FORMULARIO ESTADÍSTICA APLICADA A LOS NEGOCIOS

Datos originales xi Datos agrupados según sus Datos agrupados por intervalos de
no agrupados
frecuencias 𝒏𝒊 ; clase 𝐈𝐢 , 𝐗 𝐢
i=1,2,…,k (Marcas de Clase)
Media: 𝑛
𝑘 𝑘
∑ 𝑥𝑖 ∑ 𝑓𝑖 𝑥𝑖 𝑘
∑ 𝑓𝑖 𝑥𝑖
𝑖=1
𝑖=1 ; 𝑛 = ∑ 𝑓𝑖 𝑖=1
𝑥̅ = 𝑥̅ = 𝑖=1 𝑥̅ =
𝑛 𝑛 𝑛
Mediana: 𝑛
Ordenar los datos 𝑥𝑖 de mayor a menor o Me ∈ [𝐿𝑖 ; 𝐿𝑖+1 [ ≤ 𝐹𝑖
2
viceversa
𝑥 𝑛+1 𝑥 𝑛+1 ; 𝑛 𝑖𝑚𝑝𝑎𝑟
( ) ; 𝑛 𝑖𝑚𝑝𝑎𝑟 (
2
) n
2 − Fi−1
Me = Me = Li + C (2 )
Me = fi
1 [𝑥 𝑛 + 𝑥 𝑛 ]
1 [𝑥 𝑛 + 𝑥 𝑛 ] ; 𝑛 𝑝𝑎𝑟
( ) ( +1)
( ) ( +1) ; 𝑛 𝑝𝑎𝑟 2 2 2
Fi-1: Frecuencia acumulada anterior
2 2 2
a la clase mediana

Moda:
Mo ∈ [𝐿𝑖; 𝐿𝑖+1 [ fio mayor

Mo = Frecuencia Mo = Frecuencia
d1
más alta fi más alta fi Mo = Li + C ( )
d1 + d2
d = fi − fi−1
∆11 = 𝑓𝑖𝑜 − 𝑓𝑖𝑜−1
d2 = fi − fi+1

Percentil: Percentil:
kn
Posición = k (n + 1) Pk ∈ [Li ; Li+1 [ 100
≤ Fi

100 kn
− Fi−1
𝑃𝑘 = Li + C ( 100 )
Pk = Li + parte decimal x (Ld – Li) fi
∆1 = 𝑓𝑖𝑜 − 𝑓𝑖𝑜−1
Fi-1: Frecuencia acumulada anterior
Varianza: 𝑛 𝑘 𝑘

∑(𝑥𝑖 − 𝑥̅)2 ∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅) 2

∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2
𝑖=1 𝑖=1 𝑖=1
𝑆2 = 𝑆2 = 𝑆2 =
𝑛−1 𝑛−1 𝑛−1
2 −1
Ó ∑ 𝑥2𝑖 − (∑ 𝑥𝑖 ) /𝑛 Ó Ó
2
2 ̅2
∑ 𝑥𝑖 𝑓𝑖 − 𝑛𝑋 ̅
∑ 𝑥2𝑖 𝑓𝑖 − 𝑛𝑋
𝑆2 = 𝑆2 = 𝑆2 =
𝑛−1 𝑛−1 𝑛−1

Desviación estándar:
𝑆 = √𝑆 2 ; S>0 𝑆 = √𝑆 2 ; S>0 𝑆 = √𝑆 2 ; S>0

Coeficiente de Variación:
𝑆 𝑆 𝑆
𝐶𝑉 = . 100% ; 0 < 𝐶𝑉 < 100% 𝐶𝑉 = . 100% ; 0 < 𝐶𝑉 < 100% 𝐶𝑉 = . 100% ; 0 < 𝐶𝑉 < 100%
𝑥̅ 𝑥̅ 𝑥̅
 FORMULARIO ESTADÍSTICA APLICADA A LOS NEGOCIOS

Regla de Sturges
k = 1 + 3 . 3 2 2 x L o g ( n ) ; k : n ú m e r o d e in t e r v a lo s d e c la s e
R = X m a x – X m in ; R : r a n g o
c = R / k ; c : a m p l it u d o a n c h o d e c l a s e

PROBABILIDADES

PROBABILIDAD CONDICIONAL:
La probabilidad condicional del evento A dado que el evento B ha ocurrido se
escribe P(A/B).

P( A  B)
P( A / B)  , P( B)  0
P( B)
Una consecuencia de la definición de probabilidad condicional es:
P (A ∩B) = P (A)*P (B/A) = P (B ∩ A) = P (B)*P (A/B)

TEOREMA DE LA PROBABILIDAD TOTAL :

P(B) = P(B  A1) + P(B  A2) + P( B  A3) + … + P( B  An)

P(B) = P(B/A1)P(A1) + P(B/A2)P(A2) + P(B/A3)P(A3) + … + P(B/An)P(An)

TEOREMA DE BAYES:
𝑷(𝑨𝒊 ). 𝑷(𝑩/𝑨𝒊 )
𝑷(𝑨𝒊 /𝑩) =
𝑷(𝑩)
𝑃(𝐴𝑖 ): P r o b a b i l i d a d a priori
𝑃(𝐵/𝐴𝑖 ): P r o b a b i l i d a d condicional
𝑃(𝐵): Probabilidad Total
𝑃(𝐴𝑖 /𝐵): P r o b a b i l i d a d a posterior

DISTRIBUCIÓN BINOMIAL DE PROBABILIDAD

𝒏
𝑷(𝑿 = 𝒙) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒙
𝒙
x=0, 1, 2, 3,…,n
x es valor de la variable aleatoria

