Departamento de Matemtica

Facultad de Ciencias Exactas

Universidad Andrs Bello Semestre 2015-20

Probabilidades y Estadstica - FMS176

Formulario Oficial

1. Probabilidades

(a) Siendo A y B sucesos o eventos que ocurren:

P(A B)
P(A|B) = ; P(Ac ) = 1 P(A); P(A B) = P(A) + P(B) P(A B).
P(B)

(b) Considerando la particin de un espacio muestral dada por: {Ei : i = 1, 2, . . . , n} se tienen los
teoremas de:

Teorema de Probabilidades Totales:

n
X
P(A) = P(A|Ei )P(Ei ).
i=1

Teorema de Bayes:
P(A|Ej )P(Ej ) P(A|Ej )P(Ej )
P(Ej |A) = = Pn
P(A) i=1 P(A|Ei )P(Ei )

2. Variables aleatorias discretas

(a) Frmulas generales: Funcin de cuanta pX (x); Funcin de distribucin acumulada FX (x).
n
X
pX (x) = P(X = x); FX (x) = P(X x); E(X) = xi pX (xi );
i=1
n
X n
X
E(X 2 ) = x2i pX (xi ); Var(X) = E(X 2 ) [E(X)]2 ; E(g(X)) = g(xi ) pX (xi )
i=1 i=1

(b) Distribucin Binomial: Sea X una variable aleatoria Binomial(n, p)

 
n k
pX (k) = p (1 p)nk ; E(X) = np Var(X) = np(1 p).
k

(c) Distribucin Poisson: Sea X una variable aleatoria Poisson()

e k
pX (k) = ; E(X) = ; Var(X) = .
k!
(d) Distribucin geomtrica: Sea X una variable aleatoria geom(p)
1 1p
pX (k) = p(1 p)k1 ; E(X) = ; Var(X) = .
p p2

(e) Distribucin hipergeomtrica: Sea X una variable aleatoria Hip(N, n, E)

E N E


k nk nE E (N E) (N n)
pX (k) = N

0 k n; E(X) = ; Var(X) = n .
n
N N N N 1

(f) Distribucin Binomial negativa o Pascal: Sea X una variable aleatoria Pascal(p, r)
 
k1 r r r(1 p)
pX (k) = p (1 p)kr k r; E(X) = ; Var(X) = .
r1 p p2

3. Variables aleatorias continuas

(a) Frmulas generales: Funcin de densidad fX (x); Funcin de distribucin acumulada FX (x).
Z x Z
FX (x) = P(X x) = fX (z)dz; E(X) = z fX (z)dz;

Z
E(g(X)) = g(z) fX (z)dz; Var(X) = E(X 2 ) [E(X)]2

(b) Distribucin Uniforme: X unif[a, b]

1 a+b (b a)2
fX (x) = para a x b; E(X) = ; Var(X) = .
ba 2 12

(c) Distribucin Normal: X N (, 2 )

 
1 (x )2 X
fX (x) = exp ; E(X) = Var(X) = 2 Z= N (0, 1).
2 2 2

(d) Distribucin Exponencial: X exp()

1 1
fX (x) = ex para x > 0, > 0; E(X) = ; Var(X) = .
2
4. Variables aleatorias bidimensionales

(a) Caso discreto Funcin de cuanta pXY (x, y) = P(X = x, Y = y)

P
Marginal pX (x) = y pXY (x, y)
Condicional pY |X=x (y) = P(Y = y|X = x) = pXY (x,y)
pX (x)
P
Esperanza condicional E(X|Y = y) = x x pX|Y =y (x)
P P
Esperanza de XY E(XY ) = x y x y pXY (x, y)

(b) Caso continuo. Asumimos que (X, Y ) tiene densidad conjunta fXY (x, y):
R
Marginal fY (y) = fXY (x, y)dx
fXY (x, y) fXY (x, y)
Condicional fX|Y =y (x) = fY |X=x (y) =
fY (y)
Z fX (x)
a
Probabilidad condicional P(X a|Y = b) = fX|Y =b (x)dx
Z
Esperanza condicional E(X|Y = y) = fX|Y =y (x)dx
Z Z

Esperanza de XY E(XY ) = xyfXY (x, y)dxdy

(c) Ambos casos:

Distribucin acumulada FXY (x, y) = P(X x, Y y)

Varianza Var(X) = E(X 2 ) E(X)2
Covarianza Cov(X, Y ) = E(XY ) E(X)E(Y )
Cov(X,Y)
Correlacin (X, Y ) = p
Var(X)Var(Y )

(d) Independencia: X e Y son independientes si

Caso discreto pXY (x, y) = pX (x)pY (y)

Caso contnuo fXY (x, y) = fX (x)fY (y)
Ambos casos FXY (x, y) = FX (x)FY (y)

(e) Propiedades de la Covarianza

Cov(X, X) = Var(X)
Cov(aX + b, cY + d) = acCov(X, Y ), a, b, c, d R
Cov(aX + bY, cX + dY ) = acVar(X) + bdVar(Y ) + (ad + bc)Cov(X, Y ) a, b, c, d R.
5. Estadstica descriptiva

(1) Medidas de Tendencia Central

Notacin: n : tamao de muestra o poblacin
mi : marca de clase i.
ni : tamao de clase i Ai : Amplitud intervalo

(a) Promedio: Poblacional y/o Muestral, Total (datos repetidos), y Datos agrupados (k clases),
Pn Pk Pk
i=1 xi i=1 xi ni i=1 mi ni
x= , xT = , x=
n n n

(b) Mediana: Ver percentiles, Mediana = X50 .

