Medidas de Localización Coeficiente de Bowley Distribuciones Aproximaciones Error estándar de p

Datos no Agrupados Binomial Distribución normal estándar

𝑄3 + 𝑄1 − 2𝑄2 Población finita
𝐶𝐴𝐵 = 𝑛 𝑥−𝜇
𝛴𝑥𝑖 𝑄3 − 𝑄1 𝐵(𝑥, 𝑛, 𝜋) = ( ) 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥 𝑧= 𝑛
Media: 𝑥̅ = 𝜇 = 𝑥
𝜎 𝑝= > 0,05
𝑛 𝑁
Kurtosis Media: 𝐸(𝑥) = 𝑛𝜋 De la normal a la binomial
Moda: Datos que
más se repite. 1 𝛴𝑓𝑖 (𝑀ⅈ − 𝑥̅ )4 2
Var: 𝜎 = 𝑛𝜋(1 − 𝜋) 𝑥 − 𝑛𝑝 𝑁 − 𝑛 𝑝(1 − 𝑝)
𝑔2 = ∗ [ ]−3 𝑧= 𝜎𝑝̂ = √ √
𝑛 𝑆4 √𝑛𝑝𝑞 𝑁−1 𝑛
Percentiles: Binomial acumulada
𝑝 De la normal a la hipergeométrica Población infinita
ⅈ=( )𝑛 Medidas de posición relativa 𝑃(𝑥 ≤ 𝑥) = 𝑝(𝑥 = 0) +⋅ 𝑃(𝑥 = 𝑛)
100 𝑘 𝑘 𝑁−𝑛 𝑝(1 − 𝑝)
𝑥𝑖 − 𝑢 𝜇 =𝑛⋅ ⋅ (1 − ) ( ) 𝜎𝑝̂ = √
Medidas de variabilidad 𝑍𝑖 = Por complemento: 𝑁 𝑁 𝑁−1 𝑛
𝜎
Varianza poblacional: 𝑃(𝑥 ≥ 𝑥) = 1 − 𝑃(𝑥 < 𝑥) De la normal a la Poisson Rangos de probabilidad para P
Probabilidad condicional
𝛴(𝑥𝑖 − 𝑢)2 𝑃̂𝑖 = 𝑃 ± 𝑧 ∗ 𝜎
𝜎2 = 𝑝(𝐴 ∩ 𝐵) Binomial negativa 𝜆−𝑃
𝑁 𝑃(𝐴|𝐵) = Cálculo de Z para Webster
Desviación poblacional: 𝑝(𝐵) 𝑥 −1 𝑘 √𝜆
𝐵 ∗ (𝑥, 𝑘, 𝜋) = ( ) 𝜋 (1 − 𝜋1 )𝑥−𝑘 𝑝̂𝑖 − 𝜌
𝑘 −1 𝑧=
𝜎 = √𝜎 2 Teorema de Bayes Distribución Probabilística
𝛿
Distribución geométrica de Medias muestrales
Varianza muestral: 𝑃(𝐴)𝑃(𝐵|𝐴) Chi-cuadrada
𝑃(𝐴|𝐵) = 𝐵 ∗ (𝑥; 1; 𝜋) = 𝜋(1 − 𝜋)𝑥−1
𝑃(𝐴)𝑃(𝐵|𝐴) + 𝑃(𝐵)𝑃(𝐴|𝐵) Media: 𝐸(𝑥) = 𝜇
𝛴(𝑥𝑖 − 𝑥̅ )2 (𝑛 − 1)𝑆 2
𝑆2 = 1 𝑋2 =
𝑛−1 Media: Probabilidad con Z 𝜎2
Combinaciones 𝐸(𝑥) =
Desviación muestral: 𝑃
𝑥𝑖 − 𝜇 T-student
𝑁! 1−𝑝 𝑍𝑖 =
