ESTADISTICA DESCRIPTIVA Medidas de forma:

𝑁 = 𝑛 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 Coef. 𝑥̅ − 𝑀𝑜

𝐶𝑎𝑠 =
. 𝑓0 = 𝑛 Pearson 𝑆
3(𝑥̅ − 𝑀𝑒)
Rango: 𝐶𝑎´𝑠 =
𝑆
𝑅 = 𝑥345 − 𝑥307 Curtosis ∑ 𝑓0 (𝑥0 − 𝑥̅ )t
Número de clases: 𝐶𝑘3 = −3
𝑛 ∗ 𝑆t
𝑘 = √𝑛 ≅ 𝑣𝑎𝑙𝑜𝑟 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 Coef. ∑ 𝑓0 (𝑥0 − 𝑥̅ )v
Amplitud: Asimetría 𝐶𝐴𝑆𝐹 =
𝑛 ∗ 𝑆v
𝑅 Fisher
𝑐 = ≅ 𝑣𝑎𝑙𝑜𝑟 sup 𝑜 𝑐𝑜𝑛𝑡𝑎𝑏𝑙𝑒
𝑘
Nuevo rango: PROBABILIDADES
𝑅´ = 𝑘 ∗ 𝑐 Probabilidad de un evento:
Marca de clase: 𝑁°𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝐿𝑖𝑚HIJ + 𝐿𝑖𝑚07L 𝑃(𝐸) =
𝑥= 𝑁°𝑐𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠
2
Tipos de frecuencia: 𝑃(𝐸) + 𝑃(𝐸z) = 1
absoluta fi Fi
relativa f F 0 ≤ 𝑃(𝐸) ≤ 1
hO = ORn HO = ORn
porcentual pO = hO ∗ 100 PO = HO ∗ 100 Intersección
- Dependiente
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵⁄𝐴)
. 𝑓0 = 𝑛; . ℎ0 = 1 ; . 𝑝0 = 100 - Independiente
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵)
Medidas de tendencia central: Unión
Media/ ∑ 𝑓0 𝑥0 - Excluyente
promedio 𝑥̅ = 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
𝑛
Moda ∆_ - No excluyente
𝑀𝑜 = 𝐿𝑖𝑚07L + ] a∗𝑐 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
∆_ + ∆`
∆_ = 𝑓3bc4 − 𝑓de_ Probabilidad condicional
∆` = 𝑓3bc4 − 𝑓df_ 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵⁄𝐴) =
Mediana 𝑛 𝑃(𝐴)
− 𝐹de_
𝑀𝑒 = 𝐿𝑖𝑚07L + g 2 i∗𝑐 Probabilidad total
𝐹d − 𝐹de_ 𝑃(𝐵) = . 𝑃(𝐵 ⁄𝐴0 ) ∗ 𝑃(𝐴0 )
Teorema de Bayes
Medidas de dispersión: 𝑃(𝐵 ⁄𝐴€ )
Rango 𝑅 = 𝑥345 − 𝑥307 𝑃(𝐴€ ⁄𝐵) =
∑ 𝑃(𝐵⁄𝐴0 ) ∗ 𝑃(𝐴0 )
Desviación media ∑ 𝑓0 |𝑥0 − 𝑥̅ |
𝐷𝑀 =
𝑛
∑ `
Varianza `
𝑓0 0 − 𝑥̅ )
(𝑥
(población) 𝜎 =
𝑁
∑ (𝑥 `
Varianza 𝑓0 0 − 𝑥̅ )
(muestra) 𝑆` =
𝑛−1
Desv. Estándar
∑ 𝑓0 (𝑥0 − 𝑥̅ )`
(población) σ=q
𝑁
Desv. Estándar
∑ 𝑓0 (𝑥0 − 𝑥̅ )`
(muestra) 𝑆=q
𝑛−1