El documento describe los elementos de una tabla de distribución de frecuencias. Explica que una tabla de distribución de frecuencias lista los valores de los datos agrupados en intervalos junto con sus frecuencias correspondientes. Detalla los componentes clave de una tabla de distribución de frecuencias, incluyendo los límites de clase, las fronteras de clase, las marcas de clase y la anchura de clase.
Este documento explica el modelo de Markov, un proceso estocástico discreto en el que la probabilidad de un evento depende solo del evento anterior. Se utiliza para predecir la evolución de sistemas a corto y largo plazo mediante matrices de transición que muestran la probabilidad de pasar de un estado a otro. El modelo tiene aplicaciones en análisis de mercados, pronósticos y fallas de equipo.
Este documento presenta 8 ejercicios de estadística inferencial que involucran pruebas de hipótesis, intervalos de confianza y proporciones. Los ejercicios cubren temas como comparar medias poblacionales usando datos muestrales, estimar proporciones en poblaciones, y construir intervalos de confianza para medias y proporciones con diferentes niveles de confianza.
Este documento presenta varios ejemplos de distribuciones de probabilidad como la binomial y Poisson. Incluye problemas sobre la probabilidad de eventos en situaciones que involucran lanzar monedas y dados, seleccionar elementos defectuosos de una muestra, y el número de bits en un patrón aleatorio. Se piden determinar probabilidades como la de obtener cierto número de "éxitos" o que el número de éxitos sea mayor o menor que un valor.
Este documento presenta tres distribuciones de probabilidad: la distribución lognormal, la distribución de Pareto y la distribución gamma. Explica las propiedades teóricas fundamentales de cada una y cómo calcular sus momentos como la esperanza y la varianza. El objetivo general es exponer los conceptos involucrados en estas tres importantes distribuciones.
Intervalos de confianza para la diferencia de proporcionesYazmin Venegas
El documento describe los intervalos de confianza para estimar parámetros poblacionales como proporciones. Explica que un intervalo de confianza del 95% indica que el verdadero valor del parámetro se encuentra dentro de ese rango con un 95% de probabilidad. Luego detalla cómo construir intervalos de confianza para una proporción poblacional o la diferencia entre dos proporciones, basándose en el tamaño muestral y el valor crítico z.
El documento describe la distribución exponencial, una distribución de probabilidad continua utilizada para modelar el tiempo entre eventos. Explica que sigue una función de densidad de probabilidad exponencial y analiza propiedades como la media y función de distribución. Luego presenta ejemplos como el tiempo entre desintegraciones de partículas radiactivas y el tiempo de espera en una línea telefónica.
Este documento describe diferentes tipos de relaciones para flujos de efectivo discretos con capitalización al fin del periodo, incluyendo cantidades compuestas, valores presentes, recuperación de capital, fondos de amortización, series uniformes, y gradientes aritméticos y geométricos. Proporciona fórmulas matemáticas y diagramas de ejemplo para cada tipo de relación.
Este documento presenta las distribuciones t de Student, chi cuadrado y F de Fisher. Explica que la distribución t surge de estimar la media de una población normal con muestras pequeñas. La chi cuadrado se usa para variables categóricas y la F compara varianzas de dos poblaciones. Cada una tiene características, condiciones de uso y tablas de valores asociados a grados de libertad.
Este documento explica el modelo de Markov, un proceso estocástico discreto en el que la probabilidad de un evento depende solo del evento anterior. Se utiliza para predecir la evolución de sistemas a corto y largo plazo mediante matrices de transición que muestran la probabilidad de pasar de un estado a otro. El modelo tiene aplicaciones en análisis de mercados, pronósticos y fallas de equipo.
Este documento presenta 8 ejercicios de estadística inferencial que involucran pruebas de hipótesis, intervalos de confianza y proporciones. Los ejercicios cubren temas como comparar medias poblacionales usando datos muestrales, estimar proporciones en poblaciones, y construir intervalos de confianza para medias y proporciones con diferentes niveles de confianza.
Este documento presenta varios ejemplos de distribuciones de probabilidad como la binomial y Poisson. Incluye problemas sobre la probabilidad de eventos en situaciones que involucran lanzar monedas y dados, seleccionar elementos defectuosos de una muestra, y el número de bits en un patrón aleatorio. Se piden determinar probabilidades como la de obtener cierto número de "éxitos" o que el número de éxitos sea mayor o menor que un valor.
Este documento presenta tres distribuciones de probabilidad: la distribución lognormal, la distribución de Pareto y la distribución gamma. Explica las propiedades teóricas fundamentales de cada una y cómo calcular sus momentos como la esperanza y la varianza. El objetivo general es exponer los conceptos involucrados en estas tres importantes distribuciones.
Intervalos de confianza para la diferencia de proporcionesYazmin Venegas
El documento describe los intervalos de confianza para estimar parámetros poblacionales como proporciones. Explica que un intervalo de confianza del 95% indica que el verdadero valor del parámetro se encuentra dentro de ese rango con un 95% de probabilidad. Luego detalla cómo construir intervalos de confianza para una proporción poblacional o la diferencia entre dos proporciones, basándose en el tamaño muestral y el valor crítico z.
El documento describe la distribución exponencial, una distribución de probabilidad continua utilizada para modelar el tiempo entre eventos. Explica que sigue una función de densidad de probabilidad exponencial y analiza propiedades como la media y función de distribución. Luego presenta ejemplos como el tiempo entre desintegraciones de partículas radiactivas y el tiempo de espera en una línea telefónica.
Este documento describe diferentes tipos de relaciones para flujos de efectivo discretos con capitalización al fin del periodo, incluyendo cantidades compuestas, valores presentes, recuperación de capital, fondos de amortización, series uniformes, y gradientes aritméticos y geométricos. Proporciona fórmulas matemáticas y diagramas de ejemplo para cada tipo de relación.
Este documento presenta las distribuciones t de Student, chi cuadrado y F de Fisher. Explica que la distribución t surge de estimar la media de una población normal con muestras pequeñas. La chi cuadrado se usa para variables categóricas y la F compara varianzas de dos poblaciones. Cada una tiene características, condiciones de uso y tablas de valores asociados a grados de libertad.
Este documento describe varias distribuciones estadísticas como la distribución de Fisher, la distribución t de Student y la distribución chi-cuadrada. Explica sus características, cómo se usan sus tablas y algunos ejemplos de aplicaciones como comparar varianzas, intervalos de confianza y pruebas de hipótesis.
Este documento explica las ecuaciones diferenciales exactas. Para que una ecuación diferencial sea exacta, las derivadas parciales de sus funciones con respecto a cada variable deben ser iguales. Esto permite usar una fórmula básica para resolverla mediante integración. El documento también presenta un ejemplo paso a paso de cómo determinar si una ecuación es exacta y resolverla usando la fórmula general.
