Formulario de Estad stica I Tema 1 Consideramos una muestra de tamao n de una variable X. Sean x1 , x2 , . . .

, xk , k n, los diferentes n
valores que ha tomado esta variable sobre los n individuos de la muestra. Si X es cuantitativa o categrica ordinal, o supondremos que tenemos los valores ordenados de manera que x1 < x2 < . . . < xk . Se denota por ni la frecuencia absoluta del valor xi . Se cumple que k ni = n. i=1 Se dene la frecuencia relativa del valor xi como fi = ni /n. Se verica que k fi = 1. i=1 Se dene la frecuencia absoluta acumulada del valor xi como Ni = i nj . j=1 Se dene la frecuencia relativa acumulada del valor xi como Fi = Ni /n. Se cumple que Fi = i fj . j=1 Cuando los datos estn agrupados en intervalos de clase, llamamos li1 y li a los extremos inferior y a superior, respectivamente, del intervalo i-simo. e La longitud o amplitud del intervalo i-simo es Li = li li1 . e l +l e La marca de clase del intervalo i-simo es xi = i 2i1 .

Tema 2 Las frmulas de las siguientes medidas numricas estn expresadas considerando la muestra original, es o e a
decir, los n valores observados para X son x1 , x2 , . . . , xn . La muestra ordenada se denota por x(1) , x(2) , . . . , x(n) . Medidas de centralizacin o de tendencia central: o 1 Media aritmtica: x = n n xi . e i=1 Mediana: { 1 (x( n ) + x( n +1) ), 2 2 2 Me = x( n+1 ) ,
2

si n es par, si n es impar.

Moda: La moda es el valor xi que presenta una mayor frecuencia absoluta (o relativa). Medidas de posicin: o Cuartiles: Qk = x(k(n+1)/4) para k = 1, 2, 3. Percentiles: Pk = x(k(n+1)/100) para k = 1, 2, . . . , 99. Medidas de dispersin o de variabilidad: o Rango o amplitud: R = xmax xmin . Rango intercuart lico: RIC Q3 Q1 . = ] [ n 1 1 Varianza muestral: 2 = n n (xi x)2 = n x2 nx2 . i=1 i=1 i Desviacin t o pica (o estndar) muestral: = 2 . a [ n ] 2 2 1 1 Cuasivarianza muestral: s2 = n1 n (xi x)2 = n1 i=1 xi nx . i=1 Cuasidesviacin t o pica muestral: s = s2 . Coeciente de variacin de Pearson: CV = s/|x|. o

Tema 3 Sea (X, Y ) una variable bidimensional que puede tomar k m pares de valores diferentes (xi , yj ),
i = 1, . . . , k, j = 1, . . . , m, sobre los n individuos de una muestra. Supondremos que los datos estn ordenados de a manera que x1 < x2 < . . . < xk , y1 < y2 < . . . < ym , a menos que las variables sean categricas nominales. o Tabla 1: Estructura de la tabla de doble entrada / tabla de contingencias X \Y x1 x2 . . . xi . . . xk Total Se Se Se Se Se Se y1 n11 n21 . . . ni1 . . . nk1 n1 y2 n12 n22 . . . ni2 . . . nk2 n2 ... ... ... . . . ... . . . ... ... yj n1j n2j . . . nij . . . nkj nj ... ... ... . . . ... . . . ... ... ym n1m n2m . . . nim . . . nkm nm Total n1 n2 . . . ni . . . nk n

denota por nij la frecuencia absoluta del par (xi , yj ) y n = n . dene la frecuencia relativa del par (xi , yj ) como fij = nij /n. dene la frecuencia absoluta marginal del valor xi como ni = m nij . j=1 dene la frecuencia relativa marginal del valor xi como fi = ni /n. k dene la frecuencia absoluta marginal del valor yj como nj = i=1 nij . dene la frecuencia relativa marginal del valor yj como fj = nj /n.

Caracter sticas numricas conjuntas para tablas de doble entrada. e Sean (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) los n pares de valores observados para (X, Y ). Entonces: Covarianza: [ n ] n 1 1 sxy = (xi x) (yi y) = xi yi nx y n 1 i=1 n 1 i=1 Coeciente de correlacin lineal de Pearson: o r(x,y) = sxy sx sy

La ecuacin de la recta de regresin de Y sobre X por el mtodo de los m o o e nimos cuadrados es: y = a + b x, donde b= sxy , a = y b x. s2 x

Se denominan valores predichos (o ajustados) a los valores yi = a + b xi , para i = 1, . . . , n, y se llaman residuos a ei = yi yi , para i = 1, . . . , n. Se cumple que e = 0.

Tema 4 Sea el espacio muestral asociado a cierto experimento aleatorio, B1 , . . . , Bk una particin de , tal o que P (Bi ) = 0 para i = 1, . . . , k y A un suceso cualquiera.
Ley de la probabilidad total: P (A) = P (A B1 ) + . . . + P (A Bk ) = P (A|B1 ) P (B1 ) + . . . + P (A|Bk ) P (Bk ). Teorema de Bayes: P (Bj |A) = P (Bj A) P (A|Bj ) P (Bj ) = , P (A) P (A|B1 ) P (B1 ) + . . . + P (A|Bk ) P (Bk ) para j = 1, . . . , k.

Esperanza y varianza de una variable aleatoria. Sea X una v.a. que toma valores en un conjunto S. La esperanza y varianza de X se denen como: x P (X = x), si X es una v.a. discreta, xS E(X) = x f (x) dx, si X es una v.a. continua.
S

(x E(X))2 P (X = x), xS var(X) = (x E(X))2 f (x) dx,

S

si X es una v.a. discreta, si X es una v.a. continua.

Modelos de probabilidad. Ley de X Ber(p) B(n, p) P ois() U (a, b) exp() N (, ) Conjunto S {0, 1} {0, 1, . . . , n} N {0} (a, b) R+ R Funcin de probabilidad / densidad o P (X = 1) = p, P (X = 0) = 1 p ( ) P (X = x) = n px (1 p)nx x P (X = x) = f (x) =
x e x!

E(X) p np (a + b)/2 1/

var(X) p (1 p) n p (1 p) (b a)2 /12 1/2 2

1 ba

f (x) = e x { } 1 f (x) = 2 exp 2 1 2 (x )2

Tema 5 Intervalos de conanza al (1 ) 100%

para la media poblacional (suponiendo varianza conocida) [ para la proporcin poblacional o p z/2 ] p(1 p) , n

] x z/2 , n

donde z/2 es el percentil (1 /2) 100 de la ley N (0, 1).