FORMULARIO EXAMEN

ESTADÍSTICA UNIDIMENSIONAL
Datos No Agrupados Datos Agrupados
𝑛 𝑛 𝑛
∑𝑖=1 𝑥𝑖 𝑛𝑖 ∑𝑖=1 𝑥𝑖
Media 𝑥̅ = = ∑ 𝑥𝑖 𝑓𝑖 =
𝑁 𝑁
𝑖=1
∑𝑛𝑖=1 𝑥𝑖2 𝑛𝑖 ∑𝑛𝑖=1 𝑥𝑖2
Varianza 𝑠2 = − 𝑥̅ 2 = − 𝑥̅ 2
𝑁 𝑁
Desviación
típica 𝑠 = √𝑠 2
Coeficiente 𝑠
Variación 𝐶𝑉 =
Pearson 𝑥̅
𝑁 𝑁
⟹ 𝑇𝑜𝑚𝑜 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 (𝐿𝑖 , 𝐿𝑖+1 ] 𝑐𝑜𝑛 𝑁𝑗 >
𝑁 𝑁 2 2
Mediana ⟹ 𝑀𝑒 = 𝑥𝑗 𝑐𝑜𝑛 𝑁𝑗 > 𝑁
2 2 − 𝑁𝑖−1
𝑀𝑒 = 𝐿𝑖 + 2 · 𝑎𝑖
𝑛𝑖
𝑘𝑁 𝑘𝑁
⟹ 𝑇𝑜𝑚𝑜 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 (𝐿𝑖 , 𝐿𝑖+1 ] 𝑐𝑜𝑛 𝑁𝑗 >
4 4
𝑘𝑁 𝑘𝑁 𝑘𝑁
Cuartiles ⟹ 𝑄𝑘 = 𝑥𝑗 𝑐𝑜𝑛 𝑁𝑗 > − 𝑁𝑖−1
4 4 𝑄𝑘 = 𝐿𝑖 + 4 · 𝑎𝑖
𝑛𝑖
𝑘𝑁 𝑘𝑁
⟹ 𝑇𝑜𝑚𝑜 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 (𝐿𝑖 , 𝐿𝑖+1 ] 𝑐𝑜𝑛 𝑁𝑗 >
10 10
𝑘𝑁 𝑘𝑁 𝑘𝑁
Deciles ⟹ 𝐷𝑘 = 𝑥𝑗 𝑐𝑜𝑛 𝑁𝑗 > − 𝑁𝑖−1
10 10 𝐷𝑘 = 𝐿𝑖 + 10 · 𝑎𝑖
𝑛𝑖
𝑘𝑁 𝑘𝑁
⟹ 𝑇𝑜𝑚𝑜 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 (𝐿𝑖 , 𝐿𝑖+1 ] 𝑐𝑜𝑛 𝑁𝑗 >
100 100
𝑘𝑁 𝑘𝑁 𝑘𝑁
Percentiles ⟹ 𝑃𝑘 = 𝑥𝑗 𝑐𝑜𝑛 𝑁𝑗 > − 𝑁𝑖−1
100 100 𝑃𝑘 = 𝐿𝑖 + 100 · 𝑎𝑖
𝑛𝑖
𝑇𝑜𝑚𝑜 𝑒𝑙 𝐼𝑀𝑜𝑑𝑎𝑙 = (𝐿𝑖 , 𝐿𝑖+1 ]𝑐𝑜𝑛 𝑚𝑎𝑦𝑜𝑟 𝑛𝑗
𝑛𝑖 − 𝑛𝑖−1
𝑀𝑜 = 𝐿𝑘 + ·𝑎
2𝑛𝑖 − 𝑛𝑖−1 − 𝑛𝑖+1 𝑖