Cien problemas de programacion lineal parte 3fzeus
MAX Z = 4000 X, + 3000 X2
Sujeto a:
1. 3X, + X2 < 3000
2. 4X, + 3X2 < 6000
3. X, > 400
X,, X2 > 0
Resumen: El problema busca maximizar las utilidades de una empresa que puede producir pantalones o blusas diariamente. Se busca determinar la cantidad óptima de cada producto a producir sujeto a restricciones de capacidad de producción y acabado, requiriendo un mínimo de 400 pantalones diarios.
Este documento trata sobre conceptos estadísticos como distribuciones de muestreo, estimación estadística e intervalos de confianza. Explica qué son las distribuciones de muestreo y cómo se pueden aproximar a distribuciones asintóticas. Luego define la estimación estadística y los diferentes métodos como estimación puntual, por intervalos y bayesiana. Finalmente, cubre temas como distribuciones normales, t de Student e intervalos de confianza para proporciones.
Distribuciones Contínuas Especiales: Investigación On-line
Para esta actividad, cada participante deberá realizar una investigacion documental sobre la naturaleza y los campos de aplicación en el ámbito de la Ingeniería de cada una de las siguientes distribuciones de probabilidad de tipo continuo:
a) Distribución Gamma. b) Distribución Exponencial. c) Distribución Erlang d) Distribución Weibull
El trabajo debe ser subido al servidor usando el editor de textos, con un minimo de 600 y un máximo de 1000 palabras. La fecha tope de entrega se fija para la medianoche del domingo 28/01/18. Esta evaluacion tiene un valor de 10 ptos. y es de carácter individual.Para pegar textos en el editor desde otras aplicaciones como Word, usar la combinacion de teclas Ctrl+v. De esta manera evitan que la pagina les registre time-out a la hora de guardar.
Los teoremas del valor inicial y del valor final permiten determinar el valor inicial f(0+) y el valor final f(∞) de una función a través de su transformada de Laplace F(s). El teorema del valor inicial establece que f(0+) es igual al límite de sF(s) cuando s tiende a infinito. El teorema del valor final indica que f(∞) es igual al límite de sF(s) cuando s tiende a cero, siempre que los polos de F(s) se encuentren en el semiplano izquierdo. Estos teoremas son ú
Este documento explica cómo construir distribuciones muestrales de medias para una población, incluyendo los pasos para: 1) determinar el número de muestras posibles, 2) listar todas las muestras, 3) calcular la media de cada muestra, 4) agrupar las medias y calcular la media de medias, 5) calcular el error típico de la muestra y la población. Proporciona ejemplos para muestras con y sin reposición de tamaños 2 y 3 elementos seleccionados de poblaciones dadas.
Metodo de Integracion por Recurrencia Y Ecuacion de BernoulliFrancisco Xavier
Este documento presenta dos temas: 1) Integración por recurrencia, que consiste en encontrar una relación entre la integral que se quiere hallar y otra integral similar para ir reduciendo el exponente hasta que sea fácil de calcular. 2) La ecuación de Bernoulli, que es una ecuación diferencial ordinaria de primer orden cuya solución implica determinar un factor integrante y aplicar la fórmula general de integración.
Este documento explica conceptos básicos de estimación estadística como población, parámetro, estimador, muestra, inferencia, propiedades de un estimador como insesgamiento, consistencia y eficiencia. Presenta un ejemplo para ilustrar el cálculo de un estimador y sus propiedades usando datos sobre errores cometidos por secretarias. Finalmente propone un ejercicio para revisar las propiedades de consistencia y eficiencia comparando estimadores.
El documento presenta conceptos básicos sobre pruebas de hipótesis, incluyendo definiciones de hipótesis nula y alternativa, región crítica, niveles de significación, y tipos de errores. Explica cómo formular y realizar pruebas de hipótesis sobre medias, proporciones y comparaciones entre dos poblaciones usando estadísticas Z, t de Student y chi cuadrado. Incluye ejemplos para ilustrar cada tipo de prueba.
Este documento explica los conceptos de media, mediana y moda para datos agrupados. La media es el punto medio de los valores de los datos. Se calcula sumando los productos de la frecuencia por el punto medio de cada clase e dividiendo por el número total de datos. La mediana es el punto medio que divide los datos en dos partes iguales. La moda es el valor que ocurre con más frecuencia en los datos. Puede haber un valor bimodal o multimodal.
Este documento presenta varios temas relacionados con la teoría de muestras pequeñas. Introduce la distribución t de Student y explica cómo se puede usar para construir intervalos de confianza para una media cuando la varianza es desconocida. También cubre la distribución Ji-cuadrada y Fisher, y cómo se pueden usar para realizar pruebas de hipótesis sobre varianzas y diferencias de medias con muestras pequeñas de distribuciones normales. Finalmente, presenta algunos métodos estadísticos no paramétricos.
Este documento trata sobre la estimación estadística y la inferencia estadística. Explica que la estimación permite obtener valores aproximados de parámetros poblacionales como la media, mediana y moda a partir de una muestra. También define conceptos como estimador, error de estimación, intervalo de confianza y coeficiente de confianza. Finalmente, presenta fórmulas para calcular intervalos de confianza para la media, diferencia de medias, proporciones y diferencia de proporciones.
Este documento presenta diferentes distribuciones de probabilidad continuas como la gamma, exponencial y Weibull. Describe sus usos, gráficas y provee ejemplos para cada una. La distribución gamma modela la suma de variables independientes distribuidas exponencialmente, mientras que la exponencial describe procesos donde se analiza el tiempo hasta que ocurre un evento.
Este documento presenta varios ejercicios relacionados con la estimación de proporciones en una población a través de muestreo. Explica conceptos como valor crítico, margen de error e intervalo de confianza, y guía al lector en el cálculo de estos valores para diferentes conjuntos de datos de muestras. El objetivo es enseñar al lector a estimar proporciones poblacionales y determinar la certeza de dichas estimaciones.
1) El documento describe un modelo de transporte matemático para optimizar el transporte de mercancías desde orígenes a destinos. 2) Incluye ejemplos de cómo aplicar el modelo de transporte no solo al transporte físico sino también a problemas de planificación de producción e inventarios y mantenimiento. 3) El modelo busca minimizar los costos totales de transporte sujeto a restricciones de oferta y demanda en los orígenes y destinos.