𝑆= √𝑆 2 𝐶𝑛𝑁 = Var: 𝜎2 = 𝜎 ∕ √𝑛 𝑥̅ − 𝜇
𝑛! (𝑁 − 𝑛)! 𝑃2 𝑡=
Coeficiente de varianción: Valor esperado del estimador 𝑠 ∕ √𝑛
𝜎 Permutaciones Distribución hipergeométrica 1
𝑐𝑣 = ⋅ 100% Media: 𝐸(𝑥̅ ) = ⋅ 𝑛𝑢 F-Fisher
𝜇 𝑁! 𝑘 𝑁 −𝑥 𝑛
𝑃𝑛𝑁 = ( )( )
𝑆𝐴2
Datos Agrupados (𝑁 − 𝑛)! 𝑃(𝑥 = 𝑥) = 𝑥 𝑛 −𝑥 𝜎2 𝑁 − 𝑛 𝐹=
𝑁 Var: Var(𝑥) = ⋅ 𝑆𝐵2
Media: 𝜇 = 𝛴𝑓 ⋅ 𝑀𝑖 ( )
𝑛 𝑛 𝑁−1
Media y varianza discreta 𝑘 Valor esperado del Error estándar
Varianza: Media: 𝐸(𝑥) = 𝑛 𝑁
Media: 𝑚 = ∑𝑥𝑖 𝑃(𝑥𝑖 ) con corrección Varianza conocida
𝜎 2 = 𝛴𝑓𝑖 (𝑀𝑖 − 𝑢)2 𝜎
𝜎 𝑁−𝑛
Rango: Varianza: Var: 𝑘 𝑁 − 𝑘 𝑁 − 𝑛 𝜎𝜆 = ⋅√ 𝑋̅ ± 𝑍𝛼 ( )
𝑣𝑎(𝑥)⋅ = 𝑛 ( ) ( )( ) √𝑛 𝑁−1 2 √𝑛
𝑅 = 𝑉 𝑚𝑎𝑠 − 𝑉 𝑚ⅈ𝑛 𝜎 2 = ∑(𝑥𝑖 − 𝜇)2 𝑃(𝑥𝑖 ) 𝑁 𝑁 𝑁−1 Varianza desconocida
N intervalos: Desviación: 𝜎 = √𝜎 2 Distribución de Poisson Cálculo de proporciones 𝑠
𝑘 = 1 + 3,322 log10 (𝑛) 𝑋̅ ± 𝑡𝛼 ( )
𝑥 2 √𝑛
Amplitud: 𝑅 𝑢 𝑥 𝑒 −𝑢 𝑝̂ =
𝐴= 𝑝 (𝑥 = 𝑥 ) = 𝑛 Intervalo de confianza para P
𝑘 𝑥!
Valor esperado de la proporción
Marca de clase: 𝑝̂ (1 − 𝑝̂ )
muestral
𝐶𝑙𝑎𝑠𝑒 𝐸(𝑝̂ ) = 𝑝 𝑃̂ ± 𝑍𝛼 √
𝑀𝑖 = 2 𝑛
2
 Pruebas de Hipótesis
Diferencia de medias-
Diferencia de medias Diferencia de medias Diferencia de medias de 2 Diferencia de medias- Diferencia de proporciones
muestras independientes:
de desviación estándar de 2 poblaciones - poblaciones -muestras muestras independientes: (probabilidad conjunta)
varianzas desiguales
conocida: muestras dependientes independientes varianzas iguales- datos
mancomunados 𝜌̂1 − 𝜌̂2
(𝑥̅1 − 𝑥̅2 ) − 0 𝑑̅ − 0 𝑥̅1 − 𝑥̅2 (𝑥̅1 − 𝑥̅2 ) 𝑍=
