n=num.

De Estimaciones de diferencia entre 2 medias poblacionales

elem. de la Estimaciones
Vmax  Vmin muestra *Distr. Normal estándar 1   2  0
I 
1  3.322 Logn -se conoce  Caso I (se conocen  y  o n1 , n 2  30
1
2 2
2
- n  30 Int. Confianza
Nùmero.de.clases  n
 12  22
Lsup  Linf
-Estimado punto x  
-E. puntual S  
x 1  x 2  z   
x ..........  ......
2 n1 n 2
2 s
I  Ls  Li xz Caso II (se desconocen  12 y  22 y además  12   22
Dato Na n Significancia
1 2
Dato agrupado
xz
r  
100  Niveldeconfianza
100
1 2 x  x   t  Sp  
Medidas de Centralización n 2 n1 n2


x x
x *Distr. t student Sp 
 n1  1 S12   n2  1  S 22
N n -se desconoce  n1  n 2

 Fx x
 fx - n30 gL  V  n1  n2  2
N n s gL=n-1
xt Caso II (se desconocen  12 y  22 y además  12   22
n 
Mediana: centro conj.  *para
S12 S 22
Me  X  n 1 *Error estándar de la estimación
t
2
 x 1  x 2   t 2 
  
2 2 s
n1 n2 ... 1   2 ...
n E t
 FA n 2
Me  Li  2 (i ) s Intervalo de confianza para proporción poblacional  S12   S 22 
F Ez
n x     
p  n1   n2 
gL  V  2 
Moda: *Estimado puntual
-se repite más n
-(x) mayor frecuencia numero.de.exitos.en.la.muestra  S1  1   S 22 
proporcion       
numero.total.de.datos.en.la.muestra n
 
Diferencia
1  n
entre 
dos
1 1   n2  n 2
proporciones
*Estimar mediante intervalo de confianza poblacionales
Medidas de Dispersión -Si n  30 -Si n30 P1  P2
R  Vmax  Vmin p 1  p  p 1  p  p1 q1 p 2 q
pz pt  p1  p2   z 
R  Ls (clase. final )  Li (clase  inicial ) n n n1 n2
-Si N es un dato conocido
Desviación media N n
DM 
 xm DM 
 xx N 1
..... p .....

N n -Tamaño de la muestra p 1  p 
Ez
DM 
 f x  m  DM 
 f xx  z 2  p 1  p  n
n
n
N E2 N
n
Varianza (poblacional) Varianza (muestra)
E  N  1
2
1
x
2
2
 nx z 2 p 1  p 
Intervalo de confianza para
 
2  x 2  Nm 2 S 2
 la pendiente de la recta
n 1 t  S yx
N Análisis de Correlación y Regresión
  x  x b
 x 
2

 ( x  m) 2 S2  n xy   x y 2
  r x
2
n 1
2

N n x 2    x   n y 2    y 
  f  x  x 
2
2
2
n
 x 2
S2 
......b.........
x 2

N
n 1
-Coeficiente de determinación
Cd  r 2
 
2

N  x 2
-Ec. Recta de regresión -Para estimar un intervalo d conf.
x 
 
2

f  x  
2
n y   a  bx
S2 
2 
N n 1 n  xy    x  y
b Caso General
  fx  2   fx  2
n x 2    x 
2

 2    fx 2    fx 2

n
N S  2

n 1 a
y bx
Desviación estándar n n o
Con
  2
y   t  S yx
1

 x  x 2
S S2 Con gL 
nn  2   x 2 Intervalo de


predicción
x 2
Caso particular
Para prueba hipótesis n
N=población (parámetros)
 y  y en la
Ho:p=o(correlacion  y 2  a   y  b  xy 
2
n= muestras (estadísticos) v n  2
yx 
S población ..........t ...S yx  2 ....gL  n  2 ... y ...
es nula)
n2 1 r n2

  x  x
2
1
y  t  S 1 