Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Ingeniería
Cátedra de
Probabilidad y Estadística
FORMULARIO
Año 2022
Raimundo Sánchez A.
Formulario de Probabilidad y Estadística
Estadística descriptiva
∑𝐧𝐣=𝟏 𝐱 𝐣
Media aritmética 𝐱=
𝐧
∑k
j=1 fj xj
Para una distribución de frecuencias x =
∑k
j=1 fj
𝐍
−(∑ 𝐟)𝟏
𝟐
Mediana 𝐱̃ = 𝐋𝟏 + ( )𝐜
𝐟𝐦𝐞𝐝𝐢𝐚𝐧𝐚
𝚫𝟏
Moda 𝐱̂ = 𝐋𝟏 + ( )𝐜
𝚫𝟏 +𝚫𝟐
Media Geométrica 𝐆 = 𝐍√𝐱 𝟏 𝐱 𝟐 𝐱 𝟑 . . . 𝐱 𝐧
f f N f
Para una distribución de frecuencias G = N x⏟1 x1 … x1 x⏟2 x2 … x2 … x⏟k xk … xk = √x11 x22 … xkk
√
f1 veces f2 veces fk veces
𝐧
Media Armónica 𝐇= 𝟏
∑𝐧𝐣=𝟏
𝐱𝐣
𝐢
𝐍−(∑ 𝐟)𝟏
𝟒
Cuartiles, deciles y percentiles 𝐐𝐢 = 𝐋𝟏 + ( )𝐜
𝐟𝐐𝐈
𝐢
𝐍−(∑ 𝐟)𝟏
𝟏𝟎
𝐃𝐢 = 𝐋𝟏 + ( )𝐜
𝐟𝐃𝐢
𝐢
𝐍−(∑ 𝐟)𝟏
𝟏𝟎𝟎
𝐏𝐢 = 𝐋𝟏 + ( )𝐜
𝐟𝐏𝐢
∑𝐧𝐣=𝟏|𝐱 𝐣 −𝐱|
Desviación Media 𝐃𝐌 =
𝐧
∑k
j=1 j |xj −x|)
(f
Para una distribución de frecuencias DM =
n
𝐧 𝟐
∑𝐣=𝟏(𝐱 𝐣 −𝐱)
Desviación Típica 𝐬=√
𝐧
2
∑k
j=1[fj (xj −x) ]
Para una distribución de frecuencias s = √
n
Varianza v = s2
Probabilidad
Definición axiomática de la probabilidad
Si S es un espacio muestral y E un evento de S, entonces p(E) es una función de probabilidad sobre
S si satisface los siguiente axiomas:
1.– p(E) 0
2.– p(S) = 1
3.– Si, para los eventos E1, E2, , Ei Ej = i j, entonces p(E1 E2 ) = p(E1) + p(E1) + .
Para sucesos equiprobables:
h
p(E) = n; n = casos posibles ; h = casos favorables ; E, E1, E2, E3: sucesos
Sucesos independientes: p(E1 E2) = p(E1) × p(E2)
p(E1 E2 E3) = p(E1) × p(E2) × p(E3)
Sucesos dependientes p(E1 E2) = p(E1) × p(E2/E1)
p(E1 E2 E3) = p(E1) × p(E2/E1) × p(E3/(E1 E2))
Probabilidad de que ocurra E1 o E2 o ambos: p(E1 + E2) = p(E1) + p(E2) – p(E1 E2)
Sucesos mutuamente excluyentes: p(E1 ∩ E2) = 0 p(E1 + E2) = p(E1) + p(E2)
p(AEk )p(Ek )
Teorema de Bayes: p(Ek A) =
p(AE1 )p(E1 )+...+p(AEk )p(Ek )+...+p(AEn )p(En )
Distribuciones de Probabilidades
𝐧!
Distribución Binomial 𝐩(𝐱) = (𝐧𝐱)𝐩𝐱 𝐪𝐧−𝐱 = 𝐩𝐱 𝐪𝐧−𝐱
𝐱!(𝐧−𝐱)!
n = cantidad de ensayos
x = cantidad de éxitos (x = 0, 1, 2, ......, n)
n – x = cantidad de fracasos
p = es la probabilidad de éxito
q = es la probabilidad de fracaso = 1 – p
Propiedades
Media: μ = n p ; Desviación típica: σ = √npq
𝛌𝐱 𝐞−𝛌
Distribución de Poisson 𝐩(𝐱) =
𝐱!
