FORMULARIO

NO AGRUPADOS AGRUPADOS
MEDIA
n k

∑ xi ∑ f i yi
x= i=1 y= i=1
n n
MEDIANA n: IMPAR Discreto:
n
Me= X n +1
2
F i−1 ≤ < F i
2
ESTADISTICOS n: PAR n
X n +X n Si F i−1 <
2
Me= y i
DE Me= 2 2
+1
n y i−1+ y i
TENDENCIA 2 Si F i−1 =
2
Me=
2
CENTRAL Continuo:
n
F i−1 ≤ < F i
2

[ ]
n
−Fi−1
´ 2
Me= y i−1 +c
F i−F i−1
MODA ´
Mo= y i−1 +c
[ f j−f j−1
( f j−f j−1 ) +( f j−f j+ 1) ]
F i−1 ≤ ¿ < Fi
ESTADISTICOS QUARTILES Posición: i ( n+14 )= E , d 4

[ ]
DE x ¿ −F
POSICIÓN Si es entero tomar: i( n+14 ) ´
Qi= y i−1 +c
4 i−1

F i−F i−1
No entero:
Qi=x J −1+ ( x J −x J−1 )∗0 , d
F i−1 ≤ ¿ < F i
DECILES n+1
( )
Posición: i 10 = E , d 10
 [ ]
x ¿ −F
Si es entero tomar: i( n+1
10 ) ´ 10 i−1
D i= y +c
No entero: i−1
F i−Fi−1
Di=x J −1+ ( x J −x J−1 )∗0 , d
F i−1 ≤ ¿ < F i
PERCENTILES
( )
n+1
Posición: i 100 = E , d 100
x n+1
Si es entero tomar: i( 100 )
[ ]
¿ −F
i−1
No entero: Pi= y
´
i−1 +c
100
Pi=x J −1+ ( x J −x J−1 )∗0 , d F i−Fi−1

RECORRIDO DE LA R=X max −X min

VARIABLE
RECORRIDO RI =Q3−Q1
INTERCUARTILICO
ESTADISTICOS x max
COEFICIENTE DE C . A=
DE APERTURA x mín
DISPERSIÓN RECORRIDO x max− X min x max− X min
R . R= ó R . R=
RELATIVO x y
DISPERSIÓN Dispersión absoluta
Dispersión relativa=
RELATIVA media aritmética

DESVIACIÓN
n k

∑|xi −x| ∑ f i|y i− y|

MEDIA DM = i =1
DM = i =1
n n
VARIANZA
n k

∑ (xi −x)2 ∑ f i ( y i− y )2
S2= i=1 S2= i=1
n−1 n−1
DESVIACIÓN S= √ S2 S= √ S2
ESTANDAR
 COEFICIENTE DE S S
C.V= C.V=
X Y
VARIACIÓN
Donde: Donde:
C . V <10 % Datos homogéneos. C . V <10 % Datos homogéneos.
10 % ≤ C . V ≤30 % Datos variables. 10 % ≤ C . V ≤30 % Datos variables.
C . V >30 % Datos heterogéneos. C . V >30 % Datos heterogéneos.

ESTADISTICOS COEFICIENTE DE AS=x−x mo

DE FORMA ASIMETRÍA AS<0 asimetría negativa.

AS=0 distribución simétrica.
AS>0 asimetría positiva.
COEFICIENTE DE x−x mo 3 (x−~x) Q3−2 Q2+ Q1 P90−2 P50+ P10
CA S= = = =
S S Q 3−Q1 P90−P10
PEARSON ~
CA S <0 distribución asimétrica negativa x < x< x mo
CA S=0 distribución simétrica x=~ x=x mo
CA S >0 distribución asimétrica negativa x > ~ x> x mo

ESTADISTICOS APUNTAMIENTO
K 4
f i ( y i− y )
∑
K= i=1 n
DE O CURTOSIS 4
S
APUNTAMIENTO
k>3 la distribución es más apuntada que la normal, se llama leptocúrtica.
k=3 la distribución es moderamente apuntada y se llama mesocúrtica.
k<3 la distribución es menos apuntada que la normal o sea acatada y se
llama platicúrtica.
 n
(x i−x) 4
∑ n -3
i=1
4
S
K=0 la distribución es mesocúrtica.
k>0 la distribución s punteaguda o leptocúrtica.
K<0 la distribución es menos apuntada que la normal platicúrtica.

