Permutaciones:
Una permutación es una combinación en donde el orden es importante. La notación para permutaciones es P(n,r) que es la cantidad de permutaciones de “n” elementos si solamente se seleccionan “r”.
Ejemplo: Si nueve estudiantes toman un examen y todos obtienen diferente calificación, cualquier alumno podría alcanzar la calificación más alta. La segunda calificación más alta podría ser obtenida por uno de los 8 restantes. La tercera calificación podría ser obtenida por uno de los 7 restantes.
La cantidad de permutaciones posibles sería: P(9,3) = 9*8*7 = 504 combinaciones posibles de las tres calificaciones más altas.
ANALIS:
Una permutacion es un arreglo de elementos en donde si nos interesa de masiado el orden ya que en el podemos diferenciar elementos de todo tipo.
se podria decir que el la union de elementos ordenadamente.
domingo, 12 de julio de 2009
La Probabilidad
La La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables. La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la matemática, la ciencia y la filosofía para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecánica subyacente de sistemas complejos.
Analisis:
En si la probabilidad nos sirve para saber mas o menos el resultado de un fenomeno ya que no siempre sera el mismo.... y para mejor ejemplo mas que el deporte ya que en el podemos ver varios tipos de brobabilidad... como en el futbol, baloncesto, golf, emtre otros.
Analisis:
En si la probabilidad nos sirve para saber mas o menos el resultado de un fenomeno ya que no siempre sera el mismo.... y para mejor ejemplo mas que el deporte ya que en el podemos ver varios tipos de brobabilidad... como en el futbol, baloncesto, golf, emtre otros.
viernes, 22 de mayo de 2009
REGRASION
La regresión cuadrática es el proceso por el cuál encontramos los parámetros de una parábola que mejor se ajusten a una serie de datos que poseemos, ya sean mediciones hechas o de otro tipo. Bueno, pero por que habríamos de querer ajustar nuestros datos precisamente a una parábola y no a otra funciLa regresión cuadrática es el proceso por el cuál encontramos los parámetros de una parábola que mejor se ajusten a una serie de datos que poseemos, ya sean mediciones hechas o de otro tipo. Bueno, pero por que habríamos de querer ajustar nuestros datos precisamente a una parábola y no a otra función? (ver escogiendo la función de ajuste).
REGRESION LINEAL:
En estadística, la regresión no lineal es un problema de inferencia para un modelo tipo:
Basado en datos multidimensionales x,y, donde f es alguna función no lineal respecto a algunos parámetros desconocidos θ. Como mínimo, se pretende obtener los valores de los parámetros asociados con la mejor curva de ajuste (habitualmente, con el método de los mínimos cuadrados). Con el fin de determinar si el modelo es adecuado, puede ser necesario utilizar conceptos de inferencia estadística tales como intervalos de confianza para los parámetros así como pruebas de bondad de ajuste.
El objetivo de la regresión no lineal se puede clarificar al considerar el caso de la regresión polinomial, la cual es mejor no tratar como un caso de regresión no lineal. Cuando la función f toma la forma:
f(x) = ax2 + bx + c
la función f es no lineal en función de x pero lineal en función de los parámetros desconocidos a, b, yc. Este es el sentido del término "lineal" en el contexto de la regresión estadística. Los procedimientos computacionales para la regresión polinomial son procedimientos de regresión lineal (múltiple), en este caso con dos variables predictoras x y x2. Sin embargo, en ocasiones se sugiere que la regresión no lineal es necesaria para ajustar polinomios. Las consecuencias practicas de esta mala interpretación conducen a que un procedimiento de optimización no lineal sea usado cuando en realidad hay una solución disponible en términos de regresión lineal. Paquetes (software) estadísticos consideran, por lo general, más alternativas de regresión lineal que de regresión no lineal en sus procedimientos
ANALISIS
La regresion cuadratica nos sirve para saber que tanto es tan dispersos los datos de una variable del centro... la dispersion de los datos puesden ser cuadraticos y lineales se dice que es cuadratico cuando los datos son atipicos porque forman un fenomeno en la ecuacion.
