INTRODUCCIÓN A LA ESTADÍSTICA MATERIAL PERMITIDO EN LAS PRUEBAS DE EVALUACIÓN

ESTADÍSTICA DESCRIPTIVA PROBABILIDAD

Medidas de Posición Axiomas de la probabilidad
Media:
∑ni=1 xi Consideremos un experimento cuyo espacio muestral es S. Sea P
• Para n datos x1 , x2 , ..., xn : x̄ = . una función que a cada suceso A ⊂ S le asigna un número real P(A),
n
el cual denominamos probabilidad del suceso A, tal que:
• Para n datos agrupados en una tabla de frecuencias con k valo-
∑k xi fi 1. AXIOMA 1: P(A) ≥ 0.
res distintos: x̄ = i=1 o utilizando las frecuencias relati-
n
k 2. AXIOMA 2: P(S) = 1.
vas x̄ = ∑ xi hi .
i=1
3. AXIOMA 3: Dados A ⊂ S y B ⊂ S tales que A∩B = φ entonces,
• Propiedad: Si yi = axi + b para i = 1, · · · , n ⇒ P(A ∪ B) = P(A) + P(B).
ȳ = ax̄ + b ∀ a y b reales.
4. AXIOMA 4: Dados {An }, n = 1, 2, 3, ... con An ⊂ S ∀n tales
Moda: Valor de dato que ocurre con mayor frecuencia. que: Ai ∩ A j = ∅ ∀i ̸= j ⇒
∞
P(A1 ∪ A2 ∪ ...) = P(∪∞i=1 Ai ) = ∑i=1 P(Ai )
Percentil de Orden 100p%:
Teoremas de la probabilidad
• Ordene los datos en sentido creciente.

• El percentil de orden 100p% es el mı́nimo valor real tal que 1. P(Ac ) = 1 − P(A).
F ∗ ≥ p, siendo F ∗ la Frecuencia relativa acumulada. 2. P(φ ) = 0.
Cuartiles: 3. P(A) ≤ 1
• Primer cuartil, Q1 : Percentil de orden 25%. 4. Si A ⊂ B ⇒ P(A) ≤ P(B) y P(B − A) = P(B) − P(A).
• Mediana, m, o segundo cuartil, Q2 : Percentil de orden 50%. 5. P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
• Tercer cuartil, Q3 : Percentil de orden 75%. 6. P(A ∪ B ∪C) =
P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩C) − P(B ∩C) + P(A ∩ B ∩C).
Medidas de Dispersión
P(A ∩ B)
Probabilidad condicionada: P (B | A) = , con P(A) ̸= 0.
∑n (xi − x̄)2 Sxx ∑n x2 − nx̄2 P(A)
Varianza: s2 = i=1 = = i=1 i .
n−1 n−1 n−1 Regla de la multiplicación:

Para n datos agrupados en una tabla de frecuencias con k valores • P(A ∩ B) = P(A)P(B | A) = P(B)P(A | B).
∑k x2 fi − nx̄2
distintos: s2 = i=1 i . • P(A ∩ B ∩C) = P(A ∩ B)P[C/(A ∩ B)] = P(A)P(B/A)P[C/(A ∩ B)].
n−1

Propiedad: Si yi = axi + b para i = 1, · · · , n ⇒ Independencia de sucesos:

s2y = a2 s2x ∀ a y b reales. A1 , A2 , ..., An son sucesos independientes si y sólo si
√
Desviación Tı́pica: s = s2 .
P(A1 ∩ A2 ..... ∩ Ar ) = P(A1 )P(A2 )....P(Ar ) ∀r ≤ n

Propiedad: Si yi = axi + b para i = 1, · · · , n ⇒

sy = |a| sx ∀ a y b reales. VARIABLE ALEATORIA
s Una variable aleatoria es una función, cuyo domino es el espacio
Coeficiente de Variación: CV = si x̄ ̸= 0
|x̄| muestral de un experimento y su codominio la recta real. X : S → ℜ.
El conjunto imagen de dicha función es Rec(X).
Rango o Recorrido: R = max {xi } − min {xi }.

Rango o Recorrido Intercuartı́lico: RI = Q3 − Q1 . Función de distribución de la variable aleatoria X:

FX (x) = P [X ≤ x] ∀x ∈ ℜ.
Diagrama de Caja
• Barreras: Propiedades:

– Interiores: BII = Q1 − 1, 5RI BIS = Q3 + 1, 5RI. • limx→−∞ FX (x) = 0.

