ESTADISTICA I▐ FORMULAS PRIMER PARCIAL

▌ESTADISTICA I ▌
► Medidas descriptivas: Sin intervalos de clase ► Medidas descriptivas: Con intervalos de clase
■ Media aritmética de la población: ■ Media aritmética de la población:
(SIN FRECUENCIAS) (CON FRECUENCIAS) (SIN FRECUENCIAS) (CON FRECUENCIAS)
∑ 𝑥𝑖 ∑(𝑥𝑖 ∗ 𝑓𝑖) ∑ 𝑥𝑖 ∑(𝑥𝑖 ∗ 𝑓𝑖)
µ= µ= µ= µ=
𝑁 𝑁 𝑁 𝑁
■ Media aritmética de la muestra: ■ Media aritmética de la muestra:
(SIN FRECUENCIAS) (CON FRECUENCIAS) (SIN FRECUENCIAS) (CON FRECUENCIAS)
∑ 𝑥𝑖 ∑(𝑥𝑖 ∗ 𝑓𝑖) ∑ 𝑥𝑖 ∑(𝑥𝑖 ∗ 𝑓𝑖)
𝑋̅ = 𝑋̅ = 𝑋̅ = 𝑋̅ =
𝑛 𝑛 𝑛 𝑛
■ Media combinada: ■ Media armónica: ■ Media combinada: ■ Media armónica:
µ1 ∗ 𝑁1 + µ2 ∗ 𝑁2 𝑛 µ1 ∗ 𝑁1 + µ2 ∗ 𝑁2 𝑛
µ𝑇 = 𝑀𝐴 = µ𝑇 = 𝑀𝐴 =
𝑁1 + 𝑁2 1 𝑁1 + 𝑁2 1
∑ ( ∗ 𝑓𝑖) ∑ ( ∗ 𝑓𝑖)
𝑥𝑖 𝑥𝑖

■ Media geométrica: ■ Media geométrica:

𝑛𝑉𝑎𝑙𝑜𝑟 𝐹𝑖𝑛𝑎𝑙 𝑛 𝑉𝑎𝑙𝑜𝑟 𝐹𝑖𝑛𝑎𝑙
𝑀𝐺 = 𝑛√𝑥1 ∗ 𝑥2 ∗ … ∗ 𝑥𝑛 ⇔ 𝑀𝐺 = √ −1 𝑀𝐺 = 𝑛√𝑥1 ∗ 𝑥2 ∗ … ∗ 𝑥𝑛 ⇔ 𝑀𝐺 = √ −1
𝑉𝑎𝑙𝑜𝑟 𝐼𝑛𝑖𝑐𝑖𝑎𝑙 𝑉𝑎𝑙𝑜𝑟 𝐼𝑛𝑖𝑐𝑖𝑎𝑙

■ Mediana: (n PAR) ■ Mediana: (n IMPAR) ■ Mediana:

𝑥(𝑛) + 𝑥(𝑛+1) 𝑀𝑒 = 𝑥 𝑛
𝑛+1 − 𝐹𝑖−1
𝑀𝑒 = 2 2 ( 2 ) 𝑀𝑒 = 𝐿𝑖 + 𝑎 ∗ ( 2 )
2 𝑓𝑖
■ Moda: VALOR/ES DE MAYOR FRECUENCIA ■ Moda: VALOR/ES DE MAYOR FRECUENCIA
𝑓𝑖 − 𝑓𝑖−1
𝑀𝑜 = 𝐿𝑖 + 𝑎 ∗ ( )
(𝑓𝑖 − 𝑓𝑖−1 ) + (𝑓𝑖 − 𝑓𝑖+1 )
■ Cuartiles: (n PAR) ■ Cuartiles: (n IMPAR) ■ Cuartiles: ■ Rango:
𝐾∗𝑛
𝑄𝐾 = 𝑥𝐾∗𝑁 𝑄𝐾 = 𝑥𝐾∗(𝑛+1) 4
− 𝐹𝑖−1 𝑅 = 𝑥𝑀𝐴𝑋 − 𝑥𝑀𝐼𝑁
4 4 𝑄𝐾 = 𝐿𝑖 + 𝑎 ∗ ( ) ■ Rango Medio:
𝑓𝑖 𝑥𝑀𝐴𝑋+𝑥𝑀𝐼𝑁
𝑅𝑀 = 2
■ Deciles: (n PAR) ■ Deciles: (n IMPAR) ■ Deciles: ■ Rango intercuartil:
𝐾∗𝑛
𝐷𝐾 = 𝑥 𝐾 ∗𝑁 𝐷𝐾 = 𝑥 𝐾 ∗(𝑛+1) − 𝐹𝑖−1 𝑅𝐼𝐶 = 𝑄3 − 𝑄1
10 10 𝐷𝐾 = 𝐿𝑖 + 𝑎 ∗ ( 10 ) ■ Eje medio:
𝑓𝑖 𝑄3+𝑄1
𝐸𝑀 = 2
■ Percentil: (n PAR) ■ Percentil: (n IMPAR) ■ Percentiles: ■ Cantidad de intervalos:
𝐾∗𝑛
𝑃𝐾 = 𝑥 𝐾 𝑃𝐾 = 𝑥 𝐾 − 𝐹𝑖−1 𝐾 = 1 + 3,333 ∗ log(𝑛)
100
∗𝑁
100
∗(𝑛+1) 𝑃𝐾 = 𝐿𝑖 + 𝑎 ∗ ( 100 ) ■ Amplitud:
𝑓𝑖 𝐴 = 𝑅/𝐾
▪ Interpolación: 𝑄𝑘 = 𝑥𝑍 + (𝑥𝑍+1 − 𝑥𝑍 ) ∗ 0, 𝑑𝑒𝑐 ▪ Interpolación: 𝑄𝑘 = 𝑥𝑍 + (𝑥𝑍+1 − 𝑥𝑍 ) ∗ 0, 𝑑𝑒𝑐
■ Varianza: (MUESTRA) ■ Varianza: (POBLACIÓN) ■ Varianza: (MUESTRA) ■ Varianza: (POBLACIÓN)
∑(𝑥𝑖 − 𝑥̅ )2 ∑(𝑥𝑖 − µ)2 ∑[(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖] ∑[(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖]
𝑠2 = 𝜎2 = 𝑠2 = 𝜎2 =
𝑛−1 𝑁 𝑛−1 𝑁

