Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Nombre Notación Definición Parámetro(s) Función de proba- Rango Función de distri- E(X) V ar(X)
bilidad bución acumulada
N = tamaño de la
población
N −M
M = elementos en la CxM Cn−x
Hipergeométrica HG(N, M, n) número de elementos x = máx{0, n + M − N } n.a nM nM N − M N − n
población que presentan N
Cn N N N N −1
que presentan la carac- , ..., mı́n{M, n}
la característica de interés
terística de interés en la
n = tamaño de la muestra
muestra
n = número de ensayos n x
Binomial Binomial(n, p) Número de éxitos en n Cx p (1 − p)n−x x = 0, 1, ..., n n.a np np(1 − p)
p = P (Éxito)
ensayos
1 1−p
Geométrica Geométrica(p) Número de ensayos p = P (Éxito) p(1 − p)x−1 x = 1, 2, ... 1 − (1 − p)x
hasta conseguir el p p2
primer éxito
e−µ µx
Poisson P oisson(µ) Número de eventos en µ = λt x = 0, 1, 2, ... n.a. µ µ
un intervalo de tama- x!
ño t. En un proceso
de Poisson con tasa de
ocurrencia λ.
1 1
Exponencial Exp(λ) En un proceso de Poisson con λ>0 λe−λx x>0 1 − e−λx
tasa de ocurrencia λ, es el tiem- λ λ2
po que transcurre hasta la ocu-
rrencia del primer evento
λα α−1 −λx α α
Gama Gama(α, λ) En un proceso de Poisson con α > 0, λ > 0 x e x>0 n.a.
tasa de ocurrencia λ, es el tiem- Γ(α) λ λ2
po que transcurre hasta la ocu-
rrencia del α-esimo evento
Γ(α + β) α−1 α αβ
Beta Beta(α, β) Distribución continua en el in- α > 0, β > 0 x (1 − x)β−1 0<x<1 n.a.
tervalo (0, 1) Γ(α)Γ(β) α+β (α + β)2 (α + β + 1)
1 (x−µ)2
−1
Normal N (µ, σ 2 ) Distribución simétrica conti- µ ∈ R, σ 2 > 0 √ e 2 σ2 x∈R n.a. µ σ2
nua en R 2πσ
2
1 −1 lnx−µ σ2 2 2
Log-Normal LN (µ, σ 2 ) Distribución continua para va- µ ∈ R, σ 2 > 0 √ e 2 σ x>0 n.a. eµ+ 2 (eσ − 1)e2µ+σ
lores positivos 2πσx
" 2 #
α α 1 1 1 2 1 1
Weibull W eibull(α, λ) Distribución continua para va- α > 0, λ > 0 αλα xα−1 e−(λx) x>0 1 − e−(λx) Γ 2Γ − Γ
lores positivos αλ α αλ2 α α α
−α(x−µ) −α(x−µ) γ π2
Valor Extremo V EI,máx (µ, α) Distribución asintótica para el µ ∈ R, α > 0 αe−α(x−µ) e−e x∈R e−e µ+
tipo I máximo α 6α2
" #
1 2
α µ α+1 −( µ )α −( µ
α 1 2
Valor Extremo V EII,máx (µ, α) Distribución asintótica para el µ > 0, α > 0 e x x>0 e x) µΓ 1 − 2
µ Γ 1− −Γ 1−
tipo II máximo µ x α α α
n.a.= no tiene forma analítica, Γ(a) = (a − 1)! si a es entero, γ = 0.5772 es la constante de Euler.
Intervalos de Confianza para la media µ
Población Varianza Tamaño de Intervalo
(σ 2 ) muestra (n) de confianza
Normal conocida cualquiera σ σ
X − z1− α2 √ , X + z1− α2 √
n n
Cualquiera conocida n ≥ 30
S S
Normal desconocida cualquiera X − t1− α2 ,n−1 √ , X + t1− α2 ,n−1 √
n n
S S
Cualquiera desconocida n ≥ 30 X − z1− 2 √ , X + z1− 2 √
α α
n n
σ12
Intervalo de Confianza para la razón de varianzas 2
σ2
Se asume que las muestras en cada población normal son tomadas de manera independiente
2
S12
S1 1 1
,
S22 F1−α/2,n1 −1,n2 −1 S22 Fα/2,n1 −1,n2 −1
Cualquiera conocidas n1 , n2 ≥ 30
r r
1 1 1 1
Normal desconocidas cualquiera X̄ − Ȳ − t1− α2 ,n1 +n2 −2 Sp + , X̄ − Ȳ + t1− α2 ,n1 +n2 −2 Sp +
n1s n2 n1 n2
pero iguales
(σ12 = σ22 ) (n1 − 1)S12 + (n2 − 1)S22
donde Sp =
n1 + n2 − 2
s s
S12 S22 S 2
1 S 2
Normal desconocidas cualquiera X̄ − Ȳ − t1− α ,ν + + 2
, X̄ − Ȳ + t1− α2 ,ν
2 n1 n2 n1 n2
pero diferentes
2
(σ12 6= σ22 )
2
S1 S22
+
n1 n2
donde los grados de libertad se aproximan por ν = 2 2
(S1 /n1 ) (S 2 /n2 )2
+ 2
n1 − 1 n2 − 1
s s
S12 S22 S12 S22
Cualquiera desconocidas n1 , n2 ≥ 30 X̄ − Ȳ − z1− α + , X̄ − Ȳ + z1− α2 +
2 n1 n2 n1 n2
Prueba de hipótesis para la media µ: H0 : µ = µ0
Población Varianza Tamaño de Estadı́stica H1 Región p-valor
