Medidas de tendencia central

Medidas de tendencia central
Como tales valores suelen citarse hacia el centro de conjuntos de datos ordenados por magnitud los promedias se conocen como medidas de tendencia central.
Media aritmética
La media aritmética es un conjunto de (n) observaciones X1 X2 X3 Xn
Se obtiene sumando los productos de cada valor de la variable por su respectiva frecuencia, y dividiendo esta suma por eltotal de observaciones.
X=xin

Media geométrica
La fórmula para calcular el promedio de datos.

Mediana
Es el valor de la variable que divide a la distribución de frecuencias dos partes iguales.
Mediana=n+12
La mediana es el dato que encuentra exactamente a la mitad del total de los datos.
Moda
Es valor que cuenta con una mayor frecuencia en una distribución de datos la moda sedenota por M o también como MP con observar detenidamente al conjunto de datos y ver cuál es el que más se repite
Medidas de dispersión
Se llama dispersión de un conjunto de datos al grado en que los diferentes valores numéricos de los datos tienden a extenderse alrededor del valor medio utilizado.
Varianza
Es la medida aritmética de los cuadrados de las desviaciones, con respecto a lamedia y la denotaremos por ( ) o también por ( ).


=varianza de la población
x =valor de cada observación en la población
∑ =sumatoria de las desviaciones de cada variable menos la media de la población al cuadrado.
n=numero total de elementos de la población
=es la media de la poblacion
Regresión y correlación
La regresión y la correlación son dos técnicasestrechamente relacionadas y comprenden una de estimación estadística comprende el análisis de los datos muéstrales para saber qué es y cómo se relacionan entre sí o dos o más variables en una población.
La correlación mide la fuerza entre variables la regresión da lugar a una ecuación que describe dicha relación en términos matemáticos.

Diagramas de dispersión
Un diagrama dedispersión es un tipo de diagrama matemático que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos.
Los datos se muestran como un conjunto de puntos, cada uno con el valor de una variable que determina la posición en el eje horizontal y el valor de la otra variable determinado por la posición en el eje vertical existe una variable que está bajo elexperimentador. La variable medida o dependiente usualmente se representa a lo largo del eje vertical.

El método de mínimos cuadrados
Es un método estadístico que forma parte de un grupo denominado modelos de regresión, estos explican la dependencia de una variable
“Y” respecto de una varias variables cuantitativas “X”:
Consiste en hacer mínima la suma de los cuadrados residuales,es decir lo que tenemos que hacer es hallar los estimadores que hagan que esta suma sea lo más pequeña posible.
Ecuación Lineal
Y=a+bx
En la que A y B son valores que se determina a partir de los datos de la muestra A indica la altura de la recta en (x =0), y B señala su pendiente. La variable y es la que se habrá de predecir y (x) es la variable predictora.
Los valores de A y Bpara la recta es Y = A +BX que minimiza la suma de los cuadrados de la desviación “ecuaciones normales “
El error estándar de estimación mide la dispersión con respecto a una recta de regresión.



Análisis de correlación
Análisis de correlación consiste en determinar que tan intensa es la relación entre dos variables.
Pronósticos
Pronosticar supone proyectar la experienciapasada hacia el futuro.
Técnicas de pronóstico
Se han desarrollado varios métodos para medir los errores generados por un procedimiento de pronósticos específicos. Estos métodos consisten en esencia en generar pronósticos para periodos pasados y compararlos con los valores reales de la variable.
Los modelos de pronósticos de series de tiempo incluyen el método de descomposición, los...