Академический Документы
Профессиональный Документы
Культура Документы
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)
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
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=−∞
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 −∞
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 )
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
−∞
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