FORMULARIO DE ESTADÍSTICA DESCRIPTIVA Y PROBABILIDADES

Datos originales xi Datos agrupados según sus Datos agrupados por intervalos de
frecuencias 𝒏𝒊 ; clase 𝐈𝐢 , 𝐗 𝐢
i=1,2,…,k (Marcas de Clase)
Media: 𝑘 𝑘
𝑛
𝑘
∑ 𝑓𝑖 𝑥𝑖 ∑ 𝑓𝑖 𝑥𝑖
∑ 𝑥𝑖
𝑖=1 ; 𝑛 = ∑ 𝑓𝑖 𝑖=1
𝑥̅ = 𝑖=1 𝑥̅ = 𝑥̅ =
𝑖=1
𝑛 𝑛
𝑛

Mediana: 𝑛
Ordenar los datos 𝑥𝑖 de mayor a menor o Me ∈ [𝐿𝑖 ; 𝐿𝑖+1 [ ≤ 𝐹𝑖
2
viceversa
𝑥𝑛+1 𝑥𝑛+1 ; 𝑛 𝑖𝑚𝑝𝑎𝑟
; 𝑛 𝑖𝑚𝑝𝑎𝑟 2 𝑛
2 − 𝐹𝑖−1
Me = Me = 𝐿𝑖 + 𝐶 (2 )
Me = ; 𝑛 𝑝𝑎𝑟 𝑓𝑖
1
1 ; 𝑛 𝑝𝑎𝑟 [𝑥𝑛 + 𝑥𝑛+1 ]
[𝑥𝑛 + 𝑥𝑛+1 ] 2 2 2
2 2 2
Fi-1: Frecuencia acumulada

Moda:
Mo ∈ [𝐿𝑖; 𝐿𝑖+1 [ fio mayor

Mo = Frecuencia Mo = Frecuencia
𝑑1
más alta fi más alta fi 𝑀𝑜 = 𝐿𝑖 + 𝐶 ( )
𝑑1 + 𝑑2
𝑑1 = 𝑓𝑖 − 𝑓𝑖−1
∆1 = 𝑓𝑖𝑜 − 𝑓𝑖𝑜−1
𝑑2 = 𝑓𝑖 − 𝑓𝑖+1

Percentil: Percentil:
kn
Posición = k (n + 1) Pk ∈ [Li ; Li+1 [ ≤ Fi
100
100
kn
− Fi−1
Pk = Li + C ( 100 )
Pk = Li + parte decimal x (Ld – Li) ∆1 = 𝑓𝑖𝑜 − 𝑓𝑖𝑜−1 fi

Fi-1: Frecuencia acumulada

Varianza: 𝑛 𝑘 𝑘

∑(𝑥𝑖 − 𝑥̅) 2
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅) 2
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2
𝑖=1 𝑖=1 𝑖=1
𝑆2 = 𝑆2 = 𝑆2 =
𝑛−1 𝑛−1 𝑛−1
2 −1 2 2
Ó ∑ 𝑥2𝑖 − (∑ 𝑥𝑖 ) /𝑛 Ó (∑ 𝑓𝑖 𝑥𝑖 ) Ó (∑ 𝑓𝑖 𝑥𝑖 )
∑ 𝑓𝑖 𝑥𝑖 − 2
∑ 𝑓𝑖 𝑥2𝑖 −
𝑛 𝑛
2 2
𝑆 = 2
𝑆 = 𝑆 =
𝑛−1 𝑛−1 𝑛−1
Desviación estándar:
𝑆 = √𝑆 2 ; S>0 𝑆 = √𝑆 2 ; S>0 𝑆 = √𝑆 2 ; S>0

Coeficiente de Variación:
𝑆 𝑆
𝑆 𝐶𝑉 = ; 0 < 𝐶𝑉 < 1 𝐶𝑉 = ; 0 < 𝐶𝑉 < 1
𝐶𝑉 = ; 0 < 𝐶𝑉 < 1 𝑥̅ 𝑥̅
𝑥̅

Regla de Sturges:

k = 1 + 3.322 x Log (n); k: número de intervalos de clase

R = Xmax – Xmin; R: rango
c = R / k; c: amplitud o ancho de clase

PROBABILIDADES

PROBABILIDAD CONDICIONAL:
La probabilidad condicional del evento A dado que el evento B ha ocurrido se
escribe P(A/B).
P( A  B)
P( A / B)  , P( B)  0
P( B)

Una consecuencia de la definición de probabilidad con dicional es:

P (A ∩B) = P (A)*P (B/A) = P (B ∩ A) = P (B)*P (A/B)

TEOREMA DE LA PROBABILIDAD TOTAL:

P(B) = P(B  A1) + P(B  A2) + P( B  A3) + … + P( B  An)

P(B) = P(B/A1)P(A1) + P(B/A2)P(A2) + P(B/A3)P(A3) + … + P(B/An)P(An)

TEOREMA DE BAYES:
P(B  Ai )
P(Ai|B) 
P(B)
DISTRIBUCIÓN BINOMIAL DE PROBABILIDAD

x=0, 1, 2,3,……n
x es la variable aleatoria

DISTRIBUCIÓN DE POISSON

Donde:
P(X=k): Es la probabilidad de ocurrencia cuando la variable discreta X toma
un valor finito k.
λ: Número promedio de ocurrencias esperadas por unidad de tiempo o espacio.
e: Tiene un valor aproximado de 2.71 82
k: Es el número de ocurrencias; k=0, 1, 2, 3,…

DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN NORMAL ESTÁNDAR:  0 y  2 1

USO DE TABLAS:
Las tablas nos dan los valores de la función de distribución estándar:
X 
X Z 
