Professional Documents
Culture Documents
(r)=(x^(r-1)*^(x),x)
(n+1)=n!
0!=1 proviene de
(1)=(^(x),x,0,)=^(x)|0,=1
a) (r+1)=r(r)
b) (n+1)=n! si nN
c) (1/2)=()
(5)=4(4)=4*3(3)=4*3*2*(2)=4*3*2*1*(1)=4
!=24
FMV/r=n*ln()+[ln(x1)+ln(x2)+...+ln(xn)]n/(r)*[(r)]/r=0
falla el mtodo
OJO:
1=E{x}=X
2=E{x^2}=X^2+X^2/n
1'=m1' x=
2'=m2' x^2+^2=^2-(n-1)/n*(Sn-1^2)
r/=
xg=(8*10)=9.7979589711327
Media geom solo es valido cuando los datos
sean positivos y diferentes de cero
SN=3^0+3^1+3^2+3^3+3^4+...+3^(N-1)
SN=A*R^0+A*R^1+a*r^2+...+a*r^(n-1)
r*SN=A*R+A*R^2+a*r^3+...+a*r^(n)
----------------------------(1-r)*Sn=a(1-r^n)Sn=a(1-r^n)/(1-r)
Sn=a*(r^n-1)/(r-1)
Promedio.x= Prom=1/n*(x*i,i,1,n)
xg~=n(x1*x2*x3*x4*...*xn)
MEDIA ARMNICA
Ejemploide.-
Avin desplazqndose
200jkm/hr
100km/hr
400km/hr
300km/hr
va=d/t =(400/(1+1/2+1/3+1/4))=192km/hr
xa=media armnica=n/(1/x1+1/x2+1/x3+...
+a/xn) solo aplicable para datos difrentes de
cero.
150
150
180
180
80
80
150 5000
x=132 =1102
me=150
=150
Moda:
El valor mas frecuente
Es unimodal si solo es un valor.
Multimodal si dos o mas se repiten el maximo
num de veces. En multimodal deja de existir el
concepto de moda.
Tiene que ser nica
Excel toma la primera que se encuetra (esto es un
error)
Entonces
y=E{y}=E{a1x1+...+anxn}=a1E{x1}+...
+anE{xn}
ES UN ESTIMADOR DE UX CON LAS
SIGUIIENTES CUALIDADES
y=a11+...+ann
FALTA PEDACITO
Sea y=a1x1+a2x2+...+anxn
donde x1, x2, ...,xn tienen medias 1, 2,...,n y
varianzas. 1^2,2^2...,n^2
y-a1x1+...++anxn
Entonces
Lm(y,n,)~N(y,y^2)
Entonces:\\ Y~N(y,y^2)
donde
donde y=a1*x1+a2*x2+...+an*xn
y^2=a1^2*x1^2+a2*x2^2+...
+a*n*xn^2
y=a1x1+...+anxn
y^2=a1^2*x1^2+...+an*xn^2
De este teorema se desprende que si
~N(x,x^2/n)
L1~N(40,4)
L2~N(40,4)
L3~N(40,4)
a) LT=L1+L2+L3
LT=N(120,12) Nota, solo se suman las
varianzas, mas no las desviaciones.
b) P(L<110)
Normalizar
z=(x-x)/x
Ejemplo:
1.- Suponga que una antena est compuesta por
tres elementos cuya longitud de cada uno de ellos
sigue la distibucin N(40cm, 4cm^2)
c)P(115L125)
Normalizar
P((115-120)/12z(125-120)/12)
P(_1.44z1.44)
2p(0z1.44)
2P(z1.44)-1
2(0.92506)-1=0.85012 son adecuadas
1-.0.85912=0.14988 son defectuosos.
d) P(L>125)
1-P(z(125-120)/12)
1-P(z1.44)
1-.92506
0.07494 se retrabajan.
e)Se desecha lo mismo que en la parte que se
retrabaja.
m0=L1+a(a+b)*
25+((134-40)/((134-40)-(134-97))*5
Puedde usarrse la frecuencia relativa y la relativa
acumulada
m0=25+(0.37746-0.11268)/(0.377460.11268)+(0.37746-0.27324)*5
Para datos agrupados
La moda se afecta fuertemente por la agruacin,
y esta se vuelve mas imprecisa entre mas grande
es la amplitud de las marcas de clase o del
intervalo
B. MEDIDAS DE DISPERSIN
!.-Rango
2.-MEDIANA
Para datos sin agrupr
para datos agrupados
3.-Moda
Para datos sin agrupar
3.-Desv est.
