Formulario de Estadstica

ESTADSTICA DESCRIPTIVA
Datos sin agrupar
media

Datos agrupados
n

m: n clases

xi

i 1

ni c i

ni : n datos por clase

ci : marca de clase

i 1

desviacin tpica de la poblacin

N

( xi )2

( c i ) 2 ni

i 1

i 1

desviacin tpica muestral

N

( 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

Distribuciones bivariantes de frecuencias

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 )

distribuciones condicionales ........ f r ( x i

Covarianza

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)!

DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

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

Distribucin binomial negativa

X: n fracasos antes de obtener k xitos

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

Var ( X 1 X 2 ........ X n ) Var ( X 1 ) Var ( X 2 ) ........ Var ( X n )

F ( X o ) p( X xo )

Funcin de distribucin
Funcin de probabilidad

f (x) 1

f ( X ) p( X x )

DISTRIBUCIONES CONTINUAS DE PROBABILIDAD

Funcin de probabilidad:

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

Teorema del lmite central

Si X 1 , X 2 ,........, X n es una muestra aleatoria de una poblacin cualquiera, y,

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

Si X 1 , X 2 ,........, X n son v.a. que siguen una distribucin normal tipificada

N(0,1), entonces X12 X 22 + ........ X n2 es una distribucin 2n , con n grados de
libertad.
Si X 1 , X 2 ,........, X n son una muestra aleatoria cuya media es x , entonces
n

(x

x )2

i 1

sigue una una distribucin 2n1 , con (n-1) grados de libertad

.
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

sigue una una distribucin

t n1 , con (n-1) grados de libertad.

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)

f1 (x) = f (x, y)dy

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 )

Variables aleatorias independientes

Cov( X, Y) E X x Y y E( XY) E( X)E(Y)

Covarianza

( X , Y )

Correlacin
Propiedades:

p( Y y X x )

Cov( X , Y )

xy

Var ( X Y ) Var ( X ) Var ( Y ) 2 Cov( X , Y )

Var ( aX bY c ) a 2 Var ( X ) b 2 Var ( Y ) 2 abCov( X , Y )

ESTIMACION
es insesgado si:

E ()

Funcin de verosimilitud

L ( x1 ........ x n ) f ( x1 )............ f ( x n )

Intervalos de confianza:

para la media de una poblacin cualquiera ( 2 conocida)

x
,x
n
n

para la media de una poblacin normal ( 2 conocida)

x z
,x z

1
1
n
n
2
2

para la media de una poblacin normal ( 2 desconocida, n<30)

S
S
x t n 1 , x t n 1
1
1
n
n
2
2

para la media de una poblacin normal ( 2 desconocida, n 30 )

S
S
x z n 1 , x z n 1
1
1
n
n
2
2

para la varianza de una poblacin normal ( y 2 desconocidas)

( n 1)s 2n 1 ( n 1)s 2n 1
2
,

b
a

siendo a y b constantes dependientes de la distribucin Ji-cuadrado.