LEE ESTO!!!TE INTERESA!!!

(Pincha aqu)
http://tutambienpuedes.iespana.es/

Coeficientes de Correlacin
1. Pearson (Dos variables cuantitativas continuas):

rxy

n XY X Y

2
2
n
X 2 X n Y 2 Y

2. Biserial - Puntual (X cuantitativa, Y Dicotmica):

6 d i2

m!
( m n) !
0! 1! 1

Vm,n

m! m ( m 1) (m 2) 1

adems

2. Combinaciones:
Dos grupos son distintos si tienen distintos elementos.
Sin repeticin:
m
m!
Cm,n
n
n
!
(
m
n)!

CRm,n

4. Phi (Dos variables dicotmicas):

1
0

1. Variaciones:
Dos grupos son distintos si tienen distintos elementos o si stos estn en
distinto orden.
Sin repeticin:

Con repeticin:

n (n 2 1)

0
b
d
b+d

Combinatoria:

VRm,n m n

3. Spearman (Dos variables ordinales):

Los valores deben estar comprendidos entre 1 y n, de lo contrario se
reordenarn

1
a
c
a+c

N de casos favorables a A
N de casos posibles

Con repeticin:

X X
rbp 1 0 p q
Sx

rs 1

(a b)(c d )(a c)(b d )

Probabilidad.
p ( A)

Formulario de Psicologa

ad bc

a+b
c+d
N

(m n 1)!
n!(m 1)!

3. Permutaciones:
Todos los elementos entran a formar parte de cada grupo, siendo los
grupos distintos si los elementos estn en distinto orden.
Sin repeticin:
Pm m!
(tambin Pm Vm, m )
Con repeticin:

Gauss. P de Sagasta 17, 3 Dcha. Tlfno.: 976 79 41 30 Fax: 976 79 41 31 e-mail: mcanete@encomix.es

Pgina 1 de 6

p, q, r ,, z
PRm

m!
p ! q ! r ! z !

P ( B j / A)

TEOREMA DE LA SUMA
Para sucesos excluyentes:

P ( A B ) P( A) P( B )
P ( A B Z ) P ( A) P ( B ) P ( Z )

Para sucesos simultneos:

P( B j ) P( A / B j )
P( B j ) P( A / B j )

K
P ( A)
P( Bi ) P( A / Bi )
i 1

VARIABLES ALEATORIAS DISCRETAS

Funcin de Probabilidad

f ( X i ) p( X X i )
P ( A B ) P ( A) P ( B ) P ( A B)
P ( A B C ) P ( A) P ( B ) P (C ) P ( A B ) P ( A C ) P ( B C ) P ( A BFuncin
C)
de Distribucin

PROBABILIDAD CONDICIONADA

f ( Xi )

P ( A / B)

P( A B)
P( A B)
P ( B / A)
P( B)
P ( A)

F ( X i ) p( X X i )

p( A / B)

N de casos favorables a A dentro de B

N de casos posibles para B

Esperanza Matemtica:
Momento de primer orden respecto al origen
x E( X )

TEOREMA DEL PRODUCTO

Para sucesos dependientes:
Para sucesos Independientes:
P ( A B ) P ( A) P ( B )

TEOREMA DE LA PROBABILIDAD TOTAL

B1
B2
B3
... BK

P( Bi ) P( A / Bi )

i 1

f ( X1) f ( X 2 ) f ( X i )

Xi f ( Xi )

i 1

Propiedades:

P ( A B ) P ( A) P ( B / A)

P ( A)

i 1

E (c ) c
E ( X Y ) E ( X ) E (Y )
E (c X ) c E ( X )
E ( X Y ) E ( X ) * E (Y ) si y slo si X e Y son independientes

Varianza:
Momento central de orden 2

x2 V ( X ) E ( X 2 ) E ( X ) 2

Propiedades:

E( X 2)

X i2 f ( X i )

i 1

V (c ) 0
V ( X Y ) V ( X ) V (Y ) 2 Cov ( X , Y ) Si X e Y son Independientes el
V ( X Y ) V ( X ) V (Y ) 2 Cov ( X , Y ) tercer trmino se anula en ambas
V ( X c) V ( X )
V (c X ) c 2 V ( X )

