Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 Ordenamos los datos de menor a mayor . 2 Si la serie tiene un nmero impar de medidas la mediana es
la puntuacin central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6 Me= 5
hasta
a i es la amplitud de la clase.
las amplitudes de
Ejemplo
Calcular la mediana de una distribucin estadstica que viene dada por la siguiente tabla:
fi [60, 63) [63, 66) [66, 69) [69, 72) [72, 75) 5 18 42 27 8 100
Fi 5 23 65 92 100
100/2 = 50
#include<iostream.h> #include<conio.h> void main() {int num[10],b=0,cont=0,numero,val=0; clrscr(); cin>>val; for(int i=0;i<val;i++) {cout<<"numero"; cin>>num[i]; } for(int a=0;a<val;a++) {cont=0; for(b=0;b<val;b++) {if(num[a]==num[b]) {cont++; } if(cont>=2) {numero=num[a]; } }
Moda
La moda es el valor que tiene mayor frecuen cia absolu ta .
Se representa por M o .
2, 3, 3, 4, 4, 4, 5, 5 M o = 4
Si
en
un
grupo esa
hay dos
varias
puntuaciones con es la
la misma mxima,
frecuencia y
frecuencia
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 M o = 1, 5, 9
Cuando
todas
las puntuaciones de
un
grupo
tienen
la misma
2, 2, 3, 3, 6, 6, 9, 9
Si dos
puntuaciones
adyacentes tienen
la frecuencia
mxima ,
0, 1, 3, 3, 5, 5, 7, 8 Mo = 4
f i - + 1 es modal.
la
frecuencia
absoluta
inmediatamente
posterior
la
clase
a i es la amplitud de la clase.
Tambin
se
utiliza
otra frmula de
la moda que
da
un valor
aproximado de sta:
Ejemplo
Calcular la moda de una distribucin estadstica que viene dada por la siguiente ta bla :
fi
[60, 63)
[63, 66)
18
[66, 69)
42
[69, 72)
27
[72, 75)
100
la mo da
aproximad a cuando
existen
distintas
Mediana
Es el valor que ocupa el lugar cen tral de todos los d atos cuando stos estn ordenados de menor a mayor .
Clculo de la mediana
1 Orden amos los d ato s de menor a mayor . 2 S i la serie tiene un nmero imp ar de medidas la median a es
la puntuacin cen tral de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6 Me= 5
a i es la amplitud de la clase.
Ejemplo
Calcular la mediana de una distribucin estadstica que viene da da por la siguiente tabla:
fi
Fi
[60, 63)
[63, 66)
18
23
[66, 69)
42
65
[69, 72)
27
92
[72, 75)
100
100
100 / 2 = 50
Media aritmtica
La media aritmtica es el valor obtenido a l sumar todos
Ejemplo
Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Halla r el peso medio.
En un test realizado a un grupo de 42 personas se han obtenido las puntuaciones que muestra la tabla. Calcula la puntuacin media .
xi
fi
xi fi
[10, 20)
15
15
[20, 30)
25
200
[30,40)
35
10
350
[40, 50)
45
405
[50, 60
55
440
[60,70)
65
260
[70, 80)
75
150
42
1 820
Las suma de las desviaciones de los nmeros 8, 3, 5, 12, 10 de su media aritmtica 7.6 es igua l a 0:
= 0. 4 4.6 2.6 + 4. 4 + 2. 4 = 0
4 Si
todos
los
va lores
de
la
variable
se multiplican por
un
mismo nmero la media aritmtica queda multip lic ada por dicho n mero .
La media es igua l a 74 kg, que es una med ida de centralizac in poco representativa de la distribucin.
Anlisis grfico 3.1 1 de Vernier Software es un programa de grficos que le permite ingresar datos en una tabla de datos, grfico de los datos, realizar anlisis grfico de los datos, transformar los datos, y de impresin la grfica resultante. Aunque el programa va a hacer diferentes tipos de anlisis de datos para que puede descubrir la relacin funcional entre dos variables, gua del usuario supone que su datos medidos (o datos transformados) se relaciona con una funcin lineal y que desea que el lineal funcin que mejor se adapte a sus datos http://academic.pgcc.edu/psc/GA_guide.pdf
Queremos utilizar estos datos para construir una funcin de demanda para el mercado de los bienes races. (Recuerde que una funcin de demanda especifica la demanda, y, medida aqu por ventas anual, como una funcin del precio, x.) Aqu est una traza de y contra x:
Los datos sugiera una recta, ms o menos, y entonces una relacin lineal entre y y x. Aqu son varias rectas que se acercan a los puntos:
P Cul recta ajusta los puntos lo ms estrechamente que posible? R Nos gustara que las ventas que pronosticara la recta (los valores pronosticados ) estuvieran tan
cerca como fuera posible de las ventas reales (los valores observados). Las diferencias entre los valores esperados y los valores pronosticados, que son los errores residuales, son las distancias verticales que se marcan in la figura ms abajo. Error residual = Valor observado - Valor pronosticado
P Entonces como podemos hacerlo? R Sumamos primero todos los cuadrados de los errores residuales para obtener un solo error que se
llama el suma de los errores al cuadrado (SSE -- siglas en ingls de "Sum of Squares Error") y escogemos la recta que se da el ms pequeo valor de SSE. Esta recta se llama la recta de mejor ajuste, recta de regresin, o recta de mnimos cuadrados asociada a los datos.
y 126 103 82 75 82 40 20
Entonces, para la recta y=x+300 SSE = Suma de los valores de errores residuales = - 14 - 17 - 18 - 5 + 22 + 0 + 0 = -32
P Muy bien. Ahora sabemos como se calcula el valor de SSE para una recta ya dada. Como
hallamos la recta de mejor ajuste; es decir, la recta para que SSE es lo menor? R Presentaremos aqu la formula que la determina. Justificarla necesita clculo; puede consultar el capitulo de funciones de varias variables en Clculo Aplicado para una explicacin detallada.
