

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
Formulario Estadística Media, Moda, Varianza, etc
Tipo: Ejercicios
1 / 3
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!


Diagrama de cajas (^) Se la analiza donde se encuentre la mayor frecuencia f. Li=Limite inferior del intervalo A=Amplitud
Uniforme x ↝ U(1,N)
f(x)= ;
Sx={1,2,…N}
=E(x)=
σ²=
Misma probabilidad para cada elemento de Sx
Binomial x ↝ b(x;n,p) f(x)= Sx={0,1,2,3….n} =np σ²=np(1-p) Mx(t)=[ p+(1-p)]n Se fija n X:#de sucesos ocurrido
Geométrica x ↝ g(x;1,p) f(x)=p , Sx={1,2,3,…n} = σ²= Mx(t)= p X:#de repeticiones hasta que ocurra el 1er éxito
Binomial Negativa x ↝ bn(x;r,p) f(x)= , Sx={r, r+1, r+2,…}
= σ²= Mx(t)= Hasta que ocurra el r-ésimo éxito. X:#de repeticiones , para que el r-ésimo suceso ocurra
Hipergeómetrica x ↝ h(x;a,N,n)
f(x)= , Sx={0,1,2…k} , k=min{n;a}
= σ²= N: # eleme. Pob. Obje
n:# eleme. Muestra a:# elem. Carac. Interés x: # elem.q cumplen con las características
Poisson x ↝ p(x;λ) f(x)= , Sx={0,1,2…} =σ²=λ Mx(t)= Conteo en un tiempo
Bernoulli x ↝ ber(p) Éxito= p Fracaso= 1-p =p σ²=p(1-p) X: 1 , 0
Multinomial Sx={1,2…} f( )= 0,1,2…n =n
Probabilidad condicional P(A/B)= = Probabilidad total P(A)= Teorema de Bayes P( |A)=
Variables Aleatorias Discretas VALOR ESPERADO E(g(x))= E(a)=a E(ag(x))=aE(g(x)) Siendo a una constante
Función generadora de momentos (depende solo de t) (t)=E(etx)=
Media =E(x)= M’x(t=0)=E(x) Varianza σ²=V(x)=E[(x- )²] σ²=E(x²)-[E(x)]² , V(a)= V(ax)=a²V(x)
M’’x(t=0)=E(x²) (t=0)=E( ) =
Matriz.Varian.Cova.
[ ]= ;
Sxy=Syx Coeficiente de correlación lineal = ; -
Matriz.Coef.Corre.Lin. [ ]=
Uniforme x ↝ U(α,β)
f(x)= , Sx={xєR/α0}
Γ(α)=(α-1)! =αβ σ²=αβ²
Mx(t)= , t<
Beta x ↝ B(α,β) f(x)= Sx={xєR/x>0} , = σ²=
Weiball x ↝ W(α,β)
f(x)= ,x> =βΓ(1+1/α) σ²=β²{Γ(1+2/α)- [Γ(1+1/α)]²}
2 V.A.Discretas Marginales Valores Esperados Cov(x,y)=E(xy)-E(x)E(y) f(x,y)=P(X=x,Y=y)=fxy
0 f(x,y) 1 1
E(g(x))=
f(x/y)= ,condicio.
E(g(x))= Cov(x,a)=0 Cov(x,x)=Var(x) Cov(x,y)=Cov(y,x) Cov(ax,by)=abCov(x,y) Cov(x+a,y+b)= cov(x,y) Cov(ax,y)=Cov(x,ay)=aCov(x,y) Cov(ax+by)=a²var(x)+b²var(y)-2abcov(x,y) Cov(ax+by,cz)=acCov(x,z)+bcCov(y,z)
Error Tipo I ( α ) : P(Rechazar Ho ; Ho es verdadera) Error Tipo II ( β ) : P(No rechazar Ho ; H1 es verdadero) Potencia de la prueba (1-β)= 1 – P(β)= P(Rechazar Ho ; H1 es verdadero) Nivel de confianza: 1-α= P(No rechazar Ho ; H1 es verdadero)
VALOR P = P(Dist.Muestral <,> Estadist.de prueba)
PRUEBAS PAREADAS (^) Estimador insesgado: E( )=Ѳ Estimador eficiente: Var( ) , v=(f-1)(c-1) g.l Si no hay α, utilizamos el valor p. :Observaciones dadas
=número de filas =número de columnas
Si puedo unir a mi criterio las filas o columnas que desee.
celda
Determinar si los datos de nuestra muestra son independientes.
X:variable aleatoria poblacional f(x):Densidad o Distribución especificada o supuesta para x Ho: f(x)=fo(x) vs H1: ¬Ho (negación de Ho)
Por Ji-Cuadrado (Discretas) *Cuando hay datos agrupados
Determina si los datos de la muestra dada se ajustan a la distribución especificada o propuesta ●XєSx, misma probabilidad (uniforme discreta) ●Conteo en un tiempo o espacio ( Poisson)
●Datos pertenecientes al tiempo de espera (Exponencial)
●Datos pert. Peso, edad (normal) ●Tiempo de vida útil (weiball) Por Kolmogorov – Smirnov (Continuas) *Datos no agrup. Sn(x): Distribución empírica (1/n para cada elemento)- Utiliza la muestra Fo(x)= P(x xo) Acumulada, utiliza la población
Estadístico de Prueba D=max|Sn(x)-Fo(x)|
Región de rechazo D>Dn , n:tamaño de la muestra. Si no hay α utilizamos el valor p.
REGRESIÓN LINEAL SIMPLE Modelo de R.L.S Estimado Tabla ANOVA (^) ●SCE= ●SCR= ●SCT=SCR+SCE ●Error estimado→ = - ●Potencia de la prueba r² r²= , 0 r² 1
Fuentes de variación
Grados de libertad
Suma de cuadrados
Cuadrados medios Estadístico de prueba REGRESIÓN 1 SCR^ SCR/1^ F*= ERROR (^) n - 2 SCE S²=SCE/(n - 2) TOTAL (^) n - 1 SCT