El promedio es un término simple con varios significados. El tipo de promedio a usar depende de si está agregando, multiplicando, agrupando o dividiendo el trabajo entre los elementos de su set.
Prueba rápida: condujiste a trabajar a 30 mph y volviste a 60 mph. ¿Cuál fue tu velocidad promedio?
Sugerencia: no son 45 mph, y no importa cuán lejos esté su viaje. Siga leyendo para comprender los muchos usos de esta herramienta estadística.
Retrocedamos un poco: ¿de qué se trata el «promedio»?
Para la mayoría de nosotros, es «el número en el medio» o un número que está «equilibrado». Soy fanático de tomar múltiples puntos de vista, así que aquí hay otra interpretación del promedio:
El promedio es el valor que puede reemplazar cada elemento existente y tener el mismo resultado. Si pudiera tirar mis datos y reemplazarlos con un valor «promedio», ¿cuál sería?
Un objetivo del promedio es comprender un conjunto de datos al obtener una muestra «representativa». Pero el cálculo depende de cómo interactúen los elementos en el grupo. Vamos a ver.
La media aritmética es el tipo de promedio más común:
Supongamos que pesa 150 libras y está en un ascensor con un niño de 100 libras y una morsa de 350 libras. ¿Cuál es el peso promedio?
La verdadera pregunta es «si reemplazaste a este grupo alegre con 3 personas idénticas y quieres la misma carga en el ascensor, ¿qué debería pesar cada clon?»
En este caso, cambiaríamos en tres personas que pesan 200 libras cada una [(150 + 100 + 350)/3], y nadie sería el más sabio.
¿Cómo se interpreta la media y la desviación estándar?
La desviación estándar y el error estándar son quizás las dos estadísticas menos entendidas que se muestran comúnmente en las tablas de datos. El siguiente artículo está destinado a explicar su significado y proporcionar una visión adicional sobre cómo se utilizan en el análisis de datos.
La desviación estándar y el error estándar son quizás las dos estadísticas menos entendidas que se muestran comúnmente en las tablas de datos. El siguiente artículo está destinado a explicar su significado y proporcionar una visión adicional sobre cómo se utilizan en el análisis de datos. Ambas estadísticas generalmente se muestran con la media de una variable, y en cierto sentido, ambas hablan sobre la media. A menudo se les conoce como la «desviación estándar de la media» y el «error estándar de la media». Sin embargo, no son intercambiables y representan conceptos muy diferentes.
Desviación Estándar
La desviación estándar (a menudo abreviada como «Dev» o «SD») proporciona una indicación de hasta qué punto las respuestas individuales a una pregunta varían o se «desvían» de la media. SD le dice al investigador qué tan dispersas están las respuestas: ¿están concentrados en torno a la media o dispersas de lejos y de ancho? ¿Todos sus encuestados calificaron su producto en el medio de su escala, o algunos lo amaban y algunos lo odiaron?
Supongamos que ha pedido a los encuestados que califiquen su producto en una serie de atributos en una escala de 5 puntos. La media para un grupo de diez encuestados (etiquetado ‘A’ a ‘J’ a continuación) para «buena relación calidad -precio» fue 3.2 con un DE de 0.4 y la media de «confiabilidad del producto» fue 3.4 con un SD de 2.1. A primera vista (mirando solo los medios) parece que la confiabilidad fue calificada más alta que el valor. Pero el SD más alto para la confiabilidad podría indicar (como se muestra en la distribución a continuación) que las respuestas estaban muy polarizadas, donde la mayoría de los encuestados no tenían problemas de confiabilidad (calificó el atributo A «5»), pero un segmento más pequeño pero importante de los encuestados, había un problema de confiabilidad y calificó el atributo «1». Mirando a la media sola cuenta solo una parte de la historia, pero con demasiada frecuencia, esto es en lo que los investigadores se centran. La distribución de respuestas es importante para considerar y el SD proporciona una valiosa medida descriptiva de esto.
¿Cómo se puede interpretar la media?
Uno de los principales resultados dentro de la teoría de la integración es el teorema promedio integral. Este teorema asegura que la integral definida de una función $ F $ continua en un intervalo $ [A, B] $ sea siempre el mismo que el área de un rectángulo que tiene un tamaño de un lado de $ B-A $ Long. Tamaño del ‘intervalo) y un lado de la longitud $ F (c) $, donde $ C $ es un cierto valor entre $ A $ y $ B $.
