Formulario de Estadı́stica I

Tema 2 Sean x1 , x2 , . . . , xn los los n valores observados. La muestra ordenada (variables no categóricas nominales)
se denota por x(1) , x(2) , . . . , x(n) .
• Media aritmética: x(= n1 n
P
i=1 xi .
1
2
(x( n ) + x( n +1) ), si n es par,
• Mediana: M e = 2 2
x( n+1 ) , si n es impar.
2
• Moda: La moda es el valor xi que presenta una mayor frecuencia absoluta (o relativa).
• Cuartiles: Qk = x(k(n+1)/4) para k = 1, 2, 3.
• Percentiles: Pk = x(k(n+1)/100) para k = 1, 2, . . . , 99.
• Rango o amplitud: R = xmax − xmin .
• Rango intercuartı́lico: RIC P = Q3 − Q1 .
Varianza muestral: σ̂ 2 = n1 n 2
Pn
1
x2 − nx2 .

• i=1 (xi − x) = n
√ i=1 i
• Desviación tı́pica (o estándar) muestral: 2
Pn σ̂ = σ̂2 . 1 Pn
2 1 2 2

• Cuasivarianza muestral: s = n−1 i=1 (xi − x) = n−1 i=1 xi − nx .
√
• Cuasidesviación tı́pica muestral: s = s2 .
• Coeficiente de variación de Pearson: CV =Ps/|x|.
n 3
i=1 (xi −x)
• Coeficiente de asimetrı́a de Fisher: CA = ns3
.
Pn 4
i=1 (xi −x)
• Coeficiente de curtosis de Fisher: CC = ns4
− 3.

Tema 3 Sean (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) los n pares de valores observados !

para (X, Y ).
n n
1 X 1 X
• Covarianza: sxy = (xi − x) (yi − y) = xi yi − nx y
n − 1 i=1 n−1 i=1
sxy
• Coeficiente de correlación lineal de Pearson: r(x,y) =
sx sy

Tema 4 Sea Ω el espacio muestral asociado a cierto experimento aleatorio, B1 , . . . , Bk una partición de Ω, tal que
P (Bi ) 6= 0 para i = 1, . . . , k y A un suceso cualquiera.
• Ley de la probabilidad total:

P (A) = P (A ∩ B1 ) + . . . + P (A ∩ Bk ) = P (A|B1 ) P (B1 ) + . . . + P (A|Bk ) P (Bk ).

• Teorema de Bayes:

P (Bj ∩ A) P (A|Bj ) P (Bj )

P (Bj |A) = = , para j = 1, . . . , k.
P (A) P (A|B1 ) P (B1 ) + . . . + P (A|Bk ) P (Bk )

Esperanza y varianza de una variable aleatoria.

Sea X una v.a. que toma valores en un conjunto S. La esperanza y varianza de X se definen como:
 X

 x P (X = x), si X es una v.a. discreta,

x∈S
E(X) = Z


 x f (x) dx, si X es una v.a. continua.
S

 X

 (x − E(X))2 P (X = x), si X es una v.a. discreta,

x∈S
var(X) = Z
(x − E(X))2 f (x) dx,


 si X es una v.a. continua.
S

Tema 5 Algunos modelos de probabilidad.

Modelo X Conjunto S Función de probabilidad / densidad E(X) var(X)

Ber(p) {0, 1} P (X = 1) = p, P (X = 0) = 1 − p p p (1 − p)
P (X = x) = nx px (1 − p)n−x


B(n, p) {0, 1, . . . , n} np n p (1 − p)
λx
P ois(λ) N ∪ {0} P (X = x) = e−λ x!
λ λ
U (a, b) (a, b) f (x) = 1
b−a
(a + b)/2 (b − a)2 /12
+ −λ x
exp(λ) R f (x) = λ e 1/λ 1/λ2
f (x) = σ 2 π exp − 2 1σ2 (x − µ)2
1
σ2

N (µ, σ) R √ µ