Fórmulas
Frecuencia relativa
f
fi r i
n
Tablas de frecuencias
Frecuencia acumulada
i
Fi f k
k 1
Frecuencia acumulada
relativa
Marca del intervalo
Media aritmética
Media armónica
Mediana
Mediana
(variable continua)
Moda
Amplitud del intervalo
li 1 li
2
Medidas de posición
k
n
Media geométrica
xi f i xi
x i 1
i 1
n
n
n
n
xH
n 1
kf
i1 xi i1 x
i
i
k 1
li li 1
xi
xG n
k
xi f i n
i 1
Modalidad que
Ordenados de menor a mayor
Ocupa la posición
n 1
si n es impar
2
n
n
y
1 si n es par
2
2
Siendo (li-1, li) el intervalo donde se encuentre la posición central
n
Fi 1
(li li 1 )
M ed li 1 2
fi
Utilizando el intervalo modal
Moda li 1
Percentil
i
Fi r f kr
f i f i 1
(li li 1 )
( f i f i 1 ) ( f i f i 1 )
Una vez en el intervalo que lo contiene (posición n
k
Fi 1
pk li 1 100
(li li 1 )
fi
n
k
)
100
n
x
i 1
i
Rango o recorrido
Varianza
Medidas de dispersión
Re= máx{x1,…,xn} – mín{x1,…,xn} Rango o recorrido intercuártilico
n
1 k
1 n
1 k
2
2 1
S 2 xi x f i xi x xi2 x 2 xi2 f i x 2
n i 1
n i 1
n i 1
ni 1
Desviación típica
S S2
n
Desviación mediana
A
Coeficiente de apertura
máxx1 , , xn
mínx1 , , xn
CV
Coeficiente de variación
DMe
xi Me
i 1
n
RI=C3 – C1
k
x Me f
i 1
i
i
n
Rango o recorrido semiintercuartílico
RS
C3 C1
C3 C1
S
x
Medidas de forma
Coeficiente de asimetría de Fisher
Coeficiente de curtosis
1 n
1 k
( xi x ) 3
i 1 (xi x )3 f i
i 1
n
n
g1
S3
S3
1 n
1 k
4
(
)
( xi x ) 4 f i
x
x
i
i 1
i 1
3 n
3
g2 n
S4
S4
FÓRMULAS TEMA 2: Probabilidad y Modelos aleatorios
Conceptos previos
0! = 1
n! = n(n-1)(n-2)...3·2·1
Factorial de un número n!
Variaciones
Permutaciones
Combinaciones
Vmn
m!
(m n)!
Pn = n!
m
m!
= Cmn
n!(m n)!
n
Variaciones con
repetición
VRmn m nPermutaciones con
repetición
Pn
a!b!c!...
m n 1 (m n 1)!
CRmn
n n!(m 1)!
PRna ,b ,c...
Combinaciones con
repetición
Tabla resumen:
Vmn
PRna ,b ,c... Cmn
VRmn
Pn
CRmn
N
S
S
N
N
¿ Entran todos ?
N
¿ Im porta el orden ?
S
S
S
S
N
N
¿ Se repiten ?
N
S
N
S
N
S
( si m n)
Definición de probabilidad
Laplace
k
casos favorables Frecuentista
n
P( A) a=
P[A] = lim A
N
k
casos posibles
N
Kolmogorov P(A) >= 0.
P[Ω] = 1.
Si A1, A2… son sucesos disjuntos dos a dos, entonces
P Ai P[ Ai ]
i 1 i 1
Consecuencias:
P[Ac]=1-P[A]
P[Ø]=0
P[A]≤1
Si A y B no son disjuntos, entonces, P[A U B] = P[A] + P[B] – P[ A B]
P[A U B] ≤ P[A] + P[B]
Definición
Regla de
Bayes
P A | B
Probabilidad condicionada
Teorema de la probabilidadtotal
P A B
P B
P A | B P B | A
Sucesos independientes:
n
P A P A | Ai P Ai
i 1
P A
P B
Teorema de Bayes
A1,A2,...,An, sucesos mutuamente
excluyentes tales que
A1 ∪ A2 ∪ ... ∪ An =Ω
P( Ak | B)
P( B | Ak ) P( Ak )
n
P( B | A ) P( A )
i 1
i
P( A B) P( A) P( B)
P(B|A)= P(B)
Distribuciones de probabilidad
Binomial
n
P ( X x) px (1 p) n x
x
Poisson
P[X=x] = (λx/x!)e-λ
Normal
Exponencial
1
x 0,1, , n
x=0,1,...
siendo e = 2.71828
2 x
1
f ( x)
e 2
x
2
Para la función de distribución tipificar (transformar X en
Z= (X-µ)/σ) y ver tablas adjuntas
f ( x ) e x
E[X]= np
V(X) = npq con q = 1-p
E[X] = λ
V(X) = λ
2
0 x
1 e x si 0 x
FX ( x) P ( X x)
en otrocaso
0
E[X] = µ
V(X) = σ2
E[X] = 1 / λ
V(X) = 1 / λ2
i
PRINCIPALES FÓRMULAS 2º PARCIAL
Inferencia estadística
Bilaterales
Intervalos de
confianza
para la media
( x z / 2
( x t / 2
( x z / 2
n
, x z / 2
n
s
s
, x t / 2
)
n
n
s
s
, x z / 2
)
n
n
Unilaterales
, )
n
s
(, x z
) ( x z
, )
n
n
s
s
(, x z
) ( x
, )
n
n
s
(, x
)
n
(...
Regístrate para leer el documento completo.