Академический Документы
Профессиональный Документы
Культура Документы
3 ESTADISTICA DESCRIPTIVA
Ni = n1 + n2 +. . . +ni (2)
𝑛𝑖
𝑓𝑖 = (3)
𝑁
Siendo (X1, X2,…, XN) el conjunto de datos y ni el total de valores igual a Xi.
Las frecuencias relativas son valores entre 0 y 1, 0 ≤ fi ≤ 1. La suma de las
frecuencias relativas de todos los sujetos da 1. Supongamos que en el conjunto
tenemos k números (o categorías) diferentes, entonces:
𝑁𝑖
𝐹𝑖 = (5)
𝑁
Siendo (X1, X2,…, XN) el conjunto de datos y Ni el total de valores igual o menor
a Xi. La frecuencia relativa acumulada de cada valor siempre es mayor que la
frecuencia relativa. De hecho, la frecuencia relativa acumulada de un elemento
es la suma de las frecuencias relativas de los elementos menores o iguales a él,
es decir:
Fi = f1 + f2 +. . . +fi (6)
∑(𝑋𝐼 𝑓𝑖 )
𝑥̅ = ∑ 𝑓𝑖
(8)
La media aritmética es la suma de todos los datos dividida entre el número total
de datos. Se calculan dependiendo de cómo vengan ordenados los datos.
(Martinez, 2003)
2.4.2 MODA.
𝑴 = (𝒅𝒂𝒕𝒐 𝒒𝒖𝒆 𝒎𝒂𝒔 𝒔𝒆 𝒓𝒆𝒑𝒊𝒕𝒆) (9)
La mediana o valor mediano será el valor de la variable que separa en dos grupos
los valores de las variables, ordenadas de menor a mayor. Por tanto, es una
cantidad que nos indica orden dentro de la ordenación.
𝑛
El lugar que ocupa se determina dividiendo el N.º de valores entre 2: 2
2.5.1 VARIANZA.
1
𝑆 2 = 𝑛−1 ∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2 (12)
∑ 𝑋𝑖 2 𝑓𝑖
𝑆2 = ∑ 𝑓𝑖
− (𝑥̅ )2 (13)
𝑆
𝐶𝑉 = (15)
𝑥̅
Diagrama de caja es un tipo de gráfico que nos permite interpretar los datos para
las variables, a través de cuál podemos observar cuartiles, valores mínimo y
máximo, mediana y los valores atípicos. (Chirstensen, 1983)
2.6.4 PERCENTIL.
(𝑛+1)𝑖
𝑃(𝑖) = 𝑋( 100
) (16)
Los percentiles son los 99 valores que dividen la serie de datos en 100 partes
iguales. Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99%
de los datos. (Mendenhall, 2002)
2.6.5 CUARTIL.
𝑄2 = 𝑃(50) (17)
∑ 𝑋𝑖 3
𝐴𝑠 = (19)
𝑛. 𝑆𝑥 3
2.7.2 CURTOSIS.
∑ 𝑋𝑖4
𝐶𝑟 = − 3 (20)
𝑛. 𝑆𝑥 4
El principio multiplicativo implica que cada uno de los pasos de la actividad deben
ser llevados a efecto, uno tras otro. (Lipschutz, 2000)
2.8.3 Combinaciones
𝑛!
nCk= (22)
(𝑛−𝑘)!𝑘!
2.8.4 Permutaciones
donde n es el número de cosas que puedes elegir, y eliges r de ellas (Se puede
repetir, el orden importa). (Lipschutz, 2000)
16 × 15 × 14 × 13 ... = 20,922,789,888,000
La fórmula se escribe:
𝑛!
nPr= (24)
(𝑛−𝑟 )!
