bueno pues creo que con la utilizacion del blog nos ponemos mas al tanto sobre la tecnologia de hoy en dia, ademas de que en el aula virtual nos ayuda a organizarnos mejor asi como a no ser tan monotonos al momento de evaluarnos.
y con la utilizacion del blog fue buena porque yo no no sabia sobre este tipo de tecnologia y esta de nivel porque hay que actualizarlo cada cierto tiempo para estar al tanto del curso.
sábado, 4 de octubre de 2008
lunes, 22 de septiembre de 2008
comentario de probabilidad subjetiva y objetiva
La probabilidad tiene dos enfoque s uno subjetivo y otro objetivo en donde el primer enfoque nos dice quien es el que emite la probabilidad y la segunda hace enfasis en el resultado que obtendremos del problema que vamos a resolver.
probabilidad subjetiva y objetiva
PROBABILIDAD SUBJETIVA
Un punto de vista alternativo que actualmente ha tenido popularidad es interpretar las probabilidades como evaluaciones personales o subjetivas. Tales probabilidades expresan una creencia sobre las incertidumbres involucradas, y se aplican especialmente cuando poca o ninguna evidencia; así que no hay otra opción que considerar evidencias paralelas (indirectas), conjeturas fundamentadas y quizás intuición u otros factores subjetivos.
PROBABILIDAD CLÁSICA
Sea un experimento un espacio de resultados (S), con n resultados igualmente posibles en el cual define un evento A con nA resultados posibles en él.
Un punto de vista alternativo que actualmente ha tenido popularidad es interpretar las probabilidades como evaluaciones personales o subjetivas. Tales probabilidades expresan una creencia sobre las incertidumbres involucradas, y se aplican especialmente cuando poca o ninguna evidencia; así que no hay otra opción que considerar evidencias paralelas (indirectas), conjeturas fundamentadas y quizás intuición u otros factores subjetivos.
PROBABILIDAD CLÁSICA
Sea un experimento un espacio de resultados (S), con n resultados igualmente posibles en el cual define un evento A con nA resultados posibles en él.
domingo, 21 de septiembre de 2008
comentario de diagrama de arbol
Este diagrama nos sirve para establecer un numero de parejas el cual uno debera de determinar si es pernutacion o combinacion sabiendo ya que en permutacion el orden importa y en combinacion el orden no importa, en base a esto uno determina una de las dos posibilidades ya dadas y efecua o aplica la formula especifica ya dada para saber el resultado final.
Las permutaciones y combinaciones pueden ser con repeticion o sin repeticion es por eso que es muy importante conocer este tipo de operaciones y nos sera mas facil al saber interpretar la informacion que se nos a sido proporcionada como resultado de la construccion de un diagrama de arbol.
Las permutaciones y combinaciones pueden ser con repeticion o sin repeticion es por eso que es muy importante conocer este tipo de operaciones y nos sera mas facil al saber interpretar la informacion que se nos a sido proporcionada como resultado de la construccion de un diagrama de arbol.
diagrama de arbol
Un diagrama de árbol es una representación gráfica de un experimento que consta de r pasos, donde cada uno de los pasos tiene un número finito de maneras de ser llevado a cabo.
Para la construcción de un diagrama en árbol se partirá poniendo una rama para cada una de las posibilidades, acompañada de su probabilidad.
En el final de cada rama parcial se constituye a su vez, un nudo del cual parten nuevas ramas, según las posibilidades del siguiente paso, salvo si el nudo representa un posible final del experimento (nudo final).
Hay que tener en cuenta: que la suma de probabilidades de las ramas de cada nudo ha de dar 1.
Para la construcción de un diagrama en árbol se partirá poniendo una rama para cada una de las posibilidades, acompañada de su probabilidad.
En el final de cada rama parcial se constituye a su vez, un nudo del cual parten nuevas ramas, según las posibilidades del siguiente paso, salvo si el nudo representa un posible final del experimento (nudo final).
Hay que tener en cuenta: que la suma de probabilidades de las ramas de cada nudo ha de dar 1.
comentario de probabilidad
La probabilidad es un termino que nos indica la frecuencia con que pueden suceder los fenomenos o cuantifica la repeticion de resultados esperados de experimentos al igual que nos ayuda a tener una mayor certeza de lo que pueda llegar a pasar en un juego al azar o experimento aleatorio (interviene al azar), ya que es importante anticiparce a las cosas que suelen suceder.
probabilidad
Probabilidad:
La probabilidad mide la frecuencia con la que ocurre un resultado en un experimento bajo condiciones suficientemente estables. La teoría de la probabilidad se usa extensamente en áreas como la estadística, la matemática, la ciencia y la filosofía para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecánica subyacente de sistemas complejos.
Interpretaciones :
La palabra probabilidad no tiene una definición consistente. De hecho hay dos amplias categorías de interpretaciones de la probabilidad: los frecuentistas hablan de probabilidades sólo cuando se trata de experimentos aleatorios bien definidos. La frecuencia relativa de ocurrencia del resultado de un experimento, cuando se repite el experimento, es una medida de la probabilidad de ese suceso aleatorio. Los bayesianos, no obstante, asignan las probabilidades a cualquier declaración, incluso cuando no implica un proceso aleatorio, como una manera de representar su verosimilitud subjetiva.
