Medidas Estatísticas

Unha medida de tendencia central que representa o valor medio dun conxunto de datos. Calcúlase sumando todos os valores e dividindo polo número total de valores.

Unha medida de tendencia central que indica o valor que divide un conxunto de datos ordenado en dúas partes iguais.

Unha medida de tendencia central que representa o valor que aparece con maior frecuencia nun conxunto de datos.

Unha medida de tendencia central que se aplica a conxuntos de datos ponderados, onde cada valor ten un peso específico.

Unha medida de dispersión que indica a diferenza entre o valor máximo e o valor mínimo dun conxunto de datos.

Unha medida de dispersión que representa a distancia media dos valores dun conxunto de datos á media.

Unha medida de dispersión que representa a varianza dun conxunto de datos, que é a media dos cadrados das desviacións dos valores á media.

Unha medida de dispersión que representa a raíz cadrada da varianza, proporcionando unha medida da dispersión en unidades orixinais.

Unha medida de posición que divide un conxunto de datos ordenado en catro partes iguais.

Unha medida de posición que divide un conxunto de datos ordenado en partes iguais. Os exemplos inclúen cuartiles, quintiles, deciles e percentiles.

O primeiro cuartil (Q1) marca o 25% dos datos, o segundo cuartil (Q2) marca o 50% dos datos (a mediana) e o terceiro cuartil (Q3) marca o 75% dos datos.

O valor que indica o límite inferior da clase onde se encontra o cuartil.

A frecuencia acumulada anterior á clase do cuartil.

A amplitude da clase onde se encontra o cuartil.

A fórmula para calcular os cuartiles para datos agrupados.

Unha distribución leptocúrtica ten unha maior concentración de datos arredor da media, e colas máis pesadas que unha distribución normal. Isto significa que hai unha probabilidade maior de que ocorran valores extremos.

A curtose mide a concentración de datos arredor da media e a pesadez das colas dunha distribución. Unha curtose alta indica unha distribución leptocúrtica, con colas máis pesadas.

O análise bivariado estuda a relación entre dúas variables. Permite determinar se existe unha relación entre elas e, en caso afirmativo, a súa natureza e forza.

O análise de covarianza é un tipo de análise estatístico que ten como obxectivo estimar a relación entre dúas variables, tendo en conta a influencia doutra variable. É útil para controlar o efecto de variables extrañas nunha relación.

A varianza conjunta é unha medida da variabilidade das dúas variables nun conxunto de datos. Permite identificar a relación entre as varianzas das dúas variables.

A función que define unha liña recta no plano cartesiano, expresada como y = mx + b, onde 'm' é a pendente e 'b' é a ordenada na orixe.

Número que indica o grao de inclinación dunha liña recta, expresando a relación entre o cambio vertical e o cambio horizontal.

O punto no que unha liña recta corta o eixo Y (vertical) do plano cartesiano.

É unha representación gráfica que mostra a relación entre dúas variables, utilizando puntos que representan cada valor.

Estudia a relación entre dúas variables e procura identificar se existe unha correlación significativa entre elas, é dicir, se unha variable afecta a outra.

É unha medida estatística que indica como os datos se distribuyen ao redor da media aritmética. Permite ver se os datos están máis concentrados ao redor da media ou se se estenden máis, indicando se a distribución é simétrica, asimétrica á dereita ou asimétrica á esquerda.

Unha distribución simétrica ten os seus datos distribuídos uniformemente ao redor da media. A media, a mediana e a moda coinciden neste tipo de distribución.

Nestas distribucións, a maioría dos datos atópanse á dereita da media. A cola da curva é máis longa á dereita.

Unha distribución asimétrica á esquerda (negativa) concentra a maioría dos datos á esquerda da media. A cola da curva esténdese cara á esquerda.

A asimetría negativa indica que a maioría dos datos se concentra á esquerda da media. A media será menor que a mediana e a moda.

A asimetría positiva indica que a maioría dos datos se concentra á dereita da media. A media será maior que a mediana e a moda.

Unha distribución leptocúrtica ten unha forma alta e picuda. A maioría dos datos están concentrados arredor da media.

Unha distribución platicúrtica ten unha forma plana e ancha. Os datos están moi dispersos arredor da media.

A mediana é o valor central dun conxunto de datos ordenado. Cando o número de datos é par, a mediana é a media dos dous valores centrais.

Para calcular a mediana de datos non agrupados, primeiro ordena os datos. Se o número de datos é impar, a mediana é o valor central. Se o número de datos é par, a mediana é a media dos dous valores centrais.

A mediana para datos agrupados é o valor que divide o conxunto de datos en dúas partes iguais. Calculamos a posición da mediana e despois calculamos o seu valor

Para calcular a mediana para datos agrupados, necesitamos a fórmula: 𝐿𝑖 + ((𝑛/2 - 𝐹𝑖−1)/𝑓𝑖) * 𝑎. Onde 𝐿𝑖 é o límite inferior do intervalo da mediana, 𝑛 é o número total de datos, 𝐹𝑖−1 é a frecuencia acumulada anterior ao intervalo da mediana, 𝑓𝑖 é a frecuencia do intervalo da mediana e 𝑎 é a amplitude do intervalo.

Para atopar a moda nun conxunto de datos non agrupados, simplemente conta cal é o valor que se repite máis veces.

A moda nun histograma é o valor que corresponde ao punto máis alto do histograma.

Un conxunto de datos pode ter unha moda, varias modas (bimodal, trimodal, etc.) ou non ter moda.

Para calcular a media nun conxunto de datos non agrupados, suma todos os valores e divídelo polo número total de valores.

A media dunha distribución de frecuencias calcúlase multiplicando cada valor da variable polo seu peso (frecuencia), sumando todos os produtos e dividindo o resultado pola suma das frecuencias.

A media aritmética é un tipo de media que se calcula sumando todos os valores e dividindo o resultado polo número total de valores.