El documento describe los conceptos básicos de población, muestra, parámetro, estadística, variables y escalas de medición en estadística. Explica que una población es el conjunto total de datos sobre un fenómeno, mientras que una muestra es un subconjunto de la población. Los parámetros describen características de la población, mientras que las estadísticas describen características de la muestra. Las variables pueden ser cualitativas o cuantitativas y se miden en escalas nominal, ordinal, de interval
Este documento resume los conceptos clave del análisis de regresión lineal, incluyendo: 1) la estimación de parámetros por mínimos cuadrados para determinar la ecuación de regresión, 2) el cálculo del error estándar de estimación, y 3) el uso de intervalos de predicción y confianza. Contiene dos ejemplos numéricos que ilustran estos conceptos.
Este documento describe la distribución normal y cómo calcular probabilidades utilizando esta distribución. Explica que una distribución normal está caracterizada por su media y desviación estándar, y que su gráfica forma una campana de Gauss. También introduce la distribución normal estándar con media 0 y desviación estándar 1, y cómo transformar cualquier distribución normal a esta forma estándar mediante tipificación. A continuación, proporciona ejemplos numéricos de cómo calcular áreas y probabilidades bajo la curva normal.
MyFitnessPal is a new application created by Under Armour that helps users lose weight by recording their daily food intake. The app allows users to easily log their diet, view their progress in graphs, and track their goals. It also provides nutrition graphs and allows users to upload recipes and meals to the app for easy reference when traveling or eating outside the home. The app integrates with other devices to count daily steps and include physical activity in the user's plan.
This document contains an extensive table of contents outlining its organization into 11 chapters covering global regions. Each chapter includes analysis of end use sectors and raw materials, market outlook, strategies and country profiles for the region. Numerous tables provide historical and projected demand data for metal packaging by region, country, sector and substrate. The document thus appears to provide a comprehensive global market analysis and forecast for the metal packaging industry through 2026.
Este documento describe varias distribuciones estadísticas como la distribución de Fisher, la distribución t de Student y la distribución chi-cuadrada. Explica sus características, cómo se usan sus tablas y algunos ejemplos de aplicaciones como comparar varianzas, intervalos de confianza y pruebas de hipótesis.
Este documento explica las ecuaciones diferenciales exactas. Para que una ecuación diferencial sea exacta, las derivadas parciales de sus funciones con respecto a cada variable deben ser iguales. Esto permite usar una fórmula básica para resolverla mediante integración. El documento también presenta un ejemplo paso a paso de cómo determinar si una ecuación es exacta y resolverla usando la fórmula general.
Cien problemas de programacion lineal parte 3fzeus
MAX Z = 4000 X, + 3000 X2
Sujeto a:
1. 3X, + X2 < 3000
2. 4X, + 3X2 < 6000
3. X, > 400
X,, X2 > 0
Resumen: El problema busca maximizar las utilidades de una empresa que puede producir pantalones o blusas diariamente. Se busca determinar la cantidad óptima de cada producto a producir sujeto a restricciones de capacidad de producción y acabado, requiriendo un mínimo de 400 pantalones diarios.
Este documento trata sobre conceptos estadísticos como distribuciones de muestreo, estimación estadística e intervalos de confianza. Explica qué son las distribuciones de muestreo y cómo se pueden aproximar a distribuciones asintóticas. Luego define la estimación estadística y los diferentes métodos como estimación puntual, por intervalos y bayesiana. Finalmente, cubre temas como distribuciones normales, t de Student e intervalos de confianza para proporciones.
Distribuciones Contínuas Especiales: Investigación On-line
Para esta actividad, cada participante deberá realizar una investigacion documental sobre la naturaleza y los campos de aplicación en el ámbito de la Ingeniería de cada una de las siguientes distribuciones de probabilidad de tipo continuo:
a) Distribución Gamma. b) Distribución Exponencial. c) Distribución Erlang d) Distribución Weibull
El trabajo debe ser subido al servidor usando el editor de textos, con un minimo de 600 y un máximo de 1000 palabras. La fecha tope de entrega se fija para la medianoche del domingo 28/01/18. Esta evaluacion tiene un valor de 10 ptos. y es de carácter individual.Para pegar textos en el editor desde otras aplicaciones como Word, usar la combinacion de teclas Ctrl+v. De esta manera evitan que la pagina les registre time-out a la hora de guardar.
Los teoremas del valor inicial y del valor final permiten determinar el valor inicial f(0+) y el valor final f(∞) de una función a través de su transformada de Laplace F(s). El teorema del valor inicial establece que f(0+) es igual al límite de sF(s) cuando s tiende a infinito. El teorema del valor final indica que f(∞) es igual al límite de sF(s) cuando s tiende a cero, siempre que los polos de F(s) se encuentren en el semiplano izquierdo. Estos teoremas son ú
Este documento explica cómo construir distribuciones muestrales de medias para una población, incluyendo los pasos para: 1) determinar el número de muestras posibles, 2) listar todas las muestras, 3) calcular la media de cada muestra, 4) agrupar las medias y calcular la media de medias, 5) calcular el error típico de la muestra y la población. Proporciona ejemplos para muestras con y sin reposición de tamaños 2 y 3 elementos seleccionados de poblaciones dadas.
Metodo de Integracion por Recurrencia Y Ecuacion de BernoulliFrancisco Xavier
Este documento presenta dos temas: 1) Integración por recurrencia, que consiste en encontrar una relación entre la integral que se quiere hallar y otra integral similar para ir reduciendo el exponente hasta que sea fácil de calcular. 2) La ecuación de Bernoulli, que es una ecuación diferencial ordinaria de primer orden cuya solución implica determinar un factor integrante y aplicar la fórmula general de integración.
Este documento explica conceptos básicos de estimación estadística como población, parámetro, estimador, muestra, inferencia, propiedades de un estimador como insesgamiento, consistencia y eficiencia. Presenta un ejemplo para ilustrar el cálculo de un estimador y sus propiedades usando datos sobre errores cometidos por secretarias. Finalmente propone un ejercicio para revisar las propiedades de consistencia y eficiencia comparando estimadores.
El documento presenta conceptos básicos sobre pruebas de hipótesis, incluyendo definiciones de hipótesis nula y alternativa, región crítica, niveles de significación, y tipos de errores. Explica cómo formular y realizar pruebas de hipótesis sobre medias, proporciones y comparaciones entre dos poblaciones usando estadísticas Z, t de Student y chi cuadrado. Incluye ejemplos para ilustrar cada tipo de prueba.
Este documento explica los conceptos de media, mediana y moda para datos agrupados. La media es el punto medio de los valores de los datos. Se calcula sumando los productos de la frecuencia por el punto medio de cada clase e dividiendo por el número total de datos. La mediana es el punto medio que divide los datos en dos partes iguales. La moda es el valor que ocurre con más frecuencia en los datos. Puede haber un valor bimodal o multimodal.
