Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 78 vistas

    Resumen de Medidas Estadísticas

    Cargado por

    CARLOS JULIAN LOPEZ SALAS
    El documento resume diferentes medidas estadísticas para el análisis de datos, incluyendo funciones que ignoran valores faltantes (NaN), medidas de tendencia central como la media y mediana, medidas de dispersión y outliers, funciones para datos agrupados, y percentiles y boxplots para visualizar la distribución de los datos.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Resumen de Medidas Estadísticas

    Cargado por

    CARLOS JULIAN LOPEZ SALAS
    78 vistas4 páginas
    El documento resume diferentes medidas estadísticas para el análisis de datos, incluyendo funciones que ignoran valores faltantes (NaN), medidas de tendencia central como la media y mediana, medidas de dispersión y outliers, funciones para datos agrupados, y percentiles y boxplots para visualizar la distribución de los datos.

    Descripción original:

    Resumen de funciones para matlab

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento resume diferentes medidas estadísticas para el análisis de datos, incluyendo funciones que ignoran valores faltantes (NaN), medidas de tendencia central como la media y mediana, medidas de dispersión y outliers, funciones para datos agrupados, y percentiles y boxplots para visualizar la distribución de los datos.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    78 vistas4 páginas

    Resumen de Medidas Estadísticas

    Cargado por

    CARLOS JULIAN LOPEZ SALAS
    El documento resume diferentes medidas estadísticas para el análisis de datos, incluyendo funciones que ignoran valores faltantes (NaN), medidas de tendencia central como la media y mediana, medidas de dispersión y outliers, funciones para datos agrupados, y percentiles y boxplots para visualizar la distribución de los datos.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 4

    Resumen de medidas estadísticas

    Datos con valores faltantes


    Muchos datos tienen valores faltantes y para ello es conveniente usar el NaN (not a number) para
    mantener la estructura de los datos a través de muchas variables y observaciones.
    Los operadores aritméticos de Matlab dan como resultado un NaN cuando hay NaN’s en la
    opresión y eliminar los NaN o las filas/columnas en las que se encuentran pueden destruir la
    estructura o descartar datos. Las funciones estadísticas y de aprendizaje de máquinas remueve los
    NaN’s solo para propósitos de computación.

    Y con funciones que ignoren los NaN tenemos como resultado:

    nancov Matríz de covarianza, ignorando los NaN


    nanmax Valor máximo, ignorando los NaN
    nanmean Media aritmética, ignorando los NaN
    nanmedian Mediana, ignorando los NaN
    nanmin Valor mínimo, ignorando los NaN
    nanstd Desviación estándar, ignorando los NaN
    nansum Suma, ignorando los NaN
    nanvar Varianza, ignorando los NaN
    Tabla de funciones que ignoran los NaN
    Otras funciones que ignoran los valores NaN son iqr, kurtosis, mad, particle, range, skewness y
    trimean.

    Medición de tendencia central (ubicación)


    El propósito es encontrar los valores de datos en la línea de números.
    geomean Media geométrica
    harmmean Media armónica
    mean Media aritmética
    median Mediana
    trimmean Timmed mean

    Outliers, data entry errors and glitches existen en la mayoría de datos reales y un mal valor puede
    mover medidas estadísticas tan importantes como la media muy lejos del centro de los demás
    valores. Para estas situaciones existen la mediana y la trimmed mean, las cuales son más
    resistentes a los outliers, debido a que la mediana es el percentil del 50%, valores muy altos
    generan variaciones muy leves y gracias a que la trimmed mean ignora un porcentaje pequeño de
    los valores más altos y los más bajos cuando determina el centro de los datos.
    El siguiente ejemplo muestra cómo se comportan las medidas de dispersión con un outlier.

    Y aquí tenemos un ejemplo con diferentes medias.

    Funciones de datos agrupados


    Como se vio en la sección anterior, las funciones estadísticas pueden computar en cada columna
    en una matriz. En algunos casos se tiene información organizada por rangos diferentes, así que
    las mediciones aparecen en una columna o variable, y una agrupación de código aparece en una
    segunda columna o variable. Para simplificar esto es puede usar la función grpstats.
    La función grpstats puede computar la media, el error estándar de la media y contar el número de
    observaciones por cada grupo definido por una o más agrupaciones de variables. Si se le aplica
    un nivel significante puede crear una gráfica del grupo de la media con intervalos.
    Como ejemplo, se carga la base de datos carbrg, la cual es bastante extensa. Se puede apreciar el
    valor promedio de MPG (millas por galón) para carros agrupados por org (localización del
    origen del carro).

    Percentiles
    Otra opción es calcular un número razonable de los percentiles de muestra. Esto proporciona
    información sobre la forma de los datos, así como su ubicación y distribución.
    El “boxplot” es una gráfica para estadística descriptiva, a continuación un ejemplo de ello con
    los datos anteriores.

    Boxplots

    También podría gustarte