FORMULARIO ESTADÍSTICA

TEMAI : ESTADÍSTICA DESCRIPTIVA

·
Medidas de centralización
Frecuencia Absoluta (fi o ni). N de veces que aparece un Valor Xi Xt XK total

Frecuencia Relativa (fi) = Fi/N : N- ni de entes de la población

ni Fi Fl FK N

K fi Fl/N FK/N -
Estadística
Media /x) = E Xi. Fi
i = t

Mediana : Para N impar : Me = X CN + /2)

para N par : Me =
XN
,
+
X1N2 + H

· Medidas de dispersión :

Rango/Recorrido : [/Xi-XIfi = o
i = t

Desviación tipica (SX) : <Xi2 .

Fi-IXP Varianza = Sex

· Rectas de regresión lineal

covarianza /COV (X , y) o
(Sxy) :
Xiyi. x .
n

coeficiente de regresión fineal (rxy1 Ir) (xy)

= Lorcxy) o Ay
de Pearson

Recta de regresión :

·
Varianza Residual o Error Cuadrático Medio :

TEMA 2 : FENOM . ALEAT. , SUCESOS ,

PROBABILIDAD
·
REGLA DE LAPLACE : P/S) = casos favorables casos posibles con igual prob. . en todos los sucesos.

P(S) =
En de casos favorables probab .
de cada caso . Lo son
cd equiprobables.
·
Probabilidad de Unión de sucesos :

VS1 , 62 p(SIUS2) =
p(s) +
p(S2)
-

p(SinS2)
* S1 , 62 63
,
p(StUS2US3) =
p(() +
p((2) +
p(53)
-

p(S)152) -

p(52163) -

p(Sin53) +
p(S11 (2 15 3)
·
probabilidad condicionada (que pase A cd ha ocurrido B] :
pAIB) = PLANB
P(B)
·
Teorema . compuesta
de la prob :
p(AB) =
P(A) .

PIBIA) =
P(B)
.

P(A/B)
lo suceso dependientes)
p(ANBC) =
P(A) P(BIA) P(CIAB)
.
.

· sucesos Independientes -
-(AB) =
P(A) .

P(B)

·
Teorema de la Probabilidad Total :
p(A) = - PIAISI) ·

p(Si) =
p(AISi) p(SI) .
+ ...
+
p(AISn) p(sn)
.

:,

·
Teorema de Bayes :
pISjIA) :
PIAISj) ·

p(sj) = p(Alsj) ·

p(si) con A = suceso Cualquiera

p(A) {Y = 1 p(AISi) p(Sj) .

con 951 52 . . . . , sn)

,
= partición del
esp .
M

#3
S4S5 sn
M
·
uso práctico del Th .
. Total
Prob :

LESPACIO COMPLETO]: /Se ,

S2 , S3
, . . .
.
Sn> y sus probabilidades p(si) - Pi se cumple pt + p2 +
p3 +... +
pn
=
1

[suceso Cualquiera) : s

S
s aY
p(S) = [ p(si) p(S/Si) =
poner todos los caminos que lleguen =
Pl ql
.
+ P2 92
.

...
Pri An
sa
,
1 ql as sumandose y los vi de in mismo
St
at S
M se
92 camino se multiplican
P3
S3 Es Si tenemos la probabilidad contraria :

S
Ep(si)p(S /Sc)
-
p(S4) 1 p(S) p1/l- 91) + pn (1 qn)
=
es
= -
= ... + -

Sa NOTA : BAYES ESTUDIA LA PROB . EN JENTIDO CONTRARIO

VARIACIONES
in

n
=

=
número

n de elem
. en
de elementos

cada extracción
diferentes
1 creamos

subconjuntos
Sin repetición :

Sacon elem Disposición de n elementos m !

X1 , X2 , .
.., An
-T
Um , n =

n M X7 , X1 , Xi (m -
n) !
... Xm

ORDEN SÍ
LO REPETICIONES
IMPORTA

con repetición :

n
elementos-
acon X1 , X4 , X3
, . .

.,
XN
>
-
RM , n =
M
X1 , X2 , .
.., An
#
ORDEN SÍ IMPORTA nota : &M ; > M
... Xm

Pueden Volver a
+ SÍ REPETACIONES
entrar
PERMUTACIONES

DEF . PERMUTACIONES :

M1 D2 Mu
,
n !
...
,

sin repetición M1 , 12 Mu Pen -

Ph repetición :
, ...