El estudio científico de la probabilidad es un desarrollo moderno. Los juegos de azar muestran que ha habido un interés en cuantificar las ideas de la probabilidad durante milenios, pero las descripciones matemáticas exactas de utilidad en estos problemas sólo surgieron mucho después.
La probabilidad mide la frecuencia con la que ocurre un resultado en un experimento bajo condiciones suficientemente estables. La teoría de la probabilidad se usa extensamente en áreas como la estadística, la matemática, la ciencia y la filosofía para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecánica subyacente de sistemas complejos.
Interpretaciones :
La palabra probabilidad no tiene una definición consistente. De hecho hay dos amplias categorías de interpretaciones de la probabilidad: los frecuentistas hablan de probabilidades sólo cuando se trata de experimentos aleatorios bien definidos. La frecuencia relativa de ocurrencia del resultado de un experimento, cuando se repite el experimento, es una medida de la probabilidad de ese suceso aleatorio. Los bayesianos, no obstante, asignan las probabilidades a cualquier declaración, incluso cuando no implica un proceso aleatorio, como una manera de representar su verosimilitud subjetiva.
El estudio científico de la probabilidad es un desarrollo moderno. Los juegos de azar muestran que ha habido un interés en cuantificar las ideas de la probabilidad durante milenios, pero las descripciones matemáticas exactas de utilidad en estos problemas sólo surgieron mucho después.
comentario de permutaciones y combinaciones
La permutacion es una tecnica de conteo que utilizamos para conocer posibles ordenamientos de los datos, eso si, de manera desordenada es por eso que se dice que en permutacion el orden si importa porque si decimos que (a,b) es = (b,a) encambio en combinaciones el orden no importa porque se decimos que (a,b) no es = (b,a) ya que es literalmente lo mismo ya que el orden de los datos no influye entonces concluimos que permutacion es diferente a combinacion aunque ambas ayudan en la teoria de conjuntos.
permutaciones y combinaciones
Permutación:
En matemáticas, dado un conjunto finito con todos sus elementos diferentes, llamamos permutación a cada una de las posibles ordenaciones de los elementos de dicho conjunto.
Por ejemplo, en el conjunto {1,2,3}, cada ordenación posible de sus elementos, sin repetirlos, es una permutación. Existe un total de 6 permutaciones para estos elementos: "1,2,3", "1,3,2", "2,1,3", "2,3,1", "3,1,2" y "3,2,1".
Combinaciones:
La combinatoria trata del número de diferentes maneras que existen de considerar conjuntos formados a partir de elementos de un conjunto dado respetando ciertas reglas. Así un problema combinatorio consiste usualmente en establecer una regla sobre como deben ser las combinaciones y determinar cuantas combinaciones existen que cumplan dicha regla.
Un tipo importante de esas combinaciones son las llamadas permutaciones. Dada una n-tupla ordenada de elementos de un conjunto el número de permutaciones es el número de n-tuplas ordenadas diferentes que pueden construirse a partir de dicho conjunto.
En matemáticas, dado un conjunto finito con todos sus elementos diferentes, llamamos permutación a cada una de las posibles ordenaciones de los elementos de dicho conjunto.
Por ejemplo, en el conjunto {1,2,3}, cada ordenación posible de sus elementos, sin repetirlos, es una permutación. Existe un total de 6 permutaciones para estos elementos: "1,2,3", "1,3,2", "2,1,3", "2,3,1", "3,1,2" y "3,2,1".
Combinaciones:
La combinatoria trata del número de diferentes maneras que existen de considerar conjuntos formados a partir de elementos de un conjunto dado respetando ciertas reglas. Así un problema combinatorio consiste usualmente en establecer una regla sobre como deben ser las combinaciones y determinar cuantas combinaciones existen que cumplan dicha regla.
Un tipo importante de esas combinaciones son las llamadas permutaciones. Dada una n-tupla ordenada de elementos de un conjunto el número de permutaciones es el número de n-tuplas ordenadas diferentes que pueden construirse a partir de dicho conjunto.
comentario de teoria de conteo
La teoria de conteo nos ayuda mas que nada a establecer la probabilidad de posibles parejas que se pueden hacer en base a dos conjuntos dados, al igual nos ayudan a minimizar el trabajo para contar las posibles posibilidades o combinaciones de elementos de una manera mas facil.
teoria de conteo
La teoría de conjuntos es de mucha utilidad en el desarrollo de las probabilidades, y es por ello que se debe revisar los conocimientos sobre las operaciones de conjuntos como lo son: la unión, la intersección, el complemento de un conjunto.
Para resolver algunos problemas de probabilidades es necesario conocer el numero de elementos que posee cierto conjunto y el conjunto universal, denominado, en probabilidades, espacio muestral, es por ello que se debe saber como determinar el número de elementos de cualquier conjunto, tarea que puede ser algo complicado, sin embargo en algunos casos esto se puede realizar y por ello es que es importante el aprender a calcular este número.