– Exteriores: BEI = Q1 − 3RI BES = Q3 + 3RI. • limx→+∞ FX (x) = 1.
• Brazos:
• Es no decreciente: si a < b para cualesquiera a y b reales,
– Inferior: min {xi : xi ≥ BII}. FX (a) ≤ FX (b).
– Superior: max {xi : xi ≤ BIS}. • Es continua por la derecha: limx→a+ FX (x) = FX (a) ∀a ∈ ℜ.
• Datos atı́picos:
Percentiles: Para cualquier valor p comprendido entre 0 y 1, denota-
– No extremos: ubicados entre las barreras interiores y ex- mos x p como aquel valor para el que
teriores.
– Extremos: ubicados más allá de las barreras exteriores. P[X ≤ x p ] = p.

Nota: Si un dato coincide con el valor de una de las barreras ex- Dicho en otras palabras, la probabilidad de que una variable aleatoria
teriores se clasifica como atı́pico no extremo y si coincide con una sea menor o igual que x p es igual a p y, por tanto, P[X > x p ] = 1 − p.
de las barreras interiores no se clasifica como atı́pico. x p se define como el percentil de orden 100p% de la distribución.

SE PERMITE REALIZAR ANOTACIONES. NO SE PERMITE SUSTITUIR EL CONTENIDO. Página 1 de 8

INTRODUCCIÓN A LA ESTADÍSTICA MATERIAL PERMITIDO EN LAS PRUEBAS DE EVALUACIÓN

Variable Aleatoria Discreta Modelos para variables aleatorias discretas

Una variable aleatoria es discreta si su recorrido es un conjunto Modelo Bernoulli: Y ∼ Ber(p)

finito o infinito numerable. 
 p si y = 1
pY (y) = 1 − p si y = 0
Función de probabilidad o Función de Cuantı́a de X:
0 en otro caso


P [X = x] si x ∈ Rec(X) • E [Y ] = p V (Y ) = p(1 − p).
pX (x) =
0 en otro caso
Modelo Binomial: X ∼ Binomial(n, p)
Propiedades:
• Rec(X) = {0, 1, 2, ..., n}
• P [X = x] ≥ 0 ∀x ∈ ℜ.  n
x
 x p (1 − p)n−x ∀ x ∈ Rec(X)
• ∑x∈Rec(X) P [X = x] = 1. pX (x) =
0 en otro caso

Función de Distribución de X:
• E [X] = np V (X) = np(1 − p).
FX (x) = P [X ≤ x] = ∑ P[X = xi ] = ∑ pX (xi ) ∀x ∈ ℜ. Modelo Hipergeométrico: X ∼ Hipergeom(n, N, p)
xi ∈Rec(X) xi ≤x
xi ≤x
• N p debe ser entero.
Variable Aleatoria Continua • Rec(X) = {max {0, n − N(1 − p)} , ..., min {n, N p}}

Sea X una variable aleatoria cuyo recorrido es un conjunto infinito no  N p
N(1−p)

 x N
n−x ∀ x ∈ Rec(X)

numerable. X es una variable aleatoria continua si existe una función 
fX : ℜ → ℜ, llamada función de densidad de probabilidad, tal que pX (x) = n

la probabilidad de que X tome un valor entre los números a y b, 

0 en otro caso

siendo a < b, es igual al área debajo de la función de densidad de
probabilidad dentro de ese intervalo, es decir, N −n
• E [X] = np V (X) = np(1 − p).
P[a < X < b] =
Rb
fX (x)dx. N −1
a
Modelos para variables aleatorias continuas
Propiedades:
Modelo Uniforme: X ∼ U[a, b]
• fX (x) ≥ 0 ∀x ∈ ℜ.
1
R +∞ 
• −∞ fX (x)dx = 1.  si a ≤ x ≤ b a, b ∈ R, a < b
b−a

fX (x) =

Función de Distribución de X: 
0 en otro caso
Z x
FX (x) = P [X ≤ x] = ∀x ∈ ℜ

fX (u)du  0 x<a
−∞ 



 x−a
FX (x) = si a ≤ x < b
Esperanza o Valor Esperado:  b−a




1 x≥b
 
 ∑x∈Rec(X) xpX (x) si X es discreta
µ = E [X] = a+b (b − a)2
 R +∞ E [X] = V (X) =
−∞ x fX (x)dx si X es continua 2 12
Propiedades: Modelo Normal: X ∼ Normal(µ, σ )
2
n o
• E [aX + b] = aE [X] + b ∀ a y b reales. 1 − 12 ( x−µ
σ )
fX (x) = √ e ∀x ∈ ℜ.
σ 2π
• Para cualquier entero positivo k y para cualesquiera variables
aleatorias X1 , X2 , ..., Xk :
E[X] = µ V (X) = σ 2 SD(X) = σ .
E ∑ki=1 Xi = ∑ki=1 E [Xi ].
 

