Formulas Estadísticas Eventos mutuamente excluyentes: (𝑨 ∩ 𝑩 = ∅)

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

Agrupados No agrupados
Probabilidad condicional
Media ∑ 𝑋𝑖 𝑓𝑖 ∑𝑛𝑖=1 𝑋𝑖 𝑃(𝐴 ∩ 𝐵)
𝑋̅ = 𝑋̅ = 𝑃(𝐴|𝐵) =
𝑛 𝑛 𝑃(𝐵)
Mediana n: Impar Probabilidades independientes:
𝑛 𝑀𝑒 = 𝑋(𝑛+1)
− 𝐹𝑖−1 𝑃(𝐴|𝐵) = 𝑃(𝐴)
𝑀𝑒 = 𝐿𝑖𝑛𝑓 + 𝑊 (2 ) 2
𝑓𝑖 n: Par 𝑃(𝐵|𝐴) = 𝑃(𝐵)
𝑋(𝑛)+ 𝑋(𝑛+1) 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵)
2 2
𝑀𝑒 =
2 Probabilidad Total
Moda 𝑑1
𝑀𝑜 = 𝐿𝑖𝑛𝑓 + 𝑊 ( ) 𝑃(𝐵) = ∑ 𝑃(𝐴𝑖 ) ∗ 𝑃(𝐵|𝐴1 ) 𝑖 = 1,2,3,4,..
𝑑1 + 𝑑2
Teorema de Bayes
𝑑1 = 𝑓𝑖 − 𝑓𝑖−1 𝑃(𝐴𝑖 ) ⋅ 𝑃(𝐵|𝐴𝑖 )
𝑑2 = 𝑓𝑖 − 𝑓𝑖+1 𝑃(𝐴𝑖 |𝐵) =
∑ 𝑃(𝐴𝑖 ) ∗ 𝑃(𝐵⁄𝐴𝑖 )
(∑ 𝑓𝑖 𝑥𝑖 )2 Distribución Binomial: X ~ B(n,p)
Varianza
∑ 𝑓𝑖 𝑥𝑖 2 − 2
∑𝑛𝑖 (𝑋𝑖 − 𝑥̅ )2 𝑛
𝑛 𝑠 = 𝑃(𝑋 = 𝑥) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥 , 0≤𝑥≤𝑛
𝑆2 = 𝑛−1 𝑥
𝑛−1

Medidas de posición datos agrupados Distribución Poisson: X ~ P(𝜆)

𝐾𝑛
Cuartil: 4 , 𝑒 −𝜆 ∙ 𝜆𝑥
𝑃(𝑋 = 𝑥) = 𝑋 = 0,1,2,3, …
donde K=1,2,3 𝑥!
𝐾𝑛
Decil: 10 ,
Distribución normal: 𝑋~𝑁(𝜇, 𝜎 2 )
Factor donde
𝐹𝑎𝑐𝑡𝑜𝑟 − 𝐹𝑖−1 K=1,2,3,4,5,6,7,8,9 Distribución normal estándar: 𝑍~𝑁(0,1)
𝑃𝐾 = 𝐿𝑖𝑛𝑓 + 𝑊 ( ) Percentil:
𝑓𝑖 𝑋−𝜇
𝐾𝑛 Proceso de estandarización: 𝑍=
, 𝜎
100
donde
K=1,2,3,…50,..98,99 Caso1: P( Z  a)

Probabilidades
Caso2: P( Z  a)  1  P( Z  a)
n(𝐴) 𝑁ú𝑚𝑒𝑟𝑜 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃(𝐴) = = P ( a  Z  b)  P ( Z  b)  P ( Z  a )
n(𝛺) 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 Caso3:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
 Intervalo de confianza para la media de una población. Varianza poblacional desconocida pero diferentes(𝜎1 2 ≠ 𝜎2 2 ) (Muestras
pequeñas)
Varianza poblacional conocida y tamaño de muestra grande (𝒏 ≥ 𝟑𝟎)
𝜎 𝑠1 2 𝑆2 2
IC(𝜇): [𝑋̅ ± 𝑍(1−𝛼) ] ̅ ̅
𝐼𝐶(𝜇1 − 𝜇2 ) = [(𝑋1 −𝑋2 ) ± 𝑇(1−𝛼) √ + ]
2 √𝑛 2 𝑛1 𝑛2
Varianza poblacional desconocida y tamaño de muestra grande (𝒏 ≥ 𝟑𝟎)
Donde 𝑇(1−𝛼) es el valor de T con V grados de libertad.
2
𝑆
IC(𝜇): [𝑋̅ ± 𝑍(1−𝛼) ] 2
√ 𝑛
2 𝑠1 2 𝑆2 2
(𝑛 + 𝑛 )
Varianza poblacional desconocida y tamaño de muestra pequeño (𝒏 < 𝟑𝟎) 1 2
𝑉= 2
𝑆 𝑠1 2
2 𝑆2 2
(
IC(𝜇): [𝑋̅ ± 𝑇(1−𝛼)
√𝑛
] grado de libertad: n-1 (𝑛 )
1
𝑛2 )
𝑛1 − 1 + 𝑛2 − 1
2

