Professional Documents
Culture Documents
FORMULARIO
ESTADÍSTICA DESCRIPTIVA
- MEDIDAS DE TENDENCIA CENTRAL
Media
Σ(𝑥)(𝑛)
𝑋̅ =
𝑛
Mediana
𝑛
[ − 𝑁2−1 ]
𝑀𝑒 = 2 .𝐴
𝑛
Moda
𝑑′. 𝐴
𝑀𝑜 = 𝐿𝑖 + ′ ′′
𝑑 .𝑑
- MEDIDAS DE DISPERSIÓN
Varianza
∑(𝑌1 − 𝜇)
𝜎2 =
𝑁
Desviación Estándar
𝜎 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎
Coeficiente de Variación
𝜎
𝐶𝑉 = . 100%
𝜇
Asimetría o Sesgo
3(𝑋 − 𝑀𝑒 )
𝐴𝑠 =
𝑆
- MEDIDAS DE POSICIÓN
Cuartiles
𝑁
− 𝐹𝑖−1
𝑄1 = 𝐿𝑖 + 4 .𝐴
𝑓𝑖
Deciles
𝑁
− 𝐹𝑖−1
𝐷1 = 𝐿𝑖 + 10 .𝐴
𝑓𝑖
Percentiles
𝑁
− 𝐹𝑖−1
𝑃1 = 𝐿𝑖 + 100 .𝐴
𝑓𝑖
- RELACIÓN LINEAL
Coeficiente de Correlación
-1 < r < +1
𝑛 ∑ 𝑥𝑦 − (Σ𝑥)(Σ𝑦)
𝑟=
√[𝑛Σ𝑥 2 − (Σ𝑥)2 ][𝑛Σ𝑦 2 − (Σ𝑦)2 ]
Modelo de Regresión
𝛾 = 𝑎 + 𝑏𝑥
Cálculos de Parámetros
𝑎 = 𝑦̅ − 𝑏𝑥̅
𝑛 ∑ 𝑥𝑦 − (Σ𝑥)(Σ𝑦)
𝑏= 2
𝑛Σ𝑥2 − (Σ𝑥)
Σx Σy
𝑥̅ = 𝑦̅ =
𝑛 𝑛
ESTADÍSTICA DESCRIPTIVA
- DISTRIBUCIONES PROBABILÍSTICAS
DISCRETAS CONTINUAS
Gráficos: Gráficos:
- Barras - Poligonal
- Bastones - Lineal
- Histograma
Variables Cuantitativas
DISCRETAS
Distribución de Poisson
𝑒 −𝜇 𝜇 𝑥
𝑃(𝑋) =
𝑥!
𝑒 = 2.17828
Distribución Binomial
𝑃(𝑋) = 𝐶𝑥𝑛 . 𝑝 𝑥 𝑞 𝑛−𝑥
𝑛!
𝑃(𝑋) = . 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
Distribución Hipergeométrica
(𝑐𝑥 )(𝑁−𝐶
𝑛−𝑥 )
𝑃(𝑋) =
(𝑁
𝑛)
𝐶 = 𝑁°𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑞𝑢𝑒 𝑐𝑢𝑚𝑝𝑙𝑒 𝑙𝑎 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎 𝑑𝑒𝑠𝑒𝑎𝑑𝑎.
𝑋 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠.
CONTINUAS
Distribución Normal
1 −1 (𝑥−4)𝑒
𝑒 2 𝜎2
𝜎√2𝜋
𝑆𝑖 𝑠𝑒 𝑐𝑜𝑛𝑜𝑐𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎
𝑥−𝜇
𝑍= → 𝑛(0,1)
𝜎
𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑟
Campana de Gauss
Estandarización
𝑛(𝜇, 𝜎 2 ) 𝑍 → 𝑛(0,1)
Distribución Chi-Cuadrado
2
(𝑓𝑜 − 𝑓𝑒 )2
𝑛 𝑘
𝑋 =∑ ∑ → 𝑥 2 𝑣𝑔𝑙
𝑖=1 𝑖=1 𝑓𝑒
𝑣 = (𝑛 − 1)(𝑘 − 1)
→ 𝑥 2 𝑣𝑔𝑙
Distribución t-student
𝑥−𝜇
𝑡= → 𝑡(𝑛 − 1)𝑔𝑙. ∝
𝑠
𝑁𝑜 𝑠𝑒 𝑐𝑜𝑛𝑜𝑐𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎
(𝑛 < 30)𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑒𝑠 𝑚𝑒𝑛𝑜𝑟 𝑎 30 𝑑𝑎𝑡𝑜𝑠
POBLACIÓN MUESTRA
(parámetros) (estimadores)
N = n° población n = n° muestra
µ = media poblacional 𝑥̅ = media muestral
𝜎 2 = varianza 𝑆 2 = varianza
𝜎 = desviación típica 𝑆 = desviación típica
𝑃 𝑝
Q q
Distribución Bilateral
𝑍 → 𝑛(0,1)
Distribución Unilateral
𝑡 → 𝑛(0,1)
Σ𝑓𝑖 𝑥 2 Σ𝑥 2 𝑓𝑖
𝑏) 𝜎 2 = − 𝜇2 = − 𝜇 2 = Σ𝑥 2 . 𝑝(𝑥) − 𝜇 2
𝑛 𝑛
DESVIACIÓN ESTÁNDAR O TÍPICA
𝜎 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎
COEFICIENTE DE VARIACIÓN
𝜎
𝐶𝑉 = . 100%
𝜇
- DISTRIBUCIÓN MUESTRAL
Para una Media
𝜎2
Sea 𝑥̅ 𝑣. 𝑎. , 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑛
𝑥̅ − 𝜇 𝑥̅ − 𝜇 𝑥̅ − 𝜇
𝑍= = = 𝜎
𝐷𝑒(𝑥) 𝜎 2
√ √𝑛
𝑛
𝐶𝑢𝑎𝑛𝑑𝑜 𝑠𝑒 𝑐𝑜𝑛𝑜𝑐𝑒 𝑙𝑎 𝜎 2 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝑥̅ − 𝜇
𝑡= → 𝑡(𝑛 − 1)𝑔𝑙, ∝
𝑆
√𝑛
𝐶𝑢𝑎𝑛𝑑𝑜 𝑛𝑜 𝑠𝑒 𝑐𝑜𝑛𝑜𝑐𝑒 𝑙𝑎 𝜎 2 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
Sea 𝑥 𝑣. 𝑎. , 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎 2
𝑥−𝜇 𝑥−𝜇 𝑥−𝜇
𝑍= = =
𝐷𝑒(𝑥) 𝜎2 𝜎
𝑥−𝜇
𝑡= → 𝑡(𝑛 − 1)𝑔𝑙. ∝
𝑠
Para Diferencia de Medias
Sea (𝑥̅̅̅1 − ̅̅̅
𝑥2 )𝑣. 𝑎.
