TAMAÑO DE CLASE

max-min C: número de clases

w
C

LA MEDIA ARITMÉTICA
Para datos sin agrupar Para datos agrupados
Media de la Muestra n
n  F  PM
 xi
i i
x i 1

x i 1
N
n
n
 F  PMi i

xi : valores de los elementos de la muestra  i 1

N
n: tamaño de la muestra Fi : Frecuencia de la clase i
Media de la población PM i : Punto medio de la clase i
N

x i
 i 1

N
xi : valores de los elementos de la
población
N: tamaño de la población

LA MEDIA PONDERADA
n

w x i i
xw : es la media ponderada
xw  i 1
n wi : es el peso asignado a cada
w
i 1
i observación
xi : es el elemento correspondiente
n : total de observaciones

LA MEDIA GEOMÉTRICA
tasa de crecimiento
Factor de crecimiento = 1 
100
Tasa de crecimiento = (factor de crecimiento – 1) *100

n
xg  n
x
i 1
i  n x1 x2 ..xn
 LA MEDIA ARMÓNICA
n
H n
1

i 1 xi

LA MEDIANA
n: tamaño de muestra
Para datos agrupados F: frecuencia acumulada anterior a la clase
mediana
   n  1 / 2   ( F  1)  fm: frecuencia de la clase mediana
m  w  lm w: ancho de clase.
 f 
 m  lm: Limite inferior de la clase mediana

Clase mediana: Clase que contiene el elemento mediano.

(n  1)
Elemento mediano: Elemento que está en la posición del conjunto de datos
2
ordenados.
Clase hasta: Clase anterior a la clase mediana

LA MODA
LI M : límite inferior de la clase modal
Para datos agrupados
d1 : frecuencia de la clase modal menos
la frecuencia de la clase anterior
 d1 
M  LI M  w   d2 : frecuencia de la clase modal menos
 d 1 d2  la frecuencia de la clase superior

VARIANZA Y DESVIACIÓN ESTÁNDAR

Población Población
Datos sin agrupar Datos agrupados
Varianza Varianza
 xi    F ( PM i   ) 2
2 N
2  i
N
 
2
N
i 1 N i 1
Desviación estándar
Desviación estándar: N
Fi ( PM i   ) 2
N
( xi   ) 2
  2   N
  2  
i 1 N
i 1

Muestra Muestra
Datos sin agrupar Datos agrupados
Varianza Varianza
Fi ( PM i  x) 2
n

 (x  x )
n
s 
2 2
i
s2  i 1 i 1 n 1
n 1
Desviación estándar Desviación estándar
 n
Fi ( PM i  x)2
n
 ( xi  x )2 s s   2

n 1
s  s2  i 1 i 1
n 1

EL COEFICENTE DE VARIACIÓN
Población Muestra
 s
Cv  (100) Cv  (100)
 X

PRINCIPIO BÁSICO DE CONTEO Y PERMUTACIONES

Principio Básico del conteo: Sea un evento Q1 que puede ocurrir de q1 maneras, un

evento Q2 que pueda ocurrir de q2 maneras,... y un evento Qn que puede ocurrir de

qn maneras. Entonces el suceso compuesto Q1Q2 ... Qn puede ocurrir q1q2...qn maneras.

Ordenaciones con repetición

n Or  nr

Factorial (n!) Permutaciones

n! n(n  1)(n  2)......1 Pr 
n!
= n(n  1)...(n  r  1)
(n  r )!
n

Combinaciones Permutaciones con objetos repetidos.

n! n!
Cr  n1 !n2 !...nk !
r !(n  r )!
n

PROBABILIDAD
Propiedades de la función de probabilidad
i) P(A)  0 ii) P(A)  1
iii) P(S)=1 iv) P(Ac)=1-P(A).
#A vi) P(  )=0
v) P(A)=
#S
vii) P( A  B)  P( A)  P( B) si viii) P( A  B)  P( A)  P( B)  P( A  B)
A B  

PROBABILIDAD CONDICIONAL
P( A  B)
P(A|B)=
P( B)

EVENTOS INDEPENDIENTES
P(E|F)=P(E)
P( E  F )  P( E ) P( F )
 TEOREMA DE BAYES
n
P( A | Bi ) P( Bi )
P( A)   P  A | Bi  P  Bi  P( Bi | A)  n
i 1
 P( A | B ) P( B )
i 1
i i

DISTRIBUCIÓN BINOMIAL
nr
P(r )  n Cr p q r P : probabilidad de éxito
q : probabilidad de fracaso

  np
  npq

DISTRIBUCIÓN DE HIPERGEOMÉTRICA
Cx Cn  x p(x) : probabilidad de x éxitos en n
p( x)  r N r
; 0 xr intentos
N Cn
n : número de intentos
N : número de elementos de la
población
r : número de elementos identificados
como éxitos en la población

DISTRIBUCIÓN DE POISSON
x 
 e x número de ocurrencias
p ( x)   promedio
x!

Si n  20 y p  .05 Poisson es una buena aproximación a la normal y en este caso, se

cumple que,

(np) x e  ( np )
P( x) 
x!

DISTRIBUCIÓN NORMAL
x x : valor de la variable aleatoria
z
  : media de la distribución
 : desviación estándar de la distribución

z: número de desviaciones estándar que

van desde x hasta la media de la
distribución

Teorema de Chebyshev: Para un conjunto cualquiera de observaciones

(muestra o población), la proporción mínima de los valores que se
encuentran dentro de k desviaciones estándares desde la media es al
menos 1 – 1/k2, donde k es una constante mayor que 1.
Regla empirica

Cuartiles
Formula General:

Para calcular el valor de uno de los cuatro Cuartiles, se utiliza la formula:

Qk = k (N/4)
En donde:
Qk = Cuartil número 1, 2, 3 ó 4
N = total de datos de la distribución.