Intervalo de confianza para diferencia de dos medias poblacionales

Varianza poblacional conocidas (𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒔 𝒈𝒓𝒂𝒏𝒅𝒆𝒔) Intervalo de confianza para proporción poblacional

𝜎1 2 𝜎2 2 𝑃(1 − 𝑃)
𝐼𝐶(𝜇1 − 𝜇2 ) = [(𝑋̅1 −𝑋̅2 ) ± 𝑍(1−𝛼) √ + ] I𝐶(𝝅) = [𝑝 ± 𝑍(1−𝛼) ⋅ √ ]
𝑛1 𝑛2 2 𝑛
2

Varianza poblacional desconocida pero iguales (𝜎1 2 = 𝜎2 2 ) (Muestras Intervalo de confianza para la diferencia de proporción poblacional
pequeñas)
𝑃1 (1 − 𝑝1 ) 𝑃2 (1 − 𝑝2 )
2 2 IC(𝜋1 − 𝜋2 ) = [𝑃1 − 𝑃2 ± 𝑍(1−𝛼) ⋅ √ + ]
𝑆1 𝑆2 2 𝑛1 𝑛2
𝐼𝐶(𝜇1 − 𝜇2 ) = [(𝑋̅1 −𝑋̅2 ) ± 𝑇(1−𝛼) √𝑆𝑃 2 ( + )]
2 𝑛1 𝑛2

Tamaño de muestra para la proporción

Cuya distribución es la T de student con 𝐺𝑙 = 𝑛1 + 𝑛2 − 2
Población infinita
(𝑛1 − 1)𝑆1 2 + (𝑛2 − 1)𝑆2 2
𝑆𝑃 2
= 𝑍 2 ∙ 𝑃(1 − 𝑃)
𝑛1 + 𝑛2 − 2 𝑛=
𝐸2
𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑓𝑖𝑛𝑖𝑡𝑎
𝑁𝑍 2 𝑝𝑞
𝑛= 2
𝐸 (𝑁 − 1) + 𝑍 2 𝑝𝑞
Tamaño de muestra para la media Prueba de Hipótesis para la media de dos poblaciones:
Población infinita
𝑍2 ∙ 𝜎 2 𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 ≥ 𝜇2 𝐻0 : 𝜇1 ≤ 𝜇2
𝑛=
𝐸2
𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑓𝑖𝑛𝑖𝑡𝑎 𝐻1 : 𝜇1 ≠ 𝜇2 𝐻1 : 𝜇1 < 𝜇2 𝐻1 : 𝜇1 > 𝜇2
2 2
𝑁𝜎 𝑍
𝑛= Estadísticos de prueba
(𝑁 − 1)𝐸 2 + 𝜎 2 𝑍 2
Varianza poblacional conocidas (𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒔 𝒈𝒓𝒂𝒏𝒅𝒆𝒔)
𝑋̅1 − 𝑋̅2 − (𝜇1 − 𝜇2 )
𝑍𝐶 =
Intervalo de confianza para la varianza de una población 𝜎2 𝜎2
√ 1 + 2
𝑛 1 𝑛 2
(𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2 Varianzas poblacionales desconocidas pero iguales (𝜎1 2 = 𝜎2 2 ) (Muestras
2
≤𝜎 ≤ 2 pequeñas)
𝑋 2 (1−𝛼,𝑛−1) 𝑋 (𝛼,𝑛−1)
2 2 𝑋̅1 − 𝑋̅2 − (𝜇1 − 𝜇2 )
𝑇𝐶 =
1 1
√SP 2 ( + )
Prueba de Hipótesis para la media de una población: n 1 n 2