TEOREMA DE BAYES
Gauss. P de Sagasta 17, 3 Dcha. Tlfno.: 976 79 41 30 Fax: 976 79 41 31 e-mail: mcanete@encomix.es

Pgina 2 de 6

FUNCIN
DE PROBABILIDAD CONJUNTA
Y
X

f ( xi , y j ) p X xi Y y j

x1
x2
....
xi
....
xf
h(Y)

y1

y2

....

yj

....

yc

g(X)

f(x1,y1)
f(x2,y1)
....
f(xi,y1)
....
f(xf,y1)
h(y1)

f(x1,y2)
f(x2,y2)
....
f(xi,y2)
....
f(xf,y2)
h(y2)

....
....
....
....
....
....
....

....
....
....
f(xi,yj)
....
f(xf,yi)
h(yj)

....
....
....
....
....
....
....

f(x1,yc)
f(x2,yc)
....
f(xi,yc)
....
f(xf,yc)
h(yc)

g(x1)
g(x2)
....
g(xi)
....
g(xf)
1

Funcin de probabilidad marginal:

Para X:
g ( xi ) p ( X xi ) independientemente de Y
Para Y:
h( y j ) p (Y y j ) independientemente de X
Funcin de probabilidad condicionada:
Para X:
g ( xi / y j ) p( X xi / Y y j )

f ( xi , y j )
h( y j )

Para Y:
h( y j / xi ) p(Y y j / X xi )

f ( xi , y j )
g ( xi )

y2

....

yj

....

yc

G(X)

F(x1,y1)
F(x2,y1)
....
F(xi,y1)
....
F(xf,y1)
H(y1)

F(x1,y2)
F(x2,y2)
....
F(xi,y2)
....
F(xf,y2)
H(y2)

....
....
....
....
....
....
....

....
....
....
F(xi,yj)
....
F(xf,yi)
H(yj)

....
....
....
....
....
....
....

F(x1,yc)
F(x2,yc)
....
F(xi,yc)
....
F(xf,yc)
H(yc)

G(x1)
G(x2)
....
G(xi)
....
G(xf)

Funcin de distribucin marginal:

Para X:
G ( xi ) p ( X xi ) independientemente de Y
Para Y:
H ( y j ) p (Y y j ) independientemente de X
Funcin de distribucin condicionada:
Para X:
G ( xi / y j ) p ( X xi / Y y j )

F ( xi , y j )
H(y j )

Para Y:
H ( y j / xi ) p (Y y j / X xi )

F ( xi , y j )
G ( xi )

Covarianza:
Momento central de orden 11
xy Cov ( X , Y ) E ( XY ) E ( X ) E (Y )
con E ( XY ) xi y j f ( xi , y j )

Coeficiente de Correlacin:

FUNCIN DE DISTRIBUCIN CONJUNTA

F ( xi , y j ) p X xi Y y j

x1
x2
....
xi
....
xF
H(Y)

y1

f ( xi , y j )
1 1

xy

xy
Cov ( X , Y )

x y
Var ( X ) Var (Y )

INDEPENDENCIA DE VARIABLES
X e Y son independientes si y slo si:

Gauss. P de Sagasta 17, 3 Dcha. Tlfno.: 976 79 41 30 Fax: 976 79 41 31 e-mail: mcanete@encomix.es

Pgina 3 de 6

f ( xi , y j ) g ( xi ) h( y j )

La distribucin
valores positivos.

g ( xi / y j ) g ( xi )

y h( y j / xi ) h( y j )
Adems si X e Y son Independientes:
Cov ( X , Y ) 0 y xy 0
DISTRIBUCIONES ASOCIADAS A LA DISTRIBUCIN NORMAL
1 La Distribucin Normal: N(0,1)
y

1
2

z2
e 2

de Pearson es Asimtrica y continua. Slo tiene

=E(X) = n
2=Var(X)= 2 n
3

La distribucin normal es SIMTRICA, CONTINUA Y MESOCRTICA

= E(X)=0
2=Var(X)=1

Distribucin t de Student:
tn Z
n2
n
0

La distribucin t de Student es n SIMTRICA, CONTINUA Y

PLATICRTICA
= E(X)=0
n
n2

2=Var(X)=

rea en tabla
A1

rea en tabla
A3

Distribucin 2 de Pearson:

n2 Z12 Z 22 Z n2

Distribucin F de Fisher:

