FORMULARIO DE PROBABILIDAD Y ESTADÍSTICA

ESTADÍSTICA CONJUNTOS TEOREMA DE BAYES

xf n(AUB) = n(A) + n(B) – n(A∩B) P ( B Ai )  P ( Ai )
X  c = Li2 – Li1 P ( Ai B ) 
n(A-B) = n(A) - n(A∩B)
n  [ P ( B Ai )  P( Ai )]
n n(A’) = n(U) – n(A)
(  Fa )
Me  Li  2 c R=M-m n(AxB) = n(A) x n(B)
f
PROBABILIDAD SIMPLE PROBABILIDAD CONDICIONAL
1
Mo  Li  ( )c n( E ) P ( A  B ) n( A  B )
1   2 P( E )  P( B )  
n(T ) A P( A) n( A)
1  f  fant S
CV  TÉCNICAS DE CONTEO VARIABLE ALEATORIA DISCRETA
 2  f  fpos X
n Para eventos independientes: E ( x )   X   [ xi  P ( xi )]
( r  Fa ) P(AUB) = P(A) + P(B)
dr  Li  d c Var ( x )   [ xi2  P ( xi )]  (  x ) 2
f P(A∩B) = P(A) x P(B)
f ( x  x ) 2 Permutación:
2    2 n!
 x  var(x)
n n Pr 
f ( x  x ) 2 (n  r )! VARIABLES ALEATORIAS
S2  S  S2 DISCRETAS CONJUNTAS
n 1 Combinación:
f ( x  x ) 3 f ( x  x ) 4 n! E ( xy )   [ x i  y j  P( xi , y j )]
a g 3 nCr 
 3n  4n r!(n  r )! Cov ( xy )  E ( xy )  (  x   y )
DISTRIBUCION DE POISSON DISTRIBUCION BINOMIAL cov( xy )
x  x (n x)

e b( x; n, p ) n C x ( p )q  x  y
P( x;  )  E (x )  
x! q=1–p E(x) = np var(x) = npq
var(x )     var(x)   var(x)

DISTRIBUCION GEOMÉTRICA DISTRIBUCION HIPERGEOMÉTRICA

1 C x [ ( N m) C (n x) ] m
G ( x, p )  p  q ( x 1) E ( x)  H ( N , m; n, x ) 
m
E ( x )  n( )
p Cn N N
1 p m N m N n
Var ( x )    var(x) Var ( x )  n ( )( )   var(x)
p2 N N N 1

VARIABLE ALEATORIA CONTINUA DISTRIBUCION UNIFORME

b xa
Para f(x) si a<x<b, 0 otro caso E ( x )    [ x  f ( x)]dx   var(x) P ( a, x)  si a < x < b, 0 otro caso

a
ba
b d ab (b  a) 2
2
Var ( x )   [ x  f ( x)]dx   2
P (c  x  d )   f ( x)dx E( X )  Var ( x ) 
2 12
a c

DISTRIBUCION GAMMA DISTRIBUCION NORMAL ESTÁNDAR

x ( x   ) P( z  n )  0.5 - Tabla(n)
P(0, x)   ( ,  ) E (x)   Var ( x )   2   2 z
  P( z  n )  0.5  Tabla(n)
P( n1 < z < n2 ) = Tabla(n2) – Tabla (n1)

Elaborado por: Ing. Beatriz Vargas Rosales

 FORMULARIO DE PROBABILIDAD Y ESTADÍSTICA

INFERENCIA ESTADISTICA
TAMAÑO DE LA MUESTRA BONDAD DE AJUSTE

z 2 pq n0 ( fo  fe )2 j k
n0  n X J2  Si x 2
j  xi2 ( k 1,1 ) Si se ajusta
E2 1  [(n0  1) / N ] fe j 1

INTERVALOS DE CONFIANZA
Para Media con Dist. Normal Para Proporciones Para Media con Dist. t-Student
   s
IC  X  z 1 ( )  p (1  p) IC  X  t  ( ) v = n-1
(
2
) n IC  p  z 1 ( v ,1 )
2 v
(
2
) n

De Predicción Para Varianza con Dist. Xi2 Para Diferencias de Medias

1 v( s 2 ) v ( s 2 ) con Dist. Normal
Ip  X  t  (s 1  ) v =n-1 IC  [ , ] v=n-1
( v ,1 )
2
n x2  x2  IC  ( X 1  X 2 )  z 1
 12  22

i ( v ,1 ) i (v , )
2 2 (
2
) n1 n2

Para Diferencias de Proporciones Para Diferencias de Medias con Dist. t-Student

pˆ 1 (1  pˆ 1 ) pˆ 2 (1  pˆ 2 ) s12 s 22 v = *n - 1
IC  ( pˆ 1  pˆ 2 )  z 1  IC  ( X 1  X 2 )  t   * se toma la n más
(
2
) n1 n2 ( v ,1 )
2
n1 n2
pequeña

Si IC es ( - ) entonces 1   2 Si IC es (+ ) entonces 1   2 Si IC es ( -,+ ) entonces 1   2

PRUEBAS DE HIPÓTESIS Regla de Decisión Cálculo de Z0 ó t0

Cola Derecha Ha:   C Ho:   C Se acepta Ho si z calc  z 0 Para Z0 t0 = t(v,1-)
ó Ha: 1   2 Ho: 1   2 tabla = 0.5 -  
Se rechaza Ho si z calc  z 0

Cola Izquierda Ha:   C Ho:   C Se acepta Ho si z calc  z 0 Igual que el anterior, pero tanto z0
como t0 son negativas
ó Ha: 1   2 Ho: 1   2 Se rechaza Ho si z calc  z 0

2 Colas Ha:   C Ho:   C Se acepta Ho si Se rechaza Ho z01= -z02, para z02 t 02  t 

( v ,1 )
z 01  z calc  z 02 si zcalc < z01  2
ó Ha: 1   2 Ho: 1   2 tabla = 0.5-
ó zcalc > z02 2 t01= -t02

La región de rechazo es 1 - y zo es el límite de Para: Media Proporciones Diferencia de Medias

la región de aceptación en Dist. Normal. pˆ  p ( X 1  X 2 )  ( 1   2 )
x zcalc 
Para muestras pequeñas (n<30) se usa Dist. t- z calc  z calc 
 p(1  p)  12  22
Student y en lugar de z es t y en lugar de  es s y n 
n n1 n2
para calcular v en to en diferencia de medias, se
toma la n más pequeña.
REGRESION LINEAL SIMPLE

n [ xy ]   x  y  y  m x n [ xy ]   x  y
y = mx + b m b r
n  x 2  ( x ) 2 n [ n  x  (  x ) 2 ][ n  y 2  (  y ) 2 ]
2

Elaborado por: Ing. Beatriz Vargas Rosales