Varianza poblacional desconocida pero diferentes(𝜎1 2 ≠ 𝜎2 2 ) (Muestras

𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 ≥ 𝜇0 𝐻0 : 𝜇 ≤ 𝜇0 pequeñas)
𝐻1de
Prueba : 𝜇 Hipótesis
≠ 𝜇0 𝐻1 : 𝜇 <
para la proporción de𝜇una población: 𝐻1 : 𝜇 > 𝜇0 𝑋̅1 − 𝑋̅2 − (𝜇1 − 𝜇2 )
0 𝑇𝐶 =
2 2
Estadísticos de prueba: √S1 + S2
n1 n2
Varianza poblacional conocida y tamaño de muestra grande (𝒏 ≥ 𝟑𝟎) 2
̅ −𝝁
𝑿 𝑠 2 𝑆 2
𝒁𝒄 = 𝝈 ( 𝑛1 + 𝑛2 )
1 2
𝑔𝑟𝑎𝑑𝑜 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑: 𝑉 = 2
√𝒏 2 𝑆2 2
𝑠1 2 (
Varianza poblacional desconocida y tamaño de muestra grande (𝒏 ≥ 𝟑𝟎) (𝑛 ) 𝑛2 )
̅ −𝝁
𝑿 1
𝒁𝒄 = 𝑛1 − 1 + 𝑛2 − 1
𝑺
√𝒏
Varianza poblacional desconocida y tamaño de muestra pequeño (𝒏 < 𝟑𝟎)
̅ −𝝁
𝑿
𝑻𝒄 =
𝑺
√𝒏
Prueba de Hipótesis para la proporción de una población: Regresión y correlación
𝐻0 : 𝜋 = 𝜋0 𝐻0 : 𝜋 ≥ 𝜋0 𝐻0 : 𝜋 ≤ 𝜋0 Regresión lineal Simple:
𝐻0 : 𝜋 ≠ 𝜋0 𝐻0 : 𝜋 < 𝜋0 𝐻0 : 𝜋 > 𝜋0 𝑌̂ = 𝛽0 + 𝛽1 𝑋
Estadístico de prueba: ∑𝑿∑𝒀 − 𝒏∑𝑿𝒀
̂𝟏 =
𝜷
𝑃 − 𝜋0 (∑ 𝑿)2 − 𝒏 ∑ 𝑿2
𝑍𝑐 =
√𝜋0 (1 − 𝜋0 ) ̂𝟏 ∑ 𝑿
∑𝒀 −𝜷
𝑛 ̂𝟎 =
𝜷
𝒏
Prueba de Hipótesis para la proporción de dos poblaciones: Coeficiente de correlación:
𝒏 ∑ 𝑿𝒀 − ∑ 𝑿 ∑ 𝒀
𝐻0 : 𝜋 = 𝜋0 𝐻0 : 𝜋 ≥ 𝜋0 𝐻0 : 𝜋 ≤ 𝜋0 𝒓=
𝐻0 : 𝜋 ≠ 𝜋0 √𝒏 ∑ 𝑿2 −(∑𝑿)2 . √𝒏 ∑ 𝒀2 −(∑𝒀)2
𝐻0 : 𝜋 < 𝜋0 𝐻0 : 𝜋 > 𝜋0
Estadístico de prueba:
p1 −p2 − (π1 − π2 )
Zc = Prueba de Independencia y prueba de homogeneidad.
1 1
√p̅ (1 − p̅) ( + )
n n
Prueba de Hipótesis1para 2la 2 ∑(𝑂𝑖 − 𝐸𝑖 )2
𝑋𝐶 =
X1 + X 2 proporción de una 𝐸𝑖
p̅ =
n1 + n2 población: 𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎 ∗ 𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑙𝑢𝑚𝑛𝑎
𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎(𝐸) =
Prueba de Hipótesis para la varianza de una población 𝐺𝑟𝑎𝑛 𝑇𝑜𝑡𝑎𝑙

H0 : 𝜎 2 = 𝜎 2 0 H0 : 𝜎 2 ≤ 𝜎 2 0 H0 : 𝜎 2 ≥ 𝜎 2 0
H1 : 𝜎 2 ≠ 𝜎 2 0 H1 : 𝜎 2 > 𝜎 2 0 H1 : 𝜎 2 < 𝜎 2 0
Estadístico de Prueba
(𝒏−𝟏)𝑺𝟐
𝑹𝒉𝟎
𝟐
𝑿𝑪 = 𝝈𝟐

𝛼
1-𝛼

𝑋 2 (1−𝛼;𝑔𝑙)

𝑔𝑙 = (#𝑓𝑖𝑙𝑎𝑠 − 1)(#𝐶𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − 1)