Formularios Oficiales Tablas Estadisticas Alejandro Gonzalez Corregidos
Facultad de Ciencia
Dpto. Matemática y CC.
Área de Estadísticas
ALGUNOS MODELOS DE VARIABLES ALEATORIAS DISCRETAS
MODELO
(Parámetros)
(*2)
BERNOULLI
(𝑝)
FUNCIÓN DE CUANTÍA
ESPERANZA
𝐸[𝑥]
VARIANZA
𝑉[𝑥]
𝑝
𝑝𝑞
𝑛𝑝
𝑛𝑝𝑞
𝑥 = 1,2, …
1
𝑝
𝑞
𝑝2
𝑁𝑝
𝑁𝑞
)(
)
𝑥
𝑛
−𝑥
𝑝(𝑥) =
𝑁
( )
𝑛
𝑛𝑝
𝑝(𝑥) = 𝑝𝑥 𝑞1−𝑥
𝑥 = 0,1
BINOMIAL
(𝑛, 𝑝)
𝑛 ∈ 𝑍+
𝑛
𝑝(𝑥) = ( ) 𝑝𝑥 𝑞𝑛−𝑥
𝑥
𝑥 = 0, … , 𝑛
GEOMÉTRICA
(𝑝)
𝑝(𝑥) = 𝑝𝑞 𝑥−1
ASIMETRÍA
𝛼3 [𝑥]
CURTOSIS
𝛼4 [𝑥]
1 − 2𝑝
√𝑝𝑞
1 − 2𝑝
√𝑛𝑝𝑞
F.GEN.M.
𝑀𝑋 [𝑡]
3+
[1 − 6𝑝𝑞]
𝑝𝑞
(𝑝𝑒 𝑡 + 𝑞)
3+
[1 − 6𝑝𝑞]
𝑛𝑝𝑞
(𝑝𝑒 𝑡 + 𝑞)𝑛
𝑝2
𝑞
𝑝
𝑒 −𝑡 − 𝑞
2−𝑝
9+
√𝑞
(
HIPERGEOMETRICA
(𝑁, 𝑛, 𝑝)
𝑁, 𝑛 ∈ 𝑍 +
𝑛𝑝𝑞
𝑚𝑎𝑥{0, 𝑛 − 𝑁𝑞} ≤ 𝑥 ≤ min {𝑛, 𝑁𝑝}
𝑁−𝑛
𝑁−1
𝐶𝑎𝑛𝑎𝑣𝑜𝑠 𝑝𝑎𝑔. 115
𝑥 𝑒𝑛𝑡𝑒𝑟𝑜
PASCAL
(𝑟, 𝑝)
𝑟 ∈ 𝑍+
POISSON
()
>0
(*2)
(*1)
𝑥 − 1 𝑟 𝑥−𝑟
𝑝(𝑥) = (
)𝑝 𝑞
𝑟−1
𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2, …
𝑒− 𝑥
𝑥!
𝑥 = 0,1,2, …
𝑝(𝑥) =
𝑟
𝑝
𝑟𝑞
𝑝2
2−𝑝
√
√𝑟𝑞
3+
𝑝2 − 6𝑝 + 6
𝑟𝑞
3+
1
(
𝑟
𝑝
)
𝑒 −𝑡 − 𝑞
𝑒 − (𝑒
𝑡 −1)
En todos los modelos con parámetro “𝑝”, se verifica 0 < 𝑝 < 1; 𝑞 = 1 − 𝑝
𝑉[𝑥] = 𝛼𝑥2
;
𝛼3 [𝑥] =
𝐸[(𝑥 − 𝐸[𝑥])3 ]
𝜎𝑥3
;
𝛼4 [𝑥] =
𝐸[(𝑥 − 𝐸[𝑥])3 ]
𝜎𝑥3
;
𝑀𝑋 [𝑡] = 𝐸[𝑒 𝑡𝑋 ]
Alejandro González Tapia - Ing. Civil en Minas
ALGUNOS MODELOS DE VARIABLES ALEATORIAS CONTINUAS(*1) MODELO
(Parámetros)
(*2)
FUNCIÓN DE DENSIDAD
𝑓(𝑥) = 𝑥 𝛼−1 (1 − 𝑥)𝛽−1