Este documento presenta varios temas relacionados con la teoría de muestras pequeñas. Introduce la distribución t de Student y explica cómo se puede usar para construir intervalos de confianza para una media cuando la varianza es desconocida. También cubre la distribución Ji-cuadrada y Fisher, y cómo se pueden usar para realizar pruebas de hipótesis sobre varianzas y diferencias de medias con muestras pequeñas de distribuciones normales. Finalmente, presenta algunos métodos estadísticos no paramétricos.
Este documento trata sobre la estimación estadística y la inferencia estadística. Explica que la estimación permite obtener valores aproximados de parámetros poblacionales como la media, mediana y moda a partir de una muestra. También define conceptos como estimador, error de estimación, intervalo de confianza y coeficiente de confianza. Finalmente, presenta fórmulas para calcular intervalos de confianza para la media, diferencia de medias, proporciones y diferencia de proporciones.
Este documento presenta diferentes distribuciones de probabilidad continuas como la gamma, exponencial y Weibull. Describe sus usos, gráficas y provee ejemplos para cada una. La distribución gamma modela la suma de variables independientes distribuidas exponencialmente, mientras que la exponencial describe procesos donde se analiza el tiempo hasta que ocurre un evento.
Este documento presenta varios ejercicios relacionados con la estimación de proporciones en una población a través de muestreo. Explica conceptos como valor crítico, margen de error e intervalo de confianza, y guía al lector en el cálculo de estos valores para diferentes conjuntos de datos de muestras. El objetivo es enseñar al lector a estimar proporciones poblacionales y determinar la certeza de dichas estimaciones.
1) El documento describe un modelo de transporte matemático para optimizar el transporte de mercancías desde orígenes a destinos. 2) Incluye ejemplos de cómo aplicar el modelo de transporte no solo al transporte físico sino también a problemas de planificación de producción e inventarios y mantenimiento. 3) El modelo busca minimizar los costos totales de transporte sujeto a restricciones de oferta y demanda en los orígenes y destinos.
El documento describe los conceptos básicos de población, muestra, parámetro, estadística, variables y escalas de medición en estadística. Explica que una población es el conjunto total de datos sobre un fenómeno, mientras que una muestra es un subconjunto de la población. Los parámetros describen características de la población, mientras que las estadísticas describen características de la muestra. Las variables pueden ser cualitativas o cuantitativas y se miden en escalas nominal, ordinal, de interval
Este documento resume los conceptos clave del análisis de regresión lineal, incluyendo: 1) la estimación de parámetros por mínimos cuadrados para determinar la ecuación de regresión, 2) el cálculo del error estándar de estimación, y 3) el uso de intervalos de predicción y confianza. Contiene dos ejemplos numéricos que ilustran estos conceptos.
Este documento describe la distribución normal y cómo calcular probabilidades utilizando esta distribución. Explica que una distribución normal está caracterizada por su media y desviación estándar, y que su gráfica forma una campana de Gauss. También introduce la distribución normal estándar con media 0 y desviación estándar 1, y cómo transformar cualquier distribución normal a esta forma estándar mediante tipificación. A continuación, proporciona ejemplos numéricos de cómo calcular áreas y probabilidades bajo la curva normal.
MyFitnessPal is a new application created by Under Armour that helps users lose weight by recording their daily food intake. The app allows users to easily log their diet, view their progress in graphs, and track their goals. It also provides nutrition graphs and allows users to upload recipes and meals to the app for easy reference when traveling or eating outside the home. The app integrates with other devices to count daily steps and include physical activity in the user's plan.
This document contains an extensive table of contents outlining its organization into 11 chapters covering global regions. Each chapter includes analysis of end use sectors and raw materials, market outlook, strategies and country profiles for the region. Numerous tables provide historical and projected demand data for metal packaging by region, country, sector and substrate. The document thus appears to provide a comprehensive global market analysis and forecast for the metal packaging industry through 2026.
Este documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, mientras que el coeficiente de Spearman mide la correlación entre dos variables al menos ordinales después de convertir los valores a rangos. Ambos coeficientes oscilan entre -1 y 1, donde valores cercanos a 1 indican una fuerte correlación positiva y valores cercanos a -1 indican una fuerte correlación negativa.
Este documento define y explica varias medidas de dispersión estadísticas como el rango, la desviación típica, la varianza y el coeficiente de variación. Describe cómo se calculan estas medidas y qué información proporcionan sobre la variabilidad de los datos en una distribución con respecto a su media. También explica las características y utilidad de cada medida de dispersión.
10 Things Renters Want In Their Next-Gen Apartment | Part 8Ivan Kaufman
Multifamily owners are constantly trying to get ahead of the curve when it comes the needs and desires of today's generations of renters. What amenities do these renters really want? And how much are they willing to pay for them? A recent survey of nearly 85,000 renters by Multifamily Executive and J Turner Research aimed to find out. Here's part 8.
Este documento presenta información sobre un estudiante que realizó un trabajo. Renny Rojas, estudiante del Instituto Universitario Politécnico Santiago Mariño en la Extensión Porlamar, completó un proyecto sobre Planificación y Control de Mantenimiento para su carrera de Ingeniería Mecánica.
Grado de la carga familiar debida a trastornos psicoticos en pacientes del in...Luana Rodriguez Rios
Investigación de tipo cuantitativa y Cualitativa, los actores 33 pacientes que cumplían los criterios de inclusión y 10 familiares cuidadores, los más representativos para el estudio. Se concluyó que los pacientes necesitaban una supervisión y estimulación del familiar cuidador constante, en cuanto a sus actividades de la vida diaria, casi todos los pacientes presentaron conductas desadaptadas durante la fase aguda de su enfermedad, no aportaban recursos económicos a la familia, significando más bien un gasto económico importante, todos los cuidadores declararon que habían tenido que modificar su rutina diaria debido a la atención brindada al paciente, una mitad de los cuidadores reconoció que el sobreesfuerzo invertido en el cuidado del paciente afectó su salud, se evidenció que el agobio y malestar en el familiar cuidador era muy intenso.
Este documento define y explica diferentes medidas de dispersión estadísticas como el rango, la desviación típica, la varianza y el coeficiente de variación. Describe cómo estas medidas cuantifican cuán separados están los valores de una distribución con respecto a la media y cómo indican el grado de variabilidad. También explica cómo calcular e interpretar cada medida y sus usos y características.
Este documento presenta definiciones y explicaciones de términos básicos de estadística como variables estadísticas, población, muestra, parámetros estadísticos, escalas de medición, sumatoria, razón, proporción y tasa. Explica conceptos clave de la estadística usando ejemplos para ilustrar cada término.