𝑧= 𝑡= 𝑡= (𝑥̅1 − 𝑥̅2 ) 𝑡= 1 1
𝑆𝑑 1 1 𝑡= 1 1 √𝑝̂ 𝑞̂ ( + )
𝜎2 𝜎22 𝑆𝑝 √ + √ + 𝑛1 𝑛2
√ 1 + √𝑛 𝑛1 𝑛2 1 1 𝑛1 𝑛2
𝑛1 𝑛2 𝑆𝑝 √ +
𝑛1 𝑛2
Fórmulas: Fórmulas:
Hipótesis: Fórmulas: Fórmulas:
(𝑛 − 1)𝑆12 + (𝑛2 − 1)𝑆22 Fórmulas: 2 𝑥1 𝑥2
𝑁𝑈𝐿𝐴: 𝑢1 − 𝑢2 = 0 𝑑𝑖 = 𝑥1 − 𝑥2 𝑆𝜌2 = 𝑆2 𝑆2 𝑝̂1 = 𝑝̂2 =
𝑛1 + 𝑛2 − 2 (𝑛 − 1)𝑆12 + (𝑛2 − 1)𝑆22 ( 1 + 2) 𝑛1 𝑛2
𝑛1 𝑛2
∑ 𝑑𝑖 𝑆𝜌2 = 𝑔𝑙 ≈
𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑇𝐼𝑉𝐴: 𝑑̅ = 𝑛1 + 𝑛2 − 2 𝑆2
2
𝑆2
2
𝑥1 + 𝑥2
𝑛 𝑔𝑙 = 𝑛1 + 𝑛2 − 2 ( 1) ( 2) 𝑝̂ =
𝑔𝑙 = 𝑛1 + 𝑛2 − 2 𝑛1 𝑛 𝑛1 + 𝑛2
𝑑ⅈ𝑓𝑒𝑟𝑒𝑛𝑐ⅈ𝑎 + 2
𝛴(𝑑𝑖 − 𝑑)2 Hipótesis: 𝑛1 − 1 𝑛2 − 1
𝑢1 − 𝑢2 ≠ 0 𝑆𝑑 = √ Hipótesis: 𝑞̂ = 1 − 𝑝̂
𝑛−1 𝑁𝑈𝐿𝐴: 𝑢1 − 𝑢2 = 0 Hipótesis:
𝑑𝑒𝑟𝑒𝑐ℎ𝑎: 𝑁𝑈𝐿𝐴: 𝑢1 − 𝑢2 = 0 Hipótesis:
𝑔𝑙 = 𝑛 − 1 𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑇𝐼𝑉𝐴: 𝑁𝑈𝐿𝐴: 𝑢1 − 𝑢2 = 0
𝑢1 − 𝑢2 > 0 𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑇𝐼𝑉𝐴: 𝑁𝑈𝐿𝐴: 𝑝1 − 𝑝2 = 0
Hipótesis: 𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑇𝐼𝑉𝐴:
ⅈ𝑧𝑞𝑢ⅈ𝑒𝑟𝑑𝑎: 𝑑ⅈ𝑓𝑒𝑟𝑒𝑛𝑐ⅈ𝑎 𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑇𝐼𝑉𝐴:
𝑑ⅈ𝑓𝑒𝑟𝑒𝑛𝑐ⅈ𝑎
𝑁𝑈𝐿𝐴: 𝑢𝑑 = 0 𝑑ⅈ𝑓𝑒𝑟𝑒𝑛𝑐ⅈ𝑎
𝑢1 − 𝑢2 < 0 𝑢1 − 𝑢2 ≠ 0 𝑑ⅈ𝑓𝑒𝑟𝑒𝑛𝑐ⅈ𝑎
𝑢1 − 𝑢2 ≠ 0
𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑇𝐼𝑉𝐴: 𝑢1 − 𝑢2 ≠ 0
𝑑𝑒𝑟𝑒𝑐ℎ𝑎: 𝑝1 − 𝑝2 ≠ 0
𝑑𝑒𝑟𝑒𝑐ℎ𝑎: 𝑑𝑒𝑟𝑒𝑐ℎ𝑎:
𝐵ⅈ𝑙𝑎𝑡𝑒𝑟𝑎𝑙 𝑑𝑒𝑟𝑒𝑐ℎ𝑎:
𝑢1 − 𝑢2 > 0
𝑢1 − 𝑢2 > 0 𝑢1 − 𝑢2 > 0
𝑢𝑑 ≠ 0 ⅈ𝑧𝑞𝑢ⅈ𝑒𝑟𝑑𝑎: 𝑝1 − 𝑝2 > 0
𝑑𝑒𝑟𝑒𝑐ℎ𝑎: ⅈ𝑧𝑞𝑢ⅈ𝑒𝑟𝑑𝑎: ⅈ𝑧𝑞𝑢ⅈ𝑒𝑟𝑑𝑎:
𝑢1 − 𝑢2 < 0 ⅈ𝑧𝑞𝑢ⅈ𝑒𝑟𝑑𝑎:
𝑢𝑑 > 0 𝑢1 − 𝑢2 < 0 𝑢1 − 𝑢2 < 0
T crit:
𝑝1 − 𝑝2 < 0
ⅈ𝑧𝑞𝑢ⅈ𝑒𝑟𝑑𝑎: Diferencia: dos colas. T crit: T crit:

