martes, 19 de febrero de 2013

¿Qué es una varianza estadística?
La varianza se utiliza en el ámbito de la estadistica. Se trata de una palabra impulsada por el matemático y científico inglés Ronald Fisher, sirve para identificar a la media de las desviaciones cuadráticas de una variable cualquiera , considerando el valor medio de ésta.
Por lo tanto, consiste en una medida vinculada a su dispersión. Se trata de la esperanza del cuadrado de la desviación de esa variable considerada frente su media y se mide en una unidad diferente. Por ejemplo: en los casos en que la variable mide una distancia en kilómetros, su varianza se expresa en kilómetros al cuadrado.
 

¿Qué es una Dispersión Estadística?
Es un grupo de medidas que nos informan sobre cuanto se alejan del centro los valores  de distribución. Las medidas de dispersión son:
- Rango: Diferencia entre el mayor y menor de los datos de distribución estadística.
- Desviación Media: Diferencia entre cada valor de la variable estadística y la media aritmética
- Varianza: Medida Aritmética del  cuadro de las Desviaciones respecto a la media.
- Desviación Típica: Es la Raíz Cuadrada de la Varianza

 ¿Qué es la Correlación Estadística? 
Es aquello que indica la fuerza y la dirección lineal que se establece entre 2 variables aleatorias. Es decir determinar si los cambios de una de las variables influyen en los cambios de otra, en este caso diremos que hay correlación entre ellas.

¿Qué es ji-cuadrado?
Sea n un entero positivo, se dice que una variable cualquiera (x) tiene una distribución ji-cuadrado. La distribución ji-cuadrado es una distribución de probabilidad mas utilizada en estadística referencial, existen variables que pueden dar lugar a una distribución ji-cuadrado. es decir la distribución independiente de 2 criterios de clasificación de datos cualitativos.

 ¿Qué es un ajuste de regresión?
Es el ajuste de curvas que surge cuando el investigador trata de interpretar datos de un experimento. Los resultados se describen mejor cuando se encuentra una ecuación que se ajusta a los datos, aquí se utiliza la regresión lineal y la regresión no lineal, y las ecuaciones pueden ser: empíricas o deducidas. 

 ¿Para que sirve una recta de regresión?
La recta de regresión de Y sobre X se utiliza para estimar los valores de Y a partir de los de X. Se utiliza para predecir la variable dependiente Y a partir de la independiente X, la diferencia entre el valor real de Y y el teórico de Y se llama residuo, mediante esto se puede sacar la pendiente de la recta y esta es llamada Coeficiente de Regresión.

 ¿Qué es la estadística inferencial? 
Es la parte de la estadística que comprende métodos y procedimientos por medio de la inducción determinada de propiedades de una "población estadística" a partir de una pequeña parte de esta. Esto nos sirve para: 
- Toma de Muestras
- Diseño Experimental
- Contraste de Hipotesis
- Inferencia Bayesiana

 ¿Qué es una Matriz Diagonal?
Es todo aquel elemento situado por encima y por debajo de la diagonal principal.
 diagonal

 ¿Qué es un eigenvector?
El vector característico propio o eigenvector es una matriz de tal que donde es un valor escalar real que recibe el nombre de valor característico o eigenvector. La alternativa mas obvia seria el vector característico 0.



 ¿En qué consiste el método de Gram Smith?
El proceso de ortonormalización de Smith consiste en que si tenemos una base en V(v1,............,vn) podemos pasar a partir de ella en una base que es ortonormal.
 $\{u_1^0,\cdots ,u_n^0\}$

 Ejemplo desarrollado del Método Smith
El proceso que se sigue es el siguiente: Comenzamos con un vector de la base $u_1=v_1$, dividimos por su norma y ya lo tenemos de norma $1$. 
\begin{displaymath}u_1^0=\frac{u_1}{ \mid \mid u_1 \mid \mid }\end{displaymath}

Consideramos ahora otro vector de la base, $v_2$, y tomamos uno ortogonal a $u_1^0$. Por definición $p_{u_1^0}(v_2)$ es tal que $v_2-p_{u_1^0}(v_2)\in \langle u_1^0\rangle ^{\bot}$. Así que podemos tomar como nuevo vector $u_2=v_2-p_{u_1^0}(v_2)$ y resulta ser ortogonal a $u_1^0$. 
\begin{displaymath}u_2=v_2-p_{u_1^0}(v_2)= v_2-\frac{\langle v_2,u_1^0\rangle} ... ...mid u_1^0 \mid \mid }u_1^0= v_2-\langle v_2,u_1^0\rangle u_1^0\end{displaymath}

Lo normalizamos y ya tiene norma uno 
\begin{displaymath}u_2^0=\frac{u_2}{ \mid \mid u_2 \mid \mid }\end{displaymath}

A continuación tomamos 
\begin{displaymath}u_3=v_3- \langle v_3,u_1^0\rangle u_1^0- \langle v_3,u_2^0\... ...quad \mbox{y}\quad u_3^0=\frac{u_3}{ \mid \mid u_3 \mid \mid }\end{displaymath}

Continuamos este proceso hasta 
\begin{displaymath}u_n=v_n- \langle v_n,u_1^0\rangle u_1^0- \langle v_n,u_2^0\... ...quad \mbox{y}\quad u_n^0=\frac{u_n}{ \mid \mid u_n \mid \mid }\end{displaymath}

¿Qué es Netlogo y tipo de programación usa?
Es un entorno programable de modelado para simular fenómenos naturales y sociales. Netlogo permite a los estudiantes abrir simuladores y "jugar" con ellas explorando su comportamiento bajo diferentes condiciones.
Netlogo es suficientemente simple para permitir que estudiantes y maestros ejecuten fácilmente simulaciones o incluso creen su propia simulación. 

 2 ejemplos desarrollados para el uso de Netlogo
-Para simular situaciones sociales a largo plazo.
-Para simular situaciones naturales.

 

Publicado por en

No hay comentarios:

Publicar un comentario

Suscribirse a: Enviar comentarios (Atom)