Este documento define conceptos básicos de estadística como variable, población, muestra, parámetros estadísticos y escalas de medición. Explica que una variable es cualquier cantidad o cualidad que puede cambiar, y que una variable aleatoria es aquella cuyos cambios no pueden determinarse antes de ocurrir. Define población como el conjunto total de datos u objetos a estudiar, y muestra como un subconjunto de la población. También presenta ejemplos de parámetros estadísticos, razón, proporción, tasa y frecuencia
Este documento describe los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, mientras que el coeficiente de Spearman mide la correlación entre variables al menos ordinales. Ambos coeficientes oscilan entre -1 y 1, indicando correlaciones negativas o positivas respectivamente.
Este documento describe los elementos y métodos para construir tablas de distribución de frecuencia. Explica que una tabla de frecuencia agrupa los datos originales en intervalos de clases y cuenta la frecuencia de cada clase. También define conceptos como intervalos de clase, número de clases, frecuencias simple y acumulada, y métodos para calcular medidas de tendencia central como la media, moda y mediana a partir de una tabla de frecuencias.
El documento describe la distribución binomial y normal. La distribución binomial modeliza el número de éxitos que pueden ocurrir en una serie de ensayos independientes con una probabilidad constante de éxito. La distribución normal es muy importante y puede aproximar la distribución de muchas variables. Representa fenómenos causados por pequeños efectos aleatorios que tienden a sumarse.
The document summarizes Starbucks' success in the 1990s through consistent high-quality customer service and specific targeting of affluent customers. It then discusses declines in customer satisfaction in later years due to longer wait times and less focus on customers. The document proposes changes Starbucks could make, such as investing $40 million annually in labor to improve efficiency and customer interactions to increase satisfaction levels.
Titan watches changed consumers' motivation in the wrist watch market through brand marketing instead of product marketing. They positioned themselves as a premium brand and segmented the market based on needs. Titan considered variety, quality, and customer service. They aimed to make their brand look global and convince customers that Titan watches offered modern styles and quality on par with foreign brands. Titan chose to position their brands emotionally, focusing on experiences and aspirations rather than just product attributes. They aimed to make watches a fashion accessory rather than just a timekeeping device.
Team 1 Alpha submitted a document outlining Wipro's Management By Objectives (MBO) appraisal process. The document describes the MBO process, which involves goal setting, self-appraisals, supervisor assessments, and reviews. Employees set goals with their supervisors and conduct self-appraisals, while supervisors assess performance and results. The process aims to align individual goals with organizational objectives. Advantages include emphasizing goals to achieve objectives, while disadvantages are time-consuming development and increased paperwork. The document notes that companies like Virtusa and L&T also use MBO for performance appraisals.
Este documento introduce conceptos básicos de probabilidad y estadística. Explica la diferencia entre fenómenos deterministas y aleatorios, y define espacio muestral y sucesos. Además, describe tipos de sucesos como elementales, compuestos, imposibles y seguros. Por último, presenta operaciones con sucesos como unión, intersección y diferencia, y introduce la noción de probabilidad de un suceso.
Este documento define y explica tres medidas de tendencia central: la media, la mediana y la moda. La media es la suma de todos los valores dividida por el número total de datos. La mediana es el valor central de los datos ordenados de menor a mayor. La moda es el valor que se repite con más frecuencia. El documento incluye ejemplos de cómo calcular estas medidas para datos agrupados y no agrupados.
Este documento describe los conceptos y cálculos básicos relacionados con las medidas de tendencia central y dispersión en estadística descriptiva. Explica la tabla de distribución de frecuencia, intervalo de clase, media, mediana, moda y medidas de dispersión como desviación estándar y varianza. Además, proporciona ejemplos y fórmulas para calcular estas medidas para datos agrupados y no agrupados. Finalmente, incluye una bibliografía con enlaces a recursos adicionales sobre estadística descriptiva.
El documento describe los conceptos básicos de la distribución de frecuencias, incluyendo intervalos de clase, frecuencias simples y acumuladas, y medidas de tendencia central como la media, mediana y moda. También presenta un ejemplo numérico para ilustrar el cálculo de la moda y la mediana a partir de una tabla de frecuencias.
El documento presenta información sobre diferentes tipos de variables estadísticas (nominales, ordinales, de intervalo y de razón) y estadígrafos (medidas descriptivas). Explica los niveles de medición, las razones y porcentajes más usados, y define conceptos como tasas, estadígrafos, estadísticos y estimadores. Luego, describe distintos estadígrafos de posición, tendencia central, localización, dispersión, concentración y forma; e incluye ejemplos de su cálculo e interpretación.
El documento explica cómo construir tablas de frecuencias para resumir y organizar datos estadísticos. Describe los tipos de frecuencias (absoluta, relativa, acumulada) y cómo calcularlas. También cubre cómo agrupar datos continuos en intervalos de clases para crear tablas de frecuencias, incluyendo cómo determinar el número de intervalos, el tamaño de los intervalos y los límites de cada clase.
El documento explica los elementos básicos de una distribución de frecuencias, que es una tabla que organiza y resume un conjunto de datos agrupándolos en intervalos de valores y mostrando la frecuencia con la que ocurren dichos valores. Describe los componentes clave de una distribución de frecuencias, incluyendo la frecuencia de cada intervalo, los límites superior e inferior de cada intervalo, las fronteras y marcas de los intervalos, y la anchura de los intervalos. Utiliza un ejemplo de los niveles de cotinina en un grupo de fumadores para
El documento describe diferentes métodos para organizar y resumir datos estadísticos, incluyendo tablas de frecuencias, intervalos de clase, frecuencia simple, frecuencia acumulada, y medidas de tendencia central como la media, mediana y moda. Explica cómo calcular y aplicar cada uno de estos conceptos a conjuntos de datos.
Este documento explica los conceptos de distribución de frecuencias, intervalos de clase, medidas de tendencia central (media, mediana y moda) y medidas de dispersión. Describe cómo construir tablas de frecuencias simples y acumuladas, y cómo calcular la media, mediana y moda para datos agrupados y no agrupados. También define conceptos como desviación estándar, varianza y error típico para medir la dispersión de los datos.
El documento describe los pasos para organizar datos estadísticos en tablas de distribución de frecuencias. Explica que los datos en bruto se sintetizan en tablas para hacerlos más interpretables. Estas tablas pueden ser para datos no agrupados, mostrando las frecuencias de cada valor, o para datos agrupados en intervalos, contando las frecuencias por rango. El documento provee detalles sobre cómo construir ambos tipos de tablas siguiendo pasos específicos.
