Las notas siguientes le serán útiles en las asignaturas TC1 y TC2.

Las dos primeras filas recogen dos funciones que serán muy útiles en diversos escenarios.
La función Gamma que se define para cualquier valor 𝑝 ∈ ℝ+ por la integral,
∞
Γ(𝑝) = ∫0 𝑥𝑝−1 𝑒−𝑥 𝑑𝑥 ; se puede comprobar que siempre se verifica que Γ(𝑝) =
(𝑝 − 1)Γ(𝑝 − 1) , y que si 𝑝 es un numero entero entonces Γ(𝑝) = (𝑝 − 1)! .

La función Beta que para 𝑝, 𝑞 números reales y positivos se define por la integral,
1 Γ(𝑝) Γ(𝑞)
𝐵𝑒𝑡𝑎 (𝑝, 𝑞) = ∫0 𝑥𝑝−1 (1 − 𝑥)𝑞−1 𝑑𝑥 , y se puede comprobar que 𝐵𝑒𝑡𝑎 (𝑝, 𝑞) = .
Γ(𝑝+𝑞)

Las siguientes filas recogen las distintas distribuciones de probabilidad discretas y continuas
que se utilizan en TC1 y en TC2.

FUNCIÓN Formula en Excel Hace …

Gamma 𝑮𝑨𝑴𝑴𝑨[𝒑] Da el valor de la integral

∞
∫0 𝑥 𝑝−1 𝑒 −𝑥 𝑑𝑥

Beta 𝑮𝑨𝑴𝑴𝑨[𝒑] ∗ 𝑮𝑨𝑴𝑴𝑨[𝒒] Da el valor de la integral

1
𝑮𝑨𝑴𝑴𝑨[𝒑 + 𝒒] ∫0 𝑥 𝑝−1 (1 − 𝑥 )𝑞−1 𝑑𝑥

DISTRIBUCIÓN Formula en Excel Hace …

Binomial [Link].N Da los valores de la función de

probabilidad y los valores de la función
de distribución.

Hipergeométrica [Link].N Da los valores de la función de

probabilidad y los valores de la función
de distribución.

Poisson [Link] Da los valores de la función de

probabilidad y los valores de la función
de distribución.

Exponencial [Link].N Da los valores de la función de

densidad y de la función de
distribución de una Exponencial con
densidad 𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥

Beta [Link].N Da los valores de la función de

densidad y de la función de
distribución de una 𝐵𝑒𝑡𝑎(𝛼, 𝛽) con
densidad 𝑓(𝑥) =
𝐺𝐴𝑀𝑀𝐴[𝛼+𝛽]
𝐺𝐴𝑀𝑀𝐴[𝛼]∗𝐺𝐴𝑀𝑀𝐴[𝛽]
𝑥 𝛼−1 (1 − 𝑥)𝛽−1
Gamma [Link].N Da los valores de la función de
densidad y de la función de
distribución de una Gamma con
densidad
𝑥
1 −
𝑓(𝑥) = 𝑥 𝛼−1 𝑒 𝛽
𝛽 𝛼 ∗ 𝐺𝐴𝑀𝑀𝐴(𝛼)

Normal [Link].N Da los valores de la función de

densidad y de la función de
distribución de una 𝑁𝑜𝑟𝑚𝑎𝑙(0,1)

Normal [Link].N Da los valores de la función de

densidad y de la función de
distribución de una 𝑁𝑜𝑟𝑚𝑎𝑙(𝜇, 𝜎 2 )

Normal [Link] Da los percentiles de una

𝑁𝑜𝑟𝑚𝑎𝑙(0,1)

Normal [Link] Da los percentiles de una

𝑁𝑜𝑟𝑚𝑎𝑙(𝜇, 𝜎 2 )

𝜒 2 de Pearson [Link] Da los valores de la función de

densidad y de la función de
distribución de una 𝜒2 de Pearson

𝜒 2 de Pearson [Link] Da los percentiles de una 𝜒 2 de

Pearson

T de Student DIST.T.N Da los valores de la función de

densidad y de la función de
distribución de una t de Student

T de Student INV.T Da los percentiles de una t de Student

F de Snedecor DISTR.F.N Da los valores de la función de

densidad y de la función de
distribución de una F de Snedecor.

