Está en la página 1de 2

FORMULARIO ESTADÍSTICA DESCRIPTIVA Y PROBABILIDADES

Datos originales xi Datos no agrupados según sus Datos agrupados por intervalos de
no agrupados
frecuencias 𝒇𝒊 ; clase 𝐈𝐢 , 𝐗 𝐢
i=1,2,…,k (Marcas de Clase)
Media: 𝑛
𝑘 𝑘
∑ 𝑥𝑖 ∑ 𝑓𝑖 𝑥𝑖 𝑘
∑ 𝑓𝑖 𝑥𝑖
𝑖=1
𝑖=1 ; 𝑛 = ∑ 𝑓𝑖 𝑖=1
𝑥̅ = 𝑥̅ = 𝑖=1 𝑥̅ =
𝑛 𝑛 𝑛
Mediana: 𝑛
Ordenar los datos 𝑥𝑖 de mayor a menor o Me ∈ [𝐿𝑖 ; 𝐿𝑖+1 [ ≤ 𝐹𝑖
2
viceversa
𝑥 𝑛+1 𝑥 𝑛+1 ; 𝑛 𝑖𝑚𝑝𝑎𝑟
( ) ; 𝑛 𝑖𝑚𝑝𝑎𝑟 (
2
) n
2 − Fi−1
Me = Me = Li + C (2 )
Me = fi
1 [𝑥 𝑛 + 𝑥 𝑛 ]
1 [𝑥 𝑛 + 𝑥 𝑛 ] ; 𝑛 𝑝𝑎𝑟
( ) ( +1)
( ) ( +1) ; 𝑛 𝑝𝑎𝑟 2 2 2
Fi-1: Frecuencia acumulada anterior
2 2 2
a la clase mediana

Moda:
Mo ∈ [𝐿𝑖; 𝐿𝑖+1 [ fio mayor

Mo = Frecuencia Mo = Frecuencia
d1
más alta fi más alta fi Mo = Li + C ( )
d1 + d2
d = fi − fi−1
∆11 = 𝑓𝑖𝑜 − 𝑓𝑖𝑜−1
d2 = fi − fi+1

Percentil: Percentil:
kn
Posición = k (n + 1) Pk ∈ [Li ; Li+1 [ 100
≤ Fi

100 kn
− Fi−1
𝑃𝑘 = Li + C ( 100 )
Pk = Li + parte decimal x (Ld – Li) fi
∆1 = 𝑓𝑖𝑜 − 𝑓𝑖𝑜−1
Fi-1: Frecuencia acumulada anterior
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
Ó ∑ 𝑥2𝑖 − (∑ 𝑥𝑖 ) /𝑛 Ó Ó
2
2 ̅2
∑ 𝑥𝑖 𝑓𝑖 − 𝑛𝑋 ̅
∑ 𝑥2𝑖 𝑓𝑖 − 𝑛𝑋
𝑆2 = 𝑆2 = 𝑆2 =
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 = . 100% ; 0 < 𝐶𝑉 < 100% 𝐶𝑉 = . 100% ; 0 < 𝐶𝑉 < 100% 𝐶𝑉 = . 100% ; 0 < 𝐶𝑉 < 100%
𝑥̅ 𝑥̅ 𝑥̅
FORMULARIO ESTADÍSTICA DESCRIPTIVA Y PROBABILIDADES

Regla de Sturges
k = 1 + 3 . 3 2 2 x L o g ( n ) ; k : n ú m e r o d e in t e r v a lo s d e c la s e
R = X m a x – X m in ; R : r a n g o
c = R / k ; c : a m p l it u d o a n c h o d e c l a s e

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 condicional 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(𝑨𝒊 ). 𝑷(𝑩/𝑨𝒊 )
𝑷(𝑨𝒊 /𝑩) =
𝑷(𝑩)
𝑃(𝐴𝑖 ): P r o b a b i l i d a d a priori
𝑃(𝐵/𝐴𝑖 ): P r o b a b i l i d a d condicional
𝑃(𝐵): Probabilidad Total
𝑃(𝐴𝑖 /𝐵): P r o b a b i l i d a d a posterior

DISTRIBUCIÓN BINOMIAL DE PROBABILIDAD

𝒏
𝑷(𝑿 = 𝒙) = ( ) 𝒑𝒙 𝒒𝒏−𝒙
𝒙
x=0, 1, 2, 3,…,n
x es valor de la variable aleatoria

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

DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN NORMAL ESTÁNDAR(Z):  0 y  2 1

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

Propiedad: 𝒔𝒊: 𝒁~𝑵(𝟎, 𝟏), entonces:
1. 𝑃(𝑍 ≤ 𝑎) = 𝑃(𝑍 ≤ 𝑎)
2. 𝑃(𝑍 ≥ 𝑎) = 1 − 𝑃(𝑍 < 𝑎)
3. 𝑃(𝑎 ≤ 𝑍 ≤ 𝑏) = 𝑃(𝑧 ≤ 𝑏) − 𝑃(𝑧 ≤ 𝑎)

También podría gustarte