Probabilidad: n = caso posibles ; h = caso favorables ; E,E 1,E 2,E 3 sucesos

P(E) = h/n
P(E) = p P(noE) = q
P(noE) = 1 – P(E ) q = 1– p

Sucesos independientes: Sucesos dependientes:

P(E1 E2) = P(E1 ) P(E 2) P(E 1 E 2) = P(E1).P(E2/E 1)
P(E 1 E2 E3) = P(E1 ).P(E2 ).P(E3) P(E 1 E 2 E 3) = P(E 1).P(E2 /E1).P(E3 /E1 E2)

Probabilidad de que ocurra E1 o E2 o ambos:

P(E1 + E2) = P(E1) + P(E2) – P(E1 E2)
Sucesos mutuamente excluyentes:
P(E1 E2) = 0 P(E1 + E2) = P(E1) + P(E2)

Teorema de Bayes:
P (E i )P (A / E i )
P (E 1 )P (A / E 1 ) + ... + P (E i )P (A / E i ) + ... + P (E n )P (A / E n )
P = {Ei /A} =

Distribución Binomial
N! N −x
P(x) = NCx px qN-x = p xq
x! ( N − x )!
N = nro de ensayos
x = nro de éxitos (x = 0, 1, 2, ......, N)
N – x = nro de fallos
p = es la probabilidad de éxito
q = es la probabilidad de fallo = 1 – p

Propiedades
Media à ì = N .p
1/2
Desviación típica à ó = (N.p.q)

Distribución de Poisson
λ x
e − λ

P(x) =
x !
ë = es una constante dada ( promedio a largo plazo de eventos para el tiempo de interés)
e = la base de los logaritmos naturales (e =2,71828..)
x = nro de éxitos (x = 0, 1, 2, ......)
Propiedades
Media à ì = ë
1/2
Desviación típica à ó = (ë)

Distribución Normal
2
z
−
e 2
x−µ
Y = variable tipificada: z =
2π σ
z2
−
b e 2
P ( a < z< b ) = ∫a 2π
dz
x = evento favorable ( éxito)
ì = media
e = la base de los logaritmos naturales (e =2,71828..)
ð = 3,14159
ó = desviación típica
Estadística
- Media aritmética
N

∑ Xj
j =1
X= y los Xj son un conjunto de datos (X1, X2 , ...... XN )
N
Si los números (X1 , X2 , ...... XK ) se representan por f 1, f 2 , ...... f K (frecuencias) – datos
agrupados en una distribución de frecuencias
K

∑ fjXj
j =1
X= K

∑
j =1
fj

- Mediana
N
 − ∑f ( ) 
L1 +  2
1
Mediana = c
 f mediana 
 
 
L1 = limite real inferior de la clase mediana (clase que contiene a la mediana)
N = nro total de datos ( frecuencia total)
(∑ f ) 1
= suma de las frecuencias de todas las clases por debajo de la mediana
f mediana = frecuencia de la clase mediana
c = tamaño del intervalo de la clase mediana

- Moda
 ∆1 
Moda = L1 +  c
 ∆1 + ∆ 2 
L1 = limite real inferior de la clase m odal (clase que contiene a la moda )
Ä 1 = exceso de la frecuencia modal sobre la frecuencia de la clase contigua inferior
Ä 2 = exceso de la frecuencia modal sobre la frecuencia de la clase contigua superior
c = tamaño del intervalo de la clase modal

- Media Geométrica

G = N X 1. X 2 .X 3 ...........X N y los (X1 , X2 , ...... XN ) son los datos

- Media Armónica
N
H= N
y los (X1 , X2 , ...... XN) son los datos

∑
1
j =1 Xj
- Cuartiles, deciles y percentiles
 iN
 − ∑f ( ) 
cuartil) = L1 +  4
1
Qi = (i-esimo c
 f cuartil 
 
 
L1 = limite real inferior de la clase que contiene al i -esimo cuartil
N = nro total de datos ( frecuencia total)
(∑ ) f = suma de las frecuencias de todas las clases por debajo de la clase que contiene al i-
1
esimo cuartil
f cuartil = frecuencia de la clase del i-esimo cuartil
c = tamaño del intervalo d e la clase del i-esimo cuartil
  iN
 − ∑ f 1