Intervalos de amplitud diferente

Moda 𝑀𝑜 = 𝑥𝑗 𝑐𝑜𝑛 𝑚𝑎𝑦𝑜𝑟 𝑛𝑗 𝑛𝑖
𝑇𝑜𝑚𝑜 𝑒𝑙 𝐼𝑀𝑜𝑑𝑎𝑙 = (𝐿𝑖 , 𝐿𝑖+1 ]𝑐𝑜𝑛 𝑚𝑎𝑦𝑜𝑟 𝐼𝑖 =
𝑎𝑖

𝐼𝑖 − 𝐼𝑖−1
𝑀𝑜 = 𝐿𝑖 + ·𝑎
2𝐼𝑖 − 𝐼𝑖−1 − 𝐼𝑖+1 𝑖
𝑅𝑒 𝑅𝐼
Recorridos 𝑅𝑒 = max 𝑥𝑖 − min 𝑥𝑖 𝑅𝐼 = 𝑄3 − 𝑄1 𝑅𝑟 = 𝑅𝑟 =
|𝑥̅ | 𝑄3 + 𝑄1
𝑥̅ − 𝑀𝑜 ∑𝑘𝑖=1(𝑥𝑖 − 𝑥)3 · 𝑛𝑖
Asimetría 𝐴𝑃 = 𝐴𝐹 =
𝑠 𝑁𝑠 3
∑𝑘𝑖=1(𝑥𝑖 − 𝑥)4 · 𝑛𝑖
Curtosis 𝐾= −3
𝑁𝑠 4

ESTADÍSTICA BIDIMENSIONAL
∑𝑘 ∑𝑙 𝑥 𝑦 𝑛 ∑𝑘𝑖=1 𝑥𝑖 𝑦𝑖
Covarianza 2 = 𝑖=1 𝑗=1 𝑖 𝑗 𝑖𝑗 − (𝑥̅ · 𝑦
𝑠𝑥𝑦 ̅) = − (𝑥̅ · 𝑦̅)
𝑁 𝑁
2
𝑠𝑥𝑦
Recta regresión y sobre x 𝑦 = 𝑎 + 𝑏𝑥 𝑐𝑜𝑛 𝑏 = 2 𝑦 𝑎 = 𝑦̅ − 𝑏𝑥̅
𝑆𝑥
2
𝑠𝑥𝑦
Recta regresión x sobre y 𝑥 = 𝑎′ + 𝑏′𝑦 𝑐𝑜𝑛 𝑏′ = 2 𝑦 𝑎′ = 𝑥̅ − 𝑏′𝑦̅
𝑆𝑦
2
𝑆𝑥𝑦
Coeficiente de correlación
𝑟= = ±√𝑏 · 𝑏′ 𝑒𝑙𝑖𝑔𝑖𝑒𝑛𝑑𝑜 𝑒𝑙 𝑠𝑖𝑔𝑛𝑜 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎
lineal 𝑆𝑥 · 𝑆𝑦
Coeficiente de determinación 𝑅2 = 𝑏 · 𝑏′
 PROBABILIDAD
Leyes de
Morgan 𝐴∪𝐵 =𝐴∩𝐵 𝐴∩𝐵 =𝐴∪𝐵

Probabilidad de 𝑛ú𝑚𝑒𝑟𝑜 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

𝑃(𝐴) =
Laplace 𝑛ú𝑚𝑒𝑟𝑜 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
𝑃(𝐴̅) = 1 − 𝑃(𝐴)
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
𝑃(𝛺) = 1 𝑦 𝑃(∅) = 0
Propiedades de
0 ≤ 𝑃(𝐴) ≤ 1
la probabilidad
𝑆𝑖 𝐴 ⊂ 𝐵 → 𝑃(𝐴) ≤ 𝑃(𝐵)
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴|𝐵) · 𝑃(𝐵)
𝑆𝑖 𝐴 𝑦 𝐵 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 ⇒ 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) · 𝑃(𝐵)

Probabilidad 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴|𝐵) =
Condicionada 𝑃(𝐵)
Tma. 𝑛

Probabilidad 𝑃(𝐵) = ∑ 𝑃(𝐴𝑖 ) · 𝑃(𝐵|𝐴𝑖 )

Total 𝑖=1

Tma. Bayes 𝑃(𝐴𝑗 ) · 𝑃(𝐵|𝐴𝑗 )

𝑃(𝐴𝑗 |𝐵) = 𝑛
∑𝑖=1 𝑃(𝐴𝑖 ) · 𝑃(𝐵|𝐴𝑖 )