BETA
(𝛼, 𝛽)
𝛼 > 0, 𝛽 > 0
0≤𝑥≤1
𝑟
CHI-CUADRADO
(𝑟)
𝑟>0
𝑓(𝑥) = 𝑒 − 𝑥
1
1
𝑥>0
2
𝑠
𝑠−2
𝑠>2
2𝑠 2 (𝑠 + 𝑟 − 2)
𝑟(𝑠 − 2)2 (𝑠 − 4)
𝑟
𝑟
𝑟
𝑓(𝑥) = 𝐾𝐹 𝑥 2−1 (1 + 𝑥)
𝑠
𝑥>0
𝑓(𝑥) =
(*3)
(*5)
(𝑥)
𝑒
(𝑟)
𝛤
1
√2𝜋 𝜎
2𝑟
√𝑟
𝑟+𝑠
−
2
𝑡<
1
2
𝑡 −1
(1 − )
2
9
𝑟
2
2
√𝑟
6
3+
𝑟
𝜇
𝜎2
0
3
𝑡<
𝑠>4
1 𝑥−𝜇2
)
𝜎
𝑒 −2(
𝑓(𝑥) =
1
𝑒
2
1 ln(𝑥)−𝜇
− (
)
2
𝜎
𝑓(𝑥) = 𝛼𝛽(𝛽𝑥)𝛼−1 𝑒
1
𝑒 (𝜇+2𝜎
√2𝜋 𝜎𝑥
𝑥>0
𝐵𝑒𝑡𝑎: 𝐵(𝛼, 𝛽) =
;
𝛤(𝛼)𝛤(𝛽)
𝛤(𝛼 + 𝛽)
𝑟+𝑠
𝛤 ( 2 ) 𝑟 𝑟2
𝑟
𝑠 ( )
𝛤( ) 𝛤( ) 𝑠
2
2
𝑆𝑡𝑢𝑑𝑒𝑛𝑡: 𝐾𝑡 =
𝛤[(𝑟 + 1)/2]
√𝑟𝜋 𝛤(𝑟/2)
𝑉𝐿
−(𝛽𝑥)𝛼
0
𝑟
𝑟−2
𝑟>2
𝛼+𝛽
2
(𝛽 − 𝛼)2
12
Γ(1 + 𝛼 −1 )
𝑡 −1
(1 − )
𝑡<
𝑒
1
(𝜇𝑡+ 𝜎 2𝑡 2)
2
𝛼3 [𝑥] =
𝐸[(𝑥 − 𝐸[𝑥])3 ]
𝜎𝑥3
(*4)
0
3(𝑟 − 2)
𝑟−4
0
9
5
𝑉𝑊
𝛽
𝑥>0
𝑉[𝑥] =𝛼𝑥2
2)
𝑟+1
2
𝛼≤𝑥≤𝛽
𝐾𝐹 =
𝑟
(1 − 2𝑡)−2
12
3+
𝑟
22
−∞ < 𝑥 < ∞
UNIFORME
(𝛼, 𝛽)
𝛼<𝛽
(*1)
F.GEN.M.
𝑀𝑋 [𝑡]
(*2)
3
−∞ < 𝑥 < ∞
1
𝑓(𝑥) =
𝛽−𝛼
WEIBULL
(𝛼, 𝛽)
𝛼 > 0, 𝛽 > 0
CURTOSIS
𝛼4 [𝑥]
−𝑥
𝑥2
𝑓(𝑥) = 𝐾𝑡 (1 + )
𝑟
(*5) T-STUDENT
(𝑟)
𝑟>0
(*2)
𝛼𝛽
(𝛼 + 𝛽)2 (𝛼 + 𝛽 + 1)
𝑥>0
(*4) LOGNORMAL
(𝜇, 𝜎 2 )
−∞ < 𝜇 < ∞; 𝜎 > 0
(*6)
𝛼
𝛼+𝛽
𝑟
𝑓(𝑥) =
NORMAL
(𝜇, 𝜎 2 )
−∞ < 𝜇 < ∞; 𝜎 > 0
ASIMETRÍA
𝛼3 [𝑥]
1𝑟−1
GAMMA
(𝑟, )
𝑟 > 0, > 0
VARIANZA
𝑉[𝑥]
𝑥 2−1 𝑒 −2𝑥
𝑓(𝑥) = 𝑟
𝑟
22 Γ ( )
2
𝑥>0
EXPONENCIAL
()
>0
(*3) F-SNEDECOR
(𝑟, 𝑠)
𝑟 > 0, 𝑠 > 0
ESPERANZA
𝐸[𝑥]
𝛼4 [𝑥] =
;
𝛤(𝛼) = ∫ 𝑒−𝑥 𝑥𝛼−1 𝑑𝑥
0
(*4)
(*6)
;
𝑡≠0
(*6)
𝐸[(𝑥 − 𝐸[𝑥])3 ]
𝜎𝑥3
𝑀𝑋 [𝑡] = 𝐸[𝑒 𝑡𝑋 ]
;
∞
;
𝑒 𝑡𝛽 − 𝑒 𝑡𝛼
𝑡(𝛽 − 𝛼)
𝑟−1
𝛤(𝛼) = (𝛼 − 1)!
