No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Medidas de tendencia central

9/25
Recursos

Aportes 16

Preguntas 2

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Este señor explica mucho más simple la ley de los grandes números:

https://www.youtube.com/watch?v=29z2G6OUa68&ab_channel=TIClass

“La estadística es una de esas ciencias que miente, porque imagina que tú tienes 2 autos, peo tu vecino no tiene ninguno, entonces tu vecino en promedio tiene 1 auto, pero eso es una mentira. Aún así es una medida para saber en general cómo se esta comportando una población”
-Maria Cruz.

Medidas de tendencia central

“No se puede predecir el comportamiento individual, pero sé el comportamiento promedio.”
-Alejando Quintela del Rio.

Grandes teoremas de la probabilidad

  • La ley de los grandes números: describen el comportamiento del promedio de una sucesión de variables aleatorias conforme aumenta su número de ensayos.

  • El teorema del límite central: Cuando el tamaño de la muestra es lo suficientemente grande, la distribución de las medias sigue aproximadamente una distribución normal.

Medidas estadísticas

  • Media
  • Mediana
  • Moda
  • Mínimo
  • Máximo
  • Producto de valores
  • Suma acumulada

Soy solo yo o el audio de esta video esta mal, se escucha raro

Teoremas

Ley de los grandes números

La probabilidad experimental tiende a la probabilidad teórica a medida que aumentan el número de repeticiones del experimento.

Teorema del límite central

Cuando el tamaño de las muestras es lo suficientemente grande, la distribución de las medias sigue una distribución aproximadamente normal (gaussiana).

Simulador del teorema del límite central con diferentes distribuciones:
https://diegoteca.com.ar/SimuladorTeoremaLimiteCentral.html

El curso no me termina de convencer. Por el ritmo, por la confusión de conceptos, y ahora se suma que en varias clases el sonido es malo 😦.

Ley de los Grandes Números

<h5>La probabilidad experimental tiende a la probabilidad teorica a medida que haga más experiementos.</h5>
  • Por eso cada vez que lanzo una moneda, la probabilidad de obtener cara tenderá a 0.5, mientras más experimentos haga.
  • Para qué me sirve?: Puedo usarla en situaciones experimentales donde simplemente usaría la probabilidad teórica y ya no haría todas las repeticiones del experimento

Teorema del Límite Central

  • De qué trata?: Si no puedo medir a toda la poblacion para hacer mi análisis, puedo agarrar grupos pequeños aleatoriamente
  • Al comparar lo promedios de estas muestras el experiemento mostrará que la distribucion de los promedios es algo campanada.
  • Si cambio mi muestra a una con más población, la distribución de sus promedios será cada vez más acampanada
    -Cada vez que el tamaño muestral aumenta la dispersion disminuye y los promedios que voy midiendo se vuelven más normales.
<h5>Los promedios de muestras grandes tienen aproximadamente una distribución normal y cuando el tamaño de la muestra aumente esta distribución se vuelve más normal y concentrada</h5>

Se debe mejorar el audio de varios videos.

Un método muy útil para conocer algunos parámetros estádisticos de un DataFrame es .describe(). Da información de la mediana, desviación estándar, mínimo, máximo, etc.

Les recomiendo ver esta clase para complementar y entender mejor el concepto: https://platzi.com/clases/2353-estadistica-descriptiva/38396-medidas-de-tendencia-central/

Quizá estos conceptos puedan ser mas intuitivos si los vemos así:

  • La ley de los grandes números nos da un valor aproximado del promedio de una variable aleatoria cuando n es grande.
  • El teorema del límite central nos da una distribución aproximada del promedio de la variable aleatoria n es grande.

Nota:
Para ser un poco mas especificos, realmente hay dos “versiones” de la ley de los grandes números:

  • La ley debil de los grandes numeros establece que la media converge en probabilidad al valor esperado cuando n es grande.
  • La ley fuerte de los grandes numeros establece que la media converge al valor esperado poblacional cuando n es grande

La media y la mediana nos permite ya un indicio de asimetria de los datos, si la media es mayor a la mediana existe asimetría positiva, media menor a la mediana asimetría negativa

Lo que menciona María Cruz al principio de este video me recuerda a una frase del gran Nicanor parra, el antipoeta:

“Hay dos panes. Usted se come dos. Yo ninguno. Consumo promedio: un pan por persona”. Bajo la lógica actual usted debiera estar feliz de que el otro se coma ambos panes.

Este curso me está resultando algo así como la mención de varios temas que debo ir a estudiar en otros lugares, dado que o no quedan bien expuestos o quedan incompletos. Voy apenas en la lección 9, espero cambie mi percepción. Si alguien comparte o por el contrario considera estoy equivocado, agradezco comentarios para intentar ajustar mi proceso.

El ejemplo del auto el problema es que es un espacio muestral muy REDUCIDO. aún así ese 1 es el promedio de auto de esas dos viviendas, por lo tanto no es una mentira. Es una realidad esa dos viviendas en promedio tiene que un auto. Y como el objetivo de la estadística es inferior se quiere llegar a determinar si cada dos casas se tiene un auto en promedio.