( )
decil) = L1 +  c
Di = (i-esimo 10
 f decil 
 
 
L1 = limite real inferior de la clase que contiene al i -esimo decil
N = nro total de datos ( frecuencia total)
(∑ f ) 1
= suma de las frecuencias de todas las clas es por debajo de la clase que contiene al i-
esimo decil
f decil = frecuencia de la clase del i-esimo decil
c = tamaño del intervalo de la clase del i-esimo decil

 iN
 − ∑f ( ) 
Pi = (i-esimo percentil) = L1 +  100
1
c
 f percentil 
 
 
L1 = limite real inferior de la clase que contiene al i -esimo percentil
N = nro total de datos ( frecuencia total)
(∑ f ) 1
= suma de las frecuencias de todas las clases por debajo de la clase que contiene al i-
esimo percentil
f percentil = frecuencia de la clase del i-esimo percentil
c = tamaño del intervalo de la clase del i-esimo percentil

- Desviación Media
N ___
∑ Xj−X
j =1
M.D = de una serie de N nros. ( X1 , X2 , ...... XN)
N
k
 ___ 
∑  f j X j − X 
M.D =
j =1   de una serie de N nros. ( X1 , X2 , ...... Xk) y sus frecuencias (f1, f 2 , .... fk)
N
- Desviación Típica

2
 N

∑
___
X j − X 
j =1  
s= de una serie de N nros. (X1 , X2 , ...... XN)
N
k   ___ 2 
∑  f j X j − X  
 
s=
j =1   de una serie de N nros. (X1 , X2 , ...... Xk) y sus frecuencias (f1, f2 , ..f k)
N

- Varianza
2
s
- Distribución de muestreo de medias
σ Np − N
µX = µ σX = à Muestras de una población finita sin reposición
N N p −1
σ
µX = µ σX = à Muestras de una población infinita o muestreo con reposición de
N
una población finita

µ,σ : media y desviación típica de la población

µ X , σ X : media y desviación típica de la distribución de muestreo de medias
N p : tamaño de la población (finita)
N : tamaño de la muestra – si N>30 la distribución de muestreo de medias es aprox. Normal

- Distribución de muestreo de proporciones

pq p (1 − p )
µp = p σp = = à Muestras de una población infinita o muestreo con
N N
reposición de una población finita

µ= p σ= p.q à Muestras de una población fi nita sin reposición

µ,σ : media y desviación típica de la población

µ p ,σ p : media y desviación típica de la distribución de muestreo de proporciones
p : probabilidad de ocurrencia de un suceso
q = 1 − p : probabilidad de no ocurrencia de un suceso
N : tamaño de la muestra – si N>30 la distribución de muestreo de proporciones es aprox.
Normal

- Distribución de muestreo de diferencias y sumas (medias y proporciones)

σ 21 σ 2 2
µ X 1−X 2 = µ X 1 − µ X 2 = µ1 − µ2 σ X 1− X 2 = σ 2 X 1 + σ 2 X 2 = +
N1 N 2
σ 21 σ 2 2
µ X 1+ X 2 = µ X 1 + µ X 2 = µ1 + µ2 σ X 1+ X 2 = σ 2 X 1 + σ 2 X 2 = +
N1 N 2
(Muestras de una población infinita o muestreo con reposición de una población finita)

µ1 ,σ1 : media y desviación típica de la población 1

µ2 ,σ2 : media y desviación típica de la población 2
µ X 1 ,σ X 1 : media y desviación típica de la distribución de muestreo de medias de la población
1
µ X 2 , σ X 2 : media y desviación típica de la distribución de muestreo de medias de la población
2
N1 : tamaño de la muestra de la población 1
N2 : tamaño de la muestra de la población 2
Si N1 y N 2 > 30 se distribuyen según distrib. normal
 p1q1 p 2 q2
µ p1− p 2 = µ p1 − µ p 2 = p1 − p 2 σ p1− p 2 = σ 2 p 1 + σ 2 p 2 = +
N1 N2
p1q1 p 2 q2
µ p1+ p 2 = µ p1 + µ p 2 = p1 + p2 σ p1+ p 2 = σ 2 p1 + σ 2 p 2 = +
N1 N2
(Muestras de una población infinita o muestreo con reposición de una población finita)