Técnicas de Conteo
Debes recordar la regla principal en las Técnicas de Conteo como lo es la ley de multiplicación:
Si se tienen n elementos de un tipo y m de otro, el número de parejas que se pueden formar tomando un elemento de cada tipo es
mxn.
Las permutaciones, las variaciones y las combinaciones, resultan de la regla de multiplicación.
Para resolver algunos problemas de probabilidades es necesario conocer el numero de elementos que posee cierto conjunto y el conjunto universal, denominado, en probabilidades, espacio muestral, es por ello que se debe saber como determinar el número de elementos de cualquier conjunto, tarea que puede ser algo complicado, sin embargo en algunos casos esto se puede realizar y por ello es que es importante el aprender a calcular este número.
Técnicas de Conteo
Debes recordar la regla principal en las Técnicas de Conteo como lo es la ley de multiplicación:
Si se tienen n elementos de un tipo y m de otro, el número de parejas que se pueden formar tomando un elemento de cada tipo es
mxn.
Las permutaciones, las variaciones y las combinaciones, resultan de la regla de multiplicación.
jueves, 24 de julio de 2008
sábado, 19 de julio de 2008
tipos de tendencia
ESTOCASTICA:
Este tipo de grafica tiene caracteristicas propias como la de tener una tendencia variable similar a la no estacionaria ya que al ejemplificar la grafica toma una forma cambiante en su forma al igual que no posee un rango determinado de la amplitud de sus datos.
CONSTANTE:
Este tipo de grafica es todo lo contrario a la estocasticaya que la constante como su nombre lo dice sus datos son constantes y varian tanto.
Este tipo de grafica tiene caracteristicas propias como la de tener una tendencia variable similar a la no estacionaria ya que al ejemplificar la grafica toma una forma cambiante en su forma al igual que no posee un rango determinado de la amplitud de sus datos.
CONSTANTE:
Este tipo de grafica es todo lo contrario a la estocasticaya que la constante como su nombre lo dice sus datos son constantes y varian tanto.
sábado, 12 de julio de 2008
comentario de las series estacionarias y no estacionarias
Estas graficas son totalmente distintas ya que la grafica estacionaria se mantiene dentro de un rango casi igual y no existe tanta variabilidad en los datos proporcionados ya que los mismos oscilan dentro de un margen de amplitud y no se extienden tanto.
Mientras las graficas no estacionarias son de caracteristica variable ya que los datos proporcionados no mantienen una amplitud especifica sino que varian tanto uno de otro y al intentar trazar una linea no salra ni recta ni curveada sino ira de arriba para abajo
Mientras las graficas no estacionarias son de caracteristica variable ya que los datos proporcionados no mantienen una amplitud especifica sino que varian tanto uno de otro y al intentar trazar una linea no salra ni recta ni curveada sino ira de arriba para abajo
comentario sobre correlacion
La correlacion nos indica que tanta similitud o congruencia tienen las variables que estamos estudiando. Esta similitud nos indica que existe correlacion si suponiendo que tenemos las variables X , Y y si X aumenta Y lo tiene que hacer de la misma manera o viceversa, si esto ocurre enverdad existe correlacion.
una correlacion puede permanecer en un rango de -1, 0, 1 en donde al aplicar la formula de correlacion y el resultado es 1 la correlacion sera perfecta, si el resultado es -1 la correlacion sera negativa perfecta y si el resultado es 0 no existira correlacion alguna y habra error ya que las variables no tienen nada de similitud o congruencia una con otra.
una correlacion puede permanecer en un rango de -1, 0, 1 en donde al aplicar la formula de correlacion y el resultado es 1 la correlacion sera perfecta, si el resultado es -1 la correlacion sera negativa perfecta y si el resultado es 0 no existira correlacion alguna y habra error ya que las variables no tienen nada de similitud o congruencia una con otra.
correlacion
Correlación
En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe correlación si al aumentar los valores de A lo hacen también los de B y viceversa. La correlación entre dos variables no implica, por sí misma, ninguna relación de causalidad.
Fuerza, sentido y forma de la correlación
La relación entre dos variables cuantitativas queda representada mediante la línea de mejor ajuste, trazada a partir de la nube de puntos. Los principales componentes elementales de una línea de ajuste y, por lo tanto, de una correlación, son la fuerza, el sentido y la forma:
La fuerza mide el grado en que la línea representa a la nube de puntos: si la nube es estrecha y alargada, se representa por una línea recta, lo que indica que la relación es fuerte; si la nube de puntos tiene una tendencia elíptica o circular, la relación es débil.
El sentido mide la variación de los valores de B con respecto a A: si al crecer los valores de A lo hacen los de B, la relación es positiva; si al crecer los valores de A disminuyen los de B, la relación es negativa.
La forma establece el tipo de línea que define el mejor ajuste: la línea recta, la curva monotónica o la curva no monotónica.
El coeficiente de correlación de Pearson es un índice estadístico que mide la relación lineal entre dos variables cuantitativas.
El valor del índice de correlación varía en el intervalo [-1, +1]:
Si r = 0, no existe ninguna correlación. El índice indica, por tanto, una independencia total entre las dos variables, es decir, que la variación de una de ellas no influye en absoluto en el valor que pueda tomar la otra.
Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre las dos variables denominada relación directa: cuando una de ellas aumenta, la otra también lo hace en idéntica proporción.
Si 0 < r =" -1,">
En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe correlación si al aumentar los valores de A lo hacen también los de B y viceversa. La correlación entre dos variables no implica, por sí misma, ninguna relación de causalidad.
Fuerza, sentido y forma de la correlación
La relación entre dos variables cuantitativas queda representada mediante la línea de mejor ajuste, trazada a partir de la nube de puntos. Los principales componentes elementales de una línea de ajuste y, por lo tanto, de una correlación, son la fuerza, el sentido y la forma:
La fuerza mide el grado en que la línea representa a la nube de puntos: si la nube es estrecha y alargada, se representa por una línea recta, lo que indica que la relación es fuerte; si la nube de puntos tiene una tendencia elíptica o circular, la relación es débil.
El sentido mide la variación de los valores de B con respecto a A: si al crecer los valores de A lo hacen los de B, la relación es positiva; si al crecer los valores de A disminuyen los de B, la relación es negativa.
La forma establece el tipo de línea que define el mejor ajuste: la línea recta, la curva monotónica o la curva no monotónica.
El coeficiente de correlación de Pearson es un índice estadístico que mide la relación lineal entre dos variables cuantitativas.
El valor del índice de correlación varía en el intervalo [-1, +1]:
Si r = 0, no existe ninguna correlación. El índice indica, por tanto, una independencia total entre las dos variables, es decir, que la variación de una de ellas no influye en absoluto en el valor que pueda tomar la otra.
Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre las dos variables denominada relación directa: cuando una de ellas aumenta, la otra también lo hace en idéntica proporción.
Si 0 < r =" -1,">
comentario sobre regresion
La palabra regresion es un termino que proviene de regresar o volver.
Esta nos ayuda para hacer predicciones o proyecciones es decir que podremos hacer estudios para predecir el futuro ya sea de fenomenos naturales o sociales. este estudio es de importancia para grandes cientificos y para nosotros tambien ya que con este conocimiento podremos realizar nuestras propias predicciones sobre algun fenomeno y por que no en nuestro trabajo para saber como nos iran nuestras ventas, tomando como base o muestra las ventas pasadas.
Esta nos ayuda para hacer predicciones o proyecciones es decir que podremos hacer estudios para predecir el futuro ya sea de fenomenos naturales o sociales. este estudio es de importancia para grandes cientificos y para nosotros tambien ya que con este conocimiento podremos realizar nuestras propias predicciones sobre algun fenomeno y por que no en nuestro trabajo para saber como nos iran nuestras ventas, tomando como base o muestra las ventas pasadas.
regresion
La regresión estadística o regresión a la media es la tendencia de una medición extrema a presentarse más cercana a la media en una segunda medición. La regresión se utiliza para predecir una medida basándonos en el conocimiento de otra.
Origen del concepto
El término regresión fue introducido por Francis Galton en su libro Natural inheritance (1889), partiendo de los análisis estadísticos de Karl Pearson. Su trabajo se centró en la descripción de los rasgos físicos de los descendientes (variable A) a partir de los de sus padres (variable B). Estudiando la altura de padres e hijos a partir de más de mil registros de grupos familiares, se llegó a la conclusión de que los padres muy altos tenían una tendencia a tener hijos que heredaban parte de esta altura, pero que revelaban también una tendencia a regresar a la media. Galton generalizó esta tendencia bajo la "ley de la regresión universal": «Cada peculiaridad en un hombre es compartida por sus descendientes, pero en media, en un grado menor.»
Regresión lineal simple
Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una función simple (lineal) de X que nos permita aproximar Y mediante: Ŷ = a + bX
a (ordenada en el origen, constante)
b (pendiente de la recta)
A la cantidad e=Y-Ŷ se le denomina residuo o error residual.
Así, en el ejemplo de Pearson: Ŷ = 85 cm + 0,5X
Donde Ŷ es la altura predicha del hijo y X la altura del padre: En media, el hijo gana 0,5 cm por cada cm del padre.
Origen del concepto
El término regresión fue introducido por Francis Galton en su libro Natural inheritance (1889), partiendo de los análisis estadísticos de Karl Pearson. Su trabajo se centró en la descripción de los rasgos físicos de los descendientes (variable A) a partir de los de sus padres (variable B). Estudiando la altura de padres e hijos a partir de más de mil registros de grupos familiares, se llegó a la conclusión de que los padres muy altos tenían una tendencia a tener hijos que heredaban parte de esta altura, pero que revelaban también una tendencia a regresar a la media. Galton generalizó esta tendencia bajo la "ley de la regresión universal": «Cada peculiaridad en un hombre es compartida por sus descendientes, pero en media, en un grado menor.»
Regresión lineal simple
Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una función simple (lineal) de X que nos permita aproximar Y mediante: Ŷ = a + bX
a (ordenada en el origen, constante)
b (pendiente de la recta)
A la cantidad e=Y-Ŷ se le denomina residuo o error residual.