(σ 2 ) muestra (n) de prueba crı́tica
σ12
Prueba de hipótesis para la razón de varianzas 2 : H0 : σ12 = σ22
σ2
Se asume que las muestras en cada población normal son tomadas de manera independiente
Estadı́stica H1 Región p-valor
de prueba crı́tica
σ12 6= σ22 F < Fα/2,n1 −1,n2 −1 o F > F1−α/2,n1 −1,n2 −1 2 mı́n {P (F > Fobs ), P (F < Fobs )}
S12
F = 2 ∼ F(n1 −1,n2 −1) σ12 > σ22 F > F1−α,n1 −1,n2 −1 P (F > Fobs )
S2 σ12 < σ22 F < Fα,n1 −1,n2 −1 P (F < Fobs )
2
desconocidas S12 S22 6 µ2
µ1 = |T | > t1− α2 ,ν 2P (T > |Tobs |)
X −Y n1 + n2
Normal pero diferentes cualquiera T =s ∼ t(ν), con ν = µ1 > µ2 T > t1−α,ν P (T > Tobs )
(S12 /n1 )2 (S22 /n2 )2
(σ12 6= σ22 ) S12 S2 n1 −1 + n2 −1
µ1 < µ2 T < tα,ν P (T < Tobs )
+ 2
n1 n2
X −Y 6 µ2
µ1 = |Z| > z1− α2 2P (Z > |Zobs |)
Cualquiera desconocidas n1 , n2 ≥ 30 Z=s ∼ N (0, 1) µ1 > µ2 Z > z1−α P (Z > Zobs )
S12 S2
+ 2 µ1 < µ2 Z < zα P (Z < Zobs )
n1 n2
Donde Zobs , Tobs , Wobs y Fobs representan el valor observado en la muestra de las estadı́sticas de prueba Z, T , W y F respectivamente.
Intervalos de Confianza y Pruebas de hipótesis para la media µ
Se considera que el vector x contiene los valores de la muestra, que sigma es la desviación estándar conocida si fuera
el caso y mu0 es el valor µ en la hipótesis nula.
Población Varianza Tamaño de R
(σ 2 ) muestra (n)
require(BSDA)
Normal conocida cualquiera # Intervalo de Confianza
z.test(x,sigma.x=sigma,conf.level=0.95)
# Prueba de Hipótesis
Cualquiera conocida n ≥ 30 z.test(x,sigma.x=sigma,mu=mu0,alternative = "two.sided")
# Intervalo de Confianza
t.test(x,conf.level=0.95)
# Prueba de Hipótesis
Normal desconocida cualquiera t.test(x,mu=mu0,alternative = "two.sided")
require(BSDA)
# Intervalo de Confianza
z.test(x,sigma.x=sd(x),conf.level=0.95)
# Prueba de Hipótesis
Cualquiera desconocida n ≥ 30 z.test(x,sigma.x=sd(x),mu=mu0,alternative = "two.sided")
requiere(DescTools)
# Intervalo de Confianza
VarTest(x,conf.level=0.95)
# Prueba de Hipótesis
VarTest(x,sigma.squared=sigma_2_0,alternative = "two.sided")
# Intervalo de Confianza
requiere(DescTools)
BinomCI(x,n,conf.level = 0.95,method="wald")
# Prueba de Hipótesis
prop.test(x,n,p=p0,alternative="two.sided",correct=FALSE)
Intervalos de Confianza y Prueba de Hipótesis para la diferencia de medias µ1 − µ2
Se considera que x e y son dos vectores con los valores de las muestras de cada población, sigma1 y sigma2 son las deviaciones estándar poblaciones en caso sean conocidas,
y d0 es el valor de la diferencia de medias (usualmente se considera d0=0).
Población Varianzas Tamaño de Intervalo
(σ12 y σ22 ) muestra (n1 y n2 ) de confianza
require(BSDA)
Normal conocidas cualquiera
# Intervalo de Confianza
z.test(x,y,sigma.x=sigma1,sigma.y=sigma1,conf.level=0.95)
# Prueba de Hipótesis
Cualquiera conocidas n1 , n2 ≥ 30 z.test(x,y,sigma.x=sigma1,sigma.y=sigma1,mu=d0,alternative = "two.sided")
# Intervalo de Confianza
Normal cualquiera t.test(x,y,conf.level=0.95,var.equal = TRUE)
desconocidas pero # Prueba de Hipótesis
iguales (σ12 = σ22 ) t.test(x,y,var.equal = TRUE,mu=d0,alternative = "two.sided")
# Intervalo de Confianza
Normal desconocidas pero cualquiera t.test(x,y,conf.level=0.95,var.equal = FALSE)
diferentes # Prueba de Hipótesis
(σ12 6= σ22 ) t.test(x,y,mu=d0,alternative = "two.sided")
require(BSDA)
Cualquiera desconocidas n1 , n2 ≥ 30 # Intervalo de Confianza
z.test(x,y,sigma.x=sd(x),sigma.y=sd(y),conf.level=0.95)
# Prueba de Hipótesis
z.test(x,y,sigma.x=sd(x),sigma.y=sd(y),mu=d0,alternative = "two.sided")