µ p1 , σ p1 : media y desviación típica de la distribución de muestreo de proporciones de la

población 1
µ p 2 , σ p 2 : media y desviación típica de la distribución de muestreo de proporciones de la
población 2
p1 : probabilidad de éxito de un suceso (de la población 1)
q1 = 1− p1 : probabilidad de no éxito de un suceso (de la población 1)
p 2 : probabilidad de éxito de un suceso (de la población 2)
q2 = 1 − p2 : probabilidad de no éxito de un suceso (de la población 2)
N1 : tamaño de la muestra de la población 1
N 2 : tamaño de la muestra de la población 2
Si N1 y N2 > 30 se distribuyen según distrib. normal
- Intervalo de confianza para las medias
σ
X ± zc àsi el muestreo es de una población infinita o de una finita con reposición
N
σ Np − N
X ± zc àsi el muestreo es de una población finita de tamaño Np y sin
N N p −1
reposición
X , σ : media y desviación típica de la población
N p : tamaño de la población (finita)
N : tamaño de la muestra – si N>30 la distribución de muestreo de medias es aprox.
zc :coeficiente de confianza (del apéndice II)

- Intervalo de confianza para proporciones

p.q p (1 − p )
P ± zc = P ± zc à si el muestreo es de una población infinita o de una finita
N N
con reposición
p.q Np − N
P ± zc àsi el muestreo es de una población finita de tamaño N p y sin
N N p −1
reposición
P : proporción (probabilidad) de éxitos en la muestra de tamaño N
p : probabilidad de éxito de un suceso de la población
q : probabilidad de no éxito de un suceso de la población
N p : tamaño de la población finita
N : tamaño de la muestra
zc :coeficiente de confianza (del apéndice II)
- Intervalo de confianza para diferencias y sumas (medias y proporciones)
σ 21 σ 2 2
X 1 − X 2 ± zcσ X 1− X 2 = X 1 − X 2 ± zc +
N1 N 2
σ 21 σ 22
X 1 + X 2 ± zcσ X 1+ X 2 = X 1 + X 2 ± zc +
N1 N2
si el muestreo es de una población infinita o de una finita con reposición
X 1 , σ 1 , N1 : media, desviación típica y tamaño de la muestra sacada de la población 1
X 2 ,σ 2 , N 2 : media, desviación típica y tamaño de l a muestra sacada de la población 2

p1q1 p2 q 2
P1 − P2 ± zcσ p1− p 2 = P1 − P2 ± zc +
N1 N2
p1 q1 p 2 q 2
P1 + P2 ± zcσ p 1+ p 2 = P1 + P2 ± z c +
N1 N2
P1 : proporción (probabilidad) de éxitos en la muestra de tamaño N1
P2 : proporción (probabilidad) de éxitos en la muestra de tamaño N2
p1 , p2 : probabilidad de éxito de un suceso estimadas de P1 y P2 respectivamente
q1 , q2 : probabilidad de no éxito de un suceso q1 = 1 − p1 , q2 = 1 − p2
N1 , N 2 : tamaño de las muestras
zc :coeficiente de confianza (del apéndice II)

- Intervalo de confianza para desviaciones típicas

σ
s ± z cσ s = s ± z c
2N
σ : desviación típica de una población normalmente distribuida
s: desviación típica de la muestra de tamaño N
zc :coeficiente de confianza (del apéndice II)
 - Ensayos de hipótesis y significación

• Medias:

X−µ
z=
σ
N
X : media muestral
µ : media poblacional
σ : desviación típica poblacional
N : tamaño de la muestra

• Proporciones
P− p
z=
pq / N
P : proporcion de exitos en la muestra
p : proporcion de exitos en la poblacion
σ p = pq / N : desviación típica poblacional
N : tamaño de la muestra
q =1− p
Si P = X / N, donde X es el numero real de exitos en una muestra, z se convierte en:
X − Np
z=
pqN

• Diferencias de medias

σ1 σ 2
2 2
µX −X = 0 y σ X −X = + donde z viene dada por
1 2 1 2
N1 N 2
X1 − X 2
z=
σ 12 σ 22
+
N1 N 2
X 1 , X 2 : media muestral de población 1 y 2
σ 1 ,σ 2 : desviación típica poblacional de 1 y 2
N1 , N2 : tamaño de la muestra de la población 1 y 2