Así, en el ejemplo de Pearson: Ŷ = 85 cm + 0,5X
Donde Ŷ es la altura predicha del hijo y X la altura del padre: En media, el hijo gana 0,5 cm por cada cm del padre.
sábado, 21 de junio de 2008
comentario
Estas series de tiempo nos sirven para hacer predicciones o proyecciones a cerca de algun acontecimiento que nos pueda suceder en el futuro y asi poder prepararnos para ello.
Estas son de gran importancia para una empresa, en la agricultura y hasta para un pais porque estas nos informarán de como se comportá cierto acontecimiento, cambio de clima o como se comportaran los clientes ante un nuevo producto.
Estas son de gran importancia para una empresa, en la agricultura y hasta para un pais porque estas nos informarán de como se comportá cierto acontecimiento, cambio de clima o como se comportaran los clientes ante un nuevo producto.
series de tiempo
Una serie de tiempo esta dado por un conjunto de observaciones que están ordenadas en el tiempo, y que estas pueden representar el cambio de una variable ya sea de tipo económica, física, química, biológica, etc, a lo largo esa historia.
El objetivo del análisis de una serie de tiempo es el conocimiento de su patrón de comportamiento, para así poder prever su evolución en el futuro cercano, suponiendo por supuesto que las condiciones no variarán significativamente.
Los pronosticos que se puedan realizar en base al análisis de este tipo de datos serviran para el desarrollo de nuevos planes para inversiones en agricultura por ejemplo, elaboración de nuevos productos por parete de las empresas, prevención de desastres por cambios en el clima, o captar turistas para la ciudad, etc.
El objetivo del análisis de una serie de tiempo es el conocimiento de su patrón de comportamiento, para así poder prever su evolución en el futuro cercano, suponiendo por supuesto que las condiciones no variarán significativamente.
Los pronosticos que se puedan realizar en base al análisis de este tipo de datos serviran para el desarrollo de nuevos planes para inversiones en agricultura por ejemplo, elaboración de nuevos productos por parete de las empresas, prevención de desastres por cambios en el clima, o captar turistas para la ciudad, etc.
sábado, 24 de mayo de 2008
comentario
la teoria de Sheppard es un calculo estadistico que se aplica en situaciones en donde surgen errores de calculo, esto a su vewz se convierte en errores que suelen cambiar los resultados finales, y por eso es importante reconocer en que momento se debe de aplicar dicha formula, la cual nos dara resultados mas confiables y veridicos para exponerlos.
correccion de Sheppard
Corrección de Sheppard para la varianza
Una medida relacionada con la varianza es la corrección de Sheppard, esta medida sirve para corregir los errores que se cometen cuando se realizan cálculos de varianza para datos agrupados, su expresión es dada como:
varianza corregida= varianza de los datos agrupados -c2 (c al cuadrado)/12 y esta se conoce como la correcion de Sheppard.
La restricción que se impone para poder aplicar este tipo de corrección es el hecho que solo se puede aplicar para variables continuas, donde las colas de la distribución en ambas direcciones van a cero. Sin embargo, su inconveniencia esta en que la corrección puede modificar sustancialmente algunos resultados lo que con lleva a cometer otro error, lo que a generado mucha polémica sobre cuando usar la corrección.
Una medida relacionada con la varianza es la corrección de Sheppard, esta medida sirve para corregir los errores que se cometen cuando se realizan cálculos de varianza para datos agrupados, su expresión es dada como:
varianza corregida= varianza de los datos agrupados -c2 (c al cuadrado)/12 y esta se conoce como la correcion de Sheppard.
La restricción que se impone para poder aplicar este tipo de corrección es el hecho que solo se puede aplicar para variables continuas, donde las colas de la distribución en ambas direcciones van a cero. Sin embargo, su inconveniencia esta en que la corrección puede modificar sustancialmente algunos resultados lo que con lleva a cometer otro error, lo que a generado mucha polémica sobre cuando usar la corrección.
viernes, 23 de mayo de 2008
comentario de varianza
la varianza puede ser mal interpretada ya que varios autores estadisticos la comparan con la desviación tipica o estandar ya que su similitud es bastante pero es de importancia conocer que representa cada uno y la desviacion estandar representa a que distancia se escuentra cada dato uno de otro y la varianza representa que tan constante cambia un dato podemos tomar como base su nombre ya que varianza indica variedad o cambio, por alli podriamos partir para abordar este tema la varianza se aplica para saber la variacion de cualquier cosa como por ejemplo la variacion del precio de la gasolina, el pasaje, el precio de las verduras, etc. y asi sucesivamente hasta llegar al punto de estudio estadistico, esta herramienta estadistica nos sirve cuando se cometen errores en la distribución, al momento de fallar en el calculo del intevalo, amplitud o en algunos casos cuando hay datos con cero (0) de frecuencia y afecta la localizacion de datos. esta formula deriva de la teoria de Sheppard.
varianza
En teoría de probabilidad y estadística, la varianza es una medida de la dispersión de una variable aleatoria respecto a su esperanza.
