Title | Formulas de Estadística Inferencial |
---|---|
Author | DiegoH |
Course | Estadistica Inferencial |
Institution | Universidad Tecnológica del Perú |
Pages | 5 |
File Size | 373.2 KB |
File Type | |
Total Downloads | 35 |
Total Views | 127 |
Download Formulas de Estadística Inferencial PDF
FÓRMULAS DE ESTADÍSTICA INFERENCIAL Intervalo de confianza para la media de una población. d. a.
Varianza poblacional conocida
IC: 𝑋 − 𝑍(1−𝛼) 2
b.
≤ 𝜇 ≤ 𝑋 + 𝑍(1−𝛼) 2
𝜎
IC: 𝑋 − 𝑍(1−𝛼)
√𝑛
IC: 𝑋 − 𝑇(1−𝛼,𝑛−1)
√𝑛
𝑆
≤ 𝜇 ≤ 𝑋 + 𝑍(1−𝛼) 2
2
(𝑋1 −𝑋2 ) − 𝑇(1−𝛼 ) √
√𝑛
2
Varianza poblacional desconocida y tamaño de muestra grande (𝑛 ≥ 30) 2
c.
𝜎
√𝑛
Varianza poblacional desconocida pero diferentes (𝜎1 ≠ 𝜎2 2 )
Donde: 𝑇(1−𝛼 ) es el valor de T con V grados de libertad.
𝑆
2
√𝑛
Varianza poblacional desconocida y tamaño de muestra pequeño (𝑛 < 30) 2
𝑆
≤ 𝜇 ≤ 𝑋 + 𝑇(1−𝛼,𝑛−1) 2
𝑠1 2 𝑆2 2 𝑆1 2 𝑆2 2 + + ≤ 𝜇1 −𝜇2 ≤ (𝑋1 −𝑋2 ) + 𝑇(1−𝛼) √ 𝑛1 𝑛1 𝑛2 𝑛2 2
𝑉=
𝑆
√𝑛
Intervalo de confianza para diferencia de dos medias poblacionales a.
Varianza poblacional conocida
𝜎 𝜎 𝜎 𝜎 (𝑋1 −𝑋2 ) − 𝑍(1−𝛼 ) √ 1 + 2 ≤ 𝜇1 −𝜇2 ≤ (𝑋1 −𝑋2 ) + 𝑍(1−𝛼) √ 1 + 𝑛2 𝑛 𝑛1
2
b.
2
2
2
𝑛1
2
𝐻0 : 𝜇 = 𝜇0
2
𝐻1 : 𝜇 ≠ 𝜇0
𝑆1 𝑆1 𝑆2 𝑆2 + + ≤ 𝜇1 −𝜇2 ≤ (𝑋1 −𝑋2 ) + 𝑍(1−𝛼) √ 𝑛1 𝑛1 𝑛2 𝑛2 2 2
2
2
Varianza poblacional desconocida pero iguales (𝜎1 = 𝜎2 2 ) 2
1 −𝑋2 ) − 𝑇 𝛼 √𝑆𝑃 2 ( (𝑋 (1− ) 2
2
1 1 1 1 + ) ≤ 𝜇1 −𝜇2 ≤ (𝑋1 −𝑋2 ) + 𝑇(1−𝛼) √𝑆𝑃 2 ( + ) 𝑛1 𝑛2 𝑛1 𝑛2 2
Cuya distribución es la T de student con 𝐺𝑙 = 𝑛1 + 𝑛2 − 2
𝑆𝑃 2 =
(𝑛1 − 1)𝑆1 2 + (𝑛2 − 1)𝑆2 2 𝑛1 + 𝑛2 − 2
𝑠1 2 𝑆2 2 +𝑛 ) 𝑛1 2
2
2
2 𝑆2 𝑠2 ( 𝑛2 ) ( 𝑛1 ) 2 1 + 𝑛1 − 1 𝑛2 − 1
Prueba de Hipótesis para la media de una población:
2
Varianzas poblacionales desconocidas y tamaño de muestras grandes (n≥30)
1 −𝑋2 ) − 𝑍 𝛼 √ (𝑋 (1− ) c.
2
2
(
𝐻0 : 𝜇 ≥ 𝜇0
𝐻0 : 𝜇 ≤ 𝜇0
𝐻1 : 𝜇 < 𝜇0
𝐻1 : 𝜇 > 𝜇0
Estadísticos de prueba: Varianza poblacional conocida
𝑍=
𝑋 − 𝜇 𝜎 √𝑛
Varianza poblacional desconocida y tamaño de muestra grande (n≥30)
𝑍=
𝑋 − 𝜇 𝑆 √𝑛
Varianza poblacional desconocida y tamaño de muestra pequeño (n 𝜇2
Estadísticos de prueba: Varianzas poblacionales conocidas
1 − 𝑋2 ) − (𝜇1 − 𝜇2 ) (𝑋
𝑍𝑐 =
√
𝜎12 𝜎22 + 𝑛1 𝑛2
Varianzas poblacionales desconocidas y tamaño de muestras grandes (n≥30)
𝑍𝑐 =
(𝑋1 − 𝑋2 ) − (𝜇1 − 𝜇2 ) 𝑆 2 𝑆2 √ 1 + 2 𝑛1 𝑛2
Varianzas poblacionales desconocidas, pero iguales y tamaño de muestras pequeñas (n 𝜋2
𝑝 =
𝑋1 + 𝑋2 𝑛1 + 𝑛2
FÓRMULAS DE ESTADÍSTICA INFERENCIAL Intervalo de confianza para la varianza de una población (𝑛 − 1)𝑆2 𝑋 2 (1−∝ 2
,𝑛−1)
≤ 𝜎2 ≤
2 (𝑛 𝑋 2− ∝ 1)𝑆 ( ,𝑛−1) 2
Intervalos de confianza para el cociente de la varianza de dos poblaciones
1 𝑆1 2 2 ∗ 𝐹 ∝ 𝑆2 (1− ,𝑛 −1,𝑛 2 1
2 −1)
≤
2 𝜎1 2 𝑆1 ≤ ∗ 𝐹(1−∝,𝑛 −1,𝑛 −1) 1 𝜎2 2 𝑆2 2 2 2
Prueba de hipótesis para una varianza de una distribución normal 𝐻0 : 𝜎 2 = 𝜎0 2
𝐻0 : 𝜎 2 ≤ 𝜎0 2
𝐻0 : 𝜎 2 ≠ 𝜎0 2
𝐻0 : 𝜎 2 > 𝜎0 2
Estadístico de Prueba 𝑋𝑐
2
(𝑛 − 1)𝑆2 = 𝜎0 2
𝐻0 : 𝜎 2 ≥ 𝜎0 2
𝐻0 : 𝜎 2 < 𝜎0 2
𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎: 𝑛 − 1
Prueba de hipótesis para la razón de dos varianzas 𝐻0 : 𝜎1 2 = 𝜎2 2
𝐻0 : 𝜎1 2 ≠ 𝜎2 2
𝐻0 : 𝜎1 2 ≤ 𝜎2 2
𝐻0 : 𝜎1 2 > 𝜎2 2
Estadístico de prueba
𝐹𝑐𝑎𝑙 =
𝑆1
2
𝐻0 : 𝜎1 2 ≥ 𝜎2 2
𝐻0 : 𝜎1 2 < 𝜎2 2
𝐹𝑡𝑎𝑏 = 𝐹(____,𝑛1 −1,𝑛2 −1)
𝑆2 2
𝑔𝑙 = 𝐾 − 𝑚 − 1
K: N° de parámetros de la distribución, N° categorías finales o N° 𝑋𝐶 2 calculadas m: N° de parámetros estimados (calculados en el ejercicio, si no, es 0) 𝑆𝑖 ∑𝑃𝑖 ≠ 1 → 1 − ∑𝑃𝑖 = 𝑁𝑢𝑒𝑣𝑎 𝐶𝑙𝑎𝑠𝑒
𝑆𝑖 𝑢𝑛𝑎 𝐸𝑖 < 5 → 𝑠𝑒 𝑠𝑢𝑚𝑎 𝑎 𝑜𝑡𝑟𝑎 𝑐𝑙𝑎𝑠𝑒 𝑐𝑜𝑛 𝑠𝑢𝑠 𝑂𝑖 𝑦 𝐸𝑖 𝐸𝑖 = 𝑁 ∗ 𝑃𝑖
= 𝑃𝑖 ∗ ∑𝑂𝑖
Distribución de Poisson (V.A.D)
𝒇(𝑿, 𝝀) =
𝒆 −𝝀∗𝝀 𝑿
Media
Estadístico de prueba
Varianza
𝐸(𝑋) = 𝜇 =
∑ 𝑋𝑖 𝑂𝑖 = 𝑛∗𝑃 𝑁 ó ∑ 𝑂𝑖
𝑉(𝑋) = 𝜎 2 = 𝑛 ∗ 𝑃 ∗ 𝑞 = 𝐸(𝑋) ∗ 𝑞
Desviación Típica 𝜎 = √𝑉(𝑋)
𝒏!
(𝑿𝒏) = 𝑿!(𝒏−𝑿)!
X: N° de éxitos en la muestra o población
∑ 𝑋𝑖 𝑂𝑖 𝑁 ó ∑ 𝑂𝑖
𝑉(𝑋) = 𝜎 2 = 𝜇
Distribución Binomial (V.A.D)
𝑷(𝑿) = (𝑿𝒏) ∗ 𝑷𝑿 ∗ 𝒒𝒏−𝑿
𝑿!