Este documento explica los conceptos básicos de la distribución de frecuencias y la estadística descriptiva. Define la frecuencia absoluta, frecuencia relativa y frecuencia acumulada, y cómo se calculan y representan gráficamente. También describe cómo se agrupan los datos en intervalos de clases para distribuciones de frecuencias agrupadas. Finalmente, resume las medidas de tendencia central como la media, mediana y moda, y cómo se usan para describir conjuntos de datos numéricos.
Este documento presenta conceptos básicos de estadística. Explica que la estadística es una ciencia que estudia fenómenos mediante la descripción y análisis de datos, y que se divide en estadística descriptiva, que describe datos, y estadística inferencial, que realiza inferencias a partir de muestras. También define conceptos como población, muestra, distribución de frecuencias, medidas de tendencia central y más.
Este documento explica los conceptos básicos de una tabla de frecuencias, incluyendo frecuencia absoluta, relativa, acumulada y relativa acumulada. También define intervalo de clase, número de clase y frecuencia simple absoluta. Finalmente, incluye un ejemplo de tabla de frecuencias y las fórmulas para calcular la media y mediana.
Este documento presenta información sobre la organización y representación de datos estadísticos. Explica conceptos como datos agrupados y no agrupados, tablas de frecuencia, frecuencia absoluta y relativa, frecuencia acumulada, intervalos de clase, y diferentes tipos de gráficas como diagramas de barras, circulares, histogramas y de dispersión. El objetivo es describir los principios básicos para organizar y analizar datos estadísticos de manera clara y precisa.
Este documento presenta información sobre la organización y representación de datos estadísticos. Explica conceptos como datos agrupados y no agrupados, tablas de frecuencia, frecuencia absoluta y relativa, frecuencia acumulada, intervalos de clase, y diferentes tipos de gráficas como diagramas de barras, circulares, histogramas y de dispersión. El objetivo es describir los principios básicos para organizar y analizar datos estadísticos de manera clara y precisa.
Este documento describe diferentes medidas estadísticas de tendencia central como la media, mediana y moda. Explica cómo calcular la media aritmética como la suma de los valores dividida por el número total de datos. También describe cómo encontrar la mediana ordenando los datos e identificando el valor en la mitad, y la moda como el valor que se repite con más frecuencia. El objetivo de estas medidas es representar los datos con un solo número que capture su tendencia central.
El estudiante identificará el tipo de correlación que muestraMONSERRATZIGA2
El documento describe los elementos clave de una distribución de frecuencias. Explica que una distribución de frecuencias organiza y resume un conjunto de datos agrupándolos en intervalos de valores y contando la frecuencia de cada intervalo. Luego define los componentes de una distribución de frecuencias como los límites de clase, las fronteras de clase y las marcas de clase.
Este documento describe diferentes medidas de tendencia central y dispersión para resumir conjuntos de datos. Entre las medidas de tendencia central se encuentran la media, mediana y moda, mientras que las medidas de dispersión incluyen el rango, desviación estándar y varianza. También explica cómo organizar los datos de forma agrupada o no agrupada para su análisis estadístico.
Este documento explica conceptos estadísticos como tablas de frecuencia, intervalos de clase, frecuencia absoluta, frecuencia relativa, mediana, moda y media. Define una tabla de frecuencia como una tabla que muestra las categorías de una variable y sus frecuencias correspondientes. Explica cómo calcular el tamaño de intervalo de clase y cómo medir la frecuencia, mediana, moda y media de un conjunto de datos.
Este documento describe cuatro medidas de resumen comúnmente utilizadas: frecuencia, porcentaje, razón y proporción. La frecuencia se refiere al número de veces que una característica se repite en un conjunto de datos. El porcentaje relaciona el número de individuos de una categoría con el total general. La razón expresa la relación aritmética entre dos eventos. Y la proporción mide la frecuencia con la que ocurre un evento en relación con la población total.
I. La estadística es importante para comprender y analizar grandes cantidades de datos en diversos campos como la psicología. Permite organizar e interpretar datos de manera significativa.
II. Existen diferentes formas de organizar datos como distribuciones de frecuencias y representaciones gráficas. Las distribuciones de frecuencias muestran el patrón de una variable de manera efectiva.
III. En la psicología, la estadística es necesaria para medir la eficacia de los procedimientos y sacar conclusiones certeras sobre
Este documento introduce conceptos básicos de estadística descriptiva. Explica que la estadística se usa para entender y sacar conclusiones sobre un fenómeno en un lugar y tiempo particulares. Define población, muestra, variables y datos. Luego describe medidas de tendencia central como la media, mediana y moda, y medidas de dispersión como la varianza y desviación típica. Finalmente, introduce conceptos de frecuencias multivariantes y cómo medir la relación entre variables.
Este documento describe las medidas de tendencia central como la media, moda y mediana. Explica cómo calcular la media aritmética para datos agrupados y no agrupados usando diferentes fórmulas. También proporciona ejemplos numéricos para ilustrar cómo calcular la media de conjuntos de datos.
Una red de área amplia (WAN) conecta varias redes locales (LAN) a través de enlaces de larga distancia como fibra óptica o satélites. Una WAN típica incluye routers, dispositivos de acceso de enlace y enlaces inter-redes que conectan las LANs y forman la red. Las WAN permiten la comunicación entre computadoras en diferentes ubicaciones geográficas y pueden utilizar diferentes tipos de transmisión como simplex, half-duplex o full-duplex.
Este documento resume los conceptos de límites y continuidad de funciones de varias variables. Explica la definición de límite para funciones de varias variables y cómo se utilizan diferentes técnicas para calcularlos. Luego introduce la definición de función continua y cómo estudiar su continuidad, tanto para campos escalares como vectoriales. Incluye ejemplos ilustrativos y enlaces a recursos bibliográficos adicionales sobre el tema.
Este documento explica conceptos estadísticos como medidas de dispersión, rango, desviación típica, varianza y coeficiente de variación. Define cada medida y describe sus características y usos para cuantificar cuán dispersos están los valores de una distribución con respecto a la media.
Una red de área local (LAN) conecta computadoras y periféricos dentro de un edificio o un área de hasta 100 metros. Las LAN permiten que las computadoras compartan recursos e información y se comuniquen entre sí. Ventajas incluyen compartir programas e información, e innovación a través del intercambio continuo de computadoras conectadas; desventajas son que las computadoras deben estar cerca geográficamente y solo pueden conectar computadoras personales.
Este documento define los conceptos básicos de los vectores, incluyendo sus características (origen, módulo, dirección y sentido), y cómo representar y operar con vectores utilizando el sistema de coordenadas cartesianas a través de la suma, resta, multiplicación por escalares y otras propiedades. También explica las magnitudes escalares y vectoriales.
