En su definición más básica, N+1 simplemente significa que hay una copia de seguridad de potencia en su lugar si algún componente del sistema falla. La «n» en esta ecuación representa el número de componentes necesarios para ejecutar su sistema. El «+1» significa que hay una copia de seguridad independiente si un componente de ese sistema falla.
Para ayudarlo a comprender, le daré un pequeño escenario. Digamos que tiene una familia de tres, dos padres y un niño. Los tres miembros de la familia conducen, y los tres tienen autos. Pero, también tiene un automóvil extra, en el caso de uno de los tres que se descomponen. Entonces, los tres autos son el «n», la cantidad necesaria para mantener a su familia funcionando sin problemas. El «+1» es la copia de seguridad para eso. ¿Tener sentido?
Ahora, hay un nivel de redundancia llamado 2n. En ese caso, tiene un componente duplicado para cada componente. En el escenario del automóvil, habría tres autos adicionales (seis en total), uno específicamente para cada vehículo. Como puedes imaginar, ese sistema es increíblemente derrochador.
En los datos de Green House, en realidad tenemos un poco de sistema mixto que se conoce como mantenible simultáneamente. En palabras más sucinta que la mía: “Muy simplemente, significa que cualquier cosa en su centro de datos se puede cerrar y mantenerse deprimido por un período de tiempo, sin afectar directamente el procesamiento continuo… si todo ha sido bien mantenido, la posibilidad estadística de Una falla simultánea prácticamente deja las listas. Además, para derribar una instalación que está diseñada e instalada para la mantenibilidad concurrente probablemente no tome dos, sino al menos tres eventos secuenciales «. (fuente)
Según este razonamiento, puede ver por qué eligió un sistema de mantenimiento simultáneamente, con desechos mínimos, en comparación con una redundancia 2N, en la que casi la mitad de su equipo simplemente se desperdicia.
¿Qué es N-1?
Como ingeniero eléctrico profesional, la gente a veces me recuerda que lo que doy por sentado es un concepto nuevo para otras personas. Después de una advertencia reciente, debería hacer más esfuerzo para cubrir temas de nivel introductorio.
El término ‘n+1’ se relaciona con la redundancia y simplemente significa que si requiriera artículos de equipo ‘n’ para que algo funcione, tendría un elemento de repuesto adicional. Si algún elemento de equipo se descompone, todo puede funcionar según lo previsto. Por ejemplo, si necesita dos UPS para un pequeño centro de datos, instalaría tres para tener N+1; Si tiene una bomba de agua en su edificio, instalaría una segunda para N+1; Si necesita tres transformadores para alimentar su instalación, instalaría cuatro para N+1.
Las personas a veces usan el término ‘N-1’ para significar lo mismo (es decir, si pierde un elemento, aún puede trabajar). Esto es menos común.
Este tipo de terminología a menudo se expande. ‘2n’ (a veces denominado 1+1) significa que tiene el doble de elementos que lo necesita; en el ejemplo del centro de datos, instalaría cuatro UPS. El ejemplo de bombeo ya es 2n (además de ser n+1). Menos comunes, pero posibles son cosas como ‘n+2 «,’ 2n+1», etc.
Una última palabra sobre los niveles de temas. Intento mezclar mis publicaciones en diferentes niveles para que cualquiera que visite el sitio encuentre algo de valor. Si mientras navega por el sitio, tiene una idea para una publicación breve sobre un tema en particular o desea que se explique algo en términos más simples o con mayor detalle; sólo házmelo saber. Puede dejar comentarios en publicaciones relacionadas o usar la página Contáctenos para enviar una solicitud. Si bien no hay garantías, intentaré abordar tantas solicitudes como pueda.
¿Qué quiere decir N-1?
Entonces, siempre nos esforzamos por tener esa vida feliz y satisfecha buscando el +1 perfecto. Lamentablemente, una vez que obtenemos eso +1, la fórmula todavía se aplica y vamos a buscar nuevamente. Algunos lo llaman Addiciton. Lo llamamos normal.
Me alegro de que no me hayan mordido el carbono/Unobtainium/Guardar cada error de micro-gramo. Tengo una bicicleta de carbono (más antigua), pero el resto es acero… y me gusta así.
Aún así, su punto está bien tomado. Un copago de $ 25 cada semana sumaría $ 1300/año. Ahora hay un argumento para apoyar el N+1 al cónyuge, si tiene uno. «Cariño, obtendría ayuda para esta condición, ¡pero complacerlo es cientos de dólares más baratos cada año que recibir ayuda para ello!»