 
(ni ni1 )
(c) Moda M o = LRIi + Ai .
(ni ni1 ) + (ni ni+1 )

(2) Medidas de Posicin

 A
n p
p
(a) Percentiles (Xp ), p = 1, 2, , 99 : Np1
Xp = LRIp + .
100 np
Donde Ip es el intervalo donde se cumple el p %, su extremo inferior es LRIp , Np1 es la frecuencia
acumulada al intervalo anterior, y Ap es la amplitud del intervalo.
(b) Cuartiles : Q1 = X25 , Q2 = X50 , Q3 = X75 .

(3) Medidas de Dispersin

(a) Varianza
Caso poblacional, N individuos
PN PN
2 i=1 (xi x)2
x2 N x2
Datos no agrupados = = i=1 i
PK N PK N
2 2 2
2 i=1 ni (mi x) i=1 ni mi N x
Datos agrupados en K clases = =
N N
Caso muestral, n datos
Pn Pn
(xi x)2 x2 n x2
Datos no agrupados s2 = i=1 = i=1 i
PK n1 PK n 1 2
n (m x)2 n i m i n x2
i i
Datos agrupados en K clases s2 = i=1 = i=1
n1 n1

(b) Desviacin Estndar: = 2 , s = s2 .
s
(c) Coeficiente de Variacin: C.V % = 100, C.V % = 100.
x
(4) Medidas de Asociacin
Pn
i=1 (xi yi ) n x y Sxy
Cov(X, Y ) = Sxy = r=
n1 sx sy
(5) Anlisis de Regresin Lineal Simple b x + b
yb|X=x =
Pn
Sxy x y nxy
b = 2 = i=1
Pn i 2i 2 b = y
bx
sx i=1 xi nx

6. Inferencia Estadstica

6.1. Distribuciones muestrales

(1) Para una muestra aleatoria simple X1 , . . . , Xn donde Xk es una variable N (, 2 ):

X S2 X
N (0, 1) (n 1) 2n1 tn1
/ n 2 S/ n

(2) Para una muestra aleatoria simple Y1 , . . . , Yn donde Yk es una variable Binomial(n, p), con n grande:
p p
q es aproximadamente N (0, 1).
p(1p)
n

6.2. Intervalos de confianza

Usamos la notacin P (Z z ) = cuando Z N (0, 1), y la notacin P (Tn tn; ) = cuando Tn es

una variable t-Student con n grados de libertad.

(1) Para la media con confianza 1 :

s
x z1/2 x t1/2
n n
z 2
1/2
(2) Tamao de muestra para la media: n = .
Error
 
2 2
(3) Para la varianza, con confianza 1 , donde se usa la notacin P n1 n1; = para una
variable 2 con n 1 grados de libertad:
!
(n 1)s2 (n 1)s2
,
2n1;1/2 2n1;/2

(4) Para la proporcin, con confianza 1 :

r
pb(1 pb)
pb z1/2 .
n
z 2
1/2
(5) Tamao de muestra para la proporcin: n = pb(1 pb).
Error
6.3. Test de Hiptesis

Situacin Hiptesis nula Estadstico

x 0
Una muestra, 2 conocido X es N (, 2 ) H 0 : = 0 N (0, 1)
/ n

Una muestra, 2 desconocido X es x 0

H 0 : = 0 tn1
N (, 2 ) S/ n
p p0
Una muestra X es Binomial(n, p) H 0 : p = p0 q N (0, 1)
p0 (1p0 )
n
S2
Una muestra X es N (, 2 ) H0 : 2 = 02 (n 1) 2n1
02

Dos muestras, 2 conocidas X es x y 0

H0 : X Y = 0 q 2 N (0, 1)
2 ), e Y es N ( , 2 )
N (X , X X 2
Y
nX + nY
Y Y

2
SX
Dos muestras, X = Y desconocidas 2 = 2
H 0 : X F (nX 1; nY 1)
Y
2 ) Y N ( , 2 )
X N (X , X Y Y
SY2

Dos muestras, X = Y desconocidas x y 0

H0 : X Y = 0 q tnX +nY 2
2 ) Y N ( , 2 )
X N (X , X Y Y Sp n1X + n1Y
2 (n 1) + S 2 (n 1)
SX X Y
donde Sp2 = Y
nX + nY 2

Dos muestras independientes pX pY 0

H0 : pX pY = 0 q N (0, 1)
X Binomial(pX ), Y Binomial(pY ) pX (1pX ) pY (1pY )
nX + nY

2 )
Una muestra pareadas X N (X , X d 0
H0 : d = 0 tn1
Y N (Y , Y2 ), d = X Y Sd / n