: -
Vn ,
n =
n ! con
ni ! na !... Nu !
combinaciones

Def Combinaciones :

(m) ins!
m
(m
=
.n -

n
 TEMA3 : VARIABLES ALEATORIAS UNIDIMENSIONALES

VARIABLE ALEAT DISCRETA .

:

función de masa de probabilidad representa : la probabilidad de cada valor que toma X .

PK
=
P(Xk) =
P(X =
Xk] ; condiciones 1) p(Xi) e [0 , 1]

2) IY = 1 PIXi) 1 =

Función de distribución : mide la .

prob de que una variable x sea menor que un valor concreto .

1) 0 k F(X) +
F(Xk) =
p). XK) =
{ : 1 PIXi)
continua por da derecha cremente
- ,
3) PIX1) X <X21 = f(X2) -F(Xi)

E[ax + b) =
af(X) + b Nota :
Esperanza = media ponderada .

Esperanza [[X] =
M = [ xi p(Xi) -[X2] = EXi2 .

P(Xi)

Varianza V[X = 0 =
E[(X E[X]) < - =
E (X4) -

E(X)2
Propiedad : V/XX +
B1 =
VIXI no lineal
Desviación típica = 0 =Voz

VARIABLE ALEAT CONTINUA .

nota : en una var . aleat .

función de densidad prob. : de que la var

. A tome valores en cierto subconjunto cont la prob en 1 0
.
. pto es =

[f(X)] . de
La prob un valor concreto es nula .

1) f(X) > 0 VX

P(XE A) =
(A + (x) &x : Plao x bob = Ja - IX)ax con condiciones 2! 3 + (x)dx = 7

-unción de distribución : mide la .

prob de que una variable x sea menor que un valor concreto .

[ +(X)] ein
xIm F(X) f(X) 1
=
= 0
X + +
(. =
= -
0

f(x) = P(X - x) = fe)dt : condiciones - es continua

↑

crec .
y acotada [0 , 17
,

P(a0X < bo) =

(b0f (X)dx =
f(b0) -

Flb)

Esperanza ECX) =
N
= J! x .
fix) dX ; propiedades Lineal [[xx + B) =
4 f(X ] + B

-(g(X)) =
(5 g(X)
·

+ (x) dx

Varianza /formula operativas :

V[X] -02 = %.8 X2 .
fx) ¢ X-lu2

FUNCIÓN CARACTERÍSTICA / F .
GENERADORA DE MOMENTOS

+*
] Discreta :
M( + 1 = [etX1. Pie
función generadora de momentos :
My (t) = E [e

Continua
(=8
:

M(+ = et ·

+(x) dx

Propiedades -
densidad
I

nota : f(X) = 1. de
·
((t = 01 =
1

·
La f .
generadora de momentos no siempre existe .

*
Si xey sonvar .
aleat indep. Mx + y ( + ) = Mx (+ 1
·

Myct) , Sea y =
ax + b =>
My (t) = ePt .
Mx (at)
g

+*
n deriv
las . de M evaluadas en son los momentos [[X"] >
-
M' (1 = E1X .
e ] +
M' (01 = Elx + 1

M"( + 1 = E(X .
ex) +
M"(0) =
-(X2]

E(X4)-E/X12 /M /01) 2
:

nota : Varianza = M" (01 -

Discreta : 4X(+ ) = <Seit *

] =
EK el .

Pr
Función Característica [[eitx]
-. e
:
4x(t1 =
continua :
ECe *
)
4x /H F(XIdx
= .

(siempre existe

Propiedades :

1) Relación M-4 4 (H-Mcit) 6 Mit) = 4 (2) : ESX] - E2x4- - -

exo

2) 4x(0) = 1 : Heit1 =
1

3) 14 x (+ 1 / 1 , 6) si c var . aleat tienen la misma M ; tmb . Tendrán Igual Y

4) y = ax + b =
Py(H)
= 2ibt -

4xcat 7) 4 (X) es continua en la recta real

5) Si Xe Y son indep 4 8) si + (-x) +(X) + dedensidad o masa es par) -4(-El =

4(t
(t) (+ 1
Yy(t)
=
4x +
: = ·

x
.