EL DIABLO DE LOS NUMEROS El libro el diablo de los nmeros escrito por Hans Enzensberger gira alrededor de un nio llamado

Robert el cual como todo chico corriente de su edad odia las matemticas ya que su profesor hace clases tediosas y poco entendibles, pero una noche tiene un sueo especial en donde conoce un pequeo diablillo llamado Teplotaxl quien le explica datos curiosos sobre los nmeros y lo fcil y divertido que puede ser trabajar con ellos cuando los aprendes de una manera adecuada. El libro se desarrolla en doce captulos los cuales representan doce noches en las cuales Robert aprende un truco nuevo sobre el maravilloso mundo de los nmeros. Desde la primera noche el diablillo nos habla de las sutilezas del nmero uno. Con l podemos llegar a hacer nmeros infinitamente grandes y con los fraccionarios hacer nmeros infinitamente pequeos. Tambin muestra cmo con el dgito uno se forman los otros nmeros. En la segunda noche, desde un bosque de hongos, el diablo de los nmeros nos demuestra el gran invento del cero. A travs de un repaso por las cifras realizadas con nmeros romanos, vemos las ventajas que ofrece el sistema decimal y los nmeros combinados con el cero. Adems con l podemos formar las decenas, centenas y millares. Ya en la tercera noche, Robert empieza a desear la aparicin del diablo y a interesarse por la magia de los nmeros. Empieza a aceptar gustoso los retos que ste le pone. As dentro de una cueva aparecen los nmeros primos, la divisin y contina con el cero y lo que sucede cuando dividimos con l. En el cuarto sueo llegamos al tema del infinito, las potencias y la raz cuadrada. Aunque los conceptos se ofrecen manejando cantidades pequeas, se explica grficamente el principio y con ello se abre la posibilidad de comprenderlos mejor. En el quinto sueo, desde lo alto de una palmera llena de cocos, nos habla de los nmeros triangulares y las diferentes combinaciones que se pueden hacer con ellos. El diablillo en la sexta noche nos presenta a Bonatschi, quien representa a Leonardo de Pisa Fibonacci, al que denomina como su amigo, y la serie de nmeros que llevan su nombre. Con stos explica las reglas que el matemtico encontr y que son muy tiles para entender la multiplicacin exponencial. Para explicar el concepto utiliza una pareja de liebres, que se multiplican incesantemente hasta sumergir al afligido Robert en un mar de orejas, convirtiendo su sueo en una pesadilla, de la cual, afortunadamente, logra sacarlo el diablo de los nmeros. En la octava noche el diablo de los nmeros ensea a Robert el triangulo de pascal y como construirlo, adems ensea al chico algunas caractersticas y utilidades de esta curiosa pirmide de nmeros como lo es que esto nos puede ayudar a determinar los coeficientes de un polinomio segn su grado. Ya en las cuatro noches restantes Robert se haba convertido en un casi genio de los nmeros, era capaz de desarrollar los problemas ms tenaces que su profesor le pona en solo cuestin de minutos, dejando a su maestro odioso profesor perplejo. En la duodcima noche Robert recibe una invitacin para asistir al infierno de los nmeros en donde conoce a los genios de las matemticas mas destacados de toda la historia de los cuales uno le explica la importancia del nmero pi, finalmente Robert recibe una cadena en la cual penda un pesada estrella de cinco puntas como una distincin por haber

terminado el curso de los nmeros con Teplotaxl, cuando despert este cadena aun penda de su cuello, lo que le hizo entender que todo lo soado haba sucedido de verdad, pero no la enseo a nadie para proteger el secreto de los diablos de los nmeros. Como conclusin, se puede decir que lo que en el libro se intenta conseguir es que Robert, travs de sus sueos, no le tenga miedo a las matemticas y para llevarlo a cabo, el diablillo trata de ensearle el verdadero sentido de las matemticas y hacerle ver que stas no son solo esos problemas aburridos sino que hay mucho ms. Por otra parte, en el libro se habla acerca de grandes teoremas y problemas matematices dignos de ser destacados, por ejemplo el de Pitgoras, se menciona la conjetura de Goldbach, los nmeros primos, los nmeros romanos, el cero, nmeros irracionales, y grandes figuras como Fibonacci, Klein, de manera que Robert va aprendiendo todo de forma muy divertida; es decir, est aprendiendo jugando. BIBLIOGRAFIA * ENZENBERGER HANS, El diablo de los nmeros, editorial siruela, Espaa 1997.