A menos que tenga lo de carbono/unbtainium, en cuyo caso, la psicoterapia gana.
He encontrado que esto es cierto para mí. Cuanto menos pueda conducir, más tiempo y dinero que gasto en actualizar mis bicicletas, o lujuria después de nuevas (para mí). Cuando en realidad estoy montando mucho, no tengo tiempo para preocuparme si tengo la configuración óptima, a menos que haya un problema real, es decir.
La parte con la que estoy luchando mientras pienso en N+1 es ¿por qué algunos de nosotros tienden a olvidar que la fórmula podría ser N-1+1? Tengo bicicletas con bigotes que no he montado en años, pero todavía tengo un apego a ellos. Debería venderlos o donarlos a una organización benéfica o algo así. Podría decir «si voy a comprar uno, voy a deshacerme de uno (o dos)».
¿Qué significa n-1 en la desviacion estandar?
1. Calcule el cuadrado de la diferencia entre cada valor y la media de la muestra.
3. Divida la suma de N-1. Esto se llama la varianza.
4. Tome la raíz cuadrada para obtener la desviación estándar.
¿Por qué dividir por N-1 en lugar de N en el tercer paso anterior? En el paso 1, calcula la diferencia entre cada valor y la media de esos valores. No conoces el verdadero medio de la población; Todo lo que sabes es la media de tu muestra. A excepción de los casos raros en los que la media de la muestra es igual a la media de la población, los datos estarán más cerca de la media de la muestra de lo que será a la media de la población verdadera. Por lo tanto, el valor que calcule en el Paso 2 probablemente será un poco más pequeño (y no puede ser más grande) de lo que sería si usara la verdadera población de la población en el Paso 1. Para compensar esto, dividir por N-1 más bien que n.v esto se llama corrección de Bessel.
¿Pero por qué N-1? Si supiera que la muestra significa, y todos menos uno de los valores, podría calcular cuál debe ser ese último valor. Los estadísticos dicen que hay grados de libertad N-1.
¿Cuándo se debe calcular el SD con un denominador de N?
Los libros de estadísticas a menudo muestran dos ecuaciones para calcular la SD, una usando N y la otra usando N-1, en el denominador. Algunas calculadoras tienen dos botones.
La ecuación N-1 se utiliza en la situación común en la que está analizando una muestra de datos y desea obtener conclusiones más generales. El SD calculado de esta manera (con N-1 en el denominador) es su mejor suposición para el valor de la SD en la población general.
¿Por qué se pone N-1?
Si está leyendo este artículo, supongo que ha encontrado la fórmula de la varianza de la muestra y sabe lo que representa. Pero sigue siendo un misterio que el denominador es (N-1), no n. Este es el por qué.
Población: un conjunto que contiene a todos los miembros de una muestra grupal: un conjunto que contiene algunos miembros de una población (técnicamente un suscripto múltiple de una población)
Variables aleatorias independientes e idénticamente distribuidas (i.i.d.): una suposición de que todas las muestras (a) son mutuamente independientes, y (b) tienen la misma distribución de probabilidad.
Teorema del límite central: la distribución de muestreo de I.I.D. Las variables aleatorias tienden a una distribución normal (gaussiana) cuando el tamaño de la muestra es lo suficientemente grande.
Valor esperado: Valor promedio a largo plazo de repeticiones del mismo experimento.
Estimador imparcial: el valor esperado del estimador imparcial es igual al valor real del parámetro que se estima. En otras palabras, las distribuciones de estimadores imparciales se centran en el valor correcto.
Dada una gran distribución de la población gaussiana con una población desconocida μ y varianza de población σ², dibujamos n i.i.d. muestras de la población, de modo que para cada muestra x_i de un conjunto x,
Si bien el valor esperado de X_i es μ, el valor esperado de X_i² es más de μ². Se debe a la mapeo no lineal de la función cuadrada, donde el incremento de números mayores es mayor que el de números más pequeños. Por ejemplo, SET (1,2,3,4,5) tiene media 3 y varianza 2. Al cuadrar cada elemento, obtenemos (1,4,9,16,25) con media 11 = 3²+2. Necesitamos esta propiedad en una etapa posterior.
¿Qué significa n-1 en la desviación estándar?