2.9.1 Experimento
2n (25)
2.9.3 Eventos
2n = 2(3)=8
Ω= { (CCC),(CCS),(CSS),(CSC),(SCC),(SSC),(SSS),(SCS)}
𝑷: 𝑳 ↷ [𝟎, 𝟏]
Propiedades
Si solo se cumple:
1. La P(Ω) =1
2. La probabilidad del evento debe estar: 0 ≤ 𝑃 (𝐸) ≤ 1∀𝐸 ∈ 𝐿
𝑵(𝑬)
𝐏(𝐄) = 𝑵(Ω)(26)
• Ley de complemento
𝑷(𝑬) = 𝟏 − 𝑷(𝑬𝒗𝒆𝒏𝒕𝒐𝑪 )(27)
• Ley adictiva de probabilidad
𝑷(𝑬𝟏 ∪ 𝑬𝟐) = 𝑷(𝑬𝟏) + 𝑷(𝑬𝟐) − 𝑷(𝑬𝟏 ∩ 𝑬𝟐)(28)
• Probabilidad condicional
es la probabilidad de que ocurra un evento A, sabiendo que también
sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se
lee “la probabilidad de A dado B”.
No tiene por qué haber una relación causal o temporal entre A y B. A
puede preceder en el tiempo a B, sucederlo o pueden ocurrir
simultáneamente. A puede causar B, viceversa o pueden no tener relación
causal. Las relaciones causales o temporales son nociones que no
pertenecen al ámbito de la probabilidad. Pueden desempeñar un papel o
no dependiendo de la interpretación que se les dé a los eventos. (Ibarrola,
1997)
𝐴∩𝐵
𝑃 (𝐴⁄𝐵) = (29)
𝑃(𝐵)
• Independencia de eventos
o 𝑃 (𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑥𝑃(𝐵) (30)
o 𝑃 (𝐴) = 𝑃 (𝐴|𝐵)(31)
o 𝑃 (𝐵) = 𝑃(𝐵|𝐴)(32)
o 𝑃 (𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑥𝑃(𝐵|𝐴)(33)
o 𝑃 (𝐵 ∩ 𝐴) = 𝑃(𝐵)𝑥𝑃(𝐴|𝐵)(34)
• Probabilidad total
𝑷(𝑨) = 𝑷(𝑨 ∩ 𝑬𝟏) + 𝑷(𝑨 ∩ 𝑬𝟐) + 𝑷(𝑨 ∩ 𝑬𝟑) + 𝑷(𝑨 ∩ 𝑬𝟒)
𝑷(𝑨) = 𝑷(𝑬𝟏) ∗ 𝑷(𝑨|𝑬𝟏) + 𝑷(𝑬𝟐) ∗ 𝑷(𝑨|𝑬𝟐) + 𝑷(𝑬𝟑) ∗ 𝑷(𝑨|𝑬𝟑) + 𝑷(𝑬𝟒) ∗ 𝑷(𝑨|𝑬𝟒) (35)
• Teorema de Bayes
𝑷(𝑬𝟏)∗𝑷(𝑨|𝑬𝟏)
𝑷(𝑬𝟏|𝑨) = (36)
𝑷(𝑨)
𝑷(𝑬𝒊)∗𝑷(𝑨|𝑬𝒊)
𝑷(𝑬𝒊|𝑨) = (37)
𝑷(𝑨)
2.15.1 Media
La media de una variable aleatoria X con distribución de probabilidades
P(X = x) se define como:
μ = E[x] (39)
2.15.2 Varianza
X=x
1.) 0 ≤ P ( ) ≤ 1 (42)
Propiedades:
2. Cada prueba tiene dos resultados posibles: uno denominado éxito (𝐸) y el otro
fracaso (𝐹)
Toma en cuenta los casos que se esté analizando que ocurra un éxito o un
fracaso. Si se cumplen todas las condiciones señaladas decimos que (𝑋) tiene
distribución binomial de probabilidad, con parámetros (𝑛 𝑦 𝑃). Su fórmula es:
𝑃(𝑋 = 𝑥 ) = (𝑛𝑥) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 (49)
• Media • Varianza
𝜇 = 𝑛 . 𝑝 (50) 𝜎 2 = 𝑛 . 𝑝 (1 − 𝑝)(51)
𝑃 (𝑋 = 𝑥 ) = (𝑥−1
𝑟−1
) 𝑝𝑟 (1 − 𝑝)𝑥−𝑟 (52)
• Media
𝑟
𝜇=𝑝 (53)
• Varianza
𝑟 (1−𝑝)
𝜎2 = (54)
𝑃2
Su fórmula es: Si 𝑟 = 1
Propiedad.
