Formulario

Función de distribución acumulada – Distribución Gamma

 Distribuciones Discretas

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

r = número de éxitos x−1 r r r(1 − p)

Binomial Negativa BinomialN (r, p) Número de ensayos Cr−1 p (1 − p)x−r x = r, r + 1, ... n.a.
p = P (Éxito) p p2
hasta conseguir el
r-ésimo 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.

n.a.= no tiene forma analítica.

 Distribuciones Continuas
Nombre Notación Definición Parámetro(s) Función de densidad Rango Función de dis- E(X) V ar(X)
tribución acu-
mulada

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

1 x−a a+b (b − a)2

Uniforme U nif (a, b) Distribución continua, unifor- a < b, a, b ∈ R a<x<b
me en el intervalo (a, b) b−a b−a 2 12

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

Intervalo de Confianza para la varianza σ 2

Para una población normal " #
(n − 1)S 2 (n − 1)S 2
,
χ21− α ,n−1 χ2α ,n−1
2 2

Intervalo de Confianza para la proporción p

Para un tamaño de muestra suficientemente grande (n ≥ 30)
" r r #
p̄(1 − p̄) p̄(1 − p̄)
p̄ − z1− α2 , p̄ + z1− α2
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

Intervalo de Confianza para la diferencia de proporciones p1 − p2

Se asume que las muestras en cada población son tomadas de manera independiente y que los tamaños
de muestra son suficientemente grandes (n1 , n2 ≥ 30)
 s s 
p̄ 1 (1 − p̄ 1 ) p̄ (1 − p̄ ) p̄ 1 (1 − p̄ 1 ) p̄ (1 − p̄ )
p̄1 − p̄2 − z1− α + 2 2
, p̄1 − p̄2 + z1− α2 + 2 2 
,
2 n1 n2 n1 n2
Intervalos de Confianza para la diferencia de medias µ1 − µ2
Se asume que las muestras en cada población son tomadas de manera independiente
Población Varianzas Tamaño de Intervalo
2 2
(σ1 y σ2 ) muestra (n1 y n2 ) de confianza
 s s 
σ 2 σ 2 σ 2 σ 2
Normal conocidas cualquiera 1
X̄ − Ȳ − z1− α + 2 , X̄ − Ȳ + z1− α2 1
+ 2
2 n1 n2 n1 n2

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

Normal conocida cualquiera µ 6= µ0 |Z| > z1− α2 2P (Z > |Zobs |)

X − µ0 µ > µ0 Z > z1−α P (Z > Zobs )
Z= √ ∼ N (0, 1)
σ/ n µ < µ0 Z < zα P (Z < Zobs )
Cualquiera conocida n ≥ 30

µ 6= µ0 |T | > t1− α2 ,n−1 2P (T > |Tobs |)

X − µ0
Normal desconocida cualquiera T = √ ∼ t(n − 1) µ > µ0 T > t1−α,n−1 P (T > Tobs )
S/ n µ < µ0 T < tα,n−1 P (T < Tobs )
µ 6= µ0 |Z| > z1− α2 2P (Z > |Zobs |)
X − µ0
Cualquiera desconocida n ≥ 30 Z= √ ∼ N (0, 1) µ > µ0 Z > z1−α P (Z > Zobs )
S/ n µ < µ0 Z < zα P (Z < Zobs )

Prueba de hipótesis para la varianza σ 2 : H0 : σ 2 = σ02

Para una población normal
Estadı́stica H1 Región p-valor
de prueba crı́tica
σ2 =6 σ02 2
W < χα/2,n−1 o W > χ21−α/2,n−1 2 mı́n {P (W > Wobs ), P (W < Wobs )}
(n − 1)S 2
W = ∼ χ2 (n − 1) σ > σ02
2
W > χ21−α,n−1 P (W > Wobs )
σ02
σ 2 < σ02 W < χ2α,n−1 P (W < Wobs )