La desviación estándar calculada con un divisor de $ N-1 $ es una desviación estándar calculada a partir de la muestra como una estimación de la desviación estándar de la población a partir de la cual se extrajo la muestra. Debido a que los valores observados caen, en promedio, más cerca de la media de la muestra que la media de la población, la desviación estándar que se calcula utilizando desviaciones de la media de muestra subestima la desviación estándar deseada de la población. Usando $ N-1 $ en lugar de $ N $ como el divisor corrige eso al hacer que el resultado sea un poco más grande.
Tenga en cuenta que la corrección tiene un efecto proporcional mayor cuando $ N $ es pequeño que cuando es grande, que es lo que queremos porque cuando es más grande, la media de la muestra es probable que sea un buen estimador de la media de la población.
Cuando la muestra es toda la población, utilizamos la desviación estándar con $ N $ como divisor porque la media de la muestra es la media de la población.
(Observo entre paréntesis que nada que comience con «Segundo momento reciente en un medio conocido y definitivo» va a cumplir la solicitud del interrogador de una explicación intuitiva).
Por definición, la varianza se calcula tomando la suma de las diferencias cuadradas de la media y dividiendo por el tamaño. Tenemos la fórmula general
$ sigma^2 = frac { sum_ {i}^{n} (x_i- mu)^2} {n} $ donde $ mu $ es la media y $ n $ es el tamaño de la población.
De acuerdo con esta definición, la varianza de la muestra A (por ejemplo, muestra $ T $) también debe calcularse de esta manera.
¿Cuando la varianza es N-1?
¿Por qué doy la suma de los desechos cuadrados promedio? En una sería respondida, ¡seguro que si no los elegirás en el cuadrado al final, vienes cero! Pero entonces, ¿por qué no lo haces en el módulo en lugar de elevar todo al cuadrado?
Y luego, ¿por qué se divide por N-1 y no por N? ¿No es el significado de hacer un promedio de cuánto te alejas del valor promedio?
Boh parece un pequeño juego de eal, no me convence tanto…
No he hecho más de dos cursos de probabilidad… pero tal vez si escribes la fórmula exactamente como él te trajo de vuelta, explicando el contexto y todo lo demás, puedo tratar de entender… esperando que Leonard pase nuevamente para darnos luz… (¡trato de escribirle!)
Para el concepto de la plaza, la solución que Sonia dio es exactamente. En cuanto al N-1. Muy bien..
¡Hay 2 respuestas posibles! En el sentido, que el problema que se ha planteado puede ser descriptivo o inferencial (sin embargo, pienso más sobre el segundo… ¡el descriptivo asume una anecreen estadística!)
Inferencial. En la fórmula tienes la raíz del momento segundo frato n-1, ¿verdad?
eso es. [1/(N-1)]*y (X-Mux)^2
Si es así, (si esta es la fórmula) mientras tanto hablamos de varianza de muestra. Es decir, la varianza de una muestra, tomada casualmente por una población. En pocas palabras, la varianza de la muestra es una estimación de la varianza de la población de origen. Y una estima es una variable aleatoria, que para las definiciones teóricas, pero sobre todo técnicas, debe disfrutar de ciertas propiedades. Una de las propiedades más importantes que deben disfrutar de un estimador «bueno» es la propiedad de la no distorsión. Es decir, ser un estimador de V.C. Deliniable con una cierta ley de probabilidad, su promedio debe ser igual al valor verdadero que debe estimarse.
¿Cuándo se utiliza n-1 en la varianza?
La media es esencialmente un modelo de su conjunto de datos. Es el valor el más común. Sin embargo, notará que la media no es a menudo uno de los valores reales que ha observado en su conjunto de datos. Sin embargo, una de sus propiedades importantes es que minimiza el error en la predicción de cualquier valor en su conjunto de datos. Es decir, es el valor el que produce la cantidad más baja de error de todos los demás valores en el conjunto de datos.
Una propiedad importante de la media es que incluye cada valor en su conjunto de datos como parte del cálculo. Además, la media es la única medida de tendencia central en la que la suma de las desviaciones de cada valor de la media siempre es cero.
La varianza es una cifra estadística que determina la distancia promedio de un conjunto de variables del valor promedio en ese conjunto. Se utiliza para proporcionar información sobre la propagación de un conjunto de datos, principalmente a través de su papel en el cálculo de la desviación estándar. Si es analista de datos o científico, es posible que deba saber sobre este importante cálculo estadístico.