Para todo 𝑛 𝑦 𝑚, entonces se tiene que (𝑋) se distribuye según una distribución
geométrica. Esta propiedad se conoce como Pérdida de Memoria.
• Media • Varianza
1 1−𝑝
𝜇 = 𝑝(58) 𝜎2 = (59)
𝑃2
(𝑁1
𝑟
𝑁2
)(𝑛−𝑟 )
(𝑁1+𝑁2
𝑛
)
Donde 𝑥 = 0, 1, 2, … ∈ ℝ
𝑎 → 𝐶𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝑁 → 𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝑛 → 𝑀𝑢𝑒𝑠𝑡𝑟𝑎
• Media
𝑎𝑛
𝜇= (81)
𝑁
• Varianza
𝑎𝑛
𝜎2 = (𝑛−𝑎
𝑁
)(𝑁−𝑛 )
𝑁−1 (82)
𝑁
• Media
𝜇 = 𝜆 (84)
• Varianza
𝜎2 = 𝜆 (85)
2.24. Variable Aleatoria Continua.
La variable aleatoria (𝑋) será continua si los valores asignados pueden ser
cualesquiera, dentro de ciertos intervalos, es decir, puede tomar cualquier valor de 𝑹.
Por ejemplo, si consideramos el experimento aleatorio consistente en medir el nivel de
agua en un embalse y tomamos la variable aleatoria “(𝑋 = 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒𝑙 𝑎𝑔𝑢𝑎)”, esta
puede tomar valores entre 0 y más infinito”. (Devore, 1998)
Sea 𝑋 una variable aleatoria continua con función de densidad 𝑓(𝑥) se define la
función de distribución, 𝐹(𝑥) como:
∞
𝐹 (𝑥 ) = 𝑃[𝑥 ≤ 𝑋] = ∫−∞ 𝑓(𝑥) 𝑑𝑥 (86)
A) 𝐹 (𝑥 ) ≥ 0
∞
B) ∫−∞ 𝑓 (𝑥 )𝑑𝑥 = 1
𝑏
C) 𝑃[𝑎 ≤ 𝑥 ≤ 𝑏] = ∫𝑎 𝑓 (𝑥 )𝑑𝑥 = 𝐹 (𝑏) − 𝐹(𝑎) (87)
Propiedades.
3.) 𝐹 (𝑥 ) 𝑒𝑠 𝑐𝑟𝑒𝑐𝑖𝑒𝑛𝑡𝑒
4.) 𝐹 (𝑥 ) 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎.
2.27. Valores Esperados para variable aleatoria continua.
Sea 𝑋 una variable aleatoria continua, con función de densidad 𝑓 (𝑥 )𝑦 𝑔(𝑥) una
función en términos de 𝑋. El valor esperado de 𝑔(𝑥) si existe, se define como:
∞
𝐸 [𝑔(𝑥 )] = ∫∞− 𝑔(𝑥 ) 𝑓 (𝑥 ) 𝑑𝑥 (89)
Propiedades.
2.28.1. Media.
La media de una variable aleatoria continua 𝑥 con función de densidad 𝑓(𝑥) se
define como:
𝜇 = 𝐸[𝑥] (93)
2.28.2. Varianza.
{ 0 ; si no
• Media
β 1 β+α
μ = E[x] = ∫α dx → μ = (96)
β−α 2
• Varianza
σ2 = E[x 2 ] − μ2
β 1 (β+α)2
E[x 2 ] = ∫α x 2 dx → σ2 = (97)
β−α 12
Se dice que una variable aleatoria continua X tiene una distribución exponencial
con parámetros β > 0, donde β es un valor numérico, entonces su función de
densidad está dada de la siguiente manera:
1 −x⁄β
e ;x ≥ 0
β
f(x) = (98)
{ 0 ; si no
• Media
μ=β (99)
• Varianza
σ2 = β2 (100)