FORMULARIO

Distribución de Probabilidad

Binomial

 n  x nx
  p (1  p) x  0,1, 2,..., n
b( x; n, p )   x 
 0 de otra manera
 E(X) = np, V(X) = npq

Poisson

e  x
p ( x;  )  x  0,1, 2,...   0
x! E(X) = V(X) = 

Hipergeométrica

 M  N  M 
  
 x  n  x 
h( x; n, M , N ) 
N
 
E ( X ) =n ( MN )  N n
V (X )    np  1  p 
n   N 1 

Binomial Negativa

 x  r  1 r
 p  1 p
x
nb( x; r , p )   x  0,1, 2,...
 r 1  r (1  p) r (1  p)
E( X )  V (X ) 
p p2

Normal

1 2 2

f ( x ; μ , σ )= e−(x−μ ) / 2 σ −¿ x <¿
√2 π σ
X−μ
Variable Aleatoria normal estandarizada Z=
σ
Lognormal

2
−( lnx−μ )

{ 1
f ( x ; μ , σ )= √ 2 π σx e
2σ

0 x <0
2
x≥0 2
E( x )=e μ +σ / 2
2

V ( x )=e 2 μ+ σ (e σ −1)
2

Gamma

−x
1 α−1 β

{
f ( x ; α , β )= β α () x e x ≥ 0
0 de otra manera
E(X) = µ = β V(X) = 2 = β2
F ( x ; α , β )=F ( βx , α )
Exponencial

λ e− λx x ≥0 1 1
f ( x ; λ )=
{ 0 de otramanera
μ= σ 2= 2
λ λ

F ( x ; λ )=
{1−e0 x <0x ≥ 0
−λx

Weibull
α
x
α α −1 −( β )

{
f x ; α , β = βα x e
( )
0 x <0
x ≥ 0 F ( x ; α , β )=
0 x <0
−
( x
)
1−e β x ≥ 0 { α

μ= β Γ 1+
1
( )
α
2 22
{(
σ =β Γ 1+ − Γ 1+
α
1
α ) [ ( )] }
Intervalos de confianza

2
σ s σ
x±z α /2⋅
n
x±z α /2⋅
√n (
n= 2 z α /2⋅
w )
σ 21 σ 22 σ 21 σ 22
( x1 −x 2 )−z α / 2
√ + < μ1 −μ2 <( x1 −x 2 )+ z α / 2
n1 n2
+
n1 n2 √
z 2α /2 2
^ z α /2

p=
^p +
2n
±z α / 2
√
1+( z 2α / 2 )/ n
^q
p
n
+ 2
4n
^p±z α /2 √ ^p q^ /n n=
4 z 2 p^ q^
w2
2 2
s ( n−1 )s 2 (n−1)s
x±t α /2, n−1⋅ <σ <
√n χ 2α /2 , n−1 χ 21−α /2, n−1

Regresión Lineal

b1  ˆ1 
 ( xi  x )( yi  y )  S xy x   y  x 
2

S xy   S xx   x
i i i
xy  2

 ( xi  x ) 2 S xx i i
n
i
n
b0  ˆ0 
 yi  ˆ1  xi  y  ˆ x r2  1
SSE
, donde SST  S yy   yi2    yi  / n
2
1
n SST

SSE   yi2  ˆ0  yi  ˆ1  xi yi

y la estimación de  2 es:
SSE
ˆ 2  s 2 
n2