Esta herramienta se usa en gran medida para invertir para determinar el rendimiento individual de todas las partes de una cartera de inversiones. Esto ayuda a los administradores e inversores de activos a mejorar su rendimiento de inversión. Sin embargo, varios profesionales usan la variación de alguna manera: no se limita a los inversores.
Tomar toda la población y calcular sus parámetros como la media de la población, la desviación estándar de la población es precisa. Pero cuando la población es lo suficientemente grande, hacer el estudio sobre toda la población es muy difícil.
¿Qué es el n-1 en estadística?
Antes de los escritos de Fisher en ANOVA, todos usaban n. Con ANOVA, las matemáticas funcionaban mucho más limpios si usaba N-1. ¿Es esto por los grados de la libertad de libertad? ¿Es una estimada estimada de una estimación de un promedio de muestreo frente al verdadero valor ‘cosa’? ¿Y qué significa realmente todo ese mumbo-jumbo? Parece que explicamos el ‘misterio’ N-1 con explicaciones más misteriosas. ¿Por qué no podemos explicar en términos claros no estadísticos? ¿Es realmente tan complicado? No sé.
Lo que sí sé es que las desviaciones estándar son difíciles de estimar con cualquier precisión y que también es muy difícil determinar cambios reales con cualquier confianza. (A menos que pueda tomar muchas muestras…) También sé que, dado esto, obtengo respuestas útiles si uso N-1 o N incluso en muestras pequeñas relativley. Por último, sé que la «sabiduría convencional» actual es que N-1 es el camino a seguir y no hay una razón convincente para reducir esa teoría arraigada.
En realidad, las estadísticas son locas, pensando en ello, está lleno de prejuicios: ¡el concepto básico de (la mayoría) de las estadísticas es la probabilidad, lo cual es una adivinación real!
¡Trabajando con muestras intentan argumentar que N-1 es un problema! ¡El problema es que lo tratan como matemáticas, sin comprender el problema cualitativo de de qué se tratan las muestras y, por lo tanto, creen que las muestras tienen «libertades»! Esto no tiene sentido
Para cálculos prácticos simples, este problema no es realmente tan importante.
Aunque si está estudiando para el examen, mi declaración realmente no lo ayudará. Será mejor que esté seguro, que puede contarles una historia sobre «grados de libertad» (supongo que puede buscar esto en Google):
¡Como si tienes una media (2+3+4)/3 = 3! Si la media está fija, pero faltan un datos, puede calcularlo (2+3+?)/3 = 3, ¡correcto! Entonces, cuando se conoce la media de la muestra, creen que puede/debe dejar una fuera = N-1!
¿Qué significa la varianza 1?
La varianza de una variable aleatoria discreta mide Xla propagación o variabilidad de la distribución, y se define por
La desviación estándar es
La raíz cuadrada de la varianza.
ser – estar:Si se ajusta una variable aleatoria x multiplicando por el valor
b y agregando el valor A, entonces la varianza se ve afectada
como sigue:
Dado que la propagación de la distribución no se ve afectada al agregar o
restando una constante, el valor A no se considera.
Y, dado que la varianza es una suma de términos cuadrados,
Cualquier valor multiplicador B también debe ser cuadrado al ajustar el
diferencia.
El casino elige reducir cada pago en $ 1.00, luego duplicar cada uno
premio. La distribución resultante es la siguiente:
Se agregan variaciones tanto para la suma como para la diferencia de dos
variables aleatorias independientes porque la variación en cada variable
contribuye a la variación en cada caso. Si las variables son
no independiente, entonces la variabilidad en una variable está relacionada con
variabilidad en el otro. Por esta razón, la varianza de su
La suma o la diferencia no pueden calcularse utilizando la fórmula anterior.
Por ejemplo, suponga que la cantidad de dinero (en dólares) gastan un grupo de individuos
en el almuerzo está representado por variable x y la cantidad de dinero
El mismo grupo de individuos gasta en la cena está representado por
variable Y. La varianza de la suma x + y puede no
calcularse como la suma de las variaciones, ya que x e y
No puede considerarse como variables independientes.
¿Qué es la Ñ en la varianza?
