Академический Документы
Профессиональный Документы
Культура Документы
Datos originales Xi
ni ;
frecuencias
Ii
intervalos de clase
i=1,2,,k
Xi
(Marcas de Clase)
Media:
xi
x =
ni xi
; n= ni
i=1
i=1
ni xi
i=1
i=1
x =
x =
n
Mediana:
xi
X n +1
X n +1
menor o viceversa
2
Me=
1
2
; n impar
n
2
; n impar
Me=
1
2
[X + X ]
n
2
; n par
n
+1
2
; n par
[X + X ]
n
+1
2
Me
de mayor a
Ni
n
N i1
2
Me=Li +Ci
ni
( )
N i1 Frecuencia
acumulada
Moda:
ni mayor
Mo
Frecuencia
ms Alta
Mo
=
Frecuencia
ms Alta
Mo
=
( x i x )2
n i ( x ix )
i=1
S =
S =
n1
S =
; n= ni
i=1
n1
i=1
S =
ni x
2
i
n1
( ni x i )
n
S= S2
;
S
;
S Y
FORMULARIO
DE ESTADISTICA
Coeficiente
CASOde
I Variacin:
S
CV = ; 0<CV <1
x
S =
; n= ni
i=1
n1
i=1
Desviacin estndar:
S= S2
x ( xi ) /n
n1
n i ( x ix )2
2
i
1
Lio; Lio+1
Mo=Lio +C io
1 + 2
io1
12=nioio n io+1
ni
ni
Varianza:
n
2
CASO II
S
CV = ; 0<CV <1
x
S 2=
ni x
2
i
( ni x i )
n1
S= S2
SCASO
CV = III; 0<CV <1
x
n
;
a . C L C U L O D E L O S C U AR TI L E S
C L C U L O D E L O S C U A RT I L E S PAR A D ATO S AG R U PAD O
Ubicamos el cuartil deseado en la tabla (frecuencias acumuladas) .
Mediante la frmula:
i.n
donde i 25,50, 75
100
i.n
N i 1
100
Qi Li Ci .
donde
ni
i 25, 50, 75
b . C L C U L O D E L O S D E C I L E S
Los deciles son los nueve valores que dividen la serie de datos en diez partes
iguales. Los deciles dan los valores correspondientes al 10%, al 20%... y al 90%
de los datos.
D5 coincide con la mediana.
C l cu l o de lo s d e cil e s:
i.n
donde i 10, 20....,90
100
i.n
N i 1
100
Di Li Ci .
donde
ni
i 10, 20,....., 90
i.n
donde i 1, 2,....,99
100
i.n
N i 1
100
Pi Li Ci .
donde
ni
i 1, 2,....., 99
SESGO DE PEARSON
MEDIDA DE CURTOSIS
PROPIEDADES DE LA MEDIA
N/0
01
02
03
04
05
PROPIEDAD
REPRESENTACION
L A M E D I A D E U N A C O N S TAN T E E S L A m
L(
Ak ) = k
M I S M A C O N S TA N T E .
L A M E D I A D E L P R O D U C T O D E U N A C O N S TAN T E
P O R U N A VA R I A B L E , E S I G U A L A L P R O D U Cm
TO
(x . k) = k. m(x)
D E L A C O N S TA N T E P O R L A M E D I A D E L A
VA R I A B L E .
LA MEDIA DE LA SUMA DE DOS O MS
VA R I A B L E S E S I G U A L A L A S U M A D E L A S m ( x + y ) = m ( x ) + m ( y ) .
MEDIAS DE CADA UNA DE DICHAS
VA R I A B L E S
L A M E D I A D E U N A VA R I A B L E M A S U N A
m(x + k) = m(x) + k.
C O N S TA N T E , E S I G U A L A L A M E D I A D E L A
VA R I A B L E M A S L A C O N S TAN T E .
LA
SUMA
DE
LAS
DESVIACIONES
( x - x ) = 0
R E S P E C TO AL P R O M E D I O E S I G U A L A
CERO.
PROPIEDADES DE LA VARIANZA
N/O
01
02
03
04
PROPIEDAD
V(c) = 0
V(c.x) = c2 V(x)
V( c + x ) =V( c ) + V(x) = V( x ) =S 2
V(c.x + b) = V(c.x) + V(b) = c 2 v(x)
N/O
01
02
03
04
RELACION
SE CUMPLE:
SI LA DISTRIBUCIN ES SIMTRICA
SI LA DISTRIBUCIN ES ASIMTRICA,
DE COLA A LA DERECHA
SI LA DISTRIBUCIN ES ASIMTRICA,
DE COLA A LA IZQUIERDA
EN
DISTRIBUCIONES
UNIMODALES
ASIMTRICAS
X = MO = ME
MO ME X
X ME MO
X - MO = 3( X ME)
P RO B A B I L I D A D E S
SEAN
N/O
01
02
03
04
05
06
07
08
A Y B EVENTOS EN S:
NOTACION
A B
A B
A' (A)
A-B = A B'
(A B)' = A' B'
(A B)' = A' B'
S' =
= S
SIGNIFICADO
OCURRE SI Y SOLO SI OCURRE A OCURRE B.
OCURRE SI Y SOLO SI A OCURRE Y B OCURRE.