17 de Mayo del 2010 MEDIDAS DE TENDENCIA CENTRAL: MEDIA, MEDIANA, MODA Ahora nos ocuparemos exclusivamente de las variables cuantitativas, puesto que con los atributos no se pueden realizar operaciones aritmticas. Como hemos estudiado, las variables estadsticas cuantitativas se dividen o clasifican en discretas o continuas, por lo que necesitaremos precisar cmo se calculan dichas medidas en cada caso. Las medidas estadsticas pretenden "resumir" la informacin de la "muestra" para poder tener as un mejor conocimiento de la poblacin. Las medidas de tendencia central corresponden a valores que generalmente se ubican en la parte central de un conjunto de datos. (Ellas permiten analizar los datos en torno a un valor central). Entre stas estn la media aritmtica, la moda y la mediana. La Media Aritmtica: La medida de tendencia central ms ampliamente usada es la media aritmtica, usualmente * La media aritmtica para datos no agrupados Si se dispone de un conjunto de n nmeros, tales como X1, X2, X3,,Xn, la media aritmtica de este conjunto de datos se define como "la suma de los valores de los ni nmeros , divididos entre n", lo que usando los smbolos explicados anteriormente , puede escribirse como: Ejemplo: Se tienen las edades de cinco estudiantes universitarios de Ier ao, a saber: 18,23, 27,34 y 25., para calcular la media aritmtica (promedio de las edades, se tiene que: * La media aritmtica para datos agrupados Si los datos se presentan en una tabla de distribucin de frecuencias, no es posible conocer los valores individuales de cada una de las observaciones, pero si las categoras en las cuales se hallan. Para poder calcular la media, se supondr que dentro de cada categora, las observaciones se distribuyen uniformemente dentro alrededor del punto medio de la clase, por lo tanto puede considerarse que todas las observaciones dentro de la clase ocurren en el punto medio, por lo expuesto la media aritmtica para datos agrupados puede definirse de la siguiente manera: Si en una tabla de distribucin de frecuencia, con r clases, los puntos medio son: X1, X2, X3,,Xn; y las respectivas frecuencias son f1, f2, f3, , fn, la media aritmtica se calcula de la siguiente manera: donde: N = nmero total de observaciones, por tanto fi puede simplificarse y escribirse como N ( N= fi ) * Media aritmtica ponderada Por otro lado, si al promediar los datos estos tienen diferentes pesos, entonces estamos ante un caso de media aritmtica ponderada, que puede definirse de la siguiente manera Definicin: Sea dado un conjunto de observaciones, tales como X1, X2; X3; ; Xn; y un conjunto de valores p1, p2; p3; ; pn; asociado con cada observacin Xi respectivamente, que reciben el nombre de factores de ponderacin, entonces la media ponderada se calcula como: La Mediana: Cuando una serie de datos contiene uno o dos valores muy grandes o muy pequeos, la media aritmtica no es representativa. El valor central en tales problemaspuede ser mejor descrito usando una medida de tendencia central llamada mediana., y denotada por X0.5 La mediana es una medida de posicin y se define como la posicin central en el arreglo ordenado de la siguiente manera: Dado un conjunto de nmeros agrupados en orden creciente de magnitud, la mediana es el nmero colocado en el centro del arreglo, de tal forma que una mitad de las observaciones est por encima y la otra por debajo de dicho valor. Si el nmero de observaciones es par, la

mediana es la media de los dos valores que se hallan en el medio del arreglo, de donde se concluye en la siguiente definicin: Mediana. Es el punto medio de los valores de una serie de datos despus de haber sido ordenados de acuerdo a su magnitud. Hay tantos valores antes que la mediana como posteriores en el arreglo de datos * La Mediana para datos no agrupados. Sea X1, X2; X3; ; Xn; una sucesin de datos, la mediana denotada por X0.5 se calcula de la siguiente manera: X0.5 = X (n+1)/2 si n es par Xn/2 + X(n/2)+1 X0.5= ---------------------- si n es impar 2 X0.5 = Xn+1/2 = X(5+1)/2 = X6/2 = X3 = 25 aos * La mediana para datos agrupados Si se tiene una distribucin de frecuencias, la mediana es igualmente ese valor que tiene 50% de las observaciones por debajo y 50 % por encima. Geomtricamente, la mediana es el valor de X sobre el eje de las abscisas correspondiente a la ordenada que divide un histograma en dos partes de igual rea. Para hallar el valor de la mediana, en el caso de datos agrupados debe encontrarse primero la clase mediana, la que se define como la clase ms baja para la cual la frecuencia acumulada excede N/2 (siendo N=fi ). Encontrada esta clase, la siguiente formula servir para hallar el valor de la mediana N/2 fa X0.5 = Li + ------------- ( C ) fi donde: L = lmite inferior de la clase mediana. N = frecuencia total o fi. fa = frecuencia absoluta acumulada hasta la clase premediana fi = frecuencia absoluta de la clase mediana C = amplitud de la clase mediana. * Propiedades de la mediana * Hay solo una mediana en una serie de datos. * No es afectada por los valores extremos ( altos o bajos ) * Puede ser calculada en distribuciones de frecuencia con intervalos abiertos, si no se encuentra en el intervalo abierto. * Puede ser calculada en distribuciones con escala relativa, de intervalos, y ordinal. La Moda (Mo.): A veces es importante conocer cul es el valor que ms prevalece en el conjunto de datos. El valor que ocurre con ms frecuencia se le conoce como moda. La moda es la medida de tendencia central especialmente til para describir mediciones de tipo ordinal, de intervalos y nominal. En un conjunto de nmeros la moda se define como el valor nmero que ocurre con ms frecuencia Ejemplo: En el siguiente conjunto de nmeros 1, 5, 5, 9, 12, 12, 12, 14. La moda es igual a 12, por cuanto que es el nmero que ms se repite (tres veces) * La Moda para datos agrupados (Mo.): La Moda puede deducirse de una distribucin de frecuencia o de un histograma a partir de la frmula. Mo. = Li + [ ( 1 / 1+2 ) ] C Donde; Li = lmite inferior de la clase modal (clase de mayor frecuencia absoluta (fa) 1 = diferencia de las frecuencias absolutas de la clase modal y premodal. 2 = diferencia de las frecuencias absolutas de la clase modal y postmodal C = amplitud de la clase modal. * Propiedades de la moda