La recta que se ajusta mejor a los n puntos (x1 y1) (x2 y2)
y=mx+b
donde
Pendiente=m=n
(x2)
x 2n
xy
Interseccin=b=n
Aqu,
ym
xy= suma del productos =x1y1+x2y2+ +xnyn del valores de x=x1+x2+ +xn de y=y1+y2+ +yn +x2n
x= suma
xx 1
xx
1 2
yy
1.5 1.6
xyxy
x2x2
3 4
2.1 3.0
x= 10
y= 8.2
xy=
x2=
Pendiente=m=n
(x2)
x 2n ym
xy
y =4(30)1024(23)(10)(8
2)=0 5 Interseccin=b=n
Por lo tanto, la recta de regresin es
y=0 5x+0 8
Antes de seguir... Aqu esta una traza de los pontos de dados y la recta de regresin.
Observe que ni siquiera pasa la recta por uno de los puntos, pero es la recta que se ajusta mejor a los puntos.
Regresamos a los datos sobre la demanda para el mercado de los bienes races con la que empezamos este tema.
Solucin Aqu esta una tabla como la que usamos ms arriba para organizar las calculaciones:
xx
160 180 200 220 240 260 280
yy
126 103 82 75 82 40 20
xyxy
20,160 18,540 16,400 16,500 19,680 10,400 5,600
x2x2
25,600 32,400 40,000 48,400 57,600 67,600 78,400
x=1540
y=528
xy=107 280
x2=350 000
Pendiente=m=n
(x2)
x 2n
xy
Observe que usamos el valor ms exacto que pudimos obtener en la calculadora, m 0 7928571429, en lugar del valor redondeado (0 7929) en la calculacin de b. Eso ilustra la sigiuente regla general: Al calcular, no redondee los resultados intermedios; en vez de eso, utilice los resultados ms exactos que puede obtener, usando los valores guardados en su computadora o calculadora si es posible. Por lo tanto, la recta de regresin es
y=0 7929x+249 9
Ahora podemos utilizar esta ecuacin pronosticar las ventas anuales de casa cuyo precio es $140,000: Ventas anuales de casas preciadas a $140,000 redondee al nmero entero ms cercano
P Si mis puntos estn en una recta, est la recta de mejor ajuste? R S. Si los puntos estn en una recta, el valor mnimo posible de SSE es cero, y eso sucede si se usa
la recta que pasa por todos los puntos. Una consecuencia de este hecho es que se puede usar la herramienta regresin en su graficadora o la herramienta regresin en este sitio para calcular la ecuacin de la recta que pasa por dos puntos especificados.
P Si no todos los untos estn en una recta, cmo puedo saber cunto se acercan a una recta? R Hay un nmero que mide la "bondad de ajuste" de la recta de regresin llamado coeficiente de correlacin. Este nmero, que se representa por r, est entre 1 y 1. Cuanto ms se acerca r a1 o 1, el ajuste es mejor. Si el ajuste es malo, se acerca r a 0. Si el ajusto es exacto, r=1 para una recta con pendiente negativa, o r=1 para una recta de pendiente positiva. La
figura ms abajo muestra varios conjuntos de puntos con sus rectas de regresin, y los valores correspondientes de r.
El coefficiente de correlacin se puede calcular con la siguiente formula. Para obtener la se requieren buenos conocimientos de estadstica.
Coeficiente de correlacin
xy
x2
y2
y=Arx ?
R La idea es convertir una curva exponencial a una recta por medio de logaritmos, como sigue:
Empiece con la funcin exponencial
y=Arx
y tome el logaritmo de ambos lados:
logy=log(Arx)
Las propiedades de logaritmos nos dan entonces
r A =10m =10b
Para resumir,
Regresin exponencial
y=Arx
1. Obtenga la recta de regresin usando los datos (x logy). 2. Los coeficientes deseados A y r son entonces
r A =10m =10b
donde m y b son la pendiente y interseccin de la recta de regresin.
RR = Ingreso ($ billn) 3 4 11 25
* Datos son redondeados. Fuente: Informes de compaa/The New York Times, Enero 27, 1998, p. D1.
Solucin Pues necesitamos modelar logR como una funcin lineal de t, primero construimos una tabla con x=t y y=logR , y entonces calculamos la recta de regresin, y=mx+b. x (=t)x (=t) 0 2 4 7
En lugar de hacer la calculacin a mano como hicimos ms arriba, podemos utilizar la herramienta regresin en este sitio para hacerlo automticamente. Simplemente ingrese los valores de x y y y pulse el botn "y=mx+b". (S, la herramienta puede hacer regresin exponencial directamente, pero preferimos que sabe usted como funciona!) La recta de regresin que obtenemos es
R=Art
, donde r=10m=100 13907