UTSB NANCHITAL, VER NOMBRE DE LA ASIGNATURA Estadística COMPLEMENTO DE ACTIVIDAD DE 15 EJERCICIOS NOMBRE DEL ALUMNO MARTINEZ PEREZ JOSE ALDEIR Tic14190498.jmartinez@alumnos.ut MATRICULA 14190498 E-MAIL sv.edu.mx MAYO-AGOSTO PERIODO ESCOLAR GRUPO 1001 2020
NOMBRE DEL DOCENTE Mtro. Rafael Fabian Santiago Vázquez
Carrera Tecnologías de la información
INTRODUCCION
El siguiente documento cuenta con un conjunto de
investigaciones de las cuales se hicieron con el motivo de facilitar un poco la solución de los ejercicios, se hace con la finalidad de saber para que son y cual es la finalidad de cada uno de ellos implicarnos cual es su importancia dentro de este documento solo se alojan los conceptos del archivo de Excel añadido previamente solo ayudara un poco para la comprensión de los ejercicios a realizar MODA En la estadística, la moda es el valor con mayor frecuencia en una de las distribuciones de datos. Esto va en forma de una columna cuando encontremos dos modas, es decir, dos datos que tengan la misma frecuencia absoluta máxima. Una distribución trimodal de los datos es en la que encontramos tres modas. En el caso de la distribución uniforme discreta, cuando todos los datos tienen la misma frecuencia, se puede definir las modas como indicado, pero estos valores no tienen utilidad. Por eso algunos matemáticos califican esta distribución como «sin moda». MEDIA La media es una medida de tendencia central que representa el punto medio en un conjunto de valores. En otras palabras, la mitad de los valores estará por encima y la otra mitad por debajo de la misma. Para más información, vea nuestro módulo, Costo total, unitario y promedio. MEDIANA En el ámbito de la estadística, la mediana (del latín mediānus 'del medio'1) representa el valor de la variable de posición central en un conjunto de datos ordenados. Se le denota mediana. VARIANCIA La varianza es una medida de dispersión que representa la variabilidad de una serie de datos respecto a su media. Formalmente se calcula como la suma de los residuos al cuadrado divididos entre el total de observaciones COVARIANZA En probabilidad y estadística, la covarianza es un valor que indica el grado de variación conjunta de dos variables aleatorias respecto a sus medias. Es el dato básico para determinar si existe una dependencia entre ambas variables y además es el dato necesario para estimar otros parámetros básicos, como el coeficiente de correlación lineal o la recta de regresión. DESVIACION ESTANDAR En estadística, la desviación típica (también conocida como desviación estándar y representada de manera abreviada por la letra griega minúscula sigma σ o la letra latina s, así como por las siglas SD (de standard deviation, en algunos textos traducidos del inglés)) es una medida que se utiliza para cuantificar la variación o la dispersión de un conjunto de datos numéricos.1 Una desviación estándar baja indica que la mayor parte de los datos de una muestra tienden a estar agrupados cerca de su media (también denominada el valor esperado), mientras que una desviación estándar alta indica que los datos se extienden sobre un rango de valores más amplio. ESPERANZA MATEMATICA En estadística la esperanza matemática (también llamada esperanza, valor esperado, media poblacional o media) de una variable
aleatoria , es el número o que formaliza la idea de valor medio de un
fenómeno aleatorio. Es un concepto análogo a la media aritmética de un conjunto de datos. Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho suceso. Por lo tanto, representa la cantidad promedio que se "espera" como resultado de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene constante y el experimento se repite un elevado número de veces. Cabe decir que el valor que toma la esperanza matemática en algunos casos puede no ser "esperado" en el sentido más general de la palabra (el valor de la esperanza puede ser improbable o incluso imposible). TEORIA DE CONJUNTOS La teoría de conjuntos es una rama de la lógica matemática que estudia las propiedades y relaciones de los conjuntos: colecciones abstractas de objetos, consideradas como objetos en sí mismas. Los conjuntos y sus operaciones más elementales son una herramienta básica en la formulación de cualquier teoría matemática.1 La teoría de los conjuntos es lo suficientemente rica como para construir el resto de objetos y estructuras de interés en matemáticas: números, funciones, figuras geométricas, etc; gracias a las herramientas de la lógica, permite estudiar los fundamentos. En la actualidad se acepta que el conjunto de axiomas de la teoría de Zermelo-Fraenkel es suficiente para desarrollar toda la matemática. Además, la propia teoría de conjuntos es objeto de estudio per se, no solo como herramienta auxiliar, en particular las propiedades y relaciones de los conjuntos infinitos. En esta disciplina es habitual que se presenten casos de propiedades indemostrables o contradictorias, como la hipótesis del continuo o la existencia de un cardinal inaccesible. Por esta razón, sus razonamientos y técnicas se apoyan en gran medida en la lógica. El desarrollo histórico de la teoría de conjuntos se atribuye a Georg Cantor, que comenzó a investigar cuestiones conjuntistas (puras) del infinito en la segunda mitad del siglo XIX, precedido por algunas ideas de Bernhard Bolzano e influido por Richard Dedekind. El descubrimiento de las paradojas de la teoría cantoriana de conjuntos, formalizada por Gottlob Frege, propició los trabajos de Bertrand Russell, Ernst Zermelo, bolovin bolovan y Abraham Fraenkel. TEOREMA DE BAYES El teorema de Bayes, en la teoría de la probabilidad, es una proposición planteada por el matemático inglés Thomas Bayes (1702-1761)1 y publicada póstumamente en 1763,2 que expresa la probabilidad condicional de un evento aleatorio A dado B en términos de la distribución de probabilidad condicional del evento B dado A y la distribución de probabilidad marginal de solo A. En términos más generales y menos matemáticos, el teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es decir, por ejemplo, que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se podría saber (si se tiene algún dato más), la probabilidad de tener gripe si se tiene un dolor de cabeza. Muestra este sencillo ejemplo la alta relevancia del teorema en cuestión para la ciencia en todas sus ramas, puesto que tiene vinculación íntima con la comprensión de la probabilidad de aspectos causales dados los efectos observados. Conclusión Como conclusión puedo decir que estos ejercicios como finalidad es ayudar a mejorar el razonamiento lógico matemático para ayudar o fomentar el estímulo para solución de problemas viendo todos y cada uno de los factores para consigo analizarlos y poder tener también una mejor comprensión lectora de lo que nos piden muchas veces nuestros mentores y por no leer tenemos problemas o tenemos confusiones cosa que este trabajo ayudo un poco en esa cuestión en pocas palabras ayuda a la estimulación para la comprensión y solución de los problemas