Está relacionada con la desviación estándar o desviación típica, que se suele denotar por la letra griega σ y que es la raíz cuadrada de la varianza,
La varianza representa la media aritmética de las desviaciones con respecto a la media elevadas al cuadrado. Si atendemos a la colección completa de datos (la población en su totalidad) obtenemos la varianza poblacional; y si por el contrario prestamos atención sólo a una muestra de la población, obtenemos en su lugar la varianza muestral
El término desviación estándar fue incorporado a la estadística por Karl Pearson en 1894.
Por la formulación de la varianza podemos pasar a obtener la desviación estándar, tomando la raíz cuadrada positiva de la varianza. Así, si efectuamos la raíz de la varianza muestral, obtenemos la desviación típica muestral; y si por el contrario, efectuamos la raíz sobre la varianza poblacional, obtendremos la desviación típica poblacional.
Varianza (S2 o 2): Es el resultado de la división de la sumatoria de las distancias existentes entre cada dato y su media aritmética elevadas al cuadrado, y el número total de datos.
Distinguimos dos símbolos para identificar la varianza: S2 para datos muestrales, y σ2 para datos poblacionales. Note que la fórmula para la varianza muestral presenta en su denominador al tamaño de la muestra menos uno, tendencia adoptada por los estadísticos para denotar una varianza más conservadora.
Está relacionada con la desviación estándar o desviación típica, que se suele denotar por la letra griega σ y que es la raíz cuadrada de la varianza,
La varianza representa la media aritmética de las desviaciones con respecto a la media elevadas al cuadrado. Si atendemos a la colección completa de datos (la población en su totalidad) obtenemos la varianza poblacional; y si por el contrario prestamos atención sólo a una muestra de la población, obtenemos en su lugar la varianza muestral
El término desviación estándar fue incorporado a la estadística por Karl Pearson en 1894.
Por la formulación de la varianza podemos pasar a obtener la desviación estándar, tomando la raíz cuadrada positiva de la varianza. Así, si efectuamos la raíz de la varianza muestral, obtenemos la desviación típica muestral; y si por el contrario, efectuamos la raíz sobre la varianza poblacional, obtendremos la desviación típica poblacional.
Varianza (S2 o 2): Es el resultado de la división de la sumatoria de las distancias existentes entre cada dato y su media aritmética elevadas al cuadrado, y el número total de datos.
Distinguimos dos símbolos para identificar la varianza: S2 para datos muestrales, y σ2 para datos poblacionales. Note que la fórmula para la varianza muestral presenta en su denominador al tamaño de la muestra menos uno, tendencia adoptada por los estadísticos para denotar una varianza más conservadora.
jueves, 22 de mayo de 2008
comentario de diagrama de cajas o boxplot
Esta es una herramienta estadistica que nos ayuda a mostrar la dispersión de los datos tomamdo en cuenta que los que estan mas juntos son los que se encuentran entre el cuatil 1 y el cuartil 3,los que a su vez representan lo ancho del la caja y presenta valores atípicos que son los que encuentran muy dispersos o muy alejados estos quedan graficados fuera de la caja ya que por su dispersión son tomados en cuenta pero graficados aparte, este diagrama nos ayuda y facilita el entendimiento de la distribución ya que es una grafica facil de leer y las medias que utiliza son los cuatiles 1, 2 y 3 en donde el primero y el ultimo representan lo ancho de la caja, el cuartil 2 representa la mitad de la caja y es igual a la mediana y grafica la ubicación de la media, grafica barreras internas y externas ya en ellas se grafican los valor atipicos.
diagrama de cajas o boxplot
El diagrama de cajas tambien llamado boxplot es la presentación visual que describe al mismo tiempo varias características importantes de un conjunto de datos, tales como el centro, la dispersión, el alejamiento de la simetría, y la identificación de valores extremos (puntos atípicos), es decir, de valores que se alejan de una manera poco usual del resto de los datos.
Presenta los tres cuartiles, (y los valores mínimos y máximos) alineados sobre una caja vertical u horizontalmente.
Para el diagrama de cajas y bigotes se requiere
Calcular la mediana y los otros dos cuartiles, con los cuales se formará la caja, que tiene la mediana como eje central, y como lados los dos cuartiles. Estos cuartiles reciben también los nombres de " bisagras". La altura (anchura) de la caja no interesa.
La distancia H definida como la distancia entre el cuartil superior y el cuartil inferior, es decir, corresponde al rango intecuartílico Þ H = Q3 - Q1 = RIC.
El paso correspondiente a 1.5 veces la distancia Þ Paso = 1.5 H
Cercas Internas, ubicadas a un paso de las bisagras o de los respectivos cuartiles. Así, las Cercas Internas Inferior (CIi) y Superior (CIs) estarán dadas por:CIi = Q1 - PasoCIs = Q3 + PasoSi la cerca interna inferior da menor que el valor mínimo de la muestra, ésta se hace igual al valor mínimo; igualmente, si la cerca interna superior da mayor que el valor máximo, ésta se hace igual a dicho valor.
Cercas Externas, ubicadas a un paso de las cercas internas. Así, las Cercas Externas Inferior (CEi) y Superior (CEs) estarán dadas por:CEi = CIi - PasoCEs = CIs + Paso
Se denominan "valores adyacentes" los ubicados entre las cercas internas y los bordes de las cajas. Por simplicidad no se grafican.