Donde: 𝜆: 𝑚𝑒𝑑𝑖𝑎 𝐸(𝑋) = 𝜇 =
∑(𝑂𝑖 − 𝐸𝑖 )2 𝐸𝑖
∑𝑃𝑖 = 1
∑𝑂𝑖 = ∑𝐸𝑖
Prueba de bondad de ajuste Chi-cuadrado
𝑋𝐶 2 =
Donde:
𝜎 = √𝑉(𝑋)
FÓRMULAS DE ESTADÍSTICA INFERENCIAL Prueba de Independencia y Prueba de Homogeneidad Chi-cuadrado Estadístico de prueba
Frecuencia esperada (𝐸𝑖 ) =
𝑋𝐶 2 =
∑(𝑂𝑖 − 𝐸𝑖 ) 𝐸𝑖
4. Hipótesis
𝐻0 : 𝛽1 = 0 (𝑁𝑜 ℎ𝑎𝑦 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑋 𝑒 𝑌) 𝐻1 : 𝛽1 ≠ 0 (𝑆𝑖 ℎ𝑎𝑦 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑋 𝑒 𝑌)
2
𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎 ∗ 𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑙𝑢𝑚𝑛𝑎 𝐺𝑟𝑎𝑛 𝑇𝑜𝑡𝑎𝑙
Regresión Múltiple (formular para dos variables independientes) 1. Ecuación de regresión
𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2
2. Sistema de ecuaciones para hallar los coeficientes de regresión ∑ 𝑌 = 𝑛𝛽0 + 𝛽1 ∑ 𝑋1 + 𝛽2 ∑ 𝑋2
∑ 𝑋1 𝑌 = 𝛽0 ∑ 𝑋1 + 𝛽1 ∑ 𝑋1 2 + 𝛽2 ∑ 𝑋1 𝑋2
∑ 𝑋2 𝑌 = 𝛽0 ∑ 𝑋2 + 𝛽1 ∑ 𝑋1 𝑋2 + 𝛽2 ∑ 𝑋2 2
Regresión Simple
𝑔𝑙 = (#𝐹𝑖𝑙𝑎𝑠 − 1)(#𝐶𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − 1)
1. Ecuación de regresión
= 𝛽0 + 𝛽1 𝑋 𝑌
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌 𝛽1 = 𝑛 ∑ 𝑋 2 − (∑ 𝑋)2 2. Coeficiente de correlación 𝑟=
𝑅2 =
𝐻0 : 𝛽1 = 𝛽2 = 0 (𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑁𝑂 𝑒𝑠 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜)
𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝛽𝑖 ≠ 0 (𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑒𝑠 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜)
Análisis de Varianza de Regresión (ANOVA) ∑ 𝑌 − 𝛽1 ∑ 𝑋 𝛽0 = 𝑛
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
√𝑛 ∑ 𝑋 2 − (∑ 𝑋)2 √𝑛 ∑ 𝑌 2 − (∑ 𝑌)2
3. Coeficiente de determinación
3. Hipótesis
)2 𝑆𝐶𝑅 ∑(𝑌 − 𝑌 = ∑(𝑌 − 𝑌 )2 𝑆𝐶𝑇
1. Método de mínimos cuadrados 𝑆𝐶𝑇 = ∑(𝑌 − 𝑌 )2
→
𝑆𝐶𝐸 = ∑(𝑌 − 𝑌 )2
→
𝑆𝐶𝑅 = ∑(𝑌 − 𝑌 )2
𝐶𝑀𝑅 = 𝐹𝐶 =
𝑆𝐶𝑅 𝐾
𝐶𝑀𝑅 𝐶𝑀𝑅
→
𝐶𝑀𝐸 =
𝑆𝐶𝑇 = 𝑆𝐶𝑅 + 𝑆𝐶𝐸 𝐺. 𝐿 = 𝐾
𝐺. 𝐿 = 𝑛 − 𝐾 − 1
𝐺. 𝐿 = 𝑛 − 1
𝑆𝐶𝐸 𝑛−𝐾−1
𝐹𝑇𝑎𝑏 → 𝐹(1−𝛼 ; 𝑘 ; 𝑛−𝐾−1)
FÓRMULAS DE ESTADÍSTICA INFERENCIAL Estadística básica Distribución Normal Media 𝜇 ó 𝑋 =
∑𝑛𝑖=1 𝑋𝑖
=
𝑛
Varianza 𝜎 2 ó 𝑆2 =
𝑋1 + 𝑋2 +. . +𝑋𝑛 𝑛
∑ 𝑛𝑖=1(𝑋𝑛 − 𝑋 )2 (𝑋1 − 𝑋 )2 +. . +(𝑋𝑛 − 𝑋 )2 = 𝑛−1 𝑛−1
Desviación Estándar 𝜎 ó 𝑆 = √𝑆 2 Error (ɛ) |𝑋 − 𝜇| = ɛ = (
𝑍(1−∝
2
)∗ 𝜎
√𝑛
)
2
Tamaño de la muestra 𝑛=(
𝑍(1−∝ )∗ 2
ɛ
𝜎
)
2
Población Infinita y mayor a 10,000: 𝑛=
𝑍∝2 ⁄2 ∗ 𝑃 ∗ 𝑄 𝜀2
Error Estándar 𝜎𝑋 =
𝜎
√𝑛
Número de Intervalos de clase 𝐾 = 1 + 3.32 ∗ log 𝑛
Rango: 𝑅 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛
Amplitud: 𝐴 =
𝑅
𝐾...