Este documento presenta los términos básicos de la estadística. Define conceptos clave como variable estadística, población, muestra, parámetros estadísticos, escalas de medición, sumatoria, razón, proporción y tasa. Explica cada uno de estos conceptos y proporciona ejemplos para ilustrar su significado y aplicación.
Ofrecemos herramientas y metodologías para que las personas con ideas de negocio desarrollen un prototipo que pueda ser probado en un entorno real.
Cada miembro puede crear su perfil de acuerdo a sus intereses, habilidades y así montar sus proyectos de ideas de negocio, para recibir mentorías .
En la ciudad de Pasto, estamos revolucionando el acceso a microcréditos y la formalización de microempresarios informales con nuestra aplicación CrediAvanza. Nuestro objetivo es empoderar a los emprendedores locales proporcionándoles una plataforma integral que facilite el acceso a servicios financieros y asesoría profesional.
Business Plan -rAIces - Agro Business Techjohnyamg20
Innovación y transparencia se unen en un nuevo modelo de negocio para transformar la economia popular agraria en una agroindustria. Facilitamos el acceso a recursos crediticios, mejoramos la calidad de los productos y cultivamos un futuro agrícola eficiente y sostenible con tecnología inteligente.
Gracias papá voz mujer_letra y acordes de guitarra.pdf
Estadistica 2
1. Tablas de Distribución deTablas de Distribución de
frecuenciasfrecuencias
Estephania Lopez: 20.361.414
2. Distribuciones de frecuenciasDistribuciones de frecuencias
Cuando se trabaja con conjuntoCuando se trabaja con conjunto
grandes de datos, con frecuencia esgrandes de datos, con frecuencia es
útil organizarlos y resumirlos porútil organizarlos y resumirlos por
medio de construcción de una tablamedio de construcción de una tabla
que liste los distintos valoresque liste los distintos valores
posibles de los datos (de formaposibles de los datos (de forma
individual o por grupos), junto conindividual o por grupos), junto con
las frecuencias correspondientes, eslas frecuencias correspondientes, es
decir, el numero de veces quedecir, el numero de veces que
ocurren dichos valores.ocurren dichos valores.
3. EjemploEjemplo
Niveles de Cotinina en un grupo de fumadores.Niveles de Cotinina en un grupo de fumadores.
11 00 131131 173173 265265 210210 4444 277277 3232 33
3535 112112 477477 289289 227227 103103 222222 149149 313313
491491 130130 234234 164164 198198 1717 253253 8787
121121 266266 290290 123123 167167 250250 245245 4848
8686 284284 11 208208 173173
Distribución de frecuencias de los nivelesDistribución de frecuencias de los niveles
de cotinina de los fumadoresde cotinina de los fumadores
CotininaCotinina FrecuenciaFrecuencia
0-990-99
100-199100-199
200-299200-299
300-399300-399
400-499400-499
1111
1212
1414
11
22
4. Distribución de frecuenciasDistribución de frecuencias
Definición: Lista de valores de datos (yaDefinición: Lista de valores de datos (ya
sea de manera individual o por grupos desea de manera individual o por grupos de
intervalos), junto con sus frecuencias (ointervalos), junto con sus frecuencias (o
conteos) correspondientes.conteos) correspondientes.
Distribución de frecuencias deDistribución de frecuencias de
los niveles de cotinina de loslos niveles de cotinina de los
fumadoresfumadores
CotininaCotinina FrecuenciaFrecuencia
0-990-99
100-199100-199
200-299200-299
300-399300-399
400-499400-499
1111
1212
1414
11
22
5. Elementos de una distribución deElementos de una distribución de
frecuenciasfrecuencias
Distribución de frecuenciasDistribución de frecuencias
de los niveles de cotinina dede los niveles de cotinina de
los fumadoreslos fumadores
CotininaCotinina FrecuenciaFrecuencia
0-990-99
100-199100-199
200-299200-299
300-399300-399
400-499400-499
1111
1212
1414
11
22
La frecuenciaLa frecuencia de unade una
clase particular es elclase particular es el
numero de valoresnumero de valores
originales que caenoriginales que caen
dentro de esa clase.dentro de esa clase.
Ejemplo: La primera claseEjemplo: La primera clase
de la tabla tiene unade la tabla tiene una
frecuencia de 11, lo quefrecuencia de 11, lo que
significa que 11 de lossignifica que 11 de los
valores de los datos estánvalores de los datos están
entre 0 y 99entre 0 y 99
6. Elementos de una distribución deElementos de una distribución de
frecuenciasfrecuencias
Distribución de frecuenciasDistribución de frecuencias
de los niveles de cotinina dede los niveles de cotinina de
los fumadoreslos fumadores
CotininaCotinina FrecuenciaFrecuencia
0-990-99
100-199100-199
200-299200-299
300-399300-399
400-499400-499
1111
1212
1414
11
22
Los Límites de clases
inferiores son las cifras mas
pequeñas que pueden
pertenecer a las diferentes
clases.
Ejemplo: Los limites de clase
inferiores de la tabla son:
0, 100, 200, 300 y 400.
00-99-99
100100-199-199
200200-299-299
300300-399-399
400400-499-499
7. Elementos de una distribución deElementos de una distribución de
frecuenciasfrecuencias
Distribución de frecuenciasDistribución de frecuencias
de los niveles de cotinina dede los niveles de cotinina de
los fumadoreslos fumadores
CotininaCotinina FrecuenciaFrecuencia
0-990-99
100-199100-199
200-299200-299
300-399300-399
400-499400-499
1111
1212
1414
11
22
Los Límites de clases
superiores son las cifras
mas grandes que pueden
pertenecer a las diferentes
clases.
Ejemplo: Los limites de clase
superiores de la tabla son:
99, 199, 299, 399 y 499.
0-0-9999
100-100-199199
200-200-299299
300-300-399399
400-400-499499
8. Elementos de una distribución deElementos de una distribución de
frecuenciasfrecuencias
Distribución de frecuenciasDistribución de frecuencias
de los niveles de cotinina dede los niveles de cotinina de
los fumadoreslos fumadores
CotininaCotinina FrecuenciaFrecuencia
0-990-99
100-199100-199
200-299200-299
300-399300-399
400-499400-499
1111
1212
1414
11
22
Las fronteras de clase
son las cifras para separar
las clases, aunque sin los
espacios creados por los
limites de clases.
Se calculan de la siguiente
manera:
1. Se determina el tamaño
del espacio entre el limite
de clase superior de una
clase y el limite de clase
inferior de la siguiente
Para éste caso el espacio
es de una unidad
9. Elementos de una distribución deElementos de una distribución de
frecuenciasfrecuencias
Distribución de frecuenciasDistribución de frecuencias
de los niveles de cotinina dede los niveles de cotinina de
los fumadoreslos fumadores
CotininaCotinina FrecuenciaFrecuencia
0-990-99
100-199100-199
200-299200-299
300-399300-399
400-499400-499
1111
1212
1414
11
22
Las fronteras de clase
son las cifras para separar
las clases, aunque sin los
espacios creados por los
limites de clases.