Percentiles en el modelo normal estándar:

Si Z ∼ Normal(0, 1), para cualquier valor p comprendido entre 0 y
σ 2 = V (X) = E (X − µ)2 = E X 2 − µ 2
   
Varianza: donde,
1, definimos el percentil de orden 100p%, denotado por z p , como
 2 aquel valor para el que P[Z ≤ z p ] = p.
 2   ∑x∈Rec(X) x pX (x) si X es discreta
E X = z0,90 = 1, 282 ; z0,95 = 1, 645 ; z0,975 = 1, 96 ;
 R +∞ 2
−∞ x f X (x)dx si X es continua
z0,99 = 2, 326 ; z0,995 = 2, 576.
Propiedades:
Propiedades de la distribución normal:
• V (aX + b) = a2V (X) ∀ a y b reales.
• X ∼ Normal(µ, σ ), entonces,
• Si X1 , X2 , ..., Xn son variables aleatorias independientes,
Y = aX + b ∼ Normal(aµ + b, |a| σ ).
V (∑ni=1 Xi ) = ∑ni=1 V (Xi ).
• X ∼ Normal(µx , σx ) independiente de Y ∼ Normal(µy , σy ), en-
p tonces: q
Desviación tı́pica: SD(X) = V (X). X +Y ∼ Normal(µx + µy , σx2 + σy2 ).
q
Propiedad: SD(aX + b) = |a| SD(X) ∀ a y b reales. X −Y ∼ Normal(µx − µy , σx2 + σy2 ).

SE PERMITE REALIZAR ANOTACIONES. NO SE PERMITE SUSTITUIR EL CONTENIDO. Página 2 de 8

INTRODUCCIÓN A LA ESTADÍSTICA MATERIAL PERMITIDO EN LAS PRUEBAS DE EVALUACIÓN

TABLA PARA P[Z ≤ z] CON Z ∼ Normal(0, 1)

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
-3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998

SE PERMITE REALIZAR ANOTACIONES. NO SE PERMITE SUSTITUIR EL CONTENIDO. Página 3 de 8

INTRODUCCIÓN A LA ESTADÍSTICA MATERIAL PERMITIDO EN LAS PRUEBAS DE EVALUACIÓN

MUESTREO - DISTRIBUCIÓN DE LOS ESTADÍSTICOS ESTIMACIÓN

Sea X1 , X2 , ..., Xn una muestra de variables aleatorias independientes,
todas con la misma distribución que X con E [X] = µ y V (X) = σ 2 . PARÁMETRO ESTIMADOR PUNTUAL VALOR ESTIMADO

µ,p X̄ x̄
Estadı́sticos: σ2 2
S√ 2
s√
∑ni=1 Xi
2
∑ni=1 (Xi −X̄) σ S = S2 s = s2
Media Muestral: X̄ = n Varianza Muestral: S2 = n−1