λ = es una constante dada ( promedio a largo plazo de eventos para el tiempo de interés)
e = la base de los logaritmos naturales (e =2,71828..)
x = cantidad de éxitos (x = 0, 1, 2, ......)
Propiedades:
Media: μ = λ ; Desviación típica: σ = √λ
𝐍! 𝐗 𝐗 𝐗
Distribución Multinomial 𝐩(𝐱 𝟏 ; 𝐱 𝟐 ; … ; 𝐱 𝐊 ) = 𝐩𝟏 𝟏 𝐩𝟐 𝟐 … 𝐩𝐊𝐊
𝐗 𝟏 !𝐗 𝟐 ! …𝐗 𝐊 !
E1, E2, ..., EK, sucesos que ocurren con frecuencias p1, p2, ..., pK, respectivamente.
p(x1; x2; … ; xK) es la probabilidad de que E1, E2, ..., EK ocurran x1; x2; … ; xK.
N = x1; x2; … ; xK.
𝐳𝟐
−
𝐞 𝟐
Distribución Normal 𝐘=
√𝟐𝛑
𝐱−𝛍
variable tipificada: 𝐳 = 𝛔
b
z2
−
e 2
p( a < z < b ) = ∫ dz
√2π
a
x = evento favorable (éxito)
μ = media
e = la base de los logaritmos naturales (e =2,71828...)
π = 3,14159…
σ = desviación típica
σ2X̅1 σ2X̅2
μX̅1+X̅2 = μX̅1 + μX̅2 = μ1 + μ2 ; σX̅1+X̅2 = √σ2X̅1 + σ2X̅2 =√ +
N1 N2
(Muestras de una población infinita o muestreo con reposición de una población finita)
1, 1: media y desviación típica de la población 1
2, 2: media y desviación típica de la población 2
μX̅1 , σX̅1 : media y desviación típica de la distribución de muestreo de medias de la población 1
μX̅2 , σX̅2 : media y desviación típica de la distribución de muestreo de medias de la población 2
N1: tamaño de la muestra (población 1) ; N2: tamaño de la muestra (población 2)
Si N1 y N2 30, se distribuyen según distribución normal
p1 q1 p2 q2
μp1−p2 = μp1 − μp2 = p1 − p2 ; σp1−p2 = √σ2p1 + σ2p2 = √ +
N1 N2
p1 q1 p2 q2
μp1+p2 = μp1 + μp2 = p1 + p2 ; σp1+p2 = √σ2p1 + σ2p2 = √ +
N1 N2
(Muestras de una población infinita o muestreo con reposición de una población finita)
μp1 , σp1 : media y desviación típica de la distribución de muestreo de proporciones de la población 1
μp2 , σp2 : media y desviación típica de la distribución de muestreo de proporciones de la población 2
p1: probabilidad de éxito de un suceso (de la población 1)
q1 = 1 – p1: probabilidad de no éxito de un suceso (de la población 1)
p2: probabilidad de éxito de un suceso (de la población 2)
q2 = 1 – p2: probabilidad de no éxito de un suceso (de la población 2)
N1: tamaño de la muestra de la población 1
N2: tamaño de la muestra de la población 2
Si N1 y N2 30 se distribuyen según distribución normal.