"Valores extremos" son los ubicados entre las dos cercas, y merecen especial atención, ya que pueden ser valores atípicos, que, en algunos casos, no pertenecen realmente a la distribución general de donde provienen los datos.
"Valores lejanos" o , ubicados por fuera de las cercas externas, correspondientes a valores extremos, que requieren un mayor análisis que los valores atípicos.
Presenta los tres cuartiles, (y los valores mínimos y máximos) alineados sobre una caja vertical u horizontalmente.
Para el diagrama de cajas y bigotes se requiere
Calcular la mediana y los otros dos cuartiles, con los cuales se formará la caja, que tiene la mediana como eje central, y como lados los dos cuartiles. Estos cuartiles reciben también los nombres de " bisagras". La altura (anchura) de la caja no interesa.
La distancia H definida como la distancia entre el cuartil superior y el cuartil inferior, es decir, corresponde al rango intecuartílico Þ H = Q3 - Q1 = RIC.
El paso correspondiente a 1.5 veces la distancia Þ Paso = 1.5 H
Cercas Internas, ubicadas a un paso de las bisagras o de los respectivos cuartiles. Así, las Cercas Internas Inferior (CIi) y Superior (CIs) estarán dadas por:CIi = Q1 - PasoCIs = Q3 + PasoSi la cerca interna inferior da menor que el valor mínimo de la muestra, ésta se hace igual al valor mínimo; igualmente, si la cerca interna superior da mayor que el valor máximo, ésta se hace igual a dicho valor.
Cercas Externas, ubicadas a un paso de las cercas internas. Así, las Cercas Externas Inferior (CEi) y Superior (CEs) estarán dadas por:CEi = CIi - PasoCEs = CIs + Paso
Se denominan "valores adyacentes" los ubicados entre las cercas internas y los bordes de las cajas. Por simplicidad no se grafican.
"Valores extremos" son los ubicados entre las dos cercas, y merecen especial atención, ya que pueden ser valores atípicos, que, en algunos casos, no pertenecen realmente a la distribución general de donde provienen los datos.
"Valores lejanos" o , ubicados por fuera de las cercas externas, correspondientes a valores extremos, que requieren un mayor análisis que los valores atípicos.
sábado, 10 de mayo de 2008
relacion entre boxplot y las curvas
existe varias caracteristicas que relacionan al diagrama de cajas con las curvas ya que en ellas se pueden apreciar las medidas de tendia central, entre las cuales se observan la dispersion de los datos asi como asi como cuales son los mas dispersos asi como la concentracion de los mismos
sábado, 3 de mayo de 2008
comentario
el area bajo la curva nos servira para saber que porcentaje o numero de datos se encuentran en determinado lugar tomando como referencia la media o promedio, en lo que se trata del porcentaje bajo la curva normal es de que dicho porcentaje esta dividido en tres una parte positiva y la otra negativa cada una conteniedo casi 50% (la suma de los 6 porcentajes totales + y - no es 100%), el resultado que nos da luego de hallar el area bajo la curva lo buscamos en la tabla de area si en algunos casos nos da negativo no importa porque lo que indica es que se localiza del lado izquierdo (alli se encuentran los negativos), luego lo estandarizamos que no es mas que saber a cuantas desviaciones tipicas o estandar se encuentra dicho dato a partir de la media o punto de referencia.
area bajo la curva
La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró desarrollos más profundos y formuló la ecuación de la curva; de ahí que también se la conozca, más comúnmente, como la "campana de Gauss". La distribución de una variable normal está completamente determinada por dos parámetros, su media y su desviación estándar.
comentario
el portafolios es una herramienta que es muy buena ya que con ella uno hace el trabajo de enseñanza-aprendizaje, en donde uno le pone mas interes al trabajo ya que se nos dan unos datos y nosatros somos los que investigamos y por lo tanto aprendemos mas para estar preparados para ponerlo en practica
miércoles, 26 de marzo de 2008
comentario de diagrama de cajas
El diagrama de cajas es importante ya qye con el nos damos cuenta cuales son los valores o datos que no estan tan dispersos entre ellos localizandoce entre la barrera interior y los que estan muy dispersos entre la barrera exterior.
diagrama de cajas
el diagrama de cajas es la presentación visual que describe al mismo tiempo varias características importantes de un conjunto de datos, tales como el centro, la dispersión, el alejamiento de la simetría, y la identificación de valores extremos (puntos atípicos), es decir, de valores que se alejan de una manera poco usual del resto de los datos.
Presenta los tres cuartiles, (y los valores mínimos y máximos) alineados sobre una caja vertical u horizontalmente, estos son Q1, Q2=mediana,Q3 al igual que la mediapero esta va dependiendo de donde se esta localizando.