E [X̄] = µ V (X̄) = σ2
E S2 = σ 2
  Intervalos de Confianza 100(1 − α)%
n

Distribución exacta • Para la media de una población Normal con varianza

Si X1 , X2 , ..., Xn es una muestra de una población Normal(µ, σ ), en- σ

– conocida: x̄ ± z1−α/2 √
tonces: n
√ s
  n (X̄ − µ) – desconocida: x̄ ± tn−1,1−α/2 √
X̄ ∼ Normal µ, √σn T= ∼ tn−1 n
S
• Para una proporción poblacional:
Consecuencias del TEOREMA CENTRAL DEL LÍMITE
r r !
x̄(1 − x̄) x̄(1 − x̄)
Sea X1 , X2 , ..., Xn una muestra procedente de una población cualquie- x̄ − z1−α/2 , x̄ + z1−α/2
ra con media µ y desviación tı́pica σ . n n
Si n es suficientemente grande (n ≥ 30):
√
n (X̄ − µ) CONTRASTES DE HIPÓTESIS ESTADÍSTICAS
• ≈ Normal(0, 1)
σ
√
• W = ∑ni=1 Xi ≈ Normal (nµ, σ n) RESULTADO DEL CONTRASTE
  No Rechazar H0 ) Rechazar H0 )
• X̄ ≈ Normal µ, √σn H0 ) es cierta Correcto Error I
REALIDAD
H0 ) es falsa Error II Correcto
Si X1 , X2 , ..., Xn es una muestra de una población Bernoulli(p) y se
cumple que np > 5 y n(1 − p) > 5: Estadı́stico de contraste: Es un estadı́stico en base al cual se constru-
ye el criterio de decisión del contraste.
r !
p(1 − p) Región crı́tica o de rechazo: Es el conjunto de valores del estadı́stico
• X̄ ≈ Normal p,
n de contraste para los que se rechazará la hipótesis nula.
 p 
• W = ∑ni=1 Xi ≈ Normal np, np(1 − p) Nivel de significación (α): Es la máxima probabilidad de rechazar
H0 ) siendo ésta cierta.

p −Valor de un contraste: Es el menor nivel de significación al que

se deberı́a rechazar H0 ) con los datos disponibles y se interpreta
como la probabilidad de que se puedan obtener datos que se mani-
fiesten en contra de H0 ) al menos tanto como los datos observados
si H0 ) es cierta.

SE PERMITE REALIZAR ANOTACIONES. NO SE PERMITE SUSTITUIR EL CONTENIDO. Página 4 de 8

INTRODUCCIÓN A LA ESTADÍSTICA MATERIAL PERMITIDO EN LAS PRUEBAS DE EVALUACIÓN

TABLAS PARA ALGUNAS APLICACIONES DE CONTRASTES DE HIPÓTESIS

• Contrastes de nivel de significación α para µ de una población Normal con σ conocida

ESTADÍSTICO
H0 ) H1 ) REGIÓN CRÍTICA p −Valor
DE CONTRASTE

n o h √ i
n(x̄−µ0 )
µ ≤ µ0 µ > µ0 C = x̄ ≥ µ0 + z1−α √σn P Z≥ σ

√
n(X̄−µ0 ) √
Z= σ
n o h
n(x̄−µ0 )
i
µ ≥ µ0 µ < µ0 C = x̄ ≤ µ0 − z1−α √σn P Z≤ σ

n o h √ i
n(x̄−µ0 )
µ = µ0 µ ̸= µ0 C = |x̄ − µ0 | ≥ z1−α/2 √σn 2P Z ≥ σ

NOTA: Cuando µ = µ0 , Z ∼ Normal(0, 1).

• Contrastes de nivel de significación α para µ de una población Normal con σ desconocida

ESTADÍSTICO
H0 ) H1 ) REGIÓN CRÍTICA p −Valor
DE CONTRASTE

n o h √ i
n(x̄−µ0 )
µ ≤ µ0 µ > µ0 C = x̄ ≥ µ0 + tn−1,1−α √sn P T≥ s

√
n(X̄−µ0 ) √
T= S
n o h
n(x̄−µ0 )
i
µ ≥ µ0 µ < µ0 C = x̄ ≤ µ0 − tn−1,1−α √sn P T≤ s

n o h √ i
n(x̄−µ0 )
µ = µ0 µ ̸= µ0 C = |x̄ − µ0 | ≥ tn−1,1−α/2 √sn 2P T ≥ s

NOTA: Cuando µ = µ0 , T ∼ tn−1 .

• Contrastes de nivel de significación aproximada α para p de una población Bernoulli para muestras grandes

ESTADÍSTICO
H0 ) H1 ) REGIÓN CRÍTICA p −Valor
DE CONTRASTE

√
 q   
p ≤ p0 p > p0 C = x̄ ≥ p0 + z1−α p0 (1−p
n
0)
P Z ≥ √ n(x̄−p0 )
p0 (1−p0 )
√
Z= √n(X̄−p0 )
p0 (1−p0 )  q   √

p ≥ p0 p < p0 C = x̄ ≤ p0 − z1−α p0 (1−p
n
0)
P Z ≤ √ n(x̄−p0 )
p0 (1−p0 )

√
 q   
p0 (1−p0 ) n(x̄−p0 )
p = p0 p ̸= p0 | |
C = x̄ − p0 ≥ z1−α/2 n 2P Z ≥ √
p0 (1−p0 )

NOTA: Cuando p = p0 , Z ≈ Normal(0, 1).