F n1, n2

rea en tabla
A2

n2

n1

n2

n2

Gauss. P de Sagasta 17, 3 Dcha. Tlfno.: 976 79 41 30 Fax: 976 79 41 31 e-mail: mcanete@encomix.es

Pgina 4 de 6

La distribucin F de Fisher es Asimtrica y continua. Slo tiene valores

positivos.

rea en tabla
A4

p es la probabilidad de un xito en un ensayo

x0 es el n de xitos que pretendemos calcular su probabilidad
1. Distribucin Bernouilli:
Funcin de probabilidad: f ( x 0 ) p ( X x 0) p x0 q1 x0
El N de ensayos es igual a 1, y x0 vale 0 1 siempre
E( X ) p

2 Var ( X ) p q
2. Distribucin Binomial:
n

x
n x
Funcin de probabilidad: f ( x 0 ) p( X x 0) x p 0 q 0 A.5
0

0,01

Funcin de distribucin: F ( x 0 )

p (X x 0)

x0

n x
n x0
0

x0 p q

Tabla

A.6
0,10
F1 p, n , n
1 2

E( X )
2

2 Var ( X ) n p q

1
F p, n , n
2 1

m
para m 2
m2

Var ( X )

E( X ) n p

0,20

F p, n , n
1 2

2 m 2 (n m 2)
n (m 2) 2 (m 4)

0,05

para m 4

DISTRIBUCIONES DE TIPO BERNOUILLI:

Dos resultados mutuamente excluyentes (xito o fracaso) y
complementarios ( p = 1 - q ) La probabilidad se mantiene constante de
ensayo a ensayo.
n es el N de ensayos

Con lo que la aproximacin a la distribucin normal, queda:

A) Correccin por continuidad:
Binomial
Normal
p (X < x0 )
p (X x0 0,5)
p (X x0 )
p (X x0 + 0,5)
p (X > x0 )
p (X x0 + 0,5)
p (X x0 )
p (X x0 0,5)
B) Clculo de la Z:
Z

X 0 0,5 n p
n pq

y se busca en la tabla A.1

Gauss. P de Sagasta 17, 3 Dcha. Tlfno.: 976 79 41 30 Fax: 976 79 41 31 e-mail: mcanete@encomix.es

Pgina 5 de 6

3. Distribucin Binomial Negativa (Pascal):

Dado un n de xitos fijo (x fijo) se pregunta por la probabilidad de
necesitar n ensayos.
n 0 1 x n x
p q
Funcin de probabilidad: f (n 0 ) p( N n 0)
x 1
Funcin de distribucin: F (n 0 ) p ( N n 0 )
En los casos en los que no se pregunte por n = n 0 se aplica la
transformacin a la Binomial:
Binomial Negativa
Binomial
p ( n n0 )
p (X x0)
con x0 fijo
con n = n0 fijo
p ( n > n0 )
p (X < x0)
con x0 fijo
con n = n0 fijo

5. Distribucin Multinomial:
Es una generalizacin de la Binomial para el caso de K sucesos
mutuamente excluyentes, y tales que:
p1 p2 pk 1

Funcin de probabilidad:
x , x , xk
x
x
x
f ( x1, x2 , xk ) PRn1 2
p1 1 p2 2 pk k

x , x2 , xk

y PRn1

n!
x1 ! x2 ! xk !

Y se calcula la nueva pregunta desde la Binomial (Tablas o frmulas)

E(N )

x
p

2 Var ( N )

xq
p2

4. Distribucin de Poisson:
n

Cuando p 0 hemos de utilizar la distribucin de Poisson, que es una

aproximacin de la Binomial.
Funcin de probabilidad: f ( x 0 ) p ( X x 0)

x0
e
A.7
x0 !
x0

x0

e A.8
Funcin de distribucin: F ( x 0 ) p ( X x 0 )
x !
0
0

E (X )

2 Var ( X )
Gauss. P de Sagasta 17, 3 Dcha. Tlfno.: 976 79 41 30 Fax: 976 79 41 31 e-mail: mcanete@encomix.es

Pgina 6 de 6