Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Formulario Estadistica, Ejercicios de Estadística

Formulario Estadística Media, Moda, Varianza, etc

Tipo: Ejercicios

2016/2017

Subido el 12/05/2017

amber_jtb
amber_jtb 🇪🇨

4.5

(29)

6 documentos

1 / 3

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
DATOS NO AGRUPADOS
DATOS AGRUPADOS
Media =
Media =
; k:#clases fi= frecuencia
Varianza S2 =
Varianza S2 =
Cuantiles i.a=(n+1)(%C)
Cuantiles = +
Diagrama de cajas
Se la analiza donde se encuentre la mayor frecuencia f.
Li=Limite inferior del intervalo A=Amplitud
Moda = +
(A) ; S= ; a=
VARIABLES ALEATORIAS DISCRETAS
Uniforme xU(1,N)
f(x)=
;
Sx={1,2,…N}
=E(x)=
σ²=
Misma probabilidad
para cada elemento
de Sx
Binomial xb(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
xg(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 xbn(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 xh(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 xp(x;λ)
f(x)=
,
Sx={0,1,2…}
=σ²=λ
Mx(t)=
Conteo en un tiempo
Multinomial
Sx={1,2…}
f( )=
0,1,2…n
=n
PROBABILIDADES
P(E)=
;
0
P(Ω)=1
=1
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)=0
V(ax)=a²V(x)
M’’x(t=0)=E(x²)
(t=0)=E( )
=1
COVARIANZA
=
Matriz.Varian.Cova.
[ ]=
;
Sxy=Syx
Coeficiente de correlación
lineal
=
; -1
Matriz.Coef.Corre.Lin.
[ ]=
VARIABLES ALEATORIAS CONTINUAS
Uniforme xU(α,β)
f(x)=
, Sx={xєR/α<x<β} =
σ²=
Mx(t)=
Normal xN( ,σ²)
f(x)=
Sx={xєR}
Mx(t)=
Normal Estándar xN(0,1)
f(x)=
Sx={xєR}
Mx(t)=
Estandarización
Z=
P3 P(x P3)=0.03
P(x<C)=%C
Gamma xG(α,β)
f(x)=
, Sx={xεR/x>0}
Γ(α)=(α-1)! =αβ σ²=αβ²
Mx(t)=
, t<
Beta xB(α,β)
f(x)=
Sx={xєR/x>0} , =
σ²=
Weiball xW(α,β)
f(x)=
,x>0
=βΓ(1+1/α)
σ²=β²{Γ(1+2/α)-
[Γ(1+1/α)]²}
pf3

Vista previa parcial del texto

¡Descarga Formulario Estadistica y más Ejercicios en PDF de Estadística solo en Docsity!

DATOS NO AGRUPADOS DATOS AGRUPADOS

Media = Media = ; k:#clases fi= frecuencia

Varianza S^2 = Varianza S^2 =

Cuantiles i.a=(n+1)(%C)

Cuantiles = +

Diagrama de cajas (^) Se la analiza donde se encuentre la mayor frecuencia f. Li=Limite inferior del intervalo A=Amplitud

Moda = + (A) ; ∆S= ; ∆a=

VARIABLES ALEATORIAS DISCRETAS

Uniforme xU(1,N)

f(x)= ;

Sx={1,2,…N}

=E(x)=

σ²=

Misma probabilidad para cada elemento de Sx

Binomial xb(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 xg(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 xbn(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 xh(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 xp(x;λ) f(x)= , Sx={0,1,2…} =σ²=λ Mx(t)= Conteo en un tiempo

Bernoulli xber(p) Éxito= p Fracaso= 1-p =p σ²=p(1-p) X: 1 , 0

Multinomial Sx={1,2…} f( )= 0,1,2…n =n

PROBABILIDADES

P(E)= ;

P(Ω)=1 =

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( ) =

COVARIANZA

Matriz.Varian.Cova.

[ ]= ;

Sxy=Syx Coeficiente de correlación lineal = ; -

Matriz.Coef.Corre.Lin. [ ]=

VARIABLES ALEATORIAS CONTINUAS

Uniforme xU(α,β)

f(x)= , Sx={xєR/α0}

Γ(α)=(α-1)! =αβ σ²=αβ²

Mx(t)= , t<

Beta xB(α,β) f(x)= Sx={xєR/x>0} , = σ²=

Weiball xW(α,β)

f(x)= ,x> =βΓ(1+1/α) σ²=β²{Γ(1+2/α)- [Γ(1+1/α)]²}

VARIABLES ALEATORIAS CONJUNTAS

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.

3VariablesDiscretas

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.

: Valor que se espera en la

celda

Determinar si los datos de nuestra muestra son independientes.

BONDAD DE AJUSTE

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

χ²= , v=(f-1) g.lib.

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

Modelo matricial de β estimados