Diferencia: dos colas. Decisión:

𝑢𝑑 < 0 Si uno es mayor: una Diferencia: dos colas.
Aquí se arma tabla, cola |𝑍𝑐𝑎𝑙 | > 𝑍𝑐𝑟𝑖𝑡
Si uno es mayor: una Si uno es mayor: una
observaciones pareadas cola 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼
cola
Decisión:
Valores de Z:
|𝑡𝑐𝑎𝑙 | ≥ 𝑡𝑐𝑟𝑖𝑡 95% = 1,96
98% = 2.326
 ANOVA de un factor Pruebas chi cuadrado Prueba F de dos varianzas

(𝑛 − 1)𝑆 2 𝑆12
𝐶𝑀𝑒 𝜒2 = 𝐹=
𝐹= 𝛿2 𝑆22
𝐶𝑀𝑑

Fórmulas: 𝑔𝑙 = 𝑛 − 1 Hipótesis:
Los valores no se elevan al 𝑁𝑈𝐿𝐴: 𝜎12 = 𝜎22
𝑆𝐶𝐸 = 𝑛𝑖 𝛴(𝑥̅𝑖 − 𝑥̅ )2
cuadrado 𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑇𝐼𝑉𝐴:
𝑆𝐶𝐷 = 𝛴(𝑥̅𝑖 − 𝑥̅ )2
Hipótesis:
𝑆𝐶𝐸 𝜎12 ≠ 𝜎22
𝐶𝑀𝑒 = 𝑁𝑈𝐿𝐴: 𝜎 2 =#
𝐾−1
Fórmulas:
𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑇𝐼𝑉𝐴:
𝑆𝐶𝐷
𝐶𝑀𝑑 = 𝑔𝑙1 = 𝑛1 − 1 (𝑛𝑢𝑚)
𝑁−𝐾 𝜎 2 >< #

𝑔𝑙𝑒 = 𝐾 − 1 (𝑛𝑢𝑚) 𝑔𝑙2 = 𝑛2 − 1 (𝑑𝑒𝑛)

Pruebas no paramétricas: chi
𝑔𝑙𝑑 = 𝑁 − 𝐾 (𝑑𝑒𝑛𝑜) cuadrado de independencia
K: columnas (𝑂 − 𝐸)2
𝜒2 = 𝛴
N: total observaciones 𝐸
(𝑇𝑜𝑡𝑎𝑙 𝑓ⅈ𝑙𝑎)(𝑇𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎)
n1: total de observaciones 𝐸𝑖𝑗 =
𝑇𝑜𝑡𝑎𝑙 𝑔𝑒𝑛𝑒𝑟𝑎𝑙
de una columna
Hipótesis: 𝑔𝑙 = (𝑓 − 1)(𝑐 − 1)
𝑁𝑈𝐿𝐴: 𝑢1 = 𝑢2 = 𝑢3 = 𝜇𝑘
𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑇𝐼𝑉𝐴:
𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑒𝑠

𝑑ⅈ𝑓𝑒𝑟𝑒𝑛𝑡𝑒
Pruebas no paramétricas: chi
Descomposición de la cuadrado de bondad de ajuste
variabilidad:
(𝑂 − 𝐸)2
𝑆𝐶𝑇 = 𝑆𝐶𝐸 + 𝑆𝐶𝐷 𝜒2 = 𝛴
𝐸
Para SCE = sacar medias de 𝑔𝑙 = 𝐾 − 1
cada observación y
después usar fórmula

Decisión:

𝐹𝑐𝑎𝑙 > 𝐹𝑐𝑟𝑖𝑡 = 𝑅𝑒𝑐ℎ𝑧𝑎𝑟 𝐻0