresión
Chi-cuadrado

2. Sistema de ecuaciones para hallar los coeficientes de

regresión
g.l. = (# renglones – 1)*(#Columnas – 1)

( o i  e i )2
 
2

ei

3. Otra forma de hallar los coeficientes de regresión

Luego de haber formado nuestra matriz con los datos del problema,
debemos estructurar las siguientes matrices:

 n n
  n 
 n  X 1i  X 2i    Yi 
Regresión Simple  n i 1
n n
i 1
  n i1 
A= X X    X 1i X   
X 1i X 2i G= X Y   X1i Yi 
2
1. Coeficiente de correlación  i 1 i 1
1i
i 1
  i1 
n n n  n 
 X 2 i
 i 1
X
i 1
1i X 2i i 1
X 2
2i 

 
 i1
X 2i i 
Y

La matriz solución ¨B¨ se obtendrá de: B = A-1 . G
2. Análisis de regresión
 n 
La ecuación de regresión es: Y = a + bX   Yi 
  0  .... .... ...   n i 1 
   
B    1  =  ... .... ...  X  X 1i Yi 

 
  2   ... .... ....  in1 
 X 2i Yi 
 i 1 
El cálculo de A-1 se realizará haciendo uso de la calculadora
científica.
Regresión Lineal Múltiple (fórmulas para dos variables
independientes)