Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Datos originales xi Datos agrupados variable discreta Datos agrupados por intervalos
según sus frecuencias 𝒇𝒊; de clase 𝐈𝐢 , 𝐗𝐢
no agrupados
i=1,2,…,k (Marcas de Clase)
Media: 𝑛
𝑘 𝑘
∑ 𝑥𝑖 ∑ 𝑓𝑖 𝑘
∑ 𝑓𝑖 𝑥𝑖
𝑖=1
𝑥𝑖 ; 𝑛 = ∑ 𝑓𝑖 𝑖=1
𝑥̅ = 𝑥̅ = 𝑖=1 𝑥̅ =
𝑛 𝑖=1
𝑛
𝑛
Mediana: 𝑛
Ordenar los datos 𝑥𝑖 de mayor a menor o Me ∈ [𝐿𝑖; 𝐿𝑖+1[ ≤ 𝐹𝑖
viceversa 𝑛 2
𝑥 𝑛+1 𝑥(𝑖) [𝐹(𝑖−1) < < 𝐹(𝑖)] n
( ) ; 𝑛 𝑖𝑚𝑝𝑎𝑟 2 − Fi−1
2 2
Me = L + C ( )
Me = i
Me = 1 [𝑥 fi
1 (𝑖−1) + 𝑥(𝑖)] Cuando:
[𝑥(𝑛 ) + 𝑥(𝑛+1) ] ; 𝑛 𝑝𝑎𝑟 2
2 2 2 𝑛
[𝐹(𝑖−1) = < 𝐹(𝑖)]
2
Fi-1: Frecuencia acumulada
Fi-1: Frecuencia acumulada anterior anterior a la clase mediana
a la clase mediana
Moda:
Mo ∈ [𝐿𝑖; 𝐿𝑖+1[ fio mayor
Mo = Dato con Mo = Dato
d1
frecuencia Mo = Li + C ( )
con d1 + d2
más alta fi
frecuencia ∆
d1=
= f𝑓i 𝑖𝑜
−− 𝑓𝑖𝑜−1
fi−1
más alta fi d2 = fi − fi+1
Percentil: Percentil:
kn
Posición = k (n + 1) Pk ∈ [Li; Li+1[ ≤ Fi
100
100 kn i−1
100 −F )
𝑃 = L + C(
Pk = Li + parte decimal x (Ld – Li) 𝑘 i
∆1= 𝑓 − 𝑓𝑖𝑜−1 fi
𝑖𝑜
Fi-1: Frecuencia acumulada anterior
Varianza: 𝑛 𝑘 𝑘
Regla de Sturges :
k = 1 + 3 . 322 x Log ( n) ; k: número de intervalos de c
lase R = Xmax – Xmin; R: rango
c = R / k ; c : amplitud o ancho de c lase
PROBABILIDADES
PROBABILIDAD CONDICIONAL:
L a p r o b a bi l i d a d c o n d i c i o n a l d e l e v e n t o A d a d o q u e e l e v e n t o B
h a o c u r r i d o se e s c r i b e P ( A / B ) .
P( A
P( A / B) , P(B) 0
B)
P(B)
U n a c o n s e c u e n c i a d e l a d e f i n i c i ó n d e p ro ba b i l i d a d c o n d i ci o n a l e s :
P (A ∩ B) = P ( A)* P ( B / A) = P (B ∩ A) = P ( B)* P ( A/
TEOREMA DE LA PROBABILIDAD TOTAL:
P ( B ) = P ( B A 1 ) + P ( B A 2 ) + P( B A 3 ) + … + P( B
P ( B ) = P ( B / A 1) P ( A 1) + P ( B / A 2) P ( A 2) + P ( B / A 3) P ( A 3) + … + P ( B
TEOREMA DE BAY
ES:
𝑷(𝑨𝒊). 𝑷(𝑩/𝑨𝒊)
𝑷(𝑨𝒊/𝑩) =
𝑷(𝑩)
D I S T R I B U C I Ó N B I N O M I A L D E P R O B A B IL I D A D
𝒏
( )
𝒙 𝒏−𝒙
𝑷 𝑿=𝒙 = ( )𝒑 𝒒
𝒙
x= 0 , 1 , 2 , 3 , …
,n
x e s v a l o r de l a v a r i a b l e a l e at o r i a
DISTRIBUCIÓN DE POI
SSON
𝒆−𝝀𝝀𝒙
𝑷(𝑿 = 𝒙) =
𝒙!
