SlideShare una empresa de Scribd logo
Organización de datos
Rango = Xmax – Xmin K = 1 + 3,3 . log n A = Rango / K
Medidas de posición
Media para Datos no agrupados
n
X
X
n
i i∑=
= 1
Media para Datos agrupados
n
fX
X
K
i ii∑=
= 1
.
Mediana para Datos no agrupados








+ +
+
es imparsi n
XX
es parsi nX
))((n/)(n/
))/((n
2
122
21
Mediana para Datos agrupados
ancho
nif
F
totaln
ALMe
NIaa
*
)(
2
)(
)1(
inf
−−
+=
Moda para Datos agrupados ancho
dd
d
LMo *
21
1
inf
+
+=
D1= dif entre ni y ni-1 D2=dif entre ni y ni+1
Cuantiles para Datos agrupados (tot/4)*3= x Luego: a
f
Fx
LQ
i
aa
i *inf
−
+=
A=Limite inferior de la clase q contiene a N/2
Medidas de dispersion
Desvío Estándar y Varianza para Datos no agrupados
( ) ( )
11
1
2
1
2
2
−
−
=
−
−
=
∑∑ ==
n
XX
S
n
XX
S
n
i i
n
i i
Desvío Estándar y Varianza Datos agrupados
( ) ( )
1
.
)(
1
.
(var) 1
2
1
2
2
−
−
=
−
−
=
∑∑ ==
n
nXX
deS
n
fXX
S
K
i imi
K
i imi /M
Coeficiente de Variación
X
S
CV =
Probabilidad
Sucesos mutuamente excluyentes ( ) ( ) ( )BPAPBAP +=∪
Sucesos no mutuamente excluyentes ( ) ( ) ( ) ( )BAPBPAPBAP ∩−+=∪
Solo uno =P(aneg int b) u (aint bneg) LI/LI+1/ni/fi/fi%/Xi/FI/NI/(Xi-M)^2 *ni
Probabilidad Condicional ( ) ( )
( )BP
BAP
BAP
∩
=/
Al menos uno P(AuB)-P(AIntB)
Ninguno 1-(aUb)
Sucesos independientes ( ) ( ) ( )BPAPBAP *=∩
A lo sumo uno = solo uno + ninguno
Sucesos dependientes ( ) ( ) ( )ABPAPBAP /*=∩
Poligono= Y es fi en porcent. (frec rel) X es la marca clase (monto)
Probabilidades totales ( ) ( ) ( )i
n
i i BAPBPAP /.1∑=
=
La prob q pongo dps va abajo
Regla de Bayes ( ) ( ) ( )
( ) ( ) )()./(../
../
/
SPSVPZPZVP
ZPZVP
VZP
+
=

Más contenido relacionado

Destacado

Tips para la lectura critica
Tips para la lectura criticaTips para la lectura critica
Tips para la lectura critica
Claudia Zuzunaga
 
Pruebas Lenguaje
Pruebas LenguajePruebas Lenguaje
Pruebas Lenguaje
loliwarja
 
Competencias En Lenguaje Ejemplos
Competencias En Lenguaje   EjemplosCompetencias En Lenguaje   Ejemplos
Competencias En Lenguaje EjemplosNathanoj Jovans
 
Métodos de Lectura
Métodos de LecturaMétodos de Lectura
Métodos de Lectura
talisman7
 
Método de lectura crítica
Método de lectura críticaMétodo de lectura crítica
Método de lectura críticaArturo Llaca
 
La Lectura CríTica
La Lectura CríTicaLa Lectura CríTica
La Lectura CríTica
Telmo Viteri
 

Destacado (9)

Lectura crítica clase
Lectura crítica claseLectura crítica clase
Lectura crítica clase
 
Lectura critica
Lectura criticaLectura critica
Lectura critica
 
Tips para la lectura critica
Tips para la lectura criticaTips para la lectura critica
Tips para la lectura critica
 
Pruebas Lenguaje
Pruebas LenguajePruebas Lenguaje
Pruebas Lenguaje
 
Competencias En Lenguaje Ejemplos
Competencias En Lenguaje   EjemplosCompetencias En Lenguaje   Ejemplos
Competencias En Lenguaje Ejemplos
 
Métodos de Lectura
Métodos de LecturaMétodos de Lectura
Métodos de Lectura
 
Evaluacion Por Competencias
Evaluacion Por CompetenciasEvaluacion Por Competencias
Evaluacion Por Competencias
 
Método de lectura crítica
Método de lectura críticaMétodo de lectura crítica
Método de lectura crítica
 
La Lectura CríTica
La Lectura CríTicaLa Lectura CríTica
La Lectura CríTica
 

Fórmulas 1º parcial

  • 1. Organización de datos Rango = Xmax – Xmin K = 1 + 3,3 . log n A = Rango / K Medidas de posición Media para Datos no agrupados n X X n i i∑= = 1 Media para Datos agrupados n fX X K i ii∑= = 1 . Mediana para Datos no agrupados         + + + es imparsi n XX es parsi nX ))((n/)(n/ ))/((n 2 122 21 Mediana para Datos agrupados ancho nif F totaln ALMe NIaa * )( 2 )( )1( inf −− += Moda para Datos agrupados ancho dd d LMo * 21 1 inf + += D1= dif entre ni y ni-1 D2=dif entre ni y ni+1 Cuantiles para Datos agrupados (tot/4)*3= x Luego: a f Fx LQ i aa i *inf − += A=Limite inferior de la clase q contiene a N/2 Medidas de dispersion Desvío Estándar y Varianza para Datos no agrupados ( ) ( ) 11 1 2 1 2 2 − − = − − = ∑∑ == n XX S n XX S n i i n i i Desvío Estándar y Varianza Datos agrupados ( ) ( ) 1 . )( 1 . (var) 1 2 1 2 2 − − = − − = ∑∑ == n nXX deS n fXX S K i imi K i imi /M Coeficiente de Variación X S CV =
  • 2. Probabilidad Sucesos mutuamente excluyentes ( ) ( ) ( )BPAPBAP +=∪ Sucesos no mutuamente excluyentes ( ) ( ) ( ) ( )BAPBPAPBAP ∩−+=∪ Solo uno =P(aneg int b) u (aint bneg) LI/LI+1/ni/fi/fi%/Xi/FI/NI/(Xi-M)^2 *ni Probabilidad Condicional ( ) ( ) ( )BP BAP BAP ∩ =/ Al menos uno P(AuB)-P(AIntB) Ninguno 1-(aUb) Sucesos independientes ( ) ( ) ( )BPAPBAP *=∩ A lo sumo uno = solo uno + ninguno Sucesos dependientes ( ) ( ) ( )ABPAPBAP /*=∩ Poligono= Y es fi en porcent. (frec rel) X es la marca clase (monto) Probabilidades totales ( ) ( ) ( )i n i i BAPBPAP /.1∑= = La prob q pongo dps va abajo Regla de Bayes ( ) ( ) ( ) ( ) ( ) )()./(../ ../ / SPSVPZPZVP ZPZVP VZP + =