(𝑥 ̅̅̅2 ) − (𝜇
̅̅̅1 − 𝑥 ̅̅̅1 − ̅̅̅
𝜇2 )
𝑍= → 𝑛(0,1)
𝜎 21 𝜎 2 2
√
𝑛1 + 𝑛2
𝐶𝑢𝑎𝑛𝑑𝑜 𝑠𝑒 𝑐𝑜𝑛𝑜𝑐𝑒 𝑙𝑎𝑠 𝜎 2 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑒𝑠
(𝑥 𝑥2 ) − (𝜇
̅̅̅1 − ̅̅̅ ̅̅̅1 − ̅̅̅
𝜇2 )
𝑡= → 𝑡(𝑛1 + 𝑛2 − 2)𝑔𝑙, ∝
𝑆2 𝑆2
√ 1+ 2
𝑛1 𝑛2
Nivel de confianza
90% = Z=1,64
95% = Z=1,96
99% = Z=2,58
𝑍 2 𝑃𝑄
𝑛=
𝑒2
Conoce el tamaño de la población (N)
𝑛𝑜 𝑛𝑜
> 0.10 → 𝑛 = 𝑛
𝑁 1 + 𝑁𝑜
Se necesita el valor de P (Proporción Poblacional)
- INTERVALOS DE CONFIANZA
Media (𝜇)
𝜎 𝜎
𝑃 [𝑋̅ − 𝑍1−∝ ( ) ≤ 𝜇 ≤ 𝑋̅ + 𝑍1−∝ ( )] = 1−∝
2 √𝑛 2 √𝑛
Proporción
𝑃𝑄 𝑃𝑄
𝑃 [𝑝 − 𝑍1−∝ (√ ) ≤ 𝑝 ≤ 𝑝 + 𝑍1−∝ (√ )] = 1−∝
2 𝑛 2 𝑛
- PRUEBA DE HIPÓTESIS
I. Bilateral
HO : 𝜇 = 𝜇 o 𝑥̅ − 𝜇𝑜
𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑃𝑟𝑢𝑒𝑏𝑎: 𝑍𝑐 = 𝜎
Ha : 𝜇 ≠ 𝜇 o
√𝑛
II. Unilateral a la derecha
HO : 𝜇 ≤ 𝜇 o
Ha : 𝜇 > 𝜇 o
𝑥̅ − 𝜇
𝑍= 𝜎 → 𝑛(0,1)
√𝑛
No se conoce la 𝜎 2 poblacional
𝑥̅ − 𝜇
𝑡= → 𝑡(𝑛 − 1)𝑔𝑙, ∝
𝑆
√𝑛
4. Establecer la Región Crítica
𝑍 → 𝑛(0,1)
5. Calcular
𝑥̅ − 𝜇
𝑍= 𝜎
√𝑛
6. Decisión
→ 3,35 ϵ R.R. Se rechaza la HO, es decir, el
promedio de notas es ≠ 12
𝑍 → 𝑛(0,1)
Diferencia de Medias
HO : 𝜇1 = 𝜇2 HO : 𝜇1 ≤ 𝜇2 HO : 𝜇1 ≥ 𝜇2
Ha : 𝜇1 ≠ 𝜇2 Ha : 𝜇1 > 𝜇2 Ha : 𝜇1 < 𝜇2
(𝑥 ̅̅̅2 ) − (𝜇
̅̅̅1 − 𝑥 ̅̅̅1 − ̅̅̅
𝜇2 )
𝑍= → 𝑛(0,1)
𝜎 21 𝜎 2 2
√
𝑛1 + 𝑛2
𝐶𝑢𝑎𝑛𝑑𝑜 𝑠𝑒 𝑐𝑜𝑛𝑜𝑐𝑒 𝑙𝑎𝑠 𝜎 2 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑒𝑠
(𝑥 𝑥2 ) − (𝜇
̅̅̅1 − ̅̅̅ ̅̅̅1 − ̅̅̅
𝜇2 )
𝑡= → 𝑡(𝑛1 + 𝑛2 − 2)𝑔𝑙, ∝
𝑆2 𝑆2
√ 1+ 2
𝑛1 𝑛2
Donde, Xi=