F de Snedecor INV.F Da los percentiles de una F de

Snedecor.
Tema 1: Algunas distribuciones de probabilidad con nuas
Función de densidad Función de Media Varianza
distribución
(probabilidad)
Uniforme 1 �㗃(�㗆) �㗄 + �㗄 (�㗄 2 �㗄)
�㗅(�㗆) = �㗄 2 �㗄 �㗆�㗅 �㗆 �㗅�㗅�㗆�㗅�㗅 �㗄 �㗆 �㗄 0 �㗆 < �㗄 2 12
0 �㗅�㗅 �㗅�㗅 �㗅�㗅�㗆�㗆�㗅 �㗅�㗅 �㗅�㗄�㗆�㗅�㗆 �㗆 2 �㗄
= �㗄 < �㗆 < �㗄
�㗄 2 �㗄
1 �㗆 > �㗄
Exponencial 1 �㗃(�㗆) 1 1
�㗅(�㗆) �㗮 �㗅 �㗆�㗅 �㗆 > 0 0 �㗆�㗅 �㗆 > 0 �㗮 �㗮
0 �㗅�㗅 �㗅�㗆�㗅�㗅 �㗅�㗄�㗆�㗅 =
1 2 �㗅 �㗆�㗅 �㗆 > 0
Gamma �㗅(�㗆) Integral entre 0 y x de �㗯 �㗯
1 la función de densidad �㗰 �㗰
= �㗮 (�㗯 2 1)! �㗆 �㗅 �㗆 > 0
0 �㗆 < 0
Normal 1 ( ) Tablas a tope �㗰 �㗰
�㗅(�㗆) = �㗅
�㗰:2�㗰
Binomial Una normal calculando la media A par r de la normal �㗅�㗅 �㗅�㗅�㗅
y la varianza como pone a
con nuación
Poisson » �㗅 » »
�㗅(�㗅; ») =
�㗅!
Chi Gamma ( , ) Gamma ( , ) n 2n
cuadrado
T de �㗄(0,1) - 0 �㗅
�㗆(�㗅) = �㗅 2 2
Student �㗄 (�㗅)
�㗅
F de �㗄 (�㗅) - - -
Snedecor �㗃(�㗅, �㗅) = �㗅
�㗄 (�㗅)
�㗅

Ejemplos estadís cos:

Muestral Poblacional
Media 1 1
�㗰 = �㗄 �㗄 = �㗄
�㗄 �㗅
Varianza 1 1
�㗰 = (�㗄 2 �㗰) �㗄 = (�㗄 2 �㗄)
�㗄 �㗅
Cuasivarianza 1 1
�㗰 = (�㗄 2 �㗰) �㗄 = (�㗄 2 �㗄)
�㗄 2 1 �㗅 2 1
 TEMA 1:
ALGUNAS DISTRIBUCIONES DE
PROBABILIDAD CONTINUAS
DISTRIBUCIÓN UNIFORME DISTRIBUCIÓN BETA
Es una familia para modelizar la ignorancia en un Es una familia para modelizar información en un intervalo
intervalo cerrado y acotado. cerrado y acotado.

DISTRIBUCIÓN EXPONENCIAL
Es una familia para modelizar en la semirrecta real positiva,

[Link].N.(x;p;q;v/f)

DISTRIBUCIÓN GAMMA
Es una familia para modelizar en la semirrecta real positiva.

D I S T R . E X P . N . ( x ; �㔽 ; v / f )

D I S T R . G A M M A . N . ( x ; �㔶 ; 1 / �㔽 ; v / f )
Para calcular percentiles:
D I S T R . G A M M A . N . ( x ; �㔶 ; 1 / �㔽 )
1
�㕓 �㕥 = �㕥 �㕒
�㕟 �㗼 �㔃
DISTRIBUCIÓN NORMAL GENERAL PROPIEDADES
Es una familia para modelizar información en la recta real.