P 75−P 25
Curtosis en función de cuantiles: k = 2¿¿
K =0.263 la distribución es mesocúrtica (apuntamiento de la curva normal)
K<0.263 la distribución es platicúrtica (más aplastada que a curva normal)
k>0.263 la distribución es leptocúrtica (más apuntada que la curva normal)
ANALISIS PERMUTACIÓN Lineal: “n” elementos, entran todos y si importa el orden
COMBINATORIO Pn !=n ( n−1 ) ( n−2 )( n−3 ) …(2)(1)
Circulares: n elementos
PC n !=( n−1 )( n−2 ) ( n−3 ) … (2)(1)

VARIACIÓN “n” elementos tomados de “m” forma, no entran todos interesa el orden
n n!
V m=
(n−m)!

COMBINACIÓN “n” elementos tomados de “m” forma, pueden entrar todos no entran
todos, no interesa el orden
n n!
C m=
m! (n−m)!

PROBABILIDAD Probabilidad de un evento A

ANALISIS P [ A ]=
n( A)
n(Ω)
PROBABILISTICO
A: número de casos favorables al evento A
Número de casos posibles del espacio muestral.
0 ≤ P[ A ]≤1
Probabilidad de un evento A y B mutuamente excluyentes Ω=A + B
P [ Ω ] =P ¿
Probabilidad son sucesos mutuamente excluyentes ∅ = A ∩ B
P [ A ∪ B ]=P ¿
Probabilidad de sucesos no excluyentes, ∅ ≠ A ∩ B
P [ A ∪ B ]=P ¿
Probabilidad si A y B son sucesos independientes
P [ A ∩ B ]=P ¿
Probabilidad condicional: probabilidad de que ocurra el evento B, dado
que el evento A ha ocurrido.
P(B∩ A)
P ( B / A )=
P (A )
Probabilidad si los eventos A y B son dependientes, entonces la ocurrencia
simultáneamente de los eventos
P ( B ∩ A )=P ( A )∗P ( B/ A )
Probabilidad total: Sea Bk una partición del espacio muestral Ω , entonces
para cualquier evento A en Ω , se cumple
k
P [ A ] =∑ P [ B i ] P[ A/ Bi ]
I=1

Teorema de Bayes Si los eventos forman una participación del espacio

Bk
muestral Ω , A es un evento cualquiera de Ω .
 P [ B ]∗P ( A /B )
P ( B / A )= k

∑ P [ Bi ] P[ A / Bi ]
I=1

DISTRIBUCIÓN Distribución de Cada ensayo tiene solo dos resultados posibles Éxito (E)y Fracaso(F)
DISCRETA Bernoulli Los ensayos son independientes.
Probabilidad de éxito es p
Probabilidad de fracaso q=1-p
Ocurren n ensayos
x
p ( x )=P ( X=x )= p (1− p)
1−x
x=0, x=1
Binomial Definamos la variable aleatoria X
X ( ω )={número de éxitos obtenido enlos n ensayos de Bernoulli }
R x ={ 0 , 1 ,2 , 3 , 4 , … , n }
La probabilidad que en los n ensayos ocurran x éxitos es:
P [ X=x ] =()
n x n−x
x
p q x=0,1,2,3,4,5…,n

p+q=1
P: probabilidad de éxito
q: probabilidad de no éxito
μ=E ( X )=np
Var ( X )=npq
Poisson Ocurrencia de eventos discretos que se generen en un intervalo continuo
(unidad de medida: Longitud, área, volumen, etc), formal un proceso de
Poisson con parámetro λ
Caso 1: En un proceso de Poisson de parámetro λ se observa t unidades de
medidas definimos X de la siguiente manera:
 X ( ω )={número e ocurrencias de eventos en t unidades de medida }
R x ={ 0 , 1 ,2 , 3 , 4 , … }

