Você está na página 1de 3

Formulario

Medidas de posición

a) Serie par
# ∗𝑛
Cuartiles: posición cuartilica 𝑄 = 4
#∗𝑛
Deciles: posición decilica 𝐷 = 10
#∗𝑛
Percentiles: 𝑃 = 100

b) Serie impar
# ∗ (𝑛 + 1)
Cuartiles: posición cuartilica 𝑄 = 4
# ∗(𝑛 + 1)
Deciles: posición decilica 𝐷 = 10
# ∗(𝑛 + 1)
Percentiles: 𝑃 =
100

Datos agrupados

a) DA en frecuencia
b) DA en tablas de distribución de frecuencia
𝑁∗𝑘
−𝑓𝑎𝑎
4
Cuartiles: 𝑄𝑘=𝐿𝑟𝑖𝑐𝑢𝑎𝑟𝑡𝑖𝑙𝑖𝑐𝑎 + 𝑓 ∗ 𝑖𝑐
𝑐𝑢𝑎𝑟𝑡𝑖𝑙𝑖𝑐𝑎
𝑁∗𝑘
−𝑓𝑎𝑎
10
Deciles: 𝐷𝑘=𝐿𝑟𝑖𝑑𝑒𝑐𝑖𝑙𝑖𝑐𝑎 + ∗ 𝑖𝑐
𝑓𝑑𝑒𝑐𝑖𝑙𝑖𝑐𝑎
𝑁∗𝑘
−𝑓𝑎𝑎
100
Percentiles: 𝑃𝑘=𝐿𝑟𝑖𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑖𝑙𝑖𝑐𝑎 + ∗ 𝑖𝑐
𝑓𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑖𝑙𝑖𝑐𝑎

Medidas de dispersión para serie de datos


𝛴𝑥𝑖
Media aritmética: 𝑥̅ =
𝑁

a) Rango: 𝑅 = 𝑥𝑚𝑎𝑦𝑜𝑟 − 𝑥𝑚𝑒𝑛𝑜𝑟


Σ| 𝑥𝑖 − 𝑥̅ |
b) Desviación media: 𝐷𝑚 = 𝑁
Σ( 𝑥𝑖 − 𝑥̅ )2
c) Desviación típica: 𝜎 = 𝑠 = √ 𝑁
Σ( 𝑥𝑖 − 𝑥̅ )2
d) Varianza: 𝑣(𝑥) = 𝜎 2 = 𝑠 2 = 𝑁
𝜎
e) Coeficiente de variabilidad = 𝑐𝑣 = ∗ 100%
𝑥̅

Medidas de dispersión para datos agrupados en tablas de distribución de frecuencia


Σ𝑓𝑖 ∗ 𝑃𝑚
Media aritmética: 𝑥̅ = 𝑁

a) Rango: 𝑅 = 𝑥𝑚𝑎𝑦𝑜𝑟 − 𝑥𝑚𝑒𝑛𝑜𝑟


Σ fi | 𝑃𝑚− 𝑥̅ |
b) Desviación media: 𝐷𝑚 = 𝑁
c) Desviación típica:
1. Método corto o de puntos medios
Σ fi( 𝑃𝑚 − 𝑥̅ )2
𝜎=𝑠= √
𝑁

2. Métodos abreviados
I. Primer método abreviado
Σ fi ∗ 𝑑2 Σ fi ∗ d 2
𝜎=𝑠= √ −( )
𝑁 𝑁

II. Segundo método abreviado


Σ fi ∗ 𝑑´2 Σ fi ∗ d´ 2
𝜎=𝑠= √ −( )
𝑁 𝑁

d) Varianza:
Σ fi( 𝑃𝑚 − 𝑥̅ )2
𝑣(𝑥) = 𝜎 2 = 𝑠 2 =
𝑁
2
Σfi ∗ 𝑑 Σ fi ∗ 𝑑´ 2
𝑣(𝑥) = 𝜎 2 = 𝑠 2 = ( )−( )
𝑁 𝑁
𝜎
e) Coeficiente de variabilidad: 𝑐𝑣 = 𝑥̅
∗ 100%

Escala percentilica

a) Serie de datos:
50(2 𝑓𝑎𝑎 + 𝑓)
𝑥=
𝑁
b) Datos agrupados
𝑥𝑖 − 𝐿𝑟𝑖
𝑃𝑖 = 𝑓𝑎𝑎% + ∗ 𝑓%
𝑖𝑐

Medidas de forma

1. Asimetría
Coeficiente de asimetría de Pearson
3(𝑥̅ − 𝑚𝑒)
𝐴𝑠𝑝 =
𝑠
𝑁
− 𝑓𝑎𝑎
𝑚𝑒 = 𝐿𝑟𝑖𝑚𝑒𝑑𝑖𝑎 + 2 ∗ 𝑖𝑐
𝑓

Coeficiente de asimetría de Fisher


∑𝑁 ̅ )3
𝑖=1(𝑥𝑖 − 𝑥
𝐶𝑎𝑓 = 𝑁𝑠3
2. Curtosis o apuntamiento
Coeficiente de curtosis de Fisher:
Σ(𝑃𝑚 − 𝑥̅ )4 ∗ 𝑓𝑖
𝑔2 = 𝑛
𝑠4
Coeficiente de curtosis de Pearson:
𝛴(𝑥𝑖 − 𝑥̅ )4 ∗ 𝑛𝑖
𝑔2 = −3
𝑛𝑠 4
Regresión lineal

Estimadores

𝑎 = 𝑦̅ − 𝑏𝑥̅
𝑛 ∑𝑛𝑓= 1 𝑥𝑦 − ∑𝑛𝑖= 1 𝑥𝑖 ∗ ∑𝑛𝑖= 1 𝑦
𝑏=
𝑛 ∑𝑛𝑓= 1 𝑥 2 − (∑𝑛𝑖= 1 𝑥𝑖 )2

Você também pode gostar