Prueba de hipótesis para la proporción p: H0 : p = p0

Para un tamaño de muestra suficientemente grande (n ≥ 30)
Estadı́stica H1 Región p-valor
de prueba crı́tica
p̄ − p0 p 6= p0 |Z| > z1−α/2 2P (Z > |Zobs |)
Z=p ∼ N (0, 1) p > p0 Z > z1−α P (Z > Zobs )
p0 (1 − p0 )/n
p < p0 Z < zα P (Z < Zobs )

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 )

Prueba de hipótesis para la diferencia de proporciones p1 − p2 : H0 : p1 = p2

Se asume que las muestras en cada población son tomadas de manera independiente y que los tamaños de muestra son
suficientemente grandes (n1 , n2 ≥ 30)
Estadı́stica H1 Región p-valor
de prueba crı́tica
p̄1 − p̄2 n1 p̄1 + n2 p̄2
Z=s   ∼ N (0, 1) con p̄ = n + n 6 p2
p1 = |Z| < z1−α/2 2P (Z > |Zobs |)
1 1 1 2 p1 > p2 Z > z1−α P (Z > Zobs )
p̄(1 − p̄) +
n1 n2 p1 < p2 Z < zα P (Z < Zobs )
Prueba de hipótesis para la diferencia de medias µ1 − µ2 : H0 : µ1 = µ2
Se asume que las muestras en cada población son tomadas de manera independiente
Población Varianzas Tamaños de Estadı́stica H1 Región p-valor
(σ12 y σ22 ) muestra de prueba crı́tica
(n1 y n2 )

Normal conocidas cualquiera X −Y 6 µ2

µ1 = |Z| > z1− α2 2P (Z > |Zobs |)
Z=s ∼ N (0, 1) µ1 > µ2 Z > z1−α P (Z > Zobs )
σ12 σ22 µ1 < µ2 Z < zα P (Z < Zobs )
+
Cualquiera conocidas n1 , n2 ≥ 30 n1 n2

desconocidas X −Y (n1 − 1)S12 + (n2 − 1)S22 6 µ2

µ1 = |T | > t1− α2 ,n1 +n2 −2 2P (T > |Tobs |)
2
Normal pero iguales cualquiera T =s ∼ t(n 1 + n 2 − 2), con S p = µ1 > µ2 T > t1−α,n1 +n2 −2 P (T > Tobs )

1 1
 n1 + n2 − 2
(σ12 = σ22 ) Sp2 + µ1 < µ2 T < tα,n1 +n2 −2 P (T < Tobs )
n1 n2

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")

Intervalo de Confianza y Prueba de hipótesis para la varianza σ 2

Se considera que el vector x contiene los valores de la muestra, y sigma_2_0 es el valor σ 2 en la hipótesis nula.

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 y Prueba de hipótesis para la proporción p

Se considera que x es el número de éxitos, n el tamaño de muestra y p0 el valor de p en la hipótesis nula.

# 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")

Intervalo de Confianza y Prueba de hipótesis para la razón de varianzas σ12 /σ22

Se considera que x e y son dos vectores con los valores de las muestras de cada población y r es el valor de la razón de varianzas σ12 /σ22 en la hipótesis nula (usualmente se
asume r=1).
# Intervalo de Confianza
var.test(x,y,conf.level=0.95)
# Prueba de Hipótesis
var.test(x,y,ratio=r,alternative="two.sided")

Intervalo de Confianza y Prueba de hipótesis para la diferencia de proporciones p1 − p2

Se asume que x1 e x2 son el número de éxitos en cada muestra y que n1 y n2 son los tamaños de muestra.
# Intervalo de Confianza
requiere(DescTools)
BinomDiffCI(x1,n1,x2,n2,conf.level = 0.95,method="wald")
# Prueba de Hipótesis
prop.test(c(x1,x2),c(n1,n2),alternative="two.sided",correct=FALSE)