Demostración. En primer lugar, observamos que, dado que $ F $ es continuo, para ello el teorema de Weierstrass vale, gracias al cual podemos decir que $ F $ supone un valor máximo y mínimo dentro del intervalo $ [A, B]. Por lo tanto, podemos escribir esto: $$ m leq f (x) leq m qquad forall x in [a, b] $$ Las propiedades de lo integrado (en este caso la monotonía de la habita) nos permiten para permitirnos integrar a todos los miembros de esta cadena de desigualdades manteniendo los versos de las desigualdades en sí mismas sin cambios: $$ int_a^b m dt leq int_a^b f (t) dt leq int_a^b m dt $$ sabemos Cómo llevar a cabo tanto el primero como el primero el tercero: estos son la integral de las funciones constantes $ m $ y $ m $ respectivamente. Es decir, obtenemos: ## katex ## begin {alineado} int_a^b m dt & = big vet mx big vet^b_a = mb – m = m (b -a) \ aa ^b m dt & = big vet mx big vet^b_a = mb-m = m (b-a) end {alineado} ## katex ## En consecuencia, podemos reescribir la cadena de desigualdades de esta manera: $ $ m (b-a) leq int_a^b f (t) dt leq m (b-a) $$ y dividiendo por $ b-a $ (que ciertamente es diferente de scratch, ya que $ a neq b $) tiene $$ m m leq franc {1} {b-a} int_a^b f (t) dt leq m $$ Lo que acabamos de escribir es que el valor $ franc {1} {b-a} int_a^b f (t) dt $ es Entre $ m $ m $ y $ m $; Además, dado que $ F $ es continuo, sabemos que asume $ [a, b] $ todos los valores entre $ m $ y $ m $, gracias al teorema de los valores intermedios. Por lo tanto, esta dos información nos asegura que ciertamente hay un $ c en [a, b] $ tal que $$ f (c) = fracc {1} {b-a} int_a^b f (t) dt $$ es Justo lo que queríamos mostrar.
Algunas observaciones sobre el teorema promedio integral
En primer lugar, mostramos que la interpretación del teorema que hemos dado al comienzo de la lección es correcta. Para hacer esto, simplemente reordene el informe presente en la declaración: $$ f (c) = fracc {1} {b-a} int_a^b f (t) dt quad rectarrow quad f (c) (b-a) = = = int_a^b f (t) dt $$ El primer miembro se puede interpretar al igual que el valor del área de un rectángulo de lados $ B-a $ e $ f (c) $, y por lo tanto esto justifica lo que se ha dicho.
Es importante observar que la hipótesis de que $ F $ es continuo necesariamente debe mantenerse, dado que existen funciones no continuas que no satisfacen la declaración del teorema. De hecho, por ejemplo, consideramos la función: $$ g (x) = begin {casos} 3 & x <1 \ 5 & x geq 1 end {casos} $$ y yo solo lo estudio en el $ intervalo [0, 2] $. Se verifica fácilmente que $$ int_0^2 g (t) dt = int_0^1 3 dt + int_1^2 5 dt = 3 + 5 = 8 $$ y, por lo tanto, ese $$ fracc {1} {2 - 0} int_0^2 g (t) dt = 4 $$ Pero es evidente que no hay valor $ c en [0, 2] $ tal que $ f (c) = = $ 4.
¿Cómo se calcula e interpreta la media?
El promedio es un número que es representativo de un conjunto completo de datos. Un ejemplo es tratar de encontrar la edad promedio de las personas en un salón de clases, o el número central que mejor describe las edades de las personas en un aula. Si sus edades oscilan entre 15 y 17, el cálculo promedio de 30 estudiantes se encuentra en algún lugar entre las edades de 15 y 17 años.
La fórmula promedio ponderada es la suma de los pesos (W) veces su valor (v) dividido por la suma de los pesos (W).
La media, o promedio aritmético, se calcula agregando todos los números en un conjunto dado de datos y luego dividiendo por la cantidad de puntos de datos.
¿Que interpreta la desviación media?
La desviación promedio es una herramienta estadística que proporciona el promedio de diferentes variaciones de un conjunto de datos. El propósito de la desviación promedio es medir la distancia de una desviación de la media o mediana del conjunto de datos. El valor medio es el promedio de todos los números dentro de un conjunto de datos, mientras que la mediana es el valor del número que se encuentra en el medio del conjunto de datos después de organizar cada valor del conjunto de datos en orden de más bajo a más alto. Los profesionales de matemáticas pueden referirse a la desviación promedio como la desviación absoluta media (MAD) o la desviación absoluta promedio.
