

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Asignatura: Estadística, Profesor: anonimo... anonimo..., Carrera: Terapia Ocupacional, Universidad: UCM
Tipo: Ejercicios
1 / 2
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!


Estad´ısticos descriptivos b´asicos Media Varianza Cuasivarianza Coef. de variaci´on de Pearson Desviaci´on absoluta media Rango Rango intercuart´ılico Covarianza x =
i xifi^ s (^2) x = ∑ i x 2 i fi^ −^ x (^2) sxc = n n− 1 s (^2) x cv = sx |x| dam^ =^
i |xi^ −^ x|fi^ rg^ = max^ −^ min^ ri^ =^ Q^3 −^ Q^1 sxy^ =^
i
j xiyj^ fij^ −^ ¯xy¯
Tabla de frecuencias (variable continua agrupada en k intervalos o clases (Li− 1 , Li], con i = 1,... , k) Marca de clase Densidad N◦^ de clases Amplitud L´ımite inferior L´ımite superior xi = Li+ 2 L i−^1 hi = (^) Li−nLii− 1 k = b1 + 3.322 log 10 (n)c a ≈ rgk ↑ L 0 = min − ka− 2 rg Lk = L 0 + ka k = drg/ae si a es conocida
Percentil r: Se busca el primer Fi ≥ 100 r Tipo de variable Si Fi > 100 r Si Fi = 100 r Discreta Pr = xi Pr = xi+x 2 i+ Continua (agrupada en k intervalos) Pr = Li− 1 + 100 r −Fi−^1 Fi−Fi− 1 ai^ Pr^ =^ Li
Regresi´on simple Predicci´on de y Ordenada en el origen Pendiente Covarianza (datos no agrupados) Coeficiente de determinaci´on Coeficiente de correlaci´on ˆy = a + bx a = ¯y − bx¯ b = s sxy (^2) x sxy = (^) n^1
i xiyi^ −^ ¯xy¯^ R^2 =^ r xy^2 rxy^ =^
sxy sxsy
Combinatoria (n◦^ de grupos de k elementos que se pueden formar a partir de n elementos) Sin repetici´on Con repetici´on Importa el orden Variaciones V (^) nk = (^) (nn−!k)! Variaciones con repetici´on V Rkn = nk No importa el orden Combinaciones Cnk = (^) k!(nn−!k)! Combinaciones con repetici´on CRkn = ( kn!(+nk−−1)!1)!
Sucesos y Probabilidad Regla de Laplace (bajo equiprobabilidad) Pr(A) = casos favorablescasos posibles Contrario Pr(A) = 1 − Pr(A) Uni´on Pr(A ∪ B) = Pr(A) + Pr(B) − Pr(A ∩ B) Diferencia Pr(A − B) = Pr(A ∩ B) = Pr(A) − Pr(A ∩ B) Intersecci´on Pr(A ∩ B) = Pr(A) Pr(B|A) = Pr(B) Pr(A|B) Leyes de Morgan A ∪ B = A ∩ B y A ∩ B = A ∪ B
Teoremas Probabilidad Total Pr(B) = Pr(B|A 1 ) Pr(A 1 ) +... + Pr(B|Ai) Pr(Ai) +... + Pr(B|An) Pr(An), con E = A 1 ∪ · · · ∪ An, Ai ∩ Aj = ∅ para i 6 = j Bayes Pr(Ai|B) = Pr(B|Pr(Ai) Pr(B) Ai)
Variables aleatorias usuales Tipo Nombre S´ımbolo p(x) = Pr(X = x) F (x) = Pr(X ≤ x) f (x) = ∂F (x) ∂x Media^ μ^ Varianza^ σ
2 Discreta Bernoulli Ber(p) p(x) = px(1 − p)^1 −x, x = 0, 1 p p(1 − p) Discreta Binomial Bin(n, p) p(x) =
n x
px(1 − p)n−x, x = 0, 1 ,... , n np np(1 − p)
Discreta Poisson P o(λ) p(x) = λxe−λ x! , x = 0, 1 ,... λ λ Continua Exponencial Exp (λ) f (x) = λe−λx, x > 0 ⇔ F (x) = 1 − e−λx, x > 0 1 /λ 1 /λ^2
Continua Normal N (μ, σ) f (x) =
2 πσ
e
− (x^ −^ μ)
2 2 σ^2 , x ∈ < ⇒ F sin f´ormula cerrada μ σ^2