About Us

Why Choose StudyPug

How it works

Pricing

Testimonials

Contact Us

Blog

Basic Math

Algebra

Geometry

Trigonometry

Calculus

Linear Algebra

Differential Equations

Statistics

Chemistry

Organic Chemistry

Physics

Microeconomics

For Students

For Parents

For Home Schoolers

For Teachers

Australia

Canada

Ireland

New Zealand

Singapore

United Kingdom

United States

Sitemap

Terms of Service

Privacy Policy

Accessibility

¿Qué son las medidas de posición?

Estadística: Domina Análisis de Datos y Probabilidad

ES - Graphing Data

Ventajas y desventajas de distintas gráficas

Gráficas engañosas

Presentación crítica de datos

Gráficas circulares

Distribución de frecuencias e histogramas

Organizando datos

Dibujando y leyendo gráficas de barra

Dibujando y leyendo histogramas

Dibujando y leyendo gráficas lineales

Reading Line Graphs

auto-gen

Diagrama de cajas y bigotes

Dibujando y leyendo diagramas de Venn

Diagrama de tallos y hojas

Polígonos de frequencias

Formas de las distribuciones

Tablas de frecuencias y gráficas de puntos

ES - Designing Studies

Clasificación de datos

Tipos de muestreo estadístico

Censo y sesgo

ES - Measures of Central Tendency

Mediana y moda

Median of an even length list

Median of an odd length list

Media (promedio)

Find the Mean

Rango y valores más extremos

Find the Range

Aplicación de promedios

Find the Means — Data Tables

Find Mean and Mode — Data Table

Identify Outliers — Data Table

Medidas de tendencia central: media, mediana y moda

ES - Measures of Dispersion

Dispersión de un conjunto de datos: Desviación estándar y varianza

Medidas de posición: Variable normalizada, cuartiles y percentiles

ES - Discrete Probabilities

Distribución de probabilidad: Histograma, media, varianza y desviación estándar

Distribución binomial

Media y desviación estándar de la distribución binomial

Distribución de Poisson

Distribución geométrica

Distribución binomial negativa

Distribución hipergeométrica

Propiedades de la esperanza matemática

ES - Normal Distribution and Z-Scores

Introducción a las distribución normal

Distribución normal y variable aleatoria continua

Variables normalizadas y variables aleatorias continuas

Regla del evento raro

Distribución muestral

Teorema del límite central

ES - Confidence Intervals

Estimación puntual

Niveles de confianza y valores críticos

Margen de error

Creando un intervalo de confianza

ES - Permutations and Combinations

Principio fundamental de conteo

Notación factorial

Contando y encontrando posibles caminos

Permutaciones

Combinaciones

Problemas acerca de permutaciones y combinaciones

Permutaciones y combinaciones

Probabilidad con permutaciones y combinaciones

ES - Probability

Introducción a probabilidad

Reading Probability Models

Probability

Organizando resultados

Probabilidad de eventos independientes

Comparando probabilidad experimental y teórica

Introducción a la probabilidad

Reglas de la suma de probabilidades

Regla de la multiplicación de probabilidades

Probabilidad condicional

Probabilidad con diagramas de Venn

ES - Hypothesis Testing

Hipótesis nula e hipótesis alternativa

Verificando afirmaciones

Niveles de confianza, niveles de significancia y valores críticos

Estadístico de prueba

Prueba de hipótesis

Prueba de hipótesis con valores "p"

Prueba de hipótesis con Ji cuadrado de Pearson

Prueba de hipótesis para la media con distribución "t"

Errores de tipo 1 y 2

ES - Bivariate Data

Datos bivariados, diagramas de dispersión y correlación

Análisis de la regresión

Recta de mejor ajuste (mínimos cuadrados)

ES - Statistics

math

https://dmn92m25mtw4z.cloudfront.net/img/textbook/textbook-statistics.png

Ex.2

Ex.4

La variable normalizada, también llamada la unidad tipificada o variable estandarizada mide cuántas desviaciones estándar de distancia se encuentra un valor (un dato x) de la media.
 Variable estandarizada de una población:
 

<center>\( \large z_x= \frac{x- \mu}{\sigma}\)</center> 

 Variable estandarizada de una muestra: 
 

<center>\( \large z_x= \frac{x- \overline{x}}{s}\)</center> 


 La variable normalizada permite comparar la variación que existe entre distintas poblaciones-muestras de una manera sencilla. 

 Cuartiles: Valores que dividen al conjunto de datos en cuartos. 

\(Q_1=\) el 25% más bajo de los datos 
\(Q_2=\) Mediana = el 50% más bajo de los datos 
\(Q_3=\) el 75% más bajo de los datos 

Rango intercuartil (RIC): Representa el rango de los datos que contiene el 50% de ellos con valores en el medio. 

\(RIC= Q_3-Q_1\) 

Percentiles: Indican qué porcentaje de los datos caen bajo un valor específico. 

\(Percentile\;of\;X= \frac{Número\;de\;datos\;con\;valor\;menor\;a\;X}{Número\;total\;de\;datos}\) 

Valores más extremos: Un valor más extremo es aquel que se encuentra a una distancia abnormal de todos los otros datos en el conjunto. Por lo mismo se le llama valor más extremo por el hecho de que se encuentra mucho más allá fuera del rango regular comparado a los otros datos en el conjunto.

 Los valores más extremos se encuentran arriba de \(Q_{3}\)+1.5(\(RIC\)) o abajo de \(Q_{1}\)-1.5(\(RIC\))

Example 1a

Example 1b

Example 2a

Example 2b

Medidas de posición: Variable normalizada, cuartiles y percentiles

This Unit Includes

4 Video lessons