Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESTADSTICA DESCRIPTIVA
Datos sin agrupar
media
Datos agrupados
n
m: n clases
xi
i 1
ni c i
i 1
( xi )2
( c i ) 2 ni
i 1
i 1
( xi x )2
i 1
sn 1
n 1
, sn
( xi x )2
i 1
sn 1
( c i x ) 2 ni
i 1
n 1
( c i x ) 2 ni
i 1
, s n 1
n 1
coeficiente de asimetra
N
C . A.
( xi )3
i 1
, C . A.
( xi x )3
C . A.
i 1
( n 1) s
3
n 1
( c i x ) 3 ni
i 1
( n 1) sn31
coeficiente de curtosis
N
C . Ap .
( xi ) 4
i 1
- 3, C . Ap .
( xi x ) 4
i 1
( n 1) s
4
n 1
C . Ap .
-3
(c
x ) 4 ni
i 1
( n 1) sn41
-3
Diagrama de cajas
L. I . Q1 1. 5
Q3 Q1
,
2
L. S. Q3 1. 5
Q3 Q1
2
Transformaciones lineales
yi a bx i
sy b sx
Teorema de Chebyshev
Independientemente de la forma de la distribucin de frecuencias, o de probabilidad, de un conjunto de
datos:
p ( k X k ) 1
1
k2
fr ( x i , y j )
distribucin conjunta
nij
n
fr ( x i , y j ) 1
i, j
f r ( x i ) f r ( x i , y j ),
distribuciones marginales
fr ( y j ) fr ( x i , y j )
yj )
fr ( x i , y j )
fr ( y j )
fr ( y j x i )
fr ( x i , y j )
fr ( x i )
Cov( X , Y ) f r ( x i , y j )( x i x )( y j y )
j
( X , Y )
Coeficiente de correlacin
Cov( X , Y )
sx sy
Y a bX ,
recta de regresin
a y bx ,
Cov( X , Y )
s x2
PROBABILIDAD
p( A) p( A ) 1
p( A B) p( A) p( B) p( A B)
sucesos incompatibles
p ( A B ) p ( A ) p ( B ),
sucesos condicionados
p( A B)
sucesos independientes
p( A B) p( A) p( B)
A B =
p( A B)
p( B)
Teorema de Bayes:
Si el espacio muestral lo podemos dividir en n sucesos Ai, disjuntos dos a dos, de los que
conocemos su probabilidad y la probabilidad condicionada p ( B Ai ) , entonces
p( Ai B)
p( B Ai ) p( Ai )
n
p( B A ) p( A )
j 1
Frmulas de combinatoria
Vn , k
n!
(n k )!
VRn ,m = n m
C n ,m
Pn = n!
n m 1
CR n,m C n m 1,m
m
n!
PRnn1n2 ... =
n 1 n2 ...... n
n1!n2 !.....
n!
m!(n m)!
0
X
1
Distribucin de Bernoulli
p x q1 x
x 0,1
f ( x)
en otro caso
0
Distribucin binomial
E( X ) p
Var( X ) p(1 p)
X= n de aciertos
C n, x p x q n x
f ( x)
0
x 0,1,2,....., n
en otro caso
Distribucin de Poisson
e x
f ( x) x!
0
si es fallo
si es acierto
E ( X ) np
Var( X ) npq
X= n de aciertos
x 0,1,2,....., n
E ( X ) Var( X )
en otro caso
Distribucin hipergeomtrica
C k , x C N k ,n x
f ( x)
C N ,n
0
X= n de aciertos
k : n aciertos poblacin
nk
N n
E( X )
Var( X ) npq
N
N 1
x 0,1,2,....., n
en otro caso
k + x - 1 k x
p q
p ( x; k , p ) =
x = 0,1,2,....., n
x
k(1 - p)
k(1 - p)
E( X ) =
Var( X ) =
p
p2
Valor medio de X:
E( X ) x f ( x )
x
Mediana:
Varianza:
p(Xm)
p(Xm)
p(Xm)p(X>m)
p(X<m)p(Xm)
Var( X) E X
(x )
f ( x)
Propiedades
1) E ( aX b ) aE ( X ) b
2) X 1 , X 2 ,........, X n
a, b constantes
v.a. independientes
E ( X 1 X 2 ........ X n ) E ( X 1 ) E ( X 2 ) ........ E ( X n )
E ( X 1 X 2 ........ X n ) E ( X 1 ) E ( X 2 )........ E ( X n )
2
3) Var ( X ) E ( X 2 ) E ( X )
4 ) Var ( aX b ) a 2 Var ( X )
5 ) X 1 , X 2 ,........, X n
v.a. independientes
Funcin de distribucin
Funcin de probabilidad
f (x) 1
f ( X ) p( X x )
f ( x) dx 1
p(a X b) f ( x) dx
f ( x)
f ( x) = b - a
0
Distribucin uniforme
a xb
en otro caso
ab
=
2
(b a) 2
=
12
2
Distribucin exponencial
1 x
( ) f ( x) e
0
E( X )
Distribucin normal
x<0
Var( X ) 2
N ( , ) f ( x)
2
E( X )
x0
2 2
( x )2
x R
Var ( X ) 2
E( X i )
Var( X i ) 2
n
2
X i N (n , n )
i 1
2
X
N ( , )
n
n(
) N (0,1)
Distribucin chi-cuadrado
n
x
1
1
2
2
x
e
n
n
f ( x) 2 2 ( )
2
x0
E( X ) n
Var ( X ) = 2n
x<0
(x
x )2
i 1
.
Distribucin t de Student
Si X e Y son v.a. independientes, donde X sigue una dist. normal N(0, 1), e Y
una 2n , entonces, la v.a. t
X
sigue una distribucin t de Student con n grados de
Y
n
libertad
Si X 1 , X 2 ,........, X n son una muestra aleatoria de una poblacin
normal
N( , 2 ) , entonces la variable
x
n 1
sn 1
Funcin de distribucin:
F ( x ) p( X x )
DISTRIBUCIONES MULTIVARIANTES
f ( x , y ) p( X x , Y y )
Funcin de probabilidad
f (x, y) 1
f (x, y)dxdy 1
x,y
Funcin de distribucin
F ( x , y ) p( X x , Y y )
f ( x, y)
2 F( x, y)
xy
Distribuciones marginales
f1 (x) f (x, y)
f 2 ( y) f (x, y)
f 2 ( y) = f (x, y)dx
Distribuciones condicionadas
p( X x Y y )
g1 ( x y )
p( X x , Y y )
p( Y y )
f ( x, y)
f2 ( y )
g2 ( y x )
p( X x , Y y )
p( X x )
f ( x, y)
f1 ( x )
f ( x , y ) f1 ( x ) f 2 ( y )
Covarianza
( X , Y )
Correlacin
Propiedades:
p( Y y X x )
Cov( X , Y )
xy
ESTIMACION
es insesgado si:
E ()
Funcin de verosimilitud
L ( x1 ........ x n ) f ( x1 )............ f ( x n )
Intervalos de confianza:
x
,x
n
n
x z
,x z
1
1
n
n
2
2
S
S
x t n 1 , x t n 1
1
1
n
n
2
2
S
S
x z n 1 , x z n 1
1
1
n
n
2
2
( n 1)s 2n 1 ( n 1)s 2n 1
2
,
b
a