Fórmulas de Estadística1

Calcular Datos Fórmula

Números de Agrupados, desagrupados y 𝐥𝐨𝐠(𝒏)
𝒌=𝟏+
clases agrupados por clase 𝐥𝐨𝐠⁡(𝟐)

Amplitud Agrupados, desagrupados y 𝑳 ∗ 𝒌 > 𝑹𝒂𝒏𝒈𝒐

agrupados por clase
Rango Agrupados, desagrupados y 𝑹𝒂𝒏𝒈𝒐 = 𝒎𝒂𝒙 − 𝒎𝒊𝒏
agrupados por clase
𝒏
Media Datos desagrupados 𝒙𝒊
̅=∑
𝒙
𝒏
𝒊=𝟏

Posición mediana Datos desagrupados y 𝐧 𝐧

+𝐱 +𝟏 𝐱
(pares) agrupados, agrupados por 𝐏𝐨𝐬𝐢𝐜𝐢𝐨𝐧⁡𝐝𝐞⁡𝐦𝐞𝐝𝐢𝐚𝐧𝐚 = 𝟐 𝟐
𝟐
clases
Posición mediana Datos desagrupados y 𝐧+𝟏
𝐏𝐨𝐬𝐢𝐜𝐢𝐨𝐧⁡𝐝𝐞⁡𝐦𝐞𝐝𝐢𝐚𝐧𝐚 = 𝐱 ( )
(impares) agrupados, agrupados por 𝟐
clases
Moda Datos desagrupados y Más se repite
agrupados
𝒏
Media Datos agrupados 𝒙𝒊 ∗ 𝒏𝒊
̅=∑
𝒙
𝒏
𝒊=𝟏

Media Datos agrupados por clases 𝒌

𝒙𝒄 ∗ 𝒏𝒄
̅=∑
𝒙
𝒏
𝒄=𝟏

Mediana Datos agrupados por clases 𝒏

( − 𝑵(𝒄 − 𝟏))
𝑴𝒆𝒅 = 𝒍𝒊 + 𝟐 ∗𝑳
𝒏𝒄
Moda Datos agrupados por clases ̂ 𝒅𝟏
𝑴𝒐𝒅𝒂 = 𝒍𝒊 + ( )∗𝑳
𝒅𝟏 + 𝒅𝟐
𝑫𝒐𝒏𝒅𝒆⁡𝒅𝟏 = 𝒏𝒄 − 𝒏(𝒄 − 𝟏)⁡
⁡𝒅𝟐 = 𝒏𝒄 − 𝒏(𝒄 + 𝟏)
Datos desagrupados
𝟐
∑𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
̅ )𝟐
𝑺 =
𝒏−𝟏
(∑𝒏 𝒙𝒊)𝟐
∑𝒏𝒊=𝟏 𝒙𝒊𝟐 − 𝒊=𝟏
= 𝒏
Variación 𝒏−𝟏
𝒏
Datos agrupados
𝟐
∑𝒊=𝟏(𝒙𝒊 − 𝒙 ̅)𝟐 𝒏𝒊
𝑺 =
𝒏−𝟏
𝒌
Datos agrupados por clases
𝟐
∑𝒄=𝟏(𝒙𝒄 − 𝒙 ̅)𝟐 𝒏𝒄
𝑺 =
𝒏−𝟏
 Datos desagrupados
∑𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
̅ )𝟐
𝑺= √
𝒏−𝟏
Datos agrupados
Desviación ∑𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
̅)𝟐 𝒏𝒊
estándar 𝑺=√
𝒏−𝟏
Datos agrupados por clases
∑𝒌𝒄=𝟏(𝒙𝒄 − 𝒙
̅)𝟐 𝒏𝒄
𝑺= √
𝒏−𝟏
Porcentaje de Agrupados, desagrupados y 𝒔
𝑪𝑽 =
Variación agrupados por clase ̅
𝒙
Coeficiente de
variación
Error típico Agrupados, desagrupados y 𝒔
𝒆𝒕 =
agrupados por clase √𝒏
Agrupados, desagrupados y 𝟏
(𝟏 − 𝟐 ) ∗ 𝟏𝟎𝟎
Teorema de agrupados por clase 𝒛
Chevyshev Asimétricas 𝟕𝟓% ± 𝟐𝒔, 𝟖𝟗% ± 𝟑𝒔, 𝟗𝟔% ± 𝟓𝑺
Simétricas 𝟔𝟖% ± 𝒔, 𝟗𝟓% ± 𝟐𝒔, 𝟗𝟗. 𝟕% ± 𝟑𝒔
Posición Datos desagrupados y 𝒒𝒏
𝑸𝒒 =
agrupados 𝒔
S puede ser 4,10,100;
Posición Cuartiles Datos agrupados por clases 𝒏
𝒒 − 𝑵(𝒄 − 𝟏)
𝑸𝒒 = 𝒍𝒊 + 𝟒 ∗𝑳
𝒏𝒄
𝒏
Datos desagrupados 𝒏 𝒙 𝟑
𝒙𝒊 − ̅
𝜶𝟑 = ∗ [∑ ( ) ]
Coeficiente de (𝒏 − 𝟏)(𝒏 − 𝟐) 𝒔
𝒊=𝟏
asimetría 𝒎
Datos agrupados 𝒏 ̅ 𝟑
𝒙𝒊 − 𝒙
𝛼3 𝜶𝟑 = ∗ [∑ ( ) 𝑛𝑖 ]
<0 sesgo- (𝒏 − 𝟏)(𝒏 − 𝟐) 𝒔
𝒊=𝟏
>0 sesgo+ Datos agrupados por clases 𝒌
=0 sin sesgo 𝒏 𝒙 𝟑
𝒙𝒄 − ̅
𝜶𝟑 = ∗ [∑ ( ) 𝒏𝒄]
(𝒏 − 𝟏)(𝒏 − 𝟐) 𝒔
𝒄=𝟏
Datos desagrupados 𝒏(𝒏 + 𝟏)
Curtosis 𝜶𝟒 =
(𝒏 − 𝟏)(𝒏 − 𝟐)(𝒏 − 𝟑)
𝛼4 𝒏
̅ 𝟒
𝒙𝒊 − 𝒙
<0 platicurtica ∗ [∑ ( ) ]
𝒔
>0 mesocurtica 𝒊=𝟏
=0 leptocurtica 𝟑(𝒏 − 𝟏)𝟐
−
(𝒏 − 𝟐)(𝒏 − 𝟑)
Datos agrupados 𝒏(𝒏 + 𝟏)
𝜶𝟒 =
(𝒏 − 𝟏)(𝒏 − 𝟐)(𝒏 − 𝟑)
𝒎
̅ 𝟒
𝒙𝒊 − 𝒙
∗ [∑ ( ) 𝑛𝑖 ]
𝒔
𝒊=𝟏
𝟑(𝒏 − 𝟏)𝟐
−
(𝒏 − 𝟐)(𝒏 − 𝟑)
Datos agrupados por clases 𝒏(𝒏 + 𝟏)
𝜶𝟒 =
(𝒏 − 𝟏)(𝒏 − 𝟐)(𝒏 − 𝟑)
𝒌
̅ 𝟒
𝒙𝒄 − 𝒙
∗ [∑ ( ) 𝒏𝒄]
𝒔
𝒄=𝟏
𝟑(𝒏 − 𝟏)𝟐
−
(𝒏 − 𝟐)(𝒏 − 𝟑)