VARIABLES ALEATORIAS
V. DISCRETA V.CONTINUA
𝑥
Función de 𝐹(𝑥𝑖 ) = 𝑃(𝑋 ≤ 𝑥𝑖 ) = ∑ 𝑓(𝑡) 𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∫ 𝑓(𝑡)𝑑𝑡
Distribución 𝑡≤𝑥𝑖 −∞
𝑃(𝑥 ≤ 𝑎) = 𝐹(𝑎)
𝑃(𝑥 ≤ 𝑎) = 𝐹(𝑎)
𝑃(𝑥 < 𝑎) = 𝐹(𝑎)
𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = 𝐹(𝑏) − 𝐹(𝑎 − 1) 𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = 𝐹(𝑏) − 𝐹(𝑎)
Probabilidades 𝑃(𝑎 < 𝑥 ≤ 𝑏) = 𝑃(𝑎 ≤ 𝑥 < 𝑏) = 𝐹(𝑏) − 𝐹(𝑎) 𝑃(𝑎 < 𝑥 ≤ 𝑏) = 𝐹(𝑏) − 𝐹(𝑎)
con F.
𝑃(𝑎 ≤ 𝑥 < 𝑏) = 𝐹(𝑏) − 𝐹(𝑎)
Distribución 𝑃(𝑎 < 𝑥 < 𝑏) = 𝐹(𝑏) − 𝐹(𝑎 + 1)
𝑃(𝑎 < 𝑥 < 𝑏) = 𝐹(𝑏) − 𝐹(𝑎)
𝑃(𝑥 > 𝑎) = 1 − 𝐹(𝑎)
𝑃(𝑥 > 𝑎) = 1 − 𝐹(𝑎)
𝑃(𝑥 ≥ 𝑎) = 1 − 𝐹(𝑎)
+∞
Esperanza 𝐸(𝑋) = 𝜇 = ∑ 𝑥 · 𝑓(𝑥) 𝐸(𝑋) = 𝜇 = ∫ 𝑥 · 𝑓(𝑥)𝑑𝑥
−∞
+∞
Varianza 𝜎 2 = ∑(𝑥 − 𝜇)2 · 𝑓(𝑥) 𝜎2 = ∫ 𝑥 2 · 𝑓(𝑥)𝑑𝑥 − 𝜇2
−∞
Desviación Típica 𝜎 = √𝜎 2
 DISTRIBUCIONES DE PROBABILIDAD
F. probabilidad / F. densidad Media Varianza
𝑟
𝜆 −𝜆
Poisson: 𝑷(𝝀) 𝑃(𝑋 = 𝑟) = 𝑒 𝜇 = 𝐸[𝑋] = 𝜆 𝜎 2 = 𝑉𝑎𝑟[𝑋] = 𝜆
𝑟!
Binomial: 𝑛
𝑃(𝑋 = 𝑟) = ( ) 𝑝𝑟 · (1 − 𝑝)𝑛−𝑟
𝑟 𝜇 = 𝐸[𝑋] = 𝑛𝑝 𝜎 2 = 𝑉𝑎𝑟[𝑋] = 𝑛𝑝(1 − 𝑝)
𝑩(𝒏, 𝒑)
Uniforme: 1 𝑎+𝑏 (𝑏 − 𝑎)2
𝑓(𝑥) = 𝜇 = 𝐸[𝑋] = 𝜎 2 = 𝑉𝑎𝑟[𝑋] =
𝑼(𝒂, 𝒃) 𝑏−𝑎 2 12
1 (𝑥−𝜇)2
Normal: −
𝑓(𝑥) = 𝑒 2𝜎2 𝜇 = 𝐸[𝑋] = 𝜇 𝜎 2 = 𝑉𝑎𝑟[𝑋] = 𝜎 2
𝑵(𝝁, 𝝈) 𝜎√2𝜋
Aproximación Poisson Binomial
a la normal 𝑋~𝑃(𝜆) → 𝑋~𝑁(𝜆, √𝜆) 𝑋~𝐵(𝑛, 𝑝) → 𝑋~𝑁(𝑛𝑝, √𝑛𝑝(1 − 𝑝))
Distribución de 𝜎
la media 𝑋̅ ⟶ 𝑁 (𝜇, )
√𝑛
muestral

INTERVALOS DE CONFIANZA
𝜎 𝜎 𝜎 𝑧𝛼 · 𝜎 2
(𝑋̅ − 𝑧𝛼 · , 𝑋̅ + 𝑧𝛼 · ) 𝐸 = 𝑧𝛼 · 𝑛=( 2 )
2 √𝑛 2 √𝑛 2 √𝑛 𝐸

CONTRASTE DE HIPÓTESIS
𝑯𝟎 𝑯𝟏 Estadístico Región Aceptación
𝜇 = 𝜇0 𝜇 ≠ 𝜇0 𝑋̅ − 𝜇0 (−𝑧𝛼 , 𝑧𝛼 )
𝑍= 𝜎 2 2
𝜇 ≤ 𝜇0 𝜇 > 𝜇0 (−∞, 𝑧𝛼 )
𝜇 ≥ 𝜇0 𝜇 < 𝜇0 √𝑛 (−𝑧𝛼 , +∞)