* La moda se puede determinar en todos los tipos de mediciones (nominal, ordinal, de intervalos, y relativa). * La moda tiene la ventaja de no ser afectada por valores extremos. * Al igual que la mediana, puede ser calculada en distribuciones con intervalos abiertos. * Desventajas de la moda * En muchas series de datos no hay moda porque ningn valor aparece ms de una vez. * En algunas series de datos hay ms de una moda, en este caso uno podra preguntarse cual es el valor representativo de la serie de datos?

inversas de los valores de la variable, responde a la siguiente definicin: Si se tiene un conjunto de observaciones tales como: X1, X2, . Xn; la media armnica, estadstica divididos entre el nmero total de datos y se calcula con la siguiente frmula Se utiliza para promediar velocidades, tiempos, rendimiento, etc. (cuando influyen los valores pequeos). Su problema: cuando algn valor de la variable es prximo a cero no se puede calcular Ejemplo: Un.automvil que hace viajesde ida y vuelta entre las ciudades A y B, realiza el viaje entre A y B a razn de 80 Km por hora y el viaje entre B y A a 120 Km por hora, La velocidad promedio del viaje de ida y vuelta ser de 19200/200 = 96 km/h * Propiedades de la media armnica * La media armnica se basa en todas las observaciones por lo que est afectada por todos los valores de la variable. Da a los valores extremadamente grandes un peso menor que el que les da la media geomtrica, mientras que a los valores pequeos les da un peso mayor que el que les da tanto la media aritmtica como la media geomtrica. * La media armnica esta indeterminada si alguno de los valores es cero, pues hallar el recproco de cero implica dividir entre cero, lo cual no es vlido. La media armnica est rgidamente definida y siempre es definitiva, excepto cuando uno de los valores es cero. * La media armnica es el promedio que se ha de usar, cuando lo que se va a promediar son proporciones donde los numeradores de las razones son los mismos para todas las proporciones. * La media armnica se presta a manipulaciones algebraicas posteriores

Se define como la raz de ndice de la frecuencia total cuyo radicando es el productode las potencias de cada valor de la variable elevado a sus respectivas frecuencias absolutas, se geomtrica. Tambin para promediar porcentajes, tasas, n ndices, etc. siempre que nos vengan dados en porcentajes y se calcula mediante la siguiente frmula Frmula que algunas veces es conveniente expresarla en forma logartmica. El logaritmo de la media geomtrica es la media aritmtica de los logaritmos de los valores de la variable. El problema se presenta cuando algn valor es 0 negativo y exponente de la raz par ya que no exista raz par de un nmero negativo, entonces la frmula anterior se presenta de la siguiente manera: log Xg = 1/N (log X1 + log X2 + + log Xn) Ejemplo; Encontrar la media de los siguientes nmeros 2, 4, 8. obsrvese que entre ellos existe una razn o proporcin constante, cada uno de ellos es el doble del anterior, por tanto la media a utilizar es la media geomtrica, de la siguiente manera g = 3 (2) (4) (8) = 3 64 = 4 Cibergrafia http://www.profesorenlinea.cl/matematica/EstadisticaMediaMedianaModa.htm http://www.monografias.com/trabajos43/medidas-tendencia-central/medidas-tendenciacentral.shtml