D I S T R . N O R M . N . ( x ; �㕁 ; �㕈 �㗐 ; 1 )
X -> B(n;p) X -> N(�㔇;�㔎 ) �㔇 =np �㔎 =npq q=1-p

DISTRIBUCIÓN �㕿 DE PEARSON DISTRIBUCIÓN NORMAL (0,1)

Se obtiene de combinar distribuciones normales Es una familia para modelizar información en la recta real.
independientes,

�㕋 → �㕁(0,1)

[Link].(x;GL;1)
Para calcular percentiles:
[Link]. (prob; GL)
[Link].N.(z;1)
DISTRIBUCIÓN t DE STUDENT Para calcular percentiles:
Se obtiene de combinar distribuciones normales
independientes,
[Link].(x)

DISTRIBUCIÓN F DE SNEDECOR
Se obtiene de combinar distribuciones normales
independientes,

DISTR.T.N.(x;GL;1) DISTR.F.N.(x;GL1;GL2;v/f)

Para calcular percentiles: Para calcular percentiles:

INV.T. (prob;GL) INV.F. (prob; GL1;gl2)

 REPASO BÁSICO
TEMA 2: FUNCION DE DENSIDAD �㕓 �㕥 = �㔹 �㕥
FUNCION DE DISTRIBUCIÓN �㔹 �㕥 = ∫ �㕓(�㕡) �㕑�㕡
NOCIONES BÁSICAS DE ESPERANZA �㔸 �㕥 = ∫ �㕥 · �㕓(�㕥) �㕑�㕡
INFERENCIA ESTADÍSTICA VARIANZA �㕉�㕎�㕟 �㕥 = �㔸 �㕥 + �㔸 �㕥
DESVIACIÓN TIPICA �㔷�㕇 �㕥 = �㕉�㕎�㕟(�㕥)

VEROSIMILITUD DE LA MUESTRA MUESTRA: MEDIA Y VARIANZA MUESTRAL

La verosimilitud de la muestra es la función de densidad de Dada una v.a. X con función de distribución F(x) y función de
la muestra. densidad f(x), una muestra aleatoria simple (m.a.s.) de
tamaño n es un conjunto de n v.a. X1, … , Xn independientes
y con la misma distribución que X.
El valor de �㔃 será el que haga más grande la verosimilitud.

ESTADÍSTICO SUFICIENTE
Un estimador es suficiente si su función de verosimilitud �㔸 �㕋 = �㔇
puede factorizarse de forma que un factor sea solo función
de la muestra y el otro sea función del parámetro y del
estimador. V �㕋 =
ESTIMACIÓN PUNTUAL
Es hacer una aproximación del valor desconocido �㔃.
MÉTODO DE LA MÁXIMA VEROSIMILITUD
CARACTERÍSTICAS DESEABLES DE UN
ESTIMADOR
ESTIMADOR INSESGADO
Un estimador es insesgado si .
Si no es insesgado, es sesgado y el sesgo se calcula como:

ESTIMADOR EFICIENTE
Un estimador es eficiente si es insesgado y su varianza
coincide con la Cota de Fréchet-Cramer-Rao.

MÉTODO DE LOS MOMENTOS

�㔇 = �㕋
Igualamos los momentos poblacionales (dependen
de �㔃 ) a los momentos muestrales y despejamos. �㔎 = �㕆
ESTIMADOR CONSISTENTE
Un estimador es consistente si la probabilidad de cometer
CONTRASTE DE HIPÓTESIS ESTADÍSTICAS errores de estimación tiende a ser despreciable cuando el
tamaño de la muestra aumenta.
PARAMÉTRICAS
Un contraste de hipótesis paramétrica es un procedimiento
para aceptar o rechazar una hipótesis que se emite sobre el
parámetro. INTERVALOS DE CONFIANZA
Se hace una hipótesis (afirmación verdadera o falsa) sobre el Es hacer una aproximación del valor desconocido �㔃.
parámetro y se quiere ver si los datos son contrarios o no.

HIPÓTESIS SIMPLE HIPÓTESIS COMPUESTA

Valor concreto. �㔇 = 170 Conjunto de valores.
Puede ser un contraste
REGIÓN DE RECHAZO unilateral o a una sola cola:
Conjunto de muestras
difícilmente observables
si suponemos que H0 es
cierta. O puede ser un contraste bila-
teral o a dos colas: Rechazamos o no
rechazamos H0
FUNCIONES DE VEROSIMILITUD POISSON
NORMAL

BINOMIAL