■ Varianza combinada: ■ Varianza combinada:

𝑁1 ∗ 𝜎1 2 + 𝑁2 ∗ 𝜎2 2 𝑁1 ∗ (µ1 − µ𝑇 )2 + 𝑁2 ∗ (µ2 − µ𝑇 )2 𝑁1 ∗ 𝜎1 2 + 𝑁2 ∗ 𝜎2 2 𝑁1 ∗ (µ1 − µ𝑇 )2 + 𝑁2 ∗ (µ2 − µ𝑇 )2
𝜎𝑇 2 = + 𝜎𝑇 2 = +
𝑁1 + 𝑁2 𝑁1 + 𝑁2 𝑁1 + 𝑁2 𝑁1 + 𝑁2

■ Desvió: (MUESTRA) ■ Desvió: (POBLACIÓN) ■ Desvió: (MUESTRA) ■ Desvió: (POBLACIÓN)

𝑠 = √𝑠 2 𝜎 = √𝜎 2 𝑠 = √𝑠 2 𝜎 = √𝜎 2

■ Coeficiente de variación: ■ Coeficiente de variación:

𝜎 𝜎
𝐶𝑉 = ∗ 100 𝐶𝑉 = ∗ 100
µ µ
♦ NOTA: ♦ NOTA:
► INDICADORES DE FORMA
■ Asimetría de person: −3 < 𝐴𝑝 < 3
3 ∗ (𝑋̅ − 𝑀𝑒) 𝑋̅ − 𝑀𝑜
𝐴𝑃 = ⇔ 𝐴𝑃 =
𝑠 𝑠
■ Asimetría de Bowley:
(𝑄3_𝑄2) − (𝑄2 − 𝑄1 )
𝐴𝐵 =
(𝑄3 − 𝑄1 )
• Aclaraciones: En cualquiera de los 2 casos
. 𝐴𝑥 > 0 𝐴𝑠𝑖𝑚𝑒𝑡𝑟í𝑐𝑎 ℎ𝑎𝑐𝑖𝑎 𝑙𝑎 𝑑𝑒𝑟𝑒𝑐ℎ𝑎
. 𝐴𝑥 < 0 𝐴𝑠𝑖𝑚𝑒𝑡𝑟í𝑐𝑎 ℎ𝑎𝑐𝑖𝑎 𝑙𝑎 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎
. 𝐴𝑥 = 0 𝑃𝑒𝑟𝑓𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑚𝑒𝑡𝑟𝑖𝑐𝑎
■ Curstosis:
(𝑄3_𝑄1 )
𝐾=
2 ∗ (𝑃90 − 𝑃10 )
• Aclaraciones:
. 𝐾 > 0,25 𝐿𝑒𝑝𝑡𝑜 − 𝑐𝑢𝑟𝑡𝑖𝑐𝑎
. 𝐾 < 0,25 𝑃𝑙𝑎𝑡𝑖 − 𝑐𝑢𝑟𝑡𝑖𝑐𝑎
. 𝐾 = 0,25 𝑀𝑒𝑠𝑜 − 𝑐𝑢𝑟𝑡𝑖𝑐𝑎
► PROBABILIDAD
■ Sucesos independientes:
𝑃(𝐴) = 𝑃(𝐴/𝐵) 𝑃(𝐴) = 𝑃(𝐴/𝐵)

