FORMULARIO DE PROBABILIDAD Y ESTADÍSTICA ESTADÍSTICA x f R=M-m n CONJUNTOS R K n Nota : para datos 2 Fa ya agrupados Me Li c f c L2 L1 1 f fant 1 Mo Li ( )c 2 f fpos 1 2 X K n c TEOREMA DE BAYES n(AUB) = n(A) + n(B) – n(A∩B) P ( Ai B ) n(A-B) = n(A) - n(A∩B) n(A’) = n(U) – n(A) n(AxB) = n(A) x n(B) PROBABILIDAD SIMPLE P( E ) PROBABILIDAD CONDICIONAL n( E ) n( s ) P( B ) A TÉCNICAS DE CONTEO n ( d ) r Fa dr Li c f S2 a f ( x x) n 1 f ( x x) s 3 (n 1) 3 2 S S CV g P(AUB) = P(A) + P(B) x e x! var(x ) S X 4 f ( x x) 3 s 4 (n 1) n! (n r )! Combinación: nCr n! r!(n r )! DISTRIBUCION GEOMÉTRICA Var ( x ) 1 p p2 var(x) E ( xy ) [ x i y j P( xi , y j )] E ( x) n p Var ( x ) n p q var(x) 1 p VARIABLES ALEATORIAS DISCRETAS CONJUNTAS Cov ( xy ) E ( xy ) ( x y ) b( x; n, p ) n C x ( p x )q ( n x ) var(x) E ( x) x var(x) DISTRIBUCION BINOMIAL E (x ) G ( x, p ) p q ( x 1) Var ( x ) [ xi2 P ( xi )] ( x ) 2 Permutación: n Pr DISTRIBUCION DE POISSON P( x; ) E ( x ) X [ xi P ( xi )] P(A∩B) = P(A) x P(B) DISTRIBUCION HIPERGEOMÉTRICA H ( N , m; n, x ) m C x [ ( N m) C (n x) ] N Var ( x ) n E ( x ) n( Cn m N m N n ( )( ) N N N 1 var(x) b var(x) P ( a, x) a b d Var ( x ) [ x f ( x)]dx P (c x d ) f ( x)dx a E( X ) Nota: n 1 p mNp xa ba ab 2 si a < x < b, 0 otro caso Var ( x ) (b a) 2 12 c DISTRIBUCION GAMMA x P(0, x) ( , ) m ) N DISTRIBUCION UNIFORME Para f(x) si a<x<b, 0 otro caso E ( x ) [ x f ( x)]dx 2 cov( xy ) x y q=1–p VARIABLE ALEATORIA CONTINUA 2 P ( A B ) n( A B ) P( A) n( A) VARIABLE ALEATORIA DISCRETA Para eventos independientes: 2 P ( B Ai ) P ( Ai ) [ P ( B Ai ) P( Ai )] E (x) Var ( x ) 2 2 DISTRIBUCION NORMAL ESTÁNDAR z ( x ) P( z n ) 0.5 - Tabla(n) 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 n0 z2 p q E2 n BONDAD DE AJUSTE n0 1 [(n0 1) / N ] X J2 ( fo fe )2 fe j k Si x 2 j xi2 ( k 1,1 ) Si se ajusta j 1 INTERVALOS DE CONFIANZA Para Media con Dist. Normal IC X z 1 ( ( 2 ) Para Proporciones ) n IC p z 1 ( ) 1 ) (s 1 ( v ,1 ) n 2 IC [ v =n-1 v( s 2 ) v ( s 2 ) , ] x2 x2 i ( v ,1 ) 2 Para Diferencias de Proporciones IC ( pˆ 1 pˆ 2 ) z 1 ( 2 ) Ha: C Ha: C Ho: C ó Ha: 1 2 2 Colas Ha: C IC ( X 1 X 2 ) z 1 i (v , ) 2 ( IC ( X 1 X 2 ) t Ho: C ó Ha: 1 2 ( v ,1 ) 2 Ho: 1 2 2 ) 12 22 n1 n2 t-Student v = *n - 1 s12 s 22 n1 n2 * se toma la n más pequeña Si IC es ( -,+ ) entonces 1 2 Cálculo de Z0 ó t0 Para Z0 z calc z 0 t0 = t(v,1-) tabla = 0.5 - Se rechaza Ho si z calc z 0 Igual que el anterior, pero tanto z0 como t0 son negativas z calc z 0 Se acepta Ho si Ho: 1 2 v = n-1 con Dist. Normal Se acepta Ho si Ho: 1 2 s ) v ( Para Diferencias de Medias Regla de Decisión Ho: C ó Ha: 1 2 ( v ,1 ) 2 v=n-1 Si IC es (+ ) entonces 1 2 PRUEBAS DE HIPÓTESIS Cola Izquierda IC X t Para Diferencias de Medias con Dist. pˆ 1 (1 pˆ 1 ) pˆ 2 (1 pˆ 2 ) n1 n2 Si IC es ( - ) entonces 1 2 Cola Derecha p (1 p) n Para Varianza con Dist. Xi2 De Predicción Ip X t 2 Para Media con Dist. t-Student Se rechaza Ho si z calc z 0 Se acepta Ho si Se rechaza Ho z01= -z02, para z02 z 01 z calc z 02 si zcalc < z01 tabla = 0.52 ó La región de rechazo es 1 - y zo es el límite de la región de aceptación en Dist. Normal. Para: Media Para muestras pequeñas (n<30) se usa Dist. tStudent y en lugar de z es t y en lugar de es s y para calcular v en to en diferencia de medias, se toma la n más pequeña. z calc x n zcalc > z02 Proporciones ( v ,1 ) 2 t01= -t02 Diferencia de Medias pˆ p p(1 p) n zcalc t 02 t z calc ( X 1 X 2 ) ( 1 2 ) 12 22 n1 n2 REGRESION LINEAL SIMPLE y = mx + b m n [ xy ] x y n ( x 2 ) ( x ) 2 b y m x n r n xy x y [ n ( x 2 ) ( x ) 2 ][ n ( y 2 ) ( y ) 2 ] Elaborado por: Ing. Beatriz Vargas Rosales