ESTADÍSTICA

GRADO EN INGENIERÍA MECÁNICA

GRADO EN INGENIERÍA QUÍMICA

ESTADÍSTICA DESCRIPTIVA
1 n
Media: X   xi
n i 1
1 n
1 n

Varianza: S  n  ( x i  X )   n  x i   X
2 2 2 2
Desviación Típica: S  S 2
i 1  i 1 
S
Coeficiente de Variación: CV  Rango Intercuartílico: RIQ= Q3-Q1
X
n

 (x
n
 X )3  (x
1
n i
1
n i  X )4
i 1
Coeficiente de asimetría: CA  Coeficiente de kurtosis: CK  i 1

S3 S4

Desigualdad de Chebychev para distribuciones de frecuencias:


fr x i  X  kS 
1
k 2

, o bien fr x i  X   kS  1  1
k 2
, k  0

X ( np )  X ( np 1)
Cuantiles: 0<p<1 Si np  N, p-cuantil= X (np 1) . Si np  N, p-cuantil= .
2

Diagrama de caja: Límite inferior: LI = Q1-1.5 (Q3-Q1) Límite superior: LS = Q3+1.5 (Q3-Q1)

CÁLCULO DE PROBABILIDADES
Reglas de Cálculo:
 Probabilidad de la unión de tres sucesos: Si A, B y C son sucesos cualesquiera, entonces
P(ABC) P(A) P(B) P(C) P(AB) P(AC) P(BC) P(ABC)
 Probabilidad de la intersección de tres sucesos (se generaliza a un número cualquiera de sucesos)
P( A1  A2  A3 )  P( A1 ) P A2  P 3 
A
 
 A1  A1 A2

 Sean A1, A2, ..., An sucesos que forman una partición de E. Supongamos que se conocen las
probabilidades P(Ai), i=1, 2, ... y P(B/Ai), i=1, 2, ...

 Regla de las probabilidades totales: P( B)   P ( A j ) P B 

A  j
j

P( Ai ) P B 
 Regla de Bayes: P Ai    Ai  .
 B  
j P( Aj ) P B Aj 

Parámetros poblacionales: Si X es una variable aleatoria:


=EX=  i xi pi (caso discreto) =EX=  xf ( x)dx (caso continuo)


 E(X2) (EX )2 con EX2=  i xi2 pi (discreto) ó EX2=  x 2 f ( x)dx (continuo)


Desigualdad de Chebyshev para v. a.: Si X es una v.a. con =EX y =DT(X), entonces para cada k>0:
1 1
P  X    k   2
y P  X    k   1 
k k 2

Formulario para el examen intermedio

 ESTADÍSTICA
GRADO EN INGENIERÍA MECÁNICA
GRADO EN INGENIERÍA QUÍMICA

 
Distribución Media Varianza Cálculo de probabilidades
Normal N()   X 
Si X N(),  N (0, 1) .

Si YN(), (x) = P(Y ≤ x), (-x) = 1 – (x).
Bernoulli B(p) p p(1-p)
Binomial b(n,p) np np(1-p) n
Si n pequeño directamente P ( X  k )    p k (1  p ) n  k .
k 
X  np aprox .
Si npq>5,  N ( 0, 1) . Hacer corrección por continuidad.
npq
Si n grande, p < 0.1 y 1 < np < 10, X  b(n, p )  (np ) .
Geométrica g(p) 1/p q/p2 P( X  k )  p(1  p) k 1 , k  1,2,...
Pascal P(r,p) r/p rq/p2 Si XP(r,p) e Y b(n,p), entonces P(X > n)=P(Y  r-1).
Poisson ( ) λ λ k
P( X  k )  e  k=0,1,2,…
k!
Si λ en el rango de las tablas, usar tablas.
X   aprox.
Si >5,  N ( 0,1) . Hacer corrección por continuidad.

Exponencial exp(λ) 1/λ 1/λ2  x
f ( x )  e , x  0
Si X   (r,  ) e Y (x), entonces P(X > x)=P(Y  r-1)
2
Gamma (r, ) r/λ r/λ
Uniforme U(a,b) (a+b)/2 (b-a)2/12 f ( x)  1 /(b  a), a  x  b

Combinaciones lineales de variables aleatorias:

 Si X1, ..., Xn son v.a.i.i.d. con EXi =     y Var(Xi)=  2   , para  Y  a 0  i 1 a i X i se tiene que
n

EY   Y  a 0  i 1 ai  i ,  Y   ai2 i2
n n
i 1

 Si XiN(ii), i=1,…,n variables independientes entonces

Y  a 0  i 1 ai X i  N  a 0  i 1 ai  i ,  ai2 i2 
n n n

 i 1


Teorema Central del Límite (TCL):

Si X1, ..., Xn son v.a. i.i.d. con media y varianza comunes     ,   2   , se tiene que para n  :
n

X  n
 
n aprox. i aprox .
X
i 1
i  N n ,  n ,  o bien     i 1

n
 N (0,1) . 

 X i  N  ,   , o bien    X
n aprox .
 aprox .
Xn   N (0,1)
1 n
n n 
i 1 n  

Formulario para el examen intermedio