p1 q1 p2 q2
P1 + P2 ± zc 𝜎p1+p2 = P1 + P2 ± zc √ +
N1 N2
P1: proporción (probabilidad) de éxitos en la muestra de tamaño N1
P2: proporción (probabilidad) de éxitos en la muestra de tamaño N2
p1, p2: probabilidad de éxito de un suceso estimadas de P1 y P2 respectivamente
q1, q2: probabilidad de no éxito de un suceso q1 = 1 − p1 , q2 = 1 − p2
N1, N2: tamaño de las muestras
zc: coeficiente de confianza (del apéndice II)
Medias:
̅
X−μ
z= σ
√N
̅
X: media muestral
: media poblacional
: desviación típica poblacional
N: tamaño de la muestra
Proporciones
P−p
z=
√pq/N
P: proporción de éxitos en la muestra
p: proporción de éxitos en la población
σp = √pq/N: desviación típica poblacional
N : tamaño de la muestra
q=1–p
X−Np
si P = X / N, donde X es el número real de éxitos en una muestra, z se convierte en: z =
√pqN
Diferencias de medias
σ21 σ22 ̅ 1 −X
X ̅1
μX̅1−X̅2 = 0 y σX̅1−X̅2 = √ + donde z viene dada por z =
N1 N2 2 2
σ σ
√ 1+ 2
N1 N2
̅1 , X
X ̅ 2 : media muestral de población 1 y 2
1, 2: desviación típica poblacional de 1 y 2
N1, N2: tamaño de la muestra de la población 1 y 2
Diferencias de proporciones
1 1
μP1−P2 = 0 y σP1−P2 = √pq ( + ) donde p viene dada por
N N 1 2
N1 P1 +N2 P2
p= y q=1–p
N1 +N2
P1 −P2
la variable tipificada z viene definida por z =
σP1 −P2
P1 y P2 proporciones muestrales de dos grandes muestras de tamaños N1 y N2
∑(X − ̅
X) 2
s=√
N
GLtotal = n1 + n2 – 2 o total = 1 + 2
Distribución Chi-cuadrado
N s 2 (X1 − ̅X)2 + (X2 − ̅
X)2 + (X3 − ̅
X)2 +. . . . . +(XN − ̅
X) 2
χ2 = 2 =
σ σ2
: desviación típica poblacional
s: desviación típica muestral
N: tamaño de la muestra
Intervalos de confianza para 2
s√N s√N
Para el 95% de confianza <σ<
χ0,975 χ0,025
Grados de libertad = N – 1
𝟏 𝟐
Si 30: 𝟐𝐩 = (𝐳𝐩 + √𝟐 − 𝟏)
𝟐
Test de Chi-cuadrado
k
2
(o1 − e1 )2 (o2 − e2 )2 (ok − ek )2 (oi − ei )2
χ = + +. . . . + =∑
e1 e2 ek ei
i=1
oi: frecuencia observada
ei: frecuencia esperada
N: total de frecuencias y se cumple ∑ oj = ∑ ej = N
Grados de libertad = k – 1
Tablas de contingencia
k
(oi − ei )2
∑
ei
i=1
Grados de libertad = (k – 1)(h – 1) para tablas h × k
oi: frecuencia observada
ei: frecuencia esperada
AJUSTE DE CURVAS
Recta de mínimos cuadrados
Y = a0 + a1 X
las constantes a0 y a1 se obtienen resolviendo el sistema:
∑ Y = a0 N + a1 ∑ X
∑ YX = a0 ∑ X + a1 ∑ X 2
Correlación
Variación total: ∑(Y − ̅
Y) 2
Variación no explicada: ∑(Y − Yest )2
Variación explicada ∑(Yest − Y ̅)2
variación explicada ∑(Yest −Ȳ)2
Coeficiente de correlación r = ±√ = ±√ ∑(Y−Ȳ)2
variación total
ANÁLISIS DE VARIANZA
FACTOR ÚNICO
VARIACIÓN TOTAL
2 T2
V = ∑j,k Xjk −
ab
VARIACIÓN ENTRE TRATAMIENTOS
1 T2
VB = ∑j Tj2 −
b ab
VARIACIÓN DENTRO DE LOS TRATAMIENTOS
VW = V − VB
donde T es el total de los valores Xjk y Tj es el total de los valores en el tratamiento j-ésimo
PARA DOS FACTORES
VARIACIÓN TOTAL
2 T2
V = ∑j,k Xjk −
ab
VARIACIÓN RESIDUAL
2
VE = V − VR − VC − VI = ∑(Xjkl − Xjk• )
j,k,l
VARIACIÓN TOTAL
2 T2
V = VR + VC + VE + VI = ∑(Xjkl − ̅ 2
X) = ∑ Xjkl −
abc
j,k,l j,k,l
CUADROS PARA CÁLCULOS
Grados de Cuadrado
Variación F
libertad medio
Entre tratamientos VB
a–1 ŜB2 = ŜB2 /ŜW
2
VB a−1
Dentro de los tratamientos VW
a(b – 1) Ŝw
2
=
VW = V – VB a(b − 1)
Total
ab – 1
V
Grados de Cuadrado
Variación F
libertad medio
Entre tratamientos VB
a–1 ŜB2 = ŜB2 /ŜW
2
VB a−1
Dentro de los tratamientos VW
N–a Ŝw2
=
VW = V – VB N−a
Total
N–1
V