𝛼 𝑒𝑛𝑡𝑒𝑟𝑜 > 0
;
𝐸[𝑋 𝑟 ] = ∏(𝛼 + 𝑖)/(𝛼 + 𝛽 + 𝑖)
𝑖=0
2
2
𝐿𝑜𝑔𝑛𝑜𝑟𝑚𝑎: 𝑉𝐿 = [𝑒 (2𝜇+𝜎 ) ][𝑒 𝜎 −1]
𝑊𝑒𝑖𝑏𝑢𝑙𝑙: 𝑉𝑊 =
𝛤(1+2𝛼−1 )−𝛤2 (1+𝛼−1 )
𝛽2
𝐸𝐿 [𝑋 𝑟 ] = 𝑒 𝜇𝑟 𝑒 𝑟
;
2 𝜎 2/2
𝑟
;
𝐸[𝑋 𝑟 ] =
𝛤(1+𝛼)
𝛽𝑟
Alejandro González Tapia - Ing. Civil en Minas
INTERVALOS CONFIDENCIALES MÁS USUALES
Intervalo Confidencial del (1 − 𝛼) 100%
Situación
Parámetro
Estimador
X v.a. normal, una m.a.
𝜎2
𝑠2
((𝑛 − 1)𝑠 2 ⁄𝜒2 (𝑛−1;1−𝛼) ,
𝜇
𝑥̅
(𝑥̅ − 𝑧1−𝛼
𝜇
𝑥̅
(𝑥̅ − 𝑡(𝑛−1;1−𝛼)
𝑝
𝑝̂
𝜎12
𝜎22
𝑠12𝑠22
𝜇1 − 𝜇2
𝑥̅1 − 𝑥̅2
𝜇1 − 𝜇2
𝑥̅1 − 𝑥̅2
X v.a. normal, una m.a.
𝜎 2 conocido
2
𝜎
√𝑛
X v.a. normal, una m.a.
𝜎 2 desconocido
2
X v.a. Bernoulli (𝑝)
m.a. de tamaño n
X v.a. normal
dos m.a. independientes
(𝑛 − 1)𝑠 2⁄𝜒2 (𝑛−1;𝛼) )
2
𝑠
√𝑛
𝜎
,
𝑥̅ + 𝑧1−𝛼
,
𝑥̅ + 𝑡(𝑛−1;1−𝛼)
2
√𝑛
2
𝑝̂ 𝑞̂
(𝑝̂ − 𝑧1−𝛼 √
,
𝑛
2
(
2
)
𝑠
√𝑛
)
𝑝̂ 𝑞̂
𝑝̂ + 𝑧1−𝛼 √ )
𝑛
2
𝑠12
𝐹
𝛼 ,
𝑠22 (𝑛2−1; 𝑛1−1;2 )
𝑠12
𝐹
𝛼 )𝑠22 (𝑛2−1; 𝑛1−1;1− 2 )
X v.a. normal
dos m.a. independientes
1
1
𝑥̅1 − 𝑥̅2 ± 𝑧1−𝛼 𝜎 √ +
𝑛1 𝑛2
2
𝜎12 = 𝜎22 = 𝜎 2 conocida
X v.a. normal
dos m.a. independientes
𝑥̅1 − 𝑥̅2 ± 𝑡(𝑛
𝜎12 = 𝜎22 = 𝜎 2 desconocida
𝛼
𝑝 ;1− 2 )
Con 𝑛𝑝 = 𝑛1 + 𝑛2 − 2;
X v.a. normal
dos m.a. independientes
𝜇1 − 𝜇2
𝑥̅1 − 𝑥̅2 ± 𝑡(
𝑥̅1 − 𝑥̅2
𝜎12 ≠ 𝜎22 = 𝜎 2 desconocida
Con
1
1
𝑠𝑝 √ +
𝑛1 𝑛2
𝑠𝑝 = √...
Regístrate para leer el documento completo.