REGRESION LINEAL:
Es la regresion donde los puntos estan demasiado serca en forma de un linea y por lo tanto sino estan muy dispersos se dicen que es regresiopn lineal....
REGRESION LINEAL:
En estadística, la regresión no lineal es un problema de inferencia para un modelo tipo:
Basado en datos multidimensionales x,y, donde f es alguna función no lineal respecto a algunos parámetros desconocidos θ. Como mínimo, se pretende obtener los valores de los parámetros asociados con la mejor curva de ajuste (habitualmente, con el método de los mínimos cuadrados). Con el fin de determinar si el modelo es adecuado, puede ser necesario utilizar conceptos de inferencia estadística tales como intervalos de confianza para los parámetros así como pruebas de bondad de ajuste.
El objetivo de la regresión no lineal se puede clarificar al considerar el caso de la regresión polinomial, la cual es mejor no tratar como un caso de regresión no lineal. Cuando la función f toma la forma:
f(x) = ax2 + bx + c
la función f es no lineal en función de x pero lineal en función de los parámetros desconocidos a, b, yc. Este es el sentido del término "lineal" en el contexto de la regresión estadística. Los procedimientos computacionales para la regresión polinomial son procedimientos de regresión lineal (múltiple), en este caso con dos variables predictoras x y x2. Sin embargo, en ocasiones se sugiere que la regresión no lineal es necesaria para ajustar polinomios. Las consecuencias practicas de esta mala interpretación conducen a que un procedimiento de optimización no lineal sea usado cuando en realidad hay una solución disponible en términos de regresión lineal. Paquetes (software) estadísticos consideran, por lo general, más alternativas de regresión lineal que de regresión no lineal en sus procedimientos
ANALISIS
La regresion cuadratica nos sirve para saber que tanto es tan dispersos los datos de una variable del centro... la dispersion de los datos puesden ser cuadraticos y lineales se dice que es cuadratico cuando los datos son atipicos porque forman un fenomeno en la ecuacion.
REGRESION LINEAL:
Es la regresion donde los puntos estan demasiado serca en forma de un linea y por lo tanto sino estan muy dispersos se dicen que es regresiopn lineal....
domingo, 3 de mayo de 2009
LA CURTOSIS
LA CURTOSIS:
Esta es la definición de curtosis que se suele emplear en libros antiguos, pero no es la que se expondrá aquí.
Indica que tan apuntada o achatada se encuentra una distribución respecto a un comportamiento normal (distribución normal). Si los datos están muy concentrado hacia la media, la distribución es leptocúrtica (curtosis mayor a 0). Si los datos están muy dispersos, la distribución es platicúrtica (curtosis menor a 0).
El comportamiento normal exige que la curtosis sea igual a 0 (distribución mesocúrtica).
La fórmula empleada para calcular la Curtosis se muestra a continuación (reemplace el valor de n por N en caso de tratar con datos poblacionales):
ANALISIS:
MIDE CUANTO TIENE DE AGUDEZA UN FENOMENO...
Y SE DIVIDE EN:
LEPTOCURTICA
MESOCURTICA
PLATOCURTICA
Esta es la definición de curtosis que se suele emplear en libros antiguos, pero no es la que se expondrá aquí.
Indica que tan apuntada o achatada se encuentra una distribución respecto a un comportamiento normal (distribución normal). Si los datos están muy concentrado hacia la media, la distribución es leptocúrtica (curtosis mayor a 0). Si los datos están muy dispersos, la distribución es platicúrtica (curtosis menor a 0).
El comportamiento normal exige que la curtosis sea igual a 0 (distribución mesocúrtica).
La fórmula empleada para calcular la Curtosis se muestra a continuación (reemplace el valor de n por N en caso de tratar con datos poblacionales):
ANALISIS:
MIDE CUANTO TIENE DE AGUDEZA UN FENOMENO...
