Este documento presenta fórmulas y conceptos estadísticos fundamentales como: 1) medidas de tendencia central como la media, mediana y moda; 2) medidas de dispersión como la varianza, desviación estándar y rango intercuartílico; 3) conceptos probabilísticos como la probabilidad total, teorema de Bayes y modelos de probabilidad como la binomial, Poisson, uniforme y normal; 4) cálculo de esperanzas y varianzas de variables aleatorias; y 5) construcción de intervalos de confianza.
0 calificaciones0% encontró este documento útil (0 votos)
13 vistas1 página
Este documento presenta fórmulas y conceptos estadísticos fundamentales como: 1) medidas de tendencia central como la media, mediana y moda; 2) medidas de dispersión como la varianza, desviación estándar y rango intercuartílico; 3) conceptos probabilísticos como la probabilidad total, teorema de Bayes y modelos de probabilidad como la binomial, Poisson, uniforme y normal; 4) cálculo de esperanzas y varianzas de variables aleatorias; y 5) construcción de intervalos de confianza.
Este documento presenta fórmulas y conceptos estadísticos fundamentales como: 1) medidas de tendencia central como la media, mediana y moda; 2) medidas de dispersión como la varianza, desviación estándar y rango intercuartílico; 3) conceptos probabilísticos como la probabilidad total, teorema de Bayes y modelos de probabilidad como la binomial, Poisson, uniforme y normal; 4) cálculo de esperanzas y varianzas de variables aleatorias; y 5) construcción de intervalos de confianza.
Este documento presenta fórmulas y conceptos estadísticos fundamentales como: 1) medidas de tendencia central como la media, mediana y moda; 2) medidas de dispersión como la varianza, desviación estándar y rango intercuartílico; 3) conceptos probabilísticos como la probabilidad total, teorema de Bayes y modelos de probabilidad como la binomial, Poisson, uniforme y normal; 4) cálculo de esperanzas y varianzas de variables aleatorias; y 5) construcción de intervalos de confianza.
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 1
Formulario de Estadı́stica I
Tema 2 Sean x1 , x2 , . . . , xn los n valores observados. La muestra ordenada (variables no categóricas nom- inales) se denota por x(1) , x(2) , . . . , x(n) . • Media aritmética: x = n1 ni=1 xi . P 1 2 (x( 2 ) + x( 2 +1) ), si n es par, n n • Mediana: M e = x( n+1 ) , si n es impar. 2 • Moda: La moda es el valor xi que presenta una mayor frecuencia absoluta (o relativa). • Cuartiles: Qk = x(k(n+1)/4) para k = 1, 2, 3. • Percentiles: Pk = x(k(n+1)/100) para k = 1, 2, . . . , 99. • Rango o amplitud: R = xmax − xmin . • Rango intercuartı́lico: RICP = Q3 − Q1 . n Pn • Varianza muestral: σ̂ 2 = n1 i=1 (xi − x)2 = n1√ i=1 x2i − nx2 .
i=1 (x i − x) = n−1 i=1 √ • Cuasidesviación tı́pica muestral: s = s2 . • Coeficiente de variación de Pearson: CV =Ps/|x|. n (x −x)3 • Coeficiente de asimetrı́a de Fisher: CA =P i=1ns3i . n 4 i=1 (xi −x) • Coeficiente de curtosis de Fisher: CC = ns4 − 3.
Tema 3 Sean (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) los n pares de valores observados ! para (X, Y ). n n 1 X 1 X • Covarianza: sxy = (xi − x) (yi − y) = xi yi − nx y n − 1 i=1 n − 1 i=1 sxy • Coeficiente de correlación lineal de Pearson: r(x,y) = sx sy
Tema 4 Sea Ω el espacio muestral asociado a cierto experimento aleatorio, B1 , . . . , Bk una partición de Ω, tal que P (Bi ) 6= 0 para i = 1, . . . , k y A un suceso cualquiera. • Ley de la probabilidad total: P (A) = P (A ∩ B1 ) + . . . + P (A ∩ Bk ) = P (A|B1 ) P (B1 ) + . . . + P (A|Bk ) P (Bk ). • Teorema de Bayes: P (Bj ∩ A) P (A|Bj ) P (Bj ) P (Bj |A) = = , para j = 1, . . . , k. P (A) P (A|B1 ) P (B1 ) + . . . + P (A|Bk ) P (Bk )
Esperanza y varianza de una variable aleatoria.
Sea X una v.a. que toma valores en un conjunto S. La esperanza y varianza de X se definen como: X x P (X = x), si X es una v.a. discreta, x∈S E(X) = Z x f (x) dx, si X es una v.a. continua. S X (x − E(X))2 P (X = x), si X es una v.a. discreta, x∈S var(X) = Z (x − E(X))2 f (x) dx, si X es una v.a. continua. S
Tema 5 Algunos modelos de probabilidad.
Modelo X Conjunto S Función de probabilidad / densidad E(X) var(X) Ber(p) {0, 1} P (X = 1) = p, P (X = 0) = 1 − p p p (1 − p) P (X = x) = nx px (1 − p)n−x
B(n, p) {0, 1, . . . , n} np n p (1 − p) x P ois(λ) N ∪ {0} P (X = x) = e−λ λx! λ λ 1 U (a, b) (a, b) f (x) = b−a (a + b)/2 (b − a)2 /12 exp(λ) R+ f (x) = λ e−λ x 1/λ 1/λ2 f (x) = σ √2 π exp − 2 1σ2 (x − µ)2 1 σ2
N (µ, σ) R µ
Tema 6 Intervalos de confianza.
r r σ σ s s p̂(1 − p̂) p̂(1 − p̂) x − z √ , x + z α2 √ , α x − z √ , x + z α2 √ , α p̂ − z α , p̂ + z α2 2 n n 2 n n 2 n n