EVENTO QUE OCURRE SI A NO OCURRE
DIFERENCIA DE EVENTOS
UNION DE SUCESOS
Si A1, A2,An son eventos en S, (mutuamente excluyentes) Ai A=,ij
La probabilidad de la unin es:
S:
P( A / B )
P ( A B)
P( B)
, P( B) 0
P(Ai|B)
P(B Ai )
P(B)
TEOREMA DE BAYES
TIPOS DE VARIABLES
Variable aleatoria Discreta
CONDICIONES
CONDICIONES
1. P ( X ) 0
1. f ( X ) 0
2. P ( X i ) 1
2. f ( X )d ( X ) 1
3. P ( X x ) (0,1)
3. P ( a x b)
f ( X ) d ( X ) (0,1)
FUNCIN DE DISTRIBUCIN
ACUMULADA
F ( X ) P( X x)
P( X
FUNCIN DE DISTRIBUCIN
x
F ( X ) P ( X x)
f ( x) dx
E ( X ) xi p ( xi )
E( X )
xf ( x)d ( x)
E ( X )2 P( X i )2 P ( X i ) 2
E ( X )2
(X )
XI
f ( x )dx 2
E ( X )2 E ( x 2 ) 2 2
PROPIEDAD PARA EL CLCULO DE LA VARIANZA: PARA
AMBOS CASOS DE VARIABLE ALEATORIA TIENE LA MISMA PROPIEDAD.
P(X=x)=px .q(1-x)
para X=0,1
MEDIA-ESPERANZA
E(X)==P
VARIANZA
VAR(X)=E(X2)-(E(X))2=p.q
P + q=1
n
x
n x
p q
x
B ( n, p ) P ( X x )
x=0,1,2,3,n
x es la incgnita
E ( x ) np
0; x 0
Varianza ( 2 )
2
F
(
x
)
np (1 p )
P
(
x
)
2 npq
n x n x
P q , x 1, 2,3...n
x
DISTRIBUCIN DE POISSON
e t ( t ) x
; x 0 ,1, 2,... k, k n
X
!
p ( x, t ) P ( X x )
Donde:
: Es el nmero promedio de resultado por unidad de tiempo o regin.
t = tiempo en segundo, minutos, horas
e= 2.7182
La media
n , p 0, np
Cuando:
permanece constante
.t
e x
, x 0,1,...,
x
!
( x, n, p ) p ( x, ) Poisson( x, t )
2. V A R I A B L E A L E A T O R I A C O N T I N U A .
a. DISTRIBUCIN UNIFORME
SE TOMAN TODOS LOS VALORES DE UN INTERVALO [a, b] DONDE b >a
DEFINIMOS: f(x) ES LA FUNCIN DE DENSIDAD DE PROBABILIDAD
P c x d
d c
ba
1
ba
f ( x)
0, otros
casos
;x a
xa
ba
F X
a x b
;x b
(EN EL TRAMO [a;b] )
F X
x a
ba
b a
2
VARIANZA:
(b a ) 2
12
a xb
b. DISTRIBUCIN EXPONENCIAL
e x
f( x)
;x 0
; otros ' casos
F ( x) 1 e
(ACUMULATIVA)
MEDIA O ESPERANZA:
VARIANZA:
1
2
c . D I ST RI BUC I N NORM AL
DISTRIBUCIN NORMAL ESTNDAR
y 2 1
( z)
USO DE TABLAS
X Z
n. p.q
Desviacin Tpica: =
n. p.q
Cuando n es grande y p es constante el comportamiento de una distribucin
binomial B(n,p) es aproximadamente igual a una distribucin Normal de media
= n.p y desviacin tpica =
SE CONSIDERA QUE LA APROXIMACIN ES BUENA SI SE CUMPLE QUE:
n. p.q
n.p 5 o n.q5
Luego tenemos:
B (n, p) SE TRANSFORMA EN N ( = n.p , =
Dado que por mucho que se parezca una Distribucin Binomial (Discreta) no es
igual a una Distribucin Normal (Continua), es necesario aplicar una correccin
(correccin de Yates) de la siguiente manera:
B I NO M I A L = N O R M A L
EJEMPLOS
P(x=k)=P(k-0.5<x<k+0.5)
P(xk)=P(xk+0.5)
P(x<k)=P(x<k-0.5)
P(x k)=P(xk-0.5)
P(x=2)=P(2-0.5<X<2+0.5)
P(x4)=P(X4+0.5)
P(x<4)=P(X<4-0.5)
P(x4)=P(X4-0.5)
P(x >k)=P(x>k+0.5)
P(x>4)=P(X>4+0.5)
ALEATORIA DE TAMAO n
QUE SE TOMA
X Z
X
/ n
b. SI n <30(MUESTRA PEQUEA)
LA APROXIMACION ES BUENA SOLO SI
LA POBLACION DIFIERE MUCHO DE LA POBLACION NORMAL.
c.
SI SE SABE QUE LA POBLACION
ES NORMAL LA DISTRIBUCION
MUESTRAL
DE
LA MEDIA X
SEGUIRA
EXACTAMENTE UNA
DISTRIBUCION NORMAL
SIN IMPORTAR
QUE TAN PEQUEA SEA LA
MUESTRA
IC : X Z / 2 (
1.
)< < X Z / 2 (
ERROR (e) :
e X Z / 2 (
2.TAMAO
DE
Z ( )
n /2
e
)
n
MUESTRA(n ) :
L 2.Z / 2 ( )
n
4. ERROR
....e( X )
ESTANDAR
DE
IC : X t / 2 (
)< < X t / 2 (
1.
ERROR (e) :
e X t / 2 (
2.TAMAO
)
n
DE
MUESTRA(n ) :
t / 2 ( )
3. LONGITUD
L 2.t / 2 (
DEL
4. ERROR ESTANDAR DE
e( X )
INTERVALO ( L )