• Diferencias de proporciones

 1 1 
µ P1 − = 0 y σ P1 − P2 = pq  +  donde p viene dada por
 N1 N 2 
p2

N1 P1 + N 2 P2
p= yq = 1– p
N1 + N 2
P1 − P2
la variable tipificada z viene definida por z=
σ P− P
1 2

P1 y P2 proporciones muestrales de dos grandes muestras de tamaños N 1 y N 2

 - Teoría de pequeñas muestras - Distribución t de “Student”

X−µ X −µ
t= N −1 = N
s sˆ
N: tamaño de la muestra
X : media muestral
µ : media poblacional
s: desviación típica muestral
sˆ = s N /( N − 1)
• Intervalos de confianza
s
X ± tc
N −1
X : media muestral
t c : coeficientes de confianza
s: desviaci ón típica muestra
N: tamaño de la muestra

• Ensayos de hipótesis y significación

Medias
X−µ X −µ
t= N −1 = N
s sˆ
X : media muestral
µ : coeficientes de confianza
s: desviación típica muestral
N: tamaño de la muestra
Grados de libertad υ = N − 1

Diferencias de medias

X1 − X 2 N1s1 + N 2 s2
2 2
t= donde σ=
1 1 N1 + N 2 − 2
σ +
N1 N 2

X 1 , X 2 : media muestral de población 1 y 2

s1 , s2 : desviación típica muestral de 1 y 2
N1 , N2 : tamaño de la muestra de la población 1 y 2
Grados de libertad υ = N1 + N 2 − 2

- Distribución Chi-cuadrado
Ns 2 ( X 1 − X ) 2 + ( X 2 − X ) 2 + ( X 3 − X ) 2 + .....+ ( X N − X ) 2
χ2 = =
σ2 σ2
σ : desviación típica poblacional
s : desviación típica muestral
N : tamaño de la muestra
- Intervalos de confianza para χ2
s N s N
Para el 95% de confianza <σ <
χ 0 ,975 χ 0 ,025

Grados de libertad υ = N −1
 - Test de Chi-cuadrado
(o − e )2 (o − e ) 2 (o − e )2 k
(o − e )2
χ 2 = 1 1 + 2 2 + .... + k k = ∑ k k
e1 e2 ek j =1 ek
ok : frecuencia observada
ek : frecuencia esperada
N: total de frecuencias y se cumple ∑o = ∑e
j j =N
Grados de libertad υ = K −1
- Tablas de contingencia

(o j − e j ) 2
χ2 = ∑
j ej
Grados de liberta d υ = ( k − 1)(h − 1) para tablas h x k
ok : frecuencia observada
ek : frecuencia esperada
 - Curva de ajuste
Recta de mínimos cuadrados
Y = a0 + a1 X
ecuaciones normales de esta recta:
∑ Y = a0 N + a1 ∑ X èlas constantes a 0 ,a1 se obtienen resolviendo el sistema
∑ YX = a0 ∑ X + a1 ∑ X 2
Parábola de mínimos cuadrados
Y = a0 + a1 X + a2 X 2
ecuaciones normales de esta curva:
∑ Y = a0N + a1 ∑ X + a2 ∑ X 2
∑ YX = a0 ∑ X + a1∑ X 2 + a2 ∑ X 3 èlas constantes a 0 , a1 , a2 se obtienen resolviend o el
∑ YX 2 = a0 ∑ X 2 + a1∑ X 3 + a2 ∑ X 4
sistema
Si se tienen mas de dos variables
Z = a0 + a1 X + a2 Y
Se resuelve el siguiente sistema para obtener las constantes a 0 , a1 , a2
∑ Z = a0 N + a1∑ X + a2 ∑ Y
∑ ZX = a0 ∑ X + a1 ∑ X 2 + a2 ∑ XY
∑ YZ = a0 ∑ Y + a1 ∑ XY + a2 ∑ Y 2
 - Correlación
Variación total:
∑ (Y − Y ) 2

Variación no explicada :
∑ (Y − Y est )2
Variación explicada
∑ (Y est − Y )2
Coeficiente de correlación

r =±
var iacionexp licada
=± ∑ (Y − Y )
est
2

var iaciontotal ∑ (Y − Y )2