SE PERMITE REALIZAR ANOTACIONES. NO SE PERMITE SUSTITUIR EL CONTENIDO. Página 5 de 8

INTRODUCCIÓN A LA ESTADÍSTICA MATERIAL PERMITIDO EN LAS PRUEBAS DE EVALUACIÓN

Percentiles tk,p de las distribuciones t

k/p 0,6 0,75 0,9 0,95 0,975 0,99 0,995 0,9975 0,999 0,9995
1 0,325 1,000 3,078 6,314 12,706 31,821 63,657 127,321 318,309 636,619
2 0,289 0,816 1,886 2,920 4,303 6,965 9,925 14,089 22,327 31,599
3 0,277 0,765 1,638 2,353 3,182 4,541 5,841 7,453 10,215 12,924
4 0,271 0,741 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610
5 0,267 0,727 1,476 2,015 2,571 3,365 4,032 4,773 5,893 6,869
6 0,265 0,718 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959
7 0,263 0,711 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408
8 0,262 0,706 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041
9 0,261 0,703 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781
10 0,260 0,700 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587
11 0,260 0,697 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437
12 0,259 0,695 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318
13 0,259 0,694 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221
14 0,258 0,692 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140
15 0,258 0,691 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073
16 0,258 0,690 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015
17 0,257 0,689 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965
18 0,257 0,688 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922
19 0,257 0,688 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883
20 0,257 0,687 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850
21 0,257 0,686 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819
22 0,256 0,686 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792
23 0,256 0,685 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,768
24 0,256 0,685 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745
25 0,256 0,684 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725
26 0,256 0,684 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707
27 0,256 0,684 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,690
28 0,256 0,683 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674
29 0,256 0,683 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,659
30 0,256 0,683 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646
40 0,255 0,681 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551
60 0,254 0,679 1,296 1,671 2,000 2,390 2,660 2,915 3,232 3,460
120 0,254 0,677 1,289 1,658 1,980 2,358 2,617 2,860 3,160 3,373
∞ 0,253 0,674 1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291

SE PERMITE REALIZAR ANOTACIONES. NO SE PERMITE SUSTITUIR EL CONTENIDO. Página 6 de 8

INTRODUCCIÓN A LA ESTADÍSTICA MATERIAL PERMITIDO EN LAS PRUEBAS DE EVALUACIÓN

REGRESIÓN LINEAL

Medidas de resumen para datos apareados

Notación:

Sxx = ∑ni=1 xi2 − nx̄2 Syy = ∑ni=1 y2i − nȳ2 Sxy = ∑ni=1 xi yi − nx̄ȳ

Covarianza:

∑ni=1 (xi − x̄)(yi − ȳ) Sxy

cov(x, y) = =
n−1 n−1

Coeficiente de correlación:

cov(x, y) ∑ni=1 (xi − x̄)(yi − ȳ) Sxy

r= = r r =√ p
sx sy Sxx Syy Sxx Syy
(n − 1)
n−1 n−1

Propiedades:

• −1 ≤ r ≤ 1.
• r = 1 si, para alguna constante a positiva y cualquier constante b, se verifica que yi = axi + b para i = 1, ..., n.
• r = −1 si, para alguna constante a negativa y cualquier constante b, se verifica que yi = axi + b.
• r = 0 si no hay relación lineal entre los valores de x e y.

MODELO DE REGRESIÓN LINEAL SIMPLE: Yi = α + β xi + ei i = 1, 2, ..., n.

• Asumimos que la variable de entrada, x, no es aleatoria, que la variable aleatoria de error, e, sigue una distribución normal de media 0
y varianza σ 2 y que los errores son independientes de una observación a otra cualquiera.
∑ni=1 (xi − x̄)(Yi − Ȳ ) SxY
• Estimadores por mı́nimos cuadrados de α y β : α̂ = Ȳ − β̂ x̄ y β̂ = =
∑ni (xi − x̄)2 Sxx

∑ni Yi
con Ȳ = y SxY = ∑ni=1 (xi − x̄)(Yi − Ȳ ).
n

• Estimador de la recta de regresión: Ŷ = α̂ + β̂ x.