Donde:
P ( X = x ) : E s l a p r o b a bi l i d a d d e o c u r r e n c i a c u a n d o l a v a r i a b l e di
screta X tomaun valor finito x.
λ : N ú m e r o p r o m e d i o d e o c u r r e n c i a s e s p e ra d a s p o r u n i d a d d e t i e
m p o o e s p a c i o . e : T i e n e u n v a l o r a p r o x i m a d o d e 2 . 71 82
x : E s e l n ú m e r o d e o c u r r e n c i a s ; x = 0 , 1, 2, 3 , …
D I S T R I B U C I Ó N N ORM A L
0
D I S T R I B U C I Ó N N ORM A L E S T Á N D
AR(Z):
y 2 1
FORMULARIO ESTADÍSTICA APLICADA PARA LOS NEGOCIOS
USO DE TABLAS:
Las tablas nos dan los valores de la función de distribución estándar:
Estandarización: X
X Z
Propiedad: 𝒔𝒊: 𝒁~𝑵(𝟎, 𝟏), entonces:
1. 𝑃(𝑍 ≤ 𝑎) = 𝑃(𝑍 ≤ 𝑎)
2. 𝑃(𝑍 ≥ 𝑎) = 1 − 𝑃(𝑍 < 𝑎)
3. 𝑃(𝑎 ≤ 𝑍 ≤ 𝑏) = 𝑃(𝑧 ≤ 𝑏) − 𝑃(𝑧 ≤ 𝑎)
𝑆 𝑆
Varianza poblacional desconocida y IC: 𝑋̅ − 𝑍 𝛼(1− ) ≤
√𝑛
𝜇 ≤ 𝑋̅ + 𝑍 𝛼
(1− )
tamaño de muestra grande (n≥30) 2 2
√𝑛
Estadísticos de prueba:
𝑋̅ − 𝜇
𝑍= 𝜎
Varianza poblacional conocida
√𝑛
𝑋̅ − 𝜇
𝑍=
Varianza poblacional desconocida y tamaño de muestra grande(n≥30) 𝑆
√𝑛
𝑋̅ −
𝜇
Varianza poblacional desconocida y tamaño de muestra pequeño(n<30) 𝑇𝑛−1 =
𝑆
√𝑛
Estadístico de Prueba:
𝑃−𝜋0
𝑍𝑐 = 𝜋 (1−𝜋 )
√ 0 𝑛 0
Estadístico de prueba
∑(𝑂𝑖 − 𝐸𝑖)2
𝑋𝐶 2 =
𝐸𝑖
𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎 ∗ 𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑙𝑢𝑚𝑛𝑎
𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎: (𝐸𝑖) =
𝐺𝑟𝑎𝑛 𝑇𝑜𝑡𝑎𝑙
𝑔𝑙 = (#𝑓𝑖𝑙𝑎𝑠 − 1)(#𝐶𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − 1)
𝑹𝒆𝒄𝒉𝒂𝒛𝒂𝒓 𝒉𝟎
𝑵𝒐 𝑹𝒆𝒄𝒉𝒂𝒛𝒂𝒓 𝒉𝟎
1−𝛼
𝛼
𝑋2(1−𝛼;𝑔𝑙)
Regresión Simple:
𝒀̂ = 𝖰𝟎 + 𝖰𝟏 𝑿
Donde:
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑
𝛽1 = 𝑌
,
𝑛 ∑ 𝑋2 − (∑ 𝑋)2
∑ 𝑌 − 𝛽1 ∑ 𝑋
𝛽0 =
𝑛
2. Coeficiente de correlación(r):
𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌)
𝑟=
√𝑛(∑ 𝑋2) − (∑ 𝑋)2 √𝑛(∑ 𝑌2) − (∑ 𝑌)2
(Yˆ Y )2
2
R
(Y Y )2
Nota: para el caso de una sola variable independiente: 𝑹𝟐 = 𝒓𝟐