La desviación promedio le muestra la distancia que una variable específica es de la media de un conjunto de datos. Esto puede ayudarlo a analizar la información dependiendo de sus necesidades. Muchos científicos de datos, investigadores de mercado y analistas de datos utilizan la desviación promedio para determinar hasta qué punto una variable se debe a la media de la media de un gran conjunto de datos.
Esto puede ayudarlos a analizar los datos de manera más rápida y fácil. Por ejemplo, si un científico de datos está midiendo un conjunto de datos que indica los diferentes tipos de clima en el verano, puede usar la desviación promedio para determinar cuánto se desvía el pronóstico de cada día de la temperatura promedio y las condiciones climáticas para el verano.
Aquí hay algunas razones por las cuales la desviación promedio es importante:
Evaluación de la variabilidad: puede usar la desviación promedio para determinar si su conjunto de datos tiene un alto grado de variabilidad o si los datos están dentro de un rango específico.
Interpretando el promedio: después de calcular la desviación promedio, puede interpretar los datos para hacer cambios o establecer objetivos. Por ejemplo, si un estudiante calcula la desviación promedio de sus puntajes de prueba, puede determinar que la desviación promedio de sus primeros 10 puntajes de prueba del semestre es del 25%, y pueden establecer una meta para mantener puntajes de prueba más consistentes que tienen un Desviación más baja.
¿Que nos indica la desviación media en estadística?
La desviación promedio, o desviación absoluta media, se calcula de manera similar a la desviación estándar, pero utiliza valores absolutos en lugar de cuadrados para eludir el problema de las diferencias negativas entre los puntos de datos y sus medias.
- Calcule la media de todos los puntos de datos.
- Calcule la diferencia entre la media y cada punto de datos.
- Calcule el promedio de los valores absolutos de esas diferencias.
La desviación estándar a menudo se usa para medir la volatilidad de los rendimientos de los fondos o estrategias de inversión porque puede ayudar a medir la volatilidad. Una mayor volatilidad generalmente se asocia con un mayor riesgo de pérdidas, por lo que los inversores desean ver mayores rendimientos de los fondos que generan una mayor volatilidad. Por ejemplo, un fondo de índice de acciones debe tener una desviación estándar relativamente baja en comparación con un fondo de crecimiento.
El promedio medio, o la desviación absoluta media, se considera la alternativa más cercana a la desviación estándar. También se utiliza para medir la volatilidad en los mercados e instrumentos financieros, pero se usa con menos frecuencia que la desviación estándar.
Según los matemáticos, cuando un conjunto de datos es de distribución normal, es decir, no hay muchos valores atípicos, la desviación estándar es generalmente el medidor de variabilidad preferible. Pero cuando hay grandes valores atípicos, la desviación estándar registra niveles más altos de dispersión (o desviación del centro) que la desviación absoluta media.
¿Cuál es el uso de la desviación media?
En las secciones anteriores sobre medidas de tendencia y variabilidad centrales, introdujimos las definiciones y fórmulas que pertenecen a las medidas más comunes utilizadas en las estadísticas descriptivas, incluida la media, la desviación estándar y la varianza. No es tan común en el análisis, pero sigue siendo una herramienta útil para tener la desviación promedio. Aquí, daremos una breve descripción de los locos y construiremos sobre secciones anteriores.
Las medidas de variabilidad se definen como las que calculan la variabilidad, o se extienden, dentro de una variable o conjunto de datos. Las medidas de variabilidad más comunes se resumen en la tabla a continuación.
La desviación promedio es similar a la desviación estándar e incluso es preferida por muchos estadísticos. Sin embargo, la desviación promedio, o MAD, no es una medida popular para informar y, por lo tanto, su uso no está muy extendido. Como puede ver en la fórmula anterior, el MAD es la suma de las diferencias entre cada observación y la media dividida por el tamaño de la muestra.
El primer paso para calcular el MAD es calcular la media, que se puede hacer de la siguiente manera.
A continuación, seguimos la fórmula para los MAD al tomar el valor absoluto de la diferencia entre cada punto de datos y la media.
El MAD para el conjunto de datos es 4, que interpretamos como la diferencia absoluta promedio entre la media y cada punto de datos.
Hay muchas diferencias entre la desviación promedio y la desviación estándar. Si bien ambos intentan medir la variabilidad dentro del conjunto de datos, ambos tienen una importancia ligeramente diferente en términos de los datos.
Artículos Relacionados:
