Ley de la multiplicación 𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2

Fórmulas estadística Eventos dependientes: ∞

= ∫ 𝑥 2 𝑓(𝑥)𝑑𝑥
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵|𝐴)
−∞
∞ 𝟐
Conjuntos Para eventos independientes:
− (∫ 𝑥𝑓(𝑥)𝑑𝑥 )
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵) −∞
Por extensión: lista explícita
Por comprensión: propiedad compartida
{∅} no es vacío.
Probabilidad Condicional
𝑃(𝐴 ∩ 𝐵) 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴/𝐵) = ; 𝑃(𝐵/𝐴) =
Conjunto universal: población. 𝑃(𝐵) 𝑃(𝐴) Distribuciones
Contenencia o Subconjunto Distribución de Probabilidad
Teorema de la Probabilidad Total 𝜇𝑥 = 𝐸(𝑋) = ∑𝑥 𝑥𝑓(𝑥) = ∑𝑥 𝑥𝑃(𝑋 = 𝑥)
𝐴 ⊆ 𝐵 : todos los elementos de A están en B
Si los eventos 𝐴1 , 𝐴2 , … 𝐴𝑛 son una partición
del espacio muestral S tal que 𝑃(𝐴𝑖 ) ≠ 0, se ∑𝑥 (𝑥 − 𝜇𝑋 )2 𝑃(𝑋 = 𝑥)
Conjunto de partes 𝑉(𝑋) =
tiene que para cualquier evento B de S, 𝑘
𝐴 = {𝑎, 𝑏}; 𝑝(𝑎) = {∅, {𝑎}, {𝑏}, {𝑎𝑏}}
𝑃(𝐵) = ∑𝑛𝑖=1 𝑃(𝐴𝑖 )𝑃(𝐵|𝐴𝑖 ) ∑𝑥 (𝑥 − 𝜇𝑋 )2 𝑓(𝑥)
=
Operaciones Su unión es S, su intersección es 0.
𝑘
Unión (U) Distribución Uniforme Discreta
Intersección (∩) (y) Ley de Bayes 1
𝑓(𝑥) = donde k es cantidad de elementos
Complemento 𝑃(𝐴𝑖 )𝑃(𝐵|𝐴𝑖 ) 𝑘
𝑃(𝐴𝑖 |𝐵) = 𝑛
𝐴𝐶 = 𝐴′ = {𝑥 ∈ 𝑈 |𝑥 ∉ 𝐴} (U es universal) ∑𝑖=1 𝑃(𝐴𝑖 )𝑃(𝐵|𝐴𝑖 )
∑𝑘𝑖=1 𝑥𝑖
𝜇𝑋 = 𝐸(𝑋) =
𝑃(𝐴𝑖 )𝑃(𝐵|𝐴𝑖 ) 𝑘
Diferencia 𝑃(𝐴𝑖 |𝐵) =
𝐴 − 𝐵 = {𝑥 |𝑥 ∈ 𝐴 𝑦 𝑥 ∉ 𝐵} 𝑃(𝐵) ∑𝑘𝑖=1(𝑥𝑖 − 𝜇𝑋 )2
𝑉(𝑋) =
Distribuciones de probablidad 𝑘
Eventos mutualmente excluyentes
Si no pueden ocurrir simultáneamente Distribución de Probabilidad Discreta Distribución Binomial
Condiciones: 𝑓(𝑥) ≥ 0 para cada valor de x y 𝑛
𝑓(𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
Reglas ∑ 𝑓(𝑥) = 1 siempre. En la tabla, se colocan los 𝑥
1. Para todo evento A, 0 ≤ 𝑃(𝐴) ≤ 1 valores decimales. Donde n=# de ensayos, x=no. Éxitos, p=prob de
2. P(S) = 1 donde S es el espacio muestral éxito
3. Si A y B son mutuamente excluyentes, Distribución de Probabilidad Discreta
entonces 𝑃(𝐴𝑈𝐵) = 𝑃(𝐴) + 𝑃(𝐵) Acumulada 𝜇𝑋 = 𝐸(𝑋) = 𝑛𝑝
4. 𝑃(∅) = 0 𝐹(𝑥) = ∑𝑡≤𝑥 𝑓(𝑡) para −∞ < 𝑥 < ∞ y se
𝑉(𝑋) = 𝑛𝑝(1 − 𝑝) = 𝑛𝑝𝑞
5. Si 𝐴𝐶 es el complemento del evento A, define como función a trozos. Ejemplo:
entonces: 𝑃(𝐴𝐶 ) = 1 − 𝑃(𝐴) Distribución Hipergeométrica
0 𝑠𝑖 𝑥 < 0
6. Si A y B son dos eventos en el espacio 𝑟 𝑁−𝑟
𝐹(𝑥) = {0.55 𝑠𝑖 0 ≤ 𝑥 < 1} ( )( )
muestral S, entonces: 𝑥 𝑛−𝑥
1 𝑠𝑖 𝑥 ≥ 1 (𝑥) = 𝑃(𝑋 = 𝑥) =
𝑃(𝐴 + 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) 𝑁
( )
Valor esperado o esperanza 𝑛
Poblacional matemática discreta Donde : N = Población
Varianza n: muestra
𝜇 = ∑ 𝑥𝑓(𝑥)
𝑠𝑢𝑚 𝑓𝑖 (𝑚𝑖 − 𝑥)2 r= éxitos en población
𝑉𝑎𝑟 =
𝑛 x=éxitos deseados
Densidad de la probabilidad continua
En muestral es n-1. Condiciones:𝑓(𝑥) ≥ 0 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < ∞, 𝑛𝑟
∞ 𝐸(𝑋) =
∫ 𝑓(𝑥)𝑑𝑥 = 1 𝑁
Colectivamente exhaustivos
−∞
Si al unirlos da el espacio muestral 𝑟 𝑟 (𝑁 − 𝑛)
𝑉(𝑋) = 𝑛. (1 − )
Función de distribución acumulada de 𝑁 𝑁 (𝑁 − 1)
Probabilidad Condicional
𝑃(𝐴 ∩ 𝐵)
VAC Poisson:
𝑃(𝐴|𝐵) = El área bajo la curva
𝑃(𝐵) 𝑏
𝑒 −𝜆 𝜆𝑥
𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫ 𝑓(𝑥)𝑑𝑥 𝑓(𝑥) = 𝑥!
, 𝜇 𝑦 𝜎 2 = 𝜆.
Eventos independientse 𝑎
Cuando 𝑃(𝐴|𝐵) = 𝑃(𝐴) 𝑜 𝑃(𝐵|𝐴) = 𝑃(𝐵) ∞
𝑣𝑎𝑟(𝑥) = ∫ (𝑥 − 𝜇𝑥 )2 𝑓(𝑥)𝑑𝑥
Permutación: −∞
𝑁!
(permutación)
(𝑁−𝑛)!

𝑁!
(combinación)
𝑛!(𝑁−𝑛)!