−λ t x
e ( λt )
p ( x )=P[ X=x ∨P : λt ]=
x!
λ t: número promedio de ocurrencias de los eventos en las t unidades de
medida
μ=E ( X )=∞ Var ( X )=∞ Caso 2:
Caso 2:
Puesto que n es grande y p pequeño n>30 y P<0.1
λ=np (tasade ocurrencia)
−λ x
e ( λ)
p ( x )=P[ X=x ]= X=0,1,2,3,4,…
x!
μ=E [ X ] =λ
DISTRIBUCIÓN Normal Si Z es una variable aleatoria que tiene una distribución normal con μ=0 , σ=1
CONTINUA b−μ
P [ X <b ] =P [Z ≤ ]
σ
b−μ
P [ X >b ] =1−P[Z ≤ ]
σ

[
P [ a< X < b ] =P Z ≤
b−μ
σ ]
−P [Z ≤
a−μ
σ
]

Revisar tabla de distribución normal

Propiedades de distribución normal:
La moda, que es el punto sobre el eje horizontal donde la curva tiene su
punto máximo, ocurre en x = μ
La curva es simétrica alrededor de un eje vertical a través de la media μ.
La curva tiene sus puntos de inflexión en x = μ ± σ , es cóncava hacia abajo si
 μ – σ < X < μ + σ, y es cóncava hacia arriba en otro caso.
La curva normal se aproxima al eje horizontal de manera asintótica,
conforme nos alejamos de la media en cualquier dirección.
El área total bajo la curva y sobre el eje horizontal es igual a uno.
MUESTREO Probabilístico Todos los elementos tienen la misma probabilidad de ser elegidos.
(equiprobabilidad)
✓ Nos aseguran la representatividad de la muestra.
✓ Se puede sacar conclusiones acerca de la población (inferencia
estadística).
✓ Alto costo (criterio estadístico).
2. Muestreo
Tipos:
•Aleatorio Simple: Todos los elementos de la población tienen la
misma probabilidad de ser elegido. Se listan y se chocolatea en urna,

•Aleatorio Sistemático: Se aplica cuando la población es bastante

irregular respecto al carácter que estamos estudiando y deseamos que
en la muestra se refleje toda esta variabilidad.
Se lista los miembros de la población y se escogen cada enésima
posición.
•Estratificado: se divide la población en subgrupos o estratos y se
selecciona aleatoriamente.
•Conglomerado: Se elaboran lista exhaustivo de los elementos de la
población objetivo, que ya se encuentran agrupados en
 subpoblaciones, estos elementos se encuentras muy dispersas.
No Los elementos no tienen la misma probabilidad de ser elegidos.
probabilístico ✓ Son muestreos que seguramente esconden sesgos.
✓ En principio no se pueden extrapolar (inferencia estadística) los
resultados a la población.
✓ Bajo costo (criterio no estadístico)
Tipos:
• Por Cuota: unidades seleccionadas partiendo de una característica
predeterminada (proporcional a la población, grupos, )
• Intencional o conveniencia: sujetos disponibles, no control sobre la
muestra. Se usa en fase piloto o iniciales de lanzar un proyecto.
• Bola de Nieve: miembros de población difíciles de localizar, unos localizan
a otros, continua hasta que acaben los contactos.
• Discrecional: Los elementos son elegidos sobre lo que él cree que pueden
aportar al estudio o investigación.
TAMAÑO DE
MUESTREO
Distribución Población población infinita todas las posibles muestras sin remplazo de tamaño n. Si
muestral infinita se denota:
▪ La media (μ) y la desviación típica () de la población
▪ La media ( μ x) y la desviación típica (σ x ) de la distribución muestra

Población finita Si la población es con reemplazo en una población finita

Distribución muestral-media
Intervalos de confianzas
Distribución muestral-proporción
Intervalos de confianzas
Error estadístico
Tipos de hipotesis

Prueba de hipótesis
Caso 1 página 1 ambas tablas
Caso 2 página 2 ambas tablas
Caso 3 página 1 ambas tablas