2. Se suma la mitad de
esa cantidad a cada limite
de clase superior , para
obtener las fronteras de
clases superiores y se
resta la mitad de esa
cantidad a cada limite de
clase inferior, para obtener
las fronteras de clases
inferiores.
+0.5
+0.5
+0.5
+0.5
+0.5
-0.5
-0.5
-0.5
-0.5
-0.5 -0.5-99.5-0.5-99.5
99.5-199.599.5-199.5
199.5-299.5199.5-299.5
299.5-399.5299.5-399.5
399.5-499.5399.5-499.5
10. Elementos de una distribución deElementos de una distribución de
frecuenciasfrecuencias
Distribución de frecuenciasDistribución de frecuencias
de los niveles de cotinina dede los niveles de cotinina de
los fumadoreslos fumadores
CotininaCotinina FrecuenciaFrecuencia
0-990-99
100-199100-199
200-299200-299
300-399300-399
400-499400-499
1111
1212
1414
11
22
Las marcas de clases
son los puntos medios
de las clases. Se
calculan sumando el
limite de clase inferior
con el limite de clase
superior y dividiendo la
suma entre dos.
49.5
149.5
249.5
349.5
449.5
11. Elementos de una distribución deElementos de una distribución de
frecuenciasfrecuencias
Distribución de frecuenciasDistribución de frecuencias
de los niveles de cotinina dede los niveles de cotinina de
los fumadoreslos fumadores
CotininaCotinina FrecuenciaFrecuencia
0-990-99
100-199100-199
200-299200-299
300-399300-399
400-499400-499
1111
1212
1414
11
22
La anchura de clase es
la diferencia entre dos
limites de clase inferiores
consecutivos o dos
fronteras de clase
consecutivas.
En ésta tabla, la
achura de clase
es igual a 100
12. Al describir grupos de observaciones,Al describir grupos de observaciones,
con frecuencia es convenientecon frecuencia es conveniente
resumir la información con un soloresumir la información con un solo
número . Este número que, para talnúmero . Este número que, para tal
fin, suele situarse hacia el centro defin, suele situarse hacia el centro de
la distribución de datos sela distribución de datos se
denominadenomina medidamedida oo parámetro deparámetro de
tendencia centraltendencia central oo dede
centralizacióncentralización..
Medidas de tendencia centralMedidas de tendencia central
13. Entre las medidas de tendenciaEntre las medidas de tendencia
central tenemos:central tenemos:
Media.Media.
Moda.Moda.
Mediana.Mediana.
14. La mediaLa media
LaLa media aritméticamedia aritmética es el valores el valor
obtenido por la suma de todos susobtenido por la suma de todos sus
valores dividida entre el número devalores dividida entre el número de
sumandos.sumandos.
15. LaLa media aritméticamedia aritmética es, probablemente, uno dees, probablemente, uno de
los parámetros estadísticos más extendidos.Se lelos parámetros estadísticos más extendidos.Se le
llama tambiénllama también promediopromedio o, simplemente,o, simplemente, mediamedia..
Definición formal:Definición formal:
Dado un conjunto numérico deDado un conjunto numérico de
datos,datos, xx11,, xx22, ...,, ..., xxnn, se define su media aritmética, se define su media aritmética
comocomo
Esta definición varía, aunque no sustancialmente,Esta definición varía, aunque no sustancialmente,
cuando se trata decuando se trata de variables continuasvariables continuas, esto es,, esto es,
también puede calcularse para variablestambién puede calcularse para variables
agrupadas enagrupadas en intervalosintervalos..
Por ejemplo, la media aritmética de 8, 5 y -1 esPor ejemplo, la media aritmética de 8, 5 y -1 es
igual a:igual a:
16. PropiedadesPropiedades
Las principales propiedades de laLas principales propiedades de la
media aritmética son:media aritmética son:
Su cálculo es muy sencillo y en élSu cálculo es muy sencillo y en él
intervienen todos los datos.intervienen todos los datos.
Su valor es único para una serie deSu valor es único para una serie de
datos dada.datos dada.
Se usa con frecuencia para compararSe usa con frecuencia para comparar
poblaciones, aunque es máspoblaciones, aunque es más
apropiado acompañarla de unaapropiado acompañarla de una
medida de dispersión.medida de dispersión.
17. ModaModa
La moda de un conjunto de datos es el dato queLa moda de un conjunto de datos es el dato que másmás
veces se repiteveces se repite, es decir, aquel que tiene, es decir, aquel que tiene mayormayor
frecuencia absolutafrecuencia absoluta. Se denota por. Se denota por MoMo. En caso de. En caso de
existir dos valores de la variable que tengan la mayorexistir dos valores de la variable que tengan la mayor
frecuencia absoluta, habría dos modas. Si no se repitefrecuencia absoluta, habría dos modas. Si no se repite
ningún valor, no existe moda.ningún valor, no existe moda.
- Ejemplo1:- Ejemplo1:
¿Cuál es el dato que más se repite en el ejemplo anterior?¿Cuál es el dato que más se repite en el ejemplo anterior?
El dato que más se repite es elEl dato que más se repite es el 1,1, es el que tiene mayores el que tiene mayor
frecuencia absoluta (4 veces).frecuencia absoluta (4 veces).
La moda del número de hermanos es 1
18. La medianaLa mediana
La mediana es el valor que ocupa el lugar central entreLa mediana es el valor que ocupa el lugar central entre
todos los valores del conjunto de datos, cuando estos estántodos los valores del conjunto de datos, cuando estos están
ordenados en forma creciente o decreciente.ordenados en forma creciente o decreciente.
La mediana se representa porLa mediana se representa por MeMe..
Calculo de la mediana:Calculo de la mediana:
1° Ordenamos los datos de menor a mayor.1° Ordenamos los datos de menor a mayor.
- La mediana de un conjunto- La mediana de un conjunto con un número impar decon un número impar de
datosdatos es, una vez ordenados los datos, el dato que ocupaes, una vez ordenados los datos, el dato que ocupa
el lugar central.el lugar central.
Ejemplo:Ejemplo:
Calcular la mediana del conjunto de datos:Calcular la mediana del conjunto de datos:
19. - También podemos usar la siguiente fórmula para
determinar la posición del dato central:
(n + 1) /2 = mediana datos impares.
- La mediana de un conjunto con un número par de datos
es, una vez ordenados, la media de los dos datos centrales.