DISTRIBUCIÓN DE POISSON
𝒆−𝝀 𝝀𝒙
𝑷(𝑿 = 𝒙) =
𝒙!
Donde:
P(X=x): Es la probabilidad de ocurrencia cuando la variable discreta X toma
un valor finito x.
λ: Número promedio de ocurrencias esperadas por unid ad de tiempo o espacio.
e: Tiene un valor aproximado de 2.71 82
x: Es el número de ocurrencias; x=0, 1, 2, 3,…

DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN NORMAL ESTÁNDAR(Z):  0 y  2 1

USO DE TABLAS:
Las tablas nos dan los valores de la función de distribución estándar:
Estandarización: X 
X Z 

Propiedad: 𝒔𝒊: 𝒁~𝑵(𝟎, 𝟏), entonces:
1. 𝑃(𝑍 ≤ 𝑎) = 𝑃(𝑍 ≤ 𝑎)
2. 𝑃(𝑍 ≥ 𝑎) = 1 − 𝑃(𝑍 < 𝑎)
3. 𝑃(𝑎 ≤ 𝑍 ≤ 𝑏) = 𝑃(𝑧 ≤ 𝑏) − 𝑃(𝑧 ≤ 𝑎)
 FORMULARIO ESTADÍSTICA APLICADA A LOS NEGOCIOS

Intervalos de confianza para media de una población:

𝜎 𝜎
Varianza poblacional conocida IC: 𝑋̅ − 𝑍(1−𝛼) ≤ 𝜇 ≤ 𝑋̅ + 𝑍(1−𝛼)
2 √𝑛 2 √𝑛

𝑆 𝑆
Varianza poblacional desconocida y IC: 𝑋̅ − 𝑍(1−𝛼) ≤ 𝜇 ≤ 𝑋̅ + 𝑍(1−𝛼)
tamaño de muestra grande (n≥30) 2 √𝑛 2 √𝑛

Varianza poblacional desconocida y 𝑆 𝑆

tamaño de muestra pequeño (n<30) 𝑋̅ − 𝑇(1−𝛼,𝑛−1) ≤ 𝜇 ≤ 𝑋̅ + 𝑇(1−𝛼,𝑛−1)
2 √𝑛 2 √𝑛

Prueba de hipótesis para la media de una población:

𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 ≥ 𝜇0 𝐻0 : 𝜇 ≤ 𝜇0

𝐻1 : 𝜇 ≠ 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝐻1 : 𝜇 > 𝜇0

Estadísticos de prueba:

𝑋̅ − 𝜇
𝑍= 𝜎
Varianza poblacional conocida
√𝑛

𝑋̅ − 𝜇
𝑍=
Varianza poblacional desconocida y tamaño de muestra grande(n≥30)
𝑆
√𝑛
𝑋̅ − 𝜇
𝑇𝑛−1 =
𝑆
Varianza poblacional desconocida y tamaño de muestra pequeño(n<30)
√𝑛

Intervalos de confianza para la proporción de una población:

𝑝𝑞 𝑝𝑞
𝑝 − 𝑍(1−𝛼) √ < 𝜋 < 𝑝 + 𝑍(1−𝛼) √
2 𝑛 2 𝑛

Prueba de hipótesis para la proporción de una población:

𝐻0 : 𝜋 = 𝜋0 𝐻0 : 𝜋 ≥ 𝜋0 𝐻0 : 𝜋 ≤ 𝜋0

𝐻1 : 𝜋 ≠ 𝜋0 𝐻1 : 𝜋 < 𝜋0 𝐻1 : 𝜋 > 𝜋0

Estadístico de Prueba:

𝑃 − 𝜋0
𝑍𝑐 =
√𝜋0 (1 − 𝜋0 )
𝑛
 FORMULARIO ESTADÍSTICA APLICADA A LOS NEGOCIOS

Prueba de Independencia y Prueba de Homogeneidad Chi-cuadrado

Estadístico de prueba

2 ∑(𝑂𝑖 − 𝐸𝑖 )2
𝑋𝐶 =
𝐸𝑖
𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎 ∗ 𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑙𝑢𝑚𝑛𝑎
𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎: (𝐸𝑖 ) =
𝐺𝑟𝑎𝑛 𝑇𝑜𝑡𝑎𝑙

𝑵𝒐 𝑹𝒆𝒄𝒉𝒂𝒛𝒂𝒓 𝒉𝟎 𝑹𝒆𝒄𝒉𝒂𝒛𝒂𝒓 𝒉𝟎

1−𝛼 𝛼

𝑋 2 (1−𝛼;𝑔𝑙)
𝑔𝑙 = (#𝑓𝑖𝑙𝑎𝑠 − 1)(#𝐶𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − 1)

Regresión Simple:

1. Modelo de regresión lineal simple estimado

̂ = 𝜷𝟎 + 𝜷𝟏 𝑿
𝒀
Donde:

𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝛽1 = ,
𝑛 ∑ 𝑋 2 − (∑ 𝑋)2

∑ 𝑌 − 𝛽1 ∑ 𝑋
𝛽0 =
𝑛
2. Coeficiente de correlación(r):
𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌)
𝑟=
√𝑛(∑ 𝑋 2 ) − (∑ 𝑋)2 √𝑛(∑ 𝑌 2 ) − (∑ 𝑌)2

3. Coeficiente de determinación (𝑹𝟐 ):

(Yˆ  Y )2
R 2

(Y  Y )2
Nota: para el caso de una sola variable independiente: 𝑹𝟐 = 𝒓𝟐