En las estadísticas y en la teoría de la probabilidad, la varianza de una variable estadística o de una variable Alatoriax { displayStyle x} es una función, indicada con σx2 { seploastyle sigma _ {x}^{2}} o con var (x) { splatyle mathrm {var} (x)} (o simplemente con σ2 { splawyle sigma ^{2}} Si la variable está implícita), que proporciona una medida de la variabilidad de los valores tomados por la variable sí mismo; Específicamente, la medición de cuánto se dedican cuadráticamente del promedio aritmético o el valor esperado [x] { dongestyle mathbb {e} [x]}.
El término «varianza» fue introducido en 1918 por Ronald Fisher y reemplazó el nombre de «desviación cuadrada estándar» utilizada por Karl Pearson con el tiempo.
La varianza de una variable aleatoria nunca es negativa, y es cero solo cuando la variable casi seguramente asume un valor único x0 { displayStyle x_ {0}}, es decir, si p (x = x0) = 1 { displayStyle p ( x = x_ {0}) = 1}.
Dado un conjunto de unidades estadísticas n { displayle n}, donde Min { splatyle Mathmm {min}} y max { displaystyle mathrm {max}} son los valores mínimos y máximos entre las unidades, el valor máximo que puede asumir que la varianza es igual a
En el caso general, simplemente traduzca las variables para que tengan un valor anulado (como x ′ = x-y [x] { displayStyle x ‘= x- mathbb {e} [x]}); Su varianza no cambia ya que la varianza es invariante para la traducción.
donde k { splawyle k} representa el número de modos en los que se presenta el carácter X, mientras que XJ { Splatyle X_ {J}} y NJ { Seploastyle n_ {J}} son respectivamente el modo J-Sesima de X y el frecuencia absoluta relativa.
¿Qué significa ñ en varianza?
La varianza es una medida de dispersión que representa la variabilidad de una serie de datos en comparación con su promedio. Formalmente se calcula como la suma de los cuadrados de los residuos divididos por el total de observaciones.
También se puede calcular como la desviación estándar al cuadrado. Por cierto, nos referimos al residuo como la diferencia entre el valor de una variable a la vez y el valor promedio de toda la variable.
Antes de examinar la fórmula de varianza, debemos decir que la varianza en las estadísticas es muy importante. Dado que aunque es una medida simple, puede proporcionar mucha información sobre una variable específica.
La unidad de medición de la varianza siempre será la unidad de medición correspondiente a los datos pero al cuadrado. La varianza aumenta o es igual a cero. Dado que los residuos son cuadrados, es matemáticamente imposible que la varianza sea negativa. Y de esta manera no puede ser inferior a cero.
- X: variable sobre la cual calcular la varianza
- XIO: Número de observación I de la variable x. Puedo tomar valores entre 1 y n.
- N: Número de observaciones.
- X: Es el promedio de la variable x.
La razón por la cual los residuos son cuadrados es simple. Si no estuvieran al cuadrado, la suma de los residuos sería cero. Es un desperdicio de residuos. Entonces, para evitar esto, como con la desviación estándar, son cuadrados. El resultado es la unidad de medición en la que se miden los datos pero al cuadrado.
¿Cuál es el símbolo de la varianza?
Dos medidas estadísticas que a menudo son bastante confusas para muchas personas son la desviación y la varianza estándar. Ambas son medidas de la distribución de datos, que representan la cantidad de variación que existe del promedio, o al rango, los valores normalmente difieren del promedio, que también se llama media. Si la varianza o la desviación estándar tienen un valor de cero, todos los valores son idénticos.
La varianza es la media o promedio de los cuadrados de las desviaciones o diferencias en los valores de la media. Por otro lado, la desviación estándar es la raíz cuadrada de esa varianza. Los dos están estrechamente relacionados, pero la desviación estándar se usa para identificar los valores atípicos en los datos.
Hay una similitud entre los dos valores. La desviación estándar y los valores de varianza siempre no serán negativos.
La fórmula matemática para una desviación estándar es la raíz cuadrada de la varianza. Por otro lado, la fórmula de la varianza es el promedio de los cuadrados de desviaciones de cada valor de la media en una muestra. Las desviaciones se cuadran para evitar que los valores negativos cancelen los valores positivos.
El símbolo de la desviación estándar es la letra griega Sigma: σ. No hay un símbolo dedicado para la varianza, y se expresa en la misma unidad que los valores mismos.
En el mundo real, la desviación estándar se usa con datos de muestreo de población e identificando valores atípicos. Para la varianza, se usó con fórmulas estadísticas y en el mundo de las finanzas.
Artículos Relacionados:
