Академический Документы
Профессиональный Документы
Культура Документы
( x i x ) ni
Varianza =
s2 i
n
ESTADÍSTICA DESCRIPTIVA
xi 2 ni
x n i
x2
Media aritmética i i n
x i
n x i x n i = n s 2
2
Mediana Cuasivarianza
s *2 i n 1
N i 1 n / 2 N i Si n/2 < Ni n 1
Me=xi x i Me ni
Desviación media respecto a la mediana D i
Me
Si n/2= Ni n
Recorrido Intercuartílico RQ = C3- C1
Me=(xi+xi+1)/ 2
s
Moda Coeficiente de Variación de Pearson CV x
Mo=xi tal que ni es máximo
3
( x i x ) ni
Coeficiente de asimetría de Fisher
g1 i
ns 3
Percentil de orden p Coeficiente de apuntamiento de Fisher
Pp=xi tal que Ni1< pn Ni
100
x ir ni
xi x 4 ni
Momento de orden r respecto al origen g2 i 3
ns 4
i
ar
n
Momento de orden r,s respecto al origen
Momento de orden r respecto a la media
x ir y sj nij
( xi x ) r ni
a rs
i j
i
mr n
n
Momento de orden r,s respecto a la media
(xi x ) r ( y j y ) s nij
i j
m rs
n
Covarianza n ,, nk
n!
Permutaciones con repetición Pn 1
n1! n k !
( x i x )( y j y )nij x i y j nij
i j i j
s xy xy
n n Teorema de la probabilidad total:
s xy
Coeficiente de correlación lineal rxy Si el espacio muestral lo podemos dividir en n sucesos A i, disjuntos
sx sy
dos a dos,
n
p( B) p( B A j ) p( A j )
j 1
Recta de regresión
Recta de regresión de Y sobre X y=a+bx con Teorema de Bayes:
s xy
b a y bx Si el espacio muestral lo podemos dividir en n sucesos A i, disjuntos
s x2
dos a dos, de los que conocemos su probabilidad y la probabilidad
( yi yi* ) 2 ( yi a bx i ) 2 condicionada p ( B Ai ) , entonces
Varianza residual s e2 i
i
p ( B Ai ) p ( Ai )
n n p ( Ai B ) n
p( B A j ) p( A j )
2
s
Coeficiente de determinación R 1
2 e
s 2 j 1
y
Desigualdad de Tchebychev
Si X es una v.a. con media y varianza 2 , entonces para todo k,
PROBABILIDAD constante positiva se verifica:
Fórmulas de combinatoria 1
P ( X k ) 1
k2
m! m(m 1)(m n 1)
Combinaciones C m, n
n!(m n)! n!
m! DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
Variaciones Vm,n m( m 1) ( m n 1)
( m n)!
Variaciones con repetición Vm , n m
n
Distribución binomial (o Bernoulli con n=1)
Permutaciones Pn n!
n x
p (1 p ) n x x 0,1,2,....., n
f ( x) x E ( X ) np Var ( X ) np (1 p )
Distribución exponencial
0 en otro caso
e x
x0 1 1
Distribución binomial negativa (o geométrica con r=1) f ( x) E( X ) Var ( X )
0 en otro caso 2
x 1 p r (1 p ) x r x r , r 1, r 2,.....
f ( x) r 1 E( X ) r / p Var ( X ) r (1 p) / p 2
0 en otro caso
Distribución hipergeométrica
n a n n a
x k x
x max(0, n a k n),..., min(n a , k ). n k na n
f ( x) n E ( X ) kna / n Var ( X ) k (1 a )
k n 1 n n
0 en otro caso
Distribución de Poisson
e x
x 0,1,2,.....
f ( x) x! E ( X ) Var ( X )
0 en otro caso
Distribución uniforme
1
a xb
f ( x) = b - a
0 en otro caso
ba (b-a)2
E( X ) ; Var(X)=
2 12
Distribución normal
1 ( x ) 2
1
e2
2
f ( x) x R
2 2
E( X ) Var ( X ) 2
Distribución Gamma
x 1e x /
x0
f ( x ) ( ) E ( X ) Var ( X ) 2
0 en otro caso
siendo ( ) 0 x 1e x dx
Propiedades de la función gamma:
( ) ( 1)( 1)
si n es un entero positivo ( n) ( n 1)!)
1
1
( x μ)' -1 (x - )
f ( x) 1/ 2
e 2
x R 2
2