∑ni=1 (xi − x̄)(yi − ȳ) Sxy
• Valores estimados por mı́nimos cuadrados para α y β : A = ȳ − Bx̄ y B= =
∑ni (xi − x̄)2 Sxx

• Recta de regresión estimada: ŷ = A + Bx.

h  i2 S S − S2
xx YY xY
• Suma de cuadrados de los residuos: SSR = ∑ni=1 Yi − α̂ + β̂ xi = .
Sxx
SSR
• Estimador insesgado de σ 2 : σ̂ 2 = .
n−2
SYY − SSR SSR
• Coeficiente de Determinación: R2 = = 1− con SYY = ∑ni=1 (Yi − Ȳ )2 .
SYY SYY
√
Resultado: En el modelo de regresión lineal simple |r| = R2 siendo r el coeficiente de correlación muestral entre x e y y su signo
coincide con el de B.
r
SSR
• Intervalo de confianza para β al (1 − γ)100%: B ± tn−2,1−γ/2 .
(n − 2)Sxx
• Contraste bilateral para β :

ESTADÍSTICO
H0 ) H1 ) REGIÓN CRÍTICA p −Valor
DE CONTRASTE
r r   r 
(n − 2)Sxx (n − 2)Sxx (n − 2)Sxx
β = β0 β ̸= β0 T= (β̂ − β0 ) C= (B − β0 ) ≥ tn−2,1−γ/2 2P T ≥ (B − β0 )
SSR SSR SSR

NOTA: Cuando β = β0 , T ∼ tn−2 .

SE PERMITE REALIZAR ANOTACIONES. NO SE PERMITE SUSTITUIR EL CONTENIDO. Página 7 de 8

INTRODUCCIÓN A LA ESTADÍSTICA MATERIAL PERMITIDO EN LAS PRUEBAS DE EVALUACIÓN

MODELO DE REGRESIÓN LINEAL MÚLTIPLE: Yi = β0 + β1 xi1 + ... + βk xik + ei , i = 1, ..., n.

• Asumimos que las variables de entrada, x j ∀ j = 1, ..., k, no son aleatorias y que la variable aleatoria de error, e, sigue una distribución
normal de media 0 y varianza σ 2 y que los errores son independientes de una observación a otra cualquiera.
• Modelo de regresión estimado: ŷ = B0 + B1 x1 + ... + Bk xk , donde B0 , B1 , ... y Bk son los valores estimados por mı́nimos cuadrados
para β0 , β1 , ... y βk .
h  i2
• Suma de cuadrados de los residuos: SSR = ∑ni=1 Yi − β̂0 + β̂1 xi1 + ... + β̂k xik .

SSR
• Estimador insesgado de σ 2 : σ̂ 2 =
n−k−1
SYY − SSR SSR
• Coeficiente de Determinación: R2 = = 1−
SYY SYY
• Contraste de significación del modelo: H0 ) β j = 0 ∀ j = 1, ..., k versus H1 ) β j ̸= 0 para al menos un j = 1, ..., k.
• Contraste de significación de la variable de entrada x j : H0 ) β j = 0 versus H1 ) β j ̸= 0.

Salida de MS Excel en regresión lineal

Estadı́sticas de la regresión √
Coeficiente de correlación múltiple R2
Coeficiente de determinación R2 R2
R2 ajustado (no lo presentamos en el curso)
Error tı́pico σ̂
Observaciones n

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crı́tico de F
(Syy − SSR ) /k
Regresión k Syy − SSR (Syy − SSR ) /k p − valor del contraste
SSR /(n − k − 1)
de significación del modelo
Residuos n−k−1 SSR SSR /(n − k − 1)

Total n−1 Syy

Coeficientes Error tı́pico Estadı́stico t Probabilidad Inferior 95% Superior 95%

Intercepción B0 ˆ βˆ0 )
SD( ˆ βˆ0 )
B0 /SD( p − valor (*) Intervalo de confianza al 95% para β0
.. .. .. .. .. ..
. . . . . .
xj Bj ˆ βˆj )
SD( ˆ βˆj )
B j /SD( p − valor (**) Intervalo de confianza al 95% para β j
.. .. .. .. .. ..
. . . . . .

El p − valor en (*) corresponde al contraste de hipótesis: H0 ) β0 = 0 versus H1 ) β0 ̸= 0.

El p − valor en (**) corresponde al contraste de hipótesis: H0 ) β j = 0 versus H1 ) β j ̸= 0.

SE PERMITE REALIZAR ANOTACIONES. NO SE PERMITE SUSTITUIR EL CONTENIDO. Página 8 de 8