Facultad de Ciencias Básicas

Departamento de Matemáticas
Área de Estadística
Elaborado por Diego Alexis Villada Cantor

Tablas de Frecuencias Medidas de Tendencia Central Conteo

Número de
I = d1 + 3.322logne(*) Datos no agrupados Datos agrupados Repetición
intervalos
Amplitud del Xmáx −Xmín 1
Pn 1
Pn
A= I (*) Media X = n i=i xi X ≈ n i=i fi xi Si No
intervalo
 n −F

Ajuste de 2 j−1
IA−(Xmáx −Xmín ) Me = Lij + Aj fj Donde
J = 2
Mediana Ordenados los datos Si nr nP r = Prn
distribución j es la clase mediana de la tabla
ascendentemente

Orden
n o
Me = 12 X n + X n +1 si n
2 2
es par o Me = X n+1 si n es
2
impar.
Mo =    
Ínfimo de la  fj −fj−1

n+r−1 n
Xmín − J Moda El dato más repetido o de Lij + Aj 2fj −fj−1 −fj+1 Donde j No nCr =
tabla r−1 r
mayor frecuencia en la es el intervalo de máxima frecuencia
muestra. Mo = máxfi
Supremo de la
Xmáx + J
tabla
Lis +Lsi
Xi = 2 donde i es el intervalo en

1
Marcas de Clase Medidas de Dispersión, Sesgo y Apuntamiento
cuestión
(*) se aproxima a la cifra significativa siguiente. Datos no agrupados Datos agrupados Probabilidad
q
1
PI 2
Conjuntos y Conteo Desviación q
1
PI 2
Sx = n−1 i=1 (xi − x) fi Ley de adición
Sx = n−1 i=1 (xi − x)
Regla de la Multiplicación: Sean A, B y C tres Estándar Donde I es el número de intervalos P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
situaciónes que pueden darse m, n y p formas distintas en la tabla de frecuencias y xi sus P (A ∩ B) = P (A) + P (B) − P (A ∪ B)
respectivamente. La sucesión simultánea de estos respectivas marcas de clase.
eventos se podrá dar de mnp formas distintas.
Cardinalidad de C (A ∪ B) = C (A) + C (B) − C (A ∩ B) 2 1
PI
Sx = n−1 i=1 (xi − x)2 fi Donde Ley del complemento
conjuntos C (A ∩ B) = C (A) + C (B) − C (A ∪ B) 2 1
PI 2
Varianza Sx = n−1 i=1 (xi − x) I es el número de intervalos en la
Ley del


C A0 = C (Ω) + C (A) tabla de frecuencias y xi sus P A0 = 1 − P (A)
complemento
respectivas marcas de clase
Factorial n! = n (n − 1) (n − 2) · · · 1 Probabilidad condicional
n n! P (A∩B)
Permutación n Pr = Pr = (n−r)! Asimetría Pn 3 Pn 3 P ( A| B) =
i=1 (xi −x) i=1 (xi −x) fi P (B)
n n!
AsX = AsX = nS 3
Combinación (Sesgo) nS 3 Ley de la multiplicación
n Cr = Cr = r!(n−r)!

Apuntamiento Pn 4 Pn 4 P (A ∩ B) = P (A) P ( A| B)
KX = i=1 (xi −x) KX = i=1 (xi −x) fi
(Curtosis) nS 4 nS 4 P (A ∩ B) = P (B) P ( A| B)
Ley de la Multiplicación (Eventos indep.)
P (A ∩ B) = P (A) P (B)
Covarianza y correlación Teorema de probabilidad total
Pn
i=1 (xi −x)(yi −y )


Covarianza Cov (x, y) = n−1 P (B) = P (A ∩ B) + P A0 ∩ B =



P (A) P ( B| A) + P A0 P B| A0
Pn
Correlación r= r i=1 (xi −x)(yi −y ) Teorema de Bayes
Pn P 
x −x)2 n (y −y )2
i=1 ( i i=1 i
P (A)P ( B|A)
P ( A| B) =
P (A)P ( B|A)+P (A0 )P ( B|A0 )
 Distribucionesdiscretas
 de probabilidad
p := Probabilidad de éxito n := n n−x
Binomial px (1 − p) E (X) = np V (X) = np (1 − p)
repeticiones del experimento  x 
p := probabilidad de éxitok := x−1 x−k k(1−p) k(1−p)
Binomial Negativa pk (1 − p) E (X) = p V (X) = p2
éxitos k−1
x−1 1−p 1−p
Geométrica p := probabilidad de éxito p (1 − p) E (X) = p V (X) = p2
  

k  N − k 
k := elementos característicos x n−x k kn k

 N −n 
Hipergeométrica n := elementos de la muestra   E (X) = N V (X) = N 1− N N −1
N := elementos de la población 
N 
n
e−λ λx
Poisson λ := Promedio histórico x! E (X) = λ V (X) = λ

Distribuciones de probabilidad
1
 continuas
B−A , A <x<B A+B (B−A)2
Uniforme [A, B] := límites del intervalo E (X) = 2 V (X) = 12
0 , en otro caso.
µ := promedio históricoσ 2 := 1 x−µ 2
Normal √ 1 e− 2 ( σ )
2πσ
E (X) = µ V (X) = σ 2
varianza histórica
x
1
 α−1 − β
α y β parámetros β α Γ(α) x e , x>0
Gamma ´ ∞ a−1 −xy E (X) = αβ V (X) = αβ 2
Γ (α) = 0 x e dx 0 , en otro caso.
 1 −x
e β , x>0
Exponencial β := promedio histórico β E (X) = β V (X) = β 2
0 , en otro caso.