Probabilidad y estadistica Fórmulas

Eventos mutuamente Excluyentes:

P( A1∪ A 2)=P ( A 1)+P( A2 )

Para cualquier clase de enventos:

P( A1∪ A 2∪ A3 )=P( A 1)+P( A 2)+A ( A3 )−P( A 1∩ A2 )−P( A2 ∩A 3)−P( A1∩ A 3)+P (A 1∩ A 2∩A 3 )

Probabilidad Condicional:

P( A∩B)
P( B∥A)=
P( A )

P( A∩B)=P (A ) P( A∥B)

si son independientes: P( A∩B)=P (A )P( B)

Bayes:

P ( A k ) P( A∥A k )
P( A k∥A)= n

∑ P( A j) P( A∥A j)
j=1

Permutaciones

n!
nPr=
(n−r )!

Combinatoria:

n!
nCr=
r !(n−r )!

Funcion de Probabilidad:

P( X =x)=f ( x )

Para las discretas tengo que determinar la tabla de probabilidades, y que interpreta X , por ej: numero
de caras, suma de dados, etc
Función de Disctribucion

Discreta :
F( x)=P( X≤x )=∑ f (u)
u≤ x

Continua:
x
F (x)=P( X≤x )=∫ f (u)du
−∞

Probabilidad en continua :
b
F (x)=P( a< X<b)=∫ f ( x) dx
a

En caso de ser con X, Y:

Marginales:
n
P( X =x j )=f 1 (x j)=∑ f ( x j , y k )
k=1

∞ ∞
f 1( x)= ∫ f (x , v) dv f 2( y)= ∫ f (v , y ) dv
v=−∞ v=−∞

Si son Variables independientes, la funcion probabilidad se puede escribir:

f (x , y )=f 1 ( x)f 2 ( y )

Cambio de Variable

∂x
g(u)=f ( x )
∂u

∂( x , y)
g(u , v )=f ( x , y) =f (x , y )∗det(J )
∂(u , v)

∂x ∂x
∂v
J = ∂u
∂y ∂y
∂u ∂v

Esperanza Matematica:
n ∞
E( X)=∑ x j P ( X= x j) E( X)=∫ x f (x ) dx
j=1 −∞

E ganar−E perder =0 para un juego justo || Siendo X .Y E( X+Y )=E ( X )+E(Y )

Varianza

Var ( X )=E [(X −μ )² ]=∫ ( x−μ )2 f (x)

Desviacion Estandar

σ x =√ (Var ( X))

Variable Estandarizada

X−μ
X=
σ

Momentos:
∞
μ r= ∫ (x−μ)r f ( x)dx
−∞
Momento respecto al origen:

μ'r=E ( X r )

Funcion generatriz de momentos:

∞
M x (t)=∫ e xt f (x) dx pero algo mas util para sacar momentos es:
−∞

dr
μ'r= r
M x ( t),t =0 donde mu^r es la derivata r-esima de M(t)
dt
∞
para dos variables: μ x =E( X )=∬ x f ( x , y)dx dy
−∞

Covarianza : σ xy=Cov (X , Y )=E [(X−μ x )(Y −μ y )] si son independientes Cov(X,Y) = 0

Esperanza condicional:
∞
E(Y ∥X =x)= ∫ y f ( y∥x)
−∞

Desigualdad de chebyshev

1
P(∣ X−μ∣≥k σ)=
k²
Indica la posibilidad de encontrarse a mas de K desviaciones estadares
Moda
df ( x)
=0 siendo f ( x)la funcion probabilidad Valorse que hacen 0 la derivada
dx

Mediana

1 1
P( X <x)≤ ∧ P( X>x)≥
2 2

Sesgo Curtosis
4
E [( X −μ )3 ] μ3 E[( X−μ) ] μ 4
α 3= = α 4= = 4
σ3 σ3 σ4 σ

DISTRIBUCIONES

f (x ; n , p)=( n ) p (1− p)
x (n− x)
Binomial:
x

e(−λ) λ x
Poisson: f (x ; λ)=
x!

−1 (x−μ )
1 2 σ2
Normal: f (x ; μ , σ) e
√( 2 π)σ