Presenta los tres cuartiles, (y los valores mínimos y máximos) alineados sobre una caja vertical u horizontalmente, estos son Q1, Q2=mediana,Q3 al igual que la mediapero esta va dependiendo de donde se esta localizando.
sábado, 15 de marzo de 2008
comentario
segun este torema esta muy relacionado con el teorema del limite central, el cual dice que un gran porcentaje de las observaciones de la muestra cae en el intervalo de 2 desviaciones estandar y asi sucesivamente
medidas de tendencia central
Mediana
La media aritmética no siempre es representativa de una serie estadística. Para complementarla, se utiliza un valor numérico conocido como mediana o valor central.
Dado un conjunto de valores ordenados, su mediana se define como un valor numérico tal que se encuentra en el centro de la serie, con igual número de valores superiores a él que inferiores. Normalmente, la mediana se expresa como Me.
La mediana es única para cada grupo de valores. Cuando el número de valores ordenados (de mayor a menor, o de menor a mayor) de la serie es impar, la mediana corresponderá al valor que ocupe la posición (n + 1)/2 de la serie. Si el número de valores es par, ninguno de ellos ocupará la posición central. Entonces, se tomará como mediana la media aritmética entre los dos valores centrales
Moda
En una serie de valores a los que se asocia una frecuencia, se define moda como el valor de la variable que posee una frecuencia mayor que los restantes. La moda se simboliza normalmente por Mo.
Un grupo de valores puede tener varias modas. Una serie de valores con sólo una moda se denomina unimodal; si tiene dos modas, es bimodal, y así sucesivamente.
Media(La Media Aritmetica)
La medida de tendencia central más obvia que se puede elegir, es el valor obtenido sumando las observaciones y dividiendo esta suma por el número de observaciones que hay en el grupo. La media resume en un valor las características de una variable teniendo en cuenta a todos los casos. Solamente puede utilizarse con variables cuantitativas.
Media Geometrica
La media geométrica de un conjunto de observaciones es la raíz n ésima de su producto. El cálculo de la media geométrica exige que todas las observaciones sean positivas.
Media cuadratica:
La media cuadrática, otra medida de tendencia central, se define como la raíz cuadrada de la media aritmética de los valores de la variable estadística considerada elevados al cuadrado.
La media aritmética no siempre es representativa de una serie estadística. Para complementarla, se utiliza un valor numérico conocido como mediana o valor central.
Dado un conjunto de valores ordenados, su mediana se define como un valor numérico tal que se encuentra en el centro de la serie, con igual número de valores superiores a él que inferiores. Normalmente, la mediana se expresa como Me.
La mediana es única para cada grupo de valores. Cuando el número de valores ordenados (de mayor a menor, o de menor a mayor) de la serie es impar, la mediana corresponderá al valor que ocupe la posición (n + 1)/2 de la serie. Si el número de valores es par, ninguno de ellos ocupará la posición central. Entonces, se tomará como mediana la media aritmética entre los dos valores centrales
Moda
En una serie de valores a los que se asocia una frecuencia, se define moda como el valor de la variable que posee una frecuencia mayor que los restantes. La moda se simboliza normalmente por Mo.
Un grupo de valores puede tener varias modas. Una serie de valores con sólo una moda se denomina unimodal; si tiene dos modas, es bimodal, y así sucesivamente.
Media(La Media Aritmetica)
La medida de tendencia central más obvia que se puede elegir, es el valor obtenido sumando las observaciones y dividiendo esta suma por el número de observaciones que hay en el grupo. La media resume en un valor las características de una variable teniendo en cuenta a todos los casos. Solamente puede utilizarse con variables cuantitativas.
Media Geometrica
La media geométrica de un conjunto de observaciones es la raíz n ésima de su producto. El cálculo de la media geométrica exige que todas las observaciones sean positivas.
Media cuadratica:
La media cuadrática, otra medida de tendencia central, se define como la raíz cuadrada de la media aritmética de los valores de la variable estadística considerada elevados al cuadrado.
estadistica descriptiva
La estadística descriptiva es una parte de la estadística que se dedica a analizar y representar los datos. Este análisis es muy básico, pero fundamental en todo estudio. Aunque hay tendencia a generalizar a toda la población las primeras conclusiones obtenidas tras un análisis descriptivo, su poder inferencial es mínimo y debería evitarse tal proceder. Otras ramas de la estadística se centran en el contraste de hipótesis y su generalización a la población.
comentario:
la estadistica descriptiva nos sirve para mostrar graficamente datos de informacion obtenida de fenomenos sociales cono censos, defunciones, natalidad,etc. ademas de mostrar los datos que tan dispersos estan ya que con las medidads de dispersion podemos determinar que tanto estan dispersos los datos de su punto de origen, y podremos determinar con las medidas de tendencia central que tan confiable es el promedio de los datos ya que varias veces no es asi ya que la media no es muy robusta, es decir, no es estable.
comentario:
la estadistica descriptiva nos sirve para mostrar graficamente datos de informacion obtenida de fenomenos sociales cono censos, defunciones, natalidad,etc. ademas de mostrar los datos que tan dispersos estan ya que con las medidads de dispersion podemos determinar que tanto estan dispersos los datos de su punto de origen, y podremos determinar con las medidas de tendencia central que tan confiable es el promedio de los datos ya que varias veces no es asi ya que la media no es muy robusta, es decir, no es estable.
Suscribirse a:
Entradas (Atom)