Y SE DIVIDE EN:
LEPTOCURTICA
MESOCURTICA
PLATOCURTICA
EL SESGO
EL SESGO
En estadística y epidemiología, un sesgo es un error que aparece en los resultados de un estudio debido a factores que dependen de la recolección, análisis, interpretación, publicación o revisión de los datos que pueden conducir a conclusiones que son sistemáticamente diferentes de la verdad o incorrectas acerca de los objetivos de una investigación. Este error puede ser sistemático o no, y es diferente al error aleatorio.
En el diseño y elaboración de un estudio de investigación en clínica, puede haber distintos tipos de sesgos
Sesgo de selección: Grupos no comparables debido a cómo se eligieron los pacientes o sujetos.
Sesgo de Información: Grupos no comparables debido a cómo se obtuvieron los datos.
Sesgo de confusión: Existe una mezcla de efectos debido a una tercera variable (variable de confusión).
Sesgo retrospectivo.
ANALISIS
El sesgo es la parte que mide la desviacion de las medidas de tendencia central
En estadística y epidemiología, un sesgo es un error que aparece en los resultados de un estudio debido a factores que dependen de la recolección, análisis, interpretación, publicación o revisión de los datos que pueden conducir a conclusiones que son sistemáticamente diferentes de la verdad o incorrectas acerca de los objetivos de una investigación. Este error puede ser sistemático o no, y es diferente al error aleatorio.
En el diseño y elaboración de un estudio de investigación en clínica, puede haber distintos tipos de sesgos
Sesgo de selección: Grupos no comparables debido a cómo se eligieron los pacientes o sujetos.
Sesgo de Información: Grupos no comparables debido a cómo se obtuvieron los datos.
Sesgo de confusión: Existe una mezcla de efectos debido a una tercera variable (variable de confusión).
Sesgo retrospectivo.
ANALISIS
El sesgo es la parte que mide la desviacion de las medidas de tendencia central
La varianza
Es la media aritmética del cuadrado de las desviaciones respecto a la media de una distribución estadística.
La varianza se representa por .
Varianza para datos agrupados
Para simplificar el cálculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.
Varianza para datos agrupados
Ejercicios de varianza
Calcular la varianza de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
Propiedades de la varianza
1 La varianza será siempre un valor positivo o cero, en el caso de que las puntuaciones sean iguales.
2 Si a todos los valores de la variable se les suma un número la varianza no varía.
3 Si todos los valores de la variable se multiplican por un número la varianza queda multiplicada por el cuadrado de dicho número.
4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas se puede calcular la varianza total.
Si todas las muestras tienen el mismo tamaño:
Si las muestras tienen distinto tamaño:
Observaciones sobre la varianza
1 La varianza, al igual que la media, es un índice muy sensible a las puntuaciones extremas.
2 En los casos que no se pueda hallar la media tampoco será posible hallar la varianza.
3 La varianza no viene expresada en las mismas unidades que los datos, ya que las desviaciones están elevadas al cuadrado.
Es la media aritmética del cuadrado de las desviaciones respecto a la media de una distribución estadística.
La varianza se representa por .
Varianza para datos agrupados
Para simplificar el cálculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.
Varianza para datos agrupados
Ejercicios de varianza
Calcular la varianza de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
Propiedades de la varianza
1 La varianza será siempre un valor positivo o cero, en el caso de que las puntuaciones sean iguales.
2 Si a todos los valores de la variable se les suma un número la varianza no varía.
3 Si todos los valores de la variable se multiplican por un número la varianza queda multiplicada por el cuadrado de dicho número.
4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas se puede calcular la varianza total.
Si todas las muestras tienen el mismo tamaño:
Si las muestras tienen distinto tamaño:
Observaciones sobre la varianza
1 La varianza, al igual que la media, es un índice muy sensible a las puntuaciones extremas.
2 En los casos que no se pueda hallar la media tampoco será posible hallar la varianza.
3 La varianza no viene expresada en las mismas unidades que los datos, ya que las desviaciones están elevadas al cuadrado.
Suscribirse a:
Entradas (Atom)
