Professional Documents
Culture Documents
1. Probabilidades
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 Bayes:
P(A|Ej )P(Ej ) P(A|Ej )P(Ej )
P(Ej |A) = = Pn
P(A) i=1 P(A|Ei )P(Ei )
(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
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
(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
(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
1 a+b (b a)2
fX (x) = para a x b; E(X) = ; Var(X) = .
ba 2 12
(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
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
(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
(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
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
x 0
Una muestra, 2 conocido X es N (, 2 ) H 0 : = 0 N (0, 1)
/ n
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
2 )
Una muestra pareadas X N (X , X d 0
H0 : d = 0 tn1
Y N (Y , Y2 ), d = X Y Sd / n