MEDIDAS DE DISPERSIN Se llaman medidas de dispersin aquellas que permiten retratar la distancia de los valores de la variable a un cierto valor central, o que permiten identificar la concentracin de los datos en un cierto sector del recorrido de la variable. Se trata de coeficiente para variables cuantitativas. A) El desvo estndar Es posible identificar conjuntos de datos que a pesar de ser muy distintos en trminos de valores absolutos, poseen la misma media. Una medida diferencial para identificar esos conjuntos de datos es la concentracin o dispersin alrededor de la media. A 1) Desvo estndar para datos sin agrupar Una manera que aparece como muy natural para construir una medida de dispersin sera promediar las desviaciones de la media, pero como vimos Una manera de evitar que los distintos signos se compensen es elevarlas al cuadrado, de manera que todas las desviaciones sean positivas. La raz cuadrada del promedio de estas cantidades recibe el nombre de desvo estndar, o desviacin tpica y es representada por la siguiente frmula: La desviacin estndar slo puede utilizarse en el caso de que las observaciones se hayan medido con escalas de intervalos o razones. A mayor valor del coeficiente del desvo estndar, mayor dispersin de los datos con respecto a su media. Es un valor que representa los promedios de todas las diferencias individuales de las observaciones respecto a un punto de referencia comn, que es la media aritmtica. Se entiende entonces que cuando este valor es ms pequeo, las diferencias de los valores respecto a la media, es decir, los desvos, son menores y, por lo tanto, el grupo de observaciones es ms homogeneo que si el valor de la desviacin estndar fuera ms grande. O sea que a menor dispersin mayor homogeneidad y a mayor dispersin, menor homogeneidad. A 2) Desvo estndar para datos agrupados A 2.1) Clculo usando las frecuencias absolutas A 2.2) Clculo usando las frecuencias relativas

B) Varianza El cuadrado de la desviacin estndar recibe el nombre de varianza y se representa por . La suma de los cuadrados de los desvos de la totalidad de las observaciones, respecto de la media aritmtica de la distribucin, es menor que la suma de los cuadrados de los desvos respecto de cualquier otro valor que no sea la media aritmtica. Si observamos, veremos que la varianza no es ms que el desvo estndar al cuadrado. Precisamente la manera de simbolizarla es . Por lo mismo, el desvo estndar puede definirse como la raz cuadrada de la varianza

C) El coeficiente de variacin: Para comparar la dispersin de variables que aparecen en unidades diferentes (metros, kilos, etc.) o que corresponden a poblaciones extremadamente desiguales, es necesario disponer de una medida de variabilidad que no dependa de las unidades o del tamao de los datos. Este coeficiente nicamente sirve para comparar las dispersiones de variables correspondientes a escalas de razn. Una manera de construir una medida de variabilidad que cumpla los requisitos anteriores es el llamado coeficiente de variacin (las barras del denominador representan el valor absoluto, es decir, indican que debe prescindirse de la unidad de medida de la media). A menor coeficiente de variacin consideraremos que la distribucin de la variable medida es ms homognea. D) El coeficiente de asimetra

Otro rasgo interesante en una distribucin de frecuencias es si los datos aparecen ubicados simtricamente o no respecto de la media. Si queremos cuantificar la simetra, es necesario conservar la informacin acerca tanto del signo como de la distancia de cada dato a la media centro de simetra-. Este razonamiento lleva a utilizar una potencia impar de las desviaciones. En el caso en que el coeficiente valga cero la distribucin es simtrica alrededor de la media. Los valores positivos, indicarn distribuciones con mayor sesgo a la derecha y los valores negativos indicarn un mayor sesgo a la izquierda. D 1) Coeficiente de Asimetra para datos sin agrupar El coeficiente de asimetra se define como D 2) Coeficiente de Asimetra para datos agrupados D 2.1) Clculo usando las frecuencias absolutas D 2.2) Clculo usando las frecuencias relativas

E) Coeficiente de apuntamiento Otra caracterstica relevante en una distribucin es su apuntamiento o kurtosis, que describe lo picuda o plana que es la distribucin, es decir si los datos se concentran demasiado o no, comparados con un modelo de distribucin llamado distribucin normal. * La distribucin se denominar leptocrtica cuando el CAp > 0 (ms apuntada que la normal) * La distribucin se denominar mesocrtica cuando el Cap = 0 (normal) * La distribucin se denominar platicrtica cuando Cap < 0 (menos apuntada que la normal) E 1) Coeficiente de Apuntamiento para datos sin agrupar E 2) Coeficiente de Apuntamiento para datos agrupados E 2.1) Clculo usando frecuencias absolutas E 2.2) Clculo usando frecuencias relativas

F) Rango intercuartlico: El rango intercuartlico RI es, sencillamente, la diferencia entre el tercer y el primer cuartil, es decir Esto nos dice en cuntas unidades de los valores que toma la variable se concentra el cincuenta por ciento central de los casos.