FORMULARIO DE PROBABILIDAD.

Distribuciones:

Bernoulli:
1 𝑠𝑖 𝑒𝑠 𝑒𝑥𝑖𝑡𝑜
X={ }
0 𝑠𝑖 𝑒𝑠 𝑓𝑟𝑎𝑐𝑎𝑠𝑜

Binomial: X~𝐵𝑖𝑛(𝑛, 𝑝)

k=0,1,3,4,5…………..

n= sucesión de pruebas de bernoulli

k=números de éxitos obtenidos

E(x)=np Var(x)=npq

Geométrica: X~𝐺(𝑅)

Interesa el número de intentos que tomara tener éxito

Poisson: X~𝑃(ℽ)

X= número de veces que ocurre el evento

Hipergeometrica:
N= unidades X= números de éxitos de

la prueba n= éxitos N-n= fracasos r= número de

unidades de la población

CONTINUAS:

Uniformes: X~𝑈(𝑎, 𝑏)

Exponencia:

(𝛾𝑡)𝑘 𝑒 −𝑦𝑡
Pr(𝑋 = 𝑘) = K=0,1,2,3… … …
𝑘!

Pr(X=0)= 𝑒 −𝑦𝑡

Pr(0≤ 𝑋 ≤ 𝑥) = 1 − 𝑒 −𝑦𝑡

0 𝑠𝑖 𝑥 < 0
F(x)={ }
𝛾𝑒 −𝛾𝑡 𝑠𝑖 𝑥 ≥ 0

1 1
E(x)= Var(x)=
𝛾 𝛾2

Cuando n es grande y p pequeña

Normal: X~𝑁(𝑢, 𝛿 2 )
 • Si u=0 y
• Función densidad
• Función Distribución
• Ley Normal Estándar

Aproximación normal a la binomial:

T-student:

Función de densidad

× −𝑢
𝑡= 𝑠
√𝑛
 Se utiliza con muestras normales o casi normales
No se usa cuando hay valores atípicos
Cuando , la distribución se aproxima a la normal

Chi cuadrada:

N= tamaño de la muestra

Funcion desnsidad:

Si crece se aproxima a la normal

Distribución F:

Comparación de las varianzas de 2 poblaciones:

Población 1 (G1) Población 2 (G2)

Muestra 1 (n1) Muestra

2(n2) Desv. Est (s1) Desv.

Est (s2)
Teorema central:

Muestras grandes N>30

Sea una muestra aleatoria de una población

Distribuciones Bidimencionales:

Variable aleatoria discreta:

Función de probabilidad Conjunta:

Función de distribución conjunta:

Función de probabilidad Marginal:

Esperanza:
Covarianza:

Propiedades de

Si a1 y a2 son ctes positivas

Si X y Y son independientes

Si

Si

Coeficiente de Correlación:

1. (x,y)=f(y,x)
2. -1≤ 𝑓(𝑥, 𝑦) ≤ 1
3. Si y=ax+b, a y b constantes→ |𝑓(𝑥, 𝑦)| = 1
4. |𝑓(𝑥, 𝑦)| = 1 → 𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑥 𝑦 𝑦
5. |𝑓(𝑥, 𝑦)| indique que tan fuertees la relación x-y
6. El signo F(x,y) infica la dirección

Estadistica Inferencial:
Estimación de la media:

Sea x1,… … … xn muestra aleatoria grande n >30 de una población con media u y desviación
estándar 𝛿, por lo que X es aproximadamente normal. Entonces un intervalo deconfianza
100(1-a) para u es:
𝛿
Donde 𝛿𝑥= . Cuando el valor de 𝛿 𝑒𝑠 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜, se puede sustituir por la desviación
√𝑛
estándar muestra.

Diferencia de 2 proporciones:

Población 1 Población 2
Diferencia de dos medias:

Población 1 Población 2

Estimación de parámetros:

Parámetros Estadísticos

Media u

Varianza

Desv. Est. s

Proporción p

Total

Estimacion puntual:

Estimacion por intervalo: dos puntos que pretenden abarcar el valor real de
 //(intervalo de confianza *100%)

Estimacion de proporción:

Estimacion de Varianza:

Estimacion de la diferencia de2 medidas:

Cuando los valores son son desconocidos, se pueden sustituir con las desv. Est
muestrales .

Estimacion de la diferencia de las 2 proporciones:

Sea X el numero de éxitos en y el numero de éxitos en ensayos de bernoulli

independientes con probabilidad de éxito , tal que . Define 2
Si el límite inferior del intervalo de confianza es menor que -1, sustituya este con -1

Si el límite superior del intervalo de confianza es menor que -1, sustituya este con -1

Estimación de la diferencia de las 2 varianzas:

Pruebas de Hipótesis:

Tipos de Pruebas Unilateral

Bilateral:

Parámetro

Estimador
Estadístico de prueba

Prueba de hipótesis de la proporción:

Prueba de hipótesis de la media (Prueba t-muestra

pequeña): n<30

Prueba de hipótesis de la varianza: