1

UNIVERSIDAD NACIONAL DE MISIONES

FACULTAD DE CIENCIAS ECONÓMICAS

ESTADÍSTICA
TABLA DE FÓRMULAS

ESTADÍSTICA DESCRIPTIVA

 Fórmula de Sturges: k  1  3,322 log(n) donde n es el número de observaciones.

 Longitud de los intervalos: l  A donde A es la amplitud del conjunto de

k
observaciones.

 Fórmula de cálculo para la varianza muestral:

s2 
ni 1 x i 
n 2
 n
x
i 1 i
 2

n(n  1)

 Fórmula de cálculo para la varianza poblacional:

2 
N i 1 x i 
N 2
 x 
N
in i
2

2
N
 Covarianza muestral:

 ( x i  x )( y i  y )
n

s xy  i 1
n 1
 Coeficiente de correlación muestral de Pearson
s xy
rxy 
sx s y
Donde: s xy  covarianza muestral, s x  desviación muestral de la variable x, s y 
desviación muestral de la variable y

 Fórmula de cálculo del Coeficiente de correlación de Pearson

n  in1 xi yi  in1 xi in1 yi

rxy 
i 1 i 
i 1 i  
 

 n  n x 2  n x 2   n  n y 2  n y 2 
 i 1 i i 1 i 

 
 Coeficiente de correlación poblacional de Pearson
σ xy iN1 ( xi  μ x )( yi  μ y )
ρ xy  
σ xσ y
iN1  xi  μ x   yi  μ y
2
 2
σ xy  covarianza de la población
σ x  desviación estándar poblacional de la variable x
 2

σ y  desviación estándar poblacional de la variable y

 3

DISTRIBUCIONES DE PROBABILIDAD

Distribución binomial: Si X es una variable aleatoria que tiene distribución binomial, entonces
P ( X  x / n, p )  n! p x q n x
x! (n  x)!
El valor esperado y la varianza de una variable aleatoria con distribución binomial son
E ( X )    np y Var ( X )   2  npq respectivamente.

Distribución Hipergeométrica: Si una población de tamaño N tiene N E número de éxitos y

M F número de fracasos, entonces, la probabilidad de obtener x éxitos en n intentos está dada
por:

 NE   NF 
  
x  nx
(XP  x)
N
 
n 
El valor esperado y la varianza de una variable aleatoria con distribución hipergeométrica está
N NE  NE   N  n 
dado por E  X   μ  n  E y σ  n 
2
 1    respectivamente
N N  N   N 1 

Distribución de Poisson: Una variable aleatoria tiene distribución de Poisson si su función de

 x
distribución es: P ( X  x )  e  donde  es el promedio de ocurrencia del suceso o
x!
evento por unidad de tiempo, espacio, volumen, etc.
El valor esperado y la varianza de una variable aleatoria que tiene distribución de Poisson son
E ( X )  μ  λ y Var  X   σ 2  λ respectivamente.
 4

Distribución Normal: Se dice que una variable aleatoria X tiene distribución normal si su
( x  ) 2
función de densidad está dada por: f ( x)  1 e_ 22 donde    x   ,      
2 
y 0
El valor esperado y la varianza de una variable aleatoria con distribución normal son:
E ( X )   y Var ( X )   2

REGRESIÓN LINEAL SIMPLE

 Pendiente y ordenada al origen de la recta de regresión muestral

SC xy
βˆ1  ; ˆ 0  y  ˆ 1 x
SC x

 xi  y i
donde SC xy    xi  x    yi  y    xi yi 
n
(  xi ) 2
SC x    xi  x  2   xi2 
n

 Coeficiente de determinación

r 2  SCR
SCT

 ˆ    x  y   xi  yi 
 SCR   n ˆ

i 1 iy  y  2 ˆ
 β1  SC xy  β1 i i
  n 
Donde: 
2   yi 
2

SCT  i1  yi  y   SC y   yi  n
n 2

 Error estándar de estimación

in1  yi  yˆ i  SC y  βˆ1  SC xy
2
SCE
s  
n2 n2 n2
Donde: SCE  SCT  SCR  SC y  βˆ1  SC xy

 Prueba de significación para la pendiente de la recta de regresión poblacional

βˆ1  β1  Ho  βˆ1  β1  Ho 
Ep  T  
s βˆ s
1
SC x
 5

( x )2
donde: SC x    xi  x  2   xi2   i
n

 Intervalo de confianza para 1

βˆ1  t  s βˆ
1
s
donde s βˆ1  SC x

 Estimación por intervalo para un valor individual de y

 1 (x  x)2
y  t. s 1  
n 2   x 2
x 
n

 Estimación por intervalo para E  y / x 

 (x  x) 2
y  t .s. 1 
n  x 2
x 2

n