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵)

■ Regla de multiplicación:
▪ General: Para sucesos dependientes
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵/𝐴)
▪ Especial: Para sucesos independientes
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵)
■ Regla de adición:
▪ General: Para sucesos no excluyentes
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
▪ Especial: Para sucesos excluyentes
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
■ Teorema de Bayes:
𝑃(𝐴𝑖 ∩ B)
𝑃(𝐴𝑖/𝐵) = 𝑛
∑𝑖=1 𝑃(𝐴𝑖 ∩ B)
► ANÁLISIS DE DATOS BIVARIADOS
■ Regresión lineal: 𝑦̂ = 𝑎 + 𝑏 ∗ 𝑥
∑𝑌 ∑𝑋 𝑛 ∗ ∑(𝑋 ∗ 𝑌) − ∑ 𝑋 ∗ ∑ 𝑌
𝑎= −𝑏∗ 𝑏= 2
𝑛 𝑛 𝑛 ∗ ∑(𝑋 2) − (∑ 𝑋)
■ Coeficiente de correlación de Pearson
𝑛 ∗ ∑(𝑋 ∗ 𝑌) − ∑ 𝑋 ∗ ∑ 𝑌
𝑟𝑃 =
√[𝑛 ∗ ∑(𝑥 2) − (∑ 𝑥)2] ∗ [𝑛 ∗ ∑(𝑦 2) − (∑ 𝑌)2 ]
■ Coeficiente de correlación por rango de Spearman:
2
𝜎 ∗ ∑[𝑟𝑥𝑖 − 𝑟𝑦𝑖 ]
𝑟𝑆 = 1 −
𝑛 ∗ (𝑛2 − 1)
■ Coeficiente de determinación:
𝑟 2 = % 𝑑𝑒 𝑙𝑎 ∆ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑌 𝑞𝑢𝑒 𝑠𝑒 𝑒𝑥𝑝𝑙𝑖𝑐𝑎 𝑝𝑜𝑟 𝑙𝑎 ∆𝑋
■ Coeficiente de determinación ajustado:
𝑛−1
𝑟𝐴𝐽 2 = 1 − [(1 − 𝑟 2) ∗ ]
𝑛−2
■ Error de estimación:
∑(𝑌 2) − 𝑎 ∗ ∑ 𝑌 − 𝑏 ∗ ∑(𝑋 ∗ 𝑌)
𝑆𝑥𝑦 = √
𝑛−2
■ COVARIANZAS:
POBLACIÓN MUESTRA
▪ Media de X: ▪ Media de X:
∑ 𝑋𝑖 ∑ 𝑋𝑖
𝑀𝑋 = 𝑋̅ =
𝑁 𝑛
▪ Media de Y: ▪ Media de Y:
∑ 𝑌𝑖 ∑ 𝑌𝑖
𝑀𝑌 = 𝑌̅ =
𝑁 𝑛
▪ COVX: ▪ COVX:
∑(𝑋 2) ∑(𝑋 2) − 𝑛 ∗ (𝑋̅ )2
𝜎𝑋 = √ − 𝑀 2𝑋 𝑆𝑋 = √
𝑁 𝑛−1
▪ COVY: ▪ COVY:
∑(𝑌 2) ∑(𝑌 2) − 𝑛 ∗ (𝑌̅)2
𝜎𝑌 = √ − 𝑀2𝑌 𝑆𝑌 = √
𝑁 𝑛−1
▪ COVXY: ▪ COVXY:
∑(𝑋 ∗ 𝑌) ∑(𝑋 ∗ 𝑌) − 𝑛 ∗ 𝑋̅ ∗ 𝑌̅
𝜎𝑋𝑌 = − 𝑀𝑋 ∗ 𝑀𝑌 𝑆𝑋𝑌 =
𝑁 𝑛−1
▪ Regresión lineal: 𝑦̂ = 𝑎 + 𝑏 ∗ 𝑥
𝑎 = 𝑌̅ − 𝑏 ∗ 𝑋̅ 𝐶𝑂𝑉𝑋𝑌 𝐶𝑂𝑉𝑋𝑌
𝑏= 𝑟=
(𝐶𝑂𝑉𝑋 )2 𝐶𝑂𝑉𝑋 ∗ 𝐶𝑂𝑉𝑌
♦ NOTA:
◄ ◄◄ Acerca de:
■ Tejada, Carlos A. (TaLO)
■ https://www.facebook.com/TaloBV
■ Talo.stl@gmail.com