4.-Varianza
5.-Coeficiente de variacin
Percentil 90=35+(.9-.76338)/(.92113-.76338)*5
percentil 10=20+(.1-.0)/(0.11268-.0)*5
c.-MEDIDAS DE ASIMETRA
Coeficiente de asimetra
D.MEDIDAS DE APLANAMIENTO.
Coeficiente de curtosis.
Nota: para obtener percentiles en una ojiva, se
puede utilizar la ecuacin de una recta
y-y1=(y2-y1)/(x2-x1)*(x-x1)
INTERVALO INTERDECIL=
39.330269413629-24.437344692936+14.89
CONCENYTRACIN DEL 80 POR CIENTO DE LOS
DATOS.
90 ENTRE EL PERCENTIL 5 Y EL 95
Fractil=Linf+(F"-F1")/(F2"-F1")*
=amplitud de la marca de clase
F"=Frec. Relativa acumulada.
80 ENTRE EL PERCENTIL 10 Y EL 90
Para que esto sea vlido los intervalos tiene que
estar centrados.
30+(.5-.49014)/(.76338-.49014)*5
25 DE OCTUBRE DEL 2005
llenar tabla
z/2
.2 1.282 80%
0.10 1.645 90%
0.02 2.326 98%
0.01 2.576 99%
x=2.5 in
n=100
P(z/2zz/2)=1-
P(|-x|0.5) d=?
z/2 1-
1
68.27%
2
3
4
P(0.5-x0.5
Por el teorema anterior
~N(x, x^2/n)
z=(-x)/x/n)
P(-1z1)=2p(0z1)=2P(z1)-1
P(-0.5/2.5/100z0.5/2.5/100)
=2P(0z2)
=2(0.477255)
P=0.95451
~N(x,x^2/n)
iNTERVALOS DE CONFIANZA.
P(-z/2zz/2)=1-
z=(-x)/(x/n)
-z/2(-x)/(x/n)z/2
Z=(-x)/(x/n)~N(0,1)
curva normal
-z/2*x/n,,x+z/2*x/n
---------
0=z/2*x/nn=z/2*x/0
error de estimacin para la media
INTERVALO DE CONFIANZA PARA LA MEDIA
POBLACIONAL PARA X CONOCIDA
n>(Z/2*x/0)^2
0 mximo error de estimacin que nosostros
fijamos
n(1.96(0.0764/.02)^2
La eficiencia comparativa de dos estimadores se
obtiene calculando el cociente:
ESTIMADORES PUNTUALES
Estadstico
f(x1,x2,x3,...,xn)
e=ECM(1^/2^)
i) Si e<1 1^ es ms eficiente que 2^
ii) Si e>1 2^ es mas eficiente que 1^
iii) Si e=1 1^ y 2^ tiene la misma eficiencia.
n ={x1,x2,...,xn}
S
x1,x2
x3,x4,x5
x^=x=(x1+x2+x3+x4+x5)/5
x2^=(x1+2x2+3x3+2x4+x5)/9
x^=f1(x1,x2,...,xn)
x^=f2(x1,x2,...,xn)
p^=f3(x1,x2,...,xn)
N=f4(x1,x2,...,xn)
x3^=(2x1+3x2)/4
x1^=E{x1^}
=E{x}=x Insesgado
ESTIMADORES PUNTUALES
CUALIDADES.1.-INSESGABILIDAD
Sea ^ un esimador puntual de . Se dice que
es insesgado, si se cumple que:
^=E{^}=
2.-EFICIENCIA
Sean 1^ y 2^ estimadorres puntuales de un
parmetro poblacional
Sea
ECM(1^)=E{(1^-)^2)}=VAR(1^)
+sesgo^2(1^)
ECM(2^)=E{(2^-)^2)}=VAR(2^)
+sesgo^2(1=2^)
x2^=E{x2^}=E{(x1+x2+x3+x4+x5)/9)}
=x Insesgado
x3^=E{x3^}=E{2/4x1+3/4x2}
=2/4x+3/4x=5/4x+1/4x
Sesgo(x3^)=1/4x
VAR(x1^)=VAR(x)=E{(x-)^2
=E{((x1+x2+x3+x4+x5)/5-5x/5)^2}
es numericamente igual a x
pero conceptualmente es distinto.
esta es la media de las medias que da lo
ismo que la media poblacional.
(a+b+c)^2=a^2+b^2+c^2+2ab+2ac+2cb
E={[1/5(x1-x)+1/5(x2-x)+...+1/5(x5-x)]^2}
INDEPENDENCIA ESTADSTICA
SI NO EXISTE NO SE ELIMINAN LAS
COVARIANZAS.
ECM(x2^)=VAR(x2^)
+sesgo(x2^)=19/81*x^2
ECM(x1^)=VAR(x1^)
+sesgo(x1^)=13/16*x^2+1/16*x^2
ECM mas pequeo es el bueno
1.-TENDENCIA CENTRAL
MEDIA
MEDIANA
MODA
SEMIRANGO
ETC
Sn-1=1/(n-1)
Tarea:
E{Sn-1}=? =x^2
VAR{Sn-1^2)=E{(Sn-1^2-sn-1^2)^2}
?
E
CLCULO MANUAL
MOMENTO DE ORDEN K CON RESPECTO A UN
VALOR "a" DE LOS DATOS DE UNA MUESTRA.
mk=1/n*((xi-a)^k,i,1,n)
2.-DISPERSIN
Rango=Valor kax-Valor min
Desviacin promedio=1/n*(|xi-|,i,1,n)
varianza=1/(n-1)((xi-)^2,i,1,n)
=1/(n-1)(xi^2-n/(n-1)*^2
1/(n-1)(xi^2,i,1,n)-1/(n*(n-1))*((xi,i,1,n)^2
DESVIACIN ESTANDAR=(VARIANZA)
Tambien es la dispersin promedio.
COEFICIENTE DE VARIACIN=DSV.EST./
m1=1/n((xi-a),i,1,n
Si a=0 m1'=
Si a= m1'=0
Si a=
m2=1/n((xi-)^2,i,1,n)=(n-1)/n*VAR
con n> casi da lo mismo
n=30 (n-1)/n= 29/30 96%
COEFICIEMTE DE ASIMETRA
COEFICIENTE DE CURTOSIS
M3/M2^(3/2)
Si da cero, la cuerva es simtirca respecto a la
media.
Curtosis
COEFICIENTE DE CURTOSIS
=m4/m2^2-3
S(n-1)^2=1/(n-1)xi^2-2/(n-1)*(n)+n/(n1)*^2
S(n-1)^2=1/(n-1)xi^2-n/(n-1)*^2
esto ltimo para datos sin agrupar
(a,i,1,n)=n*a
---S(n-1)^2=1/(n-1)(xi-)^2
Desarrollando
S(n-1)^2=1/(n-1)(xi^2-2xi+^2,i,1,n)
S(n-1)^2=1/(n-1)xi^2-2/(n-1)**xi+1/(n1)^2
6 DE OCTUBRE DEL 2006
MTODOS
A) MXIMA VEROSIMILITUD
B) MOMENTOS
MTODO DE MXIMA VEROSIMILITUD
1) Se sabe que x tiene distribucin fx(x;) por lo
que se obtienen las funciones de probabilidad de
x1, x2,...,xn X
fx1(x1)=f(x1,)
fx2(x2)=f(x2,)
fx3(x3)=f(x3,)
fx4(x4)=f(x4,)
'''''
'''''
fxn(xn)=f(xn,)
2) Partiendo del supuesto de que {x1,x2,...,xn}
fu obtenida aleatoriamente, se puede suponer
que x1, x2, ..., xn son estasticamente
independientes.
P(AB) =P(A)P(B)
Por lo que, si se pretende obtener la funcin de
probabilidad conjunta de a1, x2, x3, ..., xn
entonces:
f(x1,x2,x3,...,xn;)=
fx1(x1;)fx2(x2;)...fxn(xn;)
3) Se pretende obtener el valor de que
maximiza a f(x1,x2,x3,...,xn;) por lo que se
aplicar el criterio de la primera derivada. Dado
que la funcin conjunta se obtiene de un
producto, es ms fcil maximizar el logaritmo de
esta funcin:
(ln( f(;)),)=n/-(x1+x2+...+xn)
f(x;)=^(x)
f(x)=|x|
f(x)=1/(*(2))^(1/2*((x-)/)^2)
n/=x1+x2+...+xn
1/=(x1+x2+...+xn)
1/=
^=1/
LN(u*v*w)=ln(u)+ln(v)+ln(w)
En general las funciones de probabilidad son
positivas.
ejercicio:
fx1(x1)=f(x1;)=^(x)
f(x1,x2,x3,...,xn;)=^n*^((x1+x2+...+xn))
ln(f(;))=nln()-(x1+x2+...+xn)
falta 11 de octubre 2005
8 DE NOVIEMBRE DEL 2005
INTERVALO DE CONFIANZA PARA ^2
(n-1)S^2n-1/(X^2/2,(n-1)^2
(n-1)S^2n-1/(X^2(1-/2),(n-1)
Para una sola cola (lado)
^2(n-1)S^n-1/(X^2(1-),(n-1)) y
^2(n-1)S^n-1/(X^2(),(n-1))
1.-Se determino la cantidad de expansion lateral
(mill) para una muetra de n=9 soldaduras de
arcos de metal y gas accioados por pulsos
empleados en tanque scontenedores de gas
natural licuado en arcos. La desviacin estandar
resltante fu de =1.81 mills. Suponiendo
normalidad, determinar un intervalo de confianza
de 95% para la varianza y para la desviacin
estadar.
Datos
S=2.81
n=9
1-=0.95
=0.05
^2=0.9027^2=.8148
n=5
1-=0.95
=0.05
X^2(0.025,4)=11.143
X^2(0.975,4)=0.484
0.29^26.73
TAREA:
eN UNA MUESTRA ALEATORIA DE 30 FOCOS, la
descviacin estandar muestral de la duracin de
un foco es de 12.6 hrs. Calcular un intervalo de
confianza superior de 90% para la varianza de la
duracin del foco.
Para una sola cola.
X^2/2,(n-1)=X^20.025,8=17.535
X^21-/2,(n-1)=X^20.975,8=2.18
DISTRIBUCIN T DE STUDENT
(8*2.81^2)/17.535(8*2.81^2)/2.180
3.64^228.98
Para el intervalo de la desv. est.
3.6428.98
T=(-x)/(Sn-1/n) ~t(n-1)
/2
t(1-/2),n-1
/2
t/2,n-1
t/2,(n-1)=t0.05,1=1.753
De los datos
=158.5
S=16.4154
158.51.753*16.41544/(16x158.5+1.753*16.41/(
16
151.3059165.694
tarea 95 y 98
1.- la camara de coercio para una ciudad se
encuentra interesada en estimar la cantidad
promedio de dinero que gasta la gente que asiste
a convenciones , calculando comidas, alojamiento
y entrtenimineto por da. De las distintas
convenciones que se llevan a cabo por da en la
ciudad, se seleccionaron 16 personas y se les
10 DE NOVIEMBRE DEL 2005
INTERVALOS DE CONFIANZA
1.Para la meia conocida la varianza
t=Z/((X^2k/k)
Tiene distribucin t de student con k grados de
libertad
6. -x/(S(n-1)/n~t(n-1)
-Z/2*x/nx+Z/2*x/n
2./Para la varianza
(n-1)*S^2(n-1)
(n-1)*S^2(n-1)
---------------x^2 -------------X^2(/2,n-1)
X^2(1-/2,n-1)
3.-Para la media
EJERCICIOS=
a) P(2r2|k=5)=0.89722
b) P(t3|k=7)=0.99003
c)P(t2,5|k=9)=0.01693
d)P(2 2 k=100 =.95179
-t(/2,n-1)*S(n-1)/nx+t(/2,n-1)*S(n1)/n
Calcular vvlores de t
a) P(t0.025,5tt0.025,5 =0.95 2.57
TEOREMAS BASE
1.-sI x~N(x,x^2)
entonces
~N(x,x^2/n)
b)P(tt0.05,20)=0.95
1.725
c) P(t0.01,12)=0.01
2.681
d) Pt0.005,150tt0.005,150)=.99 2.576
2.-Si n
N(x,x^2/n)
3.Xk^2=Z1^2+Z2^2+...+Zk^2
Tiene distribcin Ji cuadrada con k grados de
libertad xk^2=k (X^2k)^2=2k
4.-(n-1)*S(n-1)^2/x~X^2(n-1)
5./La variable
15 DE NOVIEMBRE DEL 2005
X^2(0.975,59)=39.66
X^2(0.025,59)=82.12
52.2-(2.001)(9.763)/59x.....
(59)(95.32)/82.12x^259*95.32/39.66
49.66x54.74
68.48x^2141.8
8.275x11.91
Cruz eligi 15
15-73
35-75
55-58
75-54
95-56
115-54
135-40
155-55
175-43
195-57
215-40
2.- Se calcula Sx en la premuetra
Sx=9.532
3.-Calcular tamao de muestra
n(Z/2*x^/0)^2
x=n*p
x=n*p(1-p)((N-n)/(N-1))
entonces
P(x-k*xxx+k*x)=1-
np-k(np(1-p)(N-n)/(N-1))xnp+k(np(1-p)(N-n)/
(N-1))
p^-Z/2*(p^(1-p^)/n* ((N-n)/(N1))pp^+Z/2*(p^(1-p^)/n* ((N-n)/(N-1))
INTERVALOS DE CONFIANZA
-t(/2,n-1)*Sn/nx+t(/2,n-1)*Sn/n
(n-1)*S(n-1)^2/X^2(/2,n-1)x^2(n-1)*S(n1)^2/X^2(1-/2,n-1)
=5%
t(0.025,59)=2.001 Z=0.975=1.96
17 de noviembre del 2005
P0.803
Intervalo bilateral e cnfianza
p^=0.823 n=1000
=5% Z/2=1.96
0.823-1.960.823(10.823)/1000)p0.823+1.960.823(10.823)/1000)
0.799p0,846
c) ErrorZ/2(p^(1-p^)/n)
error=0.03
Z/2=2.576
p^=0.823
POb 1
Pob 2
x1
x1
x2
x2
H0:x1=x2
H2:x1>x2
LICx1-x2LSC
LICx1^2/x2^2LSC
LICP1-P2LSC
Nota x^2 varianza
tAREA DATOS 50 HOMBRES Y 50 MUJERES
REPRESENATIVA 30 O MAS
Promedio de calif
n(Z/2)^2*p^(1-p^)/error^2
n2.576^2*0.823*(1-0.823)/0.03^2
1074.0445841067
estad_2006@yahoo.com.mx
prom avance generacion
S(n1-1)^2/1^2
------------- ~ F(n1-1, n2-1)
S(n2-1)^2/2^2
1~N(1,1^2)
2~N(2,2^2)
Intervalos de confianza
(1-2)-Z/2*(1^2/n1+2^2)1-2(12)+Z/2*(1^2/n1+2^2)
(1-2)-t(/2,n1+n2-2)*Sp(1/n1+1/n2)12(1-2)+t(/2,n1+n2-2)*Sp(1/n1+1/n2)
i) x1 y x2 son normales
ii) n1 y n2 son muy grandes
Donde Sp=(n1
u=X7^2 v=X10^2
F=
Sean ~X7^2
u/7
y v=X10^2
y sea F=---v/10
Calcule a) P(F1.5)=0.2705
b) P(F0.75)=0.3612
c) P(0.75F1.25)=0.2771
P=(F0.75)-P(F1.25)
d) P(FF0)=0.25 F0=1.57
e) P(FF0)=0.90
F0=0.10
f) P(F(1-/2)FF(/2))=0.95
0.21
3.95
23 DE NOVIEMBR DEL 3o72
F0.975,7,10= 1/(F0.025,10,7)=1/4.76=0.21
2
005
1
F(1-/2,n2-1,n1-1)=---------------F(/2,n1-1,n2-1)
SSE=yy-1^*Sxy x^2=MSe=SSe/(n-2)
R^2=SSr/Syy=1-SSe/Syy
^=Sxy/(SxxSyy)
tanh
SSe=Syy-^*Sxyx^2=MSe=SSe/(n-2)
Proceso estocstico es el mtodo de mnimos
cuadrados, pero agregando la incertidumbre del
proceso.
1^=Sxy/Sx
0^=-1*
w
1 DE DICIEMBRE DEL 2005
interrvalos de confianza para los principales
paretros de una regresin lineal y el grado de
correlacin.
tanh[angtanh(^)-Z(/2)/(n3)]tanh[angtanh(^)+Z(/2)/(n-3)]
Para x0=1.77
y0^79.84
58.5y0101.2
tavin61@hotmail.com
Nota cultura
IMC=indice de masa corporal=Peso/estatura^2