FORMULARIO ESTADÍSTICA APLICADA PARA LOS NEGOCIOS

Datos originales xi Datos agrupados variable discreta Datos agrupados por intervalos
según sus frecuencias 𝒇𝒊 ; de clase 𝐈𝐢 , 𝐗 𝐢
no agrupados
i=1,2,…,k (Marcas de Clase)
Media: 𝑛
𝑘 𝑘
∑ 𝑥𝑖 ∑ 𝑓𝑖 𝑥𝑖 𝑘
∑ 𝑓𝑖 𝑥𝑖
𝑖=1
𝑖=1 ; 𝑛 = ∑ 𝑓𝑖 𝑖=1
𝑥̅ = 𝑥̅ = 𝑖=1 𝑥̅ =
𝑛 𝑛 𝑛
Mediana: 𝑛
Ordenar los datos 𝑥𝑖 de mayor a menor o Me ∈ [𝐿𝑖 ; 𝐿𝑖+1 [ ≤ 𝐹𝑖
2
viceversa 𝑛
𝑥(𝑖) [𝐹(𝑖−1) < < 𝐹(𝑖) ]
𝑥 𝑛+1 ; 𝑛 𝑖𝑚𝑝𝑎𝑟 2
( 2 ) n
− Fi−1
Me = Me = Li + C (2 )
Me = 1 [𝑥(𝑖−1) + 𝑥(𝑖) ] fi
Cuando:
1 [𝑥 + 𝑥(𝑛+1) ] ; 𝑛 𝑝𝑎𝑟
𝑛
(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 con

d1
frecuencia frecuencia Mo = Li + C ( )
d1 + d2
más alta fi más alta fi
d = fi − fi−1
∆11 = 𝑓𝑖𝑜 − 𝑓𝑖𝑜−1
d2 = fi − fi+1

Percentil: Percentil:
kn
Posición = k (n + 1) Pk ∈ [Li ; Li+1 [ 100
≤ Fi

100 kn
− Fi−1
𝑃𝑘 = Li + C ( 100 )
Pk = Li + parte decimal x (Ld – Li) fi
∆1 = 𝑓𝑖𝑜 − 𝑓𝑖𝑜−1
Fi-1: Frecuencia acumulada anterior
Varianza: 𝑛 𝑘 𝑘

∑(𝑥𝑖 − 𝑥̅ )2 ∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ ) 2
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2
𝑖=1 𝑖=1 𝑖=1
𝑆2 = 𝑆2 = 𝑆2 =
𝑛−1 𝑛−1 𝑛−1
2 −1
Ó ∑ 𝑥2𝑖 − (∑ 𝑥𝑖 ) /𝑛 Ó Ó
2
2 ̅2
∑ 𝑥𝑖 𝑓𝑖 − 𝑛𝑋 ̅
∑ 𝑥2𝑖 𝑓𝑖 − 𝑛𝑋
𝑆2 = 𝑆2 = 𝑆2 =
𝑛−1 𝑛−1 𝑛−1

Desviación estándar:
𝑆 = √𝑆 2 ; S>0 𝑆 = √𝑆 2 ; S>0 𝑆 = √𝑆 2 ; S>0
 FORMULARIO ESTADÍSTICA APLICADA PARA LOS NEGOCIOS

Coeficiente de Variación:
𝑆 𝑆 𝑆
𝐶𝑉 = . 100% ; 0 < 𝐶𝑉 < 100% 𝐶𝑉 = . 100% ; 0 < 𝐶𝑉 < 100% 𝐶𝑉 = . 100% ; 0 < 𝐶𝑉 < 100%
𝑥̅ 𝑥̅ 𝑥̅

CV < 10% -> Implica DATOS HOMOGÉNEOS

10% ≤ CV ≤ 30% -> Implica DATOS VARIABLES
CV > 30% -> Implica DATOS HETEROGÉNEOS

R e g l a d e S t u r ge s :
k = 1 + 3.322 x Log (n) ; k: número de intervalos de clase
R = Xmax – Xmin; R: rango
c = R / k ; c : a m p l i tu d o a n c h o d e c l a s e

PROBABILIDADES

PROBABILIDAD CONDICIONAL:
La probabilidad condi cional del evento A dado que el evento B ha ocur rido se
escribe P(A /B).

P( A  B)
P( A / B)  , P( B)  0
P( B)
Una consecuencia de la definición de probabilidad condicional es:
P (A ∩B) = P (A)*P (B/A) = P (B ∩ A) = P (B)*P (A/B)

TEOREMA DE LA PROBABILIDAD TOTAL:

P(B) = P(B  A1) + P(B  A2) + P( B  A3) + … + P( B  An)

P(B) = P(B/A1)P(A1) + P(B/A2)P(A2) + P(B/A3)P(A3) + … + P(B/An)P(An)

TEOREMA DE BAYES:
𝑷(𝑨𝒊 ). 𝑷(𝑩/𝑨𝒊 )
𝑷(𝑨𝒊 /𝑩) =
𝑷(𝑩)

DISTRIBUCIÓN BINOMIAL DE PROBABILIDAD

𝒏
𝑷(𝑿 = 𝒙) = ( ) 𝒑𝒙 𝒒𝒏−𝒙
𝒙
x=0, 1, 2, 3,…,n
x es valor de la variable aleatoria

DISTRIBUCIÓN DE POISSON
𝒆−𝝀 𝝀𝒙
𝑷(𝑿 = 𝒙) =
𝒙!
Donde:
P(X=x): Es la probabilidad de ocurrencia cuando la variable discreta X toma
un valor finito x.
λ: Número promedio de ocurrencias esperadas por unidad de tiempo o espaci o.
e: Tiene un valor aproximado de 2.71 82
x: Es el número de ocurrencias; x=0, 1, 2, 3,…

DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN NORMAL ESTÁNDAR(Z):  0 y  2 1

USO DE TABLAS:
 FORMULARIO ESTADÍSTICA APLICADA PARA LOS NEGOCIOS

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)

Intervalos de confianza para media de una población:

𝜎 𝜎
Varianza poblacional conocida IC: 𝑋̅ − 𝑍(1−𝛼) ≤ 𝜇 ≤ 𝑋̅ + 𝑍(1−𝛼)
2 √𝑛 2 √𝑛

Varianza poblacional desconocida y 𝑆 𝑆

IC: 𝑋̅ − 𝑍(1−𝛼) ≤ 𝜇 ≤ 𝑋̅ + 𝑍(1−𝛼)
tamaño de muestra grande (n≥30) 2 √𝑛 2 √𝑛

Varianza poblacional desconocida y 𝑆 𝑆

tamaño de muestra pequeño (n<30) 𝑋̅ − 𝑇(1−𝛼,𝑛−1) ≤ 𝜇 ≤ 𝑋̅ + 𝑇(1−𝛼,𝑛−1)
2 √𝑛 2 √𝑛

Prueba de hipótesis para la media de una población:

𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 ≥ 𝜇0 𝐻0 : 𝜇 ≤ 𝜇0

𝐻1 : 𝜇 ≠ 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝐻1 : 𝜇 > 𝜇0

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
𝑇𝑛−1 =
𝑆
Varianza poblacional desconocida y tamaño de muestra pequeño(n<30)
√𝑛

Intervalos de confianza para la proporción de una población:

𝑝𝑞 𝑝𝑞
𝑝 − 𝑍(1−𝛼) √ < 𝜋 < 𝑝 + 𝑍(1−𝛼) √
2 𝑛 2 𝑛
Prueba de hipótesis para la proporción de una población:

𝐻0 : 𝜋 = 𝜋0 𝐻0 : 𝜋 ≥ 𝜋0 𝐻0 : 𝜋 ≤ 𝜋0

𝐻1 : 𝜋 ≠ 𝜋0 𝐻1 : 𝜋 < 𝜋0 𝐻1 : 𝜋 > 𝜋0
 FORMULARIO ESTADÍSTICA APLICADA PARA LOS NEGOCIOS

𝑃−𝜋0
Estadístico de Prueba: 𝑍𝑐 =
𝜋 (1−𝜋0 )
√ 0
𝑛

Prueba de Independencia y Prueba de Homogeneidad Chi-cuadrado

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
𝑋 2 (1−𝛼;𝑔𝑙 )
Regresión Simple:

1. Modelo de regresión lineal simple estimado:

̂ = 𝜷𝟎 + 𝜷𝟏 𝑿
𝒀
Donde:

𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝛽1 = ,
𝑛 ∑ 𝑋 2 − (∑ 𝑋)2

∑ 𝑌 − 𝛽1 ∑ 𝑋
𝛽0 =
𝑛

2. Coeficiente de correlación(r):
𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌)
𝑟=
√𝑛(∑ 𝑋 2 ) − (∑ 𝑋 )2 √𝑛(∑ 𝑌 2 ) − (∑ 𝑌 )2

3. Coeficiente de determinación (𝑹𝟐 ):

(Yˆ  Y ) 2
R  2

(Y  Y ) 2
Nota: para